एक नया कोविड शॉट प्राप्त करें? साक्ष्य अन्यथा सुझाव देते हैं

पतन आ रहा है और कोविड टीकों के निर्माताओं द्वारा संचालित कोविड प्रचार मशीन पहले से ही यहां मौजूद है। मृत्यु के विरुद्ध प्रभावशीलता के एक भी परीक्षण के बिना, लिपिड नैनोकण जिनमें एमआरएनए और शायद अधिक (शेष डीएनए?) होते हैं, संभवतः हर सर्दियों में नियमित फ्लू टीकाकरण में जोड़े जाएंगे। शायद इस सर्दी के आते ही इन्हें बूस्टर खुराक नहीं कहा जाएगा।

इसलिए यह पहले बूस्टर की उच्च प्रभावशीलता के दावों पर फिर से विचार करने का उपयुक्त समय है, जिसे दो सर्दियों पहले दो-शॉट प्रोटोकॉल में जोड़ा गया था। तीन स्रोतों से अनुभवजन्य डेटा का उपयोग करते हुए, मैं यहां जांच करूंगा कि स्वस्थ टीका पूर्वाग्रह (समझाने के लिए) के लेखांकन के बाद क्या बचा है और डेटा की विशिष्ट विशेषताएं दिखाऊंगा जो और भी गहरी अनुमान समस्याओं का संकेत देती हैं। फिर, मैं एक और पूर्वाग्रह पर चर्चा करूंगा, जिसे विभेदक गलतवर्गीकरण कहा जाता है, जिसे आसानी से दूर नहीं किया जा सकता है।

इन दो पूर्वाग्रहों (अन्य भी हो सकते हैं) को ध्यान में रखते हुए, पहले बूस्टर की वास्तविक प्रभावशीलता औसत दर्जे और शून्य के बीच थी, और उस सीमा को सीमित करना असंभव है। इसलिए, बूस्टर प्रभावशीलता के वे सभी अवलोकन संबंधी अध्ययन बेकार थे।

हर सर्दी में एक नया कोविड शॉट लेना, चाहे इसे बूस्टर कहा जाए या नहीं, इसका कोई अनुभवजन्य आधार नहीं है। मौत के ख़िलाफ़ प्रभावशीलता साबित करने का भार पूरी तरह से सार्वजनिक स्वास्थ्य अधिकारियों पर है, और यादृच्छिक परीक्षण से कम कुछ भी अस्वीकार्य है।

स्वस्थ टीका पूर्वाग्रह

मैंने कई लेख समर्पित किये यह विषय, जिसे संक्षेप में इस प्रकार प्रस्तुत किया जा सकता है:

टीका लगाए गए लोगों और बिना टीकाकरण वाले लोगों में कोविड मृत्यु दर की एक भोली तुलना, भले ही उम्र-समायोजित हो, पूरी तरह से भ्रामक है क्योंकि पहले वाले में मृत्यु का जोखिम कम होता है शुरुआत के लिए. यदि पूरी नहीं तो कम से कम उनकी कम कोविड मृत्यु दर के एक हिस्से का टीके से कोई लेना-देना नहीं है। वे अपने टीकाकरण रहित समकक्षों की तुलना में अधिक स्वस्थ लोग हैं। इसे स्वस्थ टीका पूर्वाग्रह कहा जाता है।

या इसके विपरीत: औसतन, टीकाकरण न करवाने वाले लोग, निश्चित उनके टीकाकरण समकक्षों की तुलना में, और इसलिए है उच्चतर सामान्य रूप से मृत्यु दर, जिसमें कोविड से मृत्यु भी शामिल है।

महामारी विज्ञानियों, जैवसांख्यिकीविदों और अन्य लोगों द्वारा पूर्वाग्रहों का बड़े पैमाने पर अध्ययन किया गया है। लेकिन यदि आप बायोमेडिकल लेखों के लिए प्रसिद्ध वेबसाइट पबमेड पर "स्वस्थ वैक्सीन पूर्वाग्रह" की खोज करते हैं, तो आपको कई प्रकाशन नहीं मिलेंगे। केवल 24 . हैं (31 अगस्त), हाल सहित पत्र - व्यवहार में मेडिसिन के न्यू इंग्लैंड जर्नल बूस्टर प्रभावशीलता पर.

स्वस्थ टीका पूर्वाग्रह, जिसे कई लोग गलती से चयन पूर्वाग्रह कहते हैं, एक प्रकार का भ्रमित करने वाला पूर्वाग्रह है। इसके अलावा, यह टीकाकरण और गैर-टीकाकरण की तुलना तक ही सीमित नहीं है, बल्कि इसे अतिरिक्त खुराक के साथ आगे बढ़ाया जाता है। जिन लोगों ने तीसरी खुराक ली, वे औसतन केवल दो खुराक लेने वालों की तुलना में अधिक स्वस्थ थे। हम जल्द ही सबूत देखेंगे. स्वस्थ लोगों को खुराक के क्रम में स्थानांतरित करने का एक और अजीब प्रभाव पड़ता है। उदाहरण के लिए, दो-खुराक प्राप्तकर्ताओं का "बचा हुआ" समूह बिना टीकाकरण वाले समूह की तुलना में अधिक बीमार (अधिक तुलनीय) हो जाता है।

स्वस्थ टीका पूर्वाग्रह को कम से कम आंशिक रूप से हटाया जा सकता है, लेकिन विधि पर बहुत कम लिखा गया है। जहां तक ​​मुझे पता है, दो शोध समूहों ने स्वतंत्र रूप से पक्षपातपूर्ण जोखिम अनुपात के लिए एक सुधार विधि विकसित की है: एक समूह हंगरी से; एक और अमेरिका से। हाल तक उस काम से अनभिज्ञ मैंने भी प्रस्ताव रखा एक विधि. दिलचस्प बात यह है कि यह वही तुच्छ गणित है, जिसे दो या तीन रूपों में व्यक्त किया गया है।

गणित के बावजूद, सामान्य अंतर्निहित सिद्धांत सरल है। हम जानते हैं कि टीका लगवाने वाले लोग औसतन अधिक स्वस्थ होते हैं। आइए उनकी कोविड मृत्यु दर का अनुमान लगाने के लिए गैर-कोविड मृत्यु दर पर डेटा का उपयोग करें, क्या वे अपने असंबद्ध समकक्षों की तरह अस्वस्थ थे. दूसरे शब्दों में, हम जोखिम का अनुमान लगाते हैं प्रतितथ्यात्मक वह अवस्था, जो देखने योग्य नहीं है। वास्तव में, कन्फ़ाउंडिंग और डिकॉन्फ़ाउंडिंग को परिभाषित करने के कई तरीकों में से एक प्रतितथ्यात्मक तर्क पर आधारित है। (वहाँ हैं दूसरा तरीका.)

पूर्वाग्रह को ठीक करने के लिए, हमें टीकाकरण की स्थिति के आधार पर गैर-कोविड मृत्यु दर पर डेटा की आवश्यकता है। उस प्रकार का डेटा लगातार छिपाया गया है। अब तक मुझे तीसरी खुराक प्राप्तकर्ताओं की गैर-कोविड मृत्यु पर डेटा के तीन स्रोतों की जानकारी है: इंग्लैंड, विस्कॉन्सिन और इज़राइल।

राष्ट्रीय सांख्यिकी कार्यालय (ओएनएस), इंग्लैंड से डेटा

ONS तीन स्रोतों में सबसे बड़ा है। वह एजेंसी समय-समय पर प्रकाशित करती रहती है एक व्यापक डेटासेट स्तरीकरण के कई स्तरों के साथ, जिसमें से मैंने उन लोगों के लिए मासिक डेटा निकाला, जिन्होंने तीसरी खुराक प्राप्त की थी, बनाम उन लोगों के लिए, जिन्होंने केवल दो खुराक प्राप्त की थी। दोनों ही मामलों में, मैंने केवल उन्हीं लोगों को चुना, जिन्हें कम से कम 21 दिन पहले आखिरी खुराक मिली थी, कुछ अन्य श्रेणियों के लिए विरल डेटा से परहेज किया और तुलनीयता सुनिश्चित की। मैंने जिस समयावधि की जांच की वह नवंबर 2021 से अप्रैल 2022 थी, बूस्टर अभियान की शुरुआत के तुरंत बाद अगले (चौथी खुराक) अभियान तक।

ओएनएस डेटा में सभी उम्र के लिए आयु-मानकीकृत मृत्यु दर और उन आयु समूहों के भीतर अतिरिक्त आयु-मानकीकरण के साथ 10-वर्षीय आयु समूहों की दरें भी शामिल हैं। मैंने बाद वाली दरें चुनीं. गैर-मानकीकृत दरों का उपयोग करके परिणाम लगभग समान थे, जो संकीर्ण आयु सीमा को देखते हुए आश्चर्य की बात नहीं है।

नीचे दिए गए उदाहरण से पता चलता है कि की दर गैर-कोविड केवल दो खुराक प्राप्त करने वाले सबसे उम्रदराज लोगों की मृत्यु दर उनके आयु-समान समकक्षों की तुलना में 2.19 गुना अधिक थी, जिन्हें तीन खुराकें मिलीं। जिन लोगों ने बूस्टर लेना जारी रखा वे औसतन स्वस्थ थे। यह स्वस्थ टीकाकरण पूर्वाग्रह है, जो हर महीने हर आयु वर्ग में मौजूद था। अनुपात 2.19 को पूर्वाग्रह कारक कहा जाता है। मेरे द्वारा निकाले गए अधिकांश ONS डेटा में इसका मान 2 से 5 के बीच था। न्यूनतम मान 1.7 था और उच्चतम 8.1 था।

एक सरल विश्लेषण से तीसरी खुराक लेने की तुलना में केवल दो खुराक लेने पर 0.27 (वैक्सीन प्रभावशीलता 73 प्रतिशत) का जोखिम अनुपात उत्पन्न होता है। दोनों पक्षपातपूर्ण अनुमान हैं। सही जोखिम अनुपात की गणना करने के लिए हमें पक्षपाती जोखिम अनुपात (0.27) को पूर्वाग्रह कारक (2.19) से गुणा करना चाहिए, जैसा कि समझाया गया है अन्यत्र.

गणना के अंत में पूर्णांकन करने पर, हमें 0.60 का सही जोखिम अनुपात (केवल 40 प्रतिशत की सही टीका प्रभावशीलता) मिलता है।

कुछ पद्धतिगत बिंदु:

सबसे पहले, जैसा कि मैंने पहले उल्लेख किया है, मानकीकृत दरों के बजाय वास्तविक दरों के उपयोग से कोई महत्वपूर्ण अंतर नहीं आया है। आयु समूह काफी संकीर्ण थे। उपरोक्त उदाहरण में, हम चाहे किसी भी प्रकार की दर का उपयोग करें, हमें बिल्कुल वही परिणाम मिलता है क्योंकि मानकीकृत दरें वास्तविक दरों के लगभग समान थीं।

दूसरा, वास्तविक दरों का उपयोग करते समय, जनसंख्या विभाजक रद्द हो जाते हैं। सरल गणित से पता चलता है कि हम सही जोखिम अनुपात प्राप्त कर सकते हैं केवल का उपयोग मायने रखता है मौतों का. मैं तकनीकी व्युत्पत्ति को छोड़ दूंगा और केवल उपरोक्त उदाहरण के लिए गणना दिखाऊंगा:

तीसरी खुराक प्राप्तकर्ताओं में कोविड से मृत्यु की संभावना (बनाम गैर-कोविड मृत्यु): 606/6,912 = 0.088

दो-खुराक प्राप्तकर्ताओं में कोविड से मृत्यु की संभावना (बनाम गैर-कोविड मृत्यु): 88/598 = 0.147

सही जोखिम अनुपात: 0.088/0.147 = 0.60

तीसरा, गंभीर प्रश्न ONS विभाजक पर बढ़ाए गए हैं। हालाँकि, स्वस्थ टीकाकरण पूर्वाग्रह के लिए सुधार की यह विधि केवल मौतों की गिनती पर निर्भर करती है (जो do बहुत मायने रखता है।) हम अंत में इस विषय पर लौटेंगे जब मैं एक और महत्वपूर्ण पूर्वाग्रह पर चर्चा करूंगा: मृत्यु के कारण का अलग-अलग गलत वर्गीकरण।

चौथा, विरल डेटा (कुछ मौतें) टीके की प्रभावशीलता के आकलन में एक आम समस्या है, खासकर जब नमूना स्तरीकृत होता है। जिस अंतराल में मैंने बूस्टर प्रभाव (नवंबर 2021 - अप्रैल 2022) का विश्लेषण किया, उसमें यह कोई मुद्दा नहीं था। ONS डेटासेट स्तरीकरण के उन स्तरों पर स्थिर परिणाम देने के लिए काफी बड़ा है।

पांचवां, मैंने दो कारणों से गणना को 60 वर्ष और उससे अधिक की आयु तक सीमित रखा: 1) अनभिज्ञ पाठक जानता है कि युवा आबादी के लिए कोविड कभी भी सार्वजनिक स्वास्थ्य मुद्दा नहीं रहा है। 2) कम आयु वर्ग में कोविड से होने वाली मौतों की संख्या कम थी।

नीचे दिया गया ग्राफ़ ONS डेटा का एक सरल विश्लेषण दिखाता है। उच्च प्रभावशीलता के अनुमान कम से कम एक कारण से बेकार हैं: स्वस्थ टीकाकरण पूर्वाग्रह। ओएनएस "पूर्वाग्रह" शब्द का उपयोग किए बिना, बात को स्वीकार करता है।

वे लिखते हैं:

“ASMRs [आयु-मानकीकृत मृत्यु दर] टीके की प्रभावशीलता के उपायों के बराबर नहीं हैं; वे आयु संरचना और जनसंख्या आकार में अंतर के लिए जिम्मेदार हैं, लेकिन समूहों (विशेष रूप से अंतर्निहित स्वास्थ्य) के बीच अन्य अंतर भी हो सकते हैं जो मृत्यु दर को प्रभावित करते हैं।

प्रभावशीलता के सही अनुमान नीचे दिए गए ग्राफ़ में दिखाए गए हैं। दूसरे ग्राफ़ की तुलना पहले से करने पर, यह स्पष्ट है कि स्वस्थ टीकाकरण पूर्वाग्रह का परिमाण बड़ा था, और अप्रैल 2022 में, 54 प्रतिशत से 70 प्रतिशत के पक्षपाती अनुमान अनिवार्य रूप से रद्द कर दिए गए थे। हमने प्रभावशीलता में तेजी से और पूरी तरह से कमी देखी है, जो पक्षपातपूर्ण परिणामों में नहीं देखा गया था।

बहरहाल, सुधार के बाद नए प्रश्न उठते हैं:

• प्रभावशीलता क्यों दिखाई देती है वृद्धि कई जोड़ीवार तुलनाओं में उम्र बढ़ने के साथ? उदाहरण के लिए, नवंबर 2021 में सबसे युवा की तुलना में सबसे उम्रदराज़ लोगों में यह दोगुना क्यों है? हम अच्छी तरह से स्थापित होने पर, इसके विपरीत देखने की उम्मीद करते हैं इम्यूनोलॉजी से ज्ञान.
• नवंबर 2021 और जनवरी 2022 के बीच सबसे कम आयु वर्ग में प्रभावशीलता क्यों बढ़ती है और फिर तेजी से कम हो जाती है? क्या इसकी कोई जैविक व्याख्या है?
• रैखिक, अधोमुखी प्रवृत्ति केवल सबसे अधिक आयु वर्ग में ही सबसे अधिक सुसंगत और तीव्र क्यों है?
• जनवरी 2022 तक चार आयु समूहों के अनुमान काफी हद तक बराबर क्यों हो जाते हैं, और फिर अलग-अलग क्यों हो जाते हैं?

डेटा की कुछ विशेषताओं का कोई मतलब ही नहीं बनता। क्यों?

मैं इन सभी प्रश्नों का निम्नलिखित उत्तर प्रस्तुत करता हूं: या तो हमने स्वस्थ टीका पूर्वाग्रह को पूरी तरह और समान रूप से दूर नहीं किया है, या कुछ अन्य पूर्वाग्रह-संबंधित प्रक्रियाएं संचालित हुई हैं। हालाँकि हमें आत्मविश्वास से मूल, पक्षपाती अनुमानों को अस्वीकार कर देना चाहिए, हम नए अनुमानों को वैध, अंतिम विकल्प के रूप में समर्थन नहीं कर सकते। वे प्रभावशीलता की ऊपरी सीमाओं के योग्य भी नहीं हैं। सच्ची प्रभावशीलता, यदि बिल्कुल भी सार्थक हो, बहुत कम होनी चाहिए।

विस्कॉन्सिन से डेटा

से डेटा मिल्वौकी काउंटी, विस्कॉन्सिन को युआन एट अल द्वारा एक अध्ययन में प्रस्तुत किया गया है। (प्रीप्रिंट) या अतानासोव एट अल। (सहकर्मी-समीक्षित संस्करण). उनका लेख मेरे पेशेवर करियर में पढ़ी गई सर्वश्रेष्ठ पांडुलिपियों में से एक है, जिसका मतलब यह नहीं है कि मैं "कोविड-19 टीकों ने लाखों लोगों की जान बचाई है" जैसे कथन से सहमत हूं। उन्होंने नहीं किया. न ही मैं बूस्टर के लाभों के बारे में उनके दावों से सहमत हूं, जैसा कि आप जल्द ही देखेंगे।

वह लेख कई मायनों में असाधारण है: 1) स्वस्थ टीका पूर्वाग्रह को दूर करने की विधि की स्वतंत्र खोज; 2) उस स्तर पर गहन विश्लेषण जो मैंने शायद ही कभी देखा हो (यदि आप एक लंबा परिशिष्ट पढ़ने की जहमत उठाते हैं); 3) की विचारशील चर्चा लगभग हर वह मुद्दा जिसके बारे में मैं सोच सकता था; 4) डेटा का पूर्ण प्रदर्शन। हालाँकि, मुझे आश्चर्य हुआ कि वाक्यांश "स्वस्थ टीका पूर्वाग्रह" का कभी उल्लेख नहीं किया गया है, न ही इस विषय पर पिछले काम का कोई उद्धरण है।

लेखकों ने मिल्वौकी काउंटी, विस्कॉन्सिन के निवासियों में कोविड से होने वाली मौत के खिलाफ विभिन्न खुराकों की टीके की प्रभावशीलता का अध्ययन किया है। उनके भारी मात्रा में डेटा से, मैं नीचे दी गई तालिका में संख्याओं को निकालने और गणना करने में सक्षम था, जो मूल रूप से ओएनएस डेटा के समान डेटा और एक ही प्रकार का विश्लेषण है - चार के बजाय दो आयु समूहों में, तीन से अधिक महीने (संयुक्त). समूहीकरण के बाद भी, डेटा विरल है (कोविड से होने वाली मौतों की एक छोटी संख्या)।

जैसा कि आप देख सकते हैं, परिणाम अनोखे हैं। 60-79 वर्ष की आयु में केवल मध्यम स्वस्थ टीकाकरण पूर्वाग्रह था और 80+ आयु में कोई पूर्वाग्रह नहीं था। किस प्रकार का स्वस्थ टीका पूर्वाग्रह जिम्मेदार था? हम 1 का पूर्वाग्रह कारक क्यों देखते हैं? सुधार के बाद, 80+ उम्र में बूस्टर प्रभावशीलता कुछ हद तक थी उच्चतर, कम नहीं, 60-79 वर्ष की आयु से। क्या ये अपेक्षित परिणाम हैं?

लेखक लिखते हैं कि "...चयन प्रभाव, जब तक (हमारे सीईएमपी माप के माध्यम से या किसी अन्य तरीके से) नियंत्रित नहीं किया जाता, वीई अनुमानों में बड़े पूर्वाग्रह पैदा कर सकता है।" यह सही है, और हमने इसे अभी ONS विश्लेषण में देखा है। लेकिन किसी कारण से ये प्रभाव बुजुर्ग बूस्टर प्राप्तकर्ताओं बनाम दो-खुराक प्राप्तकर्ताओं के लिए उनके डेटा में काम नहीं कर रहे थे।

मैं असामान्य परिणामों की रचनात्मक व्याख्या के लिए लेखकों की सराहना करता हूं (परिशिष्ट, पृष्ठ 13-14)। जाहिर है, ONS डेटा के लिए किसी स्पष्टीकरण की आवश्यकता नहीं थी। किसी भी आयु वर्ग में स्वस्थ टीकाकरण संबंधी पूर्वाग्रह कभी ख़त्म नहीं हुआ।

एक उत्कृष्ट विश्लेषण उन समस्याओं का समाधान नहीं कर सकता जो नमूने में अंतर्निहित हैं। यह अकेले विरल डेटा समस्या या इससे भी अधिक हो सकती है। किसी भी तरह, हमें नए अनुमानों पर कोई भरोसा नहीं करना चाहिए।

इज़राइल से डेटा

के संपादक को एक पत्र मेडिसिन के न्यू इंग्लैंड जर्नल हाल ही में स्वस्थ टीकाकरण पूर्वाग्रह में काफी रुचि पैदा हुई है। होएग और सहकर्मी इज़राइल में बूस्टर प्राप्तकर्ताओं के एक अध्ययन से गैर-कोविड मृत्यु दर पर डेटा का चतुराई से उपयोग किया गया। उन आंकड़ों में, 95 प्रतिशत की पक्षपाती टीका प्रभावशीलता स्वस्थ टीका पूर्वाग्रह के लिए सुधार के बाद शून्य में बदल गई है। डेटा का सारांश नीचे दिया गया है।

जब कोई नई पद्धति शुरू की जाती है, तो अक्सर नए प्रश्न उठते हैं, जो अत्यधिक तकनीकी होते हैं। गिनती, दरों या आयु-समायोजित दरों का उपयोग करके पूर्वाग्रह को ठीक करने के बजाय, दो-चरणीय प्रक्रिया द्वारा पूर्वाग्रह को ठीक करना भी संभव है। सबसे पहले, हम कोविड से होने वाली मौत और गैर-कोविड से होने वाली मौत दोनों के लिए जितना संभव हो उतना भ्रम दूर करने के लिए एक बहुपरिवर्तनीय प्रतिगमन मॉडल फिट करते हैं। फिर, हम "बचे हुए" पूर्वाग्रह के लिए प्रतितथ्यात्मक-आधारित सुधार लागू करते हैं। परिणाम भिन्न हो सकते हैं. उदाहरण के लिए, इज़राइल के अध्ययन में, दूसरी विधि ने 57 प्रतिशत के बजाय 0 प्रतिशत की वैक्सीन प्रभावशीलता उत्पन्न की।

• क्या "निष्पक्ष परिणाम" के सांख्यिकीय अर्थ में दोनों विधियाँ वैध हैं?
• यदि हां, तो सांख्यिकीय दृष्टिकोण से किसे प्राथमिकता दी जाती है (कहें, छोटा विचरण)?

चर्चा यहां शामिल करने के लिए बहुत जटिल है। मैं बस यही कहूंगा - उन्नत सांख्यिकीय ज्ञान रखने वालों के लिए - कि दो-चरणीय विधि डीकन्फाउंडिंग के लिए दो दृष्टिकोणों का एक मिश्रण है: शास्त्रीय कंडीशनिंग और प्रतितथ्यात्मक तर्क। क्या वह संकर उचित है, वैध होने पर भी, है संदिग्ध. दूसरी ओर, मुझे अभी तक एकल प्रतितथ्यात्मक दृष्टिकोण, अर्थात्, के दृष्टिकोण के किसी भी प्रत्यक्ष नुकसान के बारे में जानकारी नहीं है। होएग और एल., तथा मेरा.

विभेदक ग़लत वर्गीकरण पूर्वाग्रह

कल्पना कीजिए कि दो लोगों की अस्पताल में मृत्यु हो गई। मरीज ए को कोविड वैक्सीन की केवल दो खुराकें मिलीं; रोगी बी को तीन खुराकें ("अद्यतित") प्राप्त हुईं। मान लीजिए कि दोनों मरीजों की मौत का कारण कोविड था। बहरहाल, हमारी अपूर्ण दुनिया में गलत वर्गीकरण है, और दो मौतों में से एक या दोनों को गैर-कोविड मौत के रूप में दर्ज किया जा सकता है। किस प्रकार के ग़लत वर्गीकरण की अपेक्षा की जा सकती है?

यह टीकाकरण की स्थिति पर निर्भर करता है।

हम यह मान सकते हैं कि चिकित्सक बिना टीकाकरण वाले मरीज़ की तुलना में टीका लगाए गए मरीज़ की मौत का श्रेय कोविड को देने में अधिक अनिच्छुक हैं "क्योंकि टीके अत्यधिक प्रभावी हैं।" फिर भी, वे टीकाकरण वाले रोगियों में मृत्यु के कारण के रूप में कोविड को दर्ज करते हैं, लेकिन वे ऐसा कर सकते हैं अलग ढंग से रोगी ए (दो खुराक) बनाम रोगी बी (तीन खुराक) के लिए। रोगी बी की कोविड मृत्यु, जो टीकाकरण की स्थिति पर "अद्यतित" है, को गलती से गैर-कोविड के रूप में दर्ज किए जाने की संभावना रोगी ए की कोविड मृत्यु की तुलना में अधिक है, जो टीकाकरण की स्थिति में नहीं है। सादृश्य से, रोगी ए के बारे में "बिना टीकाकरण" के रूप में और रोगी बी के बारे में टीकाकरण के रूप में सोचें। कौन सी कोविड मृत्यु के चूक जाने की अधिक संभावना है? बाद वाला।

इस घटना को विभेदक गलत वर्गीकरण पूर्वाग्रह कहा जाता है, और मुझे इसमें कोई संदेह नहीं है कि यह विभिन्न कारणों से सार्वभौमिक रूप से काम कर रहा था: चिकित्सकों की मानसिकता, पीसीआर परीक्षण प्रोटोकॉल, और इसी तरह। फिर भी, पूर्वाग्रह को मापना और दूर करना कठिन है। जब स्वस्थ टीकाकरण घटना में विभेदक गलत वर्गीकरण जोड़ा जाता है, तो पूर्वाग्रह बढ़ जाता है। बिंदु को स्पष्ट करने के लिए, काल्पनिक रूप से, मैंने मिल्वौकी काउंटी, विस्कॉन्सिन के विरल डेटा का उपयोग किया।

मान लीजिए कि 5-491 वर्ष की आयु में 60 गैर-कोविड मौतों में से 79 प्रतिशत वास्तव में कोविड से हुई मौतें थीं, जिन्हें गलत वर्गीकृत किया गया था (क्योंकि चिकित्सकों को विश्वास था कि टीके अत्यधिक प्रभावी थे और अन्य कारणों से।) फिर भी, जैसा कि ऊपर बताया गया है, अंतर गलत वर्गीकरण था: 6 तीन-खुराक प्राप्तकर्ताओं ("अद्यतित" टीकाकरण) में 239 गैर-कोविड मौतों में से केवल 4 प्रतिशत कोविड मौतें थीं, जबकि दो-खुराक प्राप्तकर्ताओं ("बिना टीकाकरण") में 252 गैर-कोविड मौतों में से केवल XNUMX प्रतिशत कोविड मौतें थीं।

गणना नीचे दी गई तालिका में दिखाई गई है। अंतर गलत वर्गीकरण पूर्वाग्रह और स्वस्थ टीका पूर्वाग्रह दोनों को सही करने के बाद, हमें तीसरी खुराक की केवल 28 प्रतिशत प्रभावशीलता मिलती है।

उस अध्ययन के लेखकों ने स्वीकार किया कि अनुमानित प्रभाव पक्षपातपूर्ण होंगे यदि "टीकाकरण और गैर-टीकाकरण वाले व्यक्तियों के बीच कम गिनती की डिग्री व्यवस्थित रूप से भिन्न होती है," लेकिन उनके पास "उस स्थिति (ii) के कायम रहने की उम्मीद करने का कोई कारण नहीं है।"

जैसा कि मैंने ऊपर लिखा है, मैं उनके विश्वास से सहमत नहीं हूं। अलग-अलग गलत वर्गीकरण की उम्मीद करने के कई कारण हैं, और हममें से जो लोग, उदाहरण के लिए, इज़राइल में पीसीआर परीक्षण प्रथाओं का पालन करते हैं, उनके पास है प्रचुर सबूत है.

मेरा मानना ​​है कि किसी दिन, कोविड टीकों की प्रभावशीलता पर अवलोकन डेटा को महामारी विज्ञान पाठ्यक्रमों में स्वस्थ टीका पूर्वाग्रह, गलत वर्गीकरण पूर्वाग्रह के प्रमुख उदाहरण के रूप में पढ़ाया जाएगा। अन्य पूर्वाग्रह, तथा अन्य विकृतियाँ.

संक्षेप करने के लिए:

पहले बूस्टर की वास्तविक प्रभावशीलता अल्पकालिक थी, यदि सार्थक भी थी। चरम सुरक्षा औसत दर्जे और शून्य के बीच थी, और उस सीमा को सीमित करना असंभव है। इसलिए, बूस्टर प्रभावशीलता के वे सभी अवलोकन संबंधी अध्ययन बेकार थे।

हर सर्दी में एक नया कोविड शॉट लेने का कोई अनुभवजन्य आधार नहीं है। मौत के ख़िलाफ़ प्रभावशीलता साबित करने का भार पूरी तरह से सार्वजनिक स्वास्थ्य अधिकारियों पर है और डबल-ब्लाइंड, प्लेसीबो-नियंत्रित यादृच्छिक परीक्षण से कम कुछ भी अस्वीकार्य है। और यह फ़्लू शॉट पर भी लागू होता है।

लेखक से पुनर्प्रकाशित मध्यम खाता