Вопросы по статистическим исследованиям вакцин

Вы никогда не задумывались о том, что означает информация «95% эффективность вакцины», как была получена эта цифра? Меня, как человека знакомого с математической статистикой, заинтересовала сама методика расчета эффективности вакцины. И вот, что удалось узнать.

Исследуемые участники разделяются на 2 группы, одна из которых получает настоящую вакцину, другая – плацебо (пустышку).

Эксперимент поставлен так, что сами испытуемые не знают, что они получают. Через какое-то время (несколько месяцев) подсчитывается количество заболевших. Если в контрольной группе (получавших пустышку) количество заболевших значительно больше, чем в экспериментальной, то это якобы подтверждает эффективность препарата.

Для вычисления эффективности в процентах используется формула:

Эффективность вакцины (%) = (1 - OR) × 100

где OR – это odds ratio, отношение шансов, мера связи между воздействием и результатом. OR представляет собой вероятность того, что результат будет иметь место при конкретном воздействии, по сравнению с вероятностью результата, наступившего в отсутствие этого воздействия.

OR = (a/b)/(c/d) = (a×d)/(b×c)

где

• a – количество вакцинированных участников с COVID-19,

• b – количество вакцинированных участников без COVID-19,

• c – количество невакцинированных участников с COVID-19,

• d – количество невакцинированных участников без COVID-19

По этой методике у меня несколько замечаний:

1. Если мы исследуем воздействие какого-то одного фактора, то должны создать для всех участников эксперимента одинаковые условия. И тогда мы можем предположить, что разные результаты в 2-х группах вызваны исключительно наличием или отсутствием изучаемого фактора. Например, мы хотим узнать, как влияет на рост растений полив. Мы помещаем растения в одинаковые условия (освещенность, температура и т.д.), но одну группу поливаем ежедневно, другую – через день, третью – раз в неделю, а потом сравниваем результаты. В случае с исследованием вакцины такую чистоту эксперимента соблюсти невозможно, и на здоровье участников оказывает влияние множество случайных факторов, как внешних, так и внутренних.

2. Одно из требований к выборке при статистическом исследовании – это репрезентативность. Что это значит? Что выборка должна быть как бы маленькой копией полной (генеральной) совокупности. Например, если мы исследуем влияние полива на растения в целом, то выборка должна содержать представителей самых разных видов и типов растений: хвойные, цветковые, суккуленты и т.д. Иначе результаты полученной статистики нельзя будет экстраполировать на генеральную совокупность. Но в медицинских исследованиях мы не можем заставить участвовать в эксперименте, мы набираем добровольцев. А это по определению люди, лояльно настроенные к применению исследуемого препарата. В эту выборку не войдут люди, настроенные против медицинского вмешательства в свой иммунитет. А их, по некоторым данным, до 60% населения. И если нет дополнительной контрольной группы, участники которой не получали бы ни вакцину, ни пустышку, мы не можем считать такое исследование полноценным.

3. Этические нормы запрещают нам проводить эксперимент в том виде, который однозначно доказал бы эффективность вакцины. То есть, в идеале это должно быть так: обе группы после получения вакцины или пустышки должны находиться в одинаковых условиях, и через некоторое время их следовало бы заразить настоящим вирусом. Если в контрольной группе заболели 100%, а в экспериментальной – 5%, то это означало бы 95% эффективности вакцины. Но мы так сделать не можем по понятным причинам. Мы просто видим, что в экспериментальной группе Х% не заболело в течение 2-3 месяцев. Но почему они не заболели? Потому что их защитила вакцина? Или потому что им не довелось подцепить вирус за это время? Или потому что у них в целом крепкое здоровье и хороший иммунитет?

Живой организм – это очень сложная система, здоровье которой зависит от огромного множества параметров, как внутренних, так и внешних. Сколько сейчас в мире людей, не вакцинированных и не переболевших ковидом? 50%? 60%? Кто их исследовал? Почти 2 года длится «пандемия». Что их защищает? Какие факторы на это влияют? Почему их не исследуют, а рассматривают как потенциальную угрозу для привитых и переболевших?

Если и можно применить математическую статистику к исследованию столь сложных, живых, динамичных систем, то следовало бы проводить полноценный анализ, а не сводить всё многообразие влияний к двум факторам: привился или не привился, пытаясь на основе этой статистики прогнозировать заболеваемость. Это не научно, это антинаучно!