Eräässä äskettäin opiskella julkaistu julkaisussa The Lancet TartuntatauditWatson ym. käyttivät matemaattista mallinnusta arvioidakseen, että COVID-19-massarokotteet pelastivat 14–20 miljoonan ihmisen hengen maailmanlaajuisesti COVID-19-rokotuksen ensimmäisen vuoden aikana. ohjelmaAiemmat Brownstone-artikkelit kirjoittanut Horst ja Raman ovat jo huomauttaneet tutkimuksessa useista virheellisistä oletuksista infektiosta ja rokotteesta johtuvan immuniteetin kestosta sekä siitä, ettei siinä otettu huomioon rokotteen haittavaikutuksia ja kokonaiskuolleisuusriskiä.
Tässä tiivistän, miten kirjoittajat päätyivät arvioihinsa massarokotusten avulla vältetyistä kuolemista. Sitten selitän, miten mallin virheelliset oletukset voivat johtaa huomattavasti liioiteltuihin arvioihin vältetyistä kuolemista, mikä voi selittää tutkimuksen epävakaan validiteetin ja sisäisen johdonmukaisuuden.
Tutkimuksessa käytetään COVID-19-tartunnan, -infektion ja -kuolleisuuden dynamiikan generatiivista mallia, joka sisältää 20–25 valittuun kirjallisuuteen perustuvaa oletettua parametria (esim. rokotteen teho tartuntaa, infektiota ja kuolemaa vastaan, kunkin maan ikäjakaumat, ikäryhmittäin jaoteltu infektiokuolleisuus jne.). Mallia on sovitettu raportoituihin ylimääräisiin kuolemiin, jotta voidaan päätellä (mutta ei validoida) viruksen tarttuvuutta ajan kuluessa 185 maassa.
Tutkimuksessa verrataan vuoden 2021 todellisia ylimääräisiä kuolemia simulaatioihin (kontrafaktuaalisiin skenaarioihin), joiden on tarkoitus ennustaa ylimääräisten kuolemien kehitystä kussakin maassa, jos rokotteita ei olisi otettu käyttöön (eli suorittamalla useita simulaatioita yllä olevista sovitetuista malleista rokotteiden vaikutusten poistamisen jälkeen). Näiden kontrafaktuaalisten käyrien ja todellisten ylimääräisten kuolemien välinen ero johtaa rokotusten ansiosta vältettyjen kuolemien arvioituun määrään.
Kirjoittajien mallit eivät näytä selittävän viruksen tarttuvuuden tai kuolleisuuden kehitystä muuten kuin mallintamalla eksplisiittisesti Delta-variantin aiheuttaman infektioon liittyvien sairaalahoitojaksojen määrän kasvua (katso liitteen kohta 1.2.3 Huolenaiheelliset variantit). Kontrafaktuaalisten simulaatioiden ensisijainen oletus on, että liialliset kuolemantapaukset selittyvät viruksen "luonnollisella" kehityksellä, joka heijastuu sen ajassa vaihtelevassa tarttuvuudessa, jota voidaan vain päätellä (sovittaa), mutta ei validoida.
Jos mallit olettavat parametreja, jotka yliarvioivat tai väärin arvioivat rokotteen tehon tartuntaa, infektioita ja kuolemia vastaan sekä rokotesuojan keston, samalla kun ne jättävät huomiotta muut pandemiaan liittyvät liikakuolemat, tämä johtaa ajassa vaihtelevan viruksen tarttuvuuden yli- tai väärinarviointiin, jotta saavutettaisiin hyvä yhteensopivuus kunkin maan liikakuolemakäyrien kanssa. Tämä puolestaan paisuttaisi keinotekoisesti arvioituja ylimääräisiä kuolemia, kun rokotusten vaikutukset poistetaan vaihtoehtoisista simulaatioista. Käsittelemme näitä seikkoja tarkemmin jäljempänä.
Watsonin ym. mallit perustuvat epärealistisiin oletuksiin rokotteesta johtuvasta immuniteetista
Ei ole selvää, ottavatko kirjoittajat malleissaan huomioon rokotteen tehon heikkenemisen, ja näyttää siltä, että kaikki heidän mallinsa olettivat rokotteen suojan olevan vakio koko vuoden tutkimusjakson ajan, vaikka tutkimukset ovat osoittaneet, että se on jossain 3–6 kuukauden välilläHeidän mainitsemansa malli, Hogan ym. 2021, olettaa oletuksena "pitkäaikaisen" (eli yli vuoden) rokotussuojan (ks. taulukko 1). Hogan ym. 2021).
Lisäksi käytännössä jokainen rokotteen tehoa tai vaikuttavuutta koskeva tutkimus joko sulkee pois tai niputtaa oireelliset tapaukset 21 päivän sisällä ensimmäisestä annoksesta tai 1 päivän sisällä toisesta annoksesta rokottamattomien vertailuryhmien kanssa. Tämä on ongelmallista, kun otetaan huomioon todisteet siitä, että COVID-tarttuvuus voi kasvaa lähes kolminkertaistui ensimmäisen viikon aikana injektion jälkeen (ks. Kuvio 1 tutkimuksen kommenttiosiossamme). Tämä viittaa siihen, että raportoidut rokotteen tehokkuusarviot, jotka perustuvat yli 6 viikkoa injektion jälkeen havaittuihin alhaisempiin tapausmääriin, voidaan (ainakin osittain) selittää sillä, infektio-, ei rokotteen, aiheuttama immuniteetti, joka johtuu COVID-19-tarttuvuuden lyhytaikaisesta lisääntymisestä välittömästi rokotuksen jälkeen.
Vaikka Watsonin ym. mallit sisältävät rokotuksen ja suojan alkamisen välisen latenssiajan, ne eivät ota huomioon rokotteen aiheuttaman tarttuvuuden ja tarttuvuuden mahdollista lisääntymistä tänä aikana. Tämän vaikutuksen huomiotta jättäminen malleissa yliarvioisi luonnollisesti kehittyvän ja ajassa vaihtelevan viruksen tarttuvuuden ja siten paisuttaisi ylimääräisiä kuolemia kontrafaktuaalisissa simulaatioissa, jotka sulkevat pois rokotusvaikutukset.
Lopuksi kirjoittajat tutkivat infektioperäisen immuniteetin immuunipuolustuksen välttämisen vaikutusta tekemällä herkkyysanalyysin arvioidakseen rokotuksilla vältettyjä kuolemia eri immuunipuolustuksen välttämisprosenteilla, jotka vaihtelivat 0 prosentista 80 prosenttiin (katso alkuperäisen artikkelin lisäkuva 4). Näissä malleissa kirjoittajat tekevät selväksi, että he olettavat rokotussuojan olevan vakio (ei-heikkenevä), mikä on epärealistinen oletus (katso yllä oleva kappale). Kirjoittajat eivät kuitenkaan näytä tekevän samanlaista herkkyysanalyysia rokotteesta johtuvan immuniteetin immuunipuolustuksesta, mikä on tärkeää edellisessä kappaleessa esitetyn seikan vuoksi.
Mallit jättävät huomiotta muiden tekijöiden kuin COVID-19:n aiheuttamat ylimääräiset kuolemat
Sovitetut mallit ja niiden vastakkaiset tilanteet olettavat, että kunkin maan ylimääräiset kuolemat selittyvät Yksin luonnollisesti kehittyvän COVID-19-viruksen ja sen (sovitetun mallin avulla päätellyn) ajassa vaihtelevan tarttuvuuden aiheuttamat ylimääräiset kuolemat. Mallit eivät pyri ottamaan huomioon muiden pandemiaan liittyvien tekijöiden, kuten itse rokotteiden tai muiden ei-lääkkeellisten pakollisten toimenpiteiden, aiheuttamia ylimääräisiä kuolemia. CDC raportoi rokotteen aiheuttaman kuoleman kokonaisriskiksi 0.0026 %. annosta kohti perustuu rokotteiden haittavaikutusten raportointijärjestelmään eli VAERS-järjestelmään. VAERS on passiivinen raportointijärjestelmä, ja se voi tallentaa vain ~1 % kaikista rokotteeseen liittyvistä sivuvaikutuksista.
Uudemmat riippumattomat todisteet, jotka käyttävät VAERS ja uskottavat oletukset aliraportointitekijästäs ja julkisesti saatavilla olevien rokotus- ja kokonaiskuolleisuustietojen ekologinen regressio viittaavat siihen, että VAERS saattaa tallentaa vain noin 5 % kaikista rokotteiden aiheuttamista kuolemista. Lisäksi mallit eivät ota huomioon muiden tekijöiden, kuten sulkutilan aiheuttamien, aiheuttamia ylimääräisiä kuolemia. "epätoivon kuolemia."
Jättämällä malleissaan huomiotta muut mahdolliset pandemiaan liittyvien liikakuolemien lähteet, sovitetut mallit yliarvioivat ja/tai väärin arvioivat luonnollisen, ajassa vaihtelevan viruksen tarttuvuuden vaikutukset saavuttaakseen hyvän mallisovituksen raportoituihin liikakuolemiin, mikä puolestaan johtaisi paisuteltuihin liikakuolemien määriin kontrafaktuaalisissa simulaatioissa.
Kasvojen pätevyyden puute
Kirjoittajien maakohtaisten arvioiden mukaan Yhdysvalloissa vältettiin 1.9 miljoonaa kuolemaa olettaen 61 %:n rokotuskattavuuden (ks. alkuperäisen tutkimuksen lisätaulukko 3). Pandemian ensimmäisenä vuonna, kun rokotteita ei ollut saatavilla (2020), oli 351,039 XNUMX COVID-kuolemaa YhdysvalloissaKirjoittajien mallit siis viittaavat siihen, että 1.9 miljoonaa / 350 5.5 = ~2021 kertaa niin paljon COVID-kuolemia Yhdysvalloissa olisi tapahtunut vuonna 2020 (vs. XNUMX), jos rokotteita ei olisi otettu käyttöön (ks. Kuvio 2 tutkimuksen kommenttiosiossamme). Tämä on erittäin epätodennäköistä, koska on hyvin vähän syytä uskoa, että virus olisi luonnollisesti kehittynyt paljon tarttuvammaksi ja ja tappava.
Kirjoittajat viittaavat korkeampaan tarttuvuuteen vuonna 2021 kansanterveystoimenpiteiden ja -rajoitusten (sulkutoimet, matkustusrajoitukset, maskien käyttöpakko jne.) lieventämisen ja/tai poistamisen vuoksi. Oletus, että tämä voisi selittää yli viisinkertaisen COVID-kuolemien määrän kasvun vuonna 5, on kuitenkin ristiriidassa >400 tutkimusta jotka ovat tulleet siihen tulokseen, että näistä toimenpiteistä oli vain vähän tai ei lainkaan kansanterveydellisiä hyötyjä COVID-19-tapausten vähentämisessä.
Lisäksi vuonna 2021 (rokotusten käyttöönoton jälkeen) oli 474,890 XNUMX COVID-kuolemaa YhdysvalloissaTämä on noin 35 % enemmän kuin vuonna 2021, mikä viittaa raa'aan näyttöön siitä, että massarokotuksilla huonontunut COVID-tulokset kokonaisuudessaan, yhdenmukaisia havaintojen kanssa lisääntyneestä tarttuvuudesta ennen rokotussuojan voimaantuloa (ks. edellä oleva ensimmäinen kohta) ja huoli COVID-19-taudin pahenemisesta rokotteiden aiheuttama prekliinisten tutkimusten perusteella.
Yhteenveto
Vaikka generatiiviset mallit ovat usein hyödyllinen työkalu sellaisten skenaarioiden simulointiin, jotka eivät ole tapahtuneet, epätarkat oletukset malliparametreista voivat helposti johtaa mallin virheelliseen spesifikaatioon. Watsonin ym. (2022) tapauksessa ne voivat johtaa kontrafaktuaalisiin simulaatioihin, jotka paisuttavat huomattavasti arvioita massarokotusten avulla vältetyistä kuolemista.
Koska tällainen monimutkainen mallinnus voi olla liian herkkä syöttöparametreille, altis ylisovitukselle ja antaa tuloksia, joita on vaikea, ellei mahdotonta, validoida, sitä ei pitäisi käyttää kansanterveyspolitiikan ja -ohjeiden tiedottamiseen. Kvantitatiiviset riski-hyötysuhteen analyysit, jotka käyttävät Kliinisessä tutkimuksessa or reaalimaailman tiedot vertailla tiettyjen tulosten riskejä, kuten kaikista syistä johtuva kuolleisuus or myoperikardiitti rokotuksen ja koronavirustartunnan jälkeen, ovat tässä suhteessa paljon informatiivisempia ja hyödyllisempiä.
Huomautus: Olen julkaissut tästä artikkelista version, joka sisältää kuvia ja lähdeluettelon, osoitteessa ResearchGateja twiittasi kommentin tutkimuksen alkuperäisille kirjoittajille toivoen vastausta ja vastaväitteitä. Olen myös lähettänyt lyhennetyn version artikkelista 250 sanan kirjeenä The Lancet Tartuntataudit ja odotan heidän vastaustaan. Kirjoittaja kiittää Hervé Seligmannia hyödyllisistä kommenteista ja palautteesta artikkeliin.
Tulla mukaan keskusteluun:
Julkaistu nimellä Creative Commons Attribution 4.0 - kansainvälinen lisenssi
Uusintapainoksia varten aseta kanoninen linkki takaisin alkuperäiseen. Brownstonen instituutti Artikkeli ja kirjoittaja.
