Palestra de Epidemiologia do Ano 2040
BROWNSTONE INSTITUTE - Eyal Shahar - 29 ABRIL, 2025
Bom dia,
Vinte anos atrás, o mundo enfrentou uma pandemia viral chamada pandemia de Covid (na época, Covid-19), que afetou principalmente idosos e foi desproporcional. O vírus foi criado em laboratório como parte de uma pesquisa tola e perigosa de ganho de função.
Muitos de vocês eram jovens demais para se lembrar dos detalhes, mas um evento significativo foi o desenvolvimento de uma vacina de mRNA, agora chamada de terapia genética. Ela não só foi desenvolvida rapidamente, como também testada rapidamente, e alegou-se que era altamente eficaz contra a morte por Covid, com base no que então chamavam de "estudos do mundo real". Não havia ensaios clínicos randomizados com desfecho de mortalidade.
Como sabemos agora, a nova terapia genética estava longe de ser altamente eficaz. "Estudos do mundo real" eram coortes observacionais enviesadas, e a eficácia era temporária e, na melhor das hipóteses, medíocre. Se muitas vidas foram salvas por essas injeções, elas foram salvas em modelos hipotéticos, não em estatísticas de mortalidade .
Vinte anos depois, ainda estamos estudando as consequências de morbidade e mortalidade a longo prazo de nanopartículas lipídicas disseminadas (os transportadores de mRNA), proteínas spike tóxicas de fabricação própria e proteínas aberrantes em vários tecidos, níveis elevados de anticorpos IgG4 após injeções repetidas e a integração de fragmentos de DNA estranhos no genoma.
Hoje, examinaremos o primeiro estudo que relatou eficácia contra morte por Covid de 84%, ou 72%, ou 62%, ou 44% — após a primeira injeção — e aprenderemos algumas lições.
Com base em dados da maior organização de saúde de Israel, o artigo foi submetido e publicado online em fevereiro de 2021, apenas dois meses após o início da campanha de vacinação.
Primeira lição : você deve sempre ignorar o nome do periódico, os nomes dos autores e a frase "revisado por pares". Nenhum dos dois é um indicador de resultados válidos. Vieses em estudos observacionais são difíceis de detectar e remover, e naquela época poucos pesquisadores entendiam a importância do fenômeno da vacinação saudável (um tipo de viés de confusão) e da classificação errônea diferencial da causa da morte (um tipo de viés de informação ). Ambos são de conhecimento comum hoje entre epidemiologistas, graças aos dados lentamente divulgados sobre mortes não relacionadas à Covid por status de vacinação e às revisões de atestados de óbito daquela época em comparação com registros hospitalares vinculados.
Segunda lição : nunca confie em um estudo que mostra estimativas de eficácia contra a morte que variam de 44% (intervalo de confiança inferior de 95%: -36%) a 84% (intervalo de confiança superior de 95%: 100%) — em um acompanhamento máximo de cerca de um mês. A inferência é excessivamente sensível a decisões analíticas e o motivo típico são os dados escassos.
Houve apenas 41 mortes por Covid relatadas na grande coorte (cerca de 600.000 pares correspondentes), ou 59 em outra análise, e muitas delas não foram mortes por Covid, como veremos mais adiante. O fato de outros desfechos serem comuns não importa. Nenhum desfecho pode substituir a morte.
Você provavelmente está surpreso que os autores estimaram a eficácia com base em um número tão pequeno de mortes e, assim, afetaram as políticas de saúde pública em bilhões. Isso era inédito antes da pandemia de Covid e é inédito hoje em dia. Mas você precisa entender a mentalidade dos autores no contexto daquela época. Pesquisadores excelentes e a grande mídia eram fortemente tendenciosos em relação a qualquer coisa que inflasse tanto a importância da pandemia quanto o efeito de uma nova vacina. Era aceitável publicar resultados favoráveis a partir de dados esparsos.
Terceira lição : Quando estiver sobrecarregado por números, modelos, tabelas, gráficos, material suplementar e decisões analíticas sofisticadas, verifique o que encontrar em um cálculo simples. Não estou dizendo que uma análise "bruta" não possa ser enganosa, mas você pode, às vezes, achá-la suficientemente informativa. Uma análise simples dos dados de mortalidade é o que faremos a seguir.
Permitam-me lembrar, em primeiro lugar, que qualquer inferência causal é derivada de suposições, algumas das quais são triviais (por exemplo, integridade de arquivos de dados); outras são mais complexas. A questão em questão é: sob suposições razoáveis, os dados são compatíveis com uma eficácia quase nula contra a morte, em vez de 44% a 84%?
A resposta é "sim".
Vou fazer duas suposições:
1. Nenhuma morte por Covid poderia ter sido evitada nas primeiras duas semanas após uma injeção, então qualquer benefício observado da primeira dose antes do dia 14 é completamente explicado por viés.
2. Os vieses que operaram nas duas primeiras semanas continuaram a operar em intervalos de acompanhamento posteriores.
Os autores aceitaram a primeira suposição. Suas estimativas de eficácia nas análises principais excluíram os primeiros 13 dias de acompanhamento. Eles escreveram:
“O período imediatamente após a primeira dose, quando a imunidade está sendo gradualmente construída, foi excluído das análises principais porque a taxa de risco deverá ser próxima de 1 durante esse período.”
Foram apresentados dois gráficos de mortalidade cumulativa por Covid: um no artigo principal (à esquerda); outro em um apêndice suplementar (à direita). Abaixo de cada gráfico, calculei a razão de risco de morte em três intervalos consecutivos de duas semanas.
Ignorando o primeiro intervalo, a eficácia da vacina (um menos a razão de risco) varia de 44% a 76%, semelhante à variação das estimativas relatada pelos autores (44% a 84%). Neste caso, uma análise simples dos dados esparsos concorda amplamente com análises sofisticadas. Foi boa o suficiente.
Ao contrário dos autores, porém, não descartei os dados das duas primeiras semanas como "um aumento temporário de eventos entre não vacinados", o que não passava de uma ilusão. Em vez disso, presumi que os vieses que estavam em vigor naquele momento não desapareceram milagrosamente.
Sejam quais forem, sua magnitude coletiva pode ser estimada pelo fator de viés — o multiplicador que restaura o efeito nulo esperado (razão de risco = 1) nas primeiras duas semanas. Era 3 (tabela da esquerda) ou 2,3 (tabela da direita).
Como você pode ver acima, a aplicação da correção do fator de viés às estimativas da razão de risco nos intervalos de duas semanas seguintes eliminou o pseudobenefício de iniciar o protocolo de vacinação de duas doses. Observamos uma dispersão aleatória típica em torno de um parâmetro quase nulo: 0,72, 1, 1,2, 1,3. E se corrigirmos as estimativas dos autores para um fator de viés de 3, obtemos a seguinte dispersão: 0,48, 0,84, 1,1, 1,7.
Quais preconceitos estavam errados e que evidências temos para inferir sua existência persistente?
Houve pelo menos dois: classificação incorreta da causa da morte e o fenômeno dos vacinados saudáveis.
Em termos gerais, classificação incorreta significa que algumas mortes por Covid foram erroneamente classificadas como mortes não relacionadas à Covid, e algumas mortes não relacionadas à Covid foram erroneamente classificadas como mortes por Covid. Vamos nos concentrar neste último caso, que foi muito mais comum.
Naquela época, era natural e financeiramente compensador atribuir mortes à Covid, correta e incorretamente. Em Israel, por exemplo, metade das mortes por Covid relatadas durante a campanha de vacinação não contribuiu para o excesso de mortalidade , o que significa que essas pessoas teriam morrido independentemente de terem um teste PCR positivo. Elas não morreram de Covid, e uma vacina contra Covid não poderia tê-las salvado.
Conclui-se que cerca de 20 das 41 mortes no estudo (ou 30 das 59) não foram causadas pela Covid. Se for o caso, o estudo estimou a magnitude dos vieses (o pseudoefeito sobre mortes por causas não relacionadas à Covid), assim como estimou a eficácia (contra mortes por Covid)…
O fato de muitas mortes por Covid relatadas não terem sido causadas pelo vírus também fica evidente na distribuição do tempo até a morte no estudo. A mediana foi de apenas 11 dias após um teste PCR positivo (figura superior), menor do que a distribuição típica após o início dos sintomas (figura inferior) — uma mediana de 19 dias — mesmo que o teste tenha ocorrido de 1 a 3 dias após o início dos sintomas. Em outras palavras, a distribuição foi deslocada para a esquerda, em comparação com o que esperamos ver no caso de mortes reais por Covid.
Por que a mudança foi feita? Porque muitas mortes tiveram outras causas. Tratava-se de mortes de pacientes hospitalizados por diversos motivos e que apresentaram um teste PCR positivo incidental na admissão. Lembre-se de que pelo menos 50% das infecções eram assintomáticas e que a campanha de vacinação coincidiu com uma onda de Covid no inverno.
Portanto, temos evidências claras de classificação incorreta da causa da morte, mas foi pior. A classificação incorreta foi diferencial, ou seja, "dependente do estado de vacinação".
A classificação incorreta foi diferencial porque o teste de PCR não foi aplicado uniformemente. Pessoas vacinadas tiveram menor probabilidade de serem testadas do que suas contrapartes não vacinadas, por duas razões plausíveis: primeiro, alguns médicos e algumas pessoas vacinadas podem ter atribuído os sintomas da Covid à "reatogenicidade" — sintomas semelhantes aos da Covid após a vacinação —, portanto, o teste de PCR não foi realizado. Segundo, e mais importante, presumia-se que a terapia genética era altamente eficaz; então, por que se preocupar em realizar um teste de PCR nos vacinados? Além disso, tal teste foi abertamente desencorajado.
A classificação errônea diferencial do estado de infecção foi transferida para outros desfechos, incluindo óbito. Embora as mortes por Covid naquele período tenham sido superestimadas em geral, as dos vacinados tiveram menor probabilidade de serem registradas do que as dos não vacinados. Eu sei, é um pouco complicado. De qualquer forma, o resultado do viés nos testes é óbvio: uma menor taxa de mortes por Covid relatadas entre pessoas vacinadas — pseudoeficácia.
Você está perguntando sobre mortes por todas as causas no estudo?
Os dados estavam disponíveis para os autores, mas não foram divulgados. Na verdade, mortes não relacionadas à Covid foram consistentemente ocultadas na maioria dos artigos da época. A pesquisa sobre vacinas contra a Covid era altamente tendenciosa, consciente ou inconscientemente. Eu sei, é difícil de acreditar.
A classificação errônea diferencial da causa da morte foi combinada com outro forte viés, amplamente reconhecido atualmente: o fenômeno do vacinado saudável . Pessoas vacinadas eram mais saudáveis do que suas contrapartes não vacinadas, e os métodos padrão de ajuste não conseguiram remover completamente esse viés.
Naquela época, muitos pesquisadores descartaram o viés como uma distorção temporária: pessoas doentes adiavam a vacinação até se recuperarem, e aquelas com curta expectativa de vida não eram vacinadas.
Isso era verdade, claro, mas o fenômeno da vacinação saudável é amplo e prolongado. Por várias razões psicossociais, as pessoas vacinadas, contra gripe ou Covid, eram mais saudáveis desde o início. Como resultado, elas tinham menor probabilidade de morrer de Covid e de causas não relacionadas à Covid, ambas responsáveis pelas 41 ou 59 mortes no estudo. O fenômeno da vacinação saudável, juntamente com a classificação errônea diferencial, explica facilmente o "efeito" na mortalidade. Nenhum dos vieses desapareceu após 13 dias de acompanhamento.
A classificação errônea raramente era mencionada naquela época, mas todos, pelo menos da boca para fora, falavam da possibilidade de confusão por características de saúde não mensuradas. E havia outras fontes de inferência enganosa, que não discutiremos hoje. Uma tempestade perfeita de vieses estava operando naquele estudo e em inúmeros "estudos do mundo real" posteriores. De fato, o fenômeno da vacinação saudável por si só foi suficiente para criar a ilusão de vacinas e doses de reforço eficazes em idosos frágeis.
Você está se perguntando se algo disso foi exposto ou suspeito em “tempo real”?
Sim, foi . Mas não em periódicos biomédicos ou na grande mídia. Aqueles que tentaram criticar a nova terapia genética, pela qual um Prêmio Nobel foi concedido às pressas, foram chamados de antivacinas. Duvidar da segurança das injeções foi condescendentemente rotulado de "hesitação vacinal". A maior parte do mundo sofreu lavagem cerebral .
Forças poderosas descarrilaram o curso normal da ciência biomédica, e levou muitos anos para nos trazer de volta ao ponto em que estamos agora. Talvez esta seja a lição mais importante para você hoje. "A ciência está decidida" é sempre notícia falsa. Não deixe ninguém censurar novamente uma troca científica.
Deixe-me encerrar a palestra de hoje com uma citação perspicaz de Karl Popper , um filósofo da ciência do século XX, com minhas adições entre parênteses.
“Existem todos os tipos de fontes do nosso conhecimento; mas nenhuma tem autoridade ... O erro fundamental cometido pela teoria filosófica das fontes últimas do nosso conhecimento é que ela não distingue claramente o suficiente entre questões de origem [por exemplo, analistas de dados de Harvard escreveram isso no The New England Journal of Medicine ] e questões de validade [ Será que o estudo deles realmente mostrou proteção contra a morte ?].”
O Dr. Eyal Shahar é professor emérito de saúde pública em epidemiologia e bioestatística. Sua pesquisa concentra-se em epidemiologia e metodologia. Nos últimos anos, o Dr. Shahar também fez contribuições significativas para a metodologia de pesquisa, especialmente no domínio de diagramas causais e vieses.