寻找安全信号——让光线照进来

在主流媒体之外，关于通用 Covid 疫苗接种的风险和收益平衡的争议仍在继续。

只要卫生当局将相关信息保密，而不是向公众公开发布，其真实状态将继续存在疑问。

这让不得不依靠官僚中介机构向他们提供建议的政策制定者生活困难，这在政治上很难让他们置之不理。 但政治顾问需要对可用数据进行自己的检查，以便他们的主人能够追究该机构负责人的责任。 让我们尝试使用我们可以从各种美国监控系统中找到的任何数据来做到这一点。

与以前的疫苗相比，人们特别怀疑 COVID-19 疫苗的不良反应是否相称。 在他们对“疫苗不良事件报告系统 (VAERS) 中的安全监测 岛袋等人。 解释说“涉及特定不良事件和特定疫苗的报告比例可以与涉及相同不良事件和其他疫苗的报告比例进行比较。” 所以，这可以而且应该做，对吧？

2021 年，CDC 做出了对此进行监测和报告的承诺，但该承诺并未兑现。 他们应该跟踪一个称为比例报告比率（PRR）的指标。 这 大纪元时报 表明该机构改变了其 故事 在 2022 年三次关于是否进行这种监测：“最初说这种分析超出了该机构的职权范围，然后说分析是从 2021 年开始进行的，然后说分析直到 2022 年才开始。” 

CDC 使用看起来极其复杂的统计方程来确定比例这一事实使情况变得更加复杂。 CDC 不是计算是否比以前的疫苗更频繁地报告特定的不良事件，而是计算与以前的疫苗相比，COVID 疫苗报告的特定不良事件率在总不良事件中的比例是否更高。 

在等式中，a 和 c 是特定的不良事件，b 和 d 是总的不良事件： 

PRR = [a/(a+b)]
[c/(c+d)]

这里的问题是，如果某个特定的不良事件（例如死亡率）比 COVID 疫苗高 XNUMX 倍，那么如果疫苗总体产生的不良反应多 XNUMX 倍，CDC 的公式就不会产生信号！ 它仅显示特定事件是否占总数的较高比例，而忽略总数是否大于以前的疫苗。 这两个较高的数字都可能是由一个无关的外部因素驱动的，但这只是推测性的。

无论如何，对 CDC 网站的搜索没有显示有关 COVID-19 疫苗 PRR 的数据。 怎么会这样？ 这是一个至关重要的公共问题。 Steve Kirsch 使用 CDC 过于复杂的公式计算了这些数字，并发现即使这样也会产生安全信号，但 CDC 仍然保持沉默。 他的 解决办法 可以在他的 Substack 站点上进行审查和反驳。

有关 COVID-19 疫苗与其他疫苗相比的报告率的信息通常很难找到，这本身就是了不起的和不可接受的。 但在已发表的文献中有一些线索，政策制定者可以从中做出一些推断。 

在以前的布朗斯通研究所 刊文 发表于 28 年 2021 月 XNUMX 日，我观察到：

搜索截至 2013 年的 XNUMX 年数据， 莫罗等人。 共发现 2,149 份报告，每年约有 100 人死亡。 他们得出的结论是，这代表每百万剂报告的死亡人数。 CDC 发现 [MMWR October 13, 2021] 从 403 年 19 月 14 日到 2020 年 6 月 2021 日，美国接种了超过 8,638 亿剂 COVID-46,000 疫苗，在此期间，VAERS 收到了 XNUMX 份死亡报告。 这意味着每 XNUMX 剂中有 XNUMX 人报告死亡

这也相当于 COVID-21 疫苗每百万人中有 19 人死亡，而之前的疫苗为每百万人死亡 XNUMX 人。 报价在 MMWR （发病率和死亡率周报）截至 3 年 2022 月 1 日，大约 38,000 剂疫苗中有 26 人死亡，或每百万剂中有 XNUMX 人死亡。这一趋势没有朝着正确的方向发展。 

CDC 关于 VAERS 死亡率数据的案例基于 根据一项研究， 由戴等人。 发现： 

对于所有 COVID-19 疫苗的总和，观察到的美国死亡事件报告率比疫苗接种后 10 天内的预期全因死亡率低约 36 倍，比 42 天内的预期全因死亡率低约 XNUMX 倍的疫苗接种。

然而，这些比率是不可比较的，因为背景比率是基于所有原因造成的死亡总数，而 VAERS 是一个被动报告系统，报告的死亡人数取决于医生、护士和其他护理人员主动报告。 因此，它可能代表与疫苗相关的总死亡人数的未知部分。 作者试图通过显示 2009 年 H1N1 灭活大流行性流感疫苗的报告率高于正常水平来解决这个问题，这表明在广为人知的大流行中报告率通常可能更高。 

但在 COVID-19 大流行中，支持普遍疫苗接种运动的压力很大，这在以前的大流行中是不存在的。 无论如何，事实仍然是 Day 等人。 正在将确定的总背景死亡率与 COVID-19 疫苗接种后发生的未知死亡率百分比进行比较。 

关于 COVID-19 疫苗报告率的进一步证据可以间接从 纸 Rosenblum 等人，基于 VAERS 报告。 死亡率在其叙述文本中没有说明，但可以从表 2 中推断出来，表 14 显示了 2020 年 14 月 2021 日至 90.4 年 75.4 月 XNUMX 日期间报告的死亡人数。每百万剂中，每百万剂中有 XNUMX 例“严重报告，包括死亡”和XNUMX“严重的报告，不包括死亡。” 

因此，死亡报告率必须是百万分之 15，这与上面引用的 2021 年 MMRW 数据相当，我们可以再次与百万分之一的背景报告率进行对比。 为什么杰出的作者没有明确说明这个数字？

无法从 VAERS 数据中得出与疫苗接种相关的死亡人数的结论，但报告的大量增加本身就是有效的数据，迫切需要解释。

CDC 使用的第二个监控系统是“V-Safe”手机应用程序。 该数据也被隐藏起来，但由法院命令（经过长期斗争）获得 知情同意行动网络 (ICAN) 并公开发布。 在使用该应用程序的超过 10 万人中，有 1.2 万人报告说他们在接种疫苗后无法进行正常的日常活动，1.3 万人错过了工作或上学，0.8 万人（7.7%）需要就医。 当然，那些不幸去世的人不太可能通过他们的电话报告这一点…… 

相比之下， 澳大利亚数据 显示医疗护理的数字要低得多，而错过工作、学习或日常职责的数字要高得多，在这种情况下按剂量细分（辉瑞剂量 21 为 2%）。 也许这表明了潜在的文化差异——似乎我们澳大利亚人会找任何借口请假一天，而美国人会找任何机会跑去看医生！ 这种差异无疑凸显了所有这些统计数据对数据收集和处理协议的依赖程度。

这些结果似乎很高，很难进行基准测试。 但相比之下，在 330 名参与者中， 试用 在甲型肝炎/乙型肝炎联合疫苗中，只有一个报告了 3 级反应（即阻止正常活动）。 在一个 试用 在三价流感疫苗（佐剂与非佐剂）中，在反应原性和安全性队列的 6,000 名参与者中，5.8% 经历了 3 级反应。 这与 V-Safe COVID-11 数据中超过 19% 的比例形成鲜明对比。

还有第三个安全监控系统，称为“疫苗安全数据链”（VSD），它是 CDC 与多家医院的合作。 一 根据一项研究， 徐等人。 发现与未接种疫苗的人相比，这些医院接受疫苗接种的人的“非 COVID 死亡率”较低。 这被认为是由“健康的疫苗接种者效应”引起的：人们在生病时不太可能接种疫苗。 与未接种疫苗的人群相比，这并没有告诉我们接种疫苗人群的总体死亡率。 没有关于这方面的 VSD 数据被公开。

我能找到的最接近的是基于VSD的 根据一项研究， 克莱因等人。 具体的不良事件包括急性播散性脑脊髓炎、过敏反应、脑炎/脊髓炎、格林-巴利综合征、免疫性血小板减少症、川崎病、嗜睡症、癫痫发作和横贯性脊髓炎。 

标题结果显示，这些并没有升高； 然而，这是基于比较疫苗接种后的两个任意时间段（第 1 天至第 21 天和第 22 天至第 42 天），而不是将接种疫苗的个体与未接种疫苗的个体进行比较。 作者确实承认，对于心肌炎/心包炎，“病例在接种疫苗后 0 至 5 天内明显聚集。” 这肯定是一个信号，但没有得到强调。

事实上，他们还确实进行了比较接种疫苗和未接种疫苗组的“补充分析”，其结果也没有得到强调。 这表明在接种疫苗后第 1 至 000 天，每 000 万人年发生心肌炎/心包炎的相对风险为 9.83，相当于每百万剂疫苗增加 0 例。 “在第 7 剂之后，BNT6.3b2 和 mRNA-162 疫苗的 RR 估计值都更高。” 

所以第一周的相对风险高了近十倍，第 2 剂的相对风险更高。为什么摘要中没有提到这一点？ 基本原理是 3 周时间段之间主要分析的比较组更可能相似，但这是假设性的，一周的风险升高如此之高，不太可能是微不足道的。 

文献中的其他心肌炎/心包炎证据与此一致，也表明结果应按年龄组细分。 例如，一个 根据一项研究， 由 Le Vu 等人撰写。 的法国全国数据（2021 年 XNUMX 月至 XNUMX 年 XNUMX 月）发现：

我们进行了匹配的病例对照研究，发现在接种疫苗后的第一周，尤其是第二剂疫苗后，心肌炎和心包炎的风险增加，心肌炎的调整优势比为 8.1（95% 置信区间 [CI]，6.7 至 9.9）用于 BNT162b2 和 30 (95% CI, 21 至 43) 用于 mRNA-1273 疫苗。

在 1273 至 18 岁的人群中，在接种 mRNA-24 后观察到心肌炎的最大关联。 对疫苗接种造成的过量病例的估计也揭示了其他年龄组以及男性和女性的心肌炎和心包炎的巨大负担。

自 2020 年以来，政策制定者面临的基本问题是如何降低住院高峰以及如何降低全因死亡率。 

大量论文表明，根据特定的时间片，疫苗可降低 COVID-19 阳性人群的死亡率。 但是，这一点的重要性受到 COVID-19 与 COVID-XNUMX 造成的死亡的不确定性以及大流行数据随时间变化的不确定性的限制。 

为了消除不同诊断和死因标准带来的不确定性，政策制定者需要关注全因死亡率。 选民想知道干预后他们的死亡风险是增加了还是减少了——他们通常不关心他们是否死于这种诊断，或者该诊断是否在死亡证明上。 

根据已发表的少数尸检报告，我们知道导致死亡的“疫苗后反应”是可能的，例如 点击例子 最初由美国病理学家学院出版。 所以，这些死亡人数不止一个，但我们不知道还有多少。 这是不可接受的，机构应该进行调查。

也很少有论文表明疫苗可以降低全因死亡率，从导致它们获得紧急使用授权的随机临床试验 (RCT) 开始。 死亡人数在疫苗组和安慰剂组之间分布相对均匀。 可以说，这些试验没有足够的能力来检测差异（没有足够的参与者），但这仍然给我们留下了负面的结论，即它们没有确定疫苗可以降低全因死亡率，这是最重要的目标。 此后也没有其他观察性试验。

监测证据的总体主旨、全因死亡率证据的缺乏以及队列结果之间的差异，使政府基于“一刀切”模型的疫苗接种策略受到质疑。 

公共卫生政策应仅根据现有证据制定。 现有证据表明，全民接种疫苗的策略使一些群体面临不必要的风险，而基于风险的差异化策略会带来更好的结果。 至少对于助推器而言，一些国家现在正在朝这个方向发展，这已经是姗姗来迟了。

最后，我们需要提高公共机构持有的数据的透明度。 当他们担心它会增加疫苗接种的犹豫时，他们不愿意释放它。 但数据大概 应该 增加高危人群的犹豫。

让光芒照进来！