En un reciente estudio publicado en El Lancet Infectious Diseases, Watson et al. aplicar modelos matemáticos para estimar que las vacunas masivas contra el COVID-19 salvaron entre 14 y 20 millones de vidas en todo el mundo durante el primer año de vacunación contra el COVID-19 programa. Artículos anteriores de Brownstone por Horst y Raman ya han señalado varias suposiciones erróneas en el estudio con respecto a la duración de la inmunidad derivada de la infección frente a la vacuna, así como el hecho de que no tuvo en cuenta los eventos adversos de la vacuna y el riesgo de mortalidad por todas las causas.
Aquí, resumo la mecánica de cómo los autores llegaron a sus estimaciones de muertes evitadas debido a las vacunas masivas. Luego analizo cómo las suposiciones defectuosas en el modelo pueden conducir a estimaciones extremadamente infladas de muertes evitadas, lo que puede explicar la falta de validez aparente y consistencia interna del estudio.
El estudio utiliza un modelo generativo de la dinámica de transmisión, infección y mortalidad de COVID-19 que incluye 20-25 parámetros asumidos basados en literatura seleccionada (es decir, efectividad de la vacuna contra la transmisión, infección y muerte, mezclas de edad de cada país, estratificado por edad). tasas de mortalidad por infección, etc.) que se ajusta al exceso de muertes notificadas para inferir (pero no validar) la transmisibilidad del virus a lo largo del tiempo en 185 países.
El estudio compara el exceso de muertes reales de 2021 con simulaciones (contrafactuales) que se supone que predicen la trayectoria del exceso de muertes en cada país si no se hubieran introducido vacunas (es decir, ejecutando múltiples simulaciones de los modelos ajustados anteriores después de eliminar los efectos de las vacunas). La diferencia entre estas curvas contrafactuales y el exceso real de muertes da como resultado las muertes evitadas estimadas debido a la vacunación.
Los modelos de los autores no parecen tener en cuenta la evolución de la infectividad o la letalidad del virus, aparte de modelar explícitamente un aumento en las tasas de hospitalización por infección debido a la variante Delta (consulte la sección 1.2.3 Variantes de interés en el Suplemento). La suposición principal en las simulaciones contrafactuales es que el exceso de muertes se explica por la evolución "natural" del virus, como se refleja en su transmisibilidad variable en el tiempo, que solo puede inferirse (ajustarse) y no validarse.
Si los modelos asumen parámetros que sobrestiman o subestiman la efectividad de la vacuna contra la transmisión, la infección y la muerte, así como la duración de la protección de la vacuna, mientras ignoran otras fuentes de exceso de muertes relacionadas con la pandemia, esto conducirá a una sobreestimación o una subestimación del tiempo. variando la transmisibilidad del virus para lograr un buen ajuste con las curvas de exceso de muertes en cada país. Esto, a su vez, inflaría artificialmente el exceso de muertes estimado cuando los efectos de la vacunación se eliminen posteriormente de las simulaciones contrafácticas. Desarrollamos estos puntos a continuación.
Los modelos de Watson et al. confiar en suposiciones poco realistas sobre la inmunidad derivada de la vacuna
No está claro si los autores consideran la disminución de la efectividad de la vacuna en sus modelos, y parece que todos sus modelos asumieron una protección constante de la vacuna durante todo el período de estudio de 1 año, aunque los estudios han sugerido que es en algún lugar entre 3 a 6 meses. El modelo que citan, Hogan et al. 2021 asume por defecto una protección vacunal “a largo plazo” (es decir, >1 año) (ver Tabla 1. en Hogan y cols. 2021).
Además, prácticamente todos los estudios de eficacia o efectividad de la vacuna excluyen o agrupan los casos sintomáticos dentro de los 21 días posteriores a la primera dosis o dentro de los 1 días posteriores a la segunda dosis con los grupos de comparación "no vacunados". Esto es problemático a la luz de la evidencia de que la infectividad de COVID puede incrementar casi 3 veces durante la primera semana después de la inyección (ver Figura 1 en nuestro comentario del estudio). Esto sugiere que las estimaciones de efectividad de la vacuna informadas que se basan en tasas de casos más bajas observadas > 6 semanas después de la inyección pueden explicarse (al menos parcialmente) por infección-Inmunidad inducida, no por vacuna, debido a aumentos a corto plazo en la infectividad de COVID-19 inmediatamente después de la vacunación.
Mientras que los modelos de Watson et al. incluyen un período de latencia entre la vacunación y el momento en que se activa la protección, no tienen en cuenta un posible aumento de la infectividad y la transmisibilidad inducidas por la vacuna durante este período. No tener en cuenta este efecto en los modelos sobrestimaría la transmisibilidad del virus que evoluciona naturalmente y varía en el tiempo y, por lo tanto, inflaría el exceso de muertes en las simulaciones contrafácticas que excluyen los efectos de la vacunación.
Finalmente, los autores exploraron el impacto de la evasión inmunitaria de la inmunidad derivada de la infección mediante la realización de un análisis de sensibilidad para estimar las muertes evitadas por las vacunas con diferentes porcentajes de escape inmunitario que van del 0 % al 80 % (consulte la Figura complementaria 4 en el artículo original). En estos modelos, los autores aclaran que asumen una protección vacunal constante (que no disminuye), lo cual es una suposición poco realista (ver el párrafo anterior). Sin embargo, los autores no parecen hacer un análisis de sensibilidad similar de la evasión inmune de la inmunidad derivada de la vacuna, lo cual es importante dado el punto planteado en el párrafo anterior.
Los modelos ignoran el exceso de muertes por factores distintos al COVID-19
Los modelos ajustados y sus contrafactuales asumen que el exceso de muertes en cada país se explica únicamente por un virus COVID-19 que evoluciona naturalmente y su transmisibilidad variable en el tiempo (inferida por el modelo ajustado). Los modelos no intentan dar cuenta del exceso de muertes causadas por otros factores relacionados con la pandemia, por ejemplo, las propias vacunas y otras intervenciones obligatorias no farmacéuticas. los Los CDC informan un riesgo general de muerte inducida por la vacuna del 0.0026 % por dosis basado en el Sistema de Informe de Eventos Adversos de Vacunas, o VAERS. VAERS es un sistema de reporte pasivo y solo puede capturar ~1% de todos los efectos secundarios relacionados con la vacuna.
Líneas de evidencia independientes más recientes que utilizan VAERS y suposiciones creíbles sobre el factor de subregistros y regresión ecológica de los datos disponibles públicamente sobre vacunación y mortalidad por todas las causas sugieren que VAERS solo puede capturar ~5% de todas las muertes inducidas por vacunas. Además, los modelos no tienen en cuenta el exceso de muertes resultantes de otros factores, como las muertes inducidas por el confinamiento. “muertes de desesperación”.
Al ignorar otras fuentes potenciales de exceso de muertes relacionadas con la pandemia en sus modelos, los modelos ajustados sobreestimarán y/o desestimarán los efectos de la transmisibilidad natural del virus que varía en el tiempo para lograr un buen ajuste del modelo con el exceso de muertes informado, que en a su vez conduciría a recuentos excesivos de muertes inflados en sus simulaciones contrafácticas.
Falta de validez aparente
Según las estimaciones a nivel de país de los autores, se evitaron 1.9 millones de muertes en los EE. UU. suponiendo una cobertura de vacunación del 61 % (consulte la Tabla complementaria 3 en el estudio original). En el primer año de la pandemia cuando no había vacunas disponibles (2020), hubo 351,039 muertes por COVID en EE. UU.. Por lo tanto, los modelos de los autores sugieren que 1.9M / 350k = ~5.5x tantas muertes por COVID en los EE. UU. habrían ocurrido en 2021 (vs. 2020) si no se hubieran introducido vacunas (ver Figura 2 en nuestro comentario del estudio). Esto es muy poco plausible ya que hay muy pocas razones para creer que el virus habría evolucionado naturalmente para ser mucho más transmisible e infeccioso. y letal.
Los autores aluden a una mayor transmisibilidad en 2021 debido a la relajación y/o levantamiento de las medidas y restricciones de salud pública (bloqueos, restricciones de viaje, mandatos de máscara, etc.). Sin embargo, la suposición de que esto podría explicar un aumento de >5 veces en las muertes por COVID en 2021 contradice >400 estudios que han concluido que hubo pocos o ningún beneficio para la salud pública de estas medidas en la reducción de los resultados de COVID.
Además, en 2021 (después de la introducción de la vacunación), hubo 474,890 muertes por COVID en EE. UU.. Esto es aproximadamente un 35 % más alto que en 2021, lo que sugiere evidencia cruda de que las vacunas masivas empeorado Los resultados de COVID en general, consistentes con las observaciones de una mayor infectividad antes de que la protección de la vacuna entre en acción (consulte el primer punto anterior) y preocupaciones de mayor gravedad de la enfermedad COVID-19 causada por las vacunas basado en estudios preclínicos.
Conclusión
Si bien los modelos generativos suelen ser una herramienta útil para simular escenarios que no han ocurrido, las suposiciones inexactas sobre los parámetros del modelo pueden conducir fácilmente a una especificación incorrecta del modelo. En el caso de Watson et al. 2022, pueden conducir a simulaciones contrafactuales que inflan enormemente las estimaciones de muertes evitadas debido a las vacunas masivas.
Debido a que un modelado tan complicado puede ser demasiado sensible a los parámetros de entrada, propenso a sobreajustarse y brinda resultados que son difíciles, si no imposibles de validar, no debe usarse para informar políticas y pautas de salud pública. Análisis cuantitativos de la relación riesgo-beneficio que utilizan ensayo clínico or datos del mundo real para comparar los riesgos de resultados específicos, como mortalidad por cualquier causa or miopericarditis después de la vacunación y la infección por coronavirus, son mucho más informativos y útiles a este respecto.
Nota: He publicado una versión de este artículo que incluye figuras y bibliografía para ResearchGatey tuiteó el comentario a los autores originales del estudio con la esperanza de una respuesta y refutación. También he enviado una versión abreviada del artículo como una carta de 250 palabras a The Lancet Infectious Diseases y estoy esperando su respuesta. El autor agradece a Hervé Seligmann por sus útiles comentarios y comentarios sobre el artículo.
Publicado bajo un Licencia de Creative Commons Atribución Internacional
Para reimpresiones, vuelva a establecer el enlace canónico en el original Instituto Brownstone Artículo y Autor.
