Spécification erronée du modèle et estimations grossièrement gonflées des vies sauvées

Dans une récente étude publié dans Le Lancet Infectious Diseases, Watson et al. appliquer la modélisation mathématique pour estimer que les vaccinations de masse contre la COVID-19 ont sauvé entre 14 et 20 millions de vies dans le monde au cours de la première année de la vaccination contre la COVID-19 Danse. Articles précédents de Brownstone par Môle et Raman ont déjà souligné plusieurs hypothèses erronées dans l'étude concernant la durée de l'immunité dérivée de l'infection par rapport au vaccin ainsi que le fait qu'elle ne tenait pas compte des effets indésirables du vaccin et du risque de mortalité toutes causes confondues. 

Ici, je résume la mécanique de la façon dont les auteurs sont arrivés à leurs estimations des décès évités grâce aux vaccinations de masse. J'explique ensuite comment des hypothèses erronées dans le modèle peuvent conduire à des estimations grossièrement gonflées des décès évités, ce qui peut expliquer le manque de validité apparente et de cohérence interne de l'étude.

L'étude utilise un modèle génératif de dynamique de transmission, d'infection et de mortalité du COVID-19 qui comprend 20 à 25 paramètres supposés basés sur une littérature sélectionnée (c'est-à-dire l'efficacité du vaccin contre la transmission, l'infection et la mort, les mélanges d'âge de chaque pays, les taux de mortalité par infection, etc.) qui est ajusté aux décès excédentaires signalés afin de déduire (mais pas de valider) la transmissibilité du virus dans le temps dans 185 pays. 

L'étude compare les décès excédentaires réels de 2021 à des simulations (contrefactuelles) qui sont censées prédire la trajectoire des décès excédentaires dans chaque pays si aucun vaccin n'avait été introduit (c'est-à-dire en exécutant plusieurs simulations des modèles ajustés ci-dessus après avoir supprimé les effets des vaccins). La différence entre ces courbes contrefactuelles et les décès excédentaires réels donne le nombre estimé de décès évités grâce à la vaccination.

Les modèles des auteurs ne semblent pas tenir compte de l'évolution de l'infectiosité ou de la létalité du virus, à part modéliser explicitement une augmentation des taux d'hospitalisation pour infection due à la variante Delta (voir la section 1.2.3 Variantes préoccupantes dans le supplément). L'hypothèse principale des simulations contrefactuelles est que la surmortalité s'explique par l'évolution « naturelle » du virus telle que reflétée dans sa transmissibilité variable dans le temps, qui ne peut être qu'inférée (ajustée) et non validée. 

Si les modèles supposent des paramètres qui surestiment ou mésestiment l'efficacité du vaccin contre la transmission, l'infection et la mort ainsi que la durée de la protection vaccinale, tout en ignorant d'autres sources de décès excédentaires liés à la pandémie, cela conduira à une surestimation ou à une erreur d'estimation du temps. transmissibilité variable du virus afin d'obtenir un bon ajustement avec les courbes de surmortalité dans chaque pays. Cela gonflerait à son tour artificiellement les décès excédentaires estimés lorsque les effets de la vaccination sont ensuite retirés des simulations contrefactuelles. Nous développons ces points ci-dessous.  

Les modèles de Watson et al. s'appuyer sur des hypothèses irréalistes concernant l'immunité dérivée du vaccin

Il n'est pas clair si les auteurs tiennent compte de l'efficacité décroissante du vaccin dans leurs modèles, et il semble que tous leurs modèles supposaient une protection vaccinale constante sur toute la période d'étude d'un an, même si des études ont suggéré qu'il se situe quelque part entre 3 et 6 mois. Le modèle qu'ils citent, Hogan et al. 2021 suppose par défaut une protection vaccinale « à long terme » (c.-à-d. > 1 an) (voir le tableau 1. Hogan et coll. 2021).

De plus, pratiquement toutes les études sur l'efficacité ou l'efficacité des vaccins excluent ou regroupent les cas symptomatiques dans les 21 jours suivant la première dose ou dans les 1 jours suivant la deuxième dose avec les groupes de comparaison « non vaccinés ». Ceci est problématique à la lumière des preuves que l'infectiosité du COVID peut augmenter presque 3 fois pendant la première semaine après l'injection (voir Figure 1 dans notre commentaire de l'étude). Cela suggère que les estimations rapportées de l'efficacité du vaccin qui sont basées sur des taux de cas inférieurs observés > 6 semaines après l'injection peuvent (au moins partiellement) être expliquées par infection-, et non induite par le vaccin, en raison d'augmentations à court terme de l'infectiosité du COVID-19 immédiatement après la vaccination. 

Alors que les modèles de Watson et al. comprennent une période de latence entre la vaccination et le moment où la protection entre en jeu, ils ne tiennent pas compte d'une augmentation potentielle de l'infectiosité et de la transmissibilité induites par le vaccin pendant cette période. Ne pas tenir compte de cet effet dans les modèles surestimerait la transmissibilité du virus évoluant naturellement et variant dans le temps et gonflerait ainsi l'excès de décès dans les simulations contrefactuelles qui excluent les effets de la vaccination.

Enfin, les auteurs ont exploré l'impact de l'évasion immunitaire de l'immunité dérivée de l'infection en effectuant une analyse de sensibilité pour estimer les décès évités par les vaccinations avec différents pourcentages d'évasion immunitaire allant de 0 % à 80 % (voir la figure supplémentaire 4 dans l'article original). Dans ces modèles, les auteurs précisent qu'ils supposent une protection vaccinale constante (non décroissante), ce qui est une hypothèse irréaliste (voir le paragraphe ci-dessus). Cependant, les auteurs ne semblent pas effectuer une analyse de sensibilité similaire de l'évasion immunitaire de l'immunité dérivée du vaccin, ce qui est important compte tenu du point soulevé dans le paragraphe ci-dessus. 

Les modèles ignorent les décès excessifs dus à des facteurs autres que le COVID-19

Les modèles ajustés et leurs contrefactuels supposent que la surmortalité dans chaque pays s'explique uniquement par un virus COVID-19 évoluant naturellement et sa transmissibilité variable dans le temps (déduite par un modèle ajusté). Les modèles ne tentent pas de tenir compte des décès excédentaires causés par d'autres facteurs liés à la pandémie, par exemple les vaccins eux-mêmes ainsi que d'autres interventions obligatoires non pharmaceutiques. La Le CDC rapporte un risque global de décès induit par le vaccin de 0.0026% par dose basé sur le Vaccine Adverse Events Reporting System, ou VAERS. Le VAERS est un système de déclaration passif et ne peut saisir que ~1 % de tous les effets secondaires liés au vaccin. 

Des sources de données indépendantes plus récentes utilisant VAERS et hypothèses crédibles sur le facteur de sous-déclarations et régression écologique des données de vaccination et de mortalité toutes causes accessibles au public suggèrent que le VAERS ne peut capturer qu'environ 5% de tous les décès induits par le vaccin. De plus, les modèles ne tiennent pas compte des décès excédentaires résultant d'autres facteurs tels que les "Morts de désespoir." 

En ignorant dans leurs modèles d'autres sources potentielles de décès excédentaires liés à la pandémie, les modèles ajustés surestimeront et/ou méconnaîtront les effets de la transmissibilité naturelle et variable du virus afin d'obtenir un bon ajustement du modèle avec les décès excédentaires signalés, ce qui en son tour conduirait à un nombre excessif de décès gonflés dans leurs simulations contrefactuelles.

Manque de validité apparente

Selon les estimations au niveau des pays des auteurs, 1.9 million de décès ont été évités aux États-Unis en supposant une couverture vaccinale de 61 % (voir le tableau supplémentaire 3 dans l'étude originale). Au cours de la première année de la pandémie, alors qu'aucun vaccin n'était disponible (2020), il y avait 351,039 XNUMX décès dus au COVID aux États-Unis. Les modèles des auteurs suggèrent ainsi que 1.9 M/350 5.5 = ~ 2021 fois plus de décès par COVID aux États-Unis seraient survenus en 2020 (vs XNUMX) si aucun vaccin n'avait été introduit (voir Figure 2 dans notre commentaire de l'étude). Ceci est hautement invraisemblable car il y a très peu de raisons de croire que le virus aurait naturellement évolué pour être beaucoup plus transmissible et infectieux. et mortel. 

Les auteurs font allusion à une transmissibilité plus élevée en 2021 en raison de l'assouplissement et/ou de la levée des mesures et restrictions de santé publique (confinements, restrictions de voyage, mandats de masque, etc.). Cependant, l'hypothèse selon laquelle cela pourrait expliquer une multiplication par cinq des décès par COVID en 5 contredit >400 études qui ont conclu que ces mesures n'avaient que peu ou pas d'avantages pour la santé publique dans la réduction des résultats de la COVID.   

De plus, en 2021 (après l'introduction de la vaccination), il y avait 474,890 XNUMX décès dus au COVID aux États-Unis. C'est environ 35% de plus qu'en 2021, ce qui suggère des preuves brutes que les vaccinations de masse empiré Résultats globaux de la COVID, conformes aux observations d'une infectiosité accrue avant que la protection vaccinale n'entre en vigueur (voir le 1er point ci-dessus) et préoccupations concernant la gravité accrue de la maladie COVID-19 causé par les vaccins sur la base d'études précliniques.

Conclusion

Alors que les modèles génératifs sont souvent un outil utile pour simuler des scénarios qui ne se sont pas produits, des hypothèses inexactes sur les paramètres du modèle peuvent facilement conduire à une mauvaise spécification du modèle. Dans le cas de Watson et al. 2022, ils peuvent conduire à des simulations contrefactuelles qui gonflent grossièrement les estimations des décès évités grâce aux vaccinations de masse. 

Étant donné qu'une modélisation aussi compliquée peut être trop sensible aux paramètres d'entrée, sujette au surajustement et donne des résultats difficiles, voire impossibles à valider, elle ne doit pas être utilisée pour éclairer les politiques et les directives de santé publique. Des analyses quantitatives du rapport bénéfice/risque qui utilisent essai clinique or données du monde réel pour comparer les risques de résultats spécifiques, tels que mortalité toutes causes confondues or myopéricardite à la suite d'une vaccination et d'une infection à coronavirus, sont beaucoup plus informatifs et utiles à cet égard.

Remarque : J'ai publié une version de cet article qui comprend des chiffres et une bibliographie pour ResearchGateet a tweeté le commentaire aux auteurs originaux de l'étude dans l'espoir d'une réponse et d'une réfutation. J'ai également soumis une version abrégée de l'article sous forme de lettre de 250 mots à The Lancet Infectious Diseases et j'attends leur réponse. L'auteur remercie Hervé Seligmann pour ses précieux commentaires et commentaires sur l'article.