ΚΟΙΝΟΠΟΙΗΣΗ | ΕΚΤΥΠΩΣΗ | ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ
Σε μια πρόσφατη μελέτη δημοσιεύτηκε στο The Lancet Infectious DiseasesΟι Watson et al. εφαρμόζουν μαθηματική μοντελοποίηση για να εκτιμήσουν ότι οι μαζικοί εμβολιασμοί κατά της COVID-19 έσωσαν 14-20 εκατομμύρια ζωές παγκοσμίως κατά το πρώτο έτος του εμβολιασμού κατά της COVID-19. πρόγραμμαΠροηγούμενα άρθρα για το Brownstone από Horst και Raman έχουν ήδη επισημάνει αρκετές εσφαλμένες υποθέσεις στη μελέτη σχετικά με τη διάρκεια της ανοσίας που προέρχεται από λοίμωξη έναντι της διάρκειας της ανοσίας που προέρχεται από εμβόλιο, καθώς και το γεγονός ότι δεν έλαβε υπόψη τις ανεπιθύμητες ενέργειες του εμβολίου και τον κίνδυνο θνησιμότητας από κάθε αιτία.
Εδώ, συνοψίζω τους μηχανισμούς του τρόπου με τον οποίο οι συγγραφείς κατέληξαν στις εκτιμήσεις τους για τους θανάτους που αποτράπηκαν λόγω των μαζικών εμβολιασμών. Στη συνέχεια, αναλύω πώς οι λανθασμένες υποθέσεις στο μοντέλο μπορούν να οδηγήσουν σε υπερβολικά διογκωμένες εκτιμήσεις για τους θανάτους που αποτράπηκαν, γεγονός που μπορεί να εξηγήσει την έλλειψη εγκυρότητας και εσωτερικής συνέπειας της μελέτης.
Η μελέτη χρησιμοποιεί ένα γενετικό μοντέλο δυναμικής μετάδοσης, μόλυνσης και θνησιμότητας της COVID-19 που περιλαμβάνει 20-25 υποτιθέμενες παραμέτρους βασισμένες σε επιλεγμένη βιβλιογραφία (π.χ. αποτελεσματικότητα του εμβολίου κατά της μετάδοσης, της μόλυνσης και του θανάτου, ηλικιακά μείγματα κάθε χώρας, ποσοστά θνησιμότητας από λοιμώξεις με στρωματοποίηση ηλικίας κ.λπ.) το οποίο προσαρμόζεται σε αναφερόμενους υπερβολικούς θανάτους, προκειμένου να συναχθεί (αλλά όχι να επικυρωθεί) η μεταδοτικότητα του ιού διαχρονικά σε 185 χώρες.
Η μελέτη συγκρίνει τους πραγματικούς υπερβολικούς θανάτους του 2021 με προσομοιώσεις (αντιπαραδείγματα) που υποτίθεται ότι προβλέπουν την πορεία των υπερβολικών θανάτων σε κάθε χώρα εάν δεν είχαν εισαχθεί εμβόλια (δηλαδή, εκτελώντας πολλαπλές προσομοιώσεις των παραπάνω προσαρμοσμένων μοντέλων μετά την αφαίρεση των επιπτώσεων των εμβολίων). Η διαφορά μεταξύ αυτών των καμπυλών αντιπαραδείγματος και των πραγματικών υπερβολικών θανάτων έχει ως αποτέλεσμα τους εκτιμώμενους θανάτους που αποτράπηκαν λόγω του εμβολιασμού.
Τα μοντέλα των συγγραφέων δεν φαίνεται να λαμβάνουν υπόψη την εξέλιξη της μολυσματικότητας ή της θνησιμότητας του ιού, εκτός από τη ρητή μοντελοποίηση μιας αύξησης στα ποσοστά νοσηλείας λόγω λοίμωξης λόγω της παραλλαγής Δέλτα (βλ. ενότητα 1.2.3 Παραλλαγές που προκαλούν ανησυχία στο Συμπλήρωμα). Η κύρια υπόθεση στις προσομοιώσεις αντιπαράδειγμα είναι ότι οι υπερβολικοί θάνατοι εξηγούνται από τη «φυσική» εξέλιξη του ιού όπως αντικατοπτρίζεται στη χρονικά μεταβαλλόμενη μεταδοτικότητά του, η οποία μπορεί μόνο να συναχθεί (προσαρμοστεί) και όχι να επικυρωθεί.
Εάν τα μοντέλα υποθέτουν παραμέτρους που υπερεκτιμούν ή υποεκτιμούν την αποτελεσματικότητα του εμβολίου κατά της μετάδοσης, της μόλυνσης και του θανάτου, καθώς και τη διάρκεια της προστασίας από το εμβόλιο, αγνοώντας παράλληλα άλλες πηγές υπερβολικών θανάτων που σχετίζονται με την πανδημία, αυτό θα οδηγήσει σε υπερεκτίμηση ή λανθασμένη εκτίμηση της χρονικά μεταβαλλόμενης μεταδοτικότητας του ιού, προκειμένου να επιτευχθεί καλή προσαρμογή με τις καμπύλες υπερβολικού θανάτου σε κάθε χώρα. Αυτό με τη σειρά του, θα αύξανε τεχνητά τους εκτιμώμενους υπερβολικούς θανάτους, όταν οι επιπτώσεις του εμβολιασμού αφαιρεθούν στη συνέχεια από τις προσομοιώσεις με βάση τα αντίστροφα γεγονότα. Παρακάτω αναλύουμε αυτά τα σημεία.
Τα μοντέλα στο Watson et al. βασίζονται σε μη ρεαλιστικές υποθέσεις σχετικά με την ανοσία που προέρχεται από εμβόλια.
Δεν είναι σαφές εάν οι συγγραφείς λαμβάνουν υπόψη τη μείωση της αποτελεσματικότητας του εμβολίου στα μοντέλα τους και φαίνεται ότι όλα τα μοντέλα τους υπέθεσαν σταθερή προστασία από το εμβόλιο καθ' όλη τη διάρκεια της μονοετούς περιόδου μελέτης, παρόλο που μελέτες έχουν δείξει ότι είναι κάπου μεταξύ 3 και 6 μηνώνΤο μοντέλο που αναφέρουν, Hogan et al. 2021, υποθέτει εξ ορισμού «μακροπρόθεσμη» (δηλαδή >1 έτος) προστασία από εμβόλια (βλ. Πίνακα 1). Χόγκαν κ.ά. 2021).
Επιπλέον, σχεδόν κάθε μελέτη για την αποτελεσματικότητα ή την αποτελεσματικότητα του εμβολίου είτε αποκλείει είτε ομαδοποιεί συμπτωματικές περιπτώσεις εντός 21 ημερών από την 1η δόση ή εντός 14 ημερών από τη δεύτερη δόση με τις «μη εμβολιασμένες» ομάδες σύγκρισης. Αυτό είναι προβληματικό υπό το πρίσμα των στοιχείων που δείχνουν ότι η μολυσματικότητα της COVID μπορεί να αύξηση σχεδόν 3 φορές κατά τη διάρκεια της πρώτης εβδομάδας μετά την ένεση (βλ. Σχήμα 1 στο σχολιασμό μας για τη μελέτη). Αυτό υποδηλώνει ότι οι αναφερόμενες εκτιμήσεις αποτελεσματικότητας του εμβολίου που βασίζονται σε χαμηλότερα ποσοστά περιστατικών που παρατηρήθηκαν >6 εβδομάδες μετά την ένεση μπορούν (τουλάχιστον εν μέρει) να εξηγηθούν από μόλυνση-, όχι ανοσία που προκαλείται από εμβόλιο λόγω βραχυπρόθεσμων αυξήσεων στη μολυσματικότητα της COVID-19 αμέσως μετά τον εμβολιασμό.
Ενώ τα μοντέλα στην εργασία Watson et al. περιλαμβάνουν μια περίοδο λανθάνουσας κατάστασης μεταξύ του εμβολιασμού και της έναρξης της προστασίας, δεν λαμβάνουν υπόψη μια πιθανή αύξηση της μολυσματικότητας και της μεταδοτικότητας που προκαλείται από το εμβόλιο κατά τη διάρκεια αυτής της περιόδου. Η μη λήψη υπόψη αυτού του φαινομένου στα μοντέλα θα υπερεκτιμούσε τη φυσικά εξελισσόμενη και χρονικά μεταβαλλόμενη μεταδοτικότητα του ιού και, ως εκ τούτου, θα διόγκωνε τους υπερβολικούς θανάτους στις προσομοιώσεις αντιπαραδειγμάτων που εξαιρούν τις επιδράσεις του εμβολιασμού.
Τέλος, οι συγγραφείς διερεύνησαν τον αντίκτυπο της ανοσοδιαφυγής από την ανοσία που προέρχεται από λοίμωξη, διεξάγοντας μια ανάλυση ευαισθησίας για να εκτιμήσουν τους θανάτους που αποτράπηκαν από εμβολιασμούς με διαφορετικά ποσοστά ανοσοδιαφυγής που κυμαίνονται από 0% έως 80% (βλ. Συμπληρωματικό Σχήμα 4 στο αρχικό άρθρο). Σε αυτά τα μοντέλα, οι συγγραφείς διευκρινίζουν ότι υποθέτουν μια σταθερή (μη φθίνουσα) προστασία από εμβόλια, η οποία είναι μια μη ρεαλιστική υπόθεση (βλ. παραπάνω παράγραφο). Ωστόσο, οι συγγραφείς δεν φαίνεται να κάνουν μια παρόμοια ανάλυση ευαισθησίας της ανοσοδιαφυγής από την ανοσία που προέρχεται από εμβόλια, η οποία είναι σημαντική δεδομένου του σημείου που τέθηκε στην παραπάνω παράγραφο.
Τα μοντέλα αγνοούν τους υπερβολικούς θανάτους που οφείλονται σε παράγοντες εκτός της COVID-19
Τα προσαρμοσμένα μοντέλα και τα αντιπαράδειγμάτα τους υποθέτουν ότι οι υπερβολικοί θάνατοι σε κάθε χώρα εξηγούνται μόνο από έναν φυσικά εξελισσόμενο ιό COVID-19 και την (προσαρμοσμένη από μοντέλο) χρονικά μεταβαλλόμενη μεταδοτικότητά του. Τα μοντέλα δεν επιχειρούν να λάβουν υπόψη τους υπερβολικούς θανάτους που προκαλούνται από άλλους παράγοντες που σχετίζονται με την πανδημία, για παράδειγμα τα ίδια τα εμβόλια καθώς και άλλες μη φαρμακευτικές υποχρεωτικές παρεμβάσεις. Το CDC αναφέρει συνολικό κίνδυνο θανάτου που προκαλείται από εμβόλιο 0.0026% ανά δόση με βάση το Σύστημα Αναφοράς Ανεπιθύμητων Συμβάντων Εμβολίων ή VAERS. Το VAERS είναι ένα παθητικό σύστημα αναφοράς και μπορεί να καταγράφει μόνο ~1% όλων των παρενεργειών που σχετίζονται με το εμβόλιο.
Πιο πρόσφατες ανεξάρτητες γραμμές αποδεικτικών στοιχείων χρησιμοποιώντας VAERS και αξιόπιστες υποθέσεις σχετικά με τον παράγοντα υποαναφοράςs και οικολογική παλινδρόμηση των δημοσίως διαθέσιμων δεδομένων εμβολιασμού και θνησιμότητας από κάθε αιτία υποδηλώνουν ότι το VAERS μπορεί να καταγράφει μόνο ~5% όλων των θανάτων που προκαλούνται από εμβόλια. Επιπλέον, τα μοντέλα δεν λαμβάνουν υπόψη τους υπερβολικούς θανάτους που προκύπτουν από άλλους παράγοντες, όπως οι θάνατοι που προκαλούνται από το lockdown. «θάνατοι απελπισίας».
Αγνοώντας άλλες πιθανές πηγές υπερβολικών θανάτων που σχετίζονται με την πανδημία στα μοντέλα τους, τα προσαρμοσμένα μοντέλα θα υπερεκτιμήσουν ή/και θα υποεκτιμήσουν τις επιπτώσεις της φυσικής, χρονικά μεταβαλλόμενης μεταδοτικότητας του ιού, προκειμένου να επιτύχουν μια καλή προσαρμογή του μοντέλου με τους αναφερόμενους υπερβολικούς θανάτους, κάτι που με τη σειρά του θα οδηγούσε σε διογκωμένους αριθμούς υπερβολικών θανάτων στις αντιπαραδειγματικές προσομοιώσεις τους.
Έλλειψη εγκυρότητας προσώπου
Σύμφωνα με τις εκτιμήσεις των συγγραφέων σε επίπεδο χώρας, αποτράπηκαν 1.9 εκατομμύρια θάνατοι στις ΗΠΑ, υποθέτοντας κάλυψη εμβολιασμού 61% (βλ. Συμπληρωματικό Πίνακα 3 στην αρχική μελέτη). Κατά το πρώτο έτος της πανδημίας, όταν δεν υπήρχαν διαθέσιμα εμβόλια (2020), υπήρξαν... 351,039 θάνατοι από COVID στις ΗΠΑΤα μοντέλα των συγγραφέων υποδηλώνουν επομένως ότι 1.9 εκατομμύρια / 350 χιλιάδες = ~5.5 φορές περισσότεροι θάνατοι από COVID στις ΗΠΑ θα είχαν σημειωθεί το 2021 (σε σύγκριση με το 2020) εάν δεν είχαν εισαχθεί εμβόλια (βλ. Σχήμα 2 στο σχολιασμό μας για τη μελέτη). Αυτό είναι εξαιρετικά απίθανο, καθώς υπάρχουν πολύ λίγοι λόγοι να πιστεύουμε ότι ο ιός θα είχε εξελιχθεί φυσικά ώστε να είναι πολύ πιο μεταδοτικός, μολυσματικός. και θανατηφόρος.
Οι συγγραφείς αναφέρουν υψηλότερη μεταδοτικότητα το 2021 λόγω της χαλάρωσης ή/και άρσης των μέτρων και περιορισμών δημόσιας υγείας (lockdown, ταξιδιωτικοί περιορισμοί, υποχρεωτική χρήση μάσκας κ.λπ.). Ωστόσο, η υπόθεση ότι αυτό θα μπορούσε να ευθύνεται για >5πλάσια αύξηση των θανάτων από COVID το 2021 έρχεται σε αντίθεση. >400 μελέτες που έχουν καταλήξει στο συμπέρασμα ότι υπήρχαν ελάχιστα έως καθόλου οφέλη για τη δημόσια υγεία από αυτά τα μέτρα στη μείωση των αποτελεσμάτων της COVID.
Επιπλέον, το 2021 (μετά την εισαγωγή του εμβολιασμού), υπήρχαν 474,890 θάνατοι από COVID στις ΗΠΑΑυτό είναι περίπου 35% υψηλότερο από το 2021, γεγονός που υποδηλώνει ακατέργαστα στοιχεία ότι οι μαζικοί εμβολιασμοί επιδεινώθηκε Συνολικά αποτελέσματα COVID, σύμφωνα με τις παρατηρήσεις αυξημένης μολυσματικότητας πριν από την έναρξη της προστασίας από τον εμβολιασμό (βλ. 1ο σημείο παραπάνω) και ανησυχίες για αυξημένη σοβαρότητα της νόσου COVID-19 που προκαλούνται από τα εμβόλια με βάση προκλινικές μελέτες.
Συμπέρασμα
Ενώ τα γενετικά μοντέλα είναι συχνά ένα χρήσιμο εργαλείο για την προσομοίωση σεναρίων που δεν έχουν συμβεί, οι ανακριβείς υποθέσεις σχετικά με τις παραμέτρους του μοντέλου μπορούν εύκολα να οδηγήσουν σε λανθασμένη περιγραφή του μοντέλου. Στην περίπτωση των Watson et al. 2022, μπορούν να οδηγήσουν σε αντιπαραδειγματικές προσομοιώσεις που διογκώνουν σε μεγάλο βαθμό τις εκτιμήσεις των θανάτων που αποτράπηκαν λόγω των μαζικών εμβολιασμών.
Επειδή μια τέτοια περίπλοκη μοντελοποίηση μπορεί να είναι υπερβολικά ευαίσθητη στις παραμέτρους εισόδου, επιρρεπής σε υπερπροσαρμογή και δίνει αποτελέσματα που είναι δύσκολο, αν όχι αδύνατο, να επικυρωθούν, δεν θα πρέπει να χρησιμοποιείται για την ενημέρωση της πολιτικής και των κατευθυντήριων γραμμών για τη δημόσια υγεία. Οι ποσοτικές αναλύσεις λόγου κινδύνου-οφέλους που χρησιμοποιούν κλινική δοκιμή or δεδομένα πραγματικού κόσμου για τη σύγκριση κινδύνων συγκεκριμένων αποτελεσμάτων, όπως θνησιμότητα όλων των αιτιών or μυοπερικαρδίτιδα μετά τον εμβολιασμό και τη μόλυνση από κορονοϊό, είναι πολύ πιο κατατοπιστικές και χρήσιμες από αυτή την άποψη.
Σημείωση: Έχω δημοσιεύσει μια έκδοση αυτού του άρθρου που περιλαμβάνει εικόνες και βιβλιογραφία ResearchGate, να έστειλε στο Twitter το σχόλιο στους αρχικούς συγγραφείς της μελέτης με την ελπίδα για απάντηση και αντίκρουση. Έχω επίσης υποβάλει μια συντομευμένη έκδοση του άρθρου ως επιστολή 250 λέξεων στο The Lancet Infectious Diseases και περιμένω την απάντησή τους. Ο συγγραφέας ευχαριστεί τον Hervé Seligmann για τα χρήσιμα σχόλια και την ανατροφοδότηση σχετικά με το άρθρο.
-
Ο Δρ. Σπύρος Π. Πανταζάτος είναι Επίκουρος Καθηγητής Κλινικής Νευροβιολογίας (Ψυχιατρική) στο Πανεπιστήμιο Κολούμπια. Είναι επίσης Ερευνητής στο Ψυχιατρικό Ινστιτούτο της Πολιτείας της Νέας Υόρκης.
Προβολή όλων των μηνυμάτων
