გაზიარება | ბეჭდვა | ელ.ფოსტა
ამ ბოლო დროს შესწავლა გამოქვეყნდა The-ში ლანცეტის ინფექციური დაავადებები, უოტსონი და სხვ. იყენებენ მათემატიკურ მოდელირებას იმის შესაფასებლად, რომ COVID-19-ის საწინააღმდეგო ვაქცინაციის პირველ წელს მასობრივმა ვაქცინაციამ მსოფლიოში 14-20 მილიონი სიცოცხლე გადაარჩინა. პროგრამაწინა სტატიები ბრაუნსტოუნზე, ავტორი: ჰორსტ მდე Raman უკვე აღვნიშნე კვლევაში რამდენიმე მცდარი დაშვება ინფექციითა და ვაქცინით მიღებული იმუნიტეტის ხანგრძლივობის შედარებასთან დაკავშირებით, ასევე ის ფაქტი, რომ კვლევაში არ იყო გათვალისწინებული ვაქცინის გვერდითი მოვლენები და ყველა მიზეზით გამოწვეული სიკვდილიანობის რისკი.
აქ მე შევაჯამებ იმ მექანიზმებს, თუ როგორ მივიდნენ ავტორები მასობრივი ვაქცინაციის შედეგად თავიდან აცილებული სიკვდილიანობის შეფასებების გამოთვლამდე. შემდეგ მე უფრო დეტალურად განვიხილავ, თუ როგორ შეიძლება მოდელში არასწორმა ვარაუდებმა გამოიწვიოს თავიდან აცილებული სიკვდილიანობის უხეშად გაბერილი შეფასებები, რამაც შეიძლება ახსნას კვლევის სახის ვალიდურობისა და შინაგანი თანმიმდევრულობის ნაკლებობა.
კვლევა იყენებს COVID-19-ის გადაცემის, ინფექციისა და სიკვდილიანობის დინამიკის გენერაციულ მოდელს, რომელიც მოიცავს 20-25 სავარაუდო პარამეტრს, რომლებიც დაფუძნებულია შერჩეულ ლიტერატურაზე (მაგ., ვაქცინის ეფექტურობა გადაცემის, ინფექციისა და სიკვდილიანობის წინააღმდეგ, თითოეული ქვეყნის ასაკობრივი ნარევები, ასაკობრივი სტრატიფიცირებული ინფექციის სიკვდილიანობის მაჩვენებლები და ა.შ.), რომელიც მორგებულია დაფიქსირებულ ჭარბ სიკვდილიანობაზე, რათა დადგინდეს (მაგრამ არა დადასტურდეს) ვირუსის დროთა განმავლობაში გადაცემადობა 185 ქვეყანაში.
კვლევა ადარებს 2021 წელს მომხდარ ფაქტობრივ ჭარბი სიკვდილიანობას სიმულაციებს (კონტრფაქტებს), რომლებიც, სავარაუდოდ, იწინასწარმეტყველებენ თითოეულ ქვეყანაში ჭარბი სიკვდილიანობის ტრაექტორიას, თუ ვაქცინები არ იქნებოდა დანერგილი (ანუ ზემოთ მორგებული მოდელების მრავალი სიმულაციის შესრულებით ვაქცინების ეფექტების ამოღების შემდეგ). ამ კონტრფაქტულ მრუდებსა და ფაქტობრივ ჭარბი სიკვდილიანობას შორის სხვაობა იწვევს ვაქცინაციის წყალობით თავიდან აცილებული სავარაუდო სიკვდილიანობის მაჩვენებელს.
ავტორების მოდელები, როგორც ჩანს, არ ითვალისწინებენ ვირუსის ინფექციურობის ან ლეტალურობის ევოლუციას, გარდა დელტა ვარიანტით გამოწვეული ინფექციის გამო ჰოსპიტალიზაციის მაჩვენებლების ზრდის ცალსახა მოდელირებისა (იხილეთ დანართში 1.2.3 შეშფოთების ვარიანტების განყოფილება). კონტრფაქტუალური სიმულაციების ძირითადი ვარაუდი ის არის, რომ ჭარბი სიკვდილიანობა აიხსნება ვირუსის „ბუნებრივი“ ევოლუციით, რაც აისახება მის დროში ცვალებად გადაცემადობაში, რომლის დადგენაც (დადასტურება) მხოლოდ შესაძლებელია და არა დადასტურება.
თუ მოდელები ითვალისწინებენ პარამეტრებს, რომლებიც ზედმეტად ან არასწორად აფასებენ ვაქცინის ეფექტურობას გადაცემის, ინფექციისა და სიკვდილიანობის წინააღმდეგ, ასევე ვაქცინის დაცვის ხანგრძლივობას, მაშინ როდესაც უგულებელყოფენ პანდემიასთან დაკავშირებული ჭარბი სიკვდილიანობის სხვა წყაროებს, ეს გამოიწვევს დროში ცვალებადი ვირუსის გადაცემის ზედმეტად ან არასწორად შეფასებას, რათა მივაღწიოთ თითოეულ ქვეყანაში ჭარბი სიკვდილიანობის მრუდებთან კარგ შესაბამისობას. ეს, თავის მხრივ, ხელოვნურად გაზრდის სავარაუდო ჭარბი სიკვდილიანობის მაჩვენებელს, როდესაც ვაქცინაციის ეფექტები შემდგომში ამოღებული იქნება კონტრფაქტული სიმულაციებიდან. ქვემოთ ამ საკითხებს უფრო დეტალურად განვიხილავთ.
უოტსონის და სხვების მოდელები ვაქცინით მიღებული იმუნიტეტის შესახებ არარეალურ ვარაუდებს ეყრდნობა.
გაურკვეველია, ითვალისწინებენ თუ არა ავტორები ვაქცინის ეფექტურობის შემცირებას თავიანთ მოდელებში და, როგორც ჩანს, მათი ყველა მოდელი ვარაუდობდა ვაქცინის მუდმივ დაცვას მთელი 1-წლიანი კვლევის პერიოდის განმავლობაში, მიუხედავად იმისა, რომ კვლევები აჩვენებს, რომ ეს სადღაც 3-დან 6 თვემდეამათ მიერ მოყვანილი მოდელი, ჰოგანი და სხვ. 2021, სტანდარტულად ვარაუდობს „გრძელვადიან“ (ანუ >1 წელზე) ვაქცინაციით დაცვას (იხ. ცხრილი 1). ჰოგანი და სხვ. 2021).
გარდა ამისა, ვაქცინის ეფექტურობის ან ეფექტიანობის პრაქტიკულად ყველა კვლევა გამორიცხავს ან აერთიანებს სიმპტომურ შემთხვევებს „არავაქცინირებული“ შედარებითი ჯგუფების პირველი დოზიდან 21 დღის განმავლობაში ან მეორე დოზიდან 1 დღის განმავლობაში. ეს პრობლემურია იმის გათვალისწინებით, რომ არსებობს მტკიცებულება, რომ COVID-ის ინფექციურობამ შეიძლება გაზრდა ინექციიდან პირველი კვირის განმავლობაში თითქმის 3-ჯერ (იხ. სურათი 1 კვლევის ჩვენს კომენტარში). ეს იმაზე მიუთითებს, რომ ვაქცინის ეფექტურობის შეფასებები, რომლებიც ეფუძნება ინექციიდან 6 კვირაზე მეტი ხნის შემდეგ დაფიქსირებულ უფრო დაბალ მაჩვენებლებს, შეიძლება (სულ მცირე ნაწილობრივ) აიხსნას ინფექცია-და არა ვაქცინით გამოწვეული იმუნიტეტი, რაც გამოწვეულია COVID-19-ის ინფექციურობის ხანმოკლე ზრდით ვაქცინაციისთანავე.
მიუხედავად იმისა, რომ უოტსონის და სხვების მოდელები მოიცავს ვაქცინაციასა და დაცვის დაწყებას შორის ლატენტურ პერიოდს, ისინი არ ითვალისწინებენ ამ პერიოდში ვაქცინით გამოწვეული ინფექციურობისა და გადაცემის პოტენციურ ზრდას. მოდელებში ამ ეფექტის გაუთვალისწინებლად, ვირუსის ბუნებრივად განვითარებადი და დროში ცვალებადი გადაცემის უნარი გადაჭარბებულად შეფასდება და ამგვარად, ვაქცინაციის ეფექტების გამორიცხვის კონტრფაქტურ სიმულაციებში ჭარბი სიკვდილიანობის მაჩვენებელი გაიზრდება.
და ბოლოს, ავტორებმა შეისწავლეს ინფექციით გამოწვეული იმუნიტეტისგან იმუნური თავდაცვის თავიდან აცილების გავლენა მგრძნობელობის ანალიზის ჩატარებით, რათა შეფასებულიყო ვაქცინაციით თავიდან აცილებული სიკვდილიანობა იმუნური თავდაცვის სხვადასხვა პროცენტული მაჩვენებლით, 0%-დან 80%-მდე მერყეობით (იხილეთ დამატებითი სურათი 4 ორიგინალ სტატიაში). ამ მოდელებში ავტორები ნათლად აღნიშნავენ, რომ ისინი ვარაუდობენ მუდმივ (არაკლებად) ვაქცინაციულ დაცვას, რაც არარეალური ვარაუდია (იხილეთ ზემოთ მოცემული აბზაცი). თუმცა, როგორც ჩანს, ავტორები არ ატარებენ ვაქცინით გამოწვეული იმუნიტეტისგან იმუნური თავდაცვის თავიდან აცილების მსგავს მგრძნობელობის ანალიზს, რაც მნიშვნელოვანია ზემოთ მოცემულ აბზაცში წამოჭრილი საკითხის გათვალისწინებით.
მოდელები უგულებელყოფენ COVID-19-ის გარდა სხვა ფაქტორებით გამოწვეულ ჭარბ სიკვდილიანობას
მორგებული მოდელები და მათი საპირისპირო ფაქტები ვარაუდობენ, რომ თითოეულ ქვეყანაში ჭარბი სიკვდილიანობა აიხსნება მხოლოდ ბუნებრივად განვითარებადი COVID-19 ვირუსით და მისი (მორგებული მოდელის მიხედვით დასკვნით) დროში ცვალებადი გადამდებლობით. მოდელები არ ცდილობენ გაითვალისწინონ პანდემიასთან დაკავშირებული სხვა ფაქტორებით, მაგალითად, თავად ვაქცინებით, ასევე სხვა არაფარმაცევტული სავალდებულო ჩარევებით გამოწვეული ჭარბი სიკვდილიანობა. დაავადებათა კონტროლის ცენტრის მონაცემებით, ვაქცინით გამოწვეული სიკვდილის საერთო რისკი 0.0026%-ია. თითო დოზაზე ვაქცინის გვერდითი მოვლენების შესახებ ინფორმაციის მიწოდების სისტემაზე, ანუ VAERS-ზე დაყრდნობით. VAERS არის პასიური ანგარიშგების სისტემა და შეიძლება მხოლოდ აღრიცხოს ვაქცინასთან დაკავშირებული ყველა გვერდითი მოვლენის ~1%.
მტკიცებულებების უფრო ბოლოდროინდელი დამოუკიდებელი ხაზების გამოყენებით VAERS და სანდო ვარაუდები არასაკმარისი ანგარიშგების ფაქტორის შესახებდა საჯაროდ ხელმისაწვდომი ვაქცინაციისა და ყველა მიზეზით გამოწვეული სიკვდილიანობის მონაცემების ეკოლოგიური რეგრესია ვარაუდობენ, რომ VAERS-მა შესაძლოა ვაქცინით გამოწვეული სიკვდილიანობის მხოლოდ ~5% დააფიქსიროს. გარდა ამისა, მოდელები არ ითვალისწინებენ სხვა ფაქტორებით, მაგალითად, ლოქდაუნით გამოწვეული, გამოწვეული ჭარბი სიკვდილიანობის შემთხვევებს. „სასოწარკვეთილებით გამოწვეული სიკვდილი“.
პანდემიასთან დაკავშირებული ჭარბი სიკვდილიანობის სხვა პოტენციური წყაროების თავიანთ მოდელებში იგნორირებით, მორგებული მოდელები გადაჭარბებულად და/ან არასწორად შეაფასებენ ბუნებრივი, დროში ცვალებადი ვირუსის გადაცემის ეფექტებს, რათა მიაღწიონ მოდელის კარგ შესაბამისობას დაფიქსირებულ ჭარბი სიკვდილიანობასთან, რაც, თავის მხრივ, გამოიწვევს ჭარბი სიკვდილიანობის რაოდენობის გაბერილობას მათ კონტრფაქტობრივ სიმულაციებში.
სახის ვალიდურობის ნაკლებობა
ავტორების მიერ ქვეყნის დონეზე ჩატარებული შეფასებით, აშშ-ში ვაქცინაციით 1.9%-იანი დაფარვის გათვალისწინებით, 61 მილიონი სიკვდილი თავიდან იქნა აცილებული (იხილეთ დამატებითი ცხრილი 3 ორიგინალურ კვლევაში). პანდემიის პირველ წელს, როდესაც ვაქცინები არ იყო ხელმისაწვდომი (2020), იყო... 351,039 აშშ-ში COVID-XNUMX-ით გარდაცვლილი ადამიანიავტორების მოდელები ამგვარად, ვარაუდობენ, რომ 1.9 მილიონი / 350 ათასი = ~5.5-ჯერ მეტი სიკვდილიანობა COVID-2021-ით აშშ-ში 2020 წელს მოხდებოდა (XNUMX წელთან შედარებით), ვაქცინების არ შემოღების შემთხვევაში (იხ. სურათი 2 კვლევის ჩვენს კომენტარში). ეს ძალიან ნაკლებად სავარაუდოა, რადგან ძალიან მცირე საფუძველი არსებობს იმის დასაჯერებლად, რომ ვირუსი ბუნებრივად განვითარდებოდა და გაცილებით უფრო გადამდები და ინფექციური გახდებოდა. მდე მომაკვდინებელი
ავტორები მიუთითებენ 2021 წელს ვირუსის გადაცემის მაღალ მაჩვენებელზე, რაც გამოწვეულია საზოგადოებრივი ჯანდაცვის ზომებისა და შეზღუდვების (ლოქდაუნები, მოგზაურობის შეზღუდვები, პირბადის ტარების სავალდებულოობა და ა.შ.) შემსუბუქებით და/ან მოხსნით. თუმცა, ვარაუდი, რომ ამან შეიძლება გამოიწვიოს COVID-5-ით გამოწვეული სიკვდილიანობის 2021-ჯერ მეტი ზრდა XNUMX წელს, ეწინააღმდეგება... >400 კვლევა რომლებმაც დაასკვნეს, რომ ამ ზომებს საზოგადოებრივი ჯანმრთელობისთვის COVID-ის შედეგების შემცირების თვალსაზრისით მცირე ან საერთოდ არანაირი სარგებელი მოჰქონდა.
გარდა ამისა, 2021 წელს (ვაქცინაციის შემოღების შემდეგ) იყო 474,890 აშშ-ში COVID-XNUMX-ით გარდაცვლილი ადამიანიეს დაახლოებით 35%-ით მეტია 2021 წელთან შედარებით, რაც მიუთითებს დაუმუშავებელ მტკიცებულებაზე, რომ მასობრივი ვაქცინაცია გაუარესდა COVID-ის საერთო შედეგები, რაც შეესაბამება ვაქცინაციიდან დაცვის დაწყებამდე გაზრდილი ინფექციურობის დაკვირვებებს (იხილეთ ზემოთ მოცემული 1 პუნქტი) და COVID-19 დაავადების გამწვავების შეშფოთება ვაქცინებით გამოწვეული პრეკლინიკურ კვლევებზე დაყრდნობით.
დასკვნა
მიუხედავად იმისა, რომ გენერაციული მოდელები ხშირად სასარგებლო ინსტრუმენტია ისეთი სცენარების სიმულირებისთვის, რომლებიც არ მომხდარა, მოდელის პარამეტრებთან დაკავშირებული არაზუსტი დაშვებები ადვილად შეიძლება გამოიწვიოს მოდელის არასწორად სპეციფიკაცია. უოტსონის და სხვების (2022) შემთხვევაში, მათ შეუძლიათ გამოიწვიონ საპირისპირო სიმულაციები, რომლებიც უხეშად ზრდიან მასობრივი ვაქცინაციის შედეგად თავიდან აცილებული სიკვდილიანობის შეფასებებს.
რადგან ასეთი რთული მოდელირება შეიძლება ზედმეტად მგრძნობიარე იყოს შეყვანის პარამეტრების მიმართ, მიდრეკილი იყოს გადაჭარბებული მორგებისკენ და იძლევა გამოსავალს, რომლის დადასტურებაც რთულია, თუ არა შეუძლებელი, ის არ უნდა იქნას გამოყენებული საზოგადოებრივი ჯანდაცვის პოლიტიკისა და სახელმძღვანელო პრინციპების ინფორმირებისთვის. რაოდენობრივი რისკისა და სარგებლის თანაფარდობის ანალიზი, რომელიც იყენებს კლინიკური სასამართლო or რეალური სამყაროს მონაცემები კონკრეტული შედეგების რისკების შესადარებლად, როგორიცაა ყველა მიზეზით სიკვდილიანობა or მიოპერკარდიტი ვაქცინაციისა და კორონავირუსული ინფექციის შემდგომი პერიოდები, ამ მხრივ გაცილებით ინფორმაციულია და სასარგებლოა.
შენიშვნა: მე გამოვაქვეყნე ამ სტატიის ვერსია, რომელიც მოიცავს ნახაზებსა და ბიბლიოგრაფიას. ResearchGateდა კვლევის ორიგინალ ავტორებს კომენტარი ტვიტერზე გაუგზავნა პასუხისა და უარყოფის იმედით. ასევე, სტატიის შემოკლებული ვერსია 250-სიტყვიანი წერილის სახით წარვადგინე The-ში. ლანცეტის ინფექციური დაავადებები და ველოდები მათ პასუხს. ავტორი მადლობას უხდის ერვე სელიგმანს სტატიაზე სასარგებლო კომენტარებისა და გამოხმაურებისთვის.
-
დოქტორი სპირო პ. პანტაზატოსი კოლუმბიის უნივერსიტეტის კლინიკური ნეირობიოლოგიის (ფსიქიატრია) ასისტენტ-პროფესორია. ის ასევე ნიუ-იორკის შტატის ფსიქიატრიული ინსტიტუტის მკვლევარი მეცნიერია.
ყველა წერილის ნახვა
