疫苗接种后长期审查

四年前世界 保存 或 不会，通过神奇的 Covid mRNA 疫苗。

距离我第一封关于这个话题的信被一家生物医学期刊的编辑拒稿也已经过去好几年了。而我关于新冠疫苗的拒稿案例还在不断增加。现在比分是5:0。最近一封拒稿来自《 感染杂志，其中“每期还为你带来……一个生动的信件部分。”我那封毫无生气的信提到了 我们先研究 奥地利的健康疫苗接种偏见。

我的病例系列足够大到可以推断因果关系吗？或许是的。当然，共同原因也可能是科学质量低劣。我可以提出一个反驳的观察吗？我的 第二个字母 （被拒绝 “柳叶刀”）将在 2021 年揭露 Høeg 等人在 2023 年揭露的 邮件 不知何故进入 新英格兰医学杂志我觉得是个粗心的编辑。也许他或她已经不再是编辑了。

我确信我第五封被拒的信只是又一篇写得很糟糕、毫无科学价值的文章。当然，这与这封信以及作者的回复可能导致令人不安的发现的可能性无关。所以，让我在这里分享我的信。至于评判，你自己来评判吧。 再次：有功德还是无功德？

为了让它更有趣，我将附上信中提到的一项分析（我不会透露那个可怕的结果）。不过，计算起来并不难。这篇论文显示了疫苗相关死亡的证据——死于新冠病毒——在先前感染过的人中，在注射疫苗后两周内。或者让我更保守地说：这些证据至少与论文中关于疫苗在2021年秋季有效预防新冠病毒死亡的证据一样有力。

信

2025 年 5 月 15 日

感染杂志

致编辑：

Riedmann 等人报告了对奥地利健康疫苗接种现象的深思熟虑的全面分析，其中包括一种新颖的方法。¹ 作者根据多个变量将未接种疫苗的人群与已接种疫苗的人群进行匹配，并比较了完成不同剂量疫苗接种后两周内的多种结果。表 3（文章）和表 S44-S45（补充文件）显示了全因死亡率、非 COVID-19 死亡率和 COVID-19 死亡率的结果。  

由于健康疫苗接种者的偏差会随着时间的推移而减弱，将匹配队列的分析延长至4周和8周将会很有意思。许多研究估计，疫苗的有效性在接种疫苗后一到两个月内持续，这有时与新冠疫情的持续时间相吻合。 

作者提到了一种基本的校正方法，源自先前事件发生率比率调整的想法。^2-5 将 COVID-19 死亡风险比除以非 COVID-19 死亡风险比。虽然方法并不完美，但当随访时间延长且 COVID-19 死亡人数增加时，该方法可能提供更深入的见解。将该方法应用于 19 例 COVID-19 死亡病例（表 3，完成初次免疫接种）仍然足以消除偏倚。经过初步校正后，无论使用风险比还是率比，该比率均不再低于 1。

另一方面，表 S44-S45 中的比例比似乎被错误地标记为风险比和调整风险比。

此致，

Eyal Shahar，医学博士，公共卫生硕士

名誉教授

<font dir="auto" style="vertical-align: inherit;" class="">亚利桑那大学(UA) </font>的

案例:

1. Riedmann U、Chalupka A、Richter L 等。既往感染过 SARS-CoV-2 疫苗接种者的潜在健康偏见：一项队列研究。 感染杂志，第90卷，第6期，2025年，106497，ISSN 0163-4453， https://doi.org/10.1016/j.jinf.2025.106497
2. Tannen RL、Weiner MG、Xie D. 对两项血管紧张素转换酶抑制剂随机试验的重复研究：进一步实证验证“先前事件发生率比”，以根据适应症调整未测量的混杂因素。 药物流行病学药物安全. 2008年17月;7(671):85-10.1002. doi: 1584/pds.18327852. PMID: XNUMX
3. Pálinkás A, Sándor J. 匈牙利第三波疫情期间 COVID-19 疫苗接种对预防成年人全因死亡的有效性：全国回顾性队列研究。 疫苗 （巴塞尔）。2022年24月10日；7(1009):10.3390。doi: 10071009/vaccines35891173。PMID：9319484；PMCID：PMCXNUMX。
4. Atanasov V、Barreto N、Whittle J 等人。使用新指标理解 COVID-19 疫苗预防死亡的有效性：COVID 超额死亡率。 疫苗 （巴塞尔）。2023年7月11日；2(379):10.3390。doi: 11020379/vaccines36851256。PMID: 9959409；PMCID: PMCXNUMX。
5. Shahar E. 论消除健康疫苗接种者偏见的方法。在： 流行病学和统计学专题. 亚马逊 Kindle 电子书（2025 年）

拒绝

两天后，我的收件箱里出现了一封包含样板文本的邮件。 

稿件编号：YJINF-D-25-00940
文章标题：致编辑的信
通讯作者：名誉教授 Eyal Shahar
提交至：《感染杂志》

尊敬的名誉教授沙哈尔，

非常感谢您向《感染杂志》投稿。遗憾的是，我们收到的论文数量远远超出了我们所能发表的版位，因此我们能够处理的投稿数量有限。遗憾的是，经编辑审核后，这篇论文未能获得足够的优先权。请注意，我们不鼓励重新提交已被拒稿的论文。

对于这一不利的决定，我感到很抱歉，我们无法提供更具体的拒绝理由，我希望您将来能继续向《感染杂志》提交您的作品。

此致，

罗伯特·查尔斯·里德教授
编辑：
感染杂志

我有点惊讶。有趣的是，这些样板文本是针对被拒稿（论文）写的。难道他们没有针对被拒信的类似文本吗？这个期刊拒稿的频率是多少？你的猜测和我的一样好。也许甚至和我的差不多。

信号分析

以下数字是从文章中的表 3 转录而来的（2版（已更正）。这些是我信中提到的数据和结果。其中添加了置信区间比率（我的计算）。我稍后会更详细地介绍这个统计指标，但数值越小，估计的风险比 (HR) 就越好。

表根据接种疫苗后两周内疫苗剂数计算的新冠和非新冠死亡率的风险比 (HR) 和 95% 置信区间 (CI)。对照组（在该时间窗口内未接种疫苗）与每组接种疫苗者按年龄、性别和疗养院居住地进行匹配。

死亡风险比来自匹配队列，因此排除了年龄、性别和疗养院居住地造成的混杂因素。未接种疫苗者也按接种日期进行匹配，因此避免了时间趋势造成的混杂因素。剩下的混杂因素是“健康疫苗接种者”现象。平均而言，接种疫苗的人比未接种疫苗的人更健康，因此即使注射了安慰剂，他们的新冠死亡率预计也会更低。你可以看到，他们死于……的风险 非Covid 原因较低（风险比<1）。这是因为他们更健康，而不是因为新冠疫苗是万能药。健康疫苗接种者现象似乎是 普遍。两周后它仍未消失。

然而，作者并没有选择顽固的未接种疫苗者。他们写道：“未接种疫苗的对照组在相应的匹配疫苗接种日后14天内没有记录任何疫苗接种记录。”

这意味着，健康疫苗接种者的偏差是针对包含后期接种疫苗人群的群体进行估算的。真实的偏差可能更大。

回到上面的表格。

所有新冠肺炎死亡的风险比都小于1，而且都存在偏差。预计在这段时间（两周）内不会有任何益处。正如我在信中所写， 别处有一种方法可以消除偏差，虽然并不完美，但总比没有校正要好。用新冠死亡的风险比除以非新冠死亡的风险比。 

在这种情况下，如果结果约为 1，则偏差已被消除。如果结果仍然低于 1，则偏差尚未完全消除。如果结果高于 1，我们就应该感到担忧。我们观察到的死亡风险是否被健康疫苗接种者偏差所掩盖？

结果如表所示。

校正后，第一次和第二次注射后两周内死于 Covid 的风险比分别为 1.48 和 1.91。 

这是真的吗？有可能。接种疫苗后立即出现感染和死亡的风险。我在以下数据中看到过 以色列, 丹麦和 瑞典其他人也写过关于此的文章。

至于第三次注射（0.29/0.30=0.97），我可以提供两种相互竞争的解释：

第一阶段比较短，那些不幸接种疫苗的易感人群，打了一两剂就死了，打到第三剂的人群中，已经没有易感人群了。

第二个解释很长。新冠死亡的估计风险比（0.29）很低。它仅基于四个事件。我们如何知道它与两剂和一剂的估计值相比有多低？我们计算了一个称为置信限度比的指数：上限除以下限。三剂接种者的比率为9.7，而两剂接种者的比率为2.9，一剂接种者的比率为2.8。

如果你像我多年来所做的那样，根据多项研究计算置信限度比，你会发现，规模合理的研究产生的置信限度比在2左右，而规模较小的研究（事件较少）产生的置信限度比则在5以上。如果推断是基于同一类别中的四个事件得出的，则得到的置信限度比接近10。最重要的是，估计值的价值与置信限度比成反比，而不是与“统计显著性”成反比。我稍后会解释原因。

数十亿人已经接种了疫苗，我们试图从 19 起事件和 21 起事件中得出推论，因为一篇又一篇的论文排除了疫苗接种后早期的数据。 

此外，对匹配队列进行长期随访可以提供独特的视角，了解疫苗的真实有效性，因为未接种疫苗的人群是在接种日期进行匹配的。（疫苗接种活动通常与新冠疫情爆发时期相吻合，这导致了混杂因素。）作者们的研究环境近乎完美：大规模队列、关键变量匹配，以及非新冠死亡数据，这些数据可以基本纠正健康疫苗接种者的偏差。但我们不太可能看到这些数据，因为我的信毫无价值。也许另一封信会提到这一点并被接受。也可能不会。

我先重申一下我一开始的保守观点：

我在这里展示的证据至少与 2021 年秋季疫苗预防新冠死亡有效性的证据一样好。 

以下数字是从文章中的表 2 转录而来的（2版，已更正）。添加了置信限度比率（我的计算）。

如您所见，新冠死亡人数少于匹配队列，且置信限度比显著提高。三剂疫苗的置信限度比打破了纪录（20）。

我能听到作者和读者的声音：“但上述所有估计值都具有统计显著性。置信区间的上限低于1，这意味着 p-值<0.05。”

确实如此。然而，“统计学显著”可能并非你所想的那样。

这与估算的质量无关.

速成课程（针对对统计学和语言学感兴趣的人）

我的示例取自3个剂量（如上表）：HR (95% CI)：0.04 (0.01-0.20)。该估计值(0.04)具有高度统计学显著性。

表格第一行的所有断言（判决）都是错误的——无可争议的错误。它们源于对“统计显著”一词根深蒂固的误解，这种误解有着历史语言学的根源。

多年前这个词被创造出来的时候，形容词“significant”的含义有所不同。在19世纪末的英语中，它指的是估计 表示 （显示）反对零假设的证据。 该短语并未提及估计的任何内在质量多年来，“significant”一词的现代含义已经取代了其原有的含义，错误地将一些特质赋予了估计本身（significant、credible、reliable、 unlikely to be due to chance）。

这些解释在统计检验中都没有任何依据。这只是一厢情愿的想法。拒绝零假设是基于估计值（通过检验统计量得出的）；它并不赋予估计值任何可信度。如果我们想了解估计值与随机性相关的特质，我们只需要依赖标准误差，而置信限度比只是标准误差的简单数学运算。它越接近1，估计值就越好。一位精明的流行病学家提出 这个指数 许多年前，但有时新颖而有效的想法会长期处于休眠状态。

你可以读一下书中的语言故事 品茶女士：统计学如何彻底改变二十世纪的科学 作者：David Salsburg。第98页的一段令人大开眼界。

尾声

这篇论文还有很多内容要写，包括72页的补充分析；其中一些是“在审查过程中被要求的”。我可以想象，当讨论到健康疫苗接种者偏见这个话题时，与充满敌意的审稿人之间的斗争会是怎样的。

我的Excel文件中已经有大约100行数据和分析结果了。（预览：第三剂没用，再多剂可能效果更糟。） 我是否应该将手稿寄给里德教授，他曾希望我继续将我的作品提交给 感染杂志?

让我想想。