Nem is olyan régen azt hittem, felfedeztem a legrosszabbat félreértelmezés egy Covid elleni vakcinákkal kapcsolatos tanulmányról, de most találkoztam egy másik versenyzővel a címért. Ez egy tanulmány az oltásról és a közlekedési balesetekről.
A szerzők kifejtik, hogy „[Megvizsgálták], hogy a COVID-oltás összefüggésben áll-e a közlekedési balesetek kockázatával”, és arra a következtetésre jutottak, hogy „a COVID-oltással szembeni tétovázás a közlekedési balesetek kockázatának jelentős növekedésével jár”.
Sokkal többet értettek a „kapcsolódó” szónál. Arra gondoltak, hogy az oltással szembeni tétovázás növeli a közlekedési balesetek kockázatát, ami egy ok-okozati állítás, akárcsak az az állítás, hogy a Covid elleni vakcinák csökkentik a halálozás kockázatát.
Honnan tudom, hogy ez volt az állításuk?
Megjegyezték, hogy a tanulmány nem randomizált vizsgálat volt, és statisztikai módszereket használtak az ok-okozati összefüggésekre vonatkozó következtetések alátámasztására egy megfigyeléses vizsgálatból.
Következtetésük hamis volt. Ezek az igazi következtetések:
1. Tanulmányuk egy másik példát mutat be az egészséges oltottak elfogultsága.
2. Tanulmányuk azt mutatja, hogy a legszigorúbb statisztikai módszerrel sem sikerült kiküszöbölni az elfogultságot.
Hadd kezdjem egy gyorstalpaló kurzussal az összefüggésekről és az okságról.
Az asszociáció statisztikai jelenség. Az okság a valóság. A Covid-korszakban sokan hallották a következő állítást: „Az asszociáció nem (feltétlenül) okság”, ami igaz is. De a két fogalom összefügg. Hogyan?
A kapcsolatot egy egyszerű oksági ábra szemlélteti a legjobban, ahol a nyíl az okságot jelöli.
Két mechanizmus hozhat létre összefüggést A (pl. oltás) és B (pl. közlekedési baleset) között.
1) A hatással van B-re (oksági viszony)
2) A és B közös okkal rendelkeznek, C (zavaró)
Ha A igen nem Ha a B-t érintik, mégis közös az okuk, A és B továbbra is összefüggésben állnak. Ez az egyik oka annak, hogy az összefüggés nem feltétlenül jelent oksági összefüggést. Egy randomizált vizsgálat kizár minden okot, amit az általunk kijelölt kezeléseknek tulajdonítunk (pl. egyik gyógyszer a másikkal szemben), kivéve a randomizálás mechanizmusát. Ezért van szükség randomizált vizsgálatokra ahhoz, hogy erős oksági állításokat tehessünk. A zavaró tényezők eltűntek.
Még egy szempont: bármely nyíl tekinthető egy oksági láncolat összefoglalásának. Például, C → B képviselhette volna C → X → Y → Z → B.
Vége persze. Óceánnyi dolog van belőle. bonyolult anyag, de ennyi az egész, amit tudnunk kell.
A cikk szerzői ismerik az oksági diagramokat. Egy kidolgozott „irányított aciklusmentes gráfot” mutatnak be (bal oldali ábra), ami az „oksági diagram” divatos elnevezése.
Megdöbbentő módon az „oltási státusz” változó nem jelenik meg a diagramjukon, csak az „oltással szembeni tétovázás”, ahogyan a ténylegesen elemzett változót nevezték: beoltottak vagy sem.
A tudomány nem ítélkezik, ezért az „oltással szembeni tétovázást” a „döntéssel” (beoltatkozom-e vagy sem) helyettesítettem, bármi is legyen az oka (jobb oldali ábra). Ezután hozzáadtam az „oltási státuszt” (A), ami a „döntés” hatása. A két változó szinte tökéletesen korrelál. Ha úgy döntök, hogy beoltatom magam, akkor nagy valószínűséggel be is oltanak. Hasonlóképpen, ha úgy döntök, hogy nem oltatom be magam. Figyelmen kívül hagyom azokat az eseteket, amikor egy személy kognitívan nem képes dönteni, vagy nincs hozzáférése az oltáshoz vagy a fizikailag kikényszerített injekcióhoz...
Amint az ábrámon látható, semmilyen ok-okozati nyíl nem köti sem a „döntést”, sem az „oltási státuszt” egy közlekedési balesethez. Nincs A → B. Az egyetlen lehetséges ok-okozati összefüggés, amelyre a szerzők diagramja nem utal pontosan, a Covidon keresztül mutatkozik meg: oltatlanok → fertőzés → fáradtság → összeomlás. Ezt a láncolatot figyelmen kívül hagyhatjuk, mivel tudjuk, hogy az oltás nem csökkenti a fertőzés kockázatát, esetleg az ellenkező.
Akkor miért lehet összefüggés az oltás és a balesetek között?
Mostanra már tudja a választ. Sok közös okuk van – C az ábrámon –, amelyek közül néhányat a tanulmányban mértek, sokat pedig nem. Az ábra alapján egy randomizált vizsgálat nem talált volna összefüggést az oltás és a közlekedési baleset között, semmilyen bizonyítékot semmilyen hatására.
Ahogy az a diagramjukból és az enyémből is várható volt, a szerzők valóban találtak összefüggést az oltás és a baleset között. Úgy tűnt, hogy az oltatlanok nagyobb baleseti kockázatnak vannak kitéve, mint az oltottak, és fordítva: az oltás látszólag védett a közlekedési balesetektől. Néhány közös ok a csökkent kockázat látszatát keltette, míg mások az ellenkező irányba hatottak. Az összes közös ok nettó hatása álhatékonyságot eredményezett egy súlyos közlekedési balesettel szemben.
Ez egy másik példa arra, az egészséges oltottak elfogultsága, amiről a szerzők tudtak. A beoltottak „kedvezőbb tulajdonságai” miatt kevésbé valószínű súlyos balesetbe keveredett, amely halálos kimenetelű közúti balesetet is okozhatott volna, ami a sok közül egy volt nem Covid halálokok. Azok a jellemzők, amelyek miatt azok inkább a beoltás csökkentette a baleset kockázatát – nem a Covid elleni oltás beadásáról vagy beadásának döntéséről.
Ironikus módon a szerzők az egészséges oltottakra vonatkozó torzítást egy „negatív kontrollnak” nevezett módszerrel ellenőrizték. Azt vizsgálták, hogy az oltás milyen összefüggést mutat más végpontokkal, amelyekre nem vártak hatást az oltástól. Mégis nem vették észre, hogy a tanulmányukban szereplő végpont pontosan az a fajta végpontSaját diagramjuk és a józan eszük szerint a priori várhatóan nem befolyásolja a védőoltás egy baleset kockázatát. Az általuk talált „hatás” zavaró torzítás volt.
Még ironikusabb, hogy sérülés vagy trauma miatti kórházi kezelést súlyos betegségnek tekintettek. „negatív kontroll” végpont az influenza elleni vakcina tanulmányozásáért, amelyet nem más végzett, mint egy társszerző kulcsfontosságú kiadvány a Covid-vakcinák hatékonyságáról. (Nem tudom, miért nem alkalmazta ezt a módszert a Covid-vakcinák vizsgálatára. Én nem volt megengedett megkérdezni.)
A be nem oltottaknál a baleset kockázata 1.72-szerese volt a beoltottaknál mért kockázatnak, vagy fordítva: a beoltás pszeudohatása 0.58-as kockázati arányt, azaz 42%-os pszeudovakcina-hatékonyságot jelentett.
Az oksági összefüggéseket szem előtt tartva a szerzők számos módszerrel megpróbálták korrigálni a becslést, és változatos eredményeket mutattak. A legszigorúbb kísérletet a következőképpen írták le:
A második hajlampontszám-elemzés célja az volt, hogy szigorú legyen a be nem oltott és a beoltott személyek 1:1 arányú párosítása, és kizárja azokat az eseteket, amikor bármelyik személynek orvosi diagnózisa volt.
Nem kell statisztikát ismerni ahhoz, hogy ösztönösen felismerjük, hogy ez valóban egy szigorú módszer.
Vajon 1-es kockázati arányt kaptak, ami a valódi nullhatás, a legszigorúbb kísérletükkel, hogy eltávolítsák az egészséges beoltottakkal szembeni torzítást? Nem, 1.63-at kaptak (korrigált) az 1.72 (korrigálatlan) helyett. Ennyit értek el ezzel a szigorú kiigazítással. (Mindkét szám technikailag esélyhányados.)
Tehát, amikor a beoltottak egészséges elfogultságának megszüntetésére szolgáló módszerekről szóló gyér szakirodalomról olvasol áttekintéseket, emlékezz erre a cikkre az oltásról és a közlekedési balesetekről. Mért változókra támaszkodva nem sikerülhet eltávolítani az elfogultságot, és ez minden, amit mi tudniuk kell.
A legjobb, amit ebben a pillanatban tehetünk, elmagyarázva másholEgyáltalán nem kifinomult, bár ennél több is van benne felfedezniAz igazi probléma, amivel szembesülünk, nem tudományos: a nem Coviddal összefüggő halálesetekről szükséges adatok általában rejtve vannak.
PS: Társszerkesztője voltam a Az Amerikai Epidemiológiai Folyóirat, és a nyilvántartásom körülbelül 200 publikációt tartalmaz, néhány közülük az úgynevezett vezető orvosi folyóiratokban. Formázzam újra ezt a bejegyzést, vagy mások a témában, és beküldje őket egy folyóiratnak, hogy megkapják a „lektorált?” pecsétet.
Feladtam régen.
Újraközölve a szerzőtől közepes
Csatlakozz a beszélgetéshez:
Megjelent egy Creative Commons Nevezd meg! 4.0 Nemzetközi licenc
Újranyomtatáshoz kérjük, állítsa vissza a kanonikus linket az eredetire. Brownstone Intézet Cikk és szerző.
