新冠系列文章：
美國新冠死亡人數突破20萬！全球新冠防控統考美國排名第幾？ 美國新冠感染人數突破750萬！全球新冠統考排名落後的原因 海闊天空 2020/11/27 2020年1月21日美國首例新冠發生在華盛頓州西雅圖。至今10個多月了，美國疫情依然是世界各國中最慘重的。筆者在之前的兩篇文章比較了全球新冠疫情防控中，美國與其他大部分國家的巨大差距及其背後原因。本文將比較美國國內的50個州和華盛頓特區在新冠防控的表現。另外針對相當一部分人之前以紐約加州等藍州作為民主黨新冠防控無能的證據，現在有了足夠數據和時間長度，切讓我們看看藍州和紅州的新冠防控團體成績孰優孰劣。 筆者採用的是https://www.cnn.com/interactive/2020/health/coronavirus-us-maps-and-cases/ 每天更新的美國50個州和華府的新冠疫情，原始數據來源於約翰霍普金斯大學，截止11月26日。 如何計算美國50個州和華府的新冠防控成績 比較各州的方法與前文比較世界各國的方法類似，不能簡單地以累計病例和累計死亡的絕對數字進行比較，而是要按照以下的數學邏輯，通過相應的人口比例來比較： 美國全國的三個總數：（A）人口總數(331,433,217)，（B）新冠病例累計總數(12,874,782)，（C）新冠死亡累計總數(263,317); 每個州及華府的對應三個數字，(a)人口，(b)累計病例，(c)累計死亡； 分別計算每州的占美國的人口百分比,累計病例百分比，和累計死亡百分比。 例如目前累計病例最高的德州的三個百分比分別是：8.75%（a/A），9.34% （b/B），和8.22% （c/C）；
 
（筆者根據CNN和霍普金斯大學數據分析製作） 如何比較美國50個州和華府的新冠防控成績 如果某個州的累計病例的百分比（b）和累計死亡百分比（c）恰好都等於該州的人口百分比(a)，那麼這個州的新冠防控成績可以說剛好及格；如果大於人口比例，就屬於不及格的成績，越大越差；如果小於該州的人口百分比，則是好成績，越小越好。 為了方便比較各州成績，將（b）除以（a）=累計感染得分，（c）除以（a）=累計死亡得分，都是數值越高越不好，數值越小越好。
按照以上這個方法計算每個州的總分，就可以將50個州和華府進行一個排名： 
 （筆者根據CNN和霍普金斯大學數據分析製作）
從以上的數據分析可以看到： 雖然目前德州的累計病例數字(1,202,804)是全美國最高的，但是根據以上的百分比計算，其累計感染分數是9.3%/8.7%=1.07，累計死亡分數是8.2%/8.7%=0.94，總分=1.07+0.94=2.01，這恰好是非常接近及格（2.0）的分數，迄今為止排名28。 第一名（總分最高，即是防控最差）是北達科他州，它的感染百分比0.59%和死亡百分比0.34%，高於其人口百分比0.23%，因此感染分數2.58，死亡分數1.49，總分4.07。其感染概率是每10萬人10,031，全美國最高，死亡概率是每10萬人118，全美排第8. 第二名是南達科他州，它的感染百分比0.59%和死亡百分比0.32%，其人口百分比0.27%，因此感染分數2.22，死亡分數1.21，總分3.42。其感染概率是每10萬人8,607，全美第二，死亡概率是每10萬人96，全美個排第10。 第三名是新澤西州，它的感染百分比2.50%和死亡百分比6.43%，其人口百分比2.68%，因此感染分數0.93，死亡分數2.40，總分3.33。它的感染概率是每10萬人是3,629，全美第32，死亡概率是每10萬191，全美個排第1。 第四名是紐約州，它的感染百分比4.82%和死亡百分比13.08%，其人口百分比5.87%，因此感染分數0.82，死亡分數2.23，總分3.05。它的感染概率是每10萬人是3，188，全美第37，死亡概率是每10萬是177，全美個排第2。 接下來的前十名（即是迄今為止疫情最嚴重的）是：路易斯安那第5，密西西比第6，羅德島第7，愛荷華第8，麻州第9，伊利諾第10。 倒數10名（即是迄今為止疫情最輕的）是：加州第42，佛吉里亞州第43，阿拉斯加第44，西佛吉里亞第45，華盛頓州第46，新罕布什爾第47，俄勒岡第48，夏威夷第49，緬因第50，佛蒙特第51。 注意：所有以上的排名都是動態的，會隨着將來每天的新增數據得出的百分比而更新。
新冠防控成績:藍州與紅州，孰優孰劣？ 在2020大選過程中，筆者看到有不少人說，新冠疫情最嚴重的都是藍州，以此作為反對民主黨的理由。那麼，且讓我們根據2020大選的結果，來比較一下藍州和紅州的新冠防控團體成績。 在迄今為止疫情最嚴重的十個州裡面，有五個藍州五個紅州。值得注意的是，五個藍州中4個東海岸1個大湖區，都是人口密度高（第2，3，4，9，14）和流動性非常大的經濟商業發達地區。而五個紅州的人口密度遠遠低於藍州（第28，35，38，48，49），人口流動性比較低。另外，首例確診的日期，藍州也比五個紅州要早得多。 在迄今為止疫情最輕的十個州裡面，只有阿拉斯加（44）和西佛吉里亞（45）是紅州，其餘8個是藍州。值得注意的是，阿拉斯加的人口密度是全美最低的（51）而且它的第一病例發生在3月12日，西佛吉里亞人口密度全美第31，第一病例發生在3月17日。相比之下，藍州的人口密度都遠遠高於阿拉斯加，5個高於西佛吉里亞。經常被某些人詬病的加州，排名第42，其人口密度全美第13，首例1月26日，排名第46的華盛頓州首例1月21日（也是全美首例），其人口密度24。因此加上首例時間和人口密度的因素，顯然加州和華盛頓州在防控疫情上比阿拉斯加和西佛吉里亞都做得更好。 將25個藍州及華府和25個紅州，分別匯總分析，就可以得到以下對比： 藍州總分47.6，疫情防控平均排名28.6，人口密度的平均排名20.5； 紅州總分54.1，疫情防控平均排名23.5，人口密度的平均排名33.6； 注意1：紅州的疫情平均排名高於藍州5個位置，就意味着疫情防控成績比藍州越差； 目前有14個州，累計感染率達到了每10萬人口至少5000人感染，其中只有伊利諾伊州，威斯康星州和明尼蘇達州三個藍州都有高密度的大都會，另外11個紅州中大多數州人口密度非常低。 注意2：人口密度越高，例如紐約芝加哥洛杉磯等大都會，就意味着防控難度越大；藍州的人口密度平均排名比紅州高13個位置，意味着藍州防控新冠的難度比紅州大很多；但是迄今為止藍州新冠防控的評價排名還比紅州低5個位置，就說明藍州防控成績比要遠遠優於紅州； 注意3：筆者沒有花時間逐一查找每個州的首例日期，但是大概而言，藍州基本上兩個海岸和大湖區等經濟發達地區，流動性大，因此首例日期一般比紅州早很多。這意味着，紅州有更多的時間來觀察藍州（如紐約新澤西）在第一高峰時期的慘痛經歷，但是事實顯示紅州沒有利用這慘痛生命代價換來的機會吸取經驗教訓。
美國新冠防控的慘痛失敗，天災還是人禍？ 回到本系列多次提到的問題，為什麼與世界上大部分國家相比，美國新冠防控成績如此慘不忍睹？類似的問題是，為什麼在美國國內的50個州和華盛頓特區，經過了十個月，整體而言紅州的防控成績為什麼比藍州明顯地差很多，儘管新冠首例發生在藍州的日期要遠遠早於紅州，藍州的平均人口密度遠遠高於紅州，藍州的人口流動性也要高於紅州。另外，由於許多東西海岸的藍州首先遭受新冠的第一波打擊，對於這一個全新病毒缺乏了解，準備不足，反應不及，因此早期的死亡率特別高，如新澤西和紐約。但是從迄今為止的感染率可以看到，這些藍州已經吸取了經驗教訓，在第一波之後一直努力不懈地有效控制。 換言之，在今年暑假之前，藍州團體成績肯定比紅州差遠了，但是隨着新冠蔓延到所有50個州，許多紅州的州長和民眾聽信特朗普的種種言論，一直沒有採取果斷防控措施和自我保護，導致新冠疫情在紅州地區日益嚴重，從而在以上的排名中後來居上，比藍州越來越差。例如，11月16日，南達科他州的一位護士在電視採訪中講述，一些新冠患者在最後時刻竟然還拒絕相信自己得了新冠。 數據是不會撒謊的。在如此慘重的大量數據面前，如果依然不承認事實，不相信科學，還將戴口罩，保持距離等等這些CDC頒布的基本安全提示進行黨派政治化，那麼無異於“見了棺材也不流淚”。 筆者在前文（10月9日）曾經預言按照當時趨勢，“到2021年1月20日特朗普任期結束的那一天，美國累計新冠感染人數將達到1218萬，新冠死亡人數將近30萬。”可嘆的是，現在累計感染病例已經接近1300萬，死亡人數超過26萬。因此目前最新預測是：按照目前每天10萬新增，每天1000新增死亡，還有54天才到特朗普下台，那麼就是540萬新增病例，累計1840萬病例，54000新增死亡，累計死亡超過31萬。 如此巨大的非正常死亡人數，這不僅在美國歷史上，而且在絕大部分國家都是前所未有的。如果美國目前還在執政的川普內閣，一部分州政府以及一部分公眾還是不反省，不聽從CDC的安全指導，還是僅僅指望疫苗，那麼這個2020-2021冬季將會是非常漫長和恐怖。 這到底是天災還是人禍？ 參考來源： https://www.cnn.com/interactive/2020/health/coronavirus-us-maps-and-cases/ https://coronavirus.jhu.edu/map.html https://gov.alaska.gov/newsroom/2020/03/12/first-case-of-covid-19-confirmed-by-alaska-state-public-health-laboratory-is-an-international-resident/#:~:text=March%2012%2C%202020%20(,Anchorage%20on%20March%2011. https://en.wikipedia.org/wiki/COVID-19_pandemic_in_California https://www.youtube.com/watch?v=WicsWfTm1ZI
|
