【悲報】大阪モデル・陽性率７％の根拠、レビュワーにクソミソに論破されてしまう・・・どうすんだよ吉村

国立大学法人千葉大学
十分なPCR検査の実施国では新型コロナの死亡率が低い
死亡者数からは、西洋とアジアでは感染の広がりは100倍違う
http://www.chiba-u.ac.jp/general/publicity/press/files/2020/20200421covid19_PCR.pdf

Global Comparison of Changes in the Number of Test-Positive Cases and Deaths by Coronavirus Infection (COVID-19) in the World
https://www.preprints.org/manuscript/202004.0374/v1

Commenter: Taylor Yamdif
The commenter has declared there is no conflict of interests.
Comment:
この研究には致命的な欠陥がいくつかある
第一に、相関関係と因果関係を混同している。
第二に、対象母集団の統計的な管理と検証が行われていないこと。
第三に、分類器である機械学習の結果を検証もせずに悪用していること。
著者らは、「そこのあなた！」と主張しています。
「レモン1個にレモン1個分のビタミンCが含まれている!」と言っているだけである。

因果関係の流れを有向非周期グラフ（DAG）で整理してみると、この論文の話は致命的に間違っていることがわかります。
著者の論理をDAGで提示すると、以下のようになる。

"検査が増える」→「陽性率が下がる」→「死亡者が減る

著者らの論理では、陽性率の増加は死亡者数を減少させる。しかし、「陽性率」と「死亡者数」の間には因果関係はない。
" 陽性率」と「死亡者数」の両方に共通する原因は、そもそも「感染の広がり度合い」であり、
「陽性検査」と「患者の死亡」という2つの現象はそこから生じると考えるのが妥当である。

"感染の広がり" "陽性検査の増加"
↓
"死亡者数が増える"

4.なぜ7%という結果になるのか、著者は分類の妥当性を検証していませんが、これは統計学や機械学習の誤用の典型的な例です。

著者らは勾配ブースト決定木を使ったと書いている。機械学習は、妥当性の有無に関わらず、
何らかの関係性を結果として返します。膨大なデータから人間の認知では見つけられない「構造」や「特徴」を見つけるが、
それは因果関係ではない。勾配ブースト決定木は分類器であり、因果関係を全く確立していません。
死亡率と陽性率のパターンを分類しているだけです。著者はそれらを3つのグループに分類しているだけで、
そこには何の原因も説明されていません。また、統計的な検証も何もありません。
分析に直接使用したトレーニングデータではなく、他の検証データとの適合性を解釈する必要があります。
しかし、そのような検証をする気配はありません。

大阪における陽性率て
陽性数/大阪在住の新規検査（まだ罹ってるかどうか分からない人）人数でええの？
なんか分母のところに二重三重のバフかけてるらしいんだが話が複雑でよく分からん

いくつか例を挙げてみましょう。"木の多い都市はより安全である "は、木が都市をより安全にするという意味ではありません。

"マンゴーの木が多い国はマラリア患者が多い」というのは、マンゴーの木を伐採すれば
マラリア患者が減るという意味ではありません。蚊を駆除する必要があります。マンゴーではありません。

より多くのPCR検査が確かにNPDDの減少に因果関係があればいいのですが、
PCR検査が多い国の方がNPDDが少ないからといって、それを主張することはできません。

(2) NPDPには外生的な変動を見つける必要がありますが、できれば国レベルで、
しかしそれが難しい場合は、少なくともコミュニティレベルで、単位間の波及効果を避ける必要があります。
しかし、一つの可能性としては、まずDID、あるいはDID-PSMから始めることが考えられます。

阪大を信じるので結構です（笑）

　新型コロナウイルスのPCR検査を受ける今の目安は、37.5度以上の発熱が4日以上、続く場合とされています。
加藤厚生労働大臣は6日、この目安について近日中に新たな指針を示すことを明らかにして「高熱と平熱で書き分けをした。平熱も人それぞれなので、判断してもらって高熱だと思った人はすぐに病院に行って頂きたい」と話しました。
この目安については、政府の専門家会議が「もっと早く検査につなげるべき」と指摘していました。