Demaskuota: melagingi statistiniai duomenys koronos vakcinų veiksmingumo tyrimuose

Ideologijos kritika Koronavirusas

Originalus straipsnis paskelbtas 2021 m. birželio 22 d.

Corona Blog. Išversta padedant www.DeepL.com/Translator.

Pastarosiomis dienomis skaitėme daug komentarų, kuriuose neteisingai interpretuojami farmacijos milžinų, tokių kaip „BioNTech-Pfizer“, veiksmingumo tyrimai. Tai pakankama priežastis, kad išaiškintume esamų teiginių apie „šimtaprocentinį“ veiksmingumą konstrukcinius trūkumus.

Trumpai: tyrimo planas, kai kuriais atvejais apimantis 40 000 tiriamųjų, suteikia žmonėms klaidingą saugumo jausmą. Net ir turint akivaizdžiai labai daug tiriamųjų, neįmanoma gauti pagrįstų duomenų apie vakcinų veiksmingumą per tokį laikotarpį kaip pusmetis ar net metai.

Problema ta, kad dėl etinių priežasčių mums neleidžiama sąmoningai užkrėsti žmonių.
Kyla klausimas: kaip sužinoti, kada tiriamiesiems buvo nustatyta tinkama viruso apkrova?
Atsakymas: būtent to nežinome.

Faktas yra tas, kad būtent čia ir yra „pakastas šuo“ – net RKI nenurodo, kokia tikimybė užsikrėsti virusu Vokietijoje x mėnesį „vidutiniam piliečiui“.

Čia esančioje mūsų svetainėje arba „Telegram“ kanale galite pateikti mums atsiliepimus, komentarus arba pradėti pokalbį su mumis. Į mūsų pranešimą apie paprastą Didžiosios Britanijos sveikatos priežiūros institucijos statistikos įvertinimą gavome daugybę tokių komentarų, kurie parodė, kad daugelis žmonių dar nesuvokia esminių dabartinių tyrimų trūkumų. Ten radome tokius sakinius kaip:

Klausimas Jei atsitiktinį eksperimentą atliksite kelis kartus ir užrašysite rezultatus, gausite santykinį įvykio dažnį. Pavyzdžiui: Kaip dažnai žmonės serga pasiskiepiję ir nepasiskiepiję.
Jūs nežinote tikrosios įvykio tikimybės, bet bandote priartėti prie jos, pakartotinai atlikdami tyrimą.
Taigi, jei tyrime, kuriame buvo nagrinėjama, kokia dalis žmonių vis dar serga paskiepijus ir kokia dalis – nepaskiepijus, dalyvavo daug žmonių, šie santykiniai dažniai tikrai yra labai artimi tikrajai tikimybei.

Deja, būtent šis aspektas, kuris iš pažiūros atrodo teisingas, nėra teisingas konkrečiu vakcinacijos tyrimų atveju. Laikas „Corona Blog“ komandai tai paaiškinti. Šiame pranešime norime atkreipti dėmesį į du esminius tyrimų ir jų sistematikos pateikimo trūkumus:

  1. pateikiant informaciją apie santykinį veiksmingumą sąmoningai iškraipomi preliminarūs tyrimo rezultatai, ir tai yra labai reikšminga.
  2. tyrimo modelis – dėl paprastų statistinių sumetimų – yra toks, kad jis turi būti vykdomas ilgą laiką, kad būtų gauti patikimi duomenys.

Taigi pradėkime nagrinėti šiuos du klausimus

1. Santykinis efektyvumas – arba itin subjektyvus skaičiaus pateikimas

Apie tai jau ne kartą aiškinome ir rašėme: santykinis veiksmingumas yra farmacijos pramonės rinkodaros triukas, iškraipantis rezultatus. Tačiau ši tema tokia svarbi, kad norėtume ją dar kartą paaiškinti – remdamiesi BioNTech-Pfizer tyrimo dėl mRNA vakcinos veiksmingumo prieš Pietų Afrikos variantą pavyzdžiu – prisimename, kad jis nurodomas kaip „100 % veiksmingumas“.
Siekiant tai nustatyti, buvo atliktas tyrimas, apie kurį žinoma tik apytikslė informacija: Dviejose grupėse buvo 800 tiriamųjų, ir galiausiai, praėjus „iki pusės metų po antrosios dozės“, neskiepytųjų grupėje užsikrėtė 6 žmonės. Tikslesnių duomenų nepavyko rasti, tačiau jų pakanka problemai iliustruoti.
Pavaizduokime šį scenarijų paveikslėlyje:

Ungeimpft: neskiepyti ; geimpft: vakcinuota; erkrankt: sergantys; Anteil: proporcija.

Taigi, turime 2 grupes po (geriausiu atveju) 400 žmonių – taip pat geriausiu atveju atsitiktinai atrinktų. Jie buvo stebimi (vėlgi idealiu atveju) praėjus 6 mėnesiams po injekcijos (su vakcina arba placebu). 6 žmonės iš placebo grupės susirgo – ir bent jau pakankamai sunkiai, kad pasireikštų ligos simptomai. Šie 6 žmonės sudaro 1,5 % neskiepytų asmenų grupės. Nė vienas iš paskiepytųjų nesusirgo, t. y. 0 %.
Iš to galima daryti išvadą, kad šiame tyrime absoliučiai 1,5 proc. mažesnė rizika susirgti pasiskiepijus. Tada taip pat kalbama apie procentus.

Kitaip tariant, šio 6 mėnesių tyrimo metu skiepai sumažina riziką susirgti šia liga 1,5 proc.

Kaip „BioNTech-Pfizer“ pasiekia 100 % veiksmingumą? Paprasčiausiai jie naudoja santykinį veiksmingumą, kuris paprastai naudojamas rinkodaros tikslais. Jis apskaičiuojamas pagal veiksmingumo skirtumą ir tada rezultatas vėl siejamas su neskiepytos grupės veiksmingumu:

Ši klaidinanti referencija (vėlgi absoliutus veiksmingumas neskiepytųjų grupėje) sukuria klaidingą įspūdį, kad skiepai tikrai apsaugo visus žmones nuo ligos. Tai labai iškreiptas ir subjektyvus skaičių pateikimo būdas – labai palankus farmacijos pramonei.
Absoliutus veiksmingumas (1,5 procentinio punkto mažesnė rizika) turi lemiamus pranašumus. Absoliutus veiksmingumas rodo, …

  • kad abiejų grupių užsikrėtimo rodikliai yra panašūs (priešingu atveju skirtumas būtų didesnis procentais).
  • kad „paskiepytųjų grupės“ pranašumas šiame trumpame tyrime yra tik 1,5 procento.

Todėl šis vaizdas yra objektyvesnis ir pateikia viską blaiviau – tiesiog orientuotas į tikruosius faktus. Vis dėlto šis skaičius BioNTech-Pfizer tyrimuose nenurodytas. Tai tikrai nestebina, tačiau stebina tai, kad net pagrindinė žiniasklaida nekritiškai ir nefiltruotai perduoda šiuos akivaizdžius farmacijos pramonės reklaminius duomenis.
Tiek apie kritiką dėl santykinio veiksmingumo. Dabar pereikime prie „smulkmenų“ ir antrojo klausimo: veiksmingumo teiginių kritika dėl tyrimo dizaino.

2. Tyrimo dizainas yra skirtas ilgalaikiam laikotarpiui

Kietoji teorija: didelių skaičių dėsnis

Čia turime šiek tiek pažvelgti į statistiką, tačiau tik į pačius pagrindinius dalykus. Galioja labai svarbus „didelių skaičių dėsnis“, kuris iš esmės teigia, kad:

Atsitiktinio eksperimento santykinis dažnis priartėja prie teorinės atsitiktinio rezultato tikimybės, kai jis dažnai kartojamas.

Skamba sudėtingai, bet taip nėra. Iliustruokime visa tai paprastu pavyzdžiu: tarkime, kad norime nueiti į kazino ir uoliai mėtyti kauliuką už pinigus – su keturkampiu kauliuku. Taip, toks dalykas egzistuoja:

Su nemanipuliuotu kauliuku, kaip pavaizduotas paveikslėlyje, žinome, kad kiekvienos pusės tikimybė yra vienoda, t. y. lygiai 25 % 4 pusių kauliuko (tai vadinama „teorine tikimybe“).
Tai galime patikrinti atlikdami daugybę bandymų su kauliuku ir pažymėdami, kuri pusė yra viršuje. Atlikus daug bandymų, kiekviena pusė turėtų būti viršuje lygiai 25 % visų bandymų su kauliukais. Būtent tai mums garantuoja didelių skaičių dėsnis – su nemanipuliuotu kauliuku.
Žinoma, gali būti, kad „atsitiktinai“ ta pati pusė visada atsiduria viršuje per kelis pirmuosius bandymus, o mums paprasčiausiai „nesiseka“. Tačiau: didelių skaičių dėsnis mums garantuoja, kad jei atliksime daugybę bandymų su kauliukais, kiekvienos pusės tikimybė bus 25 %.

Pamažu pereikime prie eksperimento

Tarkime, norime patikrinti 2 skirtingus kazino ir išsiaiškinti, ar jų keturkampiai kauliukai yra suklastoti.
Kaip tai padaryti? Nuvykstame į kazino A, paimame jų kauliukus ir atliekame nesuskaičiuojamą daugybę metimų. Idealiu atveju kiekviena pusė turėtų būti surinkusi 25 % visų bandymų mesti kauliukus. Tuomet tą patį darome kazino B, kur tikimės to paties. Jei po daugybės bandymų mūsų rezultatai skiriasi, kazino bando sukčiauti. Pavyzdžiui, jei kazino „A“ 40 % atvejų viena pusė laimi, žinome, kad su kauliukais kažkas negerai.
Kodėl?
Pagal didžiųjų skaičių dėsnį, visos pusės turėtų iškristi pagal teorinę 25 % tikimybę, jei kauliukas yra tobulas.

Ką veikėme dviejuose kazino? Eksperimentą. Jį sudaro du dalykai:

1. Įvykis: mes metame kauliukus.
2. Rezultatas: iškritusi pusė.

Nuolat kartodami įvykį (mes dažnai metame kauliuką), rezultatuose patvirtiname didelių skaičių dėsnio teiginį.

Pirmoji nuoroda į skiepijimo tyrimus

Panašiai kaip ir eksperimentas su kauliukų mėtymu, visa tai vyksta ir vakcinų gamintojų atliekamuose vakcinų veiksmingumo tyrimuose. Tik čia neturime dviejų kazino, kuriuose galėtume atlikti eksperimentą, turime dvi žmonių grupes: paskiepytus ir nepaskiepytus.
Jei pažvelgsite į tai gana paviršutiniškai, viskas bus aišku: turime tyrimą, kuriame dalyvavo 800 dalyvių (mūsų pavyzdyje su Pietų Afrikos variantu) – tai jau „didelis skaičius“. Kai kurie tyrimai yra dar didesni – juose dalyvavo daugiau nei 40 000 žmonių.
Jei dabar pažiūrėsime, kas serga, o kas neserga, rezultatas turėtų būti panašus į daugelio tyrimų tikrąjį veiksmingumą, t. y. turėtų tikti pirmoje dalyje pateiktas tyrimas. Taigi skiepytųjų grupės efektyvumo pranašumas yra 1,5 procento, arba, kalbant populistiniais terminais, 100 % santykinis efektyvumas.
Bet: ar tikrai tai turime?

Problema slypi pačiame įvykyje – apie etines problemas

Tai, kas iš pirmo žvilgsnio atrodo gana logiška, taip yra tik iš pirmo žvilgsnio.
Esminis klausimas: koks įvykis yra mūsų „skiepijimo eksperimente“? Ar tai yra dūris – vakcinos ar placebo suleidimas?
Ne. Tikrasis įvykis įvyksta po vakcinacijos arba po placebo suleidimo. Tik po to, kai paskiepijame grupę, pradedame „tikrąjį eksperimentą“: norime tiriamuosius asmenis paveikti virusu – ir tinkama doze – ir patikrinti, ar paskiepyti asmenys užsikrės, ar skiepai padės.
Ir štai čia esmė: žinoma, etikos ir moralės požiūriu nepateisinama tyčia tiriamuosius paveikti ar užkrėsti „dideliu viruso kiekiu“. Net jei tai, žinoma, būtų „optimalu“ mūsų eksperimentui.
Atidesnis žvilgsnis į įvykį ir rezultatą – štai kur esmė.

Dar kartą grafiškai pažvelkime, kaip atrodytų mūsų optimalus eksperimentas:

Įvykis: didelio viruso krūvio ekspozicija; Rezultatai; nėra ligos; liga su simptomais; sunki liga; mirtis.

Taigi turime savo įvykį (kazino pavyzdyje – paprastą kauliuko metimą), taigi čia: sąmoningas mūsų tiriamųjų veikimas dideliu viruso krūviu – kai žinote, kad jie paprastai užsikrečia. Norėdami tai padaryti, mes supaprastinome, darydami prielaidą apie keturis galimus rezultatus, t. y. remdamiesi keturių pusių kauliuku. Jei abiejose grupėse įvykis „pasitaiko“ labai, labai dažnai ir tikimybės reikšmingai skiriasi, tuomet (tikriausiai) matome skiepų poveikį.

Problema tebėra įvykis. Kadangi dėl etinių sumetimų mums neleidžiama sąmoningai jį sukelti, kyla klausimas: kaip sužinoti, kada tiriamieji gavo tinkamą viruso krūvį? Kitaip tariant, kaip sužinoti, kad eksperimentas buvo atliktas vieną kartą?
Atsakymas: būtent to nežinoma.
Žinoma, visi kasdien rizikuojame užsikrėsti šiuo virusu, kuris gali sukelti ligą. Tačiau tai priklauso nuo daugybės veiksnių. Pavyzdžiui:

  • Koks yra šiuo metu užsikrėtusiųjų procentas populiacijoje? Jei paplitimas didelis, yra didesnė tikimybė užsikrėsti susitikus su kitu žmogumi.
  • Asmeninis elgesys: Kaip dažnai susitinku su kitais žmonėmis? Ar aš esu išsigandęs pagyvenęs žmogus, kuris gyvena iš rūsyje esančių skardinių, bijodamas vaizdų iš Bergamo, ir niekada neišeinu į lauką? Jei tai padarysiu, kaip man pavyks gauti eksperimentui reikalingą viruso kiekį?
  • Kur dirbu ir kokios darbo sąlygos.
  • Kokios yra politinės sąlygos? Dėl politiškai įvestos komendanto valandos ir uždarytų užeigų rizika užsikrėsti yra mažesnė nei praleisti naktį artimiausioje užeigoje su daugybe žmonių.

Sąrašą būtų galima tęsti be galo.
Tiesą sakant, čia ir yra „šuo pakastas“ – net RKI nepateikia jokių duomenų apie tikimybę užsikrėsti Vokietijoje x mėnesį kaip „vidutiniam piliečiui“.

Apytikslis įvertinimas – kaip atskaitos taškas

Mažmeninės prekybos sektoriuje pirmiausia buvo parengtos pirmosios rizikos per darbo dieną įvertinimo ataskaitos, tačiau net ir čia akivaizdu, kad rezultatas priklauso nuo daugelio nežinomųjų.
Mes norime tai pajusti – gauti bent apytikrį vaizdą ir imti tik paplitimo, t. y. kiek žmonių populiacijoje buvo užsikrėtę, kol nebuvo „apsaugos“, t. y. skiepų, įvertinimą. RKI informacinės lentelės duomenimis, 2020 03 01 – 2021 01 01 (maždaug nuo skiepijimo pradžios), t. y. per 306 dienas, PGR testas buvo teigiamas 1 765 063 asmenims. „BioNTech-Pfizer“ tyrimas truko maždaug 6 mėnesius, t. y. 180 dienų. Per tą laiką Vokietijoje maždaug tiek pat žmonių PGR testas buvo teigiamas:

Teigiamų PGR tyrimų skaičius per šešis mėnesius.

Palyginti su gyventojų skaičiumi (83,02 mln. žmonių), tai reiškia, kad per šį šešių mėnesių laikotarpį 1,25 proc. gyventojų PGR testas buvo teigiamas.

Apskaičiuokime eksperimentų skaičių

Jei imsime šį apytikslį 1,25 proc. įvertinimą ir susiesime jį su mūsų realiu eksperimentu su 800 žmonių, tai reiškia, kad bus atlikta tik

Eksperimento įvykių skaičius.

10 (!) eksperimentų.

Ką tai reiškia? Na – kaip teigia pats mūsų dėsnio pavadinimas „Didelių skaičių dėsnis“, prasmingų rezultatų galime tikėtis tik tada, jei atliksime daug eksperimentų, t. y. jei įvykį atliksime labai, labai dažnai.
Daugelis žmonių mano, kad 800 ar 40 000 tiriamųjų yra tokio dydžio įvykių skaičius, tačiau, kaip čia parodėme, tai yra klaidinga. Iš tikrųjų tik nedidelė dalis jų iš tikrųjų dalyvaus „įvykyje“, t. y. gaus didelį viruso krūvį. Tikėtina, kad 1,25 proc. čia iš apytikslio įvertinimo vis dar yra gerokai per didelis skaičius (nes PGR tyrimuose taip pat dalyvavo daugybė besimptomių asmenų ir klaidingai teigiamų rezultatų).

Kaip išspręsti šią problemą?

Problemą galima išspręsti gana paprastai: Eksperimentas atliekamas ilgą laiką – labai ilgą laiką, kelerius metus. Kodėl? Tikriausiai logiška, kad jei eksperimentas bus vykdomas pakankamai ilgai, ilgainiui daugumai dalyvių tam tikru metu įvyks „įvykis“, t. y. jie gaus didelę viruso dozę.
Ne veltui 3 fazės tyrimai su daugybe dalyvių (masiniai) oficialiai vykdomi iki 2023 m. Ir ne veltui vakcinų patvirtinimo procedūros iki šiol užtruko daug metų.
Tačiau tai, kas bet kuriuo atveju turėtų būti perteikta straipsnyje: Vien dėl tyrimo dizaino, net ir esant iš pažiūros labai dideliam tiriamųjų skaičiui, per tokį laikotarpį, kaip pusmetis ar net metai, negali būti jokių pagrįstų duomenų apie vakcinų veiksmingumą.
Ankstesniais skaičiavimais negalima pagrįstai teigti apie veiksmingumą – dėl aiškiai per mažo „eksperimentų“ skaičiaus. Faktas, kad farmacijos pramonė ir mūsų žiniasklaida vis dar skelbia apie santykinį veiksmingumą, nepaisant šio „konstrukcinio trūkumo“, kalba pats už save.

______________________________________________

Šis tekstas pasirodė 2021 m. birželio 22 d. pavadinimu „Entlarvt: Falsche Statistik bei den Wirksamkeitsstudien der Corona-Impfstoffe“ svetainėje https://corona-blog.net/

Išversta padedant www.DeepL.com/Translator.

Šis tekstas yra licencijuojamas pagal „Creative Commons Attribution 4.0“ tarptautinę licenciją. Nesivaržykite kopijuoti ir dalintis.