Błędna specyfikacja modelu i rażąco zawyżone szacunki dotyczące uratowanych istnień ludzkich

W niedawnym badaniu pt. ”Zagadka monogamicznego małżeństwa", „The Puzzle of Monogamous Marriage” opublikowane w The Lancet Infectious Diseases, Watson i in. zastosować modelowanie matematyczne, aby oszacować, że masowe szczepienia przeciwko COVID-19 uratowały od 14 do 20 milionów istnień ludzkich na całym świecie w pierwszym roku szczepienia COVID-19 program. Poprzednie artykuły Brownstone autorstwa Horst i Raman zwrócili już uwagę na kilka błędnych założeń w badaniu, dotyczących czasu trwania odporności na zakażenie w porównaniu do czasu trwania odporności pochodzącej ze szczepionki, a także na fakt, że nie uwzględniało ono działań niepożądanych poszczepiennych i ogólnego ryzyka zgonu. 

Tutaj podsumowuję mechanizm, w jaki autorzy doszli do szacunków zgonów, których udało się uniknąć dzięki masowym szczepieniom. Następnie omówię, w jaki sposób błędne założenia w modelu mogą prowadzić do rażąco zawyżonych szacunków unikniętych zgonów, co może wyjaśniać brak trafności twarzy i wewnętrznej spójności badania.

Badanie wykorzystuje generatywny model dynamiki transmisji, infekcji i śmiertelności COVID-19, który obejmuje 20-25 parametrów założonych na podstawie wybranej literatury (tj. skuteczność szczepionki przeciwko transmisji, infekcji i zgonom, mieszanki wiekowe każdego kraju, ze względu na wiek wskaźniki śmiertelności infekcji itp.), które są dopasowane do zgłoszonych nadmiernych zgonów w celu wywnioskowania (ale nie zweryfikowania) przenoszenia wirusa w czasie w 185 krajach. 

Badanie porównuje rzeczywiste nadmierne zgony w 2021 r. z symulacjami (faktycznymi), które mają przewidywać trajektorię nadmiernej liczby zgonów w każdym kraju, gdyby nie wprowadzono żadnych szczepionek (tj. przeprowadzając wielokrotne symulacje powyższych dopasowanych modeli po usunięciu skutków szczepionek). Różnica między tymi krzywymi kontrfaktycznymi a rzeczywistą nadwyżką zgonów skutkuje szacowanymi zgonami, których uniknięto dzięki szczepieniu.

Modele autorów nie wydają się uwzględniać ewolucji zakaźności lub śmiertelności wirusa, poza wyraźnym modelowaniem wzrostu częstości hospitalizacji z powodu infekcji z powodu wariantu Delta (patrz sekcja 1.2.3 Warianty obaw w Suplemencie). Podstawowym założeniem w symulacjach kontrfaktycznych jest to, że nadmierne zgony można wyjaśnić „naturalną” ewolucją wirusa, odzwierciedloną w jego zmiennej w czasie przenoszeniu, którą można jedynie wywnioskować (dopasować), a nie zweryfikować. 

Jeśli modele przyjmą parametry, które zawyżają lub błędnie oceniają skuteczność szczepionki przeciwko przenoszeniu, zakażeniu i śmierci, a także czas trwania ochrony poszczepiennej, ignorując inne źródła nadmiernej liczby zgonów związanych z pandemią, doprowadzi to do zawyżenia lub niedoszacowania czasu. zróżnicowaną przenośność wirusa w celu osiągnięcia dobrego dopasowania do krzywych nadmiarowych zgonów w każdym kraju. To z kolei spowodowałoby sztuczne zawyżenie szacowanej nadwyżki zgonów, gdy skutki szczepień zostaną następnie usunięte z symulacji kontrfaktycznych. Omówimy te punkty poniżej.  

Modele w Watson et al. polegać na nierealistycznych założeniach dotyczących odporności pochodzącej ze szczepionki

Nie jest jasne, czy autorzy rozważają słabnącą skuteczność szczepionki w swoich modelach i wydaje się, że wszystkie ich modele zakładały stałą ochronę szczepionkową przez cały roczny okres badania, mimo że badania sugerują, że trwa to od 3 do 6 miesięcy. Model, który cytują, Hogan i in. 2021 domyślnie zakłada „długoterminową” (tj. >1 rok) ochronę przed szczepionką (patrz Tabela 1. in Hogan i in. 2021).

Ponadto, praktycznie każde badanie skuteczności lub skuteczności szczepionki wyklucza lub łączy objawy objawowe w ciągu 21 dni od pierwszej dawki lub w ciągu 1 dni od drugiej dawki z „nieszczepionymi” grupami porównawczymi. Jest to problematyczne w świetle dowodów, że zakaźność COVID może: zwiększać prawie 3-krotnie w ciągu pierwszego tygodnia po wstrzyknięciu (patrz Rycina 1 w naszym komentarzu do badania). Sugeruje to, że zgłoszone szacunki skuteczności szczepionki oparte na niższych wskaźnikach przypadków obserwowanych >6 tygodni po wstrzyknięciu mogą (przynajmniej częściowo) być wyjaśnione przez infekcja-, a nie odporność indukowana szczepionką z powodu krótkotrwałego wzrostu zakaźności COVID-19 bezpośrednio po szczepieniu. 

Podczas gdy modele w Watson et al. obejmują okres utajenia między szczepieniem, a gdy ochrona zaczyna działać, nie odpowiadają one za potencjalny wzrost zakaźności i przenoszeń wywołanych przez szczepionkę w tym okresie. Nieuwzględnienie tego efektu w modelach spowodowałoby przeszacowanie naturalnie ewoluujących i zmiennych w czasie przenoszenia wirusa, a tym samym zawyżenie nadmiernej liczby zgonów w symulacjach alternatywnych, które wykluczają efekty szczepień.

Na koniec autorzy zbadali wpływ unikania odporności wynikającej z infekcji, przeprowadzając analizę wrażliwości w celu oszacowania zgonów, których uniknięto dzięki szczepieniom o różnych odsetkach ucieczki odpornościowej w zakresie od 0% do 80% (patrz Rysunek uzupełniający 4 w oryginalnym artykule). W tych modelach autorzy jasno stwierdzają, że zakładają stałą (niesłabnącą) ochronę szczepionkową, co jest założeniem nierealistycznym (patrz akapit powyżej). Jednak wydaje się, że autorzy nie przeprowadzają podobnej analizy wrażliwości w zakresie unikania odporności immunologicznej w stosunku do odporności pochodzącej ze szczepionek, co jest ważne, biorąc pod uwagę kwestię podniesioną w powyższym akapicie. 

Modele ignorują nadmierne zgony spowodowane czynnikami innymi niż COVID-19

Dopasowane modele i ich scenariusze alternatywne zakładają wyjaśnienie nadmiernej liczby zgonów w każdym kraju Wyłącznie przez naturalnie ewoluującego wirusa COVID-19 i jego (wywnioskowaną przez model dopasowaną) przenośność zmienną w czasie. Modele nie próbują wyjaśnić nadmiernej liczby zgonów spowodowanych innymi czynnikami związanymi z pandemią, na przykład samymi szczepionkami, a także innymi obowiązkowymi interwencjami niefarmaceutycznymi. The CDC zgłasza ogólne ryzyko zgonu wywołanego szczepionką wynoszące 0.0026% na dawkę w oparciu o System Zgłaszania Zdarzeń Niepożądanych Poszczepiennych lub VAERS. VAERS to pasywny system raportowania i może przechwytywać tylko ~1% wszystkich skutków ubocznych związanych ze szczepionką. 

Nowsze niezależne linie dowodowe przy użyciu VAERS i wiarygodne założenia o czynniku zaniżania raportówsi regresja ekologiczna publicznie dostępnych danych dotyczących szczepień i śmiertelności z jakiejkolwiek przyczyny sugerują, że VAERS może uchwycić tylko około 5% wszystkich zgonów wywołanych szczepionką. Ponadto modele nie uwzględniają nadmiernej liczby zgonów wynikających z innych czynników, takich jak spowodowane blokadą „śmierć rozpaczy”. 

Ignorując inne potencjalne źródła nadmiernej liczby zgonów związanych z pandemią w swoich modelach, dopasowane modele będą zawyżać i/lub błędnie oszacowywać skutki naturalnej, zmiennej w czasie przenoszenia wirusa w celu uzyskania dobrego dopasowania modelu do zgłaszanych nadmiernych zgonów, co w przypadku z kolei doprowadziłoby do zawyżonej nadmiernej liczby zgonów w ich symulacjach kontrfaktycznych.

Brak ważności twarzy

Według szacunków na poziomie krajowym autorów, w Stanach Zjednoczonych udało się uniknąć 1.9 miliona zgonów przy założeniu 61% pokrycia szczepieniami (patrz tabela uzupełniająca 3 w oryginalnym badaniu). W pierwszym roku pandemii, kiedy żadne szczepionki nie były dostępne (2020), pojawiły się 351,039 zgonów związanych z COVID w USA. Modele autorów sugerują zatem, że 1.9 mln / 350 tys. = ~5.5 razy więcej zgonów na COVID w USA miałoby miejsce w 2021 r. (w porównaniu z 2020 r.), gdyby nie wprowadzono żadnych szczepionek (zob. Rycina 2 w naszym komentarzu do badania). Jest to wysoce nieprawdopodobne, ponieważ jest bardzo mało powodów, aby sądzić, że wirus naturalnie wyewoluował, aby być o wiele bardziej zakaźnym, zakaźnym i śmiertelny. 

Autorzy nawiązują do większej przenoszenia w 2021 r. ze względu na złagodzenie i/lub zniesienie środków i ograniczeń dotyczących zdrowia publicznego (blokady, ograniczenia podróży, nakazy masek itp.). Jednak założenie, że może to odpowiadać za >5-krotny wzrost zgonów z powodu COVID w 2021 r., jest sprzeczne >400 studiów którzy doszli do wniosku, że te środki przynoszą niewielkie lub żadne korzyści dla zdrowia publicznego w zmniejszaniu wyników COVID.   

Ponadto w 2021 r. (po wprowadzeniu szczepień) pojawiły się: 474,890 zgonów związanych z COVID w USA. To o około 35% więcej niż w 2021 r., co sugeruje surowe dowody na to, że masowe szczepienia pogorszyło się Ogólne wyniki COVID, zgodne z obserwacjami zwiększonej zakaźności przed rozpoczęciem ochrony przed szczepionką (patrz punkt 1 powyżej) i obawy dotyczące nasilenia choroby COVID-19 spowodowane przez szczepionki na podstawie badań przedklinicznych.

Wnioski

Chociaż modele generatywne są często przydatnym narzędziem do symulacji scenariuszy, które nie wystąpiły, niedokładne założenia dotyczące parametrów modelu mogą łatwo prowadzić do błędnej specyfikacji modelu. W przypadku Watsona i in. 2022, mogą prowadzić do fałszywych symulacji, które rażąco zawyżają szacunki dotyczące zgonów, których uniknięto dzięki masowym szczepieniom. 

Ponieważ takie skomplikowane modelowanie może być nadmiernie wrażliwe na parametry wejściowe, podatne na nadmierne dopasowanie i daje wyniki, które są trudne, jeśli nie niemożliwe do zweryfikowania, nie powinno być wykorzystywane do informowania o polityce i wytycznych dotyczących zdrowia publicznego. Ilościowe analizy stosunku ryzyka do korzyści, które wykorzystują Badanie kliniczne or dane ze świata rzeczywistego porównać ryzyko konkretnych wyników, takie jak: śmiertelność z jakiejkolwiek przyczyny or zapalenie osierdzia po szczepieniu i zakażeniu koronawirusem są znacznie bardziej pouczające i przydatne w tym zakresie.

Uwaga: Opublikowałem wersję tego artykułu, która zawiera rysunki i bibliografię do ResearchGATE, napisał komentarz do oryginalnych autorów badania w nadziei na odpowiedź i obalenie. Przesłałem również skróconą wersję artykułu jako 250-wyrazowy list do The Lancet Infectious Diseases i czekam na ich odpowiedź. Autor dziękuje Hervé Seligmannowi za pomocne komentarze i opinie na temat artykułu.