Puntata matematica oggi con il Dr. Campbell che intervista un matematico esperto di statistica e valutazione del rischio: Risks and benefits with Professor Fenton.Ebbene normalmente vengono usate tre misure per valutare i rischi/benefici di un farmaco.
1. Il primo metodo dà una misura di quanto grande sia il beneficio sull’intera popolazione (ARR → Absolute Risk Reduction e ARI → Absolute Risk Increase).
2. Il secondo metodo dà una misura di quanto sia grande il beneficio per gli ammalati della malattia per cui viene dato il farmaco (RRR → Relative Risk Reduction e RRI → Relative Risk Increase)
3. Il terzo metodo indica quante persone devono prendere il farmaco per salvarne una (NNT → Number Needed to Treat).
Tutti questi valori possono variare enormemente a seconda di:
- comorbidità.
- fasce di età.
- evoluzione della malattia.
- quando vengono calcolati.
Anche le medicine hanno dei rischi associati (date un’occhiata a qualsiasi bugiardino) ed è quindi fondamentale che i benefici siano complessivamente maggiori (da cui l’ARI e l’RRI).
I ricercatori che vogliono promuovere la propria scoperta possono talvolta usare le misure che psicologicamente mettono nella luce migliore i benefici e nascondono invece i rischi.
In genere questo lo si ottiene usando l’ARI per i rischi e l’RRR per i benefici.
Probabilmente la misura più indicativa è invece la terza, la NNT, perché dà il numero di persone che devono essere trattate per salvarne una in un modo che è immediatamente confrontabile con il numero delle persone vittime di effetti avversi gravi. Se per esempio l’NNT è 100 sappiamo che 1 persona beneficerà dal farmaco trattandone 100 e se sappiamo che gli effetti avversi gravi si hanno per 1 persona ogni 5.000 è evidente che il rapporto fra rischi e benefici sia molto allettante.
Viene poi presentata la ricerca Efficacy and effectiveness of covid-19 vaccine - absolute vs. relative risk reduction basata sui dati ufficiali della fase 3 della sperimentazione dei vari vaccini contro il covid-19.
Abbiamo (per il Pfizer) ARR e ARI di 0.84% (sono sempre uguali), RRR = 95% e RRI = 1911% con NNT di 119.
L’RRR è il famoso 95% (qui indica la riduzione del rischio di non ammalarsi di COVID rispetto a un non vaccinato) di efficacia sbandierato dalla casa farmaceutica a fine estate 2020. Fa molta più impressione di 0.84%, eh? E invece il RRI da 1911% (questo dato indica l’aumento del rischio di ammalarsi di covid-19 di un non vaccinato rispetto a un vaccinato) mette i brividi, no?
È da tenere presente che i dati della sperimentazione della Pfizer (e, CREDO, dalle altre case farmaceutiche) presentano ulteriori problemi.
1. Il vaccinato che si ammalava nelle due settimane immediatamente successive alla vaccinazione era considerato come non vaccinato. Chiaro che qui l’arbitrarietà della scelta è notevole e, potenzialmente, in grado di incidere sensibilmente sui dati presentati (*1).
Questa distorsione diviene più significativa se il periodo della malattia è breve e quando (nei successivi studi osservazionali) il numero di vaccinati è molto più alto di quello dei non vaccinati.
Nel video è presentato il paradossale esempio di un farmaco placebo che, solo a causa di questa distorsione, ottiene un’efficacia (RRR) del 78%.
Un’altra distorsione (nella fase osservazionale successiva) è data dal fatto che i vaccinati vengono poi testati più raramente dei non vaccinati e questo gonfia ulteriormente il rapporto fra infetti vaccinati e non vaccinati.
2. oltre ai casi di covid-19 confermati fra vaccinati e non vaccinati (su cui sono basati i numeri) ci sono stati migliaia di casi sospetti, distribuiti fra i due gruppi, che non sono stati considerati. Ovviamente se questi potenziali infetti fossero stati confermati tali allora i dati della sperimentazione avrebbero potuto essere estremamente diversi (*2).
3. nella fase osservazionale (cioè quando il farmaco è ormai distribuito alla popolazione) è fondamentale conoscere la percentuale di vaccinati e non vaccinati per calcolare con accuratezza l’efficacia. E ora sappiamo sia per il Regno Unito che per gli USA ci sono stime estremamente diverse su questi valori in base alla fonte (ufficiale!) che le fornisce (per esempio fonti ufficiali UK danno una percentuale di non vaccinati dell’8% e del 20% mentre un sondaggio BBC molto accurato arriva al 26%). Una differenza fra l’8% al 26% può cambiare completamente i dati…
Conclusione: come al solito le statistiche possono essere manipolate con estrema facilità. Soprattutto quando chi le propone ha tanto da guadagnarci o da rimetterci la tentazione deve essere molto forte. Personalmente questo video ha rafforzato le conclusioni che ho maturato in questi anni: nel 2020, fino alla primavera del 2021, i politici occidentali potevano anche agire in buona fede credendo ai dati presentati loro dalle aziende farmaceutiche che mostravano i relativi vaccini come delle panacee definitive. Dall’estate 2021 e soprattutto dall’autunno dello stesso anno la malafede del mondo politico è divenuta palese.
Nota (*1): mia riflessione: non sarebbe stato più corretto non includerli nei calcoli come se, semplicemente, non facessero parte della ricerca? Ah, già in questo modo i risultati sono più favorevoli al farmaco: che sciocchino che sono!
Nota (*2): mi è tornato in mente (grazie memoria) che all’epoca infatti si affermò chiaramente che non si poteva dire niente sugli eventuali asintomatici vaccinati. A onor del vero, se la memoria non mi inganna, lo studio della Astra Zeneca testò tutti i partecipanti alla vaccinazione per verificare se si erano infettati o meno e il risultato finale dell’efficacia rimase in linea con quello della Pfizer. Ora mi piacerebbe saperne di più...
Nessun commento:
Posta un commento