ΚΟΙΝΟΠΟΙΗΣΗ | ΕΚΤΥΠΩΣΗ | ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ
Μείωσε η εισαγωγή των εμβολίων κατά της Covid τη θνησιμότητα;
A πρόσφατη εκτύπωση, με το πλέον αμφισβητήσιμο Ιατρικό Περιοδικό Νυστέρι, ισχυρίζεται ότι η εισαγωγή του εμβολίου κατά της Covid τον Δεκέμβριο του 2020 στην πραγματικότητα απέτρεψε δεκάδες εκατομμύρια θανάτους παγκοσμίως.
Φυσικά, οι ισχυρισμοί αυτοί γίνονται πρωτοσέλιδα σε όλο τον κόσμο.
Η παρούσα εργασία υποβλήθηκε από την ερευνητική ομάδα με επικεφαλής την Azra Ghani από το Imperial College του Λονδίνου. Υποστηρίχθηκε χρηματοδότηση από την Παγκόσμια Πρωτοβουλία Συμμαχίας για Εμβόλια (GAVI), το Ίδρυμα Bill and Melinda Gates, το Rhodes Trust, τον Παγκόσμιο Οργανισμό Υγείας (ΠΟΥ) και άλλους. Η Δρ. Ghani εργάζεται ως σύμβουλος για την HSBC, την GlaxoSmithKline και τον ΠΟΥ και, όπως και οι άλλοι συνάδελφοί της στο Imperial College, είναι υπέρμαχος του lockdown/του πανικού και υπέρ των εμβολίων για περισσότερα από δύο χρόνια.
Αυτό και μόνο το υπόβαθρο είναι αρκετό για να ρίξω υποψίες για οτιδήποτε περιλαμβάνεται σε αυτή την εργασία. Θέλω όμως να εξετάσω το περιεχόμενο της εργασίας.
Καταρχάς, όπως υποδηλώνει ξεκάθαρα ο τίτλος, επρόκειτο για μια μελέτη «Μαθηματικής Μοντελοποίησης». Σε επιστημονικούς όρους, οι μελέτες μαθηματικής μοντελοποίησης αντιπροσωπεύουν το ισοδύναμο ενός άρθρου «άποψης». Ο λόγος είναι ότι για να κατανοήσετε το αποτέλεσμα, πρέπει να κατανοήσετε όχι μόνο τα δεδομένα εισόδου αλλά και τους αλγόριθμους. Και, όπως έχουμε δει ξεκάθαρα από το 2020, τα μαθηματικά μοντέλα τείνουν να είναι ΛΑΘΟΣ. Είναι απλώς εργαλεία.
Λοιπόν, τι δεν πάει καλά με αυτό το άρθρο; Δεν χρειάζεται καν να γνωρίζω τους αλγόριθμους επειδή τα δεδομένα εισόδου είναι κακά!
- Πρόβλεψη θνησιμότητας
Το πιο κραυγαλέο χαρακτηριστικό είναι ότι είναι σχεδόν αδύνατο να προβλεφθεί η θνησιμότητα (μελλοντική ή παρελθούσα), ειδικά με τους κοινούς αναπνευστικούς ιούς. Μπορούμε να προβλέψουμε ότι ένα ορισμένο ποσοστό ηλικιωμένων (άνω των 75 ετών) με αρκετές συννοσηρότητες είναι πιθανό να υποκύψουν σε έναν αναπνευστικό ιό όπως η Covid, αλλά δεν μπορούμε να προβλέψουμε ποιος και πότε. Μερικοί άνθρωποι που φαίνονται βασικοί υποψήφιοι για θνησιμότητα μπορεί να επιβιώσουν, ενώ άλλοι που φαίνονται υγιείς μπορεί να υποκύψουν.
Ακόμα κι έτσι, η πρόβλεψη της θνησιμότητας από την Covid βασίστηκε σε πραγματικά δεδομένα, όχι σε μοντελοποίηση. Τα μαθηματικά μοντέλα που έχουν παρουσιαστεί από το Imperial College ήταν πάντα εντελώς ΛΑΘΟΣ.
Ακόμα και με πιο καθιερωμένες ασθένειες όπως ο καρκίνος, η πρόβλεψη της θνησιμότητας μπορεί να είναι δύσκολη. Γι' αυτό δίνονται εκτιμήσεις για την επιβίωση με βάση το στάδιο της διάγνωσης και τις θεραπείες, αλλά είναι μόνο εκτιμήσεις. Σε καμία περίπτωση δεν δηλώνει κανένας επαγγελματίας υγείας ότι με τη χρήση ακτινοθεραπείας σώζουμε Χ αριθμό ζωών κάθε χρόνο από καρκίνο.
Θα μπορούσα επίσης να γράψω ένα πρόγραμμα που προβλέπει τη θνησιμότητα με βάση το στυλ παπουτσιού που φοράει ένα άτομο ή το είδος του αυτοκινήτου που οδηγεί. Για παράδειγμα, οι νεότεροι άνθρωποι μπορεί να είναι πιο πιθανό να φορούν ένα συγκεκριμένο στυλ αθλητικών παπουτσιών και επειδή οι νεότεροι άνθρωποι είναι λιγότερο πιθανό να πεθάνουν από Covid, θα μπορούσα να υπολογίσω ότι η χρήση αυτού του είδους αθλητικών παπουτσιών σώζει ζωές.
Το να σώζεις ζωές είναι σχεδόν πάντα ένα εσφαλμένο επιχείρημα.
2. Αγνοώντας Άλλους Παράγοντες
- Φυσική Ανοσία
Μέχρι την εισαγωγή των εμβολίων τον Δεκέμβριο του 2020, ένα πολύ μεγάλο ποσοστό του κόσμου είχε ήδη προσβληθεί από την Covid. Γνωρίζουμε από μελέτες οροεπιπολασμού ότι ο αρχικός ιός κυκλοφορούσε τουλάχιστον από τα μέσα του 2019. Γνωρίζουμε επίσης ότι η φυσική ανοσία έχει αποδειχθεί ισχυρότερη από οποιαδήποτε βραχυπρόθεσμη ανοσία που προκαλείται από εμβόλιο. Έτσι, ένα πολύ μεγάλο ποσοστό του πληθυσμού είχε ήδη μια ανώτερη μορφή ανοσίας που λειτουργούσε γι' αυτό, τη Φυσική Ανοσία.
Β. Σφαγή ασθενειών
Μέχρι την εισαγωγή των εμβολίων τον Δεκέμβριο του 2020, τα πιο ευάλωτα άτομα σε σοβαρές ασθένειες και θάνατο είχαν ήδη υποκύψει στην ασθένεια. Οι ηλικιωμένοι που μολύνθηκαν και επέζησαν κατά τη διάρκεια του 2020 είχαν πλέον φυσική ανοσία που λειτουργούσε γι' αυτούς. Όπως συμβαίνει με κάθε ετήσια επιδημία μολυσματικής νόσου, έχουμε χρόνια υψηλής θνησιμότητας που ακολουθούνται από χρόνια μικρότερης σοβαρότητας απλώς και μόνο επειδή τα πιο ευάλωτα άτομα υποκύπτουν νωρίς ενώ άλλα συνεχίζουν.
Γ. Ευαισθησία πληθυσμού
Το παραπάνω άρθρο αγνοεί εντελώς την τεράστια διακύμανση στην ευαισθησία θνησιμότητας στον πληθυσμό. Οι νεότεροι άνθρωποι είχαν πολύ χαμηλή θνησιμότητα από λοιμώξεις τα τελευταία δύο χρόνια. Τα μαθηματικά μοντέλα υποθέτουν το ίδιο επίπεδο ευαισθησίας θνησιμότητας σε όλους τους πληθυσμούς. Γνωρίζουμε ότι αυτή η υπόθεση είναι εσφαλμένη και αναιρεί πλήρως οποιοδήποτε από τα «μοντέλα» τους.
Δ. Μείωση της σοβαρότητας της νόσου με παραλλαγές
Μέχρι την κυκλοφορία των εμβολίων τον Δεκέμβριο του 2020, είχαν αρχίσει να εμφανίζονται οι επόμενες παραλλαγές («Δέλτα»). Η φυσική εξελικτική πορεία των ιών είναι προς τη μείωση της θνησιμότητας. Η αυξημένη μεταδοτικότητα είναι σίγουρα πιθανή, καθώς αυτοί τείνουν προς τους ιούς που επιβιώνουν.
Προσθέστε αυτό στο γεγονός ότι τα εμβόλια σχεδιάστηκαν μόνο για να αντιμετωπίσουν (εν μέρει σε αυτό) την αρχική πηγή του ιού της Covid, και έχετε το εμβόλιο να μην μπαίνει καν στην εξίσωση.
Ε. Βελτιώσεις στις θεραπείες
Μέχρι την εισαγωγή των εμβολίων τον Δεκέμβριο του 2020, οι γιατροί σε όλο τον κόσμο είχαν μάθει πώς να αντιμετωπίζουν τις πιο σοβαρές περιπτώσεις Covid. Η συντριπτική πλειοψηφία των ανθρώπων εξακολουθούσε να βιώνει ήπια νόσο και διατρέχει μικρό κίνδυνο, αλλά οι πιο σοβαρές περιπτώσεις μπορούσαν να αντιμετωπιστούν με αποτελεσματικές θεραπείες και αποφεύγοντας επικίνδυνες ενέργειες όπως ο αερισμός.
3. Χρήση δεδομένων
- Υπερβολική θνησιμότητα ως δείκτης
Η υπόθεση του μοντέλου είναι ότι τα δεδομένα «υπερβολικής θνησιμότητας» μπορούν να συσχετιστούν μόνο άμεσα με την Covid, ενώ στην πραγματικότητα αυτή είναι μια λανθασμένη υπόθεση. Σε όλο τον κόσμο, η θνησιμότητα της Covid παίζει μόνο μικρό ρόλο στη συνολική θνησιμότητα. Έτσι, υπάρχουν πολλοί άλλοι παράγοντες που θα μπορούσαν να επηρεάσουν οποιαδήποτε ερμηνεία της θνησιμότητας.
Αλλά, για να έχει κάποιο νόημα, πρέπει να αναλύσουμε τα στατιστικά στοιχεία θνησιμότητας ανά ηλικιακή ομάδα και εκείνους που είναι πιο ευάλωτοι στη θνησιμότητα από την Covid.
- Χρήση αναξιόπιστων δεδομένων
Γνωρίζουμε πλέον ότι ο πραγματικός αριθμός θανάτων που προκλήθηκαν από την ίδια την Covid υπερεκτιμήθηκε λόγω των κριτηρίων που ευνοούσαν την αναφορά της Covid έναντι των πραγματικών αιτιών, καθώς και λόγω της χρήσης της PCR ως καθοριστικού κριτηρίου. Γνωρίζουμε ότι ένα άτομο θα μπορούσε να είχε αναρρώσει πλήρως από την Covid και να είχε υποκύψει σε κάτι άσχετο με την Covid, αλλά επειδή είχε θετικό PCR στο ιστορικό του, αυτό καταγράφηκε ως θάνατος από Covid.
Μπορεί να μην κατανοήσουμε ποτέ πραγματικά τον πραγματικό αριθμό των ανθρώπων που υπέκυψαν στην Covid, επειδή τα νερά των δεδομένων έχουν θολώσει τόσο πολύ και έχει υπάρξει τόσο μεγάλη πολιτική επιρροή. Αυτό είναι κρίμα, επειδή σημαίνει ότι πιθανότατα θα συνεχίσουμε να βλέπουμε κατάχρηση αναξιόπιστων αριθμών, προκειμένου να προσπαθήσουμε να διατυπώσουμε ισχυρισμούς για τις ενέργειες των τελευταίων δυόμισι ετών.
Δεν νομίζω ότι κάποιος χρειάζεται να είναι κάποιος πιστοποιημένος επιστήμονας για να καταλάβει πλήρως τα σφάλματα στην προαναφερθείσα έκθεση.
Αν ήμουν κριτικός αυτού του άρθρου, θα το έστελνα πίσω με το σχόλιο: πετάξτε το στα σκουπίδια.
-
Ο Roger W. Koops κατέχει διδακτορικό στη Χημεία από το Πανεπιστήμιο της Καλιφόρνια, στο Riverside, καθώς και μεταπτυχιακούς και πτυχιακούς τίτλους από το Πανεπιστήμιο Western Washington. Εργάστηκε στον Φαρμακευτικό και Βιοτεχνολογικό Κλάδο για πάνω από 25 χρόνια. Πριν από τη συνταξιοδότησή του το 2017, εργάστηκε για 12 χρόνια ως Σύμβουλος με επίκεντρο τη Διασφάλιση/Έλεγχο Ποιότητας και ζητήματα που σχετίζονται με τη Κανονιστική Συμμόρφωση. Έχει συγγράψει ή συν-συγγράψει αρκετές εργασίες στους τομείς της φαρμακευτικής τεχνολογίας και της χημείας.
Προβολή όλων των μηνυμάτων
