मॉडल गलत विशिष्टता और बचाए गए जीवन के अत्यधिक बढ़े हुए अनुमान

हाल के दिनों में अध्ययन द में प्रकाशित किया गया लैंसेट संक्रामक रोगों, वाटसन एट अल। यह अनुमान लगाने के लिए गणितीय मॉडलिंग लागू करें कि बड़े पैमाने पर COVID-19 टीकाकरण ने COVID-14 टीकाकरण के पहले वर्ष के दौरान दुनिया भर में 20-19 मिलियन लोगों की जान बचाई कार्यक्रम. ब्राउनस्टोन के पिछले लेख होर्स्ट और रमन संक्रमण के संबंध में अध्ययन में पहले से ही कई गलत धारणाओं की ओर इशारा किया है- बनाम वैक्सीन-व्युत्पन्न प्रतिरक्षा अवधि के साथ-साथ यह तथ्य भी कि इसमें टीके की प्रतिकूल घटनाओं और सर्व-कारण मृत्यु जोखिम का हिसाब नहीं है। 

यहाँ, मैं यांत्रिकी को संक्षेप में बताता हूँ कि कैसे लेखक बड़े पैमाने पर टीकाकरण के कारण होने वाली मौतों के अपने अनुमानों पर पहुँचे। फिर मैं विस्तार से बताता हूं कि कैसे मॉडल में त्रुटिपूर्ण धारणाएं टाली गई मौतों के अनुमानों को बढ़ा-चढ़ाकर पेश कर सकती हैं, जो अध्ययन की चेहरे की वैधता और आंतरिक स्थिरता की कमी की व्याख्या कर सकती हैं।

अध्ययन COVID-19 संचरण, संक्रमण और मृत्यु दर गतिशीलता के एक जनरेटिव मॉडल का उपयोग करता है जिसमें चुनिंदा साहित्य के आधार पर 20-25 अनुमानित पैरामीटर शामिल हैं (यानी संचरण, संक्रमण और मृत्यु के खिलाफ टीका प्रभावशीलता, प्रत्येक देश के आयु-मिश्रण, आयु-स्तरीकृत संक्रमण मृत्यु दर आदि) जो 185 देशों में समय के साथ वायरस के संक्रमण का अनुमान लगाने (लेकिन मान्य नहीं) करने के लिए रिपोर्ट की गई अधिक मौतों के लिए उपयुक्त है। 

अध्ययन वास्तविक 2021 अतिरिक्त मौतों की तुलना सिमुलेशन (प्रतितथ्यात्मक) से करता है, जो प्रत्येक देश में अतिरिक्त मौतों के प्रक्षेपवक्र की भविष्यवाणी करने वाले हैं यदि कोई टीका पेश नहीं किया गया था (यानी टीकों के प्रभाव को हटाने के बाद उपरोक्त फिट किए गए मॉडल के कई सिमुलेशन चलाकर)। इन प्रतितथ्यात्मक वक्रों और वास्तविक अतिरिक्त मौतों के बीच का अंतर टीकाकरण के कारण होने वाली अनुमानित मौतों में परिणामित होता है।

लेखकों के मॉडल वायरस की संक्रामकता या घातकता के विकास के लिए खाते में नहीं दिखते हैं, डेल्टा संस्करण के कारण संक्रमण अस्पताल में भर्ती दरों में वृद्धि को स्पष्ट रूप से मॉडलिंग करने के अलावा (पूरक में चिंता अनुभाग के 1.2.3 संस्करण देखें)। प्रतितथ्यात्मक सिमुलेशन में प्राथमिक धारणा यह है कि अतिरिक्त मौतों को वायरस के "प्राकृतिक" विकास द्वारा समझाया गया है जैसा कि इसकी समय-भिन्न संप्रेषणीयता में परिलक्षित होता है, जिसे केवल अनुमान (फिट) किया जा सकता है और मान्य नहीं किया जा सकता है। 

यदि मॉडल उन मापदंडों को मान लेते हैं जो महामारी से संबंधित अतिरिक्त मौतों के अन्य स्रोतों की अनदेखी करते हुए, संचरण, संक्रमण और मृत्यु के साथ-साथ टीके की सुरक्षा की अवधि के खिलाफ टीके की प्रभावशीलता का अधिक या गलत अनुमान लगाते हैं, तो इससे समय का अति या गलत आकलन होगा- प्रत्येक देश में अतिरिक्त मृत्यु घटता के साथ एक अच्छा फिट प्राप्त करने के लिए अलग-अलग वायरस संप्रेषणीयता। यह बदले में, अनुमानित अतिरिक्त मौतों को कृत्रिम रूप से बढ़ा देगा जब टीकाकरण के प्रभाव को बाद में प्रतितथ्यात्मक सिमुलेशन से हटा दिया जाएगा। हम नीचे इन बिंदुओं के बारे में विस्तार से बता रहे हैं।  

वाटसन एट अल में मॉडल। वैक्सीन-व्युत्पन्न प्रतिरक्षा के बारे में अवास्तविक धारणाओं पर भरोसा करें

यह स्पष्ट नहीं है कि लेखक अपने मॉडलों में टीके की प्रभावशीलता को कम करने पर विचार करते हैं या नहीं, और ऐसा प्रतीत होता है कि उनके सभी मॉडलों ने संपूर्ण 1-वर्ष की अध्ययन अवधि में निरंतर टीका सुरक्षा ग्रहण की, भले ही अध्ययनों ने सुझाव दिया है कि यह कहीं 3 से 6 महीने के बीच है. वे जिस मॉडल का हवाला देते हैं, होगन एट अल। 2021 डिफ़ॉल्ट रूप से "दीर्घकालिक" (यानी> 1 वर्ष) वैक्सीन सुरक्षा मानता है (तालिका 1 देखें। होगन एट अल। 2021).

इसके अलावा, टीके की प्रभावकारिता या प्रभावशीलता के लगभग हर अध्ययन में पहली खुराक के 21 दिनों के भीतर या दूसरी खुराक के 1 दिनों के भीतर "बिना टीका लगाए" तुलनित्र समूहों के साथ या तो रोगसूचक मामलों को छोड़ दिया जाता है या ढेर कर दिया जाता है। यह साक्ष्य के आलोक में समस्याग्रस्त है कि COVID संक्रामक हो सकता है वृद्धि इंजेक्शन के बाद पहले सप्ताह के दौरान लगभग 3 गुना (देखें अध्ययन की हमारी टिप्पणी में चित्र 1). इससे पता चलता है कि रिपोर्ट किए गए टीके की प्रभावशीलता का अनुमान है कि कम मामलों की दरों पर आधारित हैं>6 सप्ताह के इंजेक्शन के बाद (कम से कम आंशिक रूप से) इसका हिसाब लगाया जा सकता है संक्रमण-, टीका नहीं-, टीकाकरण के तुरंत बाद COVID-19 संक्रामकता में अल्पकालिक वृद्धि के कारण प्रेरित प्रतिरक्षा। 

जबकि वाटसन एट अल में मॉडल। टीकाकरण के बीच एक विलंबता अवधि शामिल है और जब सुरक्षा शुरू होती है, तो वे इस अवधि के दौरान टीका-प्रेरित संक्रामकता और संप्रेषणीयता में संभावित वृद्धि के लिए जिम्मेदार नहीं हैं। मॉडल में इस प्रभाव के लिए लेखांकन स्वाभाविक रूप से विकसित और समय-भिन्न वायरस ट्रांसमिसिबिलिटी को अधिक अनुमानित नहीं करेगा और इस प्रकार टीकाकरण प्रभावों को बाहर करने वाले काउंटरफैक्टुअल सिमुलेशन में अतिरिक्त मौतों को बढ़ा देगा।

अंत में, लेखकों ने 0% से 80% (मूल लेख में पूरक चित्रा 4 देखें) के विभिन्न प्रतिरक्षा बचने के प्रतिशत के साथ टीकाकरण से होने वाली मौतों का अनुमान लगाने के लिए एक संवेदनशीलता विश्लेषण करके संक्रमण-व्युत्पन्न प्रतिरक्षा से प्रतिरक्षा चोरी के प्रभाव का पता लगाया। इन मॉडलों में, लेखक स्पष्ट करते हैं कि वे एक निरंतर (नॉन-वनिंग) वैक्सीन सुरक्षा को मानते हैं जो एक अवास्तविक धारणा है (ऊपर पैराग्राफ देखें)। हालांकि, लेखक वैक्सीन-व्युत्पन्न प्रतिरक्षा से प्रतिरक्षा चोरी का एक समान संवेदनशीलता विश्लेषण नहीं करते हैं, जो कि उपरोक्त पैराग्राफ में उठाए गए बिंदु को देखते हुए महत्वपूर्ण है। 

मॉडल COVID-19 के अलावा अन्य कारकों के कारण अधिक मौतों की उपेक्षा करते हैं

फिट किए गए मॉडल और उनके प्रतितथ्यात्मक मानते हैं कि प्रत्येक देश में अधिक मौतों की व्याख्या की गई है केवल एक स्वाभाविक रूप से विकसित COVID-19 वायरस और इसकी (फिटेड मॉडल-अनुमानित) समय-भिन्न संप्रेषणीयता द्वारा। मॉडल अन्य महामारी से संबंधित कारकों के कारण होने वाली अतिरिक्त मौतों के लिए खाते का प्रयास नहीं करते हैं, उदाहरण के लिए स्वयं टीके और साथ ही अन्य गैर-दवा अनिवार्य हस्तक्षेप। सीडीसी 0.0026% के समग्र टीका-प्रेरित मृत्यु जोखिम की रिपोर्ट करता है प्रति खुराक वैक्सीन प्रतिकूल घटना रिपोर्टिंग सिस्टम, या VAERS पर आधारित। VAERS एक निष्क्रिय रिपोर्टिंग सिस्टम है और केवल कैप्चर कर सकता है टीके से संबंधित सभी दुष्प्रभावों का ~1%. 

साक्ष्य की अधिक हाल की स्वतंत्र पंक्तियाँ उपयोग कर रही हैं VAERS और अंडररिपोर्टिंग फैक्टर के बारे में विश्वसनीय धारणाएँs और सार्वजनिक रूप से उपलब्ध टीकाकरण और सर्व-कारण मृत्यु दर डेटा का पारिस्थितिक प्रतिगमन सुझाव दें कि VAERS सभी वैक्सीन-प्रेरित मौतों का ~5% ही पकड़ सकता है। इसके अलावा, मॉडल लॉकडाउन-प्रेरित अन्य कारकों से होने वाली अतिरिक्त मौतों के लिए जिम्मेदार नहीं हैं "निराशा की मौत।" 

अपने मॉडलों में महामारी से संबंधित अतिरिक्त मौतों के अन्य संभावित स्रोतों की अनदेखी करके, फिट किए गए मॉडल रिपोर्ट की गई अतिरिक्त मौतों के साथ एक अच्छा मॉडल फिट प्राप्त करने के लिए प्राकृतिक, समय-भिन्न वायरस संप्रेषणीयता के प्रभावों को खत्म कर देंगे और/या गलत अनुमान लगाएंगे। बदले में उनके प्रतितथ्यात्मक सिमुलेशन में अतिरिक्त मौत की गिनती बढ़ जाएगी।

चेहरे की वैधता का अभाव

लेखकों के देश स्तर के अनुमान के अनुसार अमेरिका में 1.9% वैक्सीन कवरेज मानकर 61 मिलियन मौतों को टाल दिया गया था (मूल अध्ययन में पूरक तालिका 3 देखें)। महामारी के पहले वर्ष में जब कोई टीका उपलब्ध नहीं था (2020), थे 351,039 अमेरिकी COVID मौतें. लेखकों के मॉडल इस प्रकार सुझाव देते हैं कि 1.9M / 350k = ~ 5.5x अमेरिका में 2021 (बनाम 2020) में COVID से होने वाली मौतों की तुलना में कोई टीका पेश नहीं किया गया था (देखें अध्ययन की हमारी टिप्पणी में चित्र 2). यह अत्यधिक असंभव है क्योंकि यह विश्वास करने का बहुत कम कारण है कि वायरस स्वाभाविक रूप से विकसित होकर इतना अधिक संक्रामक, संक्रामक होगा और घातक। 

लेखक 2021 में सार्वजनिक स्वास्थ्य उपायों और प्रतिबंधों (लॉकडाउन, यात्रा प्रतिबंध, मास्क अनिवार्यता आदि) में ढील और/या उठाने के कारण उच्च संप्रेषणीयता का संकेत देते हैं। हालाँकि, यह धारणा कि यह 5 विरोधाभासों में COVID मौतों में 2021 गुना वृद्धि का कारण बन सकता है > 400 अध्ययन जिन्होंने निष्कर्ष निकाला है कि COVID परिणामों को कम करने में इन उपायों के सार्वजनिक स्वास्थ्य लाभ बहुत कम या कोई नहीं थे।   

इसके अलावा, 2021 में (टीकाकरण शुरू होने के बाद) थे 474,890 अमेरिकी COVID मौतें. यह 35 की तुलना में लगभग 2021% अधिक है, जो बड़े पैमाने पर टीकाकरण के कच्चे सबूत का सुझाव देता है खराब हो गई COVID परिणाम कुल मिलाकर, टीका सुरक्षा शुरू होने से पहले बढ़ी हुई संक्रामकता के अवलोकन के अनुरूप हैं (ऊपर पहला बिंदु देखें) और COVID-19 रोग की बढ़ी हुई गंभीरता की चिंता टीकों के कारण होता है प्रीक्लिनिकल स्टडीज के आधार पर।

निष्कर्ष

जबकि जनरेटिव मॉडल अक्सर ऐसे परिदृश्यों का अनुकरण करने के लिए एक उपयोगी उपकरण होते हैं जो घटित नहीं हुए हैं, मॉडल मापदंडों के बारे में गलत धारणा आसानी से मॉडल के गलत विवरण का कारण बन सकती है। वाटसन एट अल के मामले में। 2022 तक, वे प्रतितथ्यात्मक सिमुलेशन का नेतृत्व कर सकते हैं जो बड़े पैमाने पर टीकाकरण के कारण होने वाली मौतों के अनुमानों को बढ़ा देते हैं। 

क्योंकि इस तरह के जटिल मॉडलिंग इनपुट मापदंडों के प्रति अत्यधिक संवेदनशील हो सकते हैं, ओवरफिटिंग के लिए प्रवण होते हैं और ऐसे आउटपुट देते हैं जो मुश्किल हैं, यदि मान्य करना असंभव नहीं है, तो इसका उपयोग सार्वजनिक स्वास्थ्य नीति और दिशानिर्देशों को सूचित करने के लिए नहीं किया जाना चाहिए। मात्रात्मक जोखिम-लाभ अनुपात उस उपयोग का विश्लेषण करता है चिकित्सीय परीक्षण or वास्तविक दुनिया डेटा विशिष्ट परिणामों के जोखिमों की तुलना करने के लिए, जैसे मृत्यु दर सभी का कारण बनता है or मायोपेरिकार्डिटिस टीकाकरण और कोरोनावायरस संक्रमण के बाद, इस संबंध में बहुत अधिक जानकारीपूर्ण और उपयोगी हैं।

नोट: मैंने इस लेख का एक संस्करण पोस्ट किया है जिसमें आंकड़े और ग्रंथ सूची शामिल हैं अनुसंधान गेट, तथा अध्ययन के मूल लेखकों को टिप्पणी ट्वीट की प्रतिक्रिया और खंडन की उम्मीद में। मैंने द को 250 शब्दों के पत्र के रूप में लेख का संक्षिप्त संस्करण भी प्रस्तुत किया है लैंसेट संक्रामक रोगों और मैं उनके जवाब का इंतजार कर रहा हूं। लेख पर उपयोगी टिप्पणियों और प्रतिक्रिया के लिए लेखक हर्वे सेलिगमैन का धन्यवाद करते हैं।