Pourquoi cacher ce qui se passe dans les deux premières semaines après la vaccination ?


general practitioner vaccinating old patient in private clinic with copy space doctor giving injection to senior woman at hospital nurse holding syringe and using cotton before make covid 19 or corona stockpack istock scaled e1638789539297

De nombreux articles ont été publiés pour montrer à quel point les vaccins protègent les gens après la deuxième dose. Une partie de cet effet est une illusion. Cet effet est le résultat de mesures inexactes et d'un phénomène appelé biais de survivance.

Effets nocifs

Le biais de survivance se produit lorsqu'un groupe est comparé à deux moments, mais que les membres du groupe changent entre les deux moments. Ce serait comme évaluer la qualité d'une école de natation qui privilégie la technique consistant à jeter des personnes au milieu de l'océan, à les y laisser pendant quelques heures et à s'attribuer le mérite de la qualité de la nage des élèves restants. Au bout de deux heures, les seules personnes restantes sont celles qui savent déjà nager et, éventuellement, quelques-unes qui ont appris à nager à la dure ! Les pauvres âmes qui se sont noyées entre-temps ne sont même pas prises en compte. Attribuer la capacité de nager des personnes restantes à l'entraîneur qui est arrivé deux heures plus tard donnerait évidemment une image très trompeuse. Le fait de souligner que personne ne s'est noyé lors des leçons ultérieures serait tout aussi trompeur pour déterminer le succès de la "technique d'enseignement".

Avec la vaccination covid, il y a une période de deux semaines après la vaccination qui n'est pas incluse dans les données. La raison invoquée est que les vaccins mettent un certain temps à produire des anticorps et que les données des deux premières semaines ne sont donc pas pertinentes. Ce raisonnement est évidemment erroné. Que faire si les vaccins ont des effets délétères visibles immédiatement, qui n'ont rien à voir avec la production d'anticorps ? Un exemple est le taux élevé de zona observé après la vaccination par le covid, ce qui suggère qu'il y a un problème de réactivation virale. Cela pourrait expliquer pourquoi les taux d'infection par le virus Sars-CoV-2 sont en fait plus élevés chez les vaccinés que chez les non-vaccinés au cours des deux premières semaines suivant la vaccination.

L'élimination des deux premières semaines a pour effet de fausser les données. Si des personnes sont infectées et meurent pendant cette période, il faut en tenir compte. La possibilité que le vaccin lui-même puisse exercer un effet sur le taux d'infection ne peut être négligée et l'ensemble des données doit être inclus afin d'évaluer précisément l'efficacité. En ne mesurant que la période suivant le risque d'infection le plus élevé (0-14 jours), il est possible d'être trompé. Tout signal serait manqué.

Impact sur l'ensemble de la communauté

Outre le fait qu'il est absurde, en termes de risque individuel, de supprimer cette période de temps, il y aura également un impact sur la communauté au sens large. Si le vaccin provoque effectivement un pic d'infections au cours des deux premières semaines, la propagation s'en trouvera inévitablement accrue, ce qui entraînera une augmentation du nombre d'infections dans cette communauté pendant cette période. Par conséquent, l'évaluation de l'impact du programme de vaccination doit inclure non seulement l'effet sur l'individu, mais aussi l'impact sur la communauté au sens large.

Ce point est particulièrement important pour les communautés très unies où de nombreuses personnes sont vaccinées en même temps, comme les écoles et les communautés comptant un grand nombre de personnes vulnérables, comme les maisons de soins et les hôpitaux. Ce que nous faisons en réalité, c'est "accélérer" la vague d'infections (et de décès). Au final, à la fin de la saison virale, le même nombre de personnes est décédé. En excluant les décès précoces (1-14 jours), nous sommes amenés à penser que les vaccins étaient plus efficaces qu'ils ne l'étaient en réalité. En ne tenant compte que de la période la plus tardive et en constatant une diminution du nombre de décès à cette époque, on crée l'illusion que des vies ont été sauvées. Cela est évident dans les données de nombreux pays après le déploiement des vaccins. Le graphique ci-dessous, qui montre le Royaume-Uni par rapport à l'Europe, illustre ce point, car le Royaume-Uni a été le plus rapide à déployer le vaccin. Le nombre total de décès, représenté par l'aire sous la courbe, est similaire à celui des autres pays, mais il est simplement comprimé sur une période plus courte.

covid
Figure 1 : Décès dus à la maladie en hiver au Royaume-Uni et dans l'Union européenne

Examinons maintenant quelques exemples spécifiques, par exemple cette étude sur les résidents de maisons de retraite aux États-Unis. Les résultats montrent qu'au cours de l'étude, 6,8% de la population vaccinée ont été infectés et 6,8% de la population non vaccinée ont été infectés. Cependant, en décidant d'exclure les 14 premiers jours après la vaccination, la zone grise du groupe vacciné est comparée à la zone noire et grise combinée du groupe non vacciné. Ce faisant, on pourrait prétendre que le vaccin 66% est efficace contre l'infection. Les auteurs de cette étude ont eu l'honnêteté de partager les données brutes et n'ont pas affirmé l'efficacité du vaccin 66%.

 

covid2
Figure 2 : Données tirées d'un article américain montrant le pourcentage de la population des maisons de retraite infectée en fonction du temps écoulé après la visite de la clinique et du statut vaccinal.

Cependant, de nombreuses études se sont appuyées sur cette astuce pour affirmer l'efficacité du vaccin. Les exemples les plus évidents sont l'étude originale de Pfizer et l'étude d'AstraZeneca.

covid3
Figure 3 : Graphique de l'essai AstraZeneca montrant la censure de la période précoce ('Période d'exclusion')

 

 

Pour prendre un deuxième exemple, un article danois a mesuré le nombre d'infections chez les travailleurs de la santé et les résidents de maisons de soins. Avant le début du programme de vaccination, 4,8% des travailleurs de la santé avaient été infectés et 3,8% des résidents des maisons de soins l'avaient été. L'étude s'est terminée à la fin de la vague de l'hiver danois, après que 95% des résidents des maisons de soins aient été vaccinés et 28% des travailleurs de la santé. Étant donné la situation plus défavorable au départ et le taux de vaccination plus faible chez les travailleurs de la santé, on pourrait s'attendre à ce que leur situation soit globalement moins bonne. Cependant, le pourcentage de personnes infectées à la fin de la vague était de 7,0% chez les travailleurs de la santé et de 7,7% chez les résidents des foyers de soins.

covid4
Figure 4 : Données tirées d'un article danois montrant le pourcentage de la population infectée parmi les résidents des maisons de soins et le personnel de santé.

Quelle est la part de l'efficacité vaccinale rapportée dans la recherche covid qui est en réalité une mesure du biais de survie associé à l'immunité naturellement acquise ? Il s'agit d'une question essentielle. Aucune revendication d'efficacité vaccinale ne devrait être faite sans y répondre au préalable.