on notera, comme d'habitude (sic), la discordance entre:
- les données vaxx (dernière date connue)
- les données décès "avec" c-19 (moyenne dernière semaine)
[et comme par hasard plus on va à l'est plus l'automne est précoce...]
du coup voyons voir France (FRA) vs Ukraine (UKR) avec les données owid de ce jour (n.b. données hospi. n.d.):
quelle surprise !
courbe "tests" et donc "positifs" en chute libre en FRA => courbes hospi. et décès suivent
tout le contraire en UKR #CQFD #Covid_19#COVID19
notons au passage ce fait troublant: la courbe bleu des nouvelles injections (/ million) demeure ascendante en UKR avec coincidence côté courbes tests, positifs, décès.
ce phénomène coincide en FRA après le nudge #PassSanitaire de Macron du 12.07.
intéressant...
continuons dans cette voie: régression linéaire nouveaux décès sur personnes complètement vaccinés (retard 14 jours); nuage de points remontent en UKR (car + tests => + pos. => + décès) et non en FRA (car inverse)
coefficient de régression > 0 pour UKR et <0 pour FRA
soit donc que sur la période 2021, une hausse vaccination complète entraine + de décès c-19 en UKR (pour 1% de plus il y a 2 semaines => + 0.25 million de décès c-19 en plus)... en FRA le coefficient est à environ -0.05...
mais voyons plutôt les nouvelles injections ci-après:
les nuages de points deviennent des serpentins avec remontée en UKR (et non en FRA) pour raisons citées auparavant. coef. de régression positif mais très faible pour UKR (+1 vaxx / million => +0.0005 million décès c-19); en France ce coefficient est NUL et non significatif
moralité:
- ne pas se fier aux données @nicolasberrod du parigot (voir tweet 2)
- toujours intégrer le # de "tests" qui déterminent tout à l'avance
- réfléchir en termes de cumul de vaxx mais surtout en termes de nouvelles vaxx #CQFD
bonus, uniquement dispo. pour FRA, avec courbe mortalité toute cause (semaine 35 dispo à ce jour) en plus courbe décès "c-19" et courbes vaxx complète et nouvelles vaxx:
• • •
Missing some Tweet in this thread? You can try to
force a refresh
#thread follow up to previous thread below
i repeat the same excercise with positivity rate instead of reproduction rate vs stringency index by adding country, week and both effects in the panel regressions #COVID19 1/n
the graphs:
(notice higher positive rate when stringency stronger)
benchmark: within R² = 5.82%
+country dummies: same
+week dummies = 47.36% (~ x 100 w/r benchmark)
+country & week dum. = as above
again "seasonality" explains most of what is going on in the data #COVID19 2/n
and so again one can ask if they #lockdown during colder seasons and this makes actually things worse ? #COVID19
3/3
#thread
Following recent success of this thread (thanks @FatEmperor i guess :)just wanted to get back to this
i will just take the first graph as exemple: it's reproduction rate vs stringency index
panel (country-time in days) regression with random effects #COVID19 1/n
i put the initial graph as "benchmark" and i add 3 other graphs
panel regression with random effects
with countries dummies included
with weeks dummies included
with countries & weeks dummies included
and we will compare the R² as these are the only changing in this excercise 2/n
in panel regression what is most important is the R² within
adding country effects changes nothing
adding weeks (i.e. time trend or "seasonality" in this context) increases a lot the R² within (~ x100)
adding countries & weeks => same results as with weeks added only
3/n