In de jaren dat ik als adjunct-hoofdredacteur werkte (voor Het Amerikaanse tijdschrift voor epidemiologie), heb ik het hele spectrum aan 'peer reviews' gezien – van nauwgezette, doordachte kritieken waarvan de auteurs er duidelijk uren in hebben gestoken tot schetsmatige recensies die slordigheid en incompetentie weerspiegelden. Ik heb vriendelijke recensies gelezen van bewonderaars van de auteurs en vijandige recensies van hun vijanden. (Het is niet moeilijk om dat aan de toon af te lezen.) In de praktijk van de wetenschap gedragen mensen zich nog steeds als mensen.
De situatie verergerde tijdens de pandemie. Studies die de Covid-vaccins prezen, werden snel gecertificeerd als 'peer-reviewed', terwijl kritische peer review na publicatie... onderdrukt. Als gevolg hiervan hebben we nu een historische verzameling gepubliceerde, slechte wetenschappelijke publicaties. Die kunnen niet worden uitgewist, maar het is tijd om de feiten recht te zetten.
Biomedische tijdschriften vormen niet het platform. Ten eerste is er geen formele sectie voor open peer reviews van artikelen die lang geleden zijn gepubliceerd. Ten tweede hebben redacteuren er geen belang bij onwaarheden die in hun tijdschriften zijn gepubliceerd, aan het licht te brengen. Ten derde, de censuur machine staat nog steeds op zijn plaats. Tot nu toe heb ik hem alleen kunnen breken eens, en dat was niet makkelijk.
Hoe kunnen we proberen dit te corrigeren, en waar?
Ik wil graag een suggestie doen aan mijn collega's in de epidemiologie, biostatistiek en aanverwante methodologische vakgebieden die hun kritische denkvermogen tijdens de pandemie hebben behouden. Kies één of meer artikelen over de Covid-vaccins en dien uw peer review in bij Brownstone-tijdschriftAls het interessant en goed geschreven is, is de kans groot dat het geplaatst wordt. Ik raad aan om selectief te zijn: zoek de peer-reviewed artikelen die je het meest irriteerden, omdat ze puur onzin of omdat de juiste gevolgtrekking was opvallend andersEn als je korte kritieken op Twitter (nu X) of uitgebreide recensies op andere platforms hebt geplaatst, breid ze dan uit, herzie ze en dien ze in bij Brownstone. Misschien kunnen we langzaam een inventarisatie maken van kritische recensies en zo het vertrouwen in de wetenschappelijke methode en de biomedische wetenschap herstellen.
Hier is een voorbeeld.
Een overzicht en heranalyse van een onderzoek in Ontario, Canada
Gepubliceerd in de British Medical Journal in augustus 2021, de papier rapporteerden begin 2021, kort na hun goedkeuring, over de effectiviteit van de mRNA-vaccins.
Dit onderzoek was typerend voor vaccinstudies uit die tijd. De effectiviteit werd geschat in een 'real-world'-setting; namelijk een observationele studie tijdens een vaccinatiecampagne. De onderzoeksperiode (half december 2020 tot half april 2021) omvatte de piek van een Covid-wintergolf begin januari. We zullen later een sterke vertekening bespreken, confounding door achtergrondinfectierisico.
Het ontwerp was een variant op de case-controlstudie, het test-negatieve ontwerp. Geschikte proefpersonen ondergingen een PCR-test vanwege covid-achtige symptomen. Gevallen testten positief; controles testten negatief. Zoals gebruikelijk werden odds ratio's berekend en werd de effectiviteit berekend als 1 min de odds ratio (uitgedrukt in procenten). De steekproefomvang was groot: 53,270 gevallen en 270,763 controles.
De auteurs rapporteerden de volgende belangrijke resultaten (mijn cursivering):
"De effectiviteit van het vaccin tegen symptomatische infectie, waargenomen ≥ 14 dagen na één dosis, bedroeg 60% (95%-betrouwbaarheidsinterval 57% tot 64%), en steeg van 48% (41% tot 54%) 14-20 dagen na één dosis tot 71% (63% tot 78%) 35-41 dagen. De effectiviteit van het vaccin, waargenomen ≥ 7 dagen na twee doses, bedroeg 91% (89% tot 93%)."
Zoals bij bijna elk onderzoek naar effectiviteit, hebben de auteurs eerdere gebeurtenissen verworpen. Zoals uitgelegd eldersDeze praktijk introduceert een vooroordeel dat onsterfelijke tijdof vertekening van het venster voor het tellen van gevallenHet verhult niet alleen mogelijke vroege schadelijke effecten, maar leidt ook effectief tot een overschatting van de effectiviteit. RFK, Jr. verwees in niet-technische termen naar deze vertekening (zie video clip).
De juiste aanpak is eenvoudig. We moeten de effectiviteit schatten vanaf de toediening van de eerste dosis naar latere tijdstippen (opbouwende immuniteit). Mijn onderstaande tabel toont de onderzoeksgegevens en de resultaten van de nieuwe analyse. Elke rij toont de berekening van de effectiviteit. op de aangegeven dag.
De effectiviteit was negatief aan het einde van de eerste twee weken na de eerste dosis en bereikte ongeveer 30% vóór een tweede dosis, niet 70%. Tegen de tijd van volledige immuniteit was het slechts ongeveer 50%, niet 90%. Hoewel mijn schattingen niet gecorrigeerd zijn, eTable 2 (aanvullend materiaal) geeft aan dat de aanpassing de schattingen van de auteurs nauwelijks heeft veranderd.
Mijn resultaten zijn echter nog steeds bevooroordeeld door wat ik eerder ‘verwarring door het risico op achtergrondinfectie’ noemde.
De onderstaande afbeelding is afkomstig van de website van Volksgezondheid OntarioDe zwarte lijn toont het 7-daags voortschrijdend gemiddelde van nieuwe gevallen. Ik heb rode lijnen toegevoegd die de onderzoeksperiode weergeven, verdeeld in twee intervallen. Ik heb ook schattingen toegevoegd van het aantal gevaccineerden in elk interval.
Het eerste interval, met de piek van de wintergolf, was een periode van trage start van de vaccinatiecampagne. In die tijd was de vaccinatiestatus scheef verdeeld in de richting van niet-vaccinatie, wat betekent dat de niet-vaccinatiestatus bleek samen te vallen met een hoge kans op besmettingDaarentegen was het achtergrondinfectiepercentage lager in een groot deel van de tweede periode, toen enkele miljoenen mensen de eerste dosis kregen. Pas medio maart kruiste het aantal nieuwe gevallen de stippellijn weer. Kortom, de omgekeerde associatie tussen vaccinatie en infectie werd sterk beïnvloed door tijdstrends in het risico op een infectie. Zelfs een placebo-injectie zou effectief zijn gebleken.
Ik kan de bias niet wegnemen, en die is sterk. De werkelijke effectiviteit, als die er al is, is veel kleiner dan de schattingen die ik berekende na het verwijderen van de onsterfelijke tijdsbias. Of het nu 10% of 20% is na zes weken, maakt geen verschil. Dat is geen vaccin.
De auteurs gebruikten een andere casusgroep: ziekenhuisopname of overlijden. Deze gegevens zijn niet alleen onderhevig aan de eerdere vertekeningen, maar ook aan de gezonde vaccin-biasIk kan echter geen correctie aanbieden. De meeste gegevens over gevallen werden onderdrukt vanwege de kleine aantallen, en de controlegroep klopte niet. Ze gebruikten "dezelfde controlegroep als voor de eerste primaire uitkomstanalyse (d.w.z. personen met symptomen die negatief testten op SARS-CoV-2)". Dat is een schending van een basisprincipe van het test-negatieve ontwerp. De controles hadden ziekenhuisgeregistreerde of overleden personen moeten zijn die negatief testten.
De volgende zin weerspiegelt een misverstand over het regressiemodel dat ze gebruikten. Ze schrijven: "We gebruikten multivariabele logistieke regressiemodellen om de odds ratio te schatten en vergeleken de kans op vaccinatie (mijn cursivering) tussen testpositieve gevallen en testnegatieve controles (met ongevaccineerde personen als referentiegroep). De afhankelijke variabele was de case-controlstatus (logkans om een geval te zijn). Technisch gezien worden de kansen om een geval te zijn (versus een controlegroep) vergeleken, niet de kans op vaccinatie.
Vreemd genoeg is de geplaatste aanvullend materiaal draagt nog steeds de kop "VERTROUWELIJK — NIET VOOR VERSPREIDING, 5 AUG 2021". Alleen in het Covid-tijdperk kom je zulke slordigheid tegen. We zien hier een bevooroordeelde (onzorgvuldige) behandeling van een artikel dat het narratief diende.
Ik sluit mijn recensie af met een van mijn favoriete onderwerpen: onzinnige resultaten.
De onderstaande figuur toont schattingen van de effectiviteit, zoals berekend door de auteurs. De pijl wijst naar een resultaat dat geen zin heeft. We verwachten geen extra voordeel van de tweede dosis binnen 6 dagen na de injectie, maar de effectiviteit nam toe en bereikte bijna de schatting voor het daaropvolgende interval (7+ dagen). Als de schatting voor 0-6 dagen duidelijk vertekend is, waarom zouden we dan vertrouwen op de volgende?
Epiloog
Zoals ik in het begin al schreef, moeten we proberen de historische feiten te corrigeren. Er ligt nog een lange weg voor ons, maar zoals het spreekwoord luidt: "Een reis van duizend mijl begint met één stap." Ik doe in het bijzonder een beroep op hooggeplaatste methodologen die vroeger slechte studies onderuit haalden en wankele methoden bekritiseerden. De meesten van hen bleven tijdens de pandemie stil, waarschijnlijk uit angst voor de gevolgen van het ter discussie stellen van het narratief van "veilig en effectief".
Laten we beginnen met het lezen van onbevreesde reviews van studies die de opmerkelijke effectiviteit van Covid-vaccins meldden, maar die onjuist bleken te zijn. Er is geen gebrek aan problemen die, indien mogelijk, met feitelijke gegevens of simulaties moeten worden opgespoord, benadrukt en gecorrigeerd:
Als we dit werk niet doen, zullen we blijven lezen valse, op effectiviteit gebaseerde schattingen van geredde levens. Was het dichtbij? 2.5 miljoen, zoals sommigen hebben beweerd, of onopspoorbaar in sterftestatistieken, of mogelijk ongeveer nul? En zullen we ooit antwoorden krijgen van relevante proeven?
Opnieuw gepubliceerd van Medium
Doe mee aan het gesprek:
Uitgegeven onder a Creative Commons Naamsvermelding 4.0 Internationale licentie
Stel voor herdrukken de canonieke link terug naar het origineel Brownstone Instituut Artikel en auteur.
