Comment d’importantes agences de santé publique faussent les statistiques sur l’efficacité des vaccins aux États-Unis

Article original datant du 21/02/22

Les Centres de contrôle des maladies (CDC @CDCgov) et le Département de la santé et de l’hygiène mentale de la ville de New York (NYC Health @NYCHealthy) nous induisent en erreur sur le risque de ne pas être vacciné contre le SRAS-CoV-2 (Covid-19).

Ils le font par le biais de deux erreurs fondamentales. Premièrement, ils semblent utiliser des estimations démographiques non mises à jour et qui sous-estiment largement le nombre réel de personnes non vaccinées aux États-Unis. Cela conduit à des estimations artificiellement gonflées des taux de cas de COVID-19 parmi la population non vaccinée, qui ne cesse de diminuer.

Deuxièmement, ils semblent compter chaque personne pour laquelle ils ne peuvent pas vérifier le statut vaccinal comme une “personne non vaccinée“. Dans de nombreux cas, il semble qu’il faille aux agences de santé des semaines, voire des mois, pour faire correspondre correctement les hospitalisations liées au COVID-19 avec le statut vaccinal, et nous n’avons aucune assurance que cela soit jamais fait correctement. Cela a conduit certaines juridictions à publier discrètement des corrections importantes de leurs données des semaines après leur publication initiale – et après que les médias et les responsables de la santé publique ont déjà publié les chiffres erronés. Cela conduit à une surestimation du taux de cas de COVID-19 chez les personnes non vaccinées et à une sous-estimation de ce même taux chez les personnes vaccinées.

Un réexamen des données sans ces erreurs montrera que si les vaccins contre le COVID-19 ont été efficaces pour réduire les hospitalisations et les décès dus au COVID-19, leur efficacité a été grossièrement exagérée en Amérique.

Considérez ces graphiques, qui ont été largement promus par les médias américains afin de soutenir le bien-fondé des directives sur le vaccin contre le COVID-19:

Sur la base de ces tableaux et d’autres similaires, les principaux responsables de la santé publique, dont le Dr Fauci et le président Biden, ont affirmé à tort que le risque de mourir est 97 fois plus élevé si vous n’êtes pas vacciné avec une dose de rappel contre le COVID-19.

Voici l’affaire : Les personnes non vaccinées ont 97 fois plus de risques de mourir que celles qui sont vaccinées avec une dose de rappel.

Protégez-vous et protégez ceux qui vous entourent en vous faisant vacciner avec une dose de rappel dès aujourd’hui.

@POTUS (Président des États-Unis)

Le groupe de travail sur le COVID de la Maison Blanche tient une conférence de presse

Il y a un énorme problème avec ces affirmations : Elles ne sont pas vraies. Non seulement elles ne sont pas vraies, mais elles ne correspondent pas du tout à ce que nous savons de l’efficacité du vaccin dans d’autres pays, comme l’Angleterre, l’Écosse et le Danemark, où la différence entre les taux de mortalité et d’hospitalisation pour les personnes non vaccinées et celles qui ont reçu une dose de rappel est de l’ordre d’un nombre à un seul chiffre.

Le propre site Web du CDC nous indique où le problème commence. Si vous examinez la page du CDC COVID Data Tracker (Suivi des données COVID) pour “Taux de cas et de décès liés au COVID-19 selon le statut vaccinal“, les notes de bas de page indiquent : “Une personne non vaccinée avait de l’ARN ou de l’antigène SRAS-CoV-2 détecté sur un spécimen respiratoire et il n’a pas été vérifié qu’elle avait reçu le vaccin COVID-19.” Vous comprenez ? Si l’agence de santé ne peut pas vérifier spécifiquement que vous avez été vacciné en vous associant à un dossier de vaccination, vous êtes automatiquement placé dans la pile des cas “non vaccinés”.

Cependant, certaines choses devraient être évidentes. Tout d’abord, la mise en correspondance des décès ou des hospitalisations avec un dossier de vaccination est un processus a) imparfait et b) qui prend du temps. Cela signifie que, inévitablement, les données compteront initialement au moins quelques personnes comme “non vaccinées” qui ont, en fait, été vaccinées, simplement parce que les dossiers n’ont pas encore été mis en correspondance. Et il est amplement prouvé, comme nous le verrons plus loin, que cela peut prendre des semaines ou des mois pour être fait correctement. Cela a pour conséquence évidente de fausser les chiffres des décès et des hospitalisations “en faveur” de la population non vaccinée, du moins lors de la publication initiale des données.

Un deuxième facteur – peut-être plus important – est introduit par le CDC dans son calcul de ce qu’est réellement la population totale (et la population non vaccinée). Selon le site web du CDC, “les taux d’incidence hebdomadaires par âge selon le statut vaccinal ont été calculés comme le nombre de cas ou de décès divisé par… les non-vaccinés (obtenus en soustrayant le nombre cumulé de personnes entièrement vaccinées et les estimations actuelles de personnes partiellement vaccinées des estimations intercensitaires de la population américaine de 2019)…“

En d’autres termes, les CDC calculent la population non vaccinée estimée aux États-Unis en soustrayant le nombre total connu de personnes entièrement vaccinées (qu’ils obtiennent à partir de données assez fiables qui sont fournies par les agences de santé des États et des comtés lorsque les vaccinations leur sont signalées) d’un compte de population total estimé pour l’ensemble du pays. L’estimation qu’ils utilisent est l’estimation intercensitaire de la population américaine de 2019.

Cette méthode d’estimation de la population est supposée introduire des erreurs importantes dans le calcul du CDC. D’une part, plus l’estimation intercensitaire de la population s’éloigne d’un recensement réel, moins elle est présumée précise, et l’estimation intercensitaire de 2019 est aussi éloignée qu’on peut l’être d’un recensement réel avant qu’un nouveau recensement ne soit effectué. Deuxièmement, la population des États-Unis augmente chaque année, ce qui signifie que plus on s’éloigne de 2019, plus ces estimations deviennent erronées. Pour les cas de 2021, il y a eu trois années de croissance démographique qui ont été ignorées, ce qui signifie que le décompte de la population totale et l’estimation de la population non vaccinée sont tous deux erronés.

Pour comprendre comment ces erreurs se combinent pour surestimer considérablement l’efficacité du vaccin contre le COVID-19, considérez les diagrammes créés par @OurWorldInData dans un article expliquant les taux de mortalité par statut vaccinal et comment le sophisme du taux de base peut induire les gens en erreur. En gros, vous devez connaître le pourcentage de personnes non vaccinées avant de pouvoir comparer avec précision leurs décès au pourcentage de décès des personnes vaccinées.

Dans la figure ci-dessus, qui illustre un scénario hypothétique, on constate que 10 décès au total sont répartis équitablement entre les personnes non vaccinées et les personnes vaccinées, mais qu’il n’y a que 10 personnes non vaccinées au total pour 50 personnes vaccinées au total. Le résultat est un rapport de 5:1 entre les décès des non-vaccinés et ceux des vaccinés.

Cependant, nous devons aller au-delà de cet exemple de OurWorldInData pour montrer l’effet de l’utilisation d’estimations de population incorrectes.

Il est probable, en comparant simplement les dernières estimations avec l’estimation intercensitaire de 2019, que la population des États-Unis soit supérieure de plus de 5 % à l’estimation intercensitaire de 2019. Toutefois, en supposant que l’augmentation totale ne soit que de 5 %, ce qui est presque certainement un chiffre faible, le diagramme ci-dessous montre l’impact de cette erreur sur le calcul global de l’efficacité des vaccins.

Bien que l’augmentation ne soit que de trois, les trois vont du côté des non-vaccinés, selon la méthode de calcul du CDC. Le CDC sait avec certitude combien de personnes ont été vaccinées, car ces données lui ont été communiquées par les agences sanitaires locales. Il doit estimer le nombre de personnes non vaccinées en soustrayant la population vaccinée connue de la population totale. Ainsi, chaque personne ajoutée au compte de la population totale est non vaccinée. Dans notre exemple, en augmentant la population totale de 5 %, on augmente la population non vaccinée de 30 %, ce qui réduit le taux de mortalité de 5:1 à 3,8:1.

Mais en outre, nous devons également calculer l’effet de ce qui se passe lorsqu’un appariement supplémentaire des dossiers de vaccination est effectué et que l’on découvre que l’un des cinq décès non vaccinés était une personne vaccinée.

Dans cette hypothèse, cela réduit maintenant le ratio de mortalité de 3,8:1 à 2,75:1 pour les non-vaccinés. Si nous faisons correspondre un dossier de vaccination supplémentaire, le ratio baisse encore plus, à 2,08:1…

Il est important de noter qu’il ne s’agit pas de chiffres réels, mais d’un exemple grossier pour illustrer le fonctionnement des mathématiques.

Si nous introduisons les données réelles, nous ne pouvons pas connaître avec certitude l’ampleur des divergences entre les données du CDC, mais nous pouvons essayer de faire une approximation.

Étant donné que les données du CDC n’indiquent les décès dus au COVID que jusqu’au 4 décembre et qu’elles ne sont mises à jour qu’une fois par mois, j’ai commencé à examiner les données de New York, mon État d’origine. Plus précisément, j’ai étudié les données de la ville de New York parce qu’elles sont publiées dans un grand dépôt GitHub que tout le monde peut consulter et qu’elles sont mises à jour chaque semaine.

Lorsque j’ai consulté pour la première fois le site NYC Health COVID-19 Data, j’ai immédiatement remarqué la différence spectaculaire entre les taux d’hospitalisation des non-vaccinés (97,46) et des vaccinés (3,00), qui est de ~32,5:1 (Fig. 7). En plus de cet écart important qui ne semble pas plausible, j’ai également remarqué que la ligne des vaccinés semblait atteindre un pic la semaine précédente (12/12), alors que les non-vaccinés continuaient à monter en flèche. Cela n’avait aucun sens, ce qui m’a incité à chercher comment ces taux étaient calculés.

Notez la description en haut du graphique : “Hospitalisations pour 100 000 personnes (ajustées selon l’âge, pour la semaine se terminant à la date indiquée)“. A partir de là, il est clair qu’il y a au moins deux problèmes mathématiques à découvrir : 1) Quelle population est utilisée pour le calcul “pour 100 000“, et 2) Comment l’ajustement de l’âge est effectué.

Dans GitHub, j’ai pu trouver les deux explications :

Estimations de la population : Veuillez noter que le nombre de personnes vaccinées peut dépasser la population estimée et conduire à une couverture vaccinale supérieure à 100 %, en particulier pour les catégories démographiques et les géographies plus petites. Les chiffres de population ont été calculés à l’aide d’estimations intercensitaires mises à jour le 9 octobre 2020 pour refléter les estimations annuelles de la population de tous les New-Yorkais au 1er juillet 2019. Ces estimations ne représentent pas le recensement de 2020 ou les changements récents de la population de NYC résultant de l’immigration ou de l’émigration. D’autres facteurs contribuant à ces facteurs contribuant à ces incohérences peuvent être que les personnes qui s’identifient comme multiraciales sont faussement déclarées comme étant d’une seule race, et que le code postal auto-déclaré au moment de la vaccination peut ne pas correspondre à celui de la personne qui a été vaccinée. déclaré au moment de la vaccination peut ne pas correspondre à l’adresse principale du domicile de la personne vaccinée. Par exemple, les personnes peuvent utiliser l’adresse de leur lieu de travail pour se faire vacciner. Voir : notes techniques pour plus d’informations sur les estimations de population.

L’estimation de la population intercensitaire de NYC Health 2019 s’avère être de 8 336 817 comme le montre la figure ci-dessous.

Toutefois, ce chiffre est bien inférieur à la population actuelle de NYC, qui est estimée à 8,85 millions d’habitants. Le recensement officiel de 2020 indique 8,80 millions, ce qui serait au moins une population plus raisonnable à utiliser que 8,34 millions. NYC Health a reconnu ce fait lors d’une communication avec l’auteur, mais a choisi de ne pas mettre à jour les mesures clés du taux en raison du fait qu’il ne dispose pas encore de toutes les ventilations démographiques granulaires :

Voyons comment ce problème de recensement affecte les deux métriques que j’ai mentionnées ci-dessus. Selon le département de la santé de New York, 76,03 % de la population totale est entièrement vaccinée, sur la base de la population vaccinée connue de 6 338 185 divisée par l’estimation intercensitaire de 2019 de 8 336 817. Cependant, selon le recensement de 2020, la population totale est en réalité de 8 800 000 personnes, ce qui fait baisser le pourcentage de personnes entièrement vaccinées à 72,02 %. Le simple fait d’utiliser un recensement plus correct fait baisser le pourcentage global de personnes entièrement vaccinées de presque exactement 4 %. Si l’on croit que le pourcentage de vaccination de la population est plus élevé qu’il ne l’est en réalité, le résultat final sera que l’efficacité du vaccin est surévaluée.

Cela aura également un impact sur le calcul du taux de cas de COVID-19 pour les personnes non vaccinées. Par exemple, pour la semaine du 18 décembre 2021, le département de la santé de New York indique 28 454 cas de COVID-19 chez les personnes non vaccinées. En supposant que la population non vaccinée est de 1 313 253 personnes sur la base de l’ancienne estimation de la population, on obtient un taux de cas non vaccinés de 2 166,68 pour 100 000 personnes non vaccinées.

Cependant, la population non vaccinée réelle est au moins 470 000 plus élevée, sur la base du recensement de 2020. Si nous ajoutons ces 470 000 personnes à la population non vaccinée, le taux de cas non vaccinés tombe à 1 595,62 pour 100 000, soit une diminution de 26,4 %.

Comme vous pouvez le voir ci-dessus, les différences proviennent simplement de l’utilisation d’un recensement plus approprié de la population. Mais ce n’est pas le seul problème avec l’évaluation des données par NYC.

Le processus d’ajustement de l’âge est distinct du problème de la population pour 100 000 habitants. NYC Health utilise le document “Ajustement en fonction de l’âge en utilisant la population américaine du projet 2000” du CDC pour effectuer son ajustement de l’âge. Ce document indique :

L’ajustement en fonction de l’âge, par la méthode directe, est l’application des taux observés spécifiques à l’âge à une distribution d’âge standard pour éliminer les différences de taux bruts dans les populations d’intérêt qui résultent des différences dans les distributions d’âge des populations.

Il s’agit d’une mesure standard et appropriée à prendre lorsque les cohortes de comparaison présentent des distributions d’âge sensiblement différentes. C’est ce à quoi on peut s’attendre lorsqu’on compare des personnes non vaccinées à des personnes vaccinées, mais quelle pondération NYC Health applique-t-elle à ses données ? NYC a une distribution d’âge inhabituelle pour la cohorte non vaccinée, qui penche fortement vers les 65 ans et plus parmi les adultes. Par exemple, la figure ci-dessous montre la répartition par âge des personnes non vaccinées à New York, superposée au taux de mortalité du COVID pour les mêmes groupes d’âge dans la semaine du 8 janvier 2022 (pic de mortalité à New York).

Ce graphique illustre des données étonnantes et contre-intuitives. Il suggère, entre autres, que les personnes âgées de 75 ans et plus sont plus nombreuses à ne pas être vaccinées que les groupes d’âge 13-24 ans et 35-74 ans réunis. Elles suggèrent également qu’il y a plus de personnes non vaccinées dans la tranche d’âge des 75 ans et plus que dans toutes les autres tranches d’âge, bien qu’elle soit la deuxième plus petite population totale. Il suggère également qu’il y a plus de personnes non vaccinées dans le groupe des 65 ans et plus que dans l’ensemble des personnes âgées de 18 à 64 ans.

Étant donné que les personnes âgées ont été la première population à avoir accès au vaccin et que la vaccination des personnes âgées a été la priorité absolue de pratiquement toutes les agences de santé publique, ces distributions surprenantes remettent en question tout ajustement de l’âge utilisé par la ville de New York. Malheureusement, le département de la santé de la ville de New York ne publie pas les résultats du COVID en fonction de l’âge et du statut vaccinal. Nous ne savons donc pas comment le taux de mortalité beaucoup plus élevé des personnes âgées de plus de 75 ans est ajusté dans les taux de la ville de New York.

NYC Health n’est pas transparent avec ce processus et n’a pas partagé la formule lorsqu’elle a été demandée par le biais de la soumission d’un problème GitHub.

Puisque nous ne disposons pas encore des réponses à l’ajustement de l’âge, le mieux que nous puissions faire est de calculer les taux bruts (non ajustés) et de les comparer. Le graphique ci-dessous montre la différence lorsque nous supprimons l’ajustement de l’âge ET que nous appliquons le recensement de 2020 au taux de non-vaccination. Ce faisant, le rapport entre le taux de mortalité des personnes non vaccinées et celui des personnes vaccinées passe de 6,7:1 à 3,1:1, soit une réduction choquante de 54 %. Ce chiffre est susceptible d’augmenter encore, car il est probable qu’encore plus de décès passeront de non vaccinés à vaccinés dans les semaines à venir.

La raison en est le prochain problème majeur des données de NYC : la correspondance des dossiers de vaccination (CDV). Ce problème peut avoir un effet plus profond sur la fiabilité des données gouvernementales que ce que l’on croit actuellement.

Si vous vous souvenez du point 1 du CDC, “non vacciné” est défini comme toute personne dont le statut vaccinal n’a pas encore été mis en correspondance avec les dossiers officiels, ce qui signifie que “non vacciné” signifie simplement “non vérifié“. Il est techniquement impossible de prouver qu’une personne n’est pas vaccinée, c’est pourquoi les organismes de santé tentent simplement de vérifier la vaccination pour un cas COVID donné tout en supposant que tous les autres ne sont pas vaccinés. Cependant, cette vérification est difficile, prend du temps et n’est pas concluante.

Comment le service de santé de NYC gère-t-il cette situation ? La documentation de GitHub indique : ” “Non vacciné” signifie que les personnes âgées de 5 ans et plus n’ont pas de dossier de vaccination. “

Pas de dossier ? Serait-il possible que certains cas, hospitalisations et décès vaccinés soient temporairement inclus dans le numérateur des non-vaccinés et exclus du numérateur des vaccinés, tout en restant dans le dénominateur des vaccinés mais sans faire partie du dénominateur des non-vaccinés ? Si c’est le cas, les ratios de comparaison entre non-vaccinés et vaccinés en seraient affectés à quatre reprises, ce qui gonflerait artificiellement les données pour la ville de New York.

Notez le changement spectaculaire dans le GitHub la semaine du 18 décembre 2021, qui est passé largement inaperçu. Qu’est-ce qui pourrait l’expliquer ? L’explication la plus probable est que le rapprochement des dossiers de vaccins se fait au fil du temps et pourrait prendre jusqu’à huit semaines pour atteindre une bonne précision. Certains nombres inconnus ne sont jamais appariés. La figure 20 ci-dessous montre le nombre de cas qui sont passés de non vaccinés à vaccinés dans le cadre du processus CDV (Correspondance des Dossiers de Vaccination), depuis sa première publication le 3 janvier 2022 jusqu’à la mise à jour la plus récente le 10 février 2022.

Vous vous souvenez du tableau original de NYC Health montrant les taux d’hospitalisation pour la semaine du 18 décembre ? Voici à quoi il ressemble maintenant, après le changement noté ci-dessus et en appliquant le recensement de la population de 2020, plutôt que l’estimation intercensitaire de 2019, moins précise.

En utilisant ces données plus précises, le ratio des taux d’hospitalisation pour les personnes non vaccinées par rapport aux personnes vaccinées passe de 32,5:1 à 10,5:1, si nous utilisons les données ajustées selon l’âge, et descend jusqu’à 4,1:1 si nous utilisons les données non ajustées selon l’âge, soit une différence stupéfiante de 87 %.

Pour être clair, ce graphique montre toujours que le vaccin est très efficace, mais il y a une différence réelle et significative dans la perception par le public du fait que le risque d’être hospitalisé est 4,1 fois plus élevé OU 32,5 fois plus élevé si vous n’êtes pas vacciné. Le rapport est presque d’un ordre de grandeur inférieur, et cela compte pour la politique publique.

Le passage des non-vaccinés aux vaccinés dans les données du département de la santé de New York ne s’est pas limité à la semaine du 18 décembre 2021. Considérez les données concernant les décès dus au COVID-19 pour la semaine du 1er janvier 2022.

Dans ce graphique, les décès de personnes vaccinées sont passés de 166 à 387 après la mise en concordance des dossiers de vaccination, soit une augmentation de 133 %. Les décès de personnes non vaccinées sont également passés de 301 à 340, soit une augmentation de 13 %. Il est clair que, bien que certains décès de personnes non vaccinés aient été transformés en décès de personnes vaccinées, les totaux des décès de personnes non vaccinées ont encore légèrement augmenté, en raison du délai normal de déclaration des décès dus au COVID. Après ce changement, les décès de personnes vaccinées sont passés de 35,6 % du total général à 53,2 % du total général. Cela montre toujours que le vaccin était efficace, puisque leur part de la population globale est supérieure à 53,2 % dans la ville de New York, mais cela ne montre pas le même écart qu’auparavant.

J’ai décidé de poser la question à l’équipe chargée des données de NYC Health sur GitHub et j’ai obtenu une réponse éclairante.

Aucun problème ! J’espère que cela répondra à certaines de vos questions :

Les changements d’une semaine à l’autre sont dus à des décalages dans l’arrivée des données. Les données sont dynamiques et se complètent avec les cas qui ont été nouvellement appariés à 10 dossiers de vaccination. Les cas qui ne correspondent pas à un carnet de vaccination sont classés comme non vaccinés, y compris les “inconnus“. Il se peut que les données pour le 25 décembre aient été plus remplies que d’habitude en raison de l’ajout récent des enfants de 5 à 11 ans.

Cette réponse confirme que :

• Oui, le processus de CDV (Correspondance des dossiers de vaccination) fait passer des non-vaccinés aux vaccinés au fil du temps (sans que personne ne le signale ou ne le réalise).
• Oui, cela peut se produire en grand nombre.
• Oui, les cas qui ne trouvent pas de dossier de vaccination correspondant sont comptabilisés comme non vaccinés.
• Oui, même les ” inconnus ” sont mis dans le pool des non vaccinés.

Quelle importance cela revêt-il ? Combien de possibilités y a-t-il pour qu’un cas ” inconnu ” ou “ non vérifié ” soit en fait une personne vaccinée ? Regardons du côté du MDPH (Département de la santé publique du Massachusetts) pour trouver quelques indices.

Selon le site web du MDPH, dans le Massachusetts :

• L’identification de la vaccination repose sur la correspondance des enregistrements entre les systèmes.
• Les cas chez des personnes vaccinées peuvent être sous-comptabilisés en raison de simples problèmes d’écriture. Rappel : chaque sous-estimation de personnes vaccinées est une sur-estimation de personnes non vaccinées
• Les hospitalisations de personnes vaccinées sont probablement sous-estimées en raison de difficultés d’investigation des cas lors des entretiens avec les patients.

Un autre exemple est celui de l’Oregon Health Authority (OHA) à partir de son rapport hebdomadaire sur les cas chez des personnes vaccinées. L’OHA admet qu’auparavant, elle regroupait les inconnus dans la cohorte des non-vaccinés. Quelle était la prévalence de ce problème ? Selon le site de l’OHA, ” le statut vaccinal d’environ un tiers des cas récents reste inconnu “. L’Oregon Health Authority (OHA) s’efforce de trouver des méthodes alternatives pour identifier le statut vaccinal de tous les cas signalés en temps utile. À partir de cette semaine, les cas dont le statut vaccinal est inconnu ont été retirés de… ce rapport. ” Si l’Oregon représente une juridiction typique, une énorme partie des données introduites dans l’équation est sommairement peu fiable.

L’Oregon a le mérite de reconnaître le problème et de prendre des mesures pour le résoudre ; rien n’indique que d’autres juridictions aient l’intention de faire de même.

Les trois graphiques ci-dessous représentent les données des rapports de l’OHA du 5 janvier, du 20 janvier et du 10 février, respectivement.

Regardez attentivement les données de la semaine du 1er janvier, qui évoluent de manière similaire à la semaine du 1er janvier de NYC :

• Rapport du 5 janvier : 30,6 % des cas étaient des personnes vaccinées.
• Rapport du 20 janvier : 42,7 % des cas étaient des personnes vaccinées.
• Rapport du 10 février : 52,5 % des cas étaient des personnes vaccinées.
  • Notez qu’un cas sur 6 (17%) a encore un statut vaccinal inconnu.
  • Aucun cas n’a été ajouté au total publié le 5 janvier, mais près de 2 000 sont passés de non vaccinés à vaccinés tandis que ~2 600 sont passés à inconnu.
  • Changement total dans le % des cas vaccinés : 30,6 % -> 52,5 % = 21,9 points de pourcentage (+71,6 %).

Le Service de Santé Publique du Massachussetts ayant directement fait part de ses préoccupations, l’OHA ayant reconnu et supprimé les inconnus du dénominateur des non-vaccinés, et NYC Health nous montrant à quel point le processus de comparaison des dossiers de vaccination est instable, il est raisonnable de croire qu’il s’agit d’un problème répandu aux États-Unis. C’est un problème qui se répercuterait certainement sur l’ensemble des données agrégées du CDC utilisées pour revendiquer des rapports de risque massifs – comme l’affirmation du président Biden selon laquelle le risque est 97 fois plus élevé – pour les personnes non vaccinées.

Au-delà de toutes ces données que nous voyons passer des non-vaccinés aux vaccinés, il y aura toujours un nombre inconnu de cas, d’hospitalisations et de décès de vaccinés qui ne sortiront jamais de la cohorte des non-vaccinés. Pour cette raison et à cause des dénominateurs de population perpétuellement bas, les données sur la vaccination contre le CoV2 aux États-Unis seront toujours biaisées de manière à gonfler l’efficacité du vaccin contre le COVID-19 dans une certaine mesure.

Alors, que doivent faire les Américains avec ces informations ?

Pour commencer, ils devraient exiger l’honnêteté, la transparence et la vérité. Même avec une analyse statistique correcte, il semble que l’efficacité du vaccin contre les conséquences graves du COVID se situe quelque part dans les nombre à un chiffre. Si c’est le degré d’efficacité des vaccins contre le COVID, alors le public doit le savoir.

Les recommandations des CDC ont un poids extraordinaire sur les services de santé locaux et d’État, qui ont eux-mêmes démontré qu’ils pensaient avoir un pouvoir pratiquement illimité sur la vie des Américains, en particulier lorsqu’ils agissent en réponse à une pandémie. Avec cet énorme pouvoir d’influencer la vie des Américains, le CDC assume également une responsabilité importante. Il est essentiel pour la communauté de la santé publique d’informer à la fois les politiciens et le public, dont la plupart n’ont aucune expertise ou expérience en matière de maladies infectieuses ou de mesures de santé publique ; toutefois, cette information DOIT être honnête et précise.

Je suppose que le CDC, le département de la santé de la ville de New York et d’autres agences comme elles sont remplis de professionnels bien intentionnés et très instruits qui veulent être honnêtes et précis. C’est sur la base de cette hypothèse que je plaide pour qu’ils évaluent leurs méthodologies, qu’ils soient plus transparents avec les données et qu’ils rapportent ces données d’une manière crédible qui ne soit pas biaisée par des récits politiques.

Nous ne devrions pas entendre de tels commentaires de la part des membres des équipes chargées des données dans les grandes agences de santé :

Notre documentation sur la façon dont nous comptons ces cas, hospitalisations et décès, est expliquée ici. Les maladies transmissibles évoluent différemment selon les populations, en fonction de l’évolution des très nombreux facteurs qui, en plus du statut vaccinal, peuvent influer sur la transmission et la gravité de la maladie. Les tendances à New York sont cohérentes avec celles observées dans d’autres régions : les taux de cas sont nettement plus élevés chez les personnes non vaccinées.

Surtout lorsque l’affirmation est non seulement fausse à l’étranger mais qu’elle l’est même dans l’ensemble de données que cette personne gère.

Dans ce tableau de l’UKHSA (Agence de Sécurité de la Santé britannique), vous pouvez voir que chaque groupe d’âge d’adultes non vaccinés présente des taux de cas plus élevés que les adultes vaccinés du même âge, et ce par rapport aux personnes ayant reçu trois doses, et pas seulement deux.

Dans ce graphique de NYC, j’ai marqué les semaines du 18 décembre et du 1er janvier afin de montrer que le 18 décembre a achevé une plus grande partie du processus de CDV et est donc plus proche avec un pourcentage plus élevé de cas de personnes vaccinées (63,05). Le 25 décembre et le 1er janvier sont proches mais n’ont pas encore rattrapé leur retard. Je m’attends à ce que la ligne blanche dépasse le 18 décembre dès la mise à jour du 17 février. Lorsque cela se produira, la ligne des non-vaccinés (jaune) se rapprochera de la ligne des vaccinés (bleu).

Il est peu probable que les taux de cas de NYC soient vraiment inversés par rapport au Royaume-Uni, mais ce sont les données dont nous disposons pour l’instant. Lorsque vous regardez le graphique actuel de NYC Health, vous voyez clairement que la semaine du 8 janvier est une anomalie en raison de la différence extrême entre les non-vaccinés et les vaccinés, mais aussi parce qu’il montre un pic artificiel de vaccinés le 1/1 (ligne orange), tout comme je l’ai montré au début avec le graphique original de la semaine du 18 décembre (Fig. 7). Cependant, c’est ce graphique qui a été largement diffusé sur les médias sociaux et traditionnels sans aucune réflexion critique ni remise en question.

Mais lorsque vous regardez mon graphique ci-dessous, vous pouvez clairement voir comment le schéma intégrant les CDV est incomplet pour les semaines du 8 janvier et du 15 janvier, où il y a actuellement un creux artificiel qui correspond à la montagne inverse sur le graphique de NYC. Comme vous pouvez probablement le deviner maintenant, le creux artificiel dans mon graphique va se combler, et le pic artificiel sur le graphique de NYC va diminuer, ainsi qu’une augmentation correspondante sur la ligne orange vaccinée.

La zone bleue représente la façon dont chaque semaine est apparue lorsque les données de cette semaine ont été publiées pour la première fois. La zone jaune indique dans quelle mesure les données de cette semaine sont passées de non-vaccinées à vaccinées. Plus la zone jaune est grande, plus le nombre de cas qui ont changé de catégorie est élevé, en pourcentage du total de la semaine.

Au fur et à mesure que la ville de New York continue de faire passer les résultats du COVID des non-vaccinés du côté des vaccinés, ces données montreront de moins en moins l’efficacité apparente du vaccin, mais personne ne le saura tant que cette question ne sera pas abordée, non seulement à New York mais dans tous les États-Unis.

En compilant les informations contre le public, la communauté de la santé publique et le gouvernement jouent avec nos vies. Nous méritons et devons attendre un compte-rendu honnête des données du COVID, sans parti pris ni opacité. Si la vérité et la transparence sont fournies, la population fera confiance à ces institutions publiques, ce qui conduira à des résultats plus sains pour tous.

www.theblaze.com

How prominent public health agencies are skewing vaccine effectiveness statistics in the US - ...

The Centers for Disease Control (CDC @CDCgov) and the New York City Department of Health and Mental Hygiene (NYC Health @NYCHealthy) are misleading us about the risk of being unvaccinated against SARS-CoV-2 (CoV2). They are doing this through two basic errors. First, they appear to be using ...