Ta analiza powstała jako projekt studencki na moich zajęciach z Data Science na Uniwersytecie Palackiego w Czechach. Włączyło się w nią kilku studentów, a najwięcej zrobił Michal Malčik. Może to być jeden z ważniejszych elementów pracy zaliczeniowej.
Wprowadzenie
Na początku 2022 roku w wielu krajach europejskich wskaźnik dzietności całkowitej (TFR) zaczął rosnąć drastycznie zmniejszyćGwałtowny i nieoczekiwany spadek wskaźnika TFR nastąpił we wszystkich krajach bałtyckich, w Europie Północnej, Europie Środkowej i we wszystkich głównych krajach Europy Zachodniej. Jedynie Grecja, Hiszpania, Włochy, Chorwacja i Rumunia nie odnotowały tak drastycznych spadków, podczas gdy Portugalia i Bułgaria odnotowały wręcz wzrost wskaźnika TFR (patrz rysunek 1).
Ta dramatyczna i nieoczekiwana zmiana w dynamice TFR, która nastąpiła synchronicznie w większości krajów Europy, domaga się wyjaśnienia. W mediach głównego nurtu zaproponowano kilka mechanizmów.
- Starzenie się społeczeństwa i zmiany w liczebności pokolenia rozrodczego. Jednakże TFR jest miarą statystyczną niezależną od wielkości populacji i jej struktury wiekowej. Zatem, chociaż wielkość populacji i struktura wiekowa mają wpływ narodziny (znany jako wskaźnik urodzeń), nie wpływają one na całkowity współczynnik dzietności. Współczynnik dzietności całkowitej (TFR) to średnia liczba dzieci urodzonych przez kobietę w ciągu jej życia (zakładając, że współczynniki dzietności dla poszczególnych grup wiekowych pozostają stałe przez całe życie i dożywają końca okresu rozrodczego).
- Szok, jaki przyniosła Europie wojna na Ukrainie. Jednak inflacja w Europie zaczął się wspinać do wyjątkowych poziomów dopiero latem 2022 r. Jest to prawie rok po tym, jak miałyby miejsce czynniki powodujące spadek współczynnika dzietności całkowitej.
- Epidemia zakażeń wirusem SARS-CoV-2. Mimo że znaczna część populacji europejskiej została zakażona w 2020 roku, współczynnik zapadalności (TFR) w większości krajów faktycznie wzrósł w 2021 roku (patrz rysunek 1). Trudno byłoby argumentować, że jeden szczep SARS-CoV-2 nie wpływa na współczynnik zapadalności, a inny tak.
- Skutki lockdownów spowodowanych pandemią COVID-19. Jednakże najbardziej rygorystyczne (i najbardziej zaskakujące) blokady miały miejsce w 2020 r., mimo to współczynnik dzietności w wielu krajach faktycznie wzrósł w 2021 r. (patrz rysunek 1).
- Szersza zmiana wartości populacji. Jednak taka zmiana musiałaby nastąpić jednocześnie w wielu krajach o odmiennej historii, religii, wartościach, cyklach gospodarczych, składzie etnicznym i dynamice populacji. Co więcej, należałoby wykazać, że ta dramatyczna zmiana nastąpiła dokładnie w tym samym czasie. pomiędzy Dwa najbardziej dramatyczne wydarzenia ostatniego pokolenia – początek pandemii COVID-19 i wojna na Ukrainie. Wszystko to jest wysoce nieprawdopodobne.
Istnieje jednak jeszcze jeden czynnik, o którym prawie nigdy nie mówi się publicznie. Wiosną 2021 roku miliony kobiet w wieku rozrodczym zostały poddane eksperymentalnej szczepionce mRNA przeciwko COVID-19. Od początku kampanii szczepień pojawiło się wiele doniesień o zaburzeniach miesiączkowania po szczepieniach. W największej bazie danych nadzoru farmaceutycznego, VAERS, liczba martwe urodzenia/poronienia Liczba zgłoszonych przypadków po podaniu szczepionki wzrosła z niecałych 100 przed 2020 rokiem do ponad 3,000 po podaniu szczepionki przeciw COVID-19 w samym 2021 roku. Liczba zgłoszeń zaburzeń miesiączkowania wzrosła z kilkuset przypadków przed 2020 rokiem do ponad 27 000 po podaniu szczepionki przeciw COVID-19 w samym 2021 roku. Zatem niekorzystny wpływ szczepionek przeciw COVID-19 na płodność jest prawdopodobny.
Co więcej, gwałtowny i nieoczekiwany spadek płodności rozpoczął się około 9 miesięcy po masowych szczepieniach. Dlatego naturalne jest pytanie, czy szczepionki… powodowany Ten spadek. Niezwykle trudno jest odpowiedzieć na pytania o przyczynę na podstawie danych obserwacyjnych. Jednak pierwszym krokiem w tym dążeniu jest ustalenie związku.
opis danych
Dla amerykańskich czytelników niezbędne są pewne uwagi dotyczące czeskiego systemu opieki zdrowotnej: Wszystko jest tu bardzo „jednorodne”. Mamy powszechną, bezpłatną i ściśle regulowaną opiekę zdrowotną, więc prawie każdy ma takie samo prawo do opieki (choć tu i ówdzie dopuszcza się pewną korupcję). Każdy ma prawo do bezpłatnej opieki zdrowotnej w zakresie określonym dekretem rządowym. Po czasach komunistycznych odziedziczyliśmy system obowiązkowych „numerów obywatelskich” (państwowych dowodów tożsamości), więc każdy jest bardzo dobrze traktowany.
Państwo czeskie gromadzi ogromną ilość danych dotyczących opieki zdrowotnej (i innych), które są powiązane z państwowymi dokumentami tożsamości i przechowywane centralnie. Chociaż mamy „firmy ubezpieczeniowe”, wszystkie muszą zapewniać taką samą opiekę wszystkim i są finansowane przez państwo poprzez obowiązkowy, powszechny „podatek zdrowotny” pobierany jako procent od dochodów. W rezultacie czeskie oficjalne dane dotyczące opieki zdrowotnej są tak precyzyjne, przejrzyste, jednorodne i szczegółowe, że w Stanach Zjednoczonych nigdy nie będzie można znaleźć niczego porównywalnego. Zatem jeśli odpowiedzi uda się znaleźć w tego typu danych, będą one szczególnie widoczne i niepodważalne w danych czeskich.
Niedawno powstała unikalna baza danych opublikowany Baza danych Instytutu Informacji i Statystyki Zdrowotnej (IHIS). Baza danych zawiera ponad 17 milionów wierszy. Dane obejmują sześć rodzajów zdarzeń: szczepienie przeciwko COVID-19, zakażenie COVID-19 (tj. pozytywny wynik testu PCR), poród, poronienie samoistne, poronienie indukowane oraz zgon (kobiety). Jeśli kobieta w Czechach doświadczyła któregokolwiek z powyższych zdarzeń w okresie od 1.1.1994 r. do 31.12.2023 r., w pliku CSV znajduje się jeden wiersz dotyczący tego zdarzenia.
Każda kobieta ma unikalny identyfikator, dzięki czemu można sparować zdarzenia, które miały miejsce u tej samej kobiety. W pierwotnej wersji danych (która została w międzyczasie usunięta, prawdopodobnie z powodu obaw o identyfikację poszczególnych osób), podano rok urodzenia każdej kobiety oraz miesiąc i rok każdego zdarzenia. W nowej wersji danych podano jedynie dekadę urodzenia i rok każdego zdarzenia.
Dane obejmują około 9.6 miliona przypadków szczepień, 2.2 miliona przypadków zakażeń, 3 miliony urodzeń, 370 000 poronień samoistnych, 830 000 poronień indukowanych i 1.6 miliona zgonów. Każdy zgon ma unikalny kod ICD-10 określający przyczynę zgonu. Według naszej wiedzy jest to jedyna publicznie dostępna baza danych, która łączy zdarzenia reprodukcyjne z danymi dotyczącymi szczepień przeciwko COVID-19 na poziomie poszczególnych rekordów.
Metody
Aby wykazać związek między interwencją a wynikiem, Seria przypadków samokontroli Można zastosować model (SCCS). W tym modelu osoby stanowią dla siebie grupę kontrolną. Wykorzystaliśmy model SCCS do zbadania związku między szczepieniem przeciw COVID-19 (ekspozycją) a porodem (wynikiem). W tym przypadku należy zachować ostrożność, ponieważ zarówno ekspozycja (szczepienie), jak i wynik (poród) zależą od woli kobiety i można je zaplanować z dużym wyprzedzeniem. Model SCCS jest często wykorzystywany do oceny bezpieczeństwa szczepionek; jednak o ile decyzja o przyjęciu szczepionki jest zazwyczaj dobrowolna, o tyle wystąpienie zdarzenia niepożądanego już nie. Model SCCS eliminuje problem nieobserwowanych czynników zakłócających, które utrudniają porównania między kohortami zaszczepionych i niezaszczepionych (patrz nasze Studium Lustra Erised). Rozwiązuje to również problem polegający na tym, że każda osoba poddawana była interwencji w innym czasie.
Efekty
Wybraliśmy wszystkie kobiety urodzone między 1975 a 2024 rokiem, które zostały zaszczepione pierwszą dawką dowolnej szczepionki przeciwko COVID-19 i urodziły co najmniej jedno dziecko między 1993 a 2023 rokiem. Podzieliliśmy tę kohortę na sześć kohort urodzeniowych i przedstawiliśmy na wykresie liczbę urodzeń (na 1,000 kobiet w danej kohorcie urodzeniowej) w funkcji miesiąca w stosunku do miesiąca szczepienia. Rysunek 2 pokazuje zaskakujące wzorce, które się wyłaniają.
Oto interesujące funkcje.
- W przypadku kobiet w szczytowym okresie płodności obserwuje się gwałtowny wzrost liczby urodzeń około 2 miesięcy po porodzie (szczególnie u kobiet w szczytowym okresie płodności). zanim Pierwsza dawka. Oznacza to, że wiele kobiet odłożyło szczepienie na okres po porodzie. Szczyt jest mniej wyraźny w najmłodszej (szara) i najstarszej (niebieska) kohorcie. Należy zauważyć, że oś pozioma nie przedstawia rzeczywistego czasu – każda kobieta ma swój własny czas, począwszy od miesiąca podania pierwszej dawki. W związku z tym w danych populacji czeskiej nie można zaobserwować ani szczytu, ani dołka. To magia modelu SCCS sprawia, że ten wzór jest widoczny.
- Liczba urodzeń spada o rząd wielkości w miesiącu 0 (tj. w miesiącu szczepienia), po którym następuje osiem miesięcy (0–7) bardzo małych liczb. Oznacza to, że kobiety unikały szczepionki, jeśli wiedziały, że są w ciąży. Miesiąc 0 to sam miesiąc szczepienia — niewiele kobiet chciało się zaszczepić w miesiącu porodu. Poród w 7. miesiącu po pierwszej dawce oznacza, że pierwsza dawka została podana 7 miesięcy przed porodem — tj. około drugiego miesiąca ciąży, tj. mniej więcej w czasie, gdy kobieta dowiedziała się, że jest w ciąży. Bardzo niewiele kobiet chciało się zaszczepić, jeśli wiedziały, że są w ciąży. Jest to interesujące, zwłaszcza że czeskie władze zalecały szczepienie przeciwko Covid w czasie ciąży. Rysunek 2, między innymi, wyraźnie przedstawia brak zaufania czeskich kobiet do władz.
- Liczba urodzeń wzrasta w miesiącach 8–11 w stosunku do wartości wyjściowej. Oznacza to, że kobiety, które chciały zajść w ciążę (poród 9–11 miesięcy po pierwszej dawce) lub były już w ciąży i wiedziały o tym (poród 8–9 miesięcy po pierwszej dawce), również starały się unikać szczepienia.
- Ponieważ kohorty są ustalane według daty urodzenia, ich wiek i płodność ulegają zmianom, nie można oczekiwać, że po osiągnięciu najniższego poziomu wskaźnik urodzeń powróci do poziomu sprzed szczepień. Np. kobiety urodzone w latach 1985–1989 (linia żółta na rysunku 2) miały ponad 35 lat w 2020 roku, a zatem ich płodność już spadała. Z drugiej strony, kobiety urodzone w latach 1995–1999 (linia różowa) miały ponad 25 lat w 2020 roku, a ich płodność rosła. W związku z tym trudno jest wyciągnąć jakiekolwiek wnioski z zachowania wykresu przed i po anomalii spowodowanej pierwszą dawką. Porównanie z kohortą niezaszczepioną jest trudne ze względu na czynniki zakłócające i brak miesiąca obrotowego (tj. miesiąca pierwszej dawki).
Aby sprawdzić stabilność wzoru, powtórzyliśmy analizę dla miesiąca Dopiero dawkę jako miesiąc zerowy. Ponieważ większość kobiet zaszczepionych dawką 1 otrzymała dawkę 2 około miesiąc później, spodziewaliśmy się podobnego wzorca, tylko przesuniętego o około miesiąc w lewo. Jest to niemal dokładnie to, co widać na rysunku 3.
Dyskusja
Głównym efektem, jaki pokazują rysunki 2 i 3, jest to, że u kobiet w Czechach szczepienia przeciwko COVID-19 są bardzo silnie powiązane z niskim wskaźnikiem urodzeń. Związek ten nie budzi wątpliwości i nie wymaga dalszych dowodów, choć dobrze byłoby zobaczyć powtórzenie tego typu analizy w innych krajach. Oczywiste jest również, że ten związek… przyczynowy w tym sensie, że wzór ten nie jest wynikiem zbiegu okoliczności lub pomyłki.
Główne pytanie brzmi kierunek związku przyczynowo-skutkowego. Albo szczepionka zmniejsza prawdopodobieństwo zajścia w ciążę, albo ciąża zmniejsza chęć zaszczepienia się, albo oba mechanizmy działają jednocześnie. Druga możliwość jest prawie na pewno prawdziwa. Czeszki są znacznie bardziej rozsądne niż czescy wakcynolodzy i zazwyczaj starały się unikać szczepień w ciąży lub przed poczęciem. W rezultacie porody „skoncentrowały się” w grupie niezaszczepionej, co doprowadziło do niższej płodności wśród zaszczepionych, zwłaszcza krótko po szczepieniu.
Gdyby jednak był to jedyny mechanizm przyczynowy działający w 2021 roku, całkowity współczynnik dzietności całej populacji (niezależnie od statusu szczepień) nie uległby zmianie. Czeszki po prostu podzieliłyby się na te, które chcą mieć dziecko i nie chcą się szczepić, oraz na te, które nie chcą mieć dziecka, ale chcą się zaszczepić. Taki podział nie miałby wpływu na ogólną dzietność populacji. Byłoby to jak umieszczenie niższych kobiet po lewej stronie boiska do koszykówki, a wyższych po prawej – średni wzrost kobiet na boisku pozostałby niezmieniony.
Jednak całkowita dzietność zaczęła spadać dość drastycznie w styczniu 2022 roku i od tamtej pory nie ustała (patrz ponownie Rysunek 1). Jest zatem pewne, że wiosną 2021 roku musiał zadziałać inny mechanizm przyczynowy – inny niż dobrowolna zmiana zachowania opisana powyżej. Naszym zdaniem szczepionka przeciwko COVID-19 jest nadal najbardziej prawdopodobnym kandydatem (patrz ponownie Wstęp). Stawiamy zatem hipotezę, że eksperymentalne szczepionki oparte na mRNA zapobiec niektórym kobietom uniemożliwia zajście w ciążę.
Można by argumentować, że nawet ten mechanizm może być dobrowolny: zaszczepione kobiety mogą mieć jedynie przesunięty Ciąża z powodu niedawnych szczepień. Spowodowałoby to spadek współczynnika dzietności około rok po wprowadzeniu szczepionki (co rzeczywiście obserwuje się), a następnie przekroczenie współczynnika dzietności, gdy urodziłyby się „przełożone” dzieci. Jednak takie odbicie nigdy nie nastąpiło. Wręcz przeciwnie, współczynnik dzietności kobiet w Czechach nigdy nie powrócił do poziomu sprzed pandemii – spadał on o około 10% rocznie przez ostatnie 4 lata.
Tak więc niektóre zaszczepione kobiety albo postanowiła nie chcą dzieci ani szczepionki zapobiec uniemożliwia im zajście w ciążę w wyniku jakiejś biologicznej drogi. Tych dwóch możliwości nie da się rozróżnić w danych obserwacyjnych. Czytelnik może sam zdecydować, która z nich jest bardziej prawdopodobna.
Wniosek
Przeanalizowaliśmy unikalną bazę danych dotyczącą zdarzeń reprodukcyjnych na poziomie indywidualnym, w zależności od statusu szczepienia przeciwko COVID-19, która została krótko opublikowana (a następnie usunięta) przez czeski rząd. Stwierdziliśmy niezwykle silny związek między szczepieniem przeciwko COVID-19 a niską płodnością.
Większość tego zjawiska można wytłumaczyć zmianą w zachowaniu kobiet – pomimo oficjalnych zaleceń, kobiety w ciąży starały się unikać szczepionek eksperymentalnych. Efekt ten nie mógł jednak być jedynym działającym mechanizmem przyczynowym, ponieważ pozostawiłby on całkowity współczynnik dzietności w całej populacji (niezależnie od statusu szczepień) bez zmian. Ponieważ wskaźnik dzietności całkowitej (TFR) kobiet w Czechach zaczął gwałtownie spadać w styczniu 2022 roku, wiosną 2021 roku musiał działać jakiś mechanizm przyczynowy. Stawiamy hipotezę, że szczepionki eksperymentalne oparte na mRNA uniemożliwiły niektórym kobietom zajście w ciążę.
Dołącz do rozmowy:
Opublikowane pod a Creative Commons Uznanie autorstwa 4.0 Licencja międzynarodowa
W przypadku przedruków ustaw link kanoniczny z powrotem na oryginał Instytut Brownstone Artykuł i autor.
