Traduction libre
10 Oct. 2023
Comment savoir si un vaccin contre un microbe est efficace ? Ce n’est pas si facile, cela peut même être atrocement difficile.
Au niveau individuel, il faudrait mesurer toutes sortes de choses, comme le taux d’anticorps et d’autres cellules immunitaires présente avant la vaccination, puis après et au fil du temps.
On peut alors démontrer, chez cette personne, le mécanisme exact par lequel le vaccin a pu renforcer l’immunité et si ce renforcement a été suffisant pour enrayer l’infection, en examinant la gravité de la maladie (due au microbe et à d’autres conditions existantes), le temps qu’il a fallu pour que l’infection s’atténue, etc. Et ce n’est là qu’un aperçu de la complexité de la question.
L’analyse est d’autant plus difficile que la personne vaccinée peut ne jamais entrer en contact avec le virus. Les personnes qu’elle rencontre ont peut-être déjà été infectées et sont donc à présent pratiquement ou totalement immunisées. Ou bien ces personnes ont reçu un vaccin plus ou moins efficace.
Aussi difficile que cela puisse paraître, il n’est pas impossible, dans des conditions très contrôlées, de découvrir l’étendue et de quantifier l’efficacité des vaccins. Mais il s’agit d’un processus lent et laborieux.
L’une des façons de ne pas apprendre, pas avec une certitude suffisante, est d’examiner les comparaisons au niveau du groupe, où les personnes ne sont pas comptées et comparées individuellement, mais où les moyennes entre les groupes sont contrastées, et où vous n’avez aucune idée du statut d’un individu.
Il s’agit d’un type d’analyse très répandu, car il est peu coûteux et facile. Mais cela peut conduire, et c’est souvent le cas, à d’énormes excès de certitude.
L’article intitulé « Global impact of the first year of COVID-19 vaccination: a mathematical modelling study » d’Oliver J. Watson, Gregory Barnsley, Jaspreet Toor, Alexandra B. Hogan, Peter Winskill et Azra C. Ghani, publié dans Lancet Infectious Disease, en est un excellent exemple.
Ils ont utilisé un « modèle mathématique de la transmission du COVID-19 et de la vaccination » pour la « mortalité COVID-19 déclarée et la surmortalité toutes causes confondues dans 185 pays et territoires » afin d’évaluer l’efficacité du vaccin dans la prévention des décès. Il s’agit d’une analyse au niveau du groupe, en particulier pour ce qui est de l’excès de mortalité.
Qu’est-ce qu’une « surmortalité » ? Ce sont les décès différents de ceux prévus par un modèle. Ils peuvent être positifs, c’est-à-dire plus de décès que prévu par un modèle, ou négatifs, c’est-à-dire moins de décès que prévu par un modèle. En l’occurrence, cela signifie que Watson et ses coauteurs ont utilisé comme données d’entrée de leur modèle les résultats d’un autre modèle, ce que j’expliquerai dans un instant.
Examinons d’abord leur modèle de transmission.
Il y est dit que « la vaccination est censée conférer une protection contre l’infection par le SRAS-CoV-2 et le développement d’une maladie grave nécessitant une hospitalisation, et réduire la transmission à partir d’infections post-vaccinales ». Soit dit en passant, l’expression « infection post-vaccinale » est un terme d’incrédulité : elle suppose que les vaccins fonctionnent et que, d’une manière ou d’une autre, les microbes sont parfois capables de les contourner.
En d’autres termes, leur modèle a été informé que la vaccination contre le Covid fonctionnait. Le modèle a été informé que le vaccin bloquait l’infection et prévenait les maladies graves, y compris la mort, et le modèle a été informé que les infections étaient plus difficiles à transmettre chez les personnes vaccinées.
La seule chose que ce modèle peut « découvrir » est donc que le vaccin contre le Covid est efficace. Il ne peut rien faire d’autre.
LA SEULE CHOSE QUE CE MODÈLE PEUT « DÉCOUVRIR » EST DONC QUE LE VACCIN CONTRE LE COVID EST EFFICACE. IL NE PEUT RIEN FAIRE D’AUTRE.
Parlons maintenant des données utilisées : « La première vaccination en dehors d’un essai clinique a eu lieu le 8 décembre 2020. Nous avons introduit la vaccination à partir de ce moment dans le modèle et nous avons exploré l’impact de la première année de vaccination jusqu’au 8 décembre 2021. »
Les vaccinations n’ont toutefois commencé pour de bon qu’au printemps 2021, avec un pic en avril 2021. À cette date, le virus et ses premières mutations circulaient depuis au moins un an. Cela signifie que de nombreuses personnes étaient déjà infectées au printemps 2021. Et nombre d’entre elles, environ 15 % selon les estimations du CDC, n’ont jamais su qu’elles étaient infectées.
Par conséquent, le plus grand défaut de cette analyse, et de beaucoup d’autres, est de ne pas tenir compte des infections antérieures. Il s’agit là d’un immense problème, car l’examen des données au niveau du groupe ne nous permet pas de savoir si les changements en matière d’infections et de maladies (y compris les décès) sont dus à des infections antérieures passées inaperçues ou à des vaccinations.
En raison de la panique, la majorité des personnes qui ont cherché à se faire vacciner n’ont jamais fait contrôler leurs anticorps anti-Covid. Après tout, on pouvait se procurer le vaccin à la pharmacie du coin. Il est possible que certaines personnes ayant déjà été infectées et ayant reçu le vaccin aient bénéficié d’une immunité supérieure à celle des personnes n’ayant pas été infectées, mais il est également possible que, pour certaines personnes, l’ajout du vaccin à une infection antérieure n’ait eu aucun effet.
Si cela peut prêter à confusion, cela signifie que cette analyse, ou toute autre analyse qui ne tient pas compte de l’infection antérieure, surestimera, peut-être de beaucoup, l’efficacité du vaccin. En effet, le vaccin sera crédité pour les décès qui ont été évités par une infection antérieure. Il est également possible que d’autres traitements « non approuvés », tels que la vitamine D et l’ivermectine, que de nombreuses personnes ont pris en 2021, accordent également du crédit au vaccin.
Les auteurs appliquent ensuite leur même modèle aux décès « excédentaires ». Cette méthode présente deux défauts majeurs.
La première consiste à supposer que tous les décès « excédentaires » sont dus ou liés au Covid. C’est presque certainement faux, comme je l’analyse ici. Après avoir soustrait les décès dus au Covid, il y a encore eu un grand nombre de décès supérieurs à ce qui était normalement attendu (ce « normalement attendu » est un modèle), en particulier au début de la panique.
Elles pourraient être dues à un surtraitement agressif du Covid, des confinements et à des personnes trop effrayées pour faire examiner d’autres pathologies potentiellement mortelles, en particulier en 2020, lorsque la panique était à son comble.
La panique frénétique initiale s’est quelque peu calmée en 2021, ce qui signifie que de nombreux décès « excédentaires » ont diminué simplement en raison d’une panique moins forte. Cela aussi est attribué au vaccin dans leur modèle.
LA PANIQUE FRÉNÉTIQUE INITIALE S’EST QUELQUE PEU CALMÉE EN 2021, CE QUI SIGNIFIE QUE DE NOMBREUX DÉCÈS « EXCÉDENTAIRES » ONT DIMINUÉ SIMPLEMENT EN RAISON D’UNE PANIQUE MOINS FORTE. CELA AUSSI EST ATTRIBUÉ AU VACCIN DANS LEUR MODÈLE.
La deuxième erreur, même si l’on admet que tous les décès « excédentaires » étaient effectivement liés au Covid, est que l’incertitude des estimations des décès « excédentaires » — il y a un plus ou moins pour ceux-ci — n’a pas été incorporée dans l’estimation du nombre de vies sauvées par le vaccin. Cela signifie que leurs propres fenêtres de plus ou moins pour les vies sauvées seront beaucoup trop étroites.
Aucune de ces critiques ne signifie que le vaccin n’a pas offert une certaine protection à certaines personnes, tout en conférant un certain risque de blessure dû à la vaccination elle-même. Ce que nous voulons dire, c’est qu’il existe d’énormes incertitudes qui n’ont pas été prises en compte, ce qui a conduit à une vision exagérée de l’efficacité du vaccin.
Une autre incertitude réside dans le caractère global de cette analyse. Les pays ont adopté des comportements très différents face à la panique. Les vaccins n’étaient pas les mêmes. La santé de base diffère. Les politiques officielles diffèrent. En fait, la plupart des éléments importants ont varié. Les chiffres sont très disparates. Une analyse brute de pays par pays laisse beaucoup trop d’incertitudes non prises en compte.
En raison notamment de la panique aveugle et de la non-prise en compte des infections antérieures, il sera toujours difficile, voire impossible, de savoir quelle a été l’efficacité du vaccin en 2021.
___________________
William Briggs
Je suis un écrivain, statisticien, scientifique et consultant totalement indépendant. Auparavant, j’ai été professeur à la Cornell Medical School, statisticien chez DoubleClick à ses débuts, météorologue au National Weather Service et cryptologue électronique dans l’US Air Force (le seul titre qui m’ait jamais intéressé était celui de sergent-chef Briggs).
Mon doctorat porte sur les statistiques mathématiques : Je suis maintenant un philosophe de l’incertitude, un épistémologue, un casse-tête des probabilités et un démasqueur de l’excès de certitude. Je suis titulaire d’une maîtrise en physique atmosphérique et d’une licence en météorologie et en mathématiques.
Auteur de Uncertainty : The Soul of Modeling, Probability & Statistics, un livre qui appelle à un changement complet et fondamental de la philosophie et de la pratique des probabilités et des statistiques ; auteur de deux autres livres et de dizaines de travaux dans les domaines des statistiques, de la médecine, de la philosophie, de la météorologie et de la climatologie, de la physique solaire et de l’utilisation de l’énergie, parus dans des publications professionnelles et populaires.
Texte original : https://brokenscience.org/over-certainties-in-global-estimates-of-vaccine-efficacy/