Balansräkningen över pandemisk dödlighet

I den pågående kampen för att skriva pandemiårens historia är ingenting viktigare än dödligheten – räddade världens regeringar oss från massdödlighet eller inte?

Den stora strategin (som jag har sagt tidigare varken var storslagen eller strategisk) var att låsa in hela länders befolkning som en tillfällig åtgärd "tills ett vaccin blir tillgängligt."

Detta var en ny (och helt oprövad) strategi för att besegra ett förment helt nytt virus, med motiveringen att ingen människa någonsin hade stött på något liknande SARS-CoV-2 tidigare så ingen skulle ha någon redan existerande immunitet mot det. Men ledtråden finns i namnet – SARS-CoV-2 fick sitt namn efter SARS som den var nära besläktad med och delar ungefär 79% av sin genomsekvens enligt detta papper in Natur. Den ligger i ett kluster av coronavirus, och annan Natur papper diskuterade omfattningen av korsreaktivitet med dessa inklusive förkylningsvirus, och till och med med andra familjer av virus helt och hållet. Det var något nytt, men inte unikt.

Så politiska beslutsfattare borde ha varit skeptiska till påståendena tidigt 2020 att SARS-CoV-2 skulle ge extrema dödlighetsnivåer. Detta har följdimplikationer för påståendena att den stora strategin var en framgång eftersom dessa nivåer av dödlighet inte uppstod. Om de aldrig skulle hända, då behövde vi inte bli räddade från dem.

Utplaceringen av vaccin var tänkt att åstadkomma "slutet på pandemin." De kliniska prövningarna av vaccinerna påstås ha visat att de kunde minska symtomatiska infektioner med över 90 %.

På befolkningsnivå går det inte ihop. Om över 90 % av infektionerna skulle förhindras genom vaccination och 270 miljoner människor i USA:s befolkning hade vaccinerats i slutet av maj 2023 (av en total befolkning på cirka 340 miljoner), hur kommer det sig då att det fanns över 100 miljoner bekräftade fall då, enligt Vår värld i data? Det trotsar tron ​​att nästan 100 miljoner av de ovaccinerade 170 miljonerna var de som var infekterade. Särskilt som en studie av Cleveland Clinic visade att i genomsnitt desto fler vaccinationer människor hade mer troligtvis skulle de vara infekterade:

Det antogs att det skulle bli en följdminskning av dödligheten från minskande infektioner (vilket i alla fall inte verkar ha skett), men de kliniska prövningarna visade inga skillnader i dödlighet mellan grupperna som exponerats för vaccinet och placebogrupperna. Det ortodoxa försvaret är att de inte var tillräckligt drivna för att upptäcka några skillnader eftersom försökspopulationerna inte var tillräckligt stora. Men på samma sätt har vi rätt att dra följande slutsats: de kliniska prövningarna visade inte på vaccinernas förmåga att minska dödligheten.

I kvalitetssäkringsbranschen utvärderar vi framgången för en intervention eller ett program genom att jämföra de faktiska resultaten med de påståenden som gjorts.

Verkligheten är att vågor av infektioner och överdödlighet fortsatte efter utplaceringen av vaccinerna under 2021, fortsatte med två allvarliga vågor i USA och toppade igen i slutet av januari året därpå. Det fanns en trend med sjunkande toppar, men det är inte uppenbart att denna trend förändrades som ett resultat av vaccinationskampanjen, vilket man skulle förvänta sig under en pandemi.

Konventionell visdom skulle få oss att tro att vaccinerna, även om de kanske inte har minskat de totala infektionsnivåerna, på något sätt minskat nivåerna av sjukhusvistelse och dödligheten från Covid-19. Återigen, det trotsar tron ​​att vaccination skulle kunna vara bristfällig för att förhindra infektion och fortfarande vara framgångsrik för att minska sjukdom.

Dessa påståenden om framgång vilar inte på hårda bevis. 

Ett antal nya tidningar är rykande vapen som visar oss att den stora strategin inte fungerade. Vi måste dock titta under huven (för att byta metaforer) eftersom berättande brukar dra slutsatsen att strategin var en framgång. De datum men ibland berättar en annan historia. Detta visar att författarna är partiska och deras data kan vara mer tillförlitliga än deras berättelser.

Ta till exempel en studie av Bajema et al. baserat på patienter från US Veterans Health Administration. De drog slutsatsen:

Denna kohortstudie visade att under säsongen 2022 till 2023 var infektion med SARS-CoV-2 associerad med allvarligare sjukdomsutfall än influensa eller RSV, medan skillnaderna var mindre uttalade under säsongen 2023 till 2024.

Under båda säsongerna förblev RSV en mildare sjukdom, medan covid-19 var förknippat med högre långtidsdödlighet. Vaccination dämpade skillnaderna i sjukdomens svårighetsgrad och långtidsdödlighet.

Detta verkar avgörande, eller hur?

Men slutsatserna är baserade på data som sammanfattas i figur 2A, som inkluderar:

På dessa siffror är det bokstavligen sant att dödligheten i Covid-19 var allvarligare under 180 dagar – men med mindre än 1 procent. Detta var menat att vara en pandemi en gång på 100-talet som skulle skära en bit av befolkningen och var dramatiskt farligare än influensa, vilket gjorde att hela världen måste kastas in i ett undantagstillstånd. Var detta motiverat för en sjukdom som hade mindre än 1 % högre dödlighet än influensa? Många mediaartiklar har hånat påståenden om att Covid-19 utgör en liknande sjukdomsbörda som influensa, men med tiden har det visat sig vara jämförbart.

Hur mycket hjälpte vaccination? Figur 2 ger oss dessa jämförelser för Covid-19-patienterna.

Så, i ett papper baserat på en noggrant utvald och bearbetad delpopulation av en delpopulation, var de vaccinerade före med hälften av en procent under 180 dagar. Är detta det bästa de kan göra? Är det statistiskt signifikant?

Papper baserade på överdödligheten i hela befolkningen i ett land kan undvika de metodologiska problem som orsakas av variationer i tillskrivningen av dödlighet till Covid-19 och selektiviteten hos försökspopulationer. Att notera är ett färskt förtryck av Dahl et al: Covid-19 mRNA-vaccination och dödlighet av alla orsaker i den vuxna befolkningen i Norge under 2021-20: en befolkningsbaserad kohortstudie. De kommer också till den obligatoriska slutsatsen:

Vaccinerade individer hade en lägre andel dödsfall av alla orsaker under 2021-2023 i Norge.

Men återigen, hur stödjer uppgifterna denna slutsats?

Om vi ​​fokuserar på data för båda könen och läser från höger till vänster, ökar dödsfallen per 100,000 XNUMX py stadigt för varje åldersgrupp utom för de yngsta, där dödsfallen skulle ha varit sällsynta.

Däremot ökar de för den äldsta åldersgruppen (65+) från 3.40 utan doser, till 7.25 med 1-2 doser, till 19.21 med 3+ doser. Vilken obskyr statistisk magi använde de för att komma fram till incidentfrekvenskvoter som går i motsatt riktning till dödsfall per personår? Och varför förklarar de inte detta i berättelsen?

Vid en enkel läsning av siffrorna bakom texten var dödligheten av alla orsaker hos de vaccinerade minst dubbelt så hög som hos de ovaccinerade under denna tidsperiod i Norge. Men de kom fram till det omvända.

Så det första vi måste kräva av våra forskare är att de kommer fram till slutsatser som tydligt stöds av data!

Paper om vaccination är kritiskt försvagade av bekräftelsebias. Styrkan i författarnas tro på vaccination är sådan att all data vanligtvis tolkas som stöd för vaccination, även när det strider mot det.

En annan bred studie genomfördes av alla patienter som diagnostiserats med Covid-19 i Brasilien under perioden 2020 till 2023 av Pinheiro Rodrigues och Andrade. Deras slutsats sammanfattades i ett abstrakt:

Den skyddande effekten av covid-19-immunisering observerades upp till ett år efter de första symtomen. Efter ett år var effekten omvänd, vilket visade en ökad risk för dödsfall för de vaccinerade.

Detta illustreras i figur 1, med antalet dagars överlevnad längs X-axeln:

Vi måste gratulera dessa författare för att de kommit fram till slutsatser som korrekt återspeglar deras data, vilket är ovanligt i detta sammanhang. Detta har naturligtvis lett till att tidskriften har undersökts av tidskriften efter publicering, vilket aldrig händer för tidningar som når ortodoxa slutsatser om vaccination som normalt accepteras till nominellt värde. Publikationsbias är utbredd – hur kommer de framstående referentbedömarna att hantera Dahl-tidningen? Ödet för dessa två papper kommer att bli ett avgörande test. Med nuvarande form förväntar du dig att Brasilienstudien dras tillbaka och Dahl-uppsatsen accepteras.

De studier som kommer fram till positiva slutsatser är antingen baserade på utvalda tidsperioder (variationer på vad som kallas fall-counting window bias) eller på modellering.

Ta till exempel Christopher Ruhms tvärsnittsstudie av amerikanska stater som syftade till att fastställa om statliga Covid-19-relaterade restriktioner (icke-farmaceutiska interventioner eller NPIs + vaccinmandat) påverkade antalet pandemiska dödsfall i USA. Studien baserades på data från hela USA:s befolkning, så den var inkluderande i den meningen. Ruhm avslutar:

Denna tvärsnittsstudie indikerar att stränga COVID-19-restriktioner, som grupp, var förknippade med avsevärda minskningar av pandemisk dödlighet, med beteendeförändringar som troligen fungerade som en viktig förklaringsmekanism.

Givet ut är dock tidsfönstret: "Den primära utredningen täcker tvåårsperioden juli 2 till juni 2020." Hur är det med de tidigare månaderna? Detta är viktigt eftersom den första vågen av Covid-2022-dödlighet drabbade de nordöstra staterna hårt och utelämnas från fönstret. Efterföljande vågor drabbade södra och västra staterna så variationer i överdödstalen under perioden påverkades kraftigt av geografi, vilket sannolikt har varit en förvirrande faktor. Detta är uppenbart i figur 19C för studieperioden:

Figur 2E inkluderar den tidigare perioden och visar tydligt ett omvänt mönster då, med stater som har svårare NPI ('över medianen' – den orange linjen) som har mycket högre dödlighet än de som inte gjorde det.

Delstaterna med mindre allvarliga ingrepp hade högre dödlighet under en månad eller så efter juli 2021, vilket verkar stå för nästan hela skillnaden i det primära utredningsfönstret. I slutet av fönstret tickar den orange linjen upp igen – vad hände sedan? 

Kom ihåg den brasilianska studien som fann att den skyddande effekten av Covid-19-immunisering observerades upp till ett år efter de första symtomen, men efter ett år var effekten omvänd.

Tänk också på Uppskattning av överdödlighet i Tyskland under 2020-2022 av Kuhbandner och Reitzner. Författarna erkänner med rätta att "när man tolkar uppskattningar av ökningen av dödligheten måste man vara medveten om valen av modell och parameter." 

I de senare delarna av deras tidning kartlägger de överdödlighet sedan mars 2020 mot vaccinationer i en tidslinje. Det är uppenbart att det finns toppar av överdödlighet både före och efter vaccinationskampanjen, som stiger kraftigt mot slutet av studieperioden:

De drar slutsatsen:

År 2020 var det observerade antalet dödsfall extremt nära det förväntade antalet, men 2021 låg det observerade antalet dödsfall långt över det förväntade antalet i storleksordningen två gånger den empiriska standardavvikelsen och 2022 över det förväntade antalet till och med mer än fyra gånger den empiriska standardavvikelsen.

Detta kan inte tolkas som en triumf för vaccinationskampanjen. Det var tänkt att förhindra överdrivna dödsfall men gjorde det inte.

Alessandria et al. publiceras En kritisk analys av dödsfall av alla orsaker under covid-19-vaccination i en italiensk provins (Pescara), omanalys av en befintlig datamängd för att korrigera för Immortal Time Bias genom att anpassa befolkningen till ett enda indexdatum (1 januari 2021).

De fann att:

Dödsriskkvoten av alla orsaker i univariat analys för vaccinerade personer med 1, 2 och 3/4 doser jämfört med ovaccinerade personer var 0.88, 1.23 respektive 1.21. De multivariata värdena var 2.40, 1.98 och 0.99.

Hazard ratios för tredje och fjärde dosen är ofta lägre eftersom dessa är de senaste, och som vi har sett i den brasilianska studien, vänds initiala förbättringar senare.

Alessandria et al. avsluta sin rapport med att undersöka olika typer av bias som kan påverka vaccinationsstudier, inklusive en viss typ av fall-counting window bias, där resultat från de första 10-14 dagarna efter vaccination exkluderas från vaccingruppen i observationsstudier, utan motsvarighet för kontrollgruppen. Enligt Fung et al., på grundval av detta, "kan ett fullständigt ineffektivt vaccin verka väsentligt effektivt" (48 % effektivt i exemplet de beräknar med hjälp av data från Pfizers randomiserade fas III-studie).

Medan jag lägger sista handen på min recension, den Annals of Internal Medicine frigörs Effektiviteten av 2023-2024 XBB.1.5 Covid-19-vaccinerna under långtidsuppföljning av Ioannou et al. Denna studie försöker efterlikna en kontrollerad klinisk prövning genom att matcha XBB.1.5-vaccinerade individer med matchade ovaccinerade deltagare. Slutsatserna är oinspirerande: 

Vaccinets effektivitet mot SARS-CoV-2-associerad död minskade successivt när den konstaterades efter 60, 90 och 120 dagars uppföljning (54.24 %, 44.33 % respektive 30.26 %) och var ännu lägre (26.61 %) när den förlängdes till slutet av uppföljningen.

Detta visas i figur 3:

Så, fallräkningsfönstret verkar vara dag 10 till dag 210. Vad som händer utanför fönstret är inte känt. Om dåliga resultat registreras även med fallräknande fönsterbias, måste verkligheten vara ännu värre.

Vi har granskat ett urval av observationsstudier. I bästa fall visar uppgifterna i dessa ingen materiell fördel för att vara vaccinerad, och i värsta fall är dödsfallen större i den vaccinerade gruppen.

Det har också gjorts ett antal kontrafaktiska studier, där dödligheten under pandemiperioden jämförs med förväntad dödlighet. 

Smakämnen första av dessa av Watson et al. uppskattade att 14.4 miljoner dödsfall från Covid-19 hade avvärjts under det första vaccinationsåret i 185 länder, vilket ökade till nästan 20 miljoner när man använder överskottsdödsfall som mått.

Dessa är extraordinära siffror, som har haft en extraordinär inverkan på allmänhetens fantasi och som ofta nämns i media. De har uppdaterats i en recension av Ioannidis et al. Inte överraskande, med tanke på den avtagande effekten av Covid-19-vaccination, kommer dessa författare fram till mer konservativa siffror, med över 2.5 miljoner liv räddade.

Men båda studierna bara utgå ifrån vaccinets effektivitetsgrader de matar in i sina beräkningar, med Ioannidis et al. antar VE på 75 % före Omicron och 50 % under Omicron-perioden. Dessa är förmodligen baserade på VE som hittats i de kliniska prövningarna för symptomatisk infektioner, men ett empiriskt underlag för uppskattningarna av dödlighet avvärjt är inte uppenbart.

Modellering är inte bevis och förekommer inte i hierarkiska pyramider av evidensbaserad medicin (EBM). Om du antar att din behandling är effektiv och sedan beräknar dess effekt på en given population, kommer du oundvikligen att finna – din behandling är effektiv! Hypotesen är inte falsifierbar, och resonemanget är cirkulärt.

Det förmodade extrema hotet från Covid-19-pandemin som fick regeringar i panik till nödåtgärder skapades till stor del genom modellering, som antog att extremt höga nivåer av dödsfall skulle inträffa utan nya motåtgärder. Pandemani följde och bör aldrig upprepas. I efterhand försöker de ortodoxa nu visa att eftersom dessa fiktiva dödlighetsnivåer inte uppstod, var detta på grund av motåtgärderna.

Tre möjliga scenarier för dödlighet på medellång sikt framgår av dessa studier:

1. VE = 50-70 %
2. VE = 0 %
3. VE är negativ

Empiriska bevis för det första scenariot saknas. De andra scenarierna är oacceptabla. Scenario 2 är oacceptabelt eftersom vi inte kan ge behandlingar till människor om det inte finns någon nytta och de kan utsättas för negativa effekter, och de negativa effekterna av Covid-19-vaccinerna är ovanligt höga, eftersom Fraiman et al. har visat. 

De negativa effekterna av låsningar fortsätter också att ackumuleras, särskilt på ungdomars mentala hälsa och utbildningsnivåer. Enligt Ferwana och Varshney:

Resultaten visar att nedstängning avsevärt och orsaksmässigt har ökat användningen av mentalvårdsinrättningar i regioner med låsningar jämfört med regioner utan sådana låsningar. Speciellt ökade resursanvändningen med 18 % i regioner med nedstängning jämfört med en minskning med 1 % i regioner utan nedstängning. Kvinnliga befolkningar har också utsatts för en större lockdown-effekt på deras mentala hälsa. Diagnos av panikstörningar och reaktion på svår stress ökat avsevärt av låsningen. Den mentala hälsan var mer känslig för låsningar än för förekomsten av själva pandemin.

Pandemistrategin var det största folkhälsoexperimentet i historien. Som ordförande för en forskningsetisk kommitté för mänsklig forskning skulle jag rösta emot alla förslag där nettovinsterna sannolikt var antingen noll eller sämre. Fördelarna måste bevisligen överstiga riskerna.

I min hemstad Melbourne, Victoria, var hela befolkningen instängd i hemförvar i totalt 262 dagar. Allvarliga vaccinationsmandat infördes sedan för alla "nödvändiga arbetare" (och nästan alla arbetare visade sig vara nödvändiga), och de ovaccinerade stängdes ute från offentliga platser och betraktades som en hälsorisk. Liksom andra önationer gick Australien ganska bra under perioden då det stängde gränserna, men den stora strategin fungerade inte – efter den interimistiska NPI-perioden förhindrade inte vaccinationens ankomst överdödlighet som den var tänkt att:

En väsentlig princip bör vara att ju allvarligare de kränkningar av den individuella friheten som folkhälsoåtgärder ger upphov till, desto starkare bevis på deras effektivitet behövs. 

Regeringar ska inte kunna trampa på individuella friheter eftersom de tror att deras ingripanden kanske arbeta i teorin och sedan retrospektivt motivera dem med statistisk magi.