---

其實去國圖找一下碩博士論文，
滿多人都有申請健保資料進行分析，
除了醫學院外，其實資工、經濟與統計相關研究所的學生，


https://nhird.nhri.org.tw/apply_00.html

這邊可以申請健保資料，但是要先送IRB，
看看有沒有鄉民要去做了。
這種分析論文，搞不好都可以讓一位博士班學生畢業了。


※ 引述《vcbxnzm (㊣﹋)》之銘言：
:         民調公司的樣本數, 通常都做到一千多人
:         因為當樣本數來到 1067 時, 抽樣誤差正負 3.0%
:         截至昨天為止, 感染 Omicron 死亡人數從 1057 跳到 1203
:         超過 1067 個樣本來分析數字, 誤差應該已經收斂到 3% 範圍內才對
:         樣本分布比例不易再有大幅度的波動
:         板上的熱心網友 xFANx 天天粗暴製圖, 文中還附上詳細統計訊息
:         那麼小弟也來獻醜
:         試著從數字中解讀看看打疫苗對抗 Omicron, 到底有無必要
:         以下段落分別為 原理 圖表 數字 初步結論
:         先透漏結論
:         小弟因故沒打 covid19 疫苗, 資料撈完打算釘子戶繼續耗下去
:         除非有藥廠推出二代疫苗再說
: ------------------------------------------------------------------------
: 原理
:         人體在感染病毒之後, 樹突細胞會取得病毒片段特徵
:         回到淋巴花上幾小時到十多天不等的時間, 實施地毯式搜索
:         從約莫百億種組合中, 一一核對找出唯一對應的免疫細胞
:         然後大量複製該限定款免疫細胞, 送往全身專門獵殺該病毒
:         疫苗則是以人工合成病毒碼, 觸發免疫系統啟動前述過程
:         不管自然染疫或者打疫苗, 等到下回相同病毒又來
:         就能跳過耗時的地毯式搜索, 特定免疫細胞從牛棚直接上
:         但不幸的是病毒會變種, 導致病毒碼長得越來越不像實際的病毒
:         免疫細胞原則上應該要專款專用
:         可是病毒改款後, 牛棚裡的免疫細胞就不一定還能瞄準新病毒
:         導致免疫效果會變得因人而異, 經常發生免疫逃脫
:         於是以武漢株為開發基礎的各家疫苗, 變得跟流感疫苗一樣會過季
:         病毒每變種一個世代, 防禦率就打一次折扣
:         改款到現今主流南非株 Omicron
:         疫苗已經從最初標榜的防感染
:         一路 撤守(X) 轉進(O) 防發病防重症, 到現在只能宣稱部分防死亡
:         但另一方面, 施打疫苗並非零成本
:         既然是類病毒, 人為啟動免疫系統同樣也會伴隨各種奇怪症狀
:         發燒不適只是低消, 嚴重時免疫系統暴走也會送命
:         當整個故事背景呈現上述的面貌時
:         打疫苗基本上可以當成挖比特幣來看待
:         疫苗造成的傷亡固定不變 (電費), 疫情卻隨變種趨緩 (收益)
:         當礦越來越難挖, 收益少到連電費都繳不起的時候
:         不如就關機別挖了
:         如果打疫苗的死亡率, 比不打染病致死還高
:         施打疫苗豈不等於找死嘛!
: ------------------------------------------------------------------------
: 圖表
:         mobrick 網友整理詳細資料, 製作出進階統計圖表
:         https://reurl.cc/g09xOR
:         比較可惜的地方是
:         引用政府資料開放平台的數字, 與 CDC 有落差
:         https://data.gov.tw/dataset/151770
:         近幾天的確診數字, 每天都短少幾千人
:         所以撰文此時明明 CDC 確診總數已經來到 178.82 萬人
:         卻只從政府資料開放平台撈到 105.45 萬
:         但資料短少無妨, 絕對數字不準但相對趨勢不變, 堪用
:         https://i.imgur.com/HOWjA0Y.png
:         這張柱狀圖可以明顯看出 50 歲是分水嶺
:         50 歲以上的人死很多, 49 歲以下佔比相對低
:         老人病無誤
:         https://i.imgur.com/NmFAQVo.png
:         進一步納入中症重症後, 分水嶺下修到 40 歲
:         老人病的特色並沒有改變
:         https://i.imgur.com/GFLeFg5.png
:         大餅圖很明顯看得出來
:         染疫會掛掉的, 八成本來就有病
:         Omicron 的角色比較像催命符
:         從以上圖表得知
:         想探究打疫苗抗 Omicron 值不值得
:         可先粗分成四個族群 (未成年暫且按下)
:         (50+, 有病) (50+, 沒病) (20~49, 有病) (20~49, 沒病)
:         但年齡與慢性病, 直覺上高度正相關
:         或許只是一體兩面, 實際上都是免疫力的指標
:         於是下面這張圖, 陷阱在於把所有人都混在一起做成瀨尿牛丸
:         據此做出政策會顯得粗枝大葉
:         https://i.imgur.com/DleF6UB.png
:         疫苗如果沒用, 應該看到四條柱狀圖一樣高
:         反之如果疫苗有效, 柱狀圖總該出現趨近於 0
:         結果疫苗卻是薛丁格的貓, 介於有效與無效之間
:         早已不是當初以色列打疫苗搶頭香, 兩劑 60% 就達成群體免疫的時代
:         https://i.imgur.com/M7zqSXl.png
: ------------------------------------------------------------------------
: 數字
:         目前疫苗接種數字
:         https://www.cdc.gov.tw/Category/Page/9jFXNbCe-sFK9EImRRi2Og
:         至少 1 劑有 20,383,044 人
:         疫苗接種後不良事件
:         https://www.cdc.gov.tw/Category/MPage/Q8n9n-Q4aBpRrGnKVGFkng
:         死亡 1,486 人
:         疫苗整體死亡率約為百萬分之 72.90 人
:         由於未揭露更細的年齡分層, 只能用疫苗接種族群亂猜
:         一開始只限十類人打 AZ, 老人優先
:         接著是 Moderna 到貨, 不敢打 AZ 的老中青就愛這一味
:         然後台灣價值疫苗高端登場, 青壯年捧場
:         最後是郭董弄來 BNT, 優先給學生施打
:         所以 20~49 的疫苗死亡率, 先拿高端的數字頂著
:         50/1,002,953 = 百萬分之 49.85 人
:         50+ 的疫苗死亡率以 AZ 代替
:         845/8,071,236 = 百萬分之 104.69 人
:         各年齡層的疫苗施打率
:         https://covid-19.nchc.org.tw/city_confirmed.php
:         18~49 第一劑居然破百, 猜測大概是高端砍掉重練造成的
:         也回頭證明了高端的主力族群確實是青壯年
:         猜測 18~49 可能只剩 3%~7% 沒打過疫苗
:         50+ 的第一劑涵蓋率, 則是 80.4%~90.5%
:         資料開放平台撈到的確診人數, 整體較實際少四成
:         放在分母的時候, 商數會變大
:         但如果兩邊做比較, 一起變大的話, 卻也無礙觀察趨勢
:         20~49 歲 566,817人, 50+ 歲 273,039人
:         mobrick 網友的進階統計圖表雖然不能編輯匯出, 但是可以排序
:         https://i.imgur.com/JBmdhlR.png
:         死亡個案動動手指數一數就有答案了
:         到昨天下午為止, 無慢性病的 Omicron 死亡案例 68 人
:         19- 7 例, 20~49 2 例, 50+ 59 例
:         50+ 沒慢性病
:         0 劑死亡 27 人, 1~3 劑死亡 32 人, 假設疫苗平均涵蓋率 87%
:         沒打疫苗 Omicron 致死率 27 / (273,039x13%) = 百萬分之 760.67 人
:         打疫苗 Omicron 致死率 32 / (273,039x87%) = 百萬分之 134.71 人
:         就算疊加疫苗死亡率, 134.71 + 104.69 = 239.40, 仍遠低於 760.67
:         即使沒打疫苗致死率進一步打六折, 也沒能改變比較結果
:         (50+, 沒病) 這個族群, 打疫苗可減少死亡
:         20~49 沒有慢性病, 0 劑死亡 1 人, 3 劑死亡 1 人
:         沒打疫苗 Omicron 致死率 1 / (566,817x5%) = 百萬分之 35.28 人
:         還原數字打六折, 百萬分之 21.17 人
:         打疫苗 Omicron 致死率 1 / (566,817x95%) = 百萬分之 1.86 人
:         還原數字並疊加疫苗死亡率, 1.86x0.6 + 49.85 = 百萬分之 50.96 人
:         (20~49, 沒病) 這個族群, 不打疫苗死亡反而少一半
:         20~49 本來就有病, 一共 43 人掛掉
:         沒打疫苗 Omicron 致死率 23 / (566,817x5%) = 百萬分之 811.55 人
:         還原數字打六折, 百萬分之 486.93 人
:         打疫苗 Omicron 致死率 20 / (566,817x95%) = 百萬分之 37.14 人
:         還原數字並疊加疫苗死亡率, 37.14x0.6 + 49.85 = 百萬分之 72.13 人
:         (20~49, 有病) 這塊差距七倍, 是疫苗效用最高的一群
:         (50+, 有病) 佔多數, 就不再 data mining 了, 人工點算工程浩大
:         光看圖也知道打疫苗比較好
:         https://i.imgur.com/DleF6UB.png
: ------------------------------------------------------------------------
: 初步結論
:         其實 CDC 有全套健保資料庫可以分析
:         只要鍵盤敲一敲, 準確的精美圖表就會跳出來
:         小弟到處亂挖, 勉強找齊不大精準的數據湊合著用
:         但土炮一樣可以簡單分析找出趨勢, 數字誤差大而已
:         如果真想仔細探究, 不考慮慢性病種類都可以細分成
:         2(性別) x 2(有無痼疾) x 3 (中/重/死亡) x 10(年齡) = 120 種族群
:         青壯年族群 20~49 歲, 沒病可以不用打疫苗
:         因為搞出免疫風暴的代價反而更大
:         但帶有慢性病時, 除非身體太虛弱, 不然強烈建議打好打滿
:         死亡數字的大幅落差擺在眼前
:         至於躺在病床上又老又虛, 那就很尷尬了
:         搞不好疫苗活活打到掛, 但是染疫也掛
:         唯一的活路是關在隔離病房, 撐到群體免疫才放風
:         老人不打疫苗的心態可以理解, 難以強求
:         其實在數字沒分析之前, 如果已經對疫苗原理的故事背景很清楚時
:         應該會預期黃金交叉會隨著病毒變種發生, 疫苗終將漸漸失效
:         問題只在何時交叉? 堤防破口又在哪個地方?
:         如果洞察力夠強
:         今年初會直覺 Omicron 時辰已到, 疫苗破口將會落在健康青壯年
:         光是比對國外數據都能證實這點
:         於是全民打三劑明顯是個思慮不周的政策!
:         自己去資料庫撈看看, 有多少第三劑打到掛的健康青壯年白白犧牲
:         這說明著 CDC 的專業, 還是被人情世故給封印了, 終究官大學問大
:         政府其他部門就算是貪汙, 拉法葉案也死不了多少人
:         無奈 CDC 是個牽涉人命的衙門, 應該要更加包容反思的聲音才對
:         畢竟學術象牙塔跟病房實戰, 終究有很大的落差
:         單單大官一個莫名執念不肯鬆手, 傷亡的低消都得是三位數起跳
:         https://news.ltn.com.tw/news/life/breakingnews/3911372
:         阿彌陀佛

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 175.181.185.198 (臺灣)
※ 文章代碼(AID): #1YbAp-3q (Gossiping)
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1653910782.A.0F4.html