covid疫苗效率的数据

年底事情不多，刚发现10月的数据也出来了就把原来做过的分析又跑了下：看了下死亡率(定义为death/case，就是各个组里面得了covid死亡的比例），传统的感染和死亡保护率（1- (#vaxx outcome /#vaxx population)/ (#unvaxx outcome/#unvaxx population), outcome= case/death) ，数据还是非常明显说明疫苗有用（最近两个月的数据估计得1-2月才能有，不管如何这半年的数据已经说明没有vaccination只会更惨），anti-vaxx的人可以闭嘴了(特别是那些拿钱发帖自己打了还不停板上黑疫苗的有效性的精粉id， 比如啥beaver/storm这些）
数据在这里，包含全美20多个州，https://data.cdc.gov/Public-Health-Surveillance/Rates-of-COVID-19-Cases-or-Deaths-by-Age-Group-and/3rge-nu2a/
死亡率：

死亡率比：unvaxx mortality rate /vaxx mortality rate (没有数据的说明vaxx组那一周没人死）

感染保护率：
死亡保护率:


代码：把数据下载存成covid_data.csv
#!/usr/bin/env python # coding: utf-8
# In[1]:

import pandas as pd import numpy as np import matplotlib.pyplot as plt
df = pd.read_csv("covid_data.csv", usecols = ["outcome", "MMWR week", "Age group", "Vaccine product",                                             "Vaccinated with outcome", "Unvaccinated with outcome",                                             "Fully vaccinated population", "Unvaccinated population"]) df.columns = df.columns.str.replace(" ", "_") df = df.query("Vaccine_product == 'all_types'") # no detailed data to do vaccine-type*age_group analysis
vaxx_outcome_col = "Vaccinated_with_outcome" unvaxx_outcome_col = "Unvaccinated_with_outcome" total_outcome_col = "Total_with_outcome" df[total_outcome_col] = df[vaxx_outcome_col] + df[unvaxx_outcome_col] 
buckets = { "age_below_50" : ["12-17", "18-29", "30-49"], "age_above_50" : ["50-64", "65-79", "80+"]}
outcome_cols = [vaxx_outcome_col, unvaxx_outcome_col, total_outcome_col] agg_cols = outcome_cols + ["Fully_vaccinated_population", "Unvaccinated_population"] grouped = df.groupby(["outcome", "MMWR_week", "Vaccine_product"])
df_list = [df] for key, value in buckets.items():    summary = grouped.apply(lambda group: group.query("Age_group in @value")[agg_cols].sum())    summary = summary.reset_index()    summary["Age_group"] = key    df_list.append(summary)
df = pd.concat(df_list) df = df.sort_values("MMWR_week")

# In[2]:

table = df.pivot_table(index=["MMWR_week","Age_group", "Vaccine_product"], columns = ["outcome"],                       values = outcome_cols) table = table.swaplevel(axis=1)
mortality_rate = table["death"] / table["case"] 
mortality_rate_cols = [name.split('_')[0] + "_rate" for name in mortality_rate.columns] mortality_rate.columns = mortality_rate_cols
mortality_rate["ratio"] = mortality_rate["Unvaccinated_rate"] / mortality_rate["Vaccinated_rate"] mortality_rate = mortality_rate.reset_index().set_index("MMWR_week")
fig, axes = plt.subplots(3,3, figsize=(25,10)) plt.subplots_adjust(hspace=0.5) for n, bucket in enumerate(['all_ages_adj', 'age_below_50', 'age_above_50', '12-17','18-29', '30-49', '50-64', '65-79', '80+']):    i, j = np.divmod(n, 3)
   subset = "Age_group == @bucket and Vaccine_product == 'all_types'"    mortality_rate.query(subset)[mortality_rate_cols].plot(ax = axes[i, j], title = bucket)

# In[3]:

df = df.set_index("MMWR_week")

# In[4]:

df["vaxx_outcome_rate"] = df["Vaccinated_with_outcome"] / df["Fully_vaccinated_population"] df["unvaxx_outcome_rate"] = df["Unvaccinated_with_outcome"] / df["Unvaccinated_population"] df["total_outcome_rate"] = (df["Vaccinated_with_outcome"] + df["Unvaccinated_with_outcome"]) / (df["Fully_vaccinated_population"] + df["Unvaccinated_population"])

# In[5]:

outcome = "case" cols = ["total_outcome_rate", "vaxx_outcome_rate", "unvaxx_outcome_rate"]
fig, axes = plt.subplots(3,3, figsize=(25,10)) plt.subplots_adjust(hspace=0.5)
for n, bucket in enumerate(['all_ages_adj', 'age_below_50', 'age_above_50', '12-17','18-29', '30-49', '50-64', '65-79', '80+']):    i, j = np.divmod(n, 3)
   subset = "Age_group == @bucket and outcome == @outcome"    df.query(subset)[cols].plot(ax = axes[i, j], title = bucket)
plt.savefig(outcome + "_rate_by_age_group.jpg")

# In[6]:

outcome = "death" cols = ["total_outcome_rate", "vaxx_outcome_rate", "unvaxx_outcome_rate"]
fig, axes = plt.subplots(3,3, figsize=(25,10)) plt.subplots_adjust(hspace=0.5)
for n, bucket in enumerate(['all_ages_adj', 'age_below_50', 'age_above_50', '12-17','18-29', '30-49', '50-64', '65-79', '80+']):    i, j = np.divmod(n, 3)
   subset = "Age_group == @bucket and outcome == @outcome"    df.query(subset)[cols].plot(ax = axes[i, j], title = bucket)
plt.savefig(outcome + "_rate_by_age_group.jpg")

# In[7]:

outcome = "case" cols = ["Unvaccinated_with_outcome", "Vaccinated_with_outcome", "Total_with_outcome"]
fig, axes = plt.subplots(3,3, figsize=(25,10)) plt.subplots_adjust(hspace=0.5)
for n, bucket in enumerate(['all_ages_adj', 'age_below_50', 'age_above_50', '12-17','18-29', '30-49', '50-64', '65-79', '80+']):    i, j = np.divmod(n, 3)
   subset = "Age_group == @bucket and outcome == @outcome and Vaccine_product == 'all_types'"    df.query(subset)[cols].plot(ax = axes[i, j], title = bucket)
plt.savefig(outcome + "_count_by_age_group.jpg")

# In[8]:

outcome = "death" cols = ["Unvaccinated_with_outcome", "Vaccinated_with_outcome", "Total_with_outcome"]
fig, axes = plt.subplots(3,3, figsize=(25,10)) plt.subplots_adjust(hspace=0.5)
for n, bucket in enumerate(['all_ages_adj', 'age_below_50', 'age_above_50', '12-17','18-29', '30-49', '50-64', '65-79', '80+']):    i, j = np.divmod(n, 3)
   subset = "Age_group == @bucket and outcome == @outcome and Vaccine_product == 'all_types'"    df.query(subset)[cols].plot(ax = axes[i, j], title = bucket)
plt.savefig(outcome + "_count_by_age_group.jpg")

# In[9]:

df["protection_rate"] = 1 - df["vaxx_outcome_rate"] / df["unvaxx_outcome_rate"]

# In[10]:

outcome = "case" cols = ["protection_rate"]
fig, axes = plt.subplots(3,3, figsize=(25,10)) plt.subplots_adjust(hspace=0.5)
for n, bucket in enumerate(['all_ages_adj', 'age_below_50', 'age_above_50', '12-17','18-29', '30-49', '50-64', '65-79', '80+']):    i, j = np.divmod(n, 3)
   subset = "Age_group == @bucket and outcome == @outcome"    df.query(subset)[cols].plot(ax = axes[i, j], title = bucket)
plt.savefig(outcome + "_protection_rate_by_age_group.jpg")

# In[11]:

outcome = "death" cols = ["protection_rate"]
fig, axes = plt.subplots(3,3, figsize=(25,10)) plt.subplots_adjust(hspace=0.5)
for n, bucket in enumerate(['all_ages_adj', 'age_below_50', 'age_above_50', '12-17','18-29', '30-49', '50-64', '65-79', '80+']):    i, j = np.divmod(n, 3)
   subset = "Age_group == @bucket and outcome == @outcome"    df.query(subset)[cols].plot(ax = axes[i, j], title = bucket)
plt.savefig(outcome + "_protection_rate_by_age_group.jpg")

# In[12]:

df["proportion"] = df["Vaccinated_with_outcome"] / (df["Unvaccinated_with_outcome"] + df["Vaccinated_with_outcome"])

# In[13]:

outcome = "case" cols = ["proportion"]
fig, axes = plt.subplots(3,3, figsize=(25,10)) plt.subplots_adjust(hspace=0.5)
for n, bucket in enumerate(['all_ages_adj', 'age_below_50', 'age_above_50', '12-17','18-29', '30-49', '50-64', '65-79', '80+']):    i, j = np.divmod(n, 3)
   subset = "Age_group == @bucket and outcome == @outcome"    df.query(subset)[cols].plot(ax = axes[i, j], title = bucket)
plt.savefig(outcome + "_proportion_by_age_group.jpg")

# In[14]:

outcome = "death" cols = ["proportion"]
fig, axes = plt.subplots(3,3, figsize=(25,10)) plt.subplots_adjust(hspace=0.5)
for n, bucket in enumerate(['all_ages_adj', 'age_below_50', 'age_above_50', '12-17','18-29', '30-49', '50-64', '65-79', '80+']):    i, j = np.divmod(n, 3)
   subset = "Age_group == @bucket and outcome == @outcome"    df.query(subset)[cols].plot(ax = axes[i, j], title = bucket)
plt.savefig(outcome + "_proportion_by_age_group.jpg")

# In[15]:

fig, axes = plt.subplots(2,3, figsize=(25,10)) plt.subplots_adjust(hspace=0.5) buckets = ["age_above_50", "age_below_50"] buckets = ['12-17','18-29', '30-49', '50-64', '65-79', '80+']
for i, col in enumerate(['case', 'death']):    for j, value in enumerate([total_outcome_col, vaxx_outcome_col, unvaxx_outcome_col]):        counts = df.query("outcome == @col").reset_index()             .pivot(index="MMWR_week", columns = "Age_group", values = value)        pct = counts.div(counts["all_ages_adj"], axis=0).drop(columns="all_ages_adj").reset_index()        subset = ["MMWR_week"] + buckets        pct[subset].plot(x = "MMWR_week", stacked=True, kind = 'bar', ax = axes[i, j], title = value)

楼主辛苦了。疫苗降低死亡率的效果在年龄不分组时不太明显，但把各年龄组分开就明显看出疫苗对降低死亡率的效果了。

回复 2楼ytwk的帖子
嗯，可惜对80+效率一般，30-65岁的打疫苗似乎最有benefit，就看omicron是不是真的轻症为主了

赞数据说话的精神。结论很漂亮！

Anti-vaxxers simply ignore the evidence. Instead they'll tell you their fully vaccinated neighbor still gets infected, so the vaccine is useless.

打了疫苗岁数大的死亡率还是太高了，这也说明疫苗的作用没那么大，也说明了为什么2021疫情没有根本性好转。
等Pfizer 神药吧。

建议你纵轴还是统一一下，至少scale比较相近的统一一下，否则不好比较。这个板上有少数人无条件反对疫苗，也有像我一样的，不反疫苗，自己也打了，但反对无差别提倡5-11岁小朋友打疫苗，反对强制booster。医学干预都是建立在benefit > risk的基础上，你的数据显示了benefit，但并没有显示risk。对于某些risk很低的人群，那点benefit无意义。

同意楼上。我反对强制疫苗。大家都应该按自己能接受的风险来做决定。政府，公司或者学校要强制的话，请对副作用兜底，不要出了事就不理不顾。 看到有的孩子打了疫苗心肌炎发作，在急诊室和ICU几天。且不说对将来健康的影响，这些医疗费用都要父母承担，政府和疫苗公司完全不管。身在美国，大家都知道医疗费有多扯蛋。父母和孩子都可怜。

回复 6楼gokgs的帖子
嗯，80+确实挺惨，好在整体死亡率随着医疗改进也在下降就是

川粉们会说这是因为打疫苗的都胆小怕死，缩在家里不敢出来，看不出是不是疫苗有用。不过很奇怪的是，说起每天新增的十几万是哪里冒出来的时候呢，马上就变成了病毒都是打了疫苗出去到处浪的人在那传，不打疫苗的都戴着N95在家work from home

建议你纵轴还是统一一下，至少scale比较相近的统一一下，否则不好比较。这个板上有少数人无条件反对疫苗，也有像我一样的，不反疫苗，自己也打了，但反对无差别提倡5-11岁小朋友打疫苗，反对强制booster。医学干预都是建立在benefit > risk的基础上，你的数据显示了benefit，但并没有显示risk。对于某些risk很低的人群，那点benefit无意义。
minijing 发表于 2021-12-18 15:55

re 我也是跟你一样。我家包括初中生都打了两针。但是除了孩子，我们都在家wfh，但是强制的，现在又强制booster。

赞一下以数据说话，还有这句，呵呵
anti-vaxx的人可以闭嘴了 特别是那些拿钱发帖自己打了还不停板上黑疫苗的有效性的精粉id

建议你纵轴还是统一一下，至少scale比较相近的统一一下，否则不好比较。这个板上有少数人无条件反对疫苗，也有像我一样的，不反疫苗，自己也打了，但反对无差别提倡5-11岁小朋友打疫苗，反对强制booster。医学干预都是建立在benefit > risk的基础上，你的数据显示了benefit，但并没有显示risk。对于某些risk很低的人群，那点benefit无意义。
minijing 发表于 2021-12-18 15:55

y-axis统一（code很容易改，价格sharey得设置就好了）的话前几张图就看不出区别了。
我没提倡全要打疫苗，健康小孩确实不用打，我只是提供数据给那些说疫苗无效得人看看，至于risk我没找到这个数据（道听途说得新闻就算了），你要有兴趣可以找找分析下，应该也不难

同意楼上。我反对强制疫苗。大家都应该按自己能接受的风险来做决定。政府，公司或者学校要强制的话，请对副作用兜底，不要出了事就不理不顾。 看到有的孩子打了疫苗心肌炎发作，在急诊室和ICU几天。且不说对将来健康的影响，这些医疗费用都要父母承担，政府和疫苗公司完全不管。身在美国，大家都知道医疗费有多扯蛋。父母和孩子都可怜。

Dohremi 发表于 2021-12-18 15:58

我觉得你既然要讨论心肌炎不如找个数据来看看是不是打疫苗的小孩比不打得再最近一个月比例要高得多，看新闻推结论就算了，有几个写新闻得会分析数据？

回复 2楼ytwk的帖子
嗯，可惜对80+效率一般，30-65岁的打疫苗似乎最有benefit，就看omicron是不是真的轻症为主了
chopinor 发表于 2021-12-18 15:13

啥？我之前做的结论变了吗，老年人不是最大受益群体？30-65差别也不算特别大，30以下更是基本寂寞。

啥？我之前做的结论变了吗，老年人不是最大受益群体？30-65差别也不算特别大，30以下更是基本寂寞。

mRNA 发表于 2021-12-18 16:21

我看的是两个的比例不是差，所以我们结论没矛盾得。。。

建议你纵轴还是统一一下，至少scale比较相近的统一一下，否则不好比较。这个板上有少数人无条件反对疫苗，也有像我一样的，不反疫苗，自己也打了，但反对无差别提倡5-11岁小朋友打疫苗，反对强制booster。医学干预都是建立在benefit > risk的基础上，你的数据显示了benefit，但并没有显示risk。对于某些risk很低的人群，那点benefit无意义。
minijing 发表于 2021-12-18 15:55

"你的数据显示了benefit，但并没有显示risk。对于某些risk很低的人群，那点benefit无意义。"
exactly，事物都有两面性，不能说解决（可能都还没解决）一个问题又产生其他更多问题。不同情况的个人或者家庭应该按照自己能承受的代价选择，但数据一定要清楚才能帮助更好的做出判断！

"你的数据显示了benefit，但并没有显示risk。对于某些risk很低的人群，那点benefit无意义。"
exactly，事物都有两面性，不能说解决（可能都没解决）一个问题又产生其他更多问题。不同情况的个人或者家庭应该按照自己能承受的代价选择，但数据一定要清楚才能帮助更好的做出判断！
mRNA 发表于 2021-12-18 16:29

我都说了你要分析risk也得去找数据说明打了疫苗确实心肌炎比例significant高吧，新闻不会报道没打疫苗得心肌炎得例子。

y-axis统一（code很容易改，价格sharey得设置就好了）的话前几张图就看不出区别了。
我没提倡全要打疫苗，健康小孩确实不用打，我只是提供数据给那些说疫苗无效得人看看，至于risk我没找到这个数据（道听途说得新闻就算了），你要有兴趣可以找找分析下，应该也不难
chopinor 发表于 2021-12-18 16:07

统一scale看不出区别，不就是说明没太大区别吗？risk数据找不到，不就是说明不想让大众客观的知道吗？

我看的是两个的比例不是差，所以我们结论没矛盾得。。。
chopinor 发表于 2021-12-18 16:28

比例也稍微客观点儿不好吗？16% vs 8% 和 0.02% vs 0.01%比例一样，但重要程度不太一样吧？

我都说了你要分析risk也得去找数据说明打了疫苗确实心肌炎比例significant高吧，新闻不会报道没打疫苗得心肌炎得例子。
chopinor 发表于 2021-12-18 16:35

这应该是政府，CDC，FDA的职责，现在普通民众还要自己费尽心思去挖掘数据自己做分析做比较，已经很可笑或者可悲了！

岁数大的，应该都退休了，严格隔离是唯一的办法，为什么还会有这么多死亡阿？太悲催了。

比例也稍微客观点儿不好吗？16% vs 8% 和 0.02% vs 0.01%比例一样，但重要程度不太一样吧？
mRNA 发表于 2021-12-18 16:40

呵呵，你还不是说我下载的cdc数据是假的直接呢，每天都是阴谋论，和我朋友圈里面一些id一样
我不统一scale是为了让你看到时间序列上死亡率也在下降（因为医疗），保留更多的信息而已，
我专门画张比例是因为这样看的更清楚，0.02% vs 0.01%当然没啥意思，但是35-75之间差别虽然比80+小，但是如果所有人都感染的话(我觉得大家待着美国迟早都过一遍），0.5% vs 0.05%还是非常有区别的

这应该是政府，CDC，FDA的职责，现在普通民众还要自己费尽心思去挖掘数据自己做分析做比较，已经很可笑或者可悲了！
mRNA 发表于 2021-12-18 16:45

我没说这个数据没有，我没去花时间找而已。就连这个分层数据大家开始也没找到啊，我后来实在看不下去才去找来看了，你要这么关心risk应该学我去找找数据做个分析给大家看看

呵呵，你还不是说我下载的cdc数据是假的直接呢，每天都是阴谋论，和我朋友圈里面一些id一样
我不统一scale是为了让你看到时间序列上死亡率也在下降（因为医疗），保留更多的信息而已，
我专门画张比例是因为这样看的更清楚，0.02% vs 0.01%当然没啥意思，但是35-75之间差别虽然比80+小，但是如果所有人都感染的话(我觉得大家待着美国迟早都过一遍），0.5% vs 0.05%还是非常有区别的
chopinor 发表于 2021-12-18 16:46

是不是应该把每个年龄段vaccine rate 也算进去呢？

是不是应该把每个年龄段vaccine rate 也算进去呢？
bplus 发表于 2021-12-18 16:53

第三张图和第四张图算了就是传统的protection rate，考虑了vaxx rate吧，不然不知道你是要看什么？
protection rate = 1 - [ (unvaxx with outcome) / (unvaxx population) ] / [ (vaxx with outcome) / (vaxx population) ]

呵呵，你还不是说我下载的cdc数据是假的直接呢，每天都是阴谋论，和我朋友圈里面一些id一样
我不统一scale是为了让你看到时间序列上死亡率也在下降（因为医疗），保留更多的信息而已，
我专门画张比例是因为这样看的更清楚，0.02% vs 0.01%当然没啥意思，但是35-75之间差别虽然比80+小，但是如果所有人都感染的话(我觉得大家待着美国迟早都过一遍），0.5% vs 0.05%还是非常有区别的
chopinor 发表于 2021-12-18 16:46

我可没说你的数据源是假的，我也是在你的数据的基础上做的。
咱俩不要搞对立了，你有你的理由，我有我的观点，只是要是看数据说话的话，要客观一些，展现出对大众有帮助的信息。同样的数据，不同的人理解出不同的意思，也是有的。

y-axis统一（code很容易改，价格sharey得设置就好了）的话前几张图就看不出区别了。
我没提倡全要打疫苗，健康小孩确实不用打，我只是提供数据给那些说疫苗无效得人看看，至于risk我没找到这个数据（道听途说得新闻就算了），你要有兴趣可以找找分析下，应该也不难
chopinor 发表于 2021-12-18 16:07

看不出差别就说明差别不大。为了突出差别，用不同的scale，感觉有manipulate data得嫌疑啊。
写paper的话，也不能这么干吧。

我可没说你的数据源是假的，我也是在你的数据的基础上做的。
咱俩不要搞对立了，你有你的理由，我有我的立场，只是要是看数据说话的话，要客观一些，展现出对大众有帮助的信息。同样的数据，不同的人理解出不同的意思，也是有的。
mRNA 发表于 2021-12-18 17:00

其实我也觉得没必要给小孩打就是，但是35+打其实benefit应该是有的，当然新变种数据还没有，只能靠猜，如果美国疫苗率低的州再次死亡人数飙升疫苗率高的州没啥大事（和delta一样），我觉得是个indicator，现在南非死人少说不清楚是omicron太弱还是他们已经群免了（either way也算好消息吧）

其实我也觉得没必要给小孩打就是，但是35+打其实benefit应该是有的，当然新变种数据还没有，只能靠猜，如果美国疫苗率低的州再次死亡人数飙升疫苗率高的州没啥大事（和delta一样），我觉得是个indicator，现在南非死人少说不清楚是omicron太弱还是他们已经群免了（either way也算好消息吧）
chopinor 发表于 2021-12-18 17:05

我不反疫苗也相信有用 全家打了两针 可是为什么东部几个疫苗率高的州爆了呢？是因为过了两针6个月了？那天听Scott g 说，好像他们也挺迷惑的

看不出差别就说明差别不大。为了突出差别，用不同的scale，感觉有manipulate data得嫌疑啊。
写paper的话，也不能这么干吧。



mylittle9 发表于 2021-12-18 17:02

我都说了时间序列上有更多的information可以被保留，再说我代码都给你了，你想看sharey=True就可以了，另外为啥要统一y？15% vs 8% 区别大，不代表0.5% vs 0.1%就小吧，也得看你算ODDS还是算DIFF，我都说了每个人都过一遍的话，0.5% vs 0.1%更重要（80+总人口也少吧）。
啥manipulate数据的话你就别扯了，显得自己太露怯

其实我也觉得没必要给小孩打就是，但是35+打其实benefit应该是有的，当然新变种数据还没有，只能靠猜，如果美国疫苗率低的州再次死亡人数飙升疫苗率高的州没啥大事（和delta一样），我觉得是个indicator，现在南非死人少说不清楚是omicron太弱还是他们已经群免了（either way也算好消息吧）
chopinor 发表于 2021-12-18 17:05

南非的疫苗率低 o 一下子大风暴过一下 ,等来周 看看英国的数据(疫苗接种高的国家)

我不反疫苗也相信有用 全家打了两针 可是为什么东部几个疫苗率高的州爆了呢？是因为过了两针6个月了？那天听Scott g 说，好像他们也挺迷惑的
bplus 发表于 2021-12-18 17:09

首先，这个数据是4-10月的，如果疫苗无效，这半年只会更惨（这点你不会有问题吧）
现在爆，第一omicron 疫苗应该不大防传染了，第二疫苗高的地区交通发达（就和武汉刚出来时候一样），你是觉得疫苗低的地区能够独善其身么？我们可以半年后再看这个数据，反正我代码都放这里了，随时可以重run

南非的疫苗率低 o 一下子大风暴过一下 ,等来周 看看英国的数据(疫苗接种高的国家)
bplus 发表于 2021-12-18 17:11

南非疫苗率低，但是得过的人多啊，either way 已经herd immunity了，现在是要看一个疫苗率低还没有爆过的地方更有信息量吧

我都说了时间序列上有更多的information可以被保留，再说我代码都给你了，你想看sharey=True就可以了，另外为啥要统一y？15% vs 8% 区别大，不代表0.5% vs 0.1%就小吧，也得看你算ODDS还是算DIFF，我都说了每个人都过一遍的话，0.5% vs 0.1%更重要（80+总人口也少吧）。
啥manipulate数据的话你就别扯了，显得自己太露怯
chopinor 发表于 2021-12-18 17:09

你如果写过paper, 写的时候也能这么干吗？写出来的能发吗？
为了突出你favor的结果，同一组图用不同的scale,不叫manipulating 叫什么呢,misleading？

你如果写过paper, 写的时候也能这么干吗？写出来的能发吗？
为了突出你favor的结果，同一组图用不同的scale,不叫manipulating 叫什么呢,misleading？




mylittle9 发表于 2021-12-18 17:18

你能不能准确定义我favor了啥？说的好象你是啥top journal editor似的，我发top journal的时候你估计还在玩泥巴呢
首先mortality rate算ODDS不是很正常所以有第二张图，第二张图是要和1.0比(当然我可以画logscale），第一张图也可以更好地看出这个ODDS随时间的变化
第三张第四张图统一与否没啥区别，这个确实可以改下，但是完全是个formality issue

其实我也觉得没必要给小孩打就是，但是35+打其实benefit应该是有的，当然新变种数据还没有，只能靠猜，如果美国疫苗率低的州再次死亡人数飙升疫苗率高的州没啥大事（和delta一样），我觉得是个indicator，现在南非死人少说不清楚是omicron太弱还是他们已经群免了（either way也算好消息吧）
chopinor 发表于 2021-12-18 17:05

p家自己release出来的这个疫苗开始打的前三个月（12/2020-02/2021）的严重副作用数据，应该能说明一些问题吧。
30-50这个年龄段是上报严重副作用最多的群体。还有，前三个月就死亡1223人，这不触目惊心吗？J&J 上市初期有血栓问题，好像十几例还是几十例，都没有死亡就叫停了吧？
我真的很想有人告诉我这是假的！

p家自己release出来的这个疫苗开始打的前三个月的严重副作用数据，应该能说明一些问题吧。
30-50这个年龄段是上报副作用最多的群体。还有，前三个月就死亡1223人，这不触目惊心吗？J&J 上市初期有血栓问题，好像十几例还是几十例，都没有死亡就叫停了吧？
我真的很想有人告诉我这是假的！
mRNA 发表于 2021-12-18 17:26

你光说死了1200人，这个确实看着很恐怖，但是3个月车祸死的更多，我都说了，你去做个认真的分析再一次发出来，这样丢个partia data没有啥意思

你能不能准确定义我favor了啥？说的好象你是啥top journal editor似的，我发top journal的时候你估计还在玩泥巴呢
首先mortality rate算ODDS不是很正常所以有第二张图，第二张图是要和1.0比(当然我可以画logscale），第一张图也可以更好地看出这个ODDS随时间的变化
第三张第四张图统一与否没啥区别，这个确实可以改下，但是完全是个formality issue
chopinor 发表于 2021-12-18 17:24

没当过top editor，但是曾当过很多次的reviewer。你这个问题很明显吧,需要top editor才可以看出来吗？ 如果写过paper的人还发这种图，很明显不是不懂，就是有故意要模糊误导结论的嫌疑吧。
你写paper敢这么干吗？不敢吧。

没当过top editor，但是曾当过很多次的reviewer。你这个问题很明显吧,需要top editor才可以看出来吗？ 如果写过paper的人还发这种图，很明显不是不懂，就是有故意要模糊误导结论的嫌疑吧。
你写paper敢这么干吗？不敢吧。









mylittle9 发表于 2021-12-18 17:35

你说了半天信息量为0，就是不停车轱辘话，不会是这点图和代码都看不懂吧（又是basement拿钱发帖的？）
你这钟reviewer我还真遇到过1-2次，editor直接和我们说你可以ignore这人的comments，只要address others就好了，

你光说死了1200人，这个确实看着很恐怖，但是3个月车祸死的更多，我都说了，你去做个认真的分析再一次发出来，这样丢个partia data没有啥意思
chopinor 发表于 2021-12-18 17:31

其他疫苗还没有死亡就叫停（这是正常的药品监督程序），这个死亡这么多还在掩盖？好吧，你心理强大承受力强，我看了这数据觉得这疫苗背后假的地方太多了，根本也不用再看它到底有多好，何况它也没多好！

其他疫苗还没有死亡就叫停，这个死亡这么多还在掩盖？好吧，你心理强大承受力强，我看了这数据觉得这疫苗背后假的地方太多了，根本也不用再看了！
mRNA 发表于 2021-12-18 17:42

我看了 觉得很有阴谋论的感觉 反正不打第三针了

其他疫苗还没有死亡就叫停，这个死亡这么多还在掩盖？好吧，你心理强大承受力强，我看了这数据觉得这疫苗背后假的地方太多了，根本也不用再看它到底有多好，何况它也没多好！
mRNA 发表于 2021-12-18 17:42

你是看不懂我的意思还是故意胡搅蛮缠呢，如果所有人今天都去打疫苗，然后明天死了和昨天一样多的人，你会觉得不打疫苗就不死人了？
另外有没有多好这个看个人，你要憋家里不出来那确实可以不打，最好的选择当然是回中国

你是看不懂我的意思还是故意胡搅蛮缠呢，如果所有人今天都去打疫苗，然后明天死了和昨天一样多的人，你会觉得不打疫苗就不死人了？
另外有没有多好这个看个人，你要憋家里不出来那确实可以不打，最好的选择当然是回中国
chopinor 发表于 2021-12-18 17:47

well，大过节的不跟你胡搅蛮缠了，你觉得好，继续打！咱们数据都摆在这儿了，仁者见仁智者见智。

我看了 觉得很有阴谋论的感觉 反正不打第三针了
bplus 发表于 2021-12-18 17:44

其实你打不打无所谓，我发这个帖子主要是为了证明4-10月疫苗还是save life，你大可以不停的各种阴谋论，
你们不是喜欢吃马药预防吗，吃个一年看看最后给我数据看看咋样，我还挺好奇的

well，大过节的不跟你胡搅蛮缠了，你觉得好，继续打！咱们数据都摆在这儿了，仁者见仁智者见智。
mRNA 发表于 2021-12-18 17:51

你这数据毛用没有，自己才是misleading的高手（或者太懒啥分析都不愿意做，全靠脑补）
这么说吧我如果光看每年死亡数据也不知道做啥才能减少明年死亡概率，当然我也有别的数据，我就知道我不能去嗑药抽烟喝酒，但是我还是回去喝水开车锻炼身体的

其实你打不打无所谓，我发这个帖子主要是为了证明4-10月疫苗还是save life，你大可以不停的各种阴谋论，
你们不是喜欢吃马药预防吗，吃个一年看看最后给我数据看看咋样，我还挺好奇的
chopinor 发表于 2021-12-18 17:51

没有说你的结论是错的， 我也打了两针 打不打都是自己个人权衡利弊。

没有说你的结论是错的， 我也打了两针 打不打都是自己个人权衡利弊。
bplus 发表于 2021-12-18 18:13

这点我完全同意，我就是提供个稍微全面点的能reproduce的分析（这也是给我一些data point决定自己家娃用不用打啥的）

n n n n n 记号

没当过top editor，但是曾当过很多次的reviewer。你这个问题很明显吧,需要top editor才可以看出来吗？ 如果写过paper的人还发这种图，很明显不是不懂，就是有故意要模糊误导结论的嫌疑吧。
你写paper敢这么干吗？不敢吧。









mylittle9 发表于 2021-12-18 17:35

就事论事，两张图scale不一样的文章多了去， 谁reviewer不看纵坐标？好意思说这misleading吗？ 反正我是不好意思的。

你光说死了1200人，这个确实看着很恐怖，但是3个月车祸死的更多，我都说了，你去做个认真的分析再一次发出来，这样丢个partia data没有啥意思
chopinor 发表于 2021-12-18 17:31

车祸死人多不是反疫苗不承认covid存在的人说得最多的吗？既然没车祸严重，搞什么疫苗呢

你是看不懂我的意思还是故意胡搅蛮缠呢，如果所有人今天都去打疫苗，然后明天死了和昨天一样多的人，你会觉得不打疫苗就不死人了？
另外有没有多好这个看个人，你要憋家里不出来那确实可以不打，最好的选择当然是回中国
chopinor 发表于 2021-12-18 17:47

且不说你的分析有多少问题，任何分析都没法支持第三针防omicron啊，疫苗是过去的问题了，对当下并没什么意义

就事论事，两张图scale不一样的文章多了去， 谁reviewer不看纵坐标？好意思说这misleading吗？ 反正我是不好意思的。
shoppingisfun 发表于 2021-12-18 19:20

Dopesick 那个剧里 确实利用了纵坐标来misleading医生的

就事论事，两张图scale不一样的文章多了去， 谁reviewer不看纵坐标？好意思说这misleading吗？ 反正我是不好意思的。
shoppingisfun 发表于 2021-12-18 19:20

在同一组比较的图中用不一样的scale?
你贴个link?

在同一组比较的图中用不一样的scale?
你贴个link?

mylittle9 发表于 2021-12-18 19:55

+1

我帮你把p家自己的这个数据再多贴几行，疫苗死亡率，严重副作用率其实也应该是很容易计算的，p家也应该有这个数据，但是你看看在这个千呼万唤始出来的数据里，他家还是把打了多少疫苗这个数值掩盖了！你觉得要是能证明这个疫苗安全性很高，他能把数值掩盖了吗？
反正我没在这个报告里找到（b)(4) 对应的数值，报告link贴在这儿，也许我老眼昏花没找到，你要是找到了麻烦计算一下。
https://phmpt.org/wp-content/uploads/2021/11/5.3.6-postmarketing-experience.pdf

先减去过去3年平均自然死亡率，是不是更说明问题

且不说你的分析有多少问题，任何分析都没法支持第三针防omicron啊，疫苗是过去的问题了，对当下并没什么意义
jakon 发表于 2021-12-18 19:47

我发这个帖就是证明了vaxx saved life， 对于omicron数据will arrive in 3months

在同一组比较的图中用不一样的scale?
你贴个link?

mylittle9 发表于 2021-12-18 19:55

https://www.science.org/doi/10.1126/sciimmunol.abm3131
figure 1 a.b 用的就不一样，你可以闭嘴了吧
这文章后面还有若干图比如3F的两张子图都这样的，你别和我说不是完全一样的哦，人家是子图里面的两张子图，我这个是大图的6张图，不然我更确定你是拿钱发帖啥都不懂的了

+1
bplus 发表于 2021-12-18 20:03

https://www.science.org/doi/10.1126/sciimmunol.abm3131
figure 1 a.b 用的就不一样，这也是讨论covid的文章，够了么

我发这个帖就是证明了vaxx saved life， 对于omicron数据will arrive in 3months
chopinor 发表于 2021-12-18 20:34

到现在唯一对现实有用的就是用数据帮人决策是否打第三针，你发这个就很有误导的作用

到现在唯一对现实有用的就是用数据帮人决策是否打第三针，你发这个就很有误导的作用
jakon 发表于 2021-12-18 20:57

我数据来源分析结果说的一清二楚（代码都给了），也没有基于这个结果推荐你们打疫苗，你告诉我哪里有误导？你们当时说疫苗无效的时候可以连个数据都没去找就找些anecdotal的case来说的呢，那才是正儿八经的误导

我数据来源分析结果说的一清二楚（代码都给了），也没有基于这个结果推荐你们打疫苗，你告诉我哪里有误导？你们当时说疫苗无效的时候可以连个数据都没去找就找些anecdotal的case来说的呢，那才是正儿八经的误导
chopinor 发表于 2021-12-18 21:01

别你们你们的好像全世界都是坏人就你清醒。你找个证据我什么时候说过疫苗无效，找不到就删帖道歉怎么样？

别你们你们的好像全世界都是坏人就你清醒。你找个证据我什么时候说过疫苗无效，找不到就删帖道歉怎么样？
jakon 发表于 2021-12-18 21:03

一堆堆的，我懒得keep a list to check，你要不先道歉给我说误导别人？

一堆堆的，我懒得keep a list to check，你要不先道歉给我说误导别人？
chopinor 发表于 2021-12-18 21:04

你就是误导别人了。

你就是误导别人了。
jakon 发表于 2021-12-18 21:07

你这就和那些说我画图用不一样y轴一样的人说些没有信息的话，不过我这还找不出来个反例丢你脸上可惜了，你要真想证明可以去看看我代码是不是有bug这个更有效

https://www.science.org/doi/10.1126/sciimmunol.abm3131
figure 1 a.b 用的就不一样，你可以闭嘴了吧
这文章后面还有若干图比如3F的两张子图都这样的，你别和我说不是完全一样的哦，人家是子图里面的两张子图，我这个是大图的6张图，不然我更确定你是拿钱发帖啥都不懂的了
chopinor 发表于 2021-12-18 20:47

你贴的例子你仔细看了吗？一个0到8，一个是0到10。 就算用了同样的scale,结论也没有多大变化。

你的图最大的0.2，最小的0.0015.差了百倍了。用不同的scale画出来，得出来结论就不一样。
你也知道如果用同样的scale，差别就看不出来，才用的不同scale。是为了突出差别。
和你的例子有什么可比性吗？

赞楼主👍👍

这应该是政府，CDC，FDA的职责，现在普通民众还要自己费尽心思去挖掘数据自己做分析做比较，已经很可笑或者可悲了！
mRNA 发表于 2021-12-18 16:45

同意这个

代码是看不懂啊，不要鄙视我们看不懂的啊 横轴是时间吗？以week为单位？ 感染保护率和死亡保护率是什么定义啊？

居然是今天的贴，o时代了啊，还看十月份的数据。。。疫苗很管用，所以强迫别人打？现在传开满世界的不就是觉得打了疫苗可以到处裸奔的么

建议你纵轴还是统一一下，至少scale比较相近的统一一下，否则不好比较。这个板上有少数人无条件反对疫苗，也有像我一样的，不反疫苗，自己也打了，但反对无差别提倡5-11岁小朋友打疫苗，反对强制booster。医学干预都是建立在benefit > risk的基础上，你的数据显示了benefit，但并没有显示risk。对于某些risk很低的人群，那点benefit无意义。
minijing 发表于 2021-12-18 15:55

跟这个一样的，非常同意

楼主的主要目的是证明4-10月疫苗还是save life的，这个是确确实实的啊。没有疫苗，现在这个数据起码说明截止10月份会比现在到10月份为止高出很多的死亡人数

从另一方面想，今年到10月初为止死亡人数就已经和去年一样多了，好多人疑惑为什么疫苗不能降低总体绝对死亡人数？
照理说疫苗应该帮助减少感染人数，就是说新感染人数基数应该减小，而死亡率(death/case)在医疗治疗经验的提高基础上应该比去年减小，本应该期待整体死亡人数下降的

现在这个数据确实对现在绝大部分人纠结要不要booster作用不大。看完这个帖子我还是纠结中

而且现在马上就是Ｏ横行了，还强制打疫苗，强制booster benefits会不会大于risks？在目前有可能益处不是高出风选很多的情况下，这种coercion形式的政策带来的社会成本也很高的，特别是对现在在位的。

现在打booster的，四个月后可以打o版疫苗，如果生产的话，排期也还行，不是太过密集，没副作用的，大胆打吧

其他疫苗还没有死亡就叫停（这是正常的药品监督程序），这个死亡这么多还在掩盖？好吧，你心理强大承受力强，我看了这数据觉得这疫苗背后假的地方太多了，根本也不用再看它到底有多好，何况它也没多好！
mRNA 发表于 2021-12-18 17:42

这个1200已经被辟谣无数次了，这只是未经核实的报告数字，不是证实了这1200都死于疫苗。这个核实不是你一句话就能完成的，需要时间，辉瑞报告这个数字是负责，也没有承认都是他们疫苗造成的，别断章取义了

从另一方面想，今年到10月初为止死亡人数就已经和去年一样多了，好多人疑惑为什么疫苗不能降低总体绝对死亡人数？
照理说疫苗应该帮助减少感染人数，就是说新感染人数基数应该减小，而死亡率(death/case)在医疗治疗经验的提高基础上应该比去年减小，本应该期待整体死亡人数下降的
bearcub 发表于 2021-12-18 23:34

今年和去年有两个不同，一个是基数，去年至少到三月底，美国还没有大流行，这三个月就是1/4的时间，要不要真正同期比。第二是疫情防控不同，去年基本上学生都在家上学，大人能在家上班的在家上班，今年从年初基本上就全放开了，接触多，感染也多。 我也很痛恨今年死亡人数还这么多，我个人觉得两个原因，太多的人不打疫苗出去浪，他们本人可能是年轻人不怕病毒，但是他们到餐馆吃饭，到公司上班，或者甚至是回家就无意中把这些病毒传到各处，那些因为他们而死去的人，没有办法再去鸣冤叫屈了。第二个口罩。到现在还有人说带口罩阻碍了呼吸，多少感染？

过节要出去浪的打booster拼个出门稍微放心点，但现在才打已经都晚了。我这种过节家里窝着的就准备再观望等改良疫苗，同时等辉瑞的抗病毒药。

。。。。。。。。。。。

看不出差别就说明差别不大。为了突出差别，用不同的scale，感觉有manipulate data得嫌疑啊。
写paper的话，也不能这么干吧。



mylittle9 发表于 2021-12-18 17:02

嗯 改轴属于容易让人警惕的

今年和去年有两个不同，一个是基数，去年至少到三月底，美国还没有大流行，这三个月就是1/4的时间，要不要真正同期比。第二是疫情防控不同，去年基本上学生都在家上学，大人能在家上班的在家上班，今年从年初基本上就全放开了，接触多，感染也多。 我也很痛恨今年死亡人数还这么多，我个人觉得两个原因，太多的人不打疫苗出去浪，他们本人可能是年轻人不怕病毒，但是他们到餐馆吃饭，到公司上班，或者甚至是回家就无意中把这些病毒传到各处，那些因为他们而死去的人，没有办法再去鸣冤叫屈了。第二个口罩。到现在还有人说带口罩阻碍了呼吸，多少感染？
westlake 发表于 2021-12-19 00:22

到今年十月初死亡人数就和去年一样了，也是基本上今年三个月没算。
疫情防控不同就是表明疫苗作用不能抵消物理隔离，所谓打了疫苗就自由简直是笑话。Biden 还 promise 了 "summer of freedom"。以色列，很多欧洲国家疫苗接种率极高也没有自由啊。全民接种也不会有自由。
应该说太多的人是打了疫苗出去浪才对，专家权威们说打了疫苗就不用带口罩才是真正脑残。

到今年十月初死亡人数就和去年一样了，也是基本上今年三个月没算。
疫情防控不同就是表明疫苗作用不能抵消物理隔离，所谓打了疫苗就自由简直是笑话。Biden 还 promise 了 "summer of freedom"。以色列，很多欧洲国家疫苗接种率极高也没有自由啊。全民接种也不会有自由。
应该说太多的人是打了疫苗出去浪才对，专家权威们说打了疫苗就不用带口罩才是真正脑残。
bearcub 发表于 2021-12-19 00:43

下周二拜登要发表重要打脸讲话了。

今年和去年有两个不同，一个是基数，去年至少到三月底，美国还没有大流行，这三个月就是1/4的时间，要不要真正同期比。第二是疫情防控不同，去年基本上学生都在家上学，大人能在家上班的在家上班，今年从年初基本上就全放开了，接触多，感染也多。 我也很痛恨今年死亡人数还这么多，我个人觉得两个原因，太多的人不打疫苗出去浪，他们本人可能是年轻人不怕病毒，但是他们到餐馆吃饭，到公司上班，或者甚至是回家就无意中把这些病毒传到各处，那些因为他们而死去的人，没有办法再去鸣冤叫屈了。第二个口罩。到现在还有人说带口罩阻碍了呼吸，多少感染？
westlake 发表于 2021-12-19 00:22

去年三月才流行是因为三月之前没有测试啊，不测就没有，哪怕大量人病倒

这个1200已经被辟谣无数次了，这只是未经核实的报告数字，不是证实了这1200都死于疫苗。这个核实不是你一句话就能完成的，需要时间，辉瑞报告这个数字是负责，也没有承认都是他们疫苗造成的，别断章取义了
westlake 发表于 2021-12-19 00:16

辉瑞倒成了负责的了？他家的credit现在还不如隔壁王力宏！王力宏倒是也没有承认他在外面招猫逗狗。
你觉得他家没有做追踪？如果不是很相关的死亡数据，会白纸黑字的写在上面，给自己添堵？你愿意相信不是就不是吧，你们的善良太容易被利用了！

从另一方面想，今年到10月初为止死亡人数就已经和去年一样多了，好多人疑惑为什么疫苗不能降低总体绝对死亡人数？
照理说疫苗应该帮助减少感染人数，就是说新感染人数基数应该减小，而死亡率(death/case)在医疗治疗经验的提高基础上应该比去年减小，本应该期待整体死亡人数下降的
bearcub 发表于 2021-12-18 23:34

疫苗确实在防感染上效率不高，但对降低绝对死亡数还是很有效的。就拿85岁以上的群组来说，2020年3月-11月总死亡数是88,274而2021年3月-11月总死亡数是37,296。

回复 87楼的帖子
85 以上的。。。 你知道为啥大家假装相信疫苗有用了吧？
没完没了的关在家里烦不烦啊？！

谢谢楼主的数据。看样子疫苗对年轻人尤其是18岁以下的没有很大的benefit。而risk还未知，我还是先不要让孩子们打了。

居然是今天的贴，o时代了啊，还看十月份的数据。。。疫苗很管用，所以强迫别人打？现在传开满世界的不就是觉得打了疫苗可以到处裸奔的么
Viviennedd 发表于 2021-12-18 22:44

我只管分析数据，o的数据还要三个月差不多能出，目测降低死亡率还是继续有效的，我可以三个月后来挖你这个坟。
我连推荐打疫苗都没有，就是贴个数据来反驳下4-10月在那里叽歪疫苗无效的人，你好像也是其中一位吧
至于你说打了疫苗就可以不带口罩裸奔，不打疫苗和不带口罩这是高度相关的一类人吧（当然华人喜欢疫苗阴谋论的也许不一样）

你贴的例子你仔细看了吗？一个0到8，一个是0到10。 就算用了同样的scale,结论也没有多大变化。

你的图最大的0.2，最小的0.0015.差了百倍了。用不同的scale画出来，得出来结论就不一样。
你也知道如果用同样的scale，差别就看不出来，才用的不同scale。是为了突出差别。
和你的例子有什么可比性吗？





mylittle9 发表于 2021-12-18 21:34

我都说了后面还有图，比如6D，不过你不会又说这个才20倍吧，我那个最多差百倍，哈哈哈，这么一点点打你脸真开心

代码是看不懂啊，不要鄙视我们看不懂的啊 横轴是时间吗？以week为单位？ 感染保护率和死亡保护率是什么定义啊？
bearcub 发表于 2021-12-18 22:41

我原帖都写得很清楚了啊，横轴是week
看了下死亡率(定义为death/case，就是各个组里面得了covid死亡的比例），传统的感染和死亡保护率（1- (#vaxx outcome /#vaxx population)/ (#unvaxx outcome/#unvaxx population), outcome= case/death) ，

疫苗确实在防感染上效率不高，但对降低绝对死亡数还是很有效的。就拿85岁以上的群组来说，2020年3月-11月总死亡数是88,274而2021年3月-11月总死亡数是37,296。

ytwk 发表于 2021-12-19 05:19

那是因为在容易感染环境生活的老年人，身体不好的前一年已经死掉了啊，第二年当然没那么多了

赞数据说话的精神

回复 1楼chopinor的帖子
CDC九月份的数据显示：与完全接种疫苗的人相比，没有接种疫苗的人群感染新冠的可能性是接种疫苗人群的5.8倍，死于Covid19的可能性是14倍。与楼主的数据差距为啥这么大？ https://digest.creaders.net/2021/12/17/2431201.html

回复 1楼chopinor的帖子
CDC九月份的数据显示：与完全接种疫苗的人相比，没有接种疫苗的人群感染新冠的可能性是接种疫苗人群的5.8倍，死于Covid19的可能性是14倍。与楼主的数据差距为啥这么大？ https://digest.creaders.net/2021/12/17/2431201.html

jny 发表于 2021-12-19 07:48

这就是保护率（我算了）的另外一种表达形式，90pct保护率就是10倍吧
我算的死亡率是你得新冠后死亡的比例，因为我假设所有人都会得

那是因为在容易感染环境生活的老年人，身体不好的前一年已经死掉了啊，第二年当然没那么多了
jakon 发表于 2021-12-19 07:29

疫苗在这这个组一直能降低50%的死亡率（第二张图），当然整体死亡率也随着时间在下降（应该和医疗有关，因为别的年龄段也有同样的趋势）。
85以上人口6m，covid死的不到5pct，这个和你说的假设还差得远吧，很佩服你们这种张嘴就来的本领

嗯 改轴属于容易让人警惕的
CleverBeaver 发表于 2021-12-19 00:39

他所谓写paper不这么用的结论已经被啪啪啪打脸了，你要有啥话尽管说，年底反正也闲