CDC:s epidemiologiska inkompetens för vaccineffektivitet

Regelbundet under Covid-19-pandemin har CDC:s vetenskapliga personal använt sina tillgängliga studiers data för att uppskatta effektiviteten av nuvarande eller nyare versioner av Covid-19-vacciner för att minska risken för att testa positivt för Covid-19. Även om faktumet att "testa positivt" har varit något kontroversiellt på grund av de hemliga PCR Ct-tröskeltalen som har gjort det möjligt för icke-smittsamma personer med okänt Covid-19 från några veckor tidigare att förbli testpositiva, är mitt mål här att illustrera CDC:s problematiska epidemiologiska metoder som avsevärt har ökat vaccinets effektivitetsprocent som de har rapporterat.

Kontrollerade epidemiologiska studier delas in i tre och endast tre grundläggande studiedesigner. Antingen tas ett totalt urval av försökspersoner, och varje försöksperson utvärderas både för fallstatus och tidigare exponeringsstatus – det här är en tvärsnittsstudie – eller så följs ett urval av exponerade personer och ett urval av oexponerade personer för att se vem som blir en fall och vem en kontroll—en kohortstudie—eller ett urval av fall och ett urval av kontroller erhålls, och varje försöksperson utvärderas för tidigare exponeringsstatus—detta är en fall-kontrollstudie. Om en kohortstudie innebär att försökspersonerna randomiseras till de exponerade och oexponerade är detta en randomiserad kontrollerad studie (RCT), men studiens design är fortfarande kohort.

I en tvärsnittsstudie och en kohortstudie har de Risken att få utfallet av intresse (dvs. att vara en fallsubjekt, här, testa positivt) kan uppskattas för de exponerade personerna med antalet fall bland de exponerade delat med det totala antalet exponerade. Likadant för oexponerade. Vad som är av intresse, jämförelsen av dessa två risker, den relativa risken (RR), är risken i de exponerade dividerat med risken i de oexponerade. RR uppskattar hur mycket värre risken är bland de exponerade jämfört med de oexponerade. För ett vaccin eller annan exponering som minskar risken kommer RR att vara mindre än 1.0.

Tvärsnitts- och kohortstudier, genom deras urvalsdesign, gör det möjligt att uppskatta RR från deras data. Fall-kontrollstudier tillåter dock inte att utfallsriskerna uppskattas, eftersom en förändring av det relativa antalet provfall kontra kontroller påverkar vad som skulle vara riskskattningarna. Istället tillåter fall-kontrollstudier uppskattningen av oddsen av resultatet, inte risken. Till exempel, 2:1 odds för att en händelse ska hända. Detta värde påverkas inte av samplingsdesignen. I fall-kontrollstudier uppskattas det relativa oddset (eller oddskvoten, OR) för utfallet med oddset för utfallet bland de exponerade, dividerat med oddsen bland de oexponerade.

För ett vaccin uppskattas dess effektivitet till 1.0 – RR. För fall-kontrollstudiedata som bara uppskattar ELLER inte RR, när approximerar OR RR tillräckligt noggrant för att kunna ersättas i denna formel? Denna fråga har en detaljerad epidemiologisk historia bortom den nuvarande omfattningen, men i den enklaste bemärkelsen approximerar OR RR när fall i befolkningen är sällsynta jämfört med kontroller.

Nu till CDC och dess systematiska epidemiologiska fel. I en färsk analys, Link-Gelles och kollegor provtog totalt 9,222 19 kvalificerade Covid-19-liknande symtomatiska individer som sökte Covid-21-testning på CVS och Walgreen Co. apotek under 2023 september 14 till 2024 januari XNUMX. De utvärderade den tidigare vaccinationsstatusen för varje individ, såväl som positivitet av testresultat. Per definition är detta en tvärsnittsstudie, eftersom individuella antal fall och kontroller, eller individuella antal exponerade (vaccinerade) och oexponerade (ovaccinerade) inte togs prov. Endast det totala antalet försökspersoner provades.

Men utredarna uppskattade OR inte RR från dessa data, genom att använda en statistisk analysmetod som kallas logistisk regression som gör att OR kan justeras för olika möjliga förvirrande faktorer. Det är inget fel med att använda logistisk regression och erhålla uppskattade yttersta randområden i någon studiedesign; problemet är att använda OR-värdet istället för RR i vaccinets effektivitetsformel 1.0 – RR. Eftersom studiedesignen var tvärsnittsmässig kunde utredarna ha undersökt relativ fallförekomst i populationen från deras urvalsnummer, men de verkade inte göra detta. Faktum är att fall omfattade 3,295 9,222 av de totalt 36 25 provtagna, 37%, vilket inte är tillräckligt litet för att använda OR som ett substitut för RR. Detta gäller både bland de exponerade (XNUMX %) och de oexponerade (XNUMX %).

Ändå är det möjligt att få en ungefärlig uppfattning om hur mycket detta dåliga antagande påverkade författarnas påstådda totala vaccineffektivitet på 54 %. Det relevanta antalet ämnen, som visas i tabellen nedan, anges i tabellerna 1 och 3 i Link-Gelles-tidningen. RR-beräkningen från dessa rådata är enkel. Risken hos de vaccinerade är 281/1,125 25 = 3,014 %; hos ovaccinerade är det 8,097 37/25 37 = 0.67 %. RR är förhållandet mellan dessa två, 1.0 %/0.67 % = 0.33, så vaccinets effektivitet baserat på dessa rådata skulle vara 33 – XNUMX = XNUMX eller XNUMX %.

På liknande sätt kan OR uppskattas från dessa rådata till 0.56, vilket om det användes i vaccinets effektivitetsformel skulle ge en effekt på 44 %, avsevärt annorlunda än 33 % effektivitet som korrekt uppskattats med användning av RR.

Emellertid har Link-Gelles et al. använde den justerade OR = 0.46 som erhållits från deras logistiska regressionsanalys. Detta skiljer sig från det ojusterade OR = 0.56 med en faktor på 0.46/0.56 = 0.82. Vi kan använda denna justeringsfaktor, 0.82, för att uppskatta vad den råa RR skulle ha varit om den hade justerats med samma faktorer: 0.67*0.82 = 0.55. Dessa siffror visas i tabellen nedan och visar att den korrekta vaccineffektiviteten är cirka 45 %, inte de påstådda 54 %, och mindre än den nominella 50 % önskade nivån.

Som epidemiolog är jag oklart varför mina kollegor vid CDC av misstag skulle ha använt OR som ett substitut för RR när det erforderliga antagandet för denna substitution inte uppfylldes och var lätt att kontrollera i deras egna data. De har gjort detta fel någon annanstans (Tenforde et al.) där det också gjorde en avsevärd skillnad i vaccinets effektivitet, cirka 57 % i motsats till de påstådda 82 %. Kanske trodde författarna att den enda metoden som var tillgänglig för att justera för flera störande variabler var logistisk regression som använder OR, men relativ riskregression för att justera RR har länge varit tillgänglig i olika kommersiella statistiska analyspaket och är lätt att implementera (enbär).

Det förefaller förvånande för mig att uppenbarligen ingen av de mer än 60 författarna mellan Link-Gelles och Tenforde uppsatser insåg att urvalsdesignen för deras studier var tvärsnittsmässigt, inte fallkontroll, och att det därför var den rätta parametern att använda för att uppskatta vaccinets effektivitet var RR inte OR, och att antagandet om sällsynta sjukdomar för att ersätta OR för RR inte uppfylldes i deras data. Dessa studier överskattade därför avsevärt den verkliga vaccineffektiviteten i sina resultat. Detta är inte en rent akademisk fråga, eftersom CDC:s folkhälsopolitiska beslut kan härledas från felaktiga resultat som dessa.