Erik Ganesh Iyer Søegaard, Zhanna Kan Om forfatterne

Kommentarer

(5)
Ley Muller
Om forfatteren

Hei, spennende artikkel - takk. Jeg har et par spørsmål fra et statistisk perspektiv, og som innvandrer selv (på forhånd, beklager språkfeil).
1) Hvor mange smittetilfeller var det i disse bydelene? (Altså ikke per 100 000 innbyggere, men faktisk antall. Jeg lette etter N men kunne ikke finne det).
2) Hva med "model fit" av deres justerte analyse?
3) Har dere testet for multicollinearity? Figur 1A og Figur 1C viser en tett sammenheng mellom innvandrerandel og den avhengige variabelen, og mellom husstandstetthet og den avhengige variabelen. Har dere sørget for at disse to uavhengige variablene ikke er korrelert med hverandre?
4) Appendix 1 var fint, takk. Men det peker på at dere har målt både "confounders", "mediators", og "moderators", og satt alt i en regresjonsanalyse. Appendix 1 viser at dere tenker at innvandrerandel påvirker både sosioøkonomisk status og husstandstetthett - i så fall skal man også ta hensyn til innvandrerandelens unike påvirkning på disse to andre uavhengige variablene.

Fernando Boix
Om forfatteren

Som den forrige kommentaren til artikkelen peker på, finner man en høy korrelasjon mellom de variablene som har vært brukt som prediktorvariabler. Dette innebærer en betydelig multikollinearitet (graden av lineær sammenheng mellom flere forklaringsvariabler i en multippel regresjonsmodell). Multikollinearitet er et godt kjent problem i lineær regresjonsanalyse. Multikollinearitet kan øke variansen til koeffisientestimatene og påvirke den statistiske signifikans av uavhengige variabler (1).
Koeffisientestimatene blir da ustabile og følsomme for mindre endringer i modellen. Dette innebærer at valg av egnede prediktorer basert på deres statistiske signifikans blir problematisk og kan føre til falske konklusjoner.

Under diskusjonen, drøfter forfatterne mulige svakheter med studien, men ikke multikollinearitet. Dersom problemer med multikollinearitet ikke har blitt riktig adressert er ikke konklusjonene som trekkes pålitelige nok. Da må man være forsiktig med anbefalinger til bruk i helsepolitikkøyemed.

Litteratur:
1) The problem of multicollinearity. In: Understanding Regression Analysis. Springer, Boston, MA. (1997) https://doi.org/10.1007/978-0-585-25657-3_37).

Halvor Langeland
Om forfatteren

Takk for en spennende artikkel som forsøker å belyse viktige elementer i håndtering av smittsomme sykdommer, her covid. I denne sammenheng er det riktig å også ta med «politisk ukorrekte» variabler om de ansees som viktige for å slå ned smitten. Mange forklaringsvariabler korrelerer, men å ta med ekstremt sterkt (rho>0.9) korrelerte variabler i en multivariabel regresjonsanalyse gir store utfordringer med tolkningen.
Personlig tror jeg det hadde blitt bedre å utelatt innvandrer i den multivariable regresjonsanalysen og heller kommentert etterpå at innvandrer i Oslo er sterkt korrelert med både å være trangbodd og ha lav sosioøkonomisk status, og derfor forklarer hvorfor de er utsatte som gruppe.
Jeg er litt overrasket over at fagfellevurderingen ikke har kommenterte dette?
Det er spesielt viktig å være nøye når man kommer til konklusjoner som kan være potensielt stigmatiserende.

Erik Ganesh Iyer Søegaard, Zhanna Kan
Om forfatterne

Takk for mange tilbakemeldinger gjennom Tidsskriftet og andre kanaler. Et hyppig forekommende spørsmål har vært test for multikollinearitet. Under fagfellevurdering og manuskriptbearbeiding ble også eksterne statistikere konsultert.

Cut-off for toleranse for multikollinearitet var satt til <0,1. Innvandrerandel, husstandstetthet og sosioøkonomisk status var i grenseland (0.1-0.2). Imidlertid hadde ingen av dimensjonene varianseandeler over 0,9 i kollinearitetsdiagnostikken. Vi endte med å beholde regresjonsanalysen med forbehold og nyansering av tolkningene som er tatt inn. Vi ønsker igjen å understreke at vår undersøkelse er preliminær og at den bør etterfølges med mer avanserte analyser, helst på individnivå.

På spørsmålet om kulturelle faktorer kan ha betydning for smitte, er det også andre kilder som peker i denne retningen. FHI skriver at «forskjellene vi observerer i bekreftet smitte forklares i liten grad av» forskjellige sosioøkonomiske faktorer (1). Boforhold er riktignok ikke med i disse analysene. Den samme rapporten viser også stor forskjell mellom hvert fødeland i Norge. Grupper med omtrent samme sosioøkonomisk situasjon varierer betydelig seg imellom i smitteforekomst.

Det kan være at norsk og nordisk kultur skiller seg spesielt ut. Sørover i Europa ser det ut til at forskjellene blir mindre og mindre, og i Italia har utenlandsfødte bare omtrent halvparten av smitteratene som etniske italienere (2). Atferd som er dypt iboende, ubevisst og automatisert fra barndommen som for eksempel naturlig nærhet til andre, gjestfrihet og kontakt, kollektivisme og inkludering, familiebånd og tro, kan være vanskelig å endre for en hel gruppe over tid. Slike elementer ved en kultur kan være risikofaktorer for smitte uavhengig av smitteverntiltak og vilje til å etterleve disse.

Vi ønsker ikke å stigmatisere eller utsette noen gruppe for usaklig forskjellsbehandling. Det er likevel mye som tyder på at tiltakene ikke fungerer godt nok for alle. Det kan hende at en annen vaksineprioritering kunne ført til mindre smitte totalt. Ved hovedsakelig lokalisert smitte har WHO tidligere anbefalt å prioritere disse områdene for vaksinering (3).

Litteratur:

1)
Indseth T, Godøy A, Kjøllesdal M et al. Covid-19 etter fødeland fra mars 2020 til februar 2021. Oslo: Folkehelseinstituttet, 2021. https://www.fhi.no/publ/2021/covid-19-etter-fodeland-fra-mars-2020-til-f... Hentet 1.4.2021

2)
Scarpetta S, Dumont JC, Liebig T. What is the impact of the COVID-19 pandemic on immigrants and their children? Paris: OECD, 2020. http://www.oecd.org/coronavirus/policy-responses/what-is-the-impact-of-t... Hentet 1.4.2021

3)
World Health Organization. Roadmap for prioritizing population groups for vaccines against COVID-19. An Approach to Inform Planning and Subsequent Recommendations Based Upon Epidemiologic Setting and Vaccine Supply Scenarios. Genève: WHO, 2020. https://www.who.int/immunization/sage/meetings/2020/october/Session03_Ro... Hentet 4.4.2021

Ashley Elizabeth Muller, Erika Gubrium, Jørgen Dahlberg, Ariana Guilherme Fernandes
Om forfatterne

Denne artikkelen er et illustrerende eksempel på at innvandrere blir beskyldt for smittespredning av Covid-19, noe som dels forankres i en bred (og stigmatiserende) oppfatning av spesifikke etniske grupper.

Vi retter søkelyset særlig på tre problematiske forhold:

1) Forfatterne velger å «predikere» infeksjonsrater i bydeler i Oslo gjennom å analysere offentlig tilgjengelig data på tre høyst kollineære variabler som ble samlet inn under samme periode (innvandrerandel, sosioøkonomisk status og husstandstetthet).  Dette uten a) å starte med en hypotese, b) en analyseplan som viste at de ikke «fisket» for statistiske signifikante variabler, c) å rapportere N underveis, eller d) å rapportere om disse variablene ble samlet på de samme individene i det hele tatt.

Gjennom å ta med tre tett koblede variabler i samme regresjon måler forfatterne i prinsippet det samme forholdet flere ganger.  Det er i slike tilfeller ikke mulig å skille hva som henger tettest sammen med den avhengige variabelen. Den klassiske risikoen for slik multikollineæritet er at noen variabler feilaktig fremstår som ikke statistisk signifikante i analysen, mens andre fremstår signifikante. I dette tilfellet virker det som at to av variablene (sosioøkonomisk status og husstandstetthet) ikke er statistisk signifikante og at det kun er innvandrerandel som er signifikant. Til tross for at de anerkjenner at de har brukt høyt korrelerte variabler velger forfatterne likevel å rapportere at innvandrerdel alene korrelerer med smitte, og at lav sosioøkonomisk status og husstandstetthet ikke gjør det. I den mest velvillige fortolkningen viser forfatternes bivariate analyser uheldige, men ikke overraskende, sammenhenger mellom smitte og tre like indikatorer av byområder med levekårsutfordringer: innvandrerandel, sosioøkonomisk status og husstandstetthet.

2) Forfatterne kobler disse mangelfulle resultatene til stigmatiserende anførsler ved å knytte etnisitet og kultur til det som åpenbart blir oppfattet å være et negativt forhold i dagens samfunn, nemlig smittespredning. De foreslår at den økte infeksjonen kan være forårsaket av «kulturell/etnisk bakgrunn», «andre normer for fysisk og sosial nærhet» og «systematiske misforståelser om smitte og smittebegrensede tiltak». Uten hold i data anfører forfatterne på denne måten at bydeler i Oslo med høy innvandrerandel er infiserte fordi innvandrere ikke forstår betydningen av hygiene eller sosial distansering fordi de er etniske og kulturelt forskjellige. Påstanden er således åpenbart diskriminerende.

3) Forfatterne avslutter artikkelen med å skrive at de «enkelt og raskt har funnet sammenhenger som kan være nyttige for bl.a. helsemyndighetene». Det vil si at man heller bør fokusere på innvandrerandelen for å redusere smitte, fremfor på andre underliggende faktorer slik som sosioøkonomisk status eller husstandstetthet. Her ligger det mest problematiske med studien: det er ikke utenkelig at dette blir brukt av politiker. Men norske helsemyndigheter trenger forskning som er transparent, bruker hensiktsmessige metoder og som ikke faller for fristelsen å bruke stigmatiserende forklaringer som ikke har hold i datagrunnlaget.  

Vi synes det er overraskende at denne artikkelen slapp gjennom til publisering.