PARTAGER | IMPRIMER | E-MAIL
Cela fait quatre ans que le monde a été sauvé, ou pas, par des vaccins miraculeux à ARNm contre le Covid.
Cela fait également plusieurs années que ma première lettre sur le sujet a été rejetée par le rédacteur en chef d'une revue biomédicale. Et ma série de lettres rejetées sur les vaccins contre la Covid ne cesse de s'allonger. Le score est désormais de 5 à 0. Le dernier rejet est venu récemment du rédacteur en chef de la revue. Journal de l'infection, où « chaque numéro vous propose également… une section de correspondance animée. » Ma lettre sans vie faisait référence à un étude du biais des vaccinés en bonne santé en Autriche.
Ma série de cas est-elle suffisamment importante pour permettre d'en déduire une causalité ? Peut-être. Bien sûr, la cause commune pourrait être une science de mauvaise qualité. Puis-je, peut-être, proposer une observation réfutant cette hypothèse ? deuxième lettre (rejeté par The Lancet) aurait exposé en 2021 ce que Høeg et al. ont exposé en 2023 dans un lettre qui est entré d'une manière ou d'une autre dans Le New England Journal of MedicineUn éditeur négligent, je pense. Peut-être n'est-il plus éditeur.
Je suis certain que ma cinquième lettre rejetée n'était qu'un énième texte mal écrit, dénué de toute valeur scientifique. Cela n'avait certainement rien à voir avec la possibilité que la lettre, ainsi que la réponse des auteurs, aient pu conduire à des conclusions inquiétantes. Je vous laisse donc la partager ici. À vous de juger. encore:digne ou sans mérite ?
Pour rendre le tout plus intéressant, j'inclurai une analyse mentionnée dans la lettre (sans en révéler le résultat alarmant). Son calcul n'était cependant pas difficile. L'article montre des preuves de décès liés au vaccin – dus à la Covid – dans les deux semaines suivant une injection chez des personnes précédemment infectées. Ou, pour être plus prudent, les preuves sont au moins aussi solides que celles de l'article concernant l'efficacité du vaccin contre les décès dus à la Covid à l'automne 2021.
La Lettre
15 mai 2025
Journal de l'infection
Pour l'éditeur:
Riedmann et al. rapportent une analyse approfondie et approfondie du phénomène des vaccinés en bonne santé en Autriche, qui comprenait une nouvelle approche.1 Les personnes non vaccinées ont été appariées aux personnes vaccinées sur plusieurs variables, et les auteurs ont comparé plusieurs résultats sur une période de deux semaines après l'administration de diverses doses. Le tableau 3 (article) et les tableaux S44-S45 (document supplémentaire) présentent les résultats pour la mortalité toutes causes confondues, la mortalité non liée à la COVID-19 et la mortalité liée à la COVID-19.
Étant donné que le biais lié aux vaccinés sains diminue avec le temps, il serait intéressant d'étendre l'analyse des cohortes appariées à 4 et 8 semaines. De nombreuses études ont estimé l'efficacité sur une période d'un à deux mois après la vaccination, ce qui coïncidait parfois avec la durée d'une vague de COVID-19.
Les auteurs mentionnent une méthode rudimentaire de correction, dérivée de l’idée d’ajustement du taux d’événements antérieurs.2-5 Le rapport de risque de mortalité due à la COVID-19 est divisé par le rapport de risque de mortalité non due à la COVID-19. Bien qu'imparfait, il peut apporter des éclaircissements supplémentaires lorsque le suivi est prolongé et que le nombre de décès dus à la COVID-19 est plus élevé. L'application de la méthode à 19 décès dus à la COVID-19 (tableau 3, primo-vaccination complète) reste suffisante pour éliminer le biais. Après correction rudimentaire, le rapport n'est plus inférieur à 1, que l'on utilise les rapports de risque ou les rapports de taux.
D’un autre côté, il semble que les ratios de taux dans les tableaux S44-S45 aient été mal étiquetés comme des ratios de risque et des ratios de risque ajustés.
Sincères salutations,
Eyal Shahar, MD, MPH
Professeur honoraire
Université de l'Arizona
Références:
- Riedmann U, Chalupka A, Richter L, et al. Biais de santé sous-jacents chez les personnes précédemment infectées par le vaccin contre le SRAS-CoV-2 : une étude de cohorte. Journal de l'infection, Volume 90, Numéro 6, 2025, 106497, ISSN 0163-4453, https://doi.org/10.1016/j.jinf.2025.106497
- Tannen RL, Weiner MG, Xie D. Études répliquées de deux essais randomisés sur les inhibiteurs de l'enzyme de conversion de l'angiotensine : validation empirique supplémentaire du « rapport de taux d'événements antérieurs » pour ajuster les facteurs de confusion non mesurés par indication. Pharmacoépidémiologie Sécurité des médicaments. 2008 juill.;17(7):671-85. doi: 10.1002/pds.1584. PMID: 18327852
- Pálinkás A, Sándor J. Efficacité de la vaccination contre la COVID-19 dans la prévention de la mortalité toutes causes confondues chez les adultes au cours de la troisième vague de l'épidémie en Hongrie : étude de cohorte rétrospective à l'échelle nationale. Vaccins (Bâle). 2022 juin 24 ;10(7):1009. doi : 10.3390/vaccines10071009. PMID : 35891173 ; PMCID : PMC9319484.
- Atanasov V, Barreto N, Whittle J, et al. Comprendre l'efficacité du vaccin contre la COVID-19 contre la mortalité à l'aide d'une nouvelle mesure : le pourcentage de surmortalité liée à la COVID. Vaccins (Bâle). 2023 février 7 ; 11(2):379. doi : 10.3390/vaccines11020379. PMID : 36851256 ; PMCID : PMC9959409.
- Shahar E. Sur les méthodes visant à éliminer le biais du vacciné sain. Dans : Thèmes en épidémiologie et statistiquesLivres électroniques Amazon Kindle (2025)
Le rejet
Deux jours plus tard, un message contenant un texte standard est arrivé dans ma boîte de réception.
Numéro de manuscrit : YJINF-D-25-00940
Titre de l'article : Lettre à l'éditeur
Auteur correspondant : Professeur émérite Eyal Shahar
Soumis à : Journal of Infection
Cher professeur émérite Shahar,
Merci d'avoir soumis votre manuscrit au Journal of Infection. Malheureusement, nous recevons beaucoup plus d'articles que nous n'avons de place pour les publier et ne pouvons donc traiter qu'un nombre limité de soumissions. Après examen par les éditeurs, cet article n'a malheureusement pas obtenu la priorité requise. Veuillez noter que nous n'encourageons pas la resoumission d'un article ayant été rejeté.
Je suis désolé de cette décision défavorable et de ne pas pouvoir fournir de raisons plus précises pour le rejet, et j'espère que vous continuerez à soumettre votre travail au Journal of Infection à l'avenir.
Cordialement,
Professeur Robert Charles Read
Éditeur
Journal de l'infection
J'ai été légèrement surpris. Curieusement, le texte standard a été rédigé pour les manuscrits (articles) rejetés. N'existe-t-il pas un texte comparable pour les lettres rejetées ? À quelle fréquence les lettres sont-elles rejetées par cette revue ? Votre hypothèse est aussi juste que la mienne. Peut-être même similaire.
Analyse
Les chiffres ci-dessous ont été transcrits à partir du tableau 3 de l'article (Version 2, corrigé). Voici les données et résultats auxquels ma lettre fait référence. Le ratio de limite de confiance a été ajouté (mes calculs). J'aborderai plus en détail cet indice statistique ultérieurement, mais plus le nombre est petit, meilleur est le rapport de risque estimé (RR).
TableauxRapports de risque (HR) et intervalles de confiance (IC) à 95 % pour la mortalité liée et non liée à la Covid-XNUMX en fonction du nombre de doses de vaccin administrées dans les deux semaines suivant la vaccination. Les témoins (non vaccinés durant cette période) ont été appariés à chaque groupe de personnes vaccinées en fonction de leur tranche d'âge, de leur sexe et de leur lieu de résidence en maison de retraite.
Les rapports de risque de décès proviennent de cohortes appariées ; les facteurs de confusion liés à l'âge, au sexe et au lieu de résidence en EHPAD ont donc été éliminés. Les personnes non vaccinées ont également été appariées selon la date de vaccination, ce qui a permis d'éviter les facteurs de confusion liés aux tendances temporelles. Le facteur de confusion restant est le phénomène des vaccinés en bonne santé. Les personnes vaccinées sont en moyenne en meilleure santé que leurs homologues non vaccinées ; leur mortalité due à la Covid devrait donc être plus faible, même avec une injection de placebo. On constate que leur risque de décès par non Covid Les causes étaient plus faibles (rapports de risque < 1). Cela s'explique par leur meilleure santé, et non par le fait que les vaccins contre la Covid constituent une panacée. Le phénomène des vaccinés en bonne santé semble être universel. Cela ne disparaît pas après deux semaines.
Cependant, les auteurs n'ont pas sélectionné les personnes non vaccinées les plus endurcies. Ils écrivent : « Le groupe témoin non vacciné n'avait aucune vaccination documentée jusqu'à 14 jours après le jour de vaccination correspondant. »
Cela signifie que le biais lié aux personnes vaccinées en bonne santé a été estimé par rapport à un groupe comprenant des personnes vaccinées ultérieurement. Le biais réel aurait pu être plus important.
Revenons aux tableaux ci-dessus.
Tous les rapports de risque de décès liés à la Covid sont inférieurs à 1 et sont tous biaisés. Aucun bénéfice n'est attendu dans cette fenêtre temporelle (deux semaines). Comme je l'ai écrit dans ma lettre et ailleursIl existe une méthode pour éliminer le biais, qui n'est pas parfaite mais qui est meilleure que l'absence de correction. Divisez le rapport de risque de décès dû à la Covid par le rapport de risque de décès non dû à la Covid.
Dans ce cas, si le résultat est d'environ 1, le biais a été éliminé. S'il est toujours inférieur à 1, il n'a pas été totalement éliminé. S'il est supérieur à 1, il y a lieu de s'inquiéter. Observons-nous un risque accru de décès masqué par le biais du vacciné sain ?
Les résultats sont présentés dans le tableau.
lampe de tableRapports de risque : biaisés et corrigés
Après correction, les ratios de risque de décès dû au Covid dans les deux semaines suivant la première et la deuxième injection sont respectivement de 1.48 et 1.91.
Est-ce vrai ? C'est possible. La période post-vaccinale immédiate présente un risque d'infection et de décès. Je l'ai constaté dans les données de Israël, Danemarkbauen Suède
D’autres ont également écrit à ce sujet.
Quant à la troisième injection (0.29/0.30=0.97), je peux proposer deux explications concurrentes :
La première est brève. Les malheureux vaccinés qui étaient sensibles sont décédés après une ou deux doses. Aucune personne sensible n'est restée parmi ceux qui ont reçu la troisième dose.
La deuxième explication est longue. Le rapport de risque estimé pour les décès dus à la Covid (0.29) est faible. Il est basé sur seulement quatre événements. Comment savoir à quel point il est faible, par exemple, par rapport aux estimations pour deux et une dose ? Nous calculons un indice appelé rapport de limite de confiance : la borne supérieure divisée par la borne inférieure. Le rapport est de 9.7 pour les personnes ayant reçu trois doses, contre 2.9 (deux doses) et 2.8 (une dose).
Si vous calculez le rapport de limite de confiance à partir de nombreuses études, comme je l'ai fait au fil des ans, vous constaterez que les études de taille raisonnable génèrent un rapport d'environ 2, tandis que les études de petite taille (peu d'événements) génèrent des rapports supérieurs à 5. On obtient un rapport proche de 10 lorsque l'inférence est dérivée de quatre événements d'une même catégorie. Plus important encore, la valeur d'une estimation est inversement proportionnelle au rapport de limite de confiance, et non à la « signification statistique ». J'expliquerai pourquoi brièvement.
Des milliards de personnes ont été vaccinées, et nous essayons de tirer des conclusions à partir de 19 événements et de 21 événements, car un article après l’autre a exclu les données de la période post-vaccinale.
De plus, un suivi prolongé des cohortes appariées peut fournir un aperçu unique de l'efficacité réelle du vaccin, car les non-vaccinés ont été appariés à la date de vaccination. (Les campagnes de vaccination coïncidaient souvent avec les vagues de Covid, ce qui a entraîné des confusions.) Les auteurs disposent d'un cadre de recherche presque parfait : de grandes cohortes, un appariement sur des variables clés et des données sur les décès non liés à la Covid qui permettent une correction élémentaire du biais des vaccinés sains. Mais il est peu probable que nous consultions ces données, car ma lettre n'avait aucun mérite. Peut-être qu'une autre lettre abordera ce sujet et sera acceptée. Ou peut-être pas.
Permettez-moi de réitérer ma déclaration conservatrice du début :
Les preuves que je présente ici sont au moins aussi bonnes que les preuves de l’efficacité du vaccin contre les décès dus au Covid à l’automne 2021.
Les chiffres ci-dessous ont été transcrits à partir du tableau 2 de l'article (Version 2, corrigé). Le ratio de limite de confiance a été ajouté (mon calcul).
lampe de tableRapports de risque (HR) et intervalles de confiance à 95 % (IC à 95 %) pour la mortalité due à la Covid en fonction du nombre de doses administrées en octobre et novembre 2021 (charge de morbidité élevée). Le groupe de référence n'est pas vacciné, ce qui permet de modifier le statut vaccinal.
Comme vous pouvez le constater, le nombre de décès dus à la Covid est inférieur à celui des cohortes appariées, et les ratios de limite de confiance sont nettement supérieurs. Le ratio de limite de confiance pour trois doses bat des records (20).
J'entends les auteurs et les lecteurs : « Mais toutes les estimations ci-dessus sont statistiquement significatives. La borne supérieure de l'intervalle de confiance est inférieure à 1, ce qui implique p-valeur < 0.05.”
En effet. Cependant, « statistiquement significatif » n'est pas ce que vous pensez probablement.
Ce n’est pas une question de qualité de l’estimation.
Un cours intensif (pour ceux qui s'intéressent aux statistiques et à la linguistique)
Mon exemple est tiré de trois doses (tableau ci-dessus) : HR (IC à 3 %) : 95 (0.04-0.01). L’estimation (0.20) est hautement significative.
lampe de table. L'utilisation et l'abus de « statistiquement significatif » et d'une alternative solide (le ratio de limite de confiance)
Toutes les affirmations (verdicts) de la première ligne du tableau sont fausses – indiscutablement fausses. Elles découlent d'une interprétation erronée, regrettable et profondément ancrée, du terme « statistiquement significatif », qui a des racines historico-linguistiques.
Lorsque le terme a été inventé il y a de nombreuses années, l'adjectif « significatif » avait un sens différent. En anglais, à la fin du XIXe siècle, il signifiait que l'estimation signifié (montré) des preuves contre la nullité. La phrase ne faisait référence à aucune qualité intrinsèque de l’estimationAu fil des années, le sens contemporain du mot « significatif » a remplacé le sens original, attribuant à tort des qualités à l’estimation elle-même (significatif, crédible, fiable, peu susceptible d’être dû au hasard).
Aucune de ces interprétations n'a de fondement dans le test statistique. C'est un vœu pieux. Le rejet de l'hypothèse nulle repose sur l'estimation (via une statistique de test) ; il ne lui confère aucune crédibilité. Si nous souhaitons en savoir plus sur les qualités aléatoires d'une estimation, nous devons nous fier uniquement à l'erreur type, et le rapport de limite de confiance est une simple équation mathématique basée sur l'erreur type. Plus il est proche de 1, meilleure est l'estimation. Un épidémiologiste avisé a proposé cet index il y a de nombreuses années, mais parfois des idées nouvelles et valables restent en sommeil pendant longtemps.
Vous pouvez lire l'histoire linguistique dans le livre La dame dégustant du thé : comment les statistiques ont révolutionné la science au XXe siècle Par David Salsburg. Un paragraphe de la page 98 est révélateur.
Épilogue
Il y aurait encore beaucoup à écrire sur cet article, qui comprend 72 pages d'analyses complémentaires ; certaines d'entre elles ont été « demandées lors du processus de révision ». J'imagine la bataille avec des examinateurs hostiles lorsqu'il s'agit du biais du vacciné sain.
J'ai déjà une centaine de lignes de données et d'analyses dans un fichier Excel. (Aperçu : la troisième dose était inutile, et des doses supplémentaires auraient pu être pires.) Dois-je envoyer un manuscrit au professeur Read, qui espérait que je continuerais à soumettre mon travail à la Journal de l'infection?
Laisse moi y réfléchir.
-
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
