Data COVID-19 Bukan Hanya Sekadar Angka

Menurut Dr. Ellie Murray, Penolong Profesor Epidemiologi di Boston University School of Public Health, mengapa data mengenai COVID-19 dan pandemik lain begitu rumit, dan apa yang perlu kita fahami sebelum kita mula menganalisisnya.

`1. Data kes tidak semudah diperkatakan`

Data harian yang dilaporkan, kata Murray, biasanya merupakan kes yang disahkan. “Kes yang disahkan adalah seseorang yang menunjukkan positif ujian COVID-19. Berikut adalah kes-kes yang kami cukup yakin,” katanya. Kami juga melihat data mengenai kadar kemasukan ke hospital disebabkan COVID-19, yang biasanya mewakili subset kes di mana gejala paling parah. Data kemasukan ke hospital kebanyakannya merangkumi kes yang disahkan. Walau bagaimanapun, beberapa kes yang disyaki kes COVID-19 juga diambilkira kerana ujian masih sangat terhad. Itulah yang menjadikan data kes begitu rumit. Oleh itu, apabila anda melihat data kes pada COVID-19, kata Murray, ketahuilah bahawa kita hanya melihat apa yang mungkin sebahagian daripada jumlah kes di luar sana.

`2. Kadar kematian adalah tidak tepat sehingga data kes lengkap diperolehi`

Pengiraan kadar kematian kes adalah sangat rumit kerana beberapa sebab. “Secara ringkas, ia dilihat seperti hanya mengambil jumlah kematian dan dibahagikan dengan jumlah kes,” kata Murray. Tetapi seperti yang telah dinyatakan, apa yang kita maksudkan dengan kes-kes tidak selalunya jelas - itu hanya boleh disahkan kes. “Kami tidak mengetahui kesahihan angka-angka ini” katanya. Sehingga kita mempunyai data kes yang lebih berkualiti, kadar kematian kes, sekurang-kurangnya anggaran oleh ahli epidemiologi yang dapat menjelaskan kerumitan pengiraannya.

`3. Konteks geo-politik menghadapi komplikasi berlainan`

Merujuk kepada penularan pandemik, sesetengah negara menggunakan data untuk membuat kesimpulan dan analisis terperinci. Kebanyakan negara mempunyai masalah berbeza dari segi konsistensi bagi merancang cara pengumpulan data, akses dan kualiti perawatan, hingga dan ujian saringan COVID-19 sendiri. “Penting untuk diingat bahawa kebanyakan negara menggunakan ujian mereka sendiri, dan setiap ujian mempunyai kepekaan dan pengkhususannya tersendiri,” kata Murray. Ini bermakna bahawa ujian yang berbeza berdasarkan kemampuan tersendiri untuk menentukan adakah seseorang itu benar-benar dijangkiti virus. Perincian faktor demografi, taburan usia populasi negara sehingga perbandingan data kes antara negara adalah amat diperlukan.

`4. Model pengiraan dan ramalan penyakit tidak jelas`

Dalam kes COVID-19, sebaiknya jangan terlalu mempercayai model. “Model hanya sebaik andaian yang kita masukkan ke dalamnya,” kata Murray. “Ini hanyalah cara lain untuk mempamerkan apa yang diketahui dalam pengetahuan kita sekarang.”

`5. Letakkan keraguan anda setiap kali membaca carta COVID-19`

Memandangkan diketahui bahawa sangat kompleksnya data pada COVID-19, ada beberapa perkara yang dapat anda perhatikan ketika melihat data atau dashboard. Model dan grafik yang paling jelas, adalah paparan akan memberitahu kita: Ini adalah kes yang dilaporkan dari negara tertentu, atau ini adalah jumlah pesakit sedang dirawat, dan ini jangka waktu laporan.

Sekiranya maklumat itu tiada, sila elakkan sebagai rujukan. “Perkara lain yang perlu ada di setiap carta adalah proses pengiraan data dan dipaparkan. Dan yang terakhir, kita perlu bertanya pada diri sendiri:

“Adakah ada sebarang keraguaan data dipaparkan? Adakah penyampaian carta ditunjukkan adalah benar dan boleh dipercayai kesahihan maklumatnya? “ Murray berkata.

Lima pertimbangan ini perlu diberi perhatian oleh semua pengguna data. Sekiranya bercadang untuk menganalisis dan mempamerkan data kes itu sendiri, pertimbangan ini mampu memberi gambaran ringkas untuk memahami nuansa data dengan lebih baik.

Rujukan: