Re: [爆卦] Omicron 染疫死亡數字簡單分析

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，
其實未來五年可能都可以走COVID-19的數據資料研究，
光是法律就可以去探討全民強制戴口罩的適法性問題，
更何況是作資料分析的相關科系。

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