Το ερώτημα δεν είναι αν πρέπει να πιστέψουμε τα στατιστικά για τους θανάτους με COVID-19 αλλά ποια στατιστικά να πιστέψουμε. Η καλύτερη συμβουλή είναι να κάνουμε ένα βήμα πίσω και να προσπαθήσουμε να δούμε τη συνολική εικόνα.
Κάποιες αναρτήσεις στα μέσα κοινωνικής δικτύωσης που σχολιάζουν τα δεδομένα από το Ηνωμένο Βασίλειο, το Ισραήλ και τη Νότια Αφρική, μεταξύ άλλων, ισχυρίζονται ότι οι θάνατοι από COVID-19 (ή όλοι οι θάνατοι) είναι τώρα περισσότεροι σε εμβολιασμένους παρά σε ανεμβολίαστους πολίτες. Άλλοι κάνουν τον πιο μετριοπαθή ισχυρισμό ότι τα εμβόλια δεν κάνουν τίποτα για να αποτρέψουν τον θάνατο από την ασθένεια.
Αυτές οι αναφορές φαίνονται ανησυχητικές, επειδή συνήθως χρησιμοποιούν πραγματικά δεδομένα ή στατιστικά στοιχεία. Πολλά από τα ανεπεξέργαστα νούμερα που παρουσιάζονται είναι όντως σωστά, αν και όχι ολοκληρωμένα. Όμως οι άνθρωποι θα πρέπει να αναρωτηθούν αν έχουν καταλάβει το πλαίσιο, αν έχουν αναλύσει τα δεδομένα σωστά και ερμηνεύσει τα αποτελέσματα με ακρίβεια.
Τι μετράει ως «εμβολιασμένος»;
Κατά τη σύγκριση μελετών ή στατιστικών, πολλά εξαρτώνται από το πώς οι πάροχοι των δεδομένων ορίζουν το «εμβολιασμένος». Κάποια εμβόλια είναι μονοδοσικά, άλλα των δύο δόσεων. Οι περισσότεροι αρμόδιοι θεωρούν ότι κάποιος είναι «πλήρως εμβολιασμένος» δύο εβδομάδες μετά την τελευταία απαιτούμενη δόση, όμως μερικά ποστ στα κοινωνικά μέσα βάζουν μαζί όποιον έχει κάνει έστω μια δόση.
Κάποιες αρχές παρακολουθούν τους ασθενείς στην ενδιάμεση περίοδο, άλλες τους βάζουν μαζί με τους μερικώς εμβολιασμένους. Πρέπει επίσης να συγκρίνουμε ασθενείς που έχουν λάβει διαφορετικά εμβόλια, ή εμβολιασμό μεικτών δόσεων. Σύντομα, θα χρειάζεται να παρακολουθούμε αυτούς που έχουν λάβει και την ενισχυτική δόση. Κάτι που περιπλέκει ακόμα περισσότερο τα πράγματα είναι ότι δεν δημοσιεύουν όλες οι αρχές δεδομένα με το απαραίτητο επίπεδο λεπτομέρειας.
Δεν είναι όλα τα νούμερα ίσα
Το να εστιάζουμε στους απόλυτους αριθμούς μπορεί να είναι παραπλανητικό. Ας υποθέσουμε ότι το 95% του πληθυσμού μιας χώρας με περίπου 8 εκατομμύρια κατοίκους είναι πλήρως εμβολιασμένοι. Αυτό αντιστοιχεί σε 7,6 εκατομμύρια ανθρώπους. Φανταστείτε το 0,05% των πλήρως εμβολιασμένων να χρειαζόταν να νοσηλευτεί με COVID-19. Αυτό είναι λίγο λιγότερο από 4.000 άτομα. Ας υποθέσουμε επίσης ότι το 1% από τους 400.000 ανεμβολίαστους νοσηλευόταν με την ασθένεια. Αυτό είναι 4.000 άτομα.
Έτσι, ο απόλυτος αριθμός των εμβολιασμένων που νοσηλεύονται θα ήταν παρόμοιος με τον αριθμό των ανεμβολίαστων που νοσηλεύονται. Όμως, στο νοσοκομείο βρίσκεται το 0,05% των πλήρως εμβολιασμένων, σε σύγκριση με το 1% των ανεμβολίαστων – ποσοστό 20 φορές μεγαλύτερο. Το ίδιο σενάριο θα μπορούσε να εφαρμοστεί και στους απόλυτους αριθμούς των θανάτων με COVID-19.
Ένας άλλος τρόπος να το εξηγήσουμε σχετίζεται με αυτό που είναι γνωστό ως παράδοξο του Simpson: όταν ένα πολύ μεγάλο ποσοστό του πληθυσμού είναι εμβολιασμένο, είναι πολύ πιθανό ότι ένας μεγαλύτερος απόλυτος αριθμός περιστατικών θα είναι εμβολιασμένοι παρά ανεμβολίαστοι. Για να συγκρίνει τα αποτελέσματα, κάποιος πρέπει να εστιάσει στους δείκτες περιστατικών και θανάτων από COVID-19.
Διαβάστε σχετικά: Χρήσιμα μαθήματα από την εποχή του κορωνοϊού
Η COVID-19 δεν τους επηρεάζει όλους με τον ίδιο τρόπο
Οι τιμές των νοσηλειών και θανάτων COVID-19 επηρεάζονται από το φύλο, τις προϋπάρχουσες παθήσεις και την ηλικία. Έχει φανεί ότι οι άντρες είναι πιο πιθανό να καταλήξουν, και το ίδιο ισχύει για τους ανθρώπους που είναι μεγαλύτεροι σε ηλικία και εκείνους που έχουν και άλλα προβλήματα υγείας. Σχεδόν όλες οι χώρες εμβολίασαν πρώτα τις ομάδες ανθρώπων που αντιμετώπιζαν μεγαλύτερο κίνδυνο.
Μερικοί, όπως οι ηλικιωμένοι, παρουσίαζαν ήδη υψηλότερους δείκτες θανάτου. Δεδομένου ότι οι πιο πιθανό να πεθάνουν είναι οι πρώτοι που εμβολιάστηκαν, τότε μπορεί να δούμε περισσότερους θανάτους στην ομάδα που εμβολιάστηκε πρώτη. Το εμβόλιο θα έχει μειώσει τους θανάτους, αλλά οι άνθρωποι υψηλού κινδύνου ήταν πάντα πιο πιθανό να πεθάνουν.
Για να διακρίνουμε τα αποτελέσματα του εμβολίου, πρέπει να συγκρίνουμε τις τιμές σε ανάλογα επίπεδα κινδύνου, ειδικά σε σχέση με την ηλικία. Μια καλή ανάλυση αντιστοιχίζει διαφορετικά επίπεδα κινδύνου ηλικίας στα δεδομένα του Ισραήλ και δείχνει ότι, ακόμα κι αν ο απόλυτος αριθμός των εμβολιασμένων περιστατικών που νοσηλεύτηκαν ήταν μεγαλύτερος από τον αριθμό των νοσηλειών ανεμβολίαστων, το εμβόλιο της Pfizer έδειξε καλή αποτελεσματικότητα απέναντι στη βαριά νόσηση.
Κατανοώντας τους αριθμούς
Ακόμα και κάποιοι ψευδείς ισχυρισμοί στα μέσα κοινωνικής δικτύωσης βασίζονται σε αληθινά νούμερα. Το ερώτημα, λοιπόν, δεν είναι αν πρέπει να πιστέψουμε τα στατιστικά αλλά το ποια στατιστικά να πιστέψουμε. Η καλύτερη συμβουλή είναι να κάνουμε ένα βήμα πίσω και να προσπαθήσουμε να δούμε τη συνολική εικόνα. Χρειάζεται να εξετάσουμε τους αριθμούς κατά τη διάρκεια όλης της πορείας της πανδημίας, ή έστω κατά τη διάρκεια ενός κύματος, για να δούμε τα πράγματα πιο καθαρά.
Απόδοση - Επιμέλεια: Ισμήνη Τσοχαλή, επιμελήτρια κειμένων
Πηγή
*Απαγορεύεται ρητώς η αναπαραγωγή χωρίς προηγούμενη άδεια των υπευθύνων της ιστοσελίδας*
