Larga censura post-vacunación

Han pasado cuatro años desde que el mundo fue salvado , o no , por las milagrosas vacunas de ARNm contra el Covid.

Han pasado varios años desde que mi primera carta sobre el tema fue rechazada por el editor de una revista biomédica. Y mi historial de cartas rechazadas sobre las vacunas contra la COVID-19 sigue creciendo. El marcador es ahora de 5-0. El último rechazo provino recientemente del editor de la revista Journal of Infection , donde «Cada número [también] incluye… una animada sección de correspondencia». Mi carta, carente de vitalidad, hacía referencia a un estudio sobre el sesgo de vacunación en personas sanas en Austria.

¿Mi serie de casos es lo suficientemente amplia como para inferir causalidad? Quizás sí. Claro que la causa común podría haber sido la mala calidad de la ciencia. ¿Puedo ofrecer, tal vez, una observación que lo refute? Mi segunda carta (rechazada por The Lancet ) habría revelado en 2021 lo que Høeg et al. revelaron en 2023 en una carta que, de alguna manera, llegó a publicarse en The New England Journal of Medicine . Un editor descuidado, creo. Quizás ya no sea editor.

Estoy seguro de que mi quinta carta rechazada era simplemente otro texto mal redactado y sin fundamento científico. Sin duda, no tuvo nada que ver con la posibilidad de que la carta, junto con la respuesta de los autores, pudiera haber dado lugar a hallazgos inquietantes. Así pues, permítanme compartir mi carta aquí. Ustedes serán quienes juzguen de nuevo : ¿valió la pena o no?

Para hacerlo más interesante, incluiré un análisis mencionado en la carta (sin revelar el alarmante resultado). Sin embargo, no fue difícil de calcular. El artículo muestra evidencia de muertes relacionadas con la vacuna (por COVID) dentro de las dos semanas posteriores a la inyección en personas previamente infectadas. O, dicho de forma más conservadora: la evidencia es al menos tan sólida como la del artículo sobre la efectividad de la vacuna contra la muerte por COVID en otoño de 2021.

La Carta

15 de mayo de 2025

Diario de infección

Al editor:

Riedmann et al. presentan un análisis exhaustivo y detallado del fenómeno de los vacunados sanos en Austria, que incluyó un enfoque novedoso.^¹ Se compararon personas no vacunadas con personas vacunadas en varias variables, y los autores compararon diversos resultados durante las dos semanas posteriores a la administración de las distintas dosis. La Tabla 3 (artículo) y las Tablas S44-S45 (documento complementario) muestran los resultados de la mortalidad por todas las causas, la mortalidad no relacionada con la COVID-19 y la mortalidad relacionada con la COVID-19.

Dado que el sesgo hacia las personas sanas vacunadas disminuye con el tiempo, sería interesante ampliar el análisis de las cohortes emparejadas a 4 y 8 semanas. Numerosos estudios han estimado la efectividad durante uno o dos meses después de la vacunación, lo que en ocasiones coincidió con la duración de una ola de COVID-19. 

Los autores mencionan un método de corrección rudimentario, derivado de la idea del ajuste de la razón de tasas de eventos previos. ^2-5 La razón de riesgo de mortalidad por COVID-19 se divide por la razón de riesgo de mortalidad por causas distintas a la COVID-19. Aunque no es perfecto, puede proporcionar una mejor comprensión cuando se extiende el seguimiento y el número de muertes por COVID-19 es mayor. La aplicación del método a 19 muertes por COVID-19 (Tabla 3, vacunación primaria completa) sigue siendo suficiente para eliminar el sesgo. Después de la corrección rudimentaria, la razón ya no es inferior a 1, ya sea que se utilicen razones de riesgo o razones de tasas.

Por otra parte, parece que los índices de tasas en las Tablas S44-S45 fueron etiquetados erróneamente como índices de riesgo y índices de riesgo ajustados.

Atentamente,

Eyal Shahar, MD, MPH

Profesor Emeritus

Universidad de Arizona

Referencias :

1. Riedmann U, Chalupka A, Richter L, et al. Sesgos de salud subyacentes en receptores de la vacunación contra el SARS-CoV-2 previamente infectados: un estudio de cohorte. Diario de infección, Volumen 90, Número 6, 2025, 106497, ISSN 0163-4453, https://doi.org/10.1016/j.jinf.2025.106497
2. Tannen RL, Weiner MG, Xie D. Estudios replicados de dos ensayos aleatorios de inhibidores de la enzima convertidora de angiotensina: validación empírica adicional de la "tasa de eventos previos" para ajustar la confusión no medida por indicación. Seguridad del fármaco farmacoepidemiolJulio de 2008;17(7):671-85. doi: 10.1002/pds.1584. PMID: 18327852
3. Pálinkás A, Sándor J. Eficacia de la vacunación contra la COVID-19 en la prevención de la mortalidad por todas las causas entre adultos durante la tercera ola de la epidemia en Hungría: estudio de cohorte retrospectivo a nivel nacional. Vacunas (Basilea). 2022 de junio de 24;10(7):1009. doi: 10.3390/vaccines10071009. PMID: 35891173; PMCID: PMC9319484.
4. Atanasov V, Barreto N, Whittle J, et al. Comprensión de la efectividad de la vacuna contra la COVID-19 contra la mortalidad mediante una nueva medida: el porcentaje de exceso de mortalidad por COVID. Vacunas (Basilea). 2023 de febrero de 7;11(2):379. doi: 10.3390/vaccines11020379. PMID: 36851256; PMCID: PMC9959409.
5. Shahar E. Sobre métodos para eliminar el sesgo de vacunación saludable. En: Temas de epidemiología y estadísticaLibros electrónicos de Amazon Kindle (2025)

el rechazo

Dos días después, un mensaje con un texto estándar llegó a mi bandeja de entrada. 

Número de manuscrito: YJINF-D-25-00940
Título del artículo: Carta al editor
Autor correspondiente: Profesor Emérito Eyal Shahar
Enviado a: Journal of Infection

Estimado Profesor Emérito Shahar,

Muchas gracias por enviar su manuscrito a la Revista de Infecciones. Lamentablemente, recibimos muchos más artículos de los que tenemos espacio para publicar, por lo que podemos procesar un número limitado de envíos. Lamentablemente, tras la revisión de los editores, este artículo no obtuvo la prioridad suficiente. Tenga en cuenta que no recomendamos volver a enviar un artículo rechazado.

Lamento esta decisión adversa y que no podamos brindar razones más específicas para el rechazo, y espero que continúe enviando su trabajo al Journal of Infection en el futuro.

Le saluda atentamente,

Profesor Robert Charles Read
Editor
Diario de infección

Me sorprendió un poco. Curiosamente, el texto estándar se escribió para manuscritos rechazados (artículos). ¿No tienen un texto similar para cartas rechazadas? ¿Con qué frecuencia esta revista rechaza cartas? Tu suposición es tan acertada como la mía. Quizás incluso sea similar a la mía.

Análisis

Los números que aparecen a continuación se transcribieron de la Tabla 3 del artículo ( versión 2 , corregida). Estos son los datos y resultados a los que se refiere mi carta. Se añadió el intervalo de confianza (cálculo propio). Hablaré más sobre este índice estadístico más adelante, pero cuanto menor sea el valor, mejor será la estimación del cociente de riesgos (CR).

Tablas . Razones de riesgo (RR) e intervalos de confianza del 95 % (IC) para la mortalidad por COVID-19 y por otras causas, según el número de dosis de vacuna administradas en las dos semanas posteriores a la vacunación. Los controles (personas no vacunadas durante ese período) se emparejaron con cada grupo de personas vacunadas según la edad, el sexo y la residencia en un centro de atención a largo plazo.

Los cocientes de riesgo de muerte se obtuvieron de cohortes emparejadas, eliminando así la confusión por edad, sexo y residencia en residencias de ancianos. Los no vacunados también se emparejaron según la fecha de vacunación, evitando así la confusión por tendencias temporales. El factor de confusión restante es el fenómeno del vacunado sano. Las personas vacunadas son, en promedio, más sanas que sus homólogos no vacunados y, por lo tanto, se espera que su mortalidad por Covid sea menor incluso si se les inyectó un placebo. Se puede observar que su riesgo de muerte por causas no relacionadas con la Covid fue menor (cocientes de riesgo < 1). Esto se debe a que eran más sanos, no a que las vacunas contra la Covid sean una panacea. El fenómeno del vacunado sano parece ser universal . No desaparece después de dos semanas.

Sin embargo, los autores no seleccionaron a personas no vacunadas que se mantuvieran firmes. Escriben: «El grupo de control no vacunado no tenía vacunas documentadas hasta 14 días después del día de vacunación correspondiente».

Esto significa que el sesgo de los vacunados sanos se estimó contra un grupo que incluía a personas vacunadas posteriormente. El sesgo real podría haber sido mayor.

Volvamos a las tablas de arriba.

Todos los cocientes de riesgo de muerte por Covid son menores que 1 y están sesgados. No se espera ningún beneficio en ese lapso de tiempo (dos semanas). Como escribí en mi carta y en otros lugares , existe un método para eliminar el sesgo, que no es perfecto, pero es mejor que ninguna corrección. Divida el cociente de riesgo de muerte por Covid entre el cociente de riesgo de muerte por causas distintas a Covid.

En este caso, si el resultado es aproximadamente 1, el sesgo se eliminó. Si aún es inferior a 1, el sesgo no se eliminó por completo. Si es superior a 1, deberíamos preocuparnos. ¿Estamos observando un mayor riesgo de muerte que quedó oculto por el sesgo de los vacunados sanos?

Los resultados se muestran en la tabla.

Después de la corrección, los índices de riesgo de muerte por Covid dentro de las dos semanas posteriores a la primera y segunda inyección son 1.48 y 1.91, respectivamente. 

¿Es cierto? Posiblemente. El periodo inmediatamente posterior a la vacunación conlleva un alto riesgo de infección y muerte. Lo he visto en datos de Israel , Dinamarca y Suecia . Otros también han escrito sobre esto.

En cuanto a la tercera inyección (0.29/0.30=0.97), puedo ofrecer dos explicaciones contrapuestas:

El primero es breve. Las personas vacunadas que eran susceptibles fallecieron después de una o dos dosis. No quedaron personas susceptibles entre quienes recibieron la tercera dosis.

La segunda explicación es extensa. El cociente de riesgo estimado para la muerte por COVID-0.29 (9.7) es deficiente. Se basa en solo cuatro eventos. ¿Cómo sabemos cuán deficiente es, por ejemplo, en comparación con las estimaciones para dos dosis y una dosis? Calculamos un índice llamado cociente de límite de confianza: el límite superior dividido por el límite inferior. El cociente es de 2.9 para los receptores de tres dosis frente a 2.8 (dos dosis) y XNUMX (una dosis).

Si calcula el índice de confianza de numerosos estudios, como he hecho a lo largo de los años, descubrirá que los estudios de tamaño razonable generan un índice cercano a 2, mientras que los estudios pequeños (con pocos eventos) generan índices superiores a 5. Cerca de 10 es el resultado cuando la inferencia se deriva de cuatro eventos en una categoría. Y lo que es más importante, el mérito de una estimación es inversamente proporcional al índice de confianza, no a la significancia estadística. Explicaré por qué en breve.

Se han vacunado miles de millones de personas y tratamos de sacar conclusiones a partir de 19 y 21 eventos porque un artículo tras otro excluyó los datos del período inicial posterior a la vacunación. 

Además, un seguimiento prolongado de las cohortes emparejadas puede proporcionar una perspectiva única sobre la verdadera efectividad de la vacuna, ya que los no vacunados fueron emparejados en la fecha de vacunación. (Las campañas de vacunación a menudo coincidían con las olas de COVID, lo que generaba factores de confusión). Los autores cuentan con un entorno de investigación casi perfecto: cohortes grandes, emparejamiento en variables clave y datos sobre muertes no relacionadas con COVID que permiten una corrección básica del sesgo de los vacunados sanos. Pero es poco probable que veamos los datos porque mi carta carecía de fundamento. Quizás otra carta plantee este tema y sea aceptada. O quizás no.

Permítame reiterar mi declaración conservadora del principio:

La evidencia que muestro aquí es al menos tan buena como la evidencia de la efectividad de la vacuna contra la muerte por Covid en el otoño de 2021. 

Los números que aparecen a continuación se transcribieron de la Tabla 2 del artículo ( versión 2 , corregida). Se añadió el intervalo de confianza (cálculo propio).

Como puede observarse, el número de muertes por COVID-20 es menor que en las cohortes emparejadas, y los índices de confianza son considerablemente mayores. El índice de confianza para tres dosis bate récords (XNUMX).

Puedo oír a los autores y lectores: “Pero todas las estimaciones anteriores son estadísticamente significativas. El límite superior del intervalo de confianza es inferior a 1, lo que implica un valor p < 0.05”.

En efecto. Sin embargo, «estadísticamente significativo» no es lo que probablemente piensas.

No se trata de la calidad de la estimación.

Un curso intensivo (para aquellos interesados ​​en estadística y lingüística)

Mi ejemplo se basa en 3 dosis (tabla anterior): HR (IC del 95%): 0.04 (0.01-0.20). La estimación (0.04) es altamente significativa desde el punto de vista estadístico.

Todas las afirmaciones (veredictos) de la primera fila de la tabla son falsas, indiscutiblemente falsas. Se derivan de una desafortunada y arraigada interpretación errónea del término «estadísticamente significativo», que tiene raíces histórico-lingüísticas.

Cuando se acuñó el término hace muchos años, el adjetivo «significativo» tenía un significado diferente. En el inglés de finales del siglo XIX, significaba que la estimación demostraba (mostraba) evidencia en contra de la hipótesis nula. La frase no se refería a ninguna cualidad intrínseca de la estimación . Con el paso del tiempo, el significado contemporáneo de la palabra «significativo» ha reemplazado al significado original, atribuyendo erróneamente cualidades a la estimación misma (significativa, creíble, fiable, improbable que se deba al azar).

Ninguna de estas interpretaciones tiene fundamento en la prueba estadística. Se trata de una mera ilusión. El rechazo de la hipótesis nula se basa en la estimación (mediante un estadístico de prueba); no le confiere credibilidad alguna. Si deseamos conocer las características aleatorias de una estimación, debemos basarnos únicamente en el error estándar, y el índice de confianza es una simple operación matemática sobre el error estándar. Cuanto más cerca esté de 1, mejor será la estimación. Un epidemiólogo perspicaz propuso este índice hace muchos años, pero a veces las ideas novedosas y válidas permanecen latentes durante mucho tiempo.

Puedes leer la historia lingüística en el libro La dama que cataba el té: Cómo la estadística revolucionó la ciencia en el siglo XX, de David Salsburg. Un párrafo en la página 98 es revelador.

Epílogo

Hay mucho más que escribir sobre ese artículo, que incluye 72 páginas de análisis complementario; parte de él se solicitó durante el proceso de revisión. Me imagino la batalla con revisores hostiles cuando el tema es el sesgo hacia las vacunas saludables.

Ya tengo unas 100 filas de datos y análisis en un archivo de Excel. (Avance: la tercera dosis fue inútil, y más dosis podrían haber sido peores). ¿ Debería enviar un manuscrito al profesor Read, quien esperaba que siguiera publicando mis trabajos en la Revista de Infección?

Déjame pensar en ello.