Citat:
Ursprungligen postat av
aw
Jag tycker det känns svårsmält (rent matematiskt) att bara 0.7% av Norge skulle ha haft COVID-19 (deras egen siffra).
De har svabbat 250,968 personer (4.7% av befolkningen) med PCR-test, och 3.4% av dessa testade positivt för pågående infektion (1 av 30).
När man får så många negativa svar, så tolkar jag det som att man måste ha testat storskaligt och näst intill slumpmässigt.
Rent matematiskt, är det inte extremt osannolikt att COVID-19 är fem gånger så vanligt i den här gruppen om 4.7% av Norges befolkning, jämfört med befolkningen som helhet?
Givetvis innehåller testgruppen de med svåra symptom, vilket driver upp siffran. Det kan också vara ett urval som är koncentrerat runt storstadsområden. Men det är också många som haft COVID-19 som inte fångas upp av PCR-tester, eftersom testet bara ger utslag för pågående infektion, under någon/några veckor av förloppet.
Kan man verkligen ha haft ett så bra urval av testpersoner, att man har lyckats pricka pågående infektion för nästan en fjärdedel av alla Norges fall av COVID-19 genom tiderna, när man bara testat 4.6% av befolkningen? Är det ens statistiskt möjligt?
Körde ett Z-test på detta med Z = (k-n*0,007)/(sqrt(n*0,007*(1-0,007)))
k är observerade fall, n är antalet testade, det här är ett ungefärligt värde typ.
Fick det smått otroliga värdet Z =(ungf)=162. Det är ett väldigt stort Z, hittade inte ens ett tabellvärde. Om man har som nollhypotes att 0,7 % haft COVID så ger det här testet att man bör förkasta nollhypotesen.
Man behöver veta mer om själva testet, hur tillförlitligt är det? Har hört att Sverige använt ett test som i princip aldrig ger "false positiv" dvs säger att man haft COVID om man INTE haft.
Om Norge använt samma test(och jag fattat rätt) så kan man kassera datamodellen.
Edit: Att testet bara visade positivt för pågående infektion gör ju det hela än mer otroligt, man missar alltså alla som haft sjukdomen men som tillfrisknat