Una lunga censura post-vaccinazione
Sono passati quattro anni da quando il mondo era salvato, o meno, con miracolosi vaccini Covid a mRNA.
Sono passati anche diversi anni da quando la mia prima lettera sull'argomento è stata rifiutata da un editore di una rivista biomedica. E la mia serie di lettere rifiutate sui vaccini Covid continua ad ampliarsi. Il punteggio è ora di 5:0. L'ultimo rifiuto è arrivato di recente dal direttore del Journal of Infection, dove “Ogni numero [inoltre] vi offre... una vivace sezione di corrispondenza”. La mia lettera, priva di vita, si riferiva a uno studio sul pregiudizio dei vaccinati sani in Austria.
La mia serie di casi è sufficientemente ampia per dedurre la causalità? Forse sì. Naturalmente, la causa comune potrebbe essere una scienza di scarsa qualità. Posso offrire, forse, un'osservazione di confutazione? La mia seconda lettera (rifiutata da The Lancet) avrebbe rivelato nel 2021 ciò che Høeg et al. hanno rivelato nel 2023 in una lettera che in qualche modo è finita sul New England Journal of Medicine. Un editore poco attento, credo. Forse non è più un editore.
Sono sicuro che la mia quinta lettera respinta era solo un altro testo scritto male e senza alcun valore scientifico. Di sicuro non aveva nulla a che fare con la possibilità che la lettera, insieme alla risposta degli autori, potesse portare a scoperte inquietanti. Quindi, permettetemi di condividere qui la mia lettera. Sarete di nuovo voi a giudicare: meritevole o senza merito?
Per renderla più interessante, includerò un'analisi che è stata menzionata nella lettera (senza che io riveli il risultato spaventoso). Non era comunque difficile da calcolare. Il documento mostra l'evidenza di decessi legati al vaccino - a causa di Covid - entro due settimane dall'iniezione in persone che erano state precedentemente infettate. O permettetemi di dirlo in modo più prudente: L'evidenza è almeno pari a quella dell'efficacia del vaccino contro la morte da Covid nell'autunno 2021.
La lettera
15 maggio 2025
Rivista di Infezione
All'editore:
Riedmann et al. riportano un'analisi ponderata e completa del fenomeno dei vaccinati sani in Austria, che include un approccio nuovo.1 I non vaccinati sono stati abbinati ai vaccinati in base a diverse variabili, e gli autori hanno confrontato diversi risultati nelle due settimane successive al completamento di varie dosi. La Tabella 3 (articolo) e le Tabelle S44-S45 (documento supplementare) mostrano i risultati per la mortalità per tutte le cause, per la mortalità non vaccinata e per la mortalità COVID-19.
Poiché il bias del vaccino sano diminuisce nel tempo, sarebbe interessante estendere l'analisi delle coorti abbinate a 4 e 8 settimane. Numerosi studi hanno stimato l'efficacia da uno a due mesi dopo la vaccinazione, che talvolta coincide con la durata dell'ondata COVID-19.
Gli autori menzionano un metodo rudimentale di correzione, derivato dall'idea di aggiustamento del rapporto del tasso di eventi precedenti.2-5 L'hazard ratio della mortalità COVID-19 viene diviso per l'hazard ratio della mortalità non-COVID-19. Sebbene non sia perfetto, può fornire maggiori indicazioni quando il follow-up è esteso e il numero di decessi COVID-19 è maggiore. L'applicazione del metodo per 19 decessi COVID-19 (Tabella 3, vaccinazione primaria completa) è ancora sufficiente a rimuovere il bias. Dopo la correzione rudimentale, il rapporto non è più inferiore a 1, sia che si utilizzino gli hazard ratio che i rate ratio.
Un'altra nota: sembra che i rate ratio nelle tabelle S44-S45 siano stati erroneamente etichettati come hazard ratio e hazard ratio aggiustati.
Cordiali saluti,
Eyal Shahar, MD, MPH
Professore emerito
Università dell'Arizona
Riferimenti:
Riedmann U, Chalupka A, Richter L, et al. Underlying health biases in previously-infected SARS-CoV-2 vaccination recipients: Uno studio di coorte. Journal of Infection, Volume 90, Issue 6, 2025, 106497, ISSN 0163-4453, https://doi.org/10.1016/j.jinf.2025.106497
Tannen RL, Weiner MG, Xie D. Studi replicati di due studi randomizzati sugli inibitori dell'enzima di conversione dell'angiotensina: ulteriore convalida empirica del ‘prior event rate ratio’ per aggiustare il confondimento non misurato dall'indicazione. Farmacoepidemiol Drug Saf. 2008 Jul;17(7):671-85. doi: 10.1002/pds.1584. PMID: 18327852
Pálinkás A, Sándor J. Efficacia della vaccinazione COVID-19 nella prevenzione della mortalità per tutte le cause tra gli adulti durante la terza ondata del programma di prevenzione della malattia.
Il rifiuto
Due giorni dopo, nella mia casella di posta elettronica è arrivato un messaggio con un testo banale.
Numero del manoscritto: YJINF-D-25-00940
Titolo dell'articolo: Lettera all'editore
Autore corrispondente: Professore emerito Eyal Shahar
Inviato a: Journal of InfectionGentile Professore Emerito Shahar,
Grazie per aver inviato il suo manoscritto al Journal of Infection. Purtroppo riceviamo molti più articoli di quelli che abbiamo a disposizione per la pubblicazione e possiamo quindi trattare un numero limitato di contributi. Purtroppo, dopo essere stato preso in considerazione dai redattori, questo articolo non ha ottenuto una priorità sufficiente. Si prega di notare che non incoraggiamo la ripresentazione di un articolo con una decisione di rifiuto.
Mi dispiace per questa decisione negativa e per il fatto che non possiamo fornire ragioni più specifiche per il rifiuto, e spero che continuerà a sottoporre il suo lavoro al Journal of Infection in futuro.
Cordiali saluti,
Professor Robert Charles Read
Editore Journal of Infection
Sono rimasto leggermente sorpreso. È interessante notare che il testo di base è stato scritto per i manoscritti (documenti) rifiutati. Non esiste un testo analogo per le lettere rifiutate? Quanto spesso le lettere vengono rifiutate da questa rivista? La vostra ipotesi è valida quanto la mia. Forse è persino simile alla mia.
Analisi
I numeri che seguono sono stati trascritti dalla Tabella 3 dell'articolo (versione 2, corretta). Questi sono i dati e i risultati a cui si riferisce la mia lettera. È stato aggiunto il rapporto del limite di confidenza (calcolo mio). Scriverò più avanti su questo indice statistico, ma più piccolo è il numero, migliore è l'hazard ratio (HR) stimato.
Tabelle. Hazard ratio (HR) e intervalli di confidenza al 95% (CI) per la mortalità da Covid e non Covid in base al numero di dosi di vaccino nelle due settimane successive alla vaccinazione. I controlli (non vaccinati in quella finestra temporale) sono stati abbinati a ciascun gruppo di persone vaccinate in base al gruppo di età, al sesso e alla residenza in casa di cura.
Gli hazard ratio di morte provenivano da coorti appaiate, per cui è stata eliminata la confondibilità con l'età, il sesso e la residenza in casa di cura. Anche i non vaccinati sono stati abbinati alla data di vaccinazione, per cui è stato evitato il confondimento con le tendenze temporali. Il fattore di confondimento rimanente è il fenomeno dei vaccinati sani. Le persone vaccinate sono in media più sane delle loro controparti non vaccinate e quindi la loro mortalità Covid dovrebbe essere inferiore anche se è stato loro iniettato un placebo. Si può notare che il loro rischio di morte per cause non Covid era più basso (hazard ratio < 1). Questo perché erano più sani, non perché i vaccini Covid siano una panacea. Il fenomeno dei vaccinati sani sembra essere universale. Non scompare dopo due settimane.
Tuttavia, gli autori non hanno selezionato i non vaccinati duri a morire. Scrivono: “Il gruppo di controllo non vaccinato non aveva vaccinazioni documentate fino a 14 giorni dopo il giorno della vaccinazione corrispondente”.
Ciò significa che il bias sui vaccinati sani è stato stimato rispetto a un gruppo che comprendeva persone vaccinate successivamente. Il vero bias potrebbe essere più ampio.
Torniamo alle tabelle precedenti.
Tutti gli hazard ratio di morte di Covid sono inferiori a 1 e sono tutti distorti. Non ci si aspetta alcun beneficio in quella finestra temporale (due settimane). Come ho scritto nella mia lettera e altrove, esiste un metodo per rimuovere il bias, che non è perfetto ma è meglio di nessuna correzione. Dividere l'hazard ratio della morte da Covid per l'hazard ratio della morte da non Covid.
In questo caso, se il risultato è circa 1, il bias è stato rimosso. Se è ancora inferiore a 1, il bias non è stato completamente rimosso. Se è superiore a 1, dobbiamo preoccuparci. Stiamo osservando un aumento del rischio di morte che è stato oscurato dal bias dei vaccinati sani?
I risultati sono riportati nella tabella.
Dopo la correzione, gli hazard ratio di mortalità da Covid entro due settimane dalla prima e dalla seconda dose sono rispettivamente 1,48 e 1,91.
È vero? Forse. Il periodo immediatamente successivo alla vaccinazione è rischioso per l'infezione e la mortalità. L'ho riscontrato nei dati di Israele, Danimarca, and Svezia Anche altri ne hanno scritto.
Per quanto riguarda la terza dose (0,29/0,30=0,97), posso offrire due spiegazioni contrastanti:
La prima è breve. Quegli sfortunati vaccinati che erano suscettibili sono morti dopo una o due dosi. Non è rimasta alcuna persona suscettibile tra coloro che hanno raggiunto la terza dose.
La seconda spiegazione è lunga. L'hazard ratio stimato per la mortalità da Covid (0,29) è basso. Si basa su soli quattro eventi. Come facciamo a sapere quanto sia basso, ad esempio, rispetto alle stime per due dosi e una dose? Calcoliamo un indice chiamato rapporto del limite di confidenza: il limite superiore diviso per il limite inferiore. Il rapporto è 9,7 per i destinatari di tre dosi contro 2,9 (due dosi) e 2,8 (una dose).
Se si calcola il rapporto del limite di confidenza da molti studi, come ho fatto nel corso degli anni, si scoprirà che gli studi di dimensioni ragionevoli generano un rapporto intorno a 2, mentre gli studi di piccole dimensioni (pochi eventi) generano rapporti superiori a 5. Si ottiene un rapporto vicino a 10 quando l'inferenza è derivata da quattro eventi in una categoria. Ancora più importante, il merito di una stima è inversamente proporzionale al rapporto del limite di confidenza, non alla "significatività statistica". Spiegherò perché a breve.
Miliardi di persone sono state vaccinate e cerchiamo di trarre inferenze da 19 eventi e 21 eventi perché uno studio dopo l'altro ha escluso i dati del periodo post-vaccinazione precoce.
Inoltre, un follow-up prolungato delle coorti abbinate può fornire informazioni uniche sulla reale efficacia del vaccino, poiché i non vaccinati sono stati abbinati alla data della vaccinazione. (Le campagne vaccinali spesso coincidevano con le ondate di Covid, il che ha portato a fattori di confondimento.) Gli autori hanno un contesto di ricerca pressoché perfetto: ampie coorti, matching su variabili chiave e dati sui decessi non dovuti a Covid che consentono una correzione di base del bias del vaccinato sano. Ma è improbabile che vedremo i dati perché la mia lettera non aveva alcun fondamento. Forse un'altra lettera solleverà la questione e verrà accettata. O forse no.
Permettetemi di ribadire la mia affermazione prudente di inizio:
Le prove che mostro qui sono almeno altrettanto valide quanto le prove sull'efficacia del vaccino contro i decessi dovuti a Covid nell'autunno del 2021.
I numeri seguenti sono stati trascritti dalla Tabella 2 dell'articolo (versione 2, corretta). Il rapporto del limite di confidenza è stato aggiunto (calcolo mio).
Come si può notare, il numero di decessi per Covid è inferiore a quello delle coorti abbinate e i rapporti di confidenza sono sostanzialmente più ampi. Il rapporto limite di confidenza per tre dosi batte i record (20).
Mi sembra di sentire gli autori e i lettori: "Ma tutte le stime di cui sopra sono statisticamente significative. Il limite superiore dell'intervallo di confidenza è inferiore a 1, il che implica un valore di p < 0,05".
È vero. Tuttavia, “statisticamente significativo” non è quello che probabilmente pensate.
Non si tratta della qualità della stima.
Un corso accelerato (per coloro che sono interessati alla statistica e alla linguistica)
Il mio esempio è tratto da 3 dosi (tabella precedente): HR (95% CI): 0,04 (0,01-0,20). La stima (0,04) è altamente significativa dal punto di vista statistico.
Tutte le affermazioni (verdetti) della prima riga della tabella sono false, indiscutibilmente false. Derivano da una sfortunata e radicata interpretazione errata del termine “statisticamente significativo”, che ha radici storico-linguistiche.
Quando il termine fu coniato molti anni fa, l'aggettivo “significativo” aveva un significato diverso. Nell'inglese della fine del XIX secolo, significava che la stima significava (mostrava) una prova contro l'ipotesi nulla. La frase non si riferiva ad alcuna qualità intrinseca della stima. Nel corso degli anni, il significato contemporaneo della parola “significativo” ha sostituito il significato originale, attribuendo erroneamente qualità alla stima stessa (significativo, credibile, affidabile, improbabile che sia dovuto al caso).
Nessuna di queste interpretazioni ha un fondamento nel test statistico. Si tratta di un pensiero velleitario. Il rifiuto dell'ipotesi nulla si basa sulla stima (attraverso una statistica di prova); non conferisce alla stima alcuna credibilità. Se vogliamo conoscere le qualità di una stima legate alla casualità, dobbiamo basarci solo sull'errore standard, e il rapporto del limite di confidenza è una banale matematica sull'errore standard. Più è vicino a 1, migliore è la stima. Un astuto epidemiologo ha proposto questo indice molti anni fa, ma a volte le idee nuove e valide rimangono sopite per molto tempo.
Potete leggere la storia linguistica nel libro The Lady Tasting Tea: How Statistics Revolutionized Science in the Twentieth Century di David Salsburg. Un paragrafo a pagina 98 apre gli occhi.
Epilogo
C'è molto altro da scrivere su questo documento che comprende 72 pagine di analisi supplementari; alcune di queste sono state “richieste durante il processo di revisione”. Posso immaginare la battaglia con i revisori ostili quando l'argomento è il pregiudizio dei vaccinati sani.
Ho già circa 100 righe di dati e analisi in un file Excel. (Anteprima: la terza dose è stata inutile, e altre dosi avrebbero potuto essere peggiori). Dovrei inviare un manoscritto al professor Read, che sperava che continuassi a presentare il mio lavoro al Journal of Infection?
Lasciatemi pensare.
Eyal Shahar
Dr. Eyal Shahar è professore emerito di sanità pubblica in epidemiologia e biostatistica. La sua ricerca si concentra su epidemiologia e metodologia. Negli ultimi anni, il dott. Shahar ha anche contribuito in modo significativo alla metodologia di ricerca, in particolare nel campo dei diagrammi e dei pregiudizi causali.
Fonte: https://brownstone.org/articles/long-post-vaccination-censorship/
Segui @vocidallastrada anche su Telegram
👉🏼 https://vocidallastrada.altervista.org/
👉🏼 https://vocidallastrada.org/