Buongiorno,
Vent'anni fa, il mondo si trovò ad affrontare una pandemia virale chiamata pandemia di Covid (allora Covid-19), che colpì principalmente gli anziani e fu ingigantita. Il virus fu creato in laboratorio nell'ambito di una folle e pericolosa ricerca sul guadagno di funzione.
Molti di voi erano troppo giovani per ricordare i dettagli, ma un evento significativo fu lo sviluppo di un vaccino a mRNA, ora chiamato terapia genica. Non solo fu sviluppato rapidamente, ma fu anche testato altrettanto rapidamente e si affermò che fosse altamente efficace contro la mortalità da Covid, sulla base di quelli che allora venivano chiamati "studi nel mondo reale". Non esistevano studi randomizzati con un endpoint di mortalità.
Come sappiamo oggi, la nuova terapia genica era tutt'altro che altamente efficace. Gli "studi nel mondo reale" erano coorti osservazionali piene di pregiudizi, e l'efficacia era temporanea e, nella migliore delle ipotesi, mediocre. Se molte vite furono salvate da quelle iniezioni, lo furono in modelli ipotetici. non presente nelle statistiche sulla mortalità.
Vent'anni dopo stiamo ancora studiando le conseguenze a lungo termine in termini di morbilità e mortalità delle nanoparticelle lipidiche disseminate (i trasportatori di mRNA), della proteina spike tossica autoprodotta e delle proteine aberranti in vari tessuti, dei livelli elevati di anticorpi IgG4 dopo iniezioni ripetute e dell'integrazione di frammenti di DNA estranei nel genoma.
Oggi esamineremo il primo studio che hanno riportato un'efficacia contro i decessi da Covid pari all'84%, o al 72%, o al 62%, o al 44% — dopo la prima iniezione — e hanno imparato alcune lezioni.
Basato sui dati della più grande organizzazione sanitaria in Israele, l'articolo è stato inviato e pubblicato online nel febbraio 2021, solo due mesi dopo l'inizio della campagna vaccinale.
Prima lezione: Dovresti sempre ignorare il nome della rivista, i nomi degli autori e la dicitura "peer-reviewed". Nessuno dei due è un indicatore di risultati validi. I bias negli studi osservazionali sono difficili da individuare e rimuovere, e all'epoca pochi ricercatori ne comprendevano l'importanza. il fenomeno dei vaccinati sani (un tipo di bias di confondimento) e classificazione errata differenziale della causa della morte (un tipo di distorsione informativa). Entrambi sono oggi di dominio pubblico tra gli epidemiologi, grazie ai dati pubblicati gradualmente sui decessi non dovuti al Covid in base allo stato vaccinale e alle revisioni dei certificati di morte di quel periodo confrontati con le cartelle cliniche ospedaliere collegate.
Seconda lezione: Non fidatevi mai di uno studio che mostra stime di efficacia contro la mortalità che vanno dal 44% (intervallo di confidenza inferiore al 95%: -36%) all'84% (intervallo di confidenza superiore al 95%: 100%), entro un follow-up massimo di circa un mese. L'inferenza è eccessivamente sensibile alle decisioni analitiche e il motivo tipico è la scarsità di dati.
Sono stati segnalati solo 41 decessi per Covid nella coorte più ampia (circa 600,000 coppie abbinate), o 59 in un'altra analisi, e molti di questi non erano decessi per Covid, come vedremo più avanti. Che altri endpoint fossero comuni non ha importanza. Nessun endpoint può sostituire il decesso.
Probabilmente sarete sorpresi che gli autori abbiano stimato l'efficacia sulla base di un numero così esiguo di decessi, incidendo così sulle politiche di sanità pubblica per miliardi di persone. Una cosa del genere era inaudita prima della pandemia di Covid ed è inaudita anche oggi. Ma è necessario comprendere la mentalità degli autori nel contesto di quel periodo. Eccellenti ricercatori e i media mainstream erano fortemente influenzati da qualsiasi cosa che amplificasse sia l'importanza della pandemia che l'effetto di un nuovo vaccino. Era accettabile pubblicare risultati favorevoli partendo da dati scarsi.
Terza lezione: Quando si è sopraffatti da numeri, modelli, tabelle, grafici, materiale supplementare e decisioni analitiche complesse, è bene verificare cosa si ottiene con un semplice calcolo. Non sto dicendo che un'analisi "grezza" non possa essere fuorviante, ma a volte potrebbe risultare sufficientemente informativa. Ciò che faremo ora è una semplice analisi dei dati sulla mortalità.
Innanzitutto, vorrei ricordarvi che qualsiasi inferenza causale si basa su ipotesi, alcune delle quali banali (ad esempio, l'integrità dei file di dati); altre più complesse. La domanda è questa: sulla base di ipotesi ragionevoli, i dati sono compatibili con un'efficacia quasi nulla contro la mortalità, piuttosto che con un'efficacia compresa tra il 44% e l'84%?
La risposta è "sì".
Farò due ipotesi:
1. Nessun decesso da Covid avrebbe potuto essere evitato nelle prime due settimane di somministrazione, quindi qualsiasi beneficio osservato della prima dose prima del 14° giorno è completamente spiegato da un bias.
2. I bias avvenuti nelle prime due settimane hanno continuato a manifestarsi anche nei successivi intervalli di follow-up.
Gli autori hanno accettato la prima ipotesi. Le loro stime di efficacia nelle analisi principali hanno escluso i primi 13 giorni di follow-up. Hanno scritto:
“Il periodo immediatamente successivo alla prima dose, quando l'immunità si sta gradualmente sviluppando, è stato escluso dalle analisi principali perché si prevede che il rapporto di rischio sarà vicino a 1 durante questo periodo.”
Sono stati presentati due grafici sulla mortalità cumulativa da Covid: uno nell'articolo principale (a sinistra); un altro in un'appendice supplementare (a destra). Sotto ciascun grafico, ho calcolato il rapporto di rischio di morte in tre intervalli consecutivi di due settimane.
Tralasciando il primo intervallo, l'efficacia del vaccino (uno meno il rapporto di rischio) varia dal 44% al 76%, in linea con l'intervallo di stime riportato dagli autori (dal 44% all'84%). In questo caso, una semplice analisi dei dati sparsi concorda ampiamente con analisi più sofisticate. È stato un risultato soddisfacente.
A differenza degli autori, tuttavia, non ho scartato i dati delle prime due settimane come "un temporaneo aumento degli eventi tra i non vaccinati", il che non era altro che un pio desiderio. Piuttosto, ho dato per scontato che i pregiudizi che erano all'opera in quel periodo non fossero miracolosamente scomparsi.
Qualunque fossero, la loro entità collettiva può essere stimata dal fattore di distorsione, ovvero il moltiplicatore che ripristina l'effetto nullo atteso (rapporto di rischio = 1) nelle prime due settimane. Era 3 (tabella a sinistra) o 2.3 (tabella a destra).
Come si può vedere sopra, l'applicazione della correzione del fattore di bias alle stime del rapporto di rischio nei successivi intervalli di due settimane ha eliminato il pseudo-beneficio di iniziare il protocollo vaccinale a due dosi. Osserviamo una tipica dispersione casuale attorno a un parametro quasi nullo: 0.72, 1, 1.2, 1.3. E se correggiamo le stime degli autori per un fattore di bias di 3, otteniamo la seguente dispersione: 0.48, 0.84, 1.1, 1.7.
Quali pregiudizi erano in causa e quali prove abbiamo per dedurre la loro persistente esistenza?
Ce n'erano almeno due: l'errata classificazione della causa del decesso e il fenomeno dei vaccinati sani.
In generale, l'errata classificazione significa che alcuni decessi per Covid sono stati erroneamente classificati come decessi non-Covid, e alcuni decessi non-Covid sono stati erroneamente classificati come decessi per Covid. Ci concentreremo su quest'ultimo caso, che è stato molto più comune.
All'epoca, era naturale e finanziariamente vantaggioso attribuire i decessi al Covid, correttamente o meno. In Israele, ad esempio, la metà dei decessi per Covid segnalati è avvenuta durante la campagna vaccinale. non ha contribuito all'eccesso di mortalità, il che significa che quelle persone sarebbero morte indipendentemente dal loro test PCR positivo. Non sono morte di Covid e un vaccino contro il Covid non avrebbe potuto salvarle.
Ne consegue che circa 20 dei 41 decessi nello studio (ovvero 30 su 59) non erano dovuti al Covid. In tal caso, lo studio ha stimato l'entità dei bias (lo pseudo-effetto sui decessi non dovuti al Covid) tanto quanto l'efficacia (contro i decessi dovuti al Covid)...
Che molti decessi per Covid segnalati non siano stati causati dal virus è evidente anche dalla distribuzione del tempo intercorso fino al decesso nello studio. La mediana era di soli 11 giorni dopo un test PCR positivo (figura in alto), un tempo inferiore alla distribuzione tipica dopo la comparsa dei sintomi (figura in basso) – una mediana di 19 giorni – anche se il test è stato effettuato 1-3 giorni dopo la comparsa dei sintomi. In altre parole, la distribuzione è stata spostata a sinistra, rispetto a quanto ci aspettiamo di vedere nel caso di decessi per Covid effettivi.
Perché è stato spostato? Perché molti decessi avevano altre cause. Si trattava di decessi di pazienti ricoverati in ospedale per vari motivi e risultati positivi al test PCR al momento del ricovero. Bisogna tenere presente che almeno il 50% dei contagi era asintomatico e che la campagna vaccinale ha coinciso con un'ondata invernale di Covid.
Quindi, abbiamo prove evidenti di una classificazione errata della causa di morte, ma è stata più grave. La classificazione errata era differenziale, ovvero "dipendente dallo stato vaccinale".
L'errata classificazione era differenziale perché il test PCR non veniva applicato in modo uniforme. Le persone vaccinate avevano meno probabilità di essere testate rispetto alle loro controparti non vaccinate, per due ragioni plausibili: in primo luogo, alcuni medici e alcune persone vaccinate potrebbero aver attribuito i sintomi del Covid alla "reattogenicità" – sintomi simil-Covid a seguito della vaccinazione – quindi il test PCR non è stato eseguito. In secondo luogo, e cosa più importante, si dava per scontato che la terapia genica fosse altamente efficace, quindi perché preoccuparsi di eseguire un test PCR sui vaccinati? Inoltre, tale test è stato apertamente scoraggiato.
L'errata classificazione differenziale dello stato di infezione è stata estesa ad altri endpoint, incluso il decesso. Sebbene i decessi per Covid all'epoca fossero complessivamente sovraregistrati, quelli dei vaccinati avevano meno probabilità di essere registrati rispetto a quelli dei non vaccinati. Lo so, è un po' complicato. In ogni caso, il risultato del bias nei test è ovvio: un tasso inferiore di decessi per Covid segnalati tra i vaccinati – pseudo-efficacia.
Stai chiedendo informazioni sui decessi per tutte le cause nello studio?
I dati erano a disposizione degli autori, ma non sono stati pubblicati. In realtà, i decessi non correlati al Covid sono stati sistematicamente nascosti nella maggior parte degli articoli da quel momento. La ricerca sul vaccino contro il Covid è stata fortemente influenzata, consciamente o inconsciamente. Lo so, è difficile da credere.
La classificazione errata differenziale della causa della morte si è combinata con un altro forte pregiudizio, oggi ampiamente apprezzato: il fenomeno dei vaccinati saniLe persone vaccinate erano più sane delle loro controparti non vaccinate e i metodi standard di adattamento non sono riusciti a rimuovere completamente questo pregiudizio.
All'epoca molti ricercatori liquidarono questo pregiudizio come una distorsione temporanea: le persone malate rimandavano la vaccinazione fino alla guarigione, mentre coloro che avevano un'aspettativa di vita breve non venivano vaccinati.
Questo era vero, certo, ma il fenomeno dei vaccinati sani è ampio e prolungato. Per varie ragioni psicosociali, le persone vaccinate contro l'influenza o il Covid erano più sane fin dall'inizio. Di conseguenza, avevano meno probabilità di morire di Covid. and da cause non legate al Covid, entrambe responsabili di quei 41 o 59 decessi nello studio. Il fenomeno dei vaccinati sani, unito all'errata classificazione differenziale, spiega facilmente l'"effetto" sulla mortalità. Nessuno dei due bias è scomparso dopo 13 giorni di follow-up.
A quel tempo, la classificazione errata veniva raramente menzionata, ma tutti almeno a parole facevano riferimento alla possibilità di confondere i dati con caratteristiche di salute non misurate. E c'erano altre fonti di inferenza fuorviante, di cui non parleremo oggi. Una tempesta perfetta di distorsioni era all'opera in quello studio e in innumerevoli "studi del mondo reale" successivi. In effetti, il fenomeno dei vaccinati sani era sufficiente a creare l'illusione di un'efficacia vaccino and dosi di richiamo negli anziani fragili.
Ti stai chiedendo se tutto questo sia stato rivelato o sospettato in "tempo reale"?
Sì, lo eraMa non sulle riviste biomediche o sui media mainstream. Coloro che cercavano di criticare la nuova terapia genica, per la quale era stato frettolosamente assegnato un premio Nobel, venivano definiti anti-vaccinisti. Dubitare della sicurezza delle iniezioni veniva paternalisticamente etichettato come "esitazione vaccinale". La maggior parte del mondo era il lavaggio del cervello.
Forze potenti hanno fatto deragliare il normale corso della scienza biomedica e ci sono voluti molti anni per riportarci al punto in cui siamo ora. Forse questa è la lezione più importante per voi oggi. "La scienza è assodata" è sempre una notizia falsa. Non permettete a nessuno di... censurare di nuovo uno scambio scientifico.
Vorrei concludere la lezione di oggi con una citazione illuminante di Karl Popper, un filosofo della scienza del XX secolo, con le mie aggiunte tra parentesi.
“Esistono tutti i tipi di fonti della nostra conoscenza; ma nessuno ha autorità…L’errore fondamentale commesso dalla teoria filosofica delle fonti ultime della nostra conoscenza è che non distingue abbastanza chiaramente tra le questioni di origine [ad esempio, gli analisti di dati di Harvard hanno scritto così in Il New England Journal of Medicine] e questioni di validità [Il loro studio ha effettivamente dimostrato protezione contro la morte??].”
Ripubblicato da Medio
Unisciti alla conversazione:
Pubblicato sotto a Licenza internazionale Creative Commons Attribution 4.0
Per le ristampe, reimpostare il collegamento canonico all'originale Istituto di arenaria Articolo e Autore.
