Brownstone » Brownstone Institute Journal » Fejlspecifikation af model og kraftigt oppustede skøn over reddede liv

Fejlspecifikation af model og kraftigt oppustede skøn over reddede liv

DEL | UDSKRIV | EMAIL

I en nyere studere udgivet i The Lancet Infectious DiseasesWatson et al. anvende matematisk modellering for at estimere, at masse-covid-19-vaccinationer reddede mellem 14-20 millioner liv på verdensplan i løbet af det første år af COVID-19-vaccinationen program. Tidligere Brownstone-artikler af Horst og Raman har allerede påpeget adskillige fejlagtige antagelser i undersøgelsen vedrørende infektions- vs. vaccine-afledt immunitetsvarighed såvel som det faktum, at den ikke tog højde for vaccineuønskede hændelser og risiko for dødelighed af alle årsager. 

Her opsummerer jeg mekanikken for, hvordan forfatterne nåede frem til deres skøn over dødsfald, der blev afværget på grund af massevaccinationer. Jeg uddyber derefter, hvordan fejlbehæftede antagelser i modellen kan føre til groft oppustede estimater af afværgede dødsfald, hvilket kan forklare undersøgelsens manglende ansigtsvaliditet og interne konsistens.

Undersøgelsen bruger en generativ model for COVID-19-transmission, infektion og dødelighedsdynamik, der inkluderer 20-25 antagne parametre baseret på udvalgt litteratur (dvs. vaccineeffektivitet mod overførsel, infektion og død, aldersblandinger af hvert land, aldersstratificeret infektionsdødsfald osv.), der er tilpasset rapporterede overskydende dødsfald for at udlede (men ikke validere) virusoverførsel over tid i 185 lande. 

Undersøgelsen sammenligner faktiske 2021 overskydende dødsfald med simuleringer (kontrafakta), der formodes at forudsige forløbet for overskydende dødsfald i hvert land, hvis der ikke var blevet introduceret vacciner (dvs. ved at køre flere simuleringer af ovennævnte modeller efter fjernelse af virkningerne af vacciner). Forskellen mellem disse kontrafaktiske kurver og faktiske overdødsfald resulterer i de estimerede dødsfald, der er afværget på grund af vaccination.

Forfatternes modeller ser ikke ud til at tage højde for udviklingen af ​​virusets infektivitet eller dødelighed, udover at modellere eksplicit en stigning i infektionshospitalsindlæggelsesraten på grund af Delta-varianten (se afsnittet 1.2.3 Varianter af bekymring i tillægget). Den primære antagelse i de kontrafaktiske simuleringer er, at overskydende dødsfald forklares af den "naturlige" udvikling af virussen som afspejlet i dens tidsvarierende overførbarhed, som kun kan udledes (monteres) og ikke valideres. 

Hvis modellerne antager parametre, der over- eller fejlestimerer vaccinens effektivitet mod overførsel, infektion og død samt varigheden af ​​vaccinebeskyttelsen, mens de ignorerer andre kilder til pandemi-relaterede dødsfald, vil dette føre til en over- eller fejlestimering af tid- varierende virusoverførbarhed for at opnå en god tilpasning til de overskydende dødskurver i hvert land. Dette vil på sin side kunstigt oppuste de estimerede overskydende dødsfald, når virkningerne af vaccination efterfølgende fjernes fra de kontrafaktiske simuleringer. Vi uddyber disse punkter nedenfor.  

Modellerne i Watson et al. stole på urealistiske antagelser om vaccine-afledt immunitet

Det er ikke klart, om forfatterne overvejer aftagende vaccineeffektivitet i deres modeller, og det ser ud til, at alle deres modeller antog konstant vaccinebeskyttelse gennem hele den 1-årige undersøgelsesperiode, selvom undersøgelser har antydet, at det er et sted mellem 3 til 6 måneder. Den model, de citerer, Hogan et al. 2021 forudsætter som standard "langsigtet" (dvs. >1 år) vaccinebeskyttelse (se tabel 1. i Hogan et al. 2021).

Derudover udelukker eller klumper praktisk talt alle undersøgelser af vaccinens virkning eller virkning symptomatiske tilfælde inden for 21 dage efter 1. dosis eller inden for 14 dage efter anden dosis med de "uvaccinerede" sammenligningsgrupper. Dette er problematisk i lyset af beviser for, at COVID-smitte kan Forøg næsten 3 gange i løbet af den første uge efter injektion (se Figur 1 i vores kommentar til undersøgelsen). Dette tyder på, at rapporterede vaccineeffektivitetsestimater, der er baseret på lavere tilfælde, observeret >6 uger efter injektion, kan (i det mindste delvist) forklares af infektion-, ikke vaccine-induceret immunitet på grund af kortvarige stigninger i COVID-19-smittelighed umiddelbart efter vaccination. 

Mens modellerne i Watson et al. omfatter en latensperiode mellem vaccination, og når beskyttelsen starter, tager de ikke højde for en potentiel stigning i vaccine-induceret smitteevne og overførbarhed i denne periode. Hvis man ikke tager højde for denne effekt i modellerne, ville det overvurdere naturligt udviklende og tidsvarierende virusoverførbarhed og dermed øge antallet af dødsfald i de kontrafaktiske simuleringer, der udelukker vaccinationseffekter.

Endelig undersøgte forfatterne virkningen af ​​immununddragelse fra infektions-afledt immunitet ved at udføre en følsomhedsanalyse for at estimere dødsfald, der blev afværget af vaccinationer med forskellige immunudslipsprocenter, der spænder fra 0% til 80% (se supplerende figur 4 i den originale artikel). I disse modeller gør forfatterne det klart, at de antager en konstant (ikke-aftagende) vaccinebeskyttelse, hvilket er en urealistisk antagelse (se ovenstående afsnit). Forfatterne ser dog ikke ud til at lave en lignende følsomhedsanalyse af immununddragelse fra vaccine-afledt immunitet, hvilket er vigtigt i betragtning af det punkt, der er rejst i ovenstående afsnit. 

Modeller ignorerer overskydende dødsfald på grund af andre faktorer end COVID-19

De monterede modeller og deres kontrafakta antager, at overskydende dødsfald i hvert land er forklaret Alene af en naturligt udviklende COVID-19-virus og dens (monteret model-udledte) tidsvarierende overførbarhed. Modellerne forsøger ikke at tage højde for overdrevne dødsfald forårsaget af andre pandemi-relaterede faktorer, for eksempel selve vaccinerne samt andre ikke-farmaceutiske tvangsindgreb. Det CDC rapporterer en samlet vaccine-induceret dødsrisiko på 0.0026 % pr. dosis baseret på Vaccine Adverse Events Reporting System eller VAERS. VAERS er et passivt rapporteringssystem og må kun registrere ~1 % af alle vaccinerelaterede bivirkninger

Nyere uafhængige bevislinjer ved hjælp af VAERS og troværdige antagelser om underrapporteringsfaktors og økologisk regression af offentligt tilgængelig vaccination og dødelighedsdata af alle årsager foreslår, at VAERS kun kan fange ~5% af alle vaccine-inducerede dødsfald. Derudover tager modellerne ikke højde for overskydende dødsfald som følge af andre faktorer såsom lockdown-induceret "fortvivlelsesdødsfald." 

Ved at ignorere andre potentielle kilder til pandemi-relaterede overdødsfald i deres modeller, vil de tilpassede modeller over- og/eller fejlestimere virkningerne af naturlig, tidsvarierende virusoverførsel for at opnå en god modelpasning med rapporterede overskydende dødsfald, som i tur ville føre til oppustede overskydende dødstal i deres kontrafaktiske simuleringer.

Mangel på ansigtsvaliditet

Ifølge forfatternes nationale skøn blev 1.9 millioner dødsfald afværget i USA under forudsætning af en vaccinedækning på 61 % (se supplerende tabel 3 i den oprindelige undersøgelse). I det første år af pandemien, hvor der ikke var tilgængelige vacciner (2020), var der 351,039 amerikanske COVID-dødsfald. Forfatternes modeller tyder således på, at 1.9 mio. / 350k = ~5.5 gange så mange COVID-dødsfald i USA ville have fundet sted i 2021 (i forhold til 2020), hvis ingen vacciner var blevet introduceret (se Figur 2 i vores kommentar til undersøgelsen). Dette er meget usandsynligt, da der er meget ringe grund til at tro, at virussen naturligt ville have udviklet sig til at være så meget mere overførbar, infektiøs og dødbringende. 

Forfatterne hentyder til højere overførbarhed i 2021 på grund af lempelse og/eller ophævelse af folkesundhedsforanstaltninger og restriktioner (lockdowns, rejserestriktioner, maskemandater osv.). Antagelsen om, at dette kan forklare en >5-fold stigning i COVID-dødsfald i 2021, modsiger dog >400 undersøgelser der har konkluderet, at der var ringe eller ingen fordele for folkesundheden ved disse foranstaltninger til at reducere COVID-udfald.   

Desuden var der i 2021 (efter vaccination blev indført). 474,890 amerikanske COVID-dødsfald. Dette er omkring 35 % højere end i 2021, hvilket tyder på grove beviser for, at massevaccinationer forværret COVID-resultater overordnet, i overensstemmelse med observationer af øget smitteevne, før vaccinebeskyttelse træder i kraft (se 1. punkt ovenfor) og bekymring for øget sværhedsgrad af COVID-19 sygdom forårsaget af vaccinerne baseret på prækliniske undersøgelser.

Konklusion

Mens generative modeller ofte er et nyttigt værktøj til at simulere scenarier, der ikke er opstået, kan unøjagtige antagelser om modelparametre let føre til modelfejl. I tilfældet med Watson et al. 2022, kan de føre til kontrafaktiske simuleringer, der kraftigt øger estimater af dødsfald, der er afværget på grund af massevaccinationer. 

Fordi en sådan kompliceret modellering kan være alt for følsom over for inputparametre, tilbøjelig til overtilpasning og giver output, der er svære, hvis ikke umulige at validere, bør den ikke bruges til at informere om folkesundhedspolitik og retningslinjer. Kvantitative risiko-benefit forhold analyser, der bruger kliniske forsøg or data fra den virkelige verden at sammenligne risici ved specifikke udfald, som f.eks dødelighed af alle årsager or myopericarditis efter vaccination og coronavirusinfektion, er meget mere informative og nyttige i denne henseende.

Bemærk: Jeg har postet en version af denne artikel, der inkluderer figurer og bibliografi til ResearchGateog tweetede kommentaren til de oprindelige forfattere af undersøgelsen i håb om svar og afvisning. Jeg har også indsendt en forkortet version af artiklen som et brev på 250 ord til The Lancet Infectious Diseases og jeg afventer deres svar. Forfatteren takker Hervé Seligmann for nyttige kommentarer og feedback på artiklen.



Udgivet under a Creative Commons Attribution 4.0 International licens
For genoptryk, sæt venligst det kanoniske link tilbage til originalen Brownstone Institute Artikel og forfatter.

Forfatter

  • Spiro Pantazatos

    Dr. Spiro P. Pantazatos er assisterende professor i klinisk neurobiologi (psykiatri) ved Columbia University. Han er også forskningsforsker ved New York State Psychiatric Institute.

    Vis alle indlæg

Doner i dag

Din økonomiske støtte fra Brownstone Institute går til at støtte forfattere, advokater, videnskabsmænd, økonomer og andre modige mennesker, som er blevet professionelt renset og fordrevet under vores tids omvæltning. Du kan hjælpe med at få sandheden frem gennem deres igangværende arbejde.

Abonner på Brownstone for flere nyheder

Hold dig informeret med Brownstone Institute