2f:T546,**Trditev je v kontekstu, kjer 'starejši covidni pacienti' pomeni starejše od 65 let, neresnična**: po starosti je delež sprejetih v EIT (enota za intenzivno terapijo) glede na vse hospitalizirane SARI paciente v obdobju od 2.8. do 7.11. naslednji: ${ episari_age_sumInterval.map(a => { return html``; }) }

starost	h	eit	eit/h	smrt	smrt/h
${a.age}	${a.hosp}	${a.icu}	${d3.format('.2p')(a.icu/a.hosp)}	${a.deceased}	${d3.format('.2p')(a.deceased/a.hosp)}

Za starejše od 65 let imamo v EPISARI podatkih tri starostne skupine, za katere lahko razberemo različne deleže sprejetih v intenzivno terapijo: - 65-74 let: 31% — podobno, kot v starostni skupini 55-64 let - 74-84 let: 17% — približno polovico manj, kot pri mlajših skupinah - 85 let: 2.8% — **samo za starejše od 85 let lahko iz podatkov res zaključimo, da se skoraj nihče ne zdravi na EIZ** Skupaj so v tem obdobju pacienti, **starejši od 65 let, predstavljali ${d3.format(".2p")((236 + 117 + 12)/(3+17+59+127+188+236+117+12))} vseh pacientov v EIT**. op.: Pravilen izraz za ta tip zdravljenja je 'intenzivna terapija' in ne 'nega', ki pomeni nekaj drugega30:T1056,Njihova interpretacija ni podprta s številskimi argumenti, ampak samo predstavi mehanizem, s katerim bi lahko prišlo do razlike v deležu cepljenih oseb med EIT in navadnimi oddelki, ne da bi privzeli različno učinkovitost cepiva proti hospitalizaciji oz. potrebi po intenzivni terapiji. Izjava ima kar nekaj težav: **V kolikor bi se starejše paciente sprejemalo na enote intenzivne nege enako, kot se sprejema mlajše paciente...** Članek uvede hipotetičen scenarij, ki je v osnovi nerealen - odločitev o tem, ali bo nek pacient zdravljen na oddelku za intenzivno terapijo ali ne je strokovna odločitev zdravnika in je odvisna predvsem od zdravstvenega stanja posameznika, ne od neke arbitrarne starostne meje, kot si predstavlja avtor izjave. Kot pojasnjujejo zdravniki, je pri starejših COVID pacienti, ki se kljub težkemu poteku ne zdravijo v EIT, njihovo splošno zdravstveno stanje preslabo oz. so preveč krhki, zato bi intenzivno zdravljenje naredilo telesu več škode kot koristi - intenzivno zdravljenje bi pri takih pacientih povečalo tveganje za smrt. Uvajanje hipotetičnega scenarija za podkrepitev statističnega argumenta brez natančnejšega pojasnila, zakaj je tak scenarij uporaben in predvsem kako je bil v izračunu oz. izpeljavi upoštevan, je zavajanje. **... razmerje med cepljenimi in necepljenimi ...** Razmerje med cepljenimi in necepljenimi je, v kakršnemkoli vzorcu populacije, močno odvisno od starostne strukture populacije, na kateri to razmerje izračunamo, saj so med starostnimi skupinami zelo velike razlike v precepljenosti. **Zato je to razmerje zelo slab pokazatelj učinkovitosti cepljenja, če hkrati ni upoštevan statistični kontekst, t.j. število oz. delež cepljenih v celotni populaciji.** V tem smislu ima članek prav, ko pravi, da je vladna objava zavajajoča, ampak hkrati sam ponuja enako zavajajočo interpretacijo, ki delež cepljenih v bolnišnicah direktno interpretira kot da je cepivo pri starejši populaciji (ne)učinkovito. **...na intenzivni negi podobno, kot je na navadnih oddelkih.** Res je, da se delež necepljenih viša, če iz statističnega vzorca izločimo najbolj precepljene starostne skupine, težko pa na pamet sklepamo, ali bo rezultat podoben ali ne. Poleg tega je potrebno upoštevati, da se starostna struktura med navadnimi in EIT oddelki razlikuje tudi sicer - delež pacientov, ki so sprejeti v EIT ni nižji samo pri starejših od 75 let, ampak tudi pri mlajših od 55 let. Te starostne skupine so precepljene manj od najstarejših, zato njihova izločitev iz statističnega vzorca zniža delež necepljenih v EIT. Kateri od obeh učinkov bi v hipotetičnem scenariju prevladal, je nemogoče napovedati samo z razmislekom in logičnim sklepanjem. V članku je omenjen tudi Simpsonov obrat - pojav, pri katerem statistično povprečenje preko več podskupin lahko zaradi razlik med skupinami povzroči zavajajoč izračun učinka neke spremenljivke (v tem primeru statusa cepljenja), ki je bistveno drugačen od rezultata, ki bi ga dobili, če bi ta učinek analizirali ločeno za vsako skupino znotraj celotne populacije. Ta pojav je resničen in [smo o njem že pisali tudi na Sledilniku](https://medium.com/sledilnik/ko-u%C4%8Dinkovita-cepiva-naletijo-na-statisti%C4%8Dni-paradoks-4fd9c154086e), a kljub temu ga avtor v članku upošteva selektivno. Če bi bil na te anomalije pozoren pri vseh svojih izjavah in zaključkih, potem bi moral uvideti, da je njegova izjava "80% polno cepljenih covidnih bolnikov najdemo med najbolj precepljeno populacijo, ki bi jih morala cepiva ravno pred tem ščititi" zavajajoča, saj je ravno velika precepljenost te populacije v kombinaciji z velikim splošnim tveganjem za hospitalizacijo razlog, da je ta delež tako visok. (op.: Simpsonov obrat lahko lepo vidimo pri analizi incidence SARI hospitalizacij, v zvezku '[EPISARI podatki](https://observablehq.com/@mkadunc/episari-podatki#cell-1852)' - tako učinkovitost cepiva kot faktor zaščite se bistveno povečata, če starostne skupine obravnavamo ločeno.)31:T617,{ const pred_sh_vax = sari_in_data.slice(-1)[0][0].icu_sim_vax_share; const pred_sh_unvax = 1 - pred_sh_vax; const pred_cn = pred_sh_vax/pred_sh_unvax; const data = d3.range(0,pred_sh_vax,0.01).map(sh_vax => { const sh_unvax = 1 - sh_vax; const cn = sh_vax/sh_unvax; return { delez_c_ICU: sh_vax, ucinkovitost_c: 1 - cn/pred_cn, faktor: pred_cn/cn }; }); return md` ### Kako je ocena faktorja zaščite odvisna od deleža cepljenih v EIT (Uporabljena je ocena, da bi brez učinkovitega cepljenja v EIT sprejeti cepljeni predstavljali ${d3.format(".2p")(pred_sh_vax)}) ${Plot.plot({ grid: true, x: { label: "% cep. v EIT", tickFormat: ".2p" }, y: { label: "Cp:Np/C:N", domain: [0, 20], tickFormat: "1m" }, marks: [ Plot.ruleY([0,1]), Plot.line(data.slice(1), {x: "delez_c_ICU", y:"faktor", strokeWidth: 2, stroke: clr_cep.icu}) ] })}
### Kako je ocena učinkovitosti cepiva odvisna od deleža cepljenih v EIT (Uporabljena je ocena, da bi brez učinkovitega cepljenja v EIT sprejeti cepljeni predstavljali ${d3.format(".2p")(pred_sh_vax)}) ${Plot.plot({ grid: true, x: { label: "% cep. v EIT", tickFormat: ".2p" }, y: { label: "1 - C:N/Cp:Np", domain: [0, 1], tickFormat: "1m" }, marks: [ Plot.ruleY([0,1]), Plot.line(data.slice(1), {x: "delez_c_ICU", y:"ucinkovitost_c", strokeWidth: 2, stroke: clr_cep.icu}) ] })} ` }32:T474,html`

Hospitalizirani, EIT in umrli pacienti, po starosti

${ (() => { //return JSON.stringify(data.slice(-1)[0]); return Plot.plot({ grid: true, height: 2*width, width: width, x: { label: null }, y: { label: "število pacientov [log]", type: "log", tickFormat: "s", domain: [0.5, 200] }, facet: { data: episari_age_data, y: "age", marginRight: 60 }, marks: [ Plot.line(episari_age_data, {x: "date_to", y:"hosp", strokeWidth: 2, stroke: clr_hos.hos}), Plot.dot(episari_age_data, {x: "date_to", y:"hosp", strokeWidth: 0, fill: clr_hos.hos}), Plot.line(episari_age_data, {x: "date_to", y:"icu", strokeWidth: 2, stroke: clr_hos.icu}), Plot.dot(episari_age_data, {x: "date_to", y:"icu", strokeWidth: 0, fill: clr_hos.icu}), Plot.dot(episari_age_data, {x: "date_to", y:"deceased", strokeWidth: 0, fill: clr_hos.deceased}), ] }) })() }`33:T40a,html`

Delež EIT in umrlih pacientov glede na sprejete, po starosti

${ (() => { //return JSON.stringify(data.slice(-1)[0]); return Plot.plot({ grid: true, height: 2*width, width: width, x: { label: null }, y: { label: "delež glede na sprejete", tickFormat: "p", domain: [0, 1] }, facet: { data: episari_age_data, y: "age", marginRight: 60 }, marks: [ Plot.dot(episari_age_data, {x: "date_to", y:"share_icu_hosp", strokeWidth: 0, fill: clr_hos.icu}), Plot.line(episari_age_data, {x: "date_to", y:"share_icu_hosp", strokeWidth: 2, stroke: clr_hos.icu}), Plot.dot(episari_age_data, {x: "date_to", y:"share_deceased_hosp", strokeWidth: 0, fill: clr_hos.deceased}), Plot.line(episari_age_data, {x: "date_to", y:"share_deceased_hosp", strokeWidth: 2, stroke: clr_hos.deceased}), ] }) })() }`34:[] 2d:{"title":"Oštro odgovor 2021-11-19","cells":[{"id":0,"value":"# Oštro odgovor 2021-11-19","pinned":false,"hidden":false,"mode":"md"},{"id":8,"value":"> Na portalu neodvisnimediji.si so 12. novembra v prispevku trdili, da podatki NIJZ in MZ o covid-19 hospitalizacijah zavajajo, saj da **covid-19 bolniki, starejši od 65 let, predstavljajo 80% primerov hospitalizacij polno cepljenih covid-19 bolnikov**,","pinned":false,"hidden":false,"mode":"md"},{"id":27,"value":"{\n const data = episari_weekly_csv.filter(a => a[\"episari.covid.in.vacc.age.65+\"]).map(a => ({\n date_to: a[\"episari.date.to\"],\n vacc65: a[\"episari.covid.in.vacc.age.65+\"],\n vaccAll: a[\"episari.covid.in.vacc\"],\n vacc65Share: a[\"episari.covid.in.vacc.age.65+\"]/a[\"episari.covid.in.vacc\"]\n }));\n\n const img = Plot.plot({\n grid: true,\n height: 200,\n x: {\n label: null\n },\n y: {\n label: \"C_65 / C_vsi\",\n type: \"linear\",\n tickFormat: \"p\",\n domain: [0.5,1]\n },\n marks: [\n Plot.ruleY([0,1]),\n Plot.line(data, {x: \"date_to\", y:\"vacc65Share\", strokeWidth: 2, stroke: clr_cep.all})\n ]\n })\n \n return html`Delež starejših med vsemi cepljenimi sprejetimi SARI ${img}`;\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":152,"value":"**Trditev drži** - približno 80% v bolnišnice sprejetih cepljenih SARI pacientov predstavljajo starejši od 65 let.","pinned":false,"hidden":false,"mode":"md"},{"id":159,"value":"> teh pa se domnevno ne zdravi na enotah za intenzivno nego. Zapisali so: *“Uradni podatki razkrivajo, da bolnišnice starejših covidnih pacientov ne zdravijo na EIZ\"*","pinned":false,"hidden":false,"mode":"md"},{"id":177,"value":"$2f","pinned":false,"hidden":false,"mode":"md"},{"id":168,"value":"> , saj jih večina umre na navadnih oddelkih.","pinned":false,"hidden":false,"mode":"md"},{"id":242,"value":"Podatke o tem, na katerem oddelku umrejo pacienti sicer imamo v zbirni obliki na Sledilniku (iz podatkov MZ, npr. v tabeli [patients.csv](https://github.com/sledilnik/data/blob/master/csv/patients.csv) polja `state.deceased.hospital`, `state.deceased.hospital.icu`, `state.deceased.care`, oz. [na grafu \"Umrli\" na spletni strani](https://covid-19.sledilnik.org/embed.html#/sl/chart/Deceased)), vendar pa ta informacija ne obstaja v obliki, kjer bi bila razvidna tudi starost umrlih oz. kjer bi lahko za specifično starostno skupino izračunali, kolikšen delež smrti je nastopil na katerem oddelku. EPISARI podatkovni niz prav tako ne razlikuje med smrtmi na navadnem ali EIT oddelku.","pinned":false,"hidden":false,"mode":"md"},{"id":273,"value":"V obdobju od 2.8. do 7.11. je glede na kraj smrti umrlo naslednje število oseb:\n- v domu starejših občanov: ${patients_deceased_all.deceased_home}\n- na navadnem oddelku: ${patients_deceased_all.deceased_acute}\n- v EIT: ${patients_deceased_all.deceased_icu}\n- skupaj: ${patients_deceased_all.deceased}\n\nNa navadnih oddelkih torej umre ${d3.format(\".2p\")(patients_deceased_all.deceased_acute/patients_deceased_all.deceased_hosp)} vseh bolnikov, zato **je v splošnem res, da večina smrti nastopi na navadnih oddelkih**, zelo verjetno pa je tudi, da je delež smrti na navadnih oddelkih večji pri starostnih skupinah od 65 let naprej (pri nizkem deležu sprejetih v EIT in visokem skupnem številu smrti je kljub pomanjkanju točnih podatkov tak sklep statistično smiselen).","pinned":false,"hidden":false,"mode":"md"},{"id":477,"value":"# O hipotetičnem scenariju","pinned":false,"hidden":false,"mode":"md"},{"id":307,"value":">Trdili so: *\"V kolikor bi se starejše paciente sprejemalo na enote intenzivne nege enako, kot se sprejema mlajše paciente, bi bilo razmerje med cepljenimi in necepljenimi na intenzivni negi podobno, kot je na navadnih oddelkih. Po zadnjih podatkih hospitalizacij je to cca. 40% polno cepljenih.\"*

\nAli drži njihova interpretacija podatkov iz sistema Episari? Zakaj?\n","pinned":false,"hidden":false,"mode":"md"},{"id":319,"value":"$30","pinned":false,"hidden":false,"mode":"md"},{"id":453,"value":"chart_hos_inc_factor","pinned":false,"hidden":false,"mode":"ojs"},{"id":474,"value":"md`# O razmerjih C:N in učinkovitosti cepiva`","pinned":false,"hidden":false,"mode":"ojs"},{"id":315,"value":">\nKakšno razmerje med cepljenimi in necepljenimi kažejo podatki o hospitalizacijah na navadnih oddelkih in na enotah za intenzivno nego?\n","pinned":false,"hidden":false,"mode":"md"},{"id":335,"value":"{\n const both_data = sari_in_data.map(d => d[0]).slice(-1)[0];\n const data_0_64 = sari_in_data.map(d => d.length>1 ? d[1] : d[0]).slice(-1)[0];\n const data_65plus = sari_in_data.map(d => d.length>1 ? d[2] : d[0]).slice(-1)[0];\n\n const fd = d3.format(\".2m\");\n\n function one_row(dta) {\n return html`C:N = 1:${fd(dta.hos_in_notvaxed/dta.hos_in_vaxed)} (pričakovano: 1:${fd(dta.hos_in_sim_unvax/dta.hos_in_sim_vax)}, faktor zaščite: ${fd(dta.protection_factor)})`;\n }\n \n // return both_data;\n return md`\n${chart_hos_vax_share_age}\nRazmerje med cepljenimi in necepljenimi med vsemi sprejetimi hospitaliziranimi SARI (na navadnih in intenzivnih oddelkih skupaj), \nv obdobju od ${to_iso(both_data.date_from)} do ${to_iso(both_data.date_to)}:\n- vsi pacienti: ${one_row(both_data)}\n- mlajši od 65 let: ${one_row(data_0_64)}\n- starejši od 65 let: ${one_row(data_65plus)}\n`\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":447,"value":"chart_hos_vax_factor_age","pinned":false,"hidden":false,"mode":"ojs"},{"id":422,"value":"text_hos_factor_all","pinned":false,"hidden":false,"mode":"ojs"},{"id":424,"value":"text_hos_factor_age","pinned":false,"hidden":false,"mode":"ojs"},{"id":409,"value":"{\n const both_data = sari_in_data.map(d => d[0]).slice(-1)[0];\n \n const fd = d3.format(\".2m\");\n\n function one_row(dta) {\n const vaxshare = dta.icu_vax_share;\n const vaxNCRatio = (1-vaxshare)/(vaxshare);\n const simShare = dta.icu_sim_vax_share;\n const simNCRatio = (1-simShare)/(simShare);\n return html`C:N = 1:${fd(vaxNCRatio)} (pričakovano: 1:${fd(simNCRatio)}, faktor zaščite: ${fd(dta.icu_protection_factor)})`;\n }\n \n // return both_data;\n return md`\n${chart_icu_vax_share}\nRazmerje med cepljenimi in necepljenimi med vsemi SARI sprejetini na intenzivne oddelke\nv obdobju od ${to_iso(both_data.date_from)} do ${to_iso(both_data.date_to)}:\n- vsi pacienti: ${one_row(both_data)}\n`\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":432,"value":"text_icu_factor","pinned":false,"hidden":false,"mode":"ojs"},{"id":458,"value":"chart_icu_hos_vax_factor","pinned":false,"hidden":false,"mode":"ojs"},{"id":463,"value":"# Povzetek","pinned":false,"hidden":false,"mode":"md"},{"id":482,"value":"md`\nIz zgornjih grafov in izračunov lahko ocenimo, da za skupine s starostno strukturo, ki bi bila podobna tisti med pacienti v bolnišnicah oz. na EIT, velja:\n- cepljenje 6 do 8-krat zmanjša verjetnost za hospitalizacijo pri posamezniku\n- v starostni skupini mlajših od 65 let je ocenjeni faktor zaščite pred hospitalizacijo nekoliko višji (septembra je bil ocenjeni faktor 14 do 20, konec oktobra in v začetku novembra 7 do 9)\n- faktor zaščite pred zdravljenjem v EIT za vso populacijo niha, a je v splošnem nekoliko višji kot faktor zaščite pred hospitalizacijo oz. podoben faktorju zaščite pred hospitalizacijo za mlajše od 65 let\n`","pinned":false,"hidden":false,"mode":"ojs"},{"id":468,"value":"# Dodatek","pinned":false,"hidden":false,"mode":"md"},{"id":554,"value":"$31","pinned":false,"hidden":false,"mode":"ojs"},{"id":62,"value":"$32","pinned":false,"hidden":false,"mode":"ojs"},{"id":136,"value":"$33","pinned":false,"hidden":false,"mode":"ojs"},{"id":18,"value":"## Podatki","pinned":false,"hidden":false,"mode":"md"},{"id":332,"value":"import {chart_hos_inc_factor,text_hos_factor_all,text_hos_factor_age,text_icu_factor,sari_in_data,chart_icu_hos_vax_factor,chart_icu_vax_factor, chart_icu_vax_share, chart_hos_vax_factor_age, chart_hos_vax_share_age} from \"@mkadunc/episari-podatki\"","pinned":false,"hidden":false,"mode":"ojs"},{"id":24,"value":"import {patients_csv,age_population, episari_weekly_csv, style} from \"@mkadunc/sledilnik-data\"","pinned":false,"hidden":false,"mode":"ojs"},{"id":260,"value":"patients_deceased_all = {\n const arr = patients_csv.filter(d => to_iso(d.date) >= '2021-08-02' && to_iso(d.date) <= '2021-11-07');\n const ret = {};\n ret.deceased_hosp = d3.sum(arr, d=>d[\"state.deceased.hospital\"]);\n ret.deceased_acute = d3.sum(arr, d=>d[\"state.deceased.hospital\"] - d[\"state.deceased.hospital.icu\"]);\n ret.deceased_icu = d3.sum(arr, d=>d[\"state.deceased.hospital.icu\"]);\n ret.deceased_care = d3.sum(arr, d=>d[\"state.deceased.care\"]);\n ret.deceased_home = d3.sum(arr, d=>d[\"state.deceased.home\"]);\n ret.deceased = d3.sum(arr, d=>d[\"state.deceased\"]);\n return ret;\n} ","pinned":false,"hidden":false,"mode":"ojs"},{"id":251,"value":"episari_age_sumall = {\n const arr = episari_age_sumInterval;\n const ret = {};\n ret.date_from = d3.min(arr.map(d => d.date_from));\n ret.date_to = d3.max(arr.map(d => d.date_to));\n ret.hosp = d3.sum(arr.map(d => d.hosp));\n ret.hosp1wk = d3.sum(arr.map(d => d.hosp1wk));\n ret.hosp2wk = d3.sum(arr.map(d => d.hosp2wk));\n ret.icu = d3.sum(arr.map(d => d.icu));\n ret.icu1wk = d3.sum(arr.map(d => d.icu1wk));\n ret.deceased = d3.sum(arr.map(d => d.deceased));\n\n return ret;\n};","pinned":false,"hidden":false,"mode":"ojs"},{"id":187,"value":"episari_age_sumInterval = d3.groups(episari_age_data.filter(a => to_iso(a.date_from) >= '2021-08-02'), d => d.age).map(pair => {\n const arr = pair[1];\n const ret = {};\n ret.date_from = d3.min(arr.map(d => d.date_from));\n ret.date_to = d3.max(arr.map(d => d.date_to));\n ret.age = pair[0];\n ret.hosp = d3.sum(arr.map(d => d.hosp));\n ret.hosp1wk = d3.sum(arr.map(d => d.hosp1wk));\n ret.hosp2wk = d3.sum(arr.map(d => d.hosp2wk));\n ret.icu = d3.sum(arr.map(d => d.icu));\n ret.icu1wk = d3.sum(arr.map(d => d.icu1wk));\n ret.deceased = d3.sum(arr.map(d => d.deceased));\n return ret;\n});","pinned":false,"hidden":false,"mode":"ojs"},{"id":122,"value":"episari_age_data = {\n const data = [];\n episari_weekly_csv.filter(a => a[\"episari.covid.in.vacc.age.65+\"]).forEach((a, a_idx, a_arr) => {\n const a1wk = a_idx >= 1 ? a_arr[a_idx - 1] : null;\n const a2wk = a_idx >= 2 ? a_arr[a_idx - 2] : null;\n \n episari_ages.forEach(age => {\n data.push({\n date_from: a[\"episari.date.from\"],\n date_to: a[\"episari.date.to\"],\n age: age.id,\n hosp: a[\"episari.covid.in.age.\"+age.id],\n hosp1wk: a1wk ? a1wk[\"episari.covid.in.age.\"+age.id] : NaN,\n hosp2wk: a2wk ? a2wk[\"episari.covid.in.age.\"+age.id] : NaN,\n icu: a[\"episari.covid.icu.in.age.\"+age.id],\n icu1wk: a1wk ? a1wk[\"episari.covid.icu.in.age.\"+age.id] : NaN,\n deceased: a[\"episari.covid.deceased.age.\"+age.id] \n });\n })\n \n });\n data.forEach(a => {\n a.share_icu_hosp = a.icu / a.hosp;\n a.share_deceased_hosp = a.deceased / a.hosp1wk\n });\n return data;\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":45,"value":"clr_cep = ({ all: \"rgb(205, 130, 40)\", lt : \"#189A73\", gt: \"#B01C83\"})","pinned":false,"hidden":false,"mode":"ojs"},{"id":111,"value":"clr_hos = ({\n hos: 'rgb(190, 122, 42)',\n icu: 'rgb(251, 106, 74)',\n deceased: 'rgb(109, 91, 128)'\n})","pinned":false,"hidden":false,"mode":"ojs"},{"id":74,"value":"episari_ages = {\n const obj = [];\n for (const prop in age_population) {\n if (prop != \"population\") {\n obj.push(age_population[prop]);\n }\n }\n return obj;\n};","pinned":false,"hidden":false,"mode":"ojs"},{"id":191,"value":"function to_iso(d) {\n return d3.timeFormat('%Y-%m-%d')(d)\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":51,"value":"style","pinned":false,"hidden":false,"mode":"ojs"}],"files":"$W34","stdlib":"1","titling":"auto"}