开始看worldometers.info时发现，查看cases/1M pop, deaths/1M pop, tests/1M pop 排名时会出现人口不足百万的小国在前列，疫情很严重的样子。例：Andorra 总人口77,453，累积病例27,983，病例／百万人口361,290，但是只有141例死亡…… 后来我放弃关注1M pop数据 -sunrain88(养蛆成蛊) @埃德蒙顿华人论坛:埃德蒙顿枫下论坛 The Rolia Forum of Edmonton

枫下茶话 / 社会政治 / 政府计算每10万人接种与未接种死亡数的猫腻 -blueskygg(Grass); 2022-1-11 {1483} (#14261547@0) +14
假设某国共1000万人口，到去年年底时接种率是80%。
先来看每10万未接种者的计算公式：未接种者的死亡数除以当时未接种者的总数乘以 100，000。
假设去年1月死亡500人，当时未接种人口是1000万，算出来每10万未接种者死亡是5。但是到年底再来算的时候，未接种者只有200万了，就这死亡的500人算出来每10万接种者死亡是25，整整放大了5倍。
从1月到12月，每个月的死亡数被放大的倍数从5逐渐递减到1，初略来算，过去1年每10万未接种者的数字被放大了2.5倍。
再来看每10万接种者的计算公式：接种者的死亡数除以当时接种者的总数乘以 100，000。
假设接种人口到100万的时候，接种者死了50人，那么算出来每10万接种者死亡是5。但是到年底再来算的时候，接种者已经有800万了，就这死亡的50人算出来每10万接种者死亡是0.625，整整缩小了8倍。
到后面每个月的死亡数被缩小的倍数从8逐渐递减到1，初略来算，过去1年每10万接种者的数字被缩小了4倍。
这一来一去，数字就差了10倍之多！
另外，算未接种者时用的是12个月的累计死亡数，而算接种者时，虽然也是用12个月的累计死亡数，但是一开始几个月根本没有接种者，死亡是0。假设从4月份开始有接种者死亡，那也只有8个月的数字。这里面又差了1.5倍。
综合2个方面，两个数字差了15倍之多！（当然15倍也不是精确的数字）
也就是说，就算疫苗的有效率是0，打不打疫苗的死亡率完全一样，政府用这种计算方法得出的数字，每10万未接种者的死亡数，也会是每10万接种者的死亡数的15倍！
各国政府计算每10万接种者和未接种者的死亡数时，都采用了这种错误的计算方法。媒体报道这些数字时津津乐道，那些文科生记者估计没人看出来这里面的猫腻，普罗大众又有多少人看出了这里面的猫腻？

我来试试回答这个疑问： steady state VE -micah(mica); 2022-1-11 {791} (#14261587@0) +6
我能理解这个关于分母变化的concern，发达国家比如加拿大，新加坡，经过一年的疫苗rolling out，两针接种已经接近饱和，达到一种steady state，愿意打的都打了，不愿意打的也不会打。所以VE的分母， accumulated vaccinated 和 accumulated unvaccinated, 如下图所示，已经不会再有太大的变化。在这个steady state比较VE疫苗效果，我认为是公平的。在非steady state，比如图中箭头所指处，比较VE，是不合适的，因为分母变化太快。比如现在如果要看booster 的VE，大概就为时过早；但是现在比较疫苗普及国家two doses 的VE, 是公平的，因为已经进入了steady state. 绝对公平的VE比较，只有在controlled trial里，才可能有。

:

如果公布最近1个月每10万人接种和未接种死亡的数字，那基本上是有参考意义，可政府不肯啊，加拿大政府及安省政府都不肯公布最近1个月的情况，只肯公布从开打疫苗以来的累计数字，就是要用扭曲的数字误导人。 -blueskygg(Grass); 2022-1-11 {67} (#14263557@0) +8
即使疫苗有效率是0，两组数字也会相差15倍，非常符合推疫苗的宣传需要。

无论是支持疫苗还是反对疫苗有个事实必须承认 -micah(mica); 2022-1-11 {183} (#14263948@0) +3
那就是在十二月左右出现了两个问题第一疫苗的功效开始减弱这是体内抗体水平的反映第二 omicron出现了这个病毒完全不一样了。单独拿过去一个月的数据要想总结过去一年的疫苗的功效是不合适的。

我并不是说一定要看12月的，看O出现以前的那些月份也行啊，但是要看一个月的，而不是多月的累计，这样才能看出来真实的情况，可政府不干啊。 -blueskygg(Grass); 2022-1-11 (#14264107@0) +1

如果你想说明疫苗的功效的动态变化，当然可以按月这么算，这些数据都是公开的，没有猫腻，比如 -micah(mica); 2022-1-12 {698} (#14264852@0) +1
我一直推荐的ontario science advisory table 算的更细，是按7天的rolling average算的。结果很明确，疫苗的效果（against symptomatic infection, hospitalization, and ICU) 在六个月之内，都保持相当高的水平，但六个月之后开始明显下降，尤其是symptomatic infection。很多academic research 也是这个结果。Omicron出现之后，这个有效时间有可能会更短，这个在媒体和学术刊物上都是有报道的，但最终结果还需要证实。数据都在public domain上，普罗大众有可能找不到这些数据，媒体报道有偏差，这是有可能的。猫腻没有。

:

https://covid19-sciencetable.ca/ontario-dashboard/

你发的链接里根本没有死亡的接种状况。就连每百万人的住院数都是不对的，链接里未接种与接种分别是762和171。我查了一下，现在住院的未接种与接种人数是674和1813，算成每百万人应该是207和157。 -blueskygg(Grass); 2022-1-12 (#14265515@0)

这个讨论过很多次了，老是有人贴不对题的链接，还振振有词的说数据都在那，就是没意识到，重要的信息没在那。也不知道是故意的还是无意的，但无意的太多次也说不过去。 -lifyy(lifyy); 2022-1-12 (#14265546@0)

请读我下面新发的回答和德州的数据 -micah(mica); 2022-1-12 (#14267116@0)

确实没有死亡的数据，但是ICU的数据基本上反应了死亡。百万人数住院率的计算，是经过age-adjusted, 这样可以排除各年龄接种率和死亡率的影响。这个计算，会比较复杂，我不会，但是各年龄段的接种率数据和人群年龄结构的数据都是有的，会算的可以自己试试。 -micah(mica); 2022-1-12 (#14265590@0)

新冠病人在医院但没进ICU就死的，比在ICU里死的还要多，还有1万人没进医院就死了，所以ICU的数据根本反应不了死亡。 -blueskygg(Grass); 2022-1-12 (#14265704@0)

有句话总结的好，Canada government doesn't care about health, it only cares about health care system. -lifyy(lifyy); 2022-1-12 (#14265739@0) +1

确实如此，这1万没进医院就死亡的新冠病人，得不到任何治疗。就算病人想自救也不行，政府把药给禁了。 -blueskygg(Grass); 2022-1-12 (#14265844@0)

你这个帖子一是承认疫苗只有短暂效应，而是承认对新病毒不起效，那么这个时间再研究疫苗对接种和未接种人群的预防效果已经毫无意义 -cocowen(coco); 2022-1-17 (#14279730@0)

我不看什么数据，因为数据里的猫腻太多。我只看现实情况，疫苗打了很多了，疫情改善了吗？没有！而且越来越严重，说明什么？疫苗就是个忽悠，而且不是一般的忽悠，是有害无利的忽悠。这叫用事实说话。就这么简单。 -fireandwater(笑看苍生); 2022-1-11 (#14261596@0) +46

对，就这么简单。很多人看不清楚，比如楼主。 -pili(小黑); 2022-1-11 (#14261600@0) +8
今天看到的“现实”是大多数都打了疫苗后的“现实”，而都不打疫苗的“现实”你无法耳闻目睹了。所以，貌似合理的“现实”反推结果，是站不住脚的。。。感觉疫苗有点像买车保险。如果不强制性买车险，大家买还是不买呢？买了保险，会肆无忌惮地开车吗？ -sunny5158(小米); 2022-1-12 (#14264888@0) +4

+1.明白人呐 -newrover(漫游); 2022-1-12 (#14265270@0)

开始看worldometers.info时发现，查看cases/1M pop, deaths/1M pop, tests/1M pop 排名时会出现人口不足百万的小国在前列，疫情很严重的样子。例：Andorra 总人口77,453，累积病例27,983，病例／百万人口361,290，但是只有141例死亡…… 后来我放弃关注1M pop数据 -sunrain88(养蛆成蛊); 2022-1-11 {203} (#14261621@0) +3

:

https://www.worldometers.info/coronavirus/
昨天发的帖：“自己做点分析也不难。虽然仍旧无法做出准确的结论，但可以看到你发的文章做出了不准确的结论，至少是误导。” -lifyy(lifyy); 2022-1-11 (#14263585@0) +3
👍认真，Diss 政府无耻。 -babyface(Fight WhileStill CAN); 2022-1-11 (#14263606@0) +5
是的，很多疫情的东西，都经不住推敲。别怪人们怀疑在权人别有用心 -utgfxval3(蛙); 2022-1-12 (#14264719@0) +4
有必要绕这么大的弯吗，直接说个数不就完了。可我们看到的就是今天共死了几个，其中打疫苗的几个，没打疫苗的几个不明疫苗状态的几个，一目了然 -reng(zhuan); 2022-1-12 (#14264724@0)

简单化的加权校正算式就是不打疫苗的死亡人数X10? -xiaozuiba(xiaozuiba); 2022-1-12 (#14264727@0)
你哪里看到死了几个，分接种状况的？安省政府从来不公布的。 -blueskygg(Grass); 2022-1-12 (#14264818@0) +2

每天都说多少感染，多少进ICU，多少死亡，其中打两剂的多少，打一剂的多少，没打的多少，不明状态的多少 -reng(zhuan); 2022-1-12 (#14265080@0)

请你把安省每天死亡的接种状况发个链接。 -blueskygg(Grass); 2022-1-12 (#14265485@0) +2

随便找，信不信由你 -reng(zhuan); 2022-1-12 {815} (#14265596@0)
As of December 18, 2021, there have been around 8,013 confirmed deaths due to COVID-19 among unvaccinated Canadians since the start of the national vaccination campaign in December 2020.
Full Story:
https://www.statista.com/statistics/1257040/number-covid-deaths-canada-by-vaccination-status/

这是误导人的累计数，不是你说的每天死亡的接种状况。 -blueskygg(Grass); 2022-1-12 (#14265675@0) +3

这个数据已经充分说明问题了，如果你坚持认为是误导，我也没办法。如果你非认为每天的数据比累计数据更说明问题，我也就无话了。这明显是统计范畴的常识 -reng(zhuan); 2022-1-12 (#14266292@0)

你知不知道加拿大过去1年的新冠死亡绝大部分发生在去年年初？而那时没有完全接种的人，死的全是没接种的，所以1年累计的死亡数才会出现绝大部分都是未接种的。 -blueskygg(Grass); 2022-1-12 (#14266351@0) +3

数据的时间段就是从开始打疫苗到年底，没错呀 -reng(zhuan); 2022-1-12 (#14267030@0) +1

请问你对“每天死亡的接种状况”的理解是什么？你的链接只有从December 2020到Dec. 18, 2021的累计数据。 -lifyy(lifyy); 2022-1-12 (#14265689@0) +2

“每天。。”只是一个sample，累计才给出whole picture。这就是为什么用7天均线 -reng(zhuan); 2022-1-12 (#14266303@0)

请给出你说的分接种情况的7天死亡均线链接，你上面的链接只有个累计总数，下载具体报告要注册。 -lifyy(lifyy); 2022-1-12 (#14266345@0) +1

我只说了“7天均线”，其他的是你加上去的，见上帖 -reng(zhuan); 2022-1-12 (#14267033@0)

每天都说多少感染，多少进ICU，多少死亡，其中打两剂的多少，打一剂的多少，没打的多少，不明状态的多少 -reng(zhuan); 1-12 -lifyy(lifyy); 2022-1-13 (#14268335@0) +1

这是你要的“请给出你说的分接种情况的7天死亡均线链接”，跟你的引述没有关系吧，是你自己要的太多 -reng(zhuan); 2022-1-13 (#14269432@0)

--“每天。。”只是一个sample，累计才给出whole picture。这就是为什么用7天均线 -reng(zhuan); 1-12。-- 我不知道你考不考虑上下文的。 -lifyy(lifyy); 2022-1-13 (#14269453@0) +1

你要的是啥，“分接种情况的”7天“死亡”均线，这就是你考虑的上下文，明目张胆地换概念 -reng(zhuan); 2022-1-13 (#14269758@0)

你自己看看到底谁在偷换概念。 -lifyy(lifyy); 2022-1-14 {199} (#14270778@0) +2

:

第一红字理解正确。第二红字理解错误，给出的link自己已经说明内容。阅读不仔细。第三红字理解错误，如果你不理解数据统计，不怪你。第四红字，你的上下文推断错误的原因是没有读懂上下文。第五红字错误在于没有读懂上下文 -reng(zhuan); 2022-1-14 (#14270867@0)

呵呵，我也是无语了。“请问你对“每天死亡的接种状况”的理解是什么？你的链接只有从December 2020到Dec. 18, 2021的累计数据。 -lifyy(lifyy); 1-12”。你提供了一个答非所问的链接，然后开始文不对题的回复，你知道上下文是什么意思么? -lifyy(lifyy); 2022-1-14 (#14270925@0)

谢天谢地，你总算上路了。是的，是累计数据，难道不是更说明问题？想想，如果我把每天的数据拿出来，你是不是在地上找裂缝钻进去 -reng(zhuan); 2022-1-14 (#14271550@0)

你找出来啊，没找出来你找地缝钻进去？一开始就是你在吹这些数据都有，发了这么多贴还是没有，还振振有词的说提供了更有用的数据。“可我们看到的就是今天共死了几个，其中打疫苗的几个，没打疫苗的几个不明疫苗状态的几个，一目了然 -reng(zhuan); 1-12” -lifyy(lifyy); 2022-1-14 (#14272015@0) +2

这里包括所有info，别告诉我你找不到。钻不钻地缝，自己看着办，别说我没提醒你 -reng(zhuan); 2022-1-14 {398} (#14272419@0)
Full Story:
https://health-infobase.canada.ca/covid-19/epidemiological-summary-covid-19-cases.html#a5

表中的死亡数字与同时间段全部死亡数字对不上，几乎差5000人，相当于1/3数据丢失… … 这个图总计死亡10,716人，但CTV报道2021 年 1 月 1 日至 2021 年 12 月 23 日期间，共有 14,344 人因感染该病而死亡。信哪个结论？ -sunrain88(养蛆成蛊); 2022-1-14 {632} (#14272531@0) +2
Cases following vaccination
Data extracted on January 07, 2022 for cases from December 14, 2020 up until December 25, 2021.
也可以在https://www.worldometers.info/coronavirus/country/canada/ 自己计算

:

:

https://www.ctvnews.ca/health/coronavirus/cases-deaths-and-hospitalizations-comparing-canada-s-two-years-of-covid-19-1.5722463

something must be wrong -reng(zhuan); 2022-1-14 (#14273282@0)

一个国家政府健康网站，只提供固态结论性图表，结果还是数据有巨大误差的，诚信与严肃性何在，已经没有参考和讨论价值了！动态数据显示，更有价值从各角度去分析，不会因短期导向做假，只是政府不提供完善的数据信息。 -sunrain88(养蛆成蛊); 2022-1-15 (#14274211@0) +3

是啊，疫情将政府的形象打得细碎。专家一会儿说带口罩无用，一会儿说有用，变色龙 -reng(zhuan); 2022-1-15 (#14275110@0)

我还真找不到“今天共死了几个，其中打疫苗的几个，没打疫苗的几个不明疫苗状态的几个”这样的数据，你截图吧，别老是好像你真找到了一样。 -lifyy(lifyy); 2022-1-14 (#14272629@0) +1

哈哈哈，仔细点，会找到的 -reng(zhuan); 2022-1-14 (#14273278@0)

“随便找，信不信由你” - 一个答非所问的链接。“这里包括所有info，别告诉我你找不到” - 再次，一个答非所问的链接。“哈哈哈，仔细点，会找到的” - 还是没有直接答案，事实上是没有，也就是再一次的答非所问。这就是你的回复方式。 -lifyy(lifyy); 2022-1-15 (#14275813@0) +2

如果你习惯这种收集info的方法，那要看别人是不是有时间。这么多info你都不清楚，那你和别人争论什么呢 -reng(zhuan); 2022-1-15 (#14276290@0) +1

老兄，是你自己跳出来接这个帖子“你哪里看到死了几个，分接种状况的？安省政府从来不公布的。 -blueskygg(Grass); 1-12”说有的啊，没人突然强求你提供吧。我收集了很多信息，但就是没这个。你三番五次说有，从来没承认你找不到。后面很多帖子不过都是在证明你没找到而已。 -lifyy(lifyy); 2022-1-16 (#14278306@0) +3

师父领进门修行在个人。不能说你没找到，就没有。更不能通过抬杠长本事的方法要这些数据。找不到每天的没关系给你一个更好的：#14265596@0 -reng(zhuan); 2022-1-16 (#14278354@0)

分类累积死亡人数一直有。你再看看你的本分支第一帖说的什么。 -lifyy(lifyy); 2022-1-16 (#14278961@0)

你要不愿意找就往前翻翻帖子，至少两个网友帖这个info。再有累计数据支持你的观点吗 -reng(zhuan); 2022-1-16 (#14279594@0)

我的天呢，你俩还在扯皮😅 -reng(zhuan)给的就是加拿大政府网站，往下拉就有死亡了。不过我在别的网上查了一下，死亡人数相差太多……(632 bytes. #14272531@0) -sunrain88(养蛆成蛊); 2022-1-16 (#14278448@0) +1

哈哈哈，就怕认真二字 -reng(zhuan); 2022-1-16 (#14278875@0)
分类死亡人数一直有，不过是累积的。每日分类死亡人数安省很久很久没提供了，从本分支第二楼就在谈哪里有这个数据。我只是一直在问哪里有，reng一直号称提供了或者说是我自己找不到，就是不直接给个贴图证据。 -lifyy(lifyy); 2022-1-16 (#14278933@0)

他是不是在装糊涂？ -jackliu8688(Jack); 2022-1-16 (#14279065@0) +2

他可能是想赖钻地缝吧，呵呵。 -lifyy(lifyy); 2022-1-16 (#14279384@0) +2

找不到就是找不到，还有理撒泼了 -reng(zhuan); 2022-1-16 (#14279616@0)

我明白了，你是理解能力有问题。 -lifyy(lifyy); 2022-1-17 (#14279663@0) +1

哈哈哈。太迟钝了。你一直和傻子相谈甚欢啊，我们都有点嫉妒了 -reng(zhuan); 2022-1-17 (#14279717@0)

原来傻子也会妒忌啊，不过没别人愿意跟你一起做傻子吧。 -lifyy(lifyy); 2022-1-17 (#14279793@0)

从要每天的数据，到现在有关傻子的好奇。给你一个link看能不能找到“原来傻子也会嫉妒啊” -reng(zhuan); 2022-1-17 {193} (#14280721@0)

Full Story:
https://thesaurus.yourdictionary.com/dumb

从你的第一个帖子开始，你就不断地在转换话题，贴点文不对题的链接，自己承认是傻子了还要继续转换话题，呵呵。 -lifyy(lifyy); 2022-1-18 (#14284070@0) +2

"自己承认是傻子了。。。”你的错觉。暗示你和傻子相谈甚欢吗？ -reng(zhuan); 2022-1-18 (#14284200@0)

Ok. 我再试试关于这个每个月的死亡数据的问题 -micah(mica); 2022-1-12 {647} (#14267084@0) +2
我确实没找到安省的数据。但是找到了德州的数据粗读了一下我觉得exactly 你们要看的。这份报告是去年11月份出来的总结了自去年1月到19月底感染和死亡人数按打疫苗和不打疫苗分类最后算出相对风险。7 天均线 age adjusted. 我个人感觉足够严谨既有累积数据也有分月的数据其中9月份的数据算出来是这样的：不打疫苗的感染风险是打了的13倍，不打疫苗的死亡风险是打了的20倍。9月份应该是接近疫苗接种的高峰，9月之前的风险没有具体算出来但图和曲线在那儿可以自己估算。10月以后的数据还没有但是根据曲线，疫苗的保护力明显在下降。这份报告非常详实，相对风险既有累积数据又有分月数据还有各个年龄段的数据。自己读吧。我相信安省也有类似数据但确实没找到。安省的结果应该类似。
https://www.dshs.texas.gov/immunize/covid19/data/Cases-and-Deaths-by-Vaccination-Status-11082021.pdf

再多说一句在controlled trial之外的真实世界要想做到完全公平的疗效比较是很困难的非要找毛病总可以找到。要考虑的因素太多了。但是现有的数据和分析已经足够说明问题了。 -micah(mica); 2022-1-12 (#14267097@0) +1

+1 这个一定要顶 -nazacalines(游戏改变者); 2022-1-13 (#14269770@0) +1

@Edmonton

Replies, comments and Discussions:

Cases following vaccination

More Topics