क्या कोविड टीकों के आने से मृत्यु दर कम हुई?
A हाल ही की छाप, अब संदिग्ध मेडिकल जर्नल के साथ शलाका, दावा करता है कि दिसंबर 2020 में कोविड वैक्सीन की शुरुआत ने वास्तव में दुनिया भर में लाखों मौतों को रोका।
बेशक दावे दुनिया भर में सुर्खियां बटोर रहे हैं।
यह पेपर लंदन के इंपीरियल कॉलेज से अज़रा गनी की अध्यक्षता वाले शोध समूह द्वारा प्रस्तुत किया गया था। ग्लोबल एलायंस फॉर वैक्सीन्स इनिशिएटिव (GAVI), बिल एंड मेलिंडा गेट्स फाउंडेशन, रोड्स ट्रस्ट, विश्व स्वास्थ्य संगठन (WHO) और अन्य द्वारा वित्त पोषण में इसका समर्थन किया गया था। डॉ. गनी एचएसबीसी, ग्लैक्सोस्मिथक्लाइन, और डब्ल्यूएचओ के सलाहकार के रूप में कार्य करती हैं और अपने अन्य इंपीरियल कॉलेज सहयोगियों के साथ, दो साल से अधिक समय से प्रो-लॉकडाउन/प्रो-पैनिक और प्रो-वैक्सीन रही हैं।
इस कागज की किसी भी बात पर संदेह करने के लिए वह पृष्ठभूमि ही मेरे लिए काफी है। लेकिन, मैं पेपर की सामग्री को देखना चाहता हूं।
सबसे पहले, जैसा कि शीर्षक स्पष्ट रूप से इंगित करता है, यह एक "गणितीय मॉडलिंग" अध्ययन था। वैज्ञानिक शब्दों में, गणितीय मॉडलिंग अध्ययन एक "राय" टुकड़े के बराबर का प्रतिनिधित्व करते हैं। इसका कारण यह है कि परिणाम को समझने के लिए, आपको न केवल इनपुट बल्कि एल्गोरिदम को भी समझने की आवश्यकता है। और, जैसा कि हमने 2020 से स्पष्ट रूप से देखा है, गणितीय मॉडल गलत होते हैं। वे केवल साधन हैं।
तो इस लेख में गलत क्या है? मुझे एल्गोरिदम जानने की भी आवश्यकता नहीं है क्योंकि इनपुट खराब हैं!
- मृत्यु दर की भविष्यवाणी
सबसे स्पष्ट विशेषता यह है कि मृत्यु दर (भविष्य या अतीत) की भविष्यवाणी करना लगभग असंभव है, विशेष रूप से सामान्य श्वसन वायरस के साथ। हम भविष्यवाणी कर सकते हैं कि कई कॉमरेडिटी वाले बुजुर्ग लोगों (75 वर्ष से अधिक) का एक निश्चित प्रतिशत श्वसन वायरस जैसे कोविड के शिकार होने की संभावना है, लेकिन हम यह अनुमान नहीं लगा सकते हैं कि कौन और कब होगा। कुछ लोग जो मृत्यु दर के लिए प्रमुख उम्मीदवार प्रतीत होते हैं वे जीवित रह सकते हैं जबकि अन्य जो स्वस्थ प्रतीत होते हैं उनकी मृत्यु हो सकती है।
फिर भी, कोविड से मृत्यु दर का पूर्वानुमान वास्तविक आंकड़ों पर आधारित रहा है, मॉडलिंग पर नहीं। इंपीरियल कॉलेज से जो गणितीय मॉडल प्रस्तुत किए गए हैं वे हमेशा बेतहाशा गलत रहे हैं।
यहां तक कि कैंसर जैसी अधिक स्थापित बीमारियों के साथ, मृत्यु दर की भविष्यवाणी करना एक मुश्किल काम हो सकता है। इसीलिए निदान और उपचार के चरण के आधार पर जीवित रहने के लिए अनुमान दिए जाते हैं, लेकिन वे केवल अनुमान होते हैं। किसी भी परिस्थिति में कोई चिकित्सा पेशेवर यह नहीं कहता है कि विकिरण उपचार का उपयोग करके हम प्रत्येक वर्ष कैंसर से X संख्या में जीवन बचाते हैं।
मैं एक ऐसा कार्यक्रम भी लिख सकता हूं जो किसी व्यक्ति द्वारा पहने जाने वाले जूते की शैली या वे किस प्रकार की कार चलाते हैं, इसके आधार पर मृत्यु दर की भविष्यवाणी करता है। उदाहरण के लिए, युवा लोग स्नीकर की एक विशेष शैली पहनने के लिए अधिक इच्छुक हो सकते हैं और चूंकि युवा लोगों के कोविड से मरने की संभावना कम है, इसलिए मैं गणना कर सकता हूं कि उस प्रकार के स्नीकर पहनने से जीवन बचता है।
जान बचाना लगभग हमेशा एक भ्रामक तर्क होता है।
2. अन्य कारकों की उपेक्षा करना
- प्राकृतिक प्रतिरक्षा
दिसंबर 2020 में जब टीके लगाए गए, तब तक दुनिया का एक बहुत बड़ा प्रतिशत पहले ही कोविड का अनुभव कर चुका था। हम सीरोप्रिवलेंस अध्ययनों से जानते हैं कि मूल वायरस कम से कम 2019 के मध्य से घूम रहा था। हम यह भी जानते हैं कि प्राकृतिक प्रतिरक्षा किसी भी अल्पकालिक वैक्सीन-प्रेरित प्रतिरक्षा से अधिक मजबूत साबित हुई है। इस प्रकार, आबादी के एक बहुत बड़े प्रतिशत के पास पहले से ही उनके लिए काम कर रहे प्रतिरक्षा का एक बेहतर रूप था, प्राकृतिक प्रतिरक्षा।
बी रोग कलिंग
दिसंबर 2020 में जब टीके लगाए गए, तब तक गंभीर बीमारी और मृत्यु के लिए अतिसंवेदनशील लोग पहले ही इस बीमारी का शिकार हो चुके थे। बुजुर्ग लोग जो संक्रमित हो गए थे और 2020 के दौरान बच गए थे, अब उनके लिए प्राकृतिक प्रतिरक्षा काम कर रही थी। किसी भी वार्षिक संक्रामक रोग महामारी के साथ, आपको उच्च मृत्यु दर के वर्षों के बाद कम गंभीरता के वर्ष मिलते हैं, क्योंकि सबसे अतिसंवेदनशील लोग जल्दी मर जाते हैं जबकि अन्य चलते रहते हैं।
C. जनसंख्या संवेदनशीलता
उपरोक्त टुकड़ा जनसंख्या में मृत्यु दर की संवेदनशीलता में भारी उतार-चढ़ाव को पूरी तरह से अनदेखा करता है। पिछले दो वर्षों में युवा लोगों की संक्रमण मृत्यु दर बहुत कम रही है। गणितीय मॉडल सभी आबादी में मृत्यु दर संवेदनशीलता के समान स्तर को मानते हैं। यह धारणा हम जानते हैं कि यह एक भ्रम है और उनके किसी भी "मॉडल" को पूरी तरह से नकार देता है।
D. वेरिएंट के साथ रोग की गंभीरता में कमी
दिसंबर 2020 में जब टीके पेश किए गए, तब तक अगले संस्करण ("डेल्टा") उभर रहे थे। वायरस का प्राकृतिक विकास क्रम कम घातकता की ओर है। संप्रेषणीयता में वृद्धि निश्चित रूप से संभव है क्योंकि ये जीवित रहने वाले विषाणुओं की ओर प्रवृत्त होते हैं।
इसे इस तथ्य से जोड़ दें कि टीके केवल (आंशिक रूप से उस पर) कोविड के मूल स्रोत वायरस से निपटने के लिए डिज़ाइन किए गए थे, और आपके पास टीका भी समीकरण में प्रवेश नहीं कर रहा है।
ई. उपचार में सुधार
दिसंबर 2020 में जब टीके लगाए गए, तब तक दुनिया भर के चिकित्सक सीख चुके थे कि कोविड के सबसे गंभीर मामलों से कैसे निपटा जाए। अधिकांश लोगों को अभी भी हल्की बीमारी का अनुभव था और उन्हें थोड़ा खतरा था लेकिन अधिक गंभीर मामलों को प्रभावी उपचार और वेंटिलेशन जैसे खतरनाक कार्यों से बचाकर नियंत्रित किया जा सकता था।
3. डेटा उपयोग
- एक मार्कर के रूप में अतिरिक्त मृत्यु दर
मॉडल की धारणा यह है कि "अतिरिक्त मृत्यु दर" डेटा केवल सीधे कोविड से संबंधित हो सकता है, जबकि वास्तव में यह एक गलत धारणा है। दुनिया भर में, कोविड मृत्यु दर समग्र मृत्यु दर में केवल एक छोटी भूमिका निभाती है। इस प्रकार, कई अन्य कारक हैं जो मृत्यु दर की किसी भी व्याख्या में भूमिका निभा सकते हैं।
लेकिन, कोई अर्थ निकालने के लिए, आयु वर्ग और कोविड से मृत्यु दर के लिए अतिसंवेदनशील लोगों द्वारा मृत्यु दर के आंकड़ों को तोड़ना होगा।
- अविश्वसनीय डेटा का उपयोग करना
अब हम जानते हैं कि कोविड से होने वाली मौतों की वास्तविक संख्या को बढ़ा-चढ़ाकर पेश किया गया था, क्योंकि उन मानदंडों के कारण जो वास्तविक कारणों पर कोविड की रिपोर्टिंग के पक्ष में थे और साथ ही निर्धारण मानदंड के रूप में पीसीआर का उपयोग किया गया था। हम जानते हैं कि एक व्यक्ति कोविड से पूरी तरह से ठीक हो सकता था और कोविड से संबंधित किसी चीज के कारण दम तोड़ सकता था, लेकिन क्योंकि उनके इतिहास में एक सकारात्मक पीसीआर था, उसे कोविड मौत के रूप में दर्ज किया गया था।
हम वास्तव में उन लोगों की सही संख्या को कभी नहीं समझ सकते हैं, जिन्होंने वास्तव में कोविड के आगे घुटने टेक दिए, क्योंकि डेटा पानी इतना गड़बड़ हो गया है और इतना राजनीतिक प्रभाव रहा है। यह अफ़सोस की बात है क्योंकि इसका मतलब है कि हम पिछले ढाई वर्षों के कार्यों के बारे में दावा करने और दावा करने के लिए अविश्वसनीय संख्याओं के दुरुपयोग को देखते रहेंगे।
मुझे नहीं लगता कि ऊपर दी गई रिपोर्ट की तरह की खामियों को पूरी तरह से देखने के लिए किसी को कुछ विश्वसनीय वैज्ञानिक होना चाहिए।
यदि मैं इस लेख का समीक्षक होता, तो मैं इसे टिप्पणी के साथ वापस भेज देता: इसे बिन में फेंक दो।
ए के तहत प्रकाशित क्रिएटिव कॉमन्स एट्रिब्यूशन 4.0 इंटरनेशनल लाइसेंस
पुनर्मुद्रण के लिए, कृपया कैनोनिकल लिंक को मूल पर वापस सेट करें ब्राउनस्टोन संस्थान आलेख एवं लेखक.
