Grès brun » Articles de l'Institut Brownstone » La censure de la science Covid : trois exemples

La censure de la science Covid : trois exemples

PARTAGER | IMPRIMER | E-MAIL

La censure en science se manifeste sous de nombreuses formes : ignorer, marginaliser, chercher des excuses, prioriser, faire taire — toujours au nom d'une science rigoureuse, bien sûr. Je donne ici des exemples que je considère comme une censure des critiques qui auraient pu gravement saper le récit de vaccins Covid « sûrs et efficaces ».

Mes exemples sont trois « lettres à l'éditeur », un format qui permet à des scientifiques non sollicités de commenter un article publié. Soumises à trois revues médicales de premier plan, ces lettres concernaient des études menées en Israël sur l'efficacité du vaccin Pfizer. S'ils étaient acceptés pour publication, dans la plupart des cas, les auteurs auraient été invités à répondre. Les trois lettres ont été rejetées.

Il n'est pas facile de montrer la censure par une petite série de lettres rejetées. Les messages de rejet ne contiennent que du texte passe-partout, et les éditeurs sont protégés par un argument évident : ils doivent faire des choix difficiles, étant donné les nombreuses soumissions. Décision biaisée ? Jamais!

Néanmoins, les décisions éditoriales ne sont pas complètement à l'abri de tout contrôle. Le mérite d'une lettre rejetée peut être jugé par d'autres scientifiques, et parfois aussi par le profane : Mes lettres se classent-elles en bas ou en haut sur l'échelle de mérite ? Soulignent-ils des points mineurs ou des problèmes majeurs ? Leur logique est-elle défectueuse ou solide ? Auraient-elles toutes dû être rejetées, ou plutôt – tous d'entre eux ont été rejetés ?

Censure ou pas ?

Vous serez le juge.

Première lettre (The New England Journal of Medicine, mars 2021)

Il s'agissait d'une lettre d'un paragraphe, posant une simple question sur deux effets du vaccin Pfizer, qui n'étaient pas rapportés dans l'article. Tout doute subsistant sur l'importance de cette question se dissipera après la lecture de la dernière lettre rejetée.

fig-1-lettre

Pour l'éditeur:

Les décès liés au COVID sont sujets à des erreurs de classification, tout comme les hospitalisations liées au COVID. Ainsi, l'étude de Dagan et al. (1) sur les effets du vaccin ARNm COVID-19 aurait dû inclure deux paramètres cruciaux : le décès toutes causes confondues et toute hospitalisation.

Il est de la plus haute importance de connaître les résultats de ces analyses.

Références:

  1. Dagan N, Barda N, Kepten E et al. Vaccin Covid-162 à ARNm BNT2b19 dans un cadre national de vaccination de masse. N Engl J Med 2021 ; 384:1412–23
fig-2-lettre

[La référence de l'éditeur à "l'article de Balicer" est une référence (inhabituelle) au dernier auteur, plutôt qu'au premier.]

Deuxième lettre (The Lancet, octobre 2021)

Celui-ci est plus technique, nécessitant une certaine connaissance de la méthodologie de recherche. Cependant, l'idée de base est simple : les auteurs doivent respecter leurs propres normes méthodologiques. Est-ce trop demandé?

fig-3-lettre

Pour l'éditeur:

L'étude de Barda et ses collègues sur une troisième dose du vaccin BNT162b2[1] a exclu les événements survenus au cours des six premiers jours de suivi. Les auteurs ont conçu l'étude « pour émuler un essai cible », mais l'article méthodologique qu'ils citent[2] (écrit par un co-auteur de l'article de Barda) n'appelle pas à exclure les événements précoces. Au contraire, "Avec des données d'observation, la meilleure façon d'imiter le temps zéro de l'essai cible est de définir le temps zéro comme étant le moment où un individu éligible initie une stratégie de traitement."[2] Quelles sont les estimations lorsque tous les événements sont inclus?

Bien que les groupes d'étude aient été soigneusement appariés, un biais de confusion résiduel ne peut jamais être exclu dans la recherche observationnelle. Une méthode pour détecter un tel biais utilise des "contrôles négatifs", comme l'a expliqué avec éloquence un autre co-auteur de l'article de Barda.[3] En bref, les chercheurs estiment l'effet de l'intervention sur un résultat pour lequel on s'attend à ce que l'effet soit nul. Si l'estimation n'est pas nulle, un biais de confusion résiduel peut également être présent pour le résultat d'intérêt. Par exemple, « la vaccination antigrippale était également« protectrice » contre l'hospitalisation pour blessure ou traumatisme… interprétée comme une preuve qu'une partie de la protection observée pour l'hospitalisation ou la mortalité pour pneumonie/grippe était due à une confusion insuffisamment contrôlée. »[3]

Il est facile d'appliquer la méthode à l'étude de Barda et ses collègues :[1] Quel est l'effet estimé d'une troisième dose de vaccin sur les décès non liés à la COVID, en comptant les décès dès le premier jour ? Est-il nul comme prévu ? Il convient de noter que dans une analyse récente, les vaccins COVID-19 ont montré une « protection » inattendue contre la mortalité non liée au COVID.[4]

Références:

  1. Barda N, Dagan N, Cohen C et al. Efficacité d'une troisième dose du vaccin BNT162b2 ARNm COVID-19 pour prévenir les conséquences graves en Israël : une étude observationnelle. Lancette, 29 octobre 2021 DOI :https://doi.org/10.1016/S0140-6736(21)02249-2
  2. Hernan MA, Robins JM. Utilisation de mégadonnées pour émuler un essai cible lorsqu'un essai randomisé n'est pas disponible. Am J Epidemiol 2016; 183(8): 758–64
  3. Lipsitch M, Tchetgen Tchetgen E, Cohen T. Contrôles négatifs : un outil pour détecter les facteurs de confusion et les biais dans les études observationnelles. Épidémiologie. 2010;21(3):383–388
  4. Xu S, Huang R, Sy LS, et al. COVID-19 Vaccination and Non–COVID-19 Mortality Risk — Seven Integrated Health Care Organizations, United States, 14 décembre 2020–31 juillet 2021. MMWR Morb Mortal Wkly Rep 2021;70:1520–1524.
fig-4-lettre

Troisième lettre (The British Medical Journal, juin 2022)

Cette lettre a été soumise en tant que "Réponse rapide» à un fait divers. Il n'y a pas de limite de temps pour soumettre une lettre dans un format de réponse rapide.

fig-5-lettre

Titre : Les études sur l'efficacité des vaccins en Israël ont souffert d'un grave biais de classification erronée du paramètre de mortalité

Monsieur le rédacteur,

Les études du « monde réel » d'Israël sur l'efficacité des vaccins contre les décès par COVID se sont appuyées sur la classification officielle de la cause du décès pendant la campagne de vaccination. [1, 2] Nous avons maintenant des preuves solides que ces études ont souffert d'une mauvaise classification de 50 % de la mortalité. point final.

Le Bureau central israélien des statistiques (CBS) a estimé les décès en excès par rapport aux décès dus au COVID à différentes périodes. Entre décembre 2020 et mars 2021 – la première campagne de vaccination – le ministère de la Santé a signalé 3,298 1,641 décès par COVID en Israël, mais CBS n'a estimé que 3 XNUMX décès supplémentaires. Le graphique et le tableau CBS peuvent être trouvés ailleurs.[XNUMX]

[Vous ne pouvez pas inclure de chiffre dans une réponse rapide. Je le mets ici, pour votre commodité.]

fig-6-lettre

De toute évidence, la moitié des décès par COVID signalés à cette époque n'étaient pas causés par le COVID. Ils faisaient partie de la mortalité hivernale de fond en Israël, ne représentaient pas les décès excédentaires et n'auraient pas pu être évités par un vaccin COVID. Par conséquent, ces études « dans le monde réel » sur l'efficacité des vaccins ont fait l'objet d'un taux inacceptable d'erreurs de classification du critère d'évaluation de la mortalité, et probablement d'une classification erronée similaire des critères d'évaluation corrélés tels que les COVID graves et les hospitalisations pour COVID. Comme indiqué dans une réponse antérieure de Retsef Levi et Avi Wohl,[4] l'erreur de classification était probablement différentielle (en fonction du statut vaccinal).

Les critiques auraient-ils soutenu la publication, s'ils l'avaient su à l'époque ?

Références:

  1. Dagan N, Barda N, Kepten E et al. Vaccin Covid-162 à ARNm BNT2b19 dans un cadre national de vaccination de masse. N Engl J Med 2021 ; 384:1412–23
  2. Hass, EJ, Angulo, FJ, McLaughlin, JM. et coll. Impact et efficacité du vaccin ARNm BNT162b2 contre les infections par le SRAS-CoV-2 et les cas de COVID-19, les hospitalisations et les décès à la suite d'une campagne de vaccination à l'échelle nationale en Israël : une étude observationnelle utilisant des données de surveillance nationales, Lancet, 2021 ; 397:1819-29
  3. Vaccin Pfizer et mortalité par COVID : un appel à la rétractation des publications d'Israël
  4. Covid-19 : Le vaccin Pfizer BioNTech a réduit les cas de 94 % en Israël, selon une étude évaluée par des pairs

Le British Medical Journal n'informe pas les auteurs du rejet d'une « réponse rapide ». Vous trouverez ci-dessous une partie de leur message passe-partout lorsqu'une lettre est reçue.

fig-7-lettre

Assez de temps s'est écoulé. La lettre n'a pas été publiée en ligne. (Seules les réponses publiées peuvent être sélectionnées pour le journal imprimé.)

Trois lettres. Trois revues. Trois refus.

Censure ou pas ? Les revues médicales différaient-elles des les médias biaisés

Il y a vingt-cinq ans, je publiais un article dans le British Medical Journal dans lequel je critiquais la manière dont les lettres à l'éditeur avaient été traitées.

Rien n'a changé. Les lettres continuent d'être rejetées sans justification explicite. Les éditeurs peuvent continuer à rejeter toute allégation de jugement biaisé. 

Mais maintenant nous avons Internet. Les lettres rejetées n'ont pas besoin d'être enterrées pour toujours, et les décisions éditoriales peuvent être jugées dans le domaine public, comme c'est le cas ici. Peut-être qu'un jour nous aurons même une revue en ligne à comité de lecture intitulée Le journal des lettres rejetées. Je suis sûr que les éditeurs préféreraient ne pas y figurer.



Publié sous un Licence internationale Creative Commons Attribution 4.0
Pour les réimpressions, veuillez rétablir le lien canonique vers l'original Institut Brownstone Article et auteur.

Auteur

  • Eyal Shahar

    Le Dr Eyal Shahar est professeur émérite de santé publique en épidémiologie et en biostatistique. Ses recherches portent sur l'épidémiologie et la méthodologie. Au cours des dernières années, le Dr Shahar a également apporté d'importantes contributions à la méthodologie de recherche, en particulier dans le domaine des diagrammes de causalité et des biais.

    Voir tous les messages

Faire un don aujourd'hui

Votre soutien financier à l'Institut Brownstone sert à soutenir des écrivains, des avocats, des scientifiques, des économistes et d'autres personnes courageuses qui ont été professionnellement purgées et déplacées pendant les bouleversements de notre époque. Vous pouvez aider à faire connaître la vérité grâce à leur travail continu.

Abonnez-vous à Brownstone pour plus de nouvelles

Restez informé avec le Brownstone Institute