嘘、ひどい嘘、そして因果関係

少し前まで、最悪の事態を発見したと思っていた 誤解 新型コロナウイルスワクチンに関する研究の論文だが、私はちょうどこのタイトルの別の候補者に出会ったところだ。そうでした 研究 ワクチン接種と交通事故について。

著者らは、「（彼らは）新型コロナウイルスのワクチン接種が交通事故のリスクと関連しているかどうかをテストした」と説明し、「新型コロナウイルスのワクチン接種をためらうことは、交通事故のリスクの大幅な増加と関連している」と結論付けた。

それらは「関連」以上の意味を持っていました。彼らは、ワクチン接種をためらうことで交通事故のリスクが高まるということを意味しており、これは新型コロナワクチンが死亡リスクを減らすという主張と同じように、因果関係のある主張だ。

それが彼らの主張であることをどうやって知ることができますか?

彼らは、この研究はランダム化試験ではなく、観察研究からの因果関係の推論をサポートするために統計的手法を使用したと述べた。

彼らの推論は誤りでした。本当の結論は次のとおりです。

1. 彼らの研究は、別の例を示しています。 健康なワクチン接種者バイアス.

2. 彼らの研究は、最も厳格な統計的手法によってバイアスを除去できていないことを示しています。

関連性と因果関係についての短期集中講座から始めましょう。

関連性は統計的な現象です。因果関係は現実です。コロナ時代に、多くの人が「関連性は（必ずしも）因果関係ではない」という言葉を聞いたことがあるでしょうが、それは真実です。しかし、この 2 つの考えはつながっています。どうやって？

この関係は、矢印が因果関係を意味する単純な因果図を使用することで最もよく説明されます。

2 つのメカニズムにより、A (ワクチン接種など) と B (交通事故など) との間に関連性が生じる可能性があります。

1) A は B に影響を与えます (因果関係)

2) A と B は原因 C (交絡) を共有しています

Aがそうするなら   B に影響を与えますが、それらは原因を共有しているため、A と B は引き続き関連付けられます。これが、関連性が必ずしも因果関係ではない理由の 1 つです。ランダム化試験では、ランダム化のメカニズムを除いて、割り当てられた治療法（たとえば、ある薬剤と別の薬剤）の原因が排除されます。だからこそ、因果関係を強く主張するにはランダム化試験が必要なのです。混乱はなくなりました。

もう 1 つのポイント: どの矢印も因果関係の連鎖の要約と見なすことができます。例えば、 C→B 表すことができます C→ X → Y → Z →B.

もちろん終わります。の海があります 複雑な素材, しかし、私たちが知る必要があるのはそれだけです。

この記事の著者は因果関係図について知っています。彼らは、精巧な「有向非循環グラフ」（左の図）を示しています。これは、「因果関係図」の派手な名前です。

驚くべきことに、変数「ワクチン接種状況」は彼らの図には現れず、彼らが分析した実際の変数、つまりワクチン接種済みかどうかに付けた名前である「ワクチン接種への躊躇」だけが示されています。

科学は判断を下すものではないので、その原因が何であれ、「ワクチンへの躊躇」を「決定」（ワクチン接種を受けるかどうか）に置き換えました（右の図）。次に、「決定」の効果である「ワクチン接種状況」（A）を追加しました。 2 つの変数はほぼ完全に相関しています。予防接種を受けると決めたら、おそらく予防接種を受けるでしょう。予防接種を受けないと決めた場合も同様です。私は、人が認知的に判断できない場合や、ワクチンや物理的な強制注射が利用できない場合を無視しています…

私の図からわかるように、「決定」や「ワクチン接種の状況」と交通事故を結びつける因果関係の矢印はありません。いや → B. 著者の図では明確にほのめかされていないが、唯一考えられる因果関係は、新型コロナウイルスによるものである：ワクチン接種を受けていない → 感染 → 疲労 → クラッシュ。ワクチン接種が感染のリスクを軽減しないことがわかっているため、私たちはこの連鎖を無視してもよいでしょう。 反対.

では、なぜワクチン接種と暴落が関係しているのでしょうか?

もう答えは分かりましたね。それらは多くの原因を共有しています — 私の図では C — そのうちのいくつかは研究で測定されましたが、多くは測定されませんでした。この図に基づくと、ランダム化試験ではワクチン接種と交通事故との間に関連性は見出されず、効果の証拠も見つからなかったはずだ。

彼らの図と私の図から予想されたように、著者らは確かにワクチン接種と暴落との関連性を発見した。ワクチン接種を受けていない人はワクチン接種を受けている人よりも事故のリスクが高いようであり、あるいはその逆も同様であり、ワクチン接種は交通事故から身を守るようである。共通の原因の一部はリスクが減少しているように見えるように機能しましたが、他の原因は逆の方向に機能しました。すべての共通の原因の最終的な効果は、重大な交通事故に対して疑似効果を生み出しました。

それは別の例です 健康なワクチン接種者バイアス、著者はそれを認識していました。ワクチン接種者の「有利な特徴」がより多くなったことで、 可能性が低い 交通死亡事故につながる可能性のある重大な事故に巻き込まれることは、多くの事故のうちの一つです。 非Covid 死因。それらの特性が彼らを作った 可能性が高いです ワクチン接種を受けることで、事故のリスクが軽減されました。これは、新型コロナウイルスワクチンを接種するかどうかを決めることではありません。

皮肉なことに、著者らは「ネガティブコントロール」と呼ばれる方法を使用して、健康なワクチン接種者の偏りをチェックした。彼らは、ワクチン接種の効果が期待されなかった他の評価項目とワクチン接種との関連性を研究しました。 しかし、彼らは、自分たちの研究のエンドポイントがまさにそのようなエンドポイントであることに気づいていませんでした。。彼ら自身の図と常識によれば、アプリオリに、ワクチン接種は墜落のリスクに影響を与えるとは予想されていない。彼らが発見した「影響」は交絡バイアスでした。

さらに皮肉なことに、怪我や外傷による入院は、 「ネガティブコントロール」エンドポイント 他ならぬ共著者によるインフルエンザワクチンの研究に対して、 主要な出版物 新型コロナウイルスワクチンの有効性について。 (なぜ彼がこの方法を新型コロナウイルスワクチンの研究に適用しなかったのかわかりません。 許可されませんでした 聞く、質問する。）

ワクチン接種を受けていない人の事故のリスクは、ワクチン接種済みのリスクの1.72倍であり、その逆も同様です。ワクチン接種の疑似効果はリスク比0.58、つまり疑似ワクチンの有効性は42％でした。

著者らは因果関係を念頭に置いて、いくつかの方法で推定値の調整を試み、さまざまな結果を示しました。彼らは最も厳しい試みを次のように説明しました。

1 番目の傾向スコア分析の目的は、ワクチン接種を受けていない個人とワクチン接種済みの個人を 1 対 XNUMX で照合し、医学的診断を受けた人がいる場合を除外する場合に厳密にすることでした。

これが実際に厳密な方法であることを直感的に認識するために、統計の知識は必要ありません。

健康なワクチン接種者のバイアスを取り除くという最も厳格な試みから、リスク比 1、つまり真の無効効果は得られたのでしょうか?いいえ、1.63 (未調整) ではなく 1.72 (調整済み) でした。厳密な調整によって達成されたのはそれだけです。 (どちらの数字も技術的にはオッズ比です。)

したがって、健康なワクチン接種者への偏見を取り除く方法に関するまばらな文献のレビューを読むときは、ワクチン接種と交通事故に関するこの記事を思い出してください。測定された変数に依存する バイアスを取り除くことができない可能性がある以上です。 知っておく必要があります.

現時点で私たちができる最善のことを説明します 他の場所で。もっと洗練されているとはいえ、まったく洗練されていません 探索する。私たちが直面している本当の問題は科学的なものではありません。コロナウイルス以外の死亡に関して必要なデータは通常隠蔽されています。

PS 私は副編集長でした アメリカ疫学ジャーナル、 私の記録には約 200 件の出版物が含まれており、その中にはいわゆる一流の医学雑誌に掲載されたものも含まれています。この投稿を再フォーマットするか、それとも 他人 トピックについてジャーナルに投稿して「査読済み?」のスタンプを押してもらいます。

私はあきらめた ずっと前に.

著者からの転載 M