Un appello per la revisione paritaria degli articoli sui vaccini Covid

Negli anni in cui ho lavorato come redattore associato (per l'American Journal of Epidemiology ), ho visto l'intero spettro delle "revisioni tra pari": da critiche meticolose e ponderate, i cui autori avevano evidentemente investito diverse ore nel compito, a recensioni superficiali che riflettevano negligenza e incompetenza. Ho letto recensioni amichevoli da parte di ammiratori degli autori e recensioni ostili da parte dei loro detrattori (non è difficile capirlo dal tono). Nella pratica scientifica, gli esseri umani si comportano pur sempre come esseri umani.

La situazione è peggiorata durante la pandemia. Gli studi che elogiavano i vaccini contro il Covid sono stati rapidamente certificati come "sottoposti a revisione paritaria", mentre la revisione paritaria critica successiva alla pubblicazione è stata soppressa . Di conseguenza, ora disponiamo di una raccolta storica di pubblicazioni scientifiche di scarsa qualità. Non è possibile cancellarla, ma è ora di iniziare a correggere gli errori.

Le riviste biomediche non sono la piattaforma adatta. Innanzitutto, non esiste una sezione formale per la revisione paritaria aperta di articoli pubblicati molto tempo fa. In secondo luogo, i redattori non hanno alcun interesse a smascherare le falsità pubblicate nelle loro riviste. In terzo luogo, il meccanismo della censura è ancora in funzione. Finora, sono riuscito a infrangerlo solo una volta , e non è stato facile.

Quindi, come possiamo provare a correggere il record e dove?

Vorrei fare un suggerimento ai miei colleghi di epidemiologia, biostatistica e discipline metodologiche affini che hanno mantenuto vivo il loro pensiero critico durante la pandemia. Scegliete uno o più articoli sui vaccini contro il Covid e inviate la vostra revisione paritaria a Brownstone Journal . Se è interessante e ben scritta, ci sono buone probabilità che venga pubblicata. Consiglio di selezionare con cura: individuate quegli articoli sottoposti a revisione paritaria che vi hanno irritato di più, o perché erano pura assurdità o perché la conclusione corretta era sorprendentemente diversa . E se avete pubblicato brevi critiche su Twitter (ora X) o recensioni approfondite su altre piattaforme, ampliatele, rivedetele e inviatele a Brownstone. Forse potremo creare lentamente un inventario di revisioni critiche, ripristinando un po' di fiducia nel metodo scientifico e nella scienza biomedica.

Ecco un esempio.

Una revisione e una rianalisi di uno studio in Ontario, Canada

Pubblicato sul British Medical Journal nell'agosto del 2021, lo studio riportava l'efficacia dei vaccini a mRNA all'inizio del 2021, poco dopo la loro autorizzazione.

Questa ricerca era tipica degli studi sui vaccini di quel periodo. L'efficacia è stata stimata in un contesto "reale", ovvero uno studio osservazionale durante una campagna di vaccinazione. Il periodo di studio (da metà dicembre 2020 a metà aprile 2021) includeva il picco di un'ondata invernale di Covid a inizio gennaio. Discuteremo più avanti di un forte bias chiamato "confondimento da rischio di infezione di base".

Il disegno sperimentale era una variante dello studio caso-controllo, il disegno test-negativo. I soggetti idonei sono stati sottoposti a un test PCR a causa di sintomi simil-Covid. I casi sono risultati positivi; i controlli sono risultati negativi. Come di consueto, sono stati calcolati gli odds ratio e l'efficacia è stata calcolata come 1 meno l'odds ratio (espresso in percentuale). La dimensione del campione era ampia: 53,270 casi e 270,763 controlli.

Gli autori hanno riportato i seguenti risultati chiave (il corsivo è mio):

“ L’efficacia del vaccino contro l’infezione sintomatica osservata ≥14 giorni dopo una dose è stata del 60% (intervallo di confidenza al 95% dal 57% al 64%), aumentando dal 48% (dal 41% al 54%) a 14-20 giorni dopo una dose al 71% (dal 63% al 78%) a 35-41 giorni. L’efficacia del vaccino osservata ≥7 giorni dopo due dosi è stata del 91% (dall’89% al 93%). ”

Come quasi tutti gli studi sull'efficacia, gli autori hanno scartato gli eventi iniziali. Come spiegato altrove , questa pratica introduce un bias chiamato " tempo immortale" o bias della finestra di conteggio dei casi . Non solo oscura i possibili effetti dannosi precoci, ma porta anche a una sovrastima dell'efficacia. RFK Jr. ha accennato a questo bias in termini non tecnici (vedi video ).

L' approccio corretto è semplice. Dovremmo stimare l'efficacia dalla somministrazione della prima dose fino ai momenti successivi (immunità sviluppata). La tabella sottostante mostra i dati dello studio e i risultati della nuova analisi. Ogni riga mostra il calcolo dell'efficacia per il giorno indicato.

L'efficacia è risultata negativa alla fine delle prime due settimane successive alla prima dose e si è attestata intorno al 30% prima della seconda dose, non al 70%. Al momento del raggiungimento della piena immunità, ha raggiunto solo circa il 50%, non il 90%. Sebbene le mie stime non siano state corrette, la Tabella supplementare 2 ( materiale supplementare ) indica che la correzione ha modificato solo marginalmente le stime degli autori.

Tuttavia, i miei risultati sono ancora influenzati da quello che in precedenza ho definito "fattore di confondimento dovuto al rischio di infezione di base".

La figura seguente è stata tratta dal sito web di Public Health Ontario . La linea nera mostra la media mobile a 7 giorni dei nuovi casi. Ho aggiunto delle linee rosse che indicano il periodo di studio, suddiviso in due intervalli. Ho anche aggiunto delle stime del numero di persone vaccinate in ciascun intervallo.

Il primo intervallo, che comprendeva il picco dell'ondata invernale, è stato un periodo di lento avvio della campagna vaccinale. In quel periodo, la distribuzione dello stato vaccinale era sbilanciata verso i non vaccinati, il che significa che lo stato di non vaccinazione coincideva con un'alta probabilità di contrarre l'infezione . Al contrario, il tasso di infezione di base era inferiore per gran parte del secondo periodo, quando diversi milioni di persone hanno ricevuto la prima dose. Solo a metà marzo il numero di nuovi casi ha superato nuovamente la linea tratteggiata. In breve, l'associazione inversa tra vaccinazione e infezione è stata fortemente influenzata dalle tendenze temporali del rischio di infezione. Persino un'iniezione di placebo sarebbe sembrata efficace.

Non posso eliminare il bias, ed è forte. La vera efficacia, se esiste, è molto inferiore alle stime che ho calcolato dopo aver rimosso il bias temporale immortale. Che sia del 10% entro sei settimane o del 20% non fa differenza. Quello non è un vaccino.

Gli autori hanno utilizzato un altro gruppo di casi: ospedalizzazione o decesso. Questi dati sono soggetti non solo ai bias precedenti, ma anche al bias del soggetto vaccinato sano . Non posso tuttavia offrire una correzione. La maggior parte dei dati relativi ai casi è stata soppressa a causa del numero ridotto di partecipanti e il gruppo di controllo era errato. Hanno utilizzato "lo stesso gruppo di controllo della prima analisi dell'esito primario (ovvero, individui con sintomi risultati negativi al test per SARS-CoV-2)". Questa è una violazione di un principio fondamentale del disegno di studio basato sui test negativi. I controlli avrebbero dovuto essere persone ospedalizzate o decedute risultate negative al test.

La seguente frase riflette un'errata comprensione del modello di regressione utilizzato. Gli autori scrivono: "Abbiamo utilizzato modelli di regressione logistica multivariata per stimare l'odds ratio, confrontando le probabilità di vaccinazione (corsivo mio) tra casi positivi al test e controlli negativi al test (con le persone non vaccinate come gruppo di riferimento)". La variabile dipendente era lo stato caso-controllo (logaritmo delle probabilità di essere un caso). Tecnicamente, vengono confrontate le probabilità di essere un caso (rispetto a quelle di essere un controllo), non le probabilità di vaccinazione.

Stranamente, il materiale supplementare pubblicato riporta ancora l'intestazione "RISERVATO - NON DISTRIBUIRE, 5 AGOSTO 2021". Solo nell'era del Covid si può riscontrare una tale negligenza. Osserviamo qui una gestione parziale (negligente) di un documento che serviva a sostenere la narrazione.

Concluderò la mia recensione con un argomento che mi sta molto a cuore: i risultati insensati.

La figura seguente mostra le stime di efficacia, così come calcolate dagli autori. La freccia indica un risultato che non ha senso. Non ci aspettiamo alcun beneficio incrementale dalla seconda dose entro 6 giorni dall'iniezione, eppure l'efficacia è aumentata, raggiungendo quasi la stima per l'intervallo successivo (7+ ​​giorni). Se la stima per 0-6 giorni è chiaramente distorta, perché dovremmo fidarci di quella successiva?

Epilogo

Come ho scritto all'inizio, dovremmo cercare di correggere la storia. La strada è lunga, ma come dice il proverbio, "Un viaggio di mille miglia inizia con un singolo passo". Mi rivolgo in particolare ai metodologi di alto livello che erano soliti smantellare studi scadenti e criticare metodi instabili. La maggior parte di loro è rimasta in silenzio durante la pandemia, probabilmente temendo le conseguenze di mettere in discussione la narrativa "sicura ed efficace".

Cominciamo a leggere le coraggiose recensioni di studi che hanno riportato la straordinaria efficacia dei vaccini anti-Covid, poi rivelatesi false. Non mancano problemi da individuare, evidenziare e correggere, se possibile, con dati reali o simulazioni:

Se non svolgiamo questo lavoro, continueremo a leggere stime errate, basate sull'efficacia, delle vite salvate. Si trattava davvero di quasi 2.5 milioni di vite , come alcuni hanno affermato, o di un numero irrilevante nelle statistiche sulla mortalità , o forse addirittura di zero ? E otterremo mai delle risposte da studi clinici pertinenti?

Ripubblicato da Medium