Причинно-следственная модель Weltanschauung избыточной смертности
......but all models are wrong......но все модели неверны
Мартин Нил
Профессор информатики и статистики в Университете Queen Mary.
Норман Фентон
Профессор
Один из первых разговоров, который мы ведем с новыми аспирантами или магистрантами, касается роли моделей в исследованиях, где мы объясняем, что моделирование - это социально-техническое усилие, направленное на осмысление мира. И что, учитывая, что мы несовершенны, мы должны признать, что наши теории по необходимости также могут быть ошибочными.
В какой-то момент во время нашего небольшого монолога мы делаем следующее заявление (любезно предоставленное Джорджем Боксом) и проверяем их реакцию:
Все модели ошибочны, но некоторые модели полезны.
1
Как правило, это вызывает у многих студентов либо шок, либо чувство дискомфорта. Далее следует довольно неудовлетворительный разговор, который показывает, что некоторые на самом деле не движимы любознательностью, а вместо этого мотивированы доверием. Некоторые думают, что исследования сводятся к установлению и подтверждению неопровержимых фактов, а другие никогда не сталкивались с идеей, что наука занимается исправлением ошибок и что то, что представляет собой ошибка, зависит от цели модели.
Однако любой, кто знаком с философией науки или с Карлом Поппером и Томасом Байесом, вполне удовлетворится утверждением Бокса. На самом деле, они вполне резонно могут подумать, что если простое и очевидное утверждение вызывает у учащегося интеллектуальный или эмоциональный дискомфорт, то, возможно, этот учащийся сделан не из «правильного материала».
После первоначального шока студента от осознания того, что «все модели неверны», мы затем переходим к следующему этапу разговора, вводя причинно-следственную связь и «теорию систем»; идеи-близнецы, которые помогают нам объяснять мир и вмешиваться в него, а также моделировать реальность как взаимосвязанные системы с эмерджентным поведением. Затем с молниеносной скоростью мы обсуждаем субъективную вероятность, которая для тех, кто знаком с классической статистикой, обычно просто сногсшибательна. Затем мы утверждаем, что область статистики с самого начала активно враждебно относилась к причинно-следственной связи и что большинство статистиков или ученых не знали бы, что такое система, если бы она ударила их по голове.
Обычно они не благодарят нас за этот мудрый совет, пока не закончат учебу, и мы уверены, что некоторые так и не научатся прощать нас за то, что мы разрушили их утешительную уверенность!
Контекст - король
Какое отношение все это имеет к избыточной смертности? Что ж, большинство анализов избыточной смертности, как правило, рассматривают то, что мы называем двумерными моделями, включающими две переменные, подобные той, что показана на диаграмме ниже, и утверждают, что одна переменная вызывает другую: в этом случае, потому что уровни вакцинации значительно коррелируют с избыточной смертностью.
Но мы знаем, что жизнь не так проста, и все мы знаем, что доказательство корреляции не означает наличия причинно-следственной связи. Если бы это было так, мы могли бы сказать, что размер обуви влияет на интеллект (измеряемый IQ). Жизнь сложнее, чем это, или некоторые люди настаивают на том, что так и должно быть.
Тем не менее, на практике практически каждое исследование избыточной смертности показывает подобную диаграмму, будь то за или против какой-либо позиции, и даже когда исследование цитирует мантру «корреляция не является причинно-следственной связью», они всегда продолжают делать причинно-следственные утверждения в тексте статьи, чтобы поддержать их рекомендацию игнорировать график или поддержать их аргумент о том, что график доказывает их точку зрения.
В этом процессе нет ничего плохого: это естественно. Но это ограничивает. Все это просто показывает, что модель в форме диаграммы или уравнения регрессии должна быть дополнена пояснительным текстом, чтобы она имела смысл. Это необходимо, чтобы помочь сформулировать его в более широком контексте реального мира, где учитываются или объясняются влияния других переменных, не показанных на диаграмме. Очевидно, что если бы модель была «правильной», то не нужно было бы заниматься этим маханием руками - оно было бы само собой разумеющимся и законченным в модели. Люди будут утверждать, что те переменные, которых нет в модели, такие как отказ в лечении, вызывают избыток, или длительный ковид вызывает избыток или отсутствие посещения больниц и т. д. И с тех пор большая часть дискуссий идет о роли факторов, не в модели.
Контекст имеет решающее значение при построении и интерпретации моделей. Это неизбежно. Именно здесь находятся предположения и скрываются ограничения и предубеждения модели, и здесь могут быть выявлены чистые или нечистые мотивы исследователей. Нас всегда интересуют не детали самих моделей, такие как значения какого-либо коэффициента корреляции, а противоречия, лежащие в основе процесса моделирования. Эти биты опущены или преувеличены. И этот процесс критического анализа показывает, насколько «полезной» может быть модель для той цели, к которой мы решили ее применить.
Обучение магистров и аспирантов критическому чтению статей со скептическим взглядом является ключевой частью процесса ученичества, с помощью которого их нужно протащить назад через изгородь, прежде чем они займутся ею, и в конечном итоге это станет рефлекторным.
Некоторые из этих точек зрения описаны в нашей книге по моделированию рисков [1].
Можем ли мы сделать лучше?
Итак, есть ли способ построить статистическую модель, которая могла бы включать в себя важнейший контекст? Нет, не в абсолютном смысле, потому что мы не можем объяснить каждый аспект реальности, но мы можем добиться большего успеха, чем двумерные графики и простые корреляции, если признаем, что реальность более сложна, чем это, и включает причинно-следственную связь, когда события разворачиваются во времени.
Ясно, что для моделирования избыточной смертности нам необходимо смоделировать систему взаимосвязанных и взаимозависимых факторов, которые вместе приводят к избыточной смертности или раскрывают наши предположения о причинном механизме, который ее вызывает. Такое моделирование должно учитывать проблему неправильной классификации (например, смерть от пневмонии как смерть от ковидной инфекции, смерть привитых как смерть от непривитых или побочное явление вакцины как смерть от ковидной инфекции и т. д.), двусмысленность, запутанность и злоупотребления при измерении.
Но когда исследователи представили связное объяснение на «системном» уровне, такое как блестящая работа Ранкура [2], у них не было иного выбора, кроме как прибегнуть к использованию классической статистики для анализа данных таким разрозненным, а не интегрированным способом, а затем «заполнить» в промежутках» с абзацами текста, поддерживающими повествовательный анализ. Следовательно, модель вообще не представляет статистику, как и текст, а что-то совсем другое.
мировоззрение
концепция человека или группы, философия или взгляд на мир; мировоззрение
В некотором смысле мы все цепляемся за мировоззрение : всеобъемлющую и полную модель событий, в которой различные и часто конкурирующие объяснения и переменные могут соседствовать друг с другом. В этой статье мы пытаемся представить причинно-следственную модель для объяснения различных причин чрезмерной смертности с тем преимуществом, что она раскрывает сложность явлений и проблемы, связанные с попытками их моделирования, и в силу этого объясняет, и оценивает события и акторов, участвующих в этих событиях.
Причинные графы как карта
Что нам нужно в нашем обсуждении причин чрезмерной смертности, так это своего рода карта , которая обеспечивает изложение теорий и предлагает, как мы могли бы проверить эти теории, используя данные наблюдений.
Здесь мы построим модель мировоззрения по частям и покажем, как эти части могут взаимодействовать. Это наша модель. Это может быть неверно. Возможно, у вас есть ваша модель. Это тоже может быть неправильно, но ваши или наши могут быть более или менее полезными с точки зрения объяснений или предсказаний. Но мы ставим наши, чтобы связать нити.
Наша карта представлена в виде графика, где факторы и переменные показаны кружками, а их причинно-следственное/функциональное/статистическое взаимодействие - стрелками. Таким образом, связь между «родительским» фактором со стрелкой, соединенной с другим «дочерним» фактором, мы считаем родительским, вызывающим или влияющим на дочерний. И под «причинной» мы подразумеваем интерпретацию здравого смысла, когда причина возникает раньше следствия во времени и напрямую воздействует на другое с помощью какого-то идентифицируемого механизма. Также обратите внимание, что причинно-следственная связь от родительского фактора к дочернему фактору обычно не означает, что дочерний фактор определенно будет истинным, если родитель является истинным, но, скорее, более вероятно, что он будет истинным. Идея состоит в том, что сила связи может определяться вероятностями, а не детерминированной логикой.
Причины чрезмерной смертности
Мы начнем с предположения о пяти основных предполагаемых причинах избыточной смертности, наблюдаемой с 2020 по 2022 год (и далее?), как показано ниже. Это:
Социальный ущерб и отказ в лечении
Если мы посмотрим на два объяснения превышения - смертность от социального ущерба и смертность из-за отказа в лечении, - теория гласит, что они вызваны более плохим здоровьем, которое само по себе зависит от благосостояния и возраста. Чем менее богат человек (или население) и чем старше человек (или население), тем менее здоровым он будет. Теория здесь заключается в том, что сами по себе блокировки не всегда НЕПОСРЕДСТВЕННО вызывают дополнительную смертность, но, скорее, если кто-то уже беден, он с большей вероятностью будет нездоров, подвержен стрессу и будет принимать (рецептурные или другие) лекарства, тогда блокировки повлияют на смертность от социального ущерба. .
Качество системы здравоохранения в любом данном регионе будет зависеть от богатства региона, но когда система здравоохранения недоступна населению, именно это вызывает повышенную смертность от отказа в лечении [3], а не качество медицинского обслуживания. Система здравоохранения как таковая (подумайте о пустых больницах с неиспользуемым, но блестящим оборудованием и медсестрами, танцующими в TikTok). Как только мы учтем это, эта часть модели станет немного сложнее.
Ковид или смертность от гриппа?
Большинство людей, серьезно заболевших сезонным вирусом, будь то гриппоподобное заболевание (ГПЗ) или covid-19, в конечном итоге погибают от бактериальной пневмонии [6](Стоит отметить, что не только от этого. Прим. В.З.). Именно это убивает их, но до этого момента существует «комплекс» взаимодействий между вирусными и бактериальными агентами, что иногда затрудняет определение основного возбудителя. Но мы знаем, что пневмонию можно успешно лечить с помощью антибиотиков, и что ивермектин и гидроксихлорохин, а также другие препараты обладают противовирусными и антибактериальными свойствами, которые могут способствовать выздоровлению при достаточно раннем введении. Однако отказ от применения этих препаратов может привести к пневмонии и чрезмерной смертности. Таким образом, ГПЗ, ошибочно диагностированный как covid-19, в соответствии с политикой, и отказ от лечения, опять же в соответствии с политикой, приведут к избыточной смертности.
Назначались ли антибиотики или альтернативные противовирусные препараты, также зависело от состояния здоровья пациента и проводимой политики - в Великобритании антибиотики были запрещены для лечения ковида [4], [5], особенно для пожилых людей с сопутствующими заболеваниями - но по анекдотическим данным мы слышали о пациентах, которым все равно назначали антибиотики «на всякий случай» (некоторые врачи намеренно обходили директивы и правильно лечили своих пациентов).
Преднамеренная (или случайная?) неправильная атрибуция и перекрестная реактивность тестирования
ПЦР-тесты на Covid могут перекрестно реагировать с другими вирусами [7], включая ГПЗ и другие коронавирусы, и сторонники «нет вируса» могут утверждать, что ковид является преднамеренным ошибочным диагнозом, тогда как респираторное заболевание на самом деле является ГПЗ. Политическое вмешательство в виде ПЦР-теста могло просто переключить определение причины смерти на ковид от пневмонии и ГПЗ. Этот путь можно сравнить с местами, где тест на ковид обычно не применялся и где причиной смерти, вероятно, была бы пневмония. Это показано на графике а) ниже.
Конечно, существуют и другие проблемы неправильной атрибуции с классификацией смерти от ковида из-за положения, что любой, кто умер «в течение» 28 дней после положительного теста ПЦР, был классифицирован как смерть от ковида. Таким образом, «нормальные», статистически ожидаемые смерти были закодированы как covid. Подробное объяснение того, как это могло быть реализовано на практике, см. в [17].
К сожалению, преднамеренные изменения в классификации причин смерти были проблемой в течение длительного времени и не новы для covid. Изменения кода смертности ВОЗ всегда оказывали огромное влияние на атрибуцию смерти с сопутствующим пагубным воздействием на качество эпидемиологических данных, доступных исследователям [8]. На графике б) ниже показано, каким был бы нормальный причинно-следственный путь до таких изменений в кодировании.
Жесткость блокировки
Строгость блокировок была определена правительством, и в некоторых странах они сопровождались отказом от здравоохранения. Одиночество и социальная изоляция привели бы к большему стрессу, большему употреблению наркотиков, самоубийствам и росту бедности среди тех, кто потерял работу и бизнес. Таким образом, влияние блокировок на избыточную смертность будет проявляться в количестве умерших из-за отказа в лечении по состоянию здоровья или непосредственно из-за стресса, бедности и употребления наркотиков [2].
Обратите внимание, что возможная роль седативных средств в ускорении или облегчении смерти хорошо описана в [9], а процесс, посредством которого это могло произойти, описан в [10]. В [11] отказе в лечении пожилых людей, перемещении их из больниц в общество и применении инструментов блок-схем [12], чтобы обречь некоторых, считающихся слишком слабыми, на раннюю смерть.
Аналогичные опасения возникают в отношении вентиляции и интубации.
Смертность от вакцин: побочные эффекты
Что касается программы вакцинации, возможной непосредственной причиной «избыточной» смертности могут быть нежелательные явления (НЯ), возникающие сразу или вскоре после вакцинации [13]. Величина превышения, очевидно, будет зависеть от уровня вакцинации и типа вакцины. Многие страны использовали мРНК-вакцины, но некоторые, например Венгрия, использовали смесь китайских и других вакцин, и эти различия могут иметь значение.
Точно так же возраст и здоровье населения влияют на вакцину, поэтому у тех, у кого есть серьезные проблемы со здоровьем, могут развиться более немедленные побочные эффекты, приводящие к смерти.
Очевидно, существует множество предположений о механизмах НЯ и о том, связаны ли они с одним или несколькими компонентами мРНК-вакцин против covid, включая гипотезу о том, что вскоре после вакцинации иммунная система угнетается, что делает реципиента более уязвимым для covid, о чем свидетельствует повышенная вероятность положительный ПЦР-тест в течение 14 дней после вакцинации [14].
Степень НЯ снова зависит от уровня вакцинации, а это само по себе также зависит от личной склонности к вакцинации. Эта склонность наиболее положительна в более богатых местах или среди более богатых слоев в этих местах. Принуждение со стороны средств массовой информации, государственных органов и органов здравоохранения также играет роль в «мотивации» людей к вакцинации.
Скептицизм в отношении вакцины исторически был сильным среди некоторых этнических групп, которые развили недоверие к правительству, поэтому склонность к вакцинации может быть смягчена нерешительностью и отказом определенных этнических групп.
Мы могли бы, конечно, включить количество введенных вакцин и бустеров, предполагая кумулятивное накопление латентного повреждения, которое позже будет выявлено как смертность от НЯ, в форме рака или прионной болезни, чтобы принять две предполагаемые возможности. Это намекает на необходимость динамической или временной версии модели.
Смертность от вакцин: ADE и аутоиммунное заболевание
Существует два причинно-следственных пути, связывающих вакцинацию и избыточную смертность: первый, неблагоприятные события, которые мы рассмотрели, а второй представляет собой особый вид НЯ - антителозависимое усиление (ADE) (есть и другие, такие как первоначальный антигенный грех) [15]. . Проще говоря, после вакцинации мРНК-ковидной вакциной может возникнуть аутоиммунное заболевание, когда вакцина усиливает последующую инфекцию теми же или родственными респираторными вирусами.
Таким образом, у кого-то, кто вакцинирован и страдает от ADE, а затем заболевает респираторным заболеванием, ГПЗ или ковидом, может развиться бактериальная пневмония и возможная смерть. Мы выделяем это НЯ, потому что оно отличается от других: в случае его возникновения причина смерти будет замаскирована и представлена как вызванная последующим приступом ковида или другого ГПЗ, а не как прямое действие вакцины.
Были выдвинуты гипотезы о других возможных механизмах НЯ, например, при раке, когда подавленный иммунный ответ, неспособный обнаруживать и убивать раковые клетки, может увеличить вероятность смерти, но, опять же, может быть выявлен как «нормальная» смерть от рака, а не как смерть непосредственно связаной с вакцинацией. Учитывая, что шиповидный белок или липидные наночастицы (ЛНЧ) могут распространяться в любую часть тела, патогенетические последствия могут быть бесчисленными.
Смертность от поствирусного синдрома (и длительного Covid)
Так называемый длительный ковид рекламируется как причина чрезмерного количества смертей, хотя это хорошо известный вид поствирусного синдрома, с которым обычно сталкиваются те, кто заразился ГПЗ. Мы можем смоделировать причинный путь, связывающий ГПЗ и ковид со смертностью от поствирусного синдрома, как показано ниже.
Есть данные, что вирус ковид, вероятно, циркулировал в конце 2019 года. Учитывая это, можно было бы ожидать увеличения нековидной смертности среди тех, кто перенес поствирусную патологию. Точно так же возвращение гриппа в конце 2022 года также приведет к росту смертности в 2023 году и, возможно, в последующие годы.
Однако, несмотря на заявления о том, что избыточная смертность вызвана длительным ковидом, доказательства могут быть слабыми [16].
Ятрогенез как вопрос политики?
Врачу может быть трудно определить одну или основную причину смерти, чтобы оформить свидетельство о смерти, поскольку основные причины смерти могут быть многофакторными. Или врач может быть заинтересован в том, чтобы предпочесть записывать конкретную первопричину, а не другую более подходящую непосредственную причину.
Большинство статистиков с радостью согласились бы с тем, что, на первый взгляд, причиной смерти является болезнь или состояние здоровья, указанное в свидетельстве о смерти как причина смерти. Но учитывая то, что мы знаем о классификации смерти, это было бы наивно, потому что она не всегда так проста, точна или свободна от негативного влияния. Несчастные случаи и ошибки могут быть истинной причиной смерти и могут быть скрыты. Такие «несчастные случаи» не всегда вызваны отдельными людьми, но могут быть результатом непреднамеренных побочных эффектов политики и регулирования в области здравоохранения. Ведь все лица, «попавшие в ловушку системы», получают стимул следовать инструкциям.
Следовательно, «коренные причины» в нашей модели будут включать предотвратимые социальные или медицинские причины смерти, такие как эти, и признавать, что они могут различаться в зависимости от региона, поскольку не каждая страна или регион реализует политику единообразно и может различаться по типу - разные регионы могут иметь разные строгости карантина, доступность медицинской помощи, степень принуждения к вакцинации, ПЦР-тестирование и введение или запрет на альтернативные методы лечения, такие как ивермектин или гидроксихлорохин.
Причинный график Weltanschauung
Сложите все это вместе, и мы получим наш (БОЛЬШОЙ) мировоззренческий причинно-следственный график. Это наша карта избыточных смертей.
Однако в этой графической модели нет математики. Это просто график, картинка, так что это неправильно и в этом смысле, особенно если мы строго предполагаем, что все модели должны быть математическими. Чтобы добавить математику - статистику и условные вероятности для этой модели - нам нужны данные и экспертная оценка (потому что данных никогда не бывает достаточно). Можем ли мы затем использовать это для ввода в правильную байесовскую машину вероятностных рассуждений? В настоящее время это невозможно, учитывая нехватку данных, и если есть одна вещь, как мы узнали, это то, что власти вряд ли будут публиковать такие данные, учитывая их потенциальный характер обвинения (если бы они были оправданы, мы бы споткнулись).
Эта модель большая. Это сложно. Но она более полезна, чем простая двумерная классическая статистическая модель - если бы мы только могли получить данные, необходимые для ее завершения. Мы надеемся, что это с пользой продемонстрирует предстоящие задачи по осмыслению избыточных смертей и покажет, как мы можем объяснить происходящие избыточные смерти и как мы можем выразить и проверить гипотетические причинно-следственные связи.
Несмотря на то, что он большой, он остается незавершенным. Мы могли бы, например, добавить в модель изменяющиеся возрастные структуры в качестве альтернативного объяснения изменений в моделях избыточной смертности. При прочих равных условиях, если население стареет, смертность будет расти из года в год, что приведет к избыточному кумулятивному росту. Я уверен, что вы сможете представить себе и другие переменные, которые также могут быть важны.
Чтобы упростить проверку гипотез, мы можем выбрать подмножества переменных и протестировать их отдельно от других частей модели. Разделяй и властвуй. В любом случае это может быть возможно только с учетом ограничений данных. Точно так же некоторые элементы модели являются перспективными, а другие - ретроспективными. Например, моделирование избыточных смертей на 2021 год может не требовать учета ADE, но, безусловно, необходимо будет учитывать блокировки. Наихудшие последствия ADE или побочных эффектов вакцин могут быть впереди и, возможно, затронут человечество в отдаленном будущем или могут быть временными, а последствия блокировок могут в конечном итоге исчезнуть. Наконец, и это очевидно, прививки не будут иметь отношения к какому-либо анализу избыточной смертности в 2020 году просто потому, что они еще не были запущены. Что уместно, а что нет, зависит от контекста.
Источник, а также список используемой лит-ры здесь:
https://wherearethenumbers.substack.com/p/weltanshauung
Мартин Нил
Профессор информатики и статистики в Университете Queen Mary.
Норман Фентон
Профессор
Один из первых разговоров, который мы ведем с новыми аспирантами или магистрантами, касается роли моделей в исследованиях, где мы объясняем, что моделирование - это социально-техническое усилие, направленное на осмысление мира. И что, учитывая, что мы несовершенны, мы должны признать, что наши теории по необходимости также могут быть ошибочными.
В какой-то момент во время нашего небольшого монолога мы делаем следующее заявление (любезно предоставленное Джорджем Боксом) и проверяем их реакцию:
Все модели ошибочны, но некоторые модели полезны.
1
Как правило, это вызывает у многих студентов либо шок, либо чувство дискомфорта. Далее следует довольно неудовлетворительный разговор, который показывает, что некоторые на самом деле не движимы любознательностью, а вместо этого мотивированы доверием. Некоторые думают, что исследования сводятся к установлению и подтверждению неопровержимых фактов, а другие никогда не сталкивались с идеей, что наука занимается исправлением ошибок и что то, что представляет собой ошибка, зависит от цели модели.
Однако любой, кто знаком с философией науки или с Карлом Поппером и Томасом Байесом, вполне удовлетворится утверждением Бокса. На самом деле, они вполне резонно могут подумать, что если простое и очевидное утверждение вызывает у учащегося интеллектуальный или эмоциональный дискомфорт, то, возможно, этот учащийся сделан не из «правильного материала».
После первоначального шока студента от осознания того, что «все модели неверны», мы затем переходим к следующему этапу разговора, вводя причинно-следственную связь и «теорию систем»; идеи-близнецы, которые помогают нам объяснять мир и вмешиваться в него, а также моделировать реальность как взаимосвязанные системы с эмерджентным поведением. Затем с молниеносной скоростью мы обсуждаем субъективную вероятность, которая для тех, кто знаком с классической статистикой, обычно просто сногсшибательна. Затем мы утверждаем, что область статистики с самого начала активно враждебно относилась к причинно-следственной связи и что большинство статистиков или ученых не знали бы, что такое система, если бы она ударила их по голове.
Обычно они не благодарят нас за этот мудрый совет, пока не закончат учебу, и мы уверены, что некоторые так и не научатся прощать нас за то, что мы разрушили их утешительную уверенность!
Контекст - король
Какое отношение все это имеет к избыточной смертности? Что ж, большинство анализов избыточной смертности, как правило, рассматривают то, что мы называем двумерными моделями, включающими две переменные, подобные той, что показана на диаграмме ниже, и утверждают, что одна переменная вызывает другую: в этом случае, потому что уровни вакцинации значительно коррелируют с избыточной смертностью.
Но мы знаем, что жизнь не так проста, и все мы знаем, что доказательство корреляции не означает наличия причинно-следственной связи. Если бы это было так, мы могли бы сказать, что размер обуви влияет на интеллект (измеряемый IQ). Жизнь сложнее, чем это, или некоторые люди настаивают на том, что так и должно быть.
Тем не менее, на практике практически каждое исследование избыточной смертности показывает подобную диаграмму, будь то за или против какой-либо позиции, и даже когда исследование цитирует мантру «корреляция не является причинно-следственной связью», они всегда продолжают делать причинно-следственные утверждения в тексте статьи, чтобы поддержать их рекомендацию игнорировать график или поддержать их аргумент о том, что график доказывает их точку зрения.
В этом процессе нет ничего плохого: это естественно. Но это ограничивает. Все это просто показывает, что модель в форме диаграммы или уравнения регрессии должна быть дополнена пояснительным текстом, чтобы она имела смысл. Это необходимо, чтобы помочь сформулировать его в более широком контексте реального мира, где учитываются или объясняются влияния других переменных, не показанных на диаграмме. Очевидно, что если бы модель была «правильной», то не нужно было бы заниматься этим маханием руками - оно было бы само собой разумеющимся и законченным в модели. Люди будут утверждать, что те переменные, которых нет в модели, такие как отказ в лечении, вызывают избыток, или длительный ковид вызывает избыток или отсутствие посещения больниц и т. д. И с тех пор большая часть дискуссий идет о роли факторов, не в модели.
Контекст имеет решающее значение при построении и интерпретации моделей. Это неизбежно. Именно здесь находятся предположения и скрываются ограничения и предубеждения модели, и здесь могут быть выявлены чистые или нечистые мотивы исследователей. Нас всегда интересуют не детали самих моделей, такие как значения какого-либо коэффициента корреляции, а противоречия, лежащие в основе процесса моделирования. Эти биты опущены или преувеличены. И этот процесс критического анализа показывает, насколько «полезной» может быть модель для той цели, к которой мы решили ее применить.
Обучение магистров и аспирантов критическому чтению статей со скептическим взглядом является ключевой частью процесса ученичества, с помощью которого их нужно протащить назад через изгородь, прежде чем они займутся ею, и в конечном итоге это станет рефлекторным.
Некоторые из этих точек зрения описаны в нашей книге по моделированию рисков [1].
Можем ли мы сделать лучше?
Итак, есть ли способ построить статистическую модель, которая могла бы включать в себя важнейший контекст? Нет, не в абсолютном смысле, потому что мы не можем объяснить каждый аспект реальности, но мы можем добиться большего успеха, чем двумерные графики и простые корреляции, если признаем, что реальность более сложна, чем это, и включает причинно-следственную связь, когда события разворачиваются во времени.
Ясно, что для моделирования избыточной смертности нам необходимо смоделировать систему взаимосвязанных и взаимозависимых факторов, которые вместе приводят к избыточной смертности или раскрывают наши предположения о причинном механизме, который ее вызывает. Такое моделирование должно учитывать проблему неправильной классификации (например, смерть от пневмонии как смерть от ковидной инфекции, смерть привитых как смерть от непривитых или побочное явление вакцины как смерть от ковидной инфекции и т. д.), двусмысленность, запутанность и злоупотребления при измерении.
Но когда исследователи представили связное объяснение на «системном» уровне, такое как блестящая работа Ранкура [2], у них не было иного выбора, кроме как прибегнуть к использованию классической статистики для анализа данных таким разрозненным, а не интегрированным способом, а затем «заполнить» в промежутках» с абзацами текста, поддерживающими повествовательный анализ. Следовательно, модель вообще не представляет статистику, как и текст, а что-то совсем другое.
мировоззрение
концепция человека или группы, философия или взгляд на мир; мировоззрение
В некотором смысле мы все цепляемся за мировоззрение : всеобъемлющую и полную модель событий, в которой различные и часто конкурирующие объяснения и переменные могут соседствовать друг с другом. В этой статье мы пытаемся представить причинно-следственную модель для объяснения различных причин чрезмерной смертности с тем преимуществом, что она раскрывает сложность явлений и проблемы, связанные с попытками их моделирования, и в силу этого объясняет, и оценивает события и акторов, участвующих в этих событиях.
Причинные графы как карта
Что нам нужно в нашем обсуждении причин чрезмерной смертности, так это своего рода карта , которая обеспечивает изложение теорий и предлагает, как мы могли бы проверить эти теории, используя данные наблюдений.
Здесь мы построим модель мировоззрения по частям и покажем, как эти части могут взаимодействовать. Это наша модель. Это может быть неверно. Возможно, у вас есть ваша модель. Это тоже может быть неправильно, но ваши или наши могут быть более или менее полезными с точки зрения объяснений или предсказаний. Но мы ставим наши, чтобы связать нити.
Наша карта представлена в виде графика, где факторы и переменные показаны кружками, а их причинно-следственное/функциональное/статистическое взаимодействие - стрелками. Таким образом, связь между «родительским» фактором со стрелкой, соединенной с другим «дочерним» фактором, мы считаем родительским, вызывающим или влияющим на дочерний. И под «причинной» мы подразумеваем интерпретацию здравого смысла, когда причина возникает раньше следствия во времени и напрямую воздействует на другое с помощью какого-то идентифицируемого механизма. Также обратите внимание, что причинно-следственная связь от родительского фактора к дочернему фактору обычно не означает, что дочерний фактор определенно будет истинным, если родитель является истинным, но, скорее, более вероятно, что он будет истинным. Идея состоит в том, что сила связи может определяться вероятностями, а не детерминированной логикой.
Причины чрезмерной смертности
Мы начнем с предположения о пяти основных предполагаемых причинах избыточной смертности, наблюдаемой с 2020 по 2022 год (и далее?), как показано ниже. Это:
- Смертность после вирусного синдрома, либо от гриппоподобного заболевания, либо от ковида (так называемый длительный ковид)
- смертность от пневмонии (вызванной невылеченной пневмонией или, возможно, из-за ковида)
- смертность от социального ущерба (стресс, смертность от наркотиков и бедности, включая самоубийства), вызванная блокировками
- смертность, вызванная лечением, в котором было отказано во время изоляции (доступность здравоохранения), и т.д.
- побочные эффекты (AE) смертность от вакцин.
Социальный ущерб и отказ в лечении
Если мы посмотрим на два объяснения превышения - смертность от социального ущерба и смертность из-за отказа в лечении, - теория гласит, что они вызваны более плохим здоровьем, которое само по себе зависит от благосостояния и возраста. Чем менее богат человек (или население) и чем старше человек (или население), тем менее здоровым он будет. Теория здесь заключается в том, что сами по себе блокировки не всегда НЕПОСРЕДСТВЕННО вызывают дополнительную смертность, но, скорее, если кто-то уже беден, он с большей вероятностью будет нездоров, подвержен стрессу и будет принимать (рецептурные или другие) лекарства, тогда блокировки повлияют на смертность от социального ущерба. .
Качество системы здравоохранения в любом данном регионе будет зависеть от богатства региона, но когда система здравоохранения недоступна населению, именно это вызывает повышенную смертность от отказа в лечении [3], а не качество медицинского обслуживания. Система здравоохранения как таковая (подумайте о пустых больницах с неиспользуемым, но блестящим оборудованием и медсестрами, танцующими в TikTok). Как только мы учтем это, эта часть модели станет немного сложнее.
Ковид или смертность от гриппа?
Большинство людей, серьезно заболевших сезонным вирусом, будь то гриппоподобное заболевание (ГПЗ) или covid-19, в конечном итоге погибают от бактериальной пневмонии [6](Стоит отметить, что не только от этого. Прим. В.З.). Именно это убивает их, но до этого момента существует «комплекс» взаимодействий между вирусными и бактериальными агентами, что иногда затрудняет определение основного возбудителя. Но мы знаем, что пневмонию можно успешно лечить с помощью антибиотиков, и что ивермектин и гидроксихлорохин, а также другие препараты обладают противовирусными и антибактериальными свойствами, которые могут способствовать выздоровлению при достаточно раннем введении. Однако отказ от применения этих препаратов может привести к пневмонии и чрезмерной смертности. Таким образом, ГПЗ, ошибочно диагностированный как covid-19, в соответствии с политикой, и отказ от лечения, опять же в соответствии с политикой, приведут к избыточной смертности.
Назначались ли антибиотики или альтернативные противовирусные препараты, также зависело от состояния здоровья пациента и проводимой политики - в Великобритании антибиотики были запрещены для лечения ковида [4], [5], особенно для пожилых людей с сопутствующими заболеваниями - но по анекдотическим данным мы слышали о пациентах, которым все равно назначали антибиотики «на всякий случай» (некоторые врачи намеренно обходили директивы и правильно лечили своих пациентов).
Преднамеренная (или случайная?) неправильная атрибуция и перекрестная реактивность тестирования
ПЦР-тесты на Covid могут перекрестно реагировать с другими вирусами [7], включая ГПЗ и другие коронавирусы, и сторонники «нет вируса» могут утверждать, что ковид является преднамеренным ошибочным диагнозом, тогда как респираторное заболевание на самом деле является ГПЗ. Политическое вмешательство в виде ПЦР-теста могло просто переключить определение причины смерти на ковид от пневмонии и ГПЗ. Этот путь можно сравнить с местами, где тест на ковид обычно не применялся и где причиной смерти, вероятно, была бы пневмония. Это показано на графике а) ниже.
Конечно, существуют и другие проблемы неправильной атрибуции с классификацией смерти от ковида из-за положения, что любой, кто умер «в течение» 28 дней после положительного теста ПЦР, был классифицирован как смерть от ковида. Таким образом, «нормальные», статистически ожидаемые смерти были закодированы как covid. Подробное объяснение того, как это могло быть реализовано на практике, см. в [17].
К сожалению, преднамеренные изменения в классификации причин смерти были проблемой в течение длительного времени и не новы для covid. Изменения кода смертности ВОЗ всегда оказывали огромное влияние на атрибуцию смерти с сопутствующим пагубным воздействием на качество эпидемиологических данных, доступных исследователям [8]. На графике б) ниже показано, каким был бы нормальный причинно-следственный путь до таких изменений в кодировании.
Жесткость блокировки
Строгость блокировок была определена правительством, и в некоторых странах они сопровождались отказом от здравоохранения. Одиночество и социальная изоляция привели бы к большему стрессу, большему употреблению наркотиков, самоубийствам и росту бедности среди тех, кто потерял работу и бизнес. Таким образом, влияние блокировок на избыточную смертность будет проявляться в количестве умерших из-за отказа в лечении по состоянию здоровья или непосредственно из-за стресса, бедности и употребления наркотиков [2].
Обратите внимание, что возможная роль седативных средств в ускорении или облегчении смерти хорошо описана в [9], а процесс, посредством которого это могло произойти, описан в [10]. В [11] отказе в лечении пожилых людей, перемещении их из больниц в общество и применении инструментов блок-схем [12], чтобы обречь некоторых, считающихся слишком слабыми, на раннюю смерть.
Аналогичные опасения возникают в отношении вентиляции и интубации.
Смертность от вакцин: побочные эффекты
Что касается программы вакцинации, возможной непосредственной причиной «избыточной» смертности могут быть нежелательные явления (НЯ), возникающие сразу или вскоре после вакцинации [13]. Величина превышения, очевидно, будет зависеть от уровня вакцинации и типа вакцины. Многие страны использовали мРНК-вакцины, но некоторые, например Венгрия, использовали смесь китайских и других вакцин, и эти различия могут иметь значение.
Точно так же возраст и здоровье населения влияют на вакцину, поэтому у тех, у кого есть серьезные проблемы со здоровьем, могут развиться более немедленные побочные эффекты, приводящие к смерти.
Очевидно, существует множество предположений о механизмах НЯ и о том, связаны ли они с одним или несколькими компонентами мРНК-вакцин против covid, включая гипотезу о том, что вскоре после вакцинации иммунная система угнетается, что делает реципиента более уязвимым для covid, о чем свидетельствует повышенная вероятность положительный ПЦР-тест в течение 14 дней после вакцинации [14].
Степень НЯ снова зависит от уровня вакцинации, а это само по себе также зависит от личной склонности к вакцинации. Эта склонность наиболее положительна в более богатых местах или среди более богатых слоев в этих местах. Принуждение со стороны средств массовой информации, государственных органов и органов здравоохранения также играет роль в «мотивации» людей к вакцинации.
Скептицизм в отношении вакцины исторически был сильным среди некоторых этнических групп, которые развили недоверие к правительству, поэтому склонность к вакцинации может быть смягчена нерешительностью и отказом определенных этнических групп.
Мы могли бы, конечно, включить количество введенных вакцин и бустеров, предполагая кумулятивное накопление латентного повреждения, которое позже будет выявлено как смертность от НЯ, в форме рака или прионной болезни, чтобы принять две предполагаемые возможности. Это намекает на необходимость динамической или временной версии модели.
Смертность от вакцин: ADE и аутоиммунное заболевание
Существует два причинно-следственных пути, связывающих вакцинацию и избыточную смертность: первый, неблагоприятные события, которые мы рассмотрели, а второй представляет собой особый вид НЯ - антителозависимое усиление (ADE) (есть и другие, такие как первоначальный антигенный грех) [15]. . Проще говоря, после вакцинации мРНК-ковидной вакциной может возникнуть аутоиммунное заболевание, когда вакцина усиливает последующую инфекцию теми же или родственными респираторными вирусами.
Таким образом, у кого-то, кто вакцинирован и страдает от ADE, а затем заболевает респираторным заболеванием, ГПЗ или ковидом, может развиться бактериальная пневмония и возможная смерть. Мы выделяем это НЯ, потому что оно отличается от других: в случае его возникновения причина смерти будет замаскирована и представлена как вызванная последующим приступом ковида или другого ГПЗ, а не как прямое действие вакцины.
Были выдвинуты гипотезы о других возможных механизмах НЯ, например, при раке, когда подавленный иммунный ответ, неспособный обнаруживать и убивать раковые клетки, может увеличить вероятность смерти, но, опять же, может быть выявлен как «нормальная» смерть от рака, а не как смерть непосредственно связаной с вакцинацией. Учитывая, что шиповидный белок или липидные наночастицы (ЛНЧ) могут распространяться в любую часть тела, патогенетические последствия могут быть бесчисленными.
Смертность от поствирусного синдрома (и длительного Covid)
Так называемый длительный ковид рекламируется как причина чрезмерного количества смертей, хотя это хорошо известный вид поствирусного синдрома, с которым обычно сталкиваются те, кто заразился ГПЗ. Мы можем смоделировать причинный путь, связывающий ГПЗ и ковид со смертностью от поствирусного синдрома, как показано ниже.
Есть данные, что вирус ковид, вероятно, циркулировал в конце 2019 года. Учитывая это, можно было бы ожидать увеличения нековидной смертности среди тех, кто перенес поствирусную патологию. Точно так же возвращение гриппа в конце 2022 года также приведет к росту смертности в 2023 году и, возможно, в последующие годы.
Однако, несмотря на заявления о том, что избыточная смертность вызвана длительным ковидом, доказательства могут быть слабыми [16].
Ятрогенез как вопрос политики?
Врачу может быть трудно определить одну или основную причину смерти, чтобы оформить свидетельство о смерти, поскольку основные причины смерти могут быть многофакторными. Или врач может быть заинтересован в том, чтобы предпочесть записывать конкретную первопричину, а не другую более подходящую непосредственную причину.
Большинство статистиков с радостью согласились бы с тем, что, на первый взгляд, причиной смерти является болезнь или состояние здоровья, указанное в свидетельстве о смерти как причина смерти. Но учитывая то, что мы знаем о классификации смерти, это было бы наивно, потому что она не всегда так проста, точна или свободна от негативного влияния. Несчастные случаи и ошибки могут быть истинной причиной смерти и могут быть скрыты. Такие «несчастные случаи» не всегда вызваны отдельными людьми, но могут быть результатом непреднамеренных побочных эффектов политики и регулирования в области здравоохранения. Ведь все лица, «попавшие в ловушку системы», получают стимул следовать инструкциям.
Следовательно, «коренные причины» в нашей модели будут включать предотвратимые социальные или медицинские причины смерти, такие как эти, и признавать, что они могут различаться в зависимости от региона, поскольку не каждая страна или регион реализует политику единообразно и может различаться по типу - разные регионы могут иметь разные строгости карантина, доступность медицинской помощи, степень принуждения к вакцинации, ПЦР-тестирование и введение или запрет на альтернативные методы лечения, такие как ивермектин или гидроксихлорохин.
Причинный график Weltanschauung
Сложите все это вместе, и мы получим наш (БОЛЬШОЙ) мировоззренческий причинно-следственный график. Это наша карта избыточных смертей.
Однако в этой графической модели нет математики. Это просто график, картинка, так что это неправильно и в этом смысле, особенно если мы строго предполагаем, что все модели должны быть математическими. Чтобы добавить математику - статистику и условные вероятности для этой модели - нам нужны данные и экспертная оценка (потому что данных никогда не бывает достаточно). Можем ли мы затем использовать это для ввода в правильную байесовскую машину вероятностных рассуждений? В настоящее время это невозможно, учитывая нехватку данных, и если есть одна вещь, как мы узнали, это то, что власти вряд ли будут публиковать такие данные, учитывая их потенциальный характер обвинения (если бы они были оправданы, мы бы споткнулись).
Эта модель большая. Это сложно. Но она более полезна, чем простая двумерная классическая статистическая модель - если бы мы только могли получить данные, необходимые для ее завершения. Мы надеемся, что это с пользой продемонстрирует предстоящие задачи по осмыслению избыточных смертей и покажет, как мы можем объяснить происходящие избыточные смерти и как мы можем выразить и проверить гипотетические причинно-следственные связи.
Несмотря на то, что он большой, он остается незавершенным. Мы могли бы, например, добавить в модель изменяющиеся возрастные структуры в качестве альтернативного объяснения изменений в моделях избыточной смертности. При прочих равных условиях, если население стареет, смертность будет расти из года в год, что приведет к избыточному кумулятивному росту. Я уверен, что вы сможете представить себе и другие переменные, которые также могут быть важны.
Чтобы упростить проверку гипотез, мы можем выбрать подмножества переменных и протестировать их отдельно от других частей модели. Разделяй и властвуй. В любом случае это может быть возможно только с учетом ограничений данных. Точно так же некоторые элементы модели являются перспективными, а другие - ретроспективными. Например, моделирование избыточных смертей на 2021 год может не требовать учета ADE, но, безусловно, необходимо будет учитывать блокировки. Наихудшие последствия ADE или побочных эффектов вакцин могут быть впереди и, возможно, затронут человечество в отдаленном будущем или могут быть временными, а последствия блокировок могут в конечном итоге исчезнуть. Наконец, и это очевидно, прививки не будут иметь отношения к какому-либо анализу избыточной смертности в 2020 году просто потому, что они еще не были запущены. Что уместно, а что нет, зависит от контекста.
Источник, а также список используемой лит-ры здесь:
https://wherearethenumbers.substack.com/p/weltanshauung