In einem kürzlich erschienenen Studie, berichten Forscher aus der Tschechischen Republik über eine seltene, landesweite Analyse der Covid-Impfstoffe und der Gesamtmortalität. Jeder kritische Geist sollte zumindest die beispielhafte Zusammenfassung von Tomas Fürst auf Brownstone und studieren Sie die Figur sorgfältig.
Gegen Ende des Brownstone-Artikels schreibt Fürst:
„Doch im Spiegel Nerhegeb oben können Sie sehen, dass der Impfstoff zu 80 % wirksam zu sein scheint, sogar gegen Covid-nicht verwandt Todesfälle! Dennoch sind uns keine für Studien zur Wirksamkeit von Impfstoffen, in denen versucht wurde, diesen enormen HVE (Healthy-Impfeffekt, ES) zu korrigieren. Dies bedeutet, dass alle Behauptungen zur Wirksamkeit des Covid-Impfstoffs seit Beginn der Massenimpfkampagne revidiert werden müssen. Die tatsächliche Wirksamkeit des Impfstoffs gegen Todesfälle durch Covid könnte gleich null oder sogar negativ gewesen sein; wir wissen es einfach nicht.“
Ich kann dem nur zustimmen. Wiederholte modellbasierte aus aller Welt etwa Millionen geretteter Lebensjahre lassen sich nicht mit einfachen Sterblichkeitsstatistiken vereinbaren – zum Beispiel ein Kontrast von Israel mit Schweden im Winter 2020–2021 oder Grundschule weltweit Berechnungen. Nachdem es nicht gelungen war, die Zensur Maschinerie biomedizinischer Zeitschriften, widmete ich zahlreiche Beiträge die Voreingenommenheit gegenüber gesunden Impflingen und einem Methode um es zu entfernen. Doch nur wenige Wochen nach der Veröffentlichung der tschechischen Studie veröffentlichte ich endlich eine Peer-Review Krepppapier zur (korrigierten) Wirksamkeit eines Covid-Impfstoffs. Der Weg zur Veröffentlichung war nicht einfach. Sogar medRxiv weigerte sich mit einer lächerlichen Ausrede, einen Vorabdruck zu veröffentlichen. („Es handelt sich nicht um einen klinischen Forschungsartikel mit neuen Daten.“)
Anhand veröffentlichter Daten aus Katar konnte ich zwei wesentliche Verzerrungen beseitigen, eine davon war der Effekt gesunder Impflinge. Die andere Verzerrung, formal genannt unsterbliche Zeit, entstand durch den Ausschluss früher Ereignisse bei den Geimpften, eine gängige Praxis bei Studien zur Impfstoffwirksamkeit. Leider ist dies zu technisch, um es hier zu erklären. Die Beseitigung dieser Verzerrung reduzierte die Schätzungen der Wirksamkeit um ein Vielfaches – manchmal von über 95 Prozent auf weniger als 50 Prozent – und deutete auf eine frühe negative Wirksamkeit hin.
Wie ich in einem buchen (Kapitel 37) Der Bias gegenüber gesunden Impflingen kann nicht durch eine exakte Methode beseitigt werden, daher haben wir zwei Möglichkeiten: den Bias zu akzeptieren oder zu versuchen, ihn durch eine unvollkommene Methode zu beseitigen. Meiner KrepppapierIch habe drei Korrekturfaktoren zur Schätzung der Impfstoffwirksamkeit begründet und angewendet. Dies nennt man Sensitivitätsanalyse. Unter jeder Korrektur war die Wirksamkeit gegen einen schweren Verlauf zweier früher Varianten im ersten Monat negativ und zum Zeitpunkt des Erreichens der vollständigen Immunität bestenfalls nahe Null. Die ursprüngliche Arbeit berichtete von einer 100-prozentigen Wirksamkeit…
Unsterbliche Zeit und gesunde Impflinge sind nicht die einzigen Verzerrungen in Beobachtungsstudien zu Covid-Impfstoffen. Mindestens zwei weitere sollten erwähnt werden:
Geimpfte Personen wurden seltener auf Covid getestet als ihre ungeimpften Gegenstücke und wurden daher seltener als Fälle schwerer Covid-Erkrankungen und Covid-Todesfälle eingestuft. In der Taxonomie von Vorurteilen, es wird Informationsverzerrung genannt. Wir haben unzweifelhafte Beweise dass die Verzerrung während der ersten Impfkampagne in Israel – dem „Pfizer-Labor“ – wirksam war. Diese Verzerrung hat wahrscheinlich Studien aus vielen Ländern beeinflusst.
Eine weitere Quelle der Voreingenommenheit war die zeitliche Koordinierung der Impfkampagnen, die oft mit einer Covid-Welle zusammenfielen. Infolgedessen konzentrierte sich die Risikozeit im ungeimpften Status auf die Zeit steigender Infektionsraten, während die Risikozeit im geimpften Status auf die Phase des Rückgangs konzentriert war. Dies wird als Störfaktor durch zeitliche Trends im Risiko des Ergebnisses bezeichnet. Einige Studien versuchten, diese Verzerrung durch die Berücksichtigung der Kalenderzeit zu verhindern; viele taten dies nicht.
Damals herrschte ein Sturm der Voreingenommenheit, und Fürst schreibt: „Der wahre Wert der Impfstoffwirksamkeit kann nur aus prospektiven randomisierten Studien abgeleitet werden.“
Ich frage mich, ob wir sie jemals sehen werden. Wird die FDA weiterhin jedes Jahr neue mRNA-Covid-Impfstoffe ausschließlich aufgrund ihrer Fähigkeit zur Antikörperbildung zulassen? Könnten wir das Infektionsrisiko durch mehr Impfungen erhöhen, weil Klassenwechsel gegen IgG4-Antikörper? Sollten diese Impfungen weiterhin an Bewohner von Pflegeheimen verabreicht werden, wenn negative Wirksamkeit ist zumindest möglich, und impfbedingte Todesfälle zweifellos geschehen? Ist es ethisch vertretbar, eine neuartige Gentherapie weiterhin zuzulassen ohne eine einzelne, gut konzipierte, randomisierte Studie mit einem Mortalitätsendpunkt?
Die FDA hat unter neuer Leitung kürzlich Fortschritt in die richtige Richtung. Ich hoffe, sie werden es dabei nicht belassen. Der Winter ist zu nah für eine Studie in diesem Jahr, aber es bleibt genügend Zeit für die NIH, eine Ausschreibung für randomisierte Studien im nächsten Winter zu verfassen. Die Studienpopulation sollte aus einwilligungsfähigen Bewohnern von Pflegeheimen bestehen, da diese die Hochrisikogruppe darstellen. Vergleichen wir die mRNA-Covid-Impfstoffe des nächsten Jahres mit Placebo, mit einem Mortalitätsendpunkt: Covid-Todesfälle mit einem Todesfälle aller Ursachen. Vielleicht sollte es einen dritten Arm für die Grippeschutzimpfung.
-
Dr. Eyal Shahar ist emeritierter Professor für öffentliche Gesundheit in Epidemiologie und Biostatistik. Seine Forschungsschwerpunkte sind Epidemiologie und Methodik. In den letzten Jahren hat Dr. Shahar auch bedeutende Beiträge zur Forschungsmethodik geleistet, insbesondere im Bereich der Kausaldiagramme und Vorurteile.
Alle Beiträge
