Mara kwa mara wakati wa janga la Covid-19, wafanyikazi wa kisayansi wa CDC wametumia data ya masomo yao ili kukadiria ufanisi wa matoleo ya sasa au ya hivi karibuni ya chanjo ya Covid-19 ili kupunguza hatari ya kupimwa na Covid-19. Ingawa ukweli wa "kupimwa chanya" umekuwa na utata kwa sababu ya nambari za siri za PCR Ct zinazohusika ambazo zimeruhusu watu wasioambukiza na Covid-19 isiyotambulika kutoka wiki kadhaa zilizopita kubaki na mtihani, lengo langu hapa ni kuelezea. Mbinu zenye matatizo za epidemiologic za CDC ambazo zimeongeza kwa kiasi kikubwa asilimia ya ufanisi wa chanjo ambazo wameripoti.
Masomo ya epidemiologic yanayodhibitiwa yamo katika miundo mitatu na mitatu pekee ya msingi ya utafiti. Aidha sampuli ya jumla ya masomo itachukuliwa, na kila somo linatathminiwa kwa hali ya kisa na hali ya awali ya kukaribia aliyeambukizwa—huu ni utafiti wa sehemu mbalimbali—au sampuli ya watu waliofichuliwa na sampuli ya watu ambao hawajafichuliwa hufuatwa ili kuona ni nani anakuwa kesi na nani udhibiti—utafiti wa kundi—au sampuli ya kesi na sampuli ya vidhibiti hupatikana, na kila somo kutathminiwa kwa hali ya awali ya kukaribia aliyeambukizwa—huu ni utafiti wa kudhibiti kesi. Iwapo utafiti wa kundi unahusisha kubahatisha mada katika yale yaliyofichuliwa na yasiyofichuliwa, hili ni jaribio lililodhibitiwa nasibu (RCT), lakini muundo wa utafiti bado ni kundi.
Katika utafiti wa sehemu mbalimbali na utafiti wa kikundi, the hatari ya kupata matokeo ya riba (yaani, ya kuwa mhusika, hapa, kupima chanya) inaweza kukadiriwa kwa watu waliofichuliwa kwa idadi ya kesi kati ya waliofichuliwa ikigawanywa na jumla ya idadi iliyofichuliwa. Vivyo hivyo kwa wasiofunuliwa. Ni nini cha kupendeza, kulinganisha kwa hatari hizi mbili, hatari ya jamaa (RR), ni hatari katika wazi iliyogawanywa na hatari katika isiyofunuliwa. RR inakadiria jinsi hatari ilivyo mbaya zaidi kati ya zilizofichuliwa ikilinganishwa na ambazo hazijafichuliwa. Kwa chanjo au mfiduo mwingine unaopunguza hatari, RR itakuwa chini ya 1.0.
Masomo ya sehemu mbalimbali na makundi, kwa miundo yao ya sampuli, huruhusu RR kukadiriwa kutoka kwa data zao. Hata hivyo, tafiti za udhibiti wa kesi haziruhusu hatari za matokeo kukadiriwa, kwa sababu kubadilisha idadi linganifu ya kesi zilizochukuliwa dhidi ya vidhibiti huathiri yale yanayoweza kuwa makadirio ya hatari. Badala yake, tafiti za udhibiti wa kesi huruhusu kukadiria tabia mbaya matokeo, sio hatari. Kwa mfano, uwezekano wa 2:1 wa tukio kutokea. Thamani hii haiathiriwi na muundo wa sampuli. Katika tafiti za udhibiti wa kesi, uwezekano wa jamaa (au uwiano wa odds, AU) wa matokeo hukadiriwa na uwezekano wa matokeo kati ya yaliyofichuliwa, ikigawanywa na uwezekano kati ya zisizofichuliwa.
Kwa chanjo, ufanisi wake unakadiriwa kuwa 1.0 - RR. Kwa data ya utafiti wa udhibiti wa kesi ambayo inakadiria AU sio RR pekee, ni lini AU inakadiria RR kwa usahihi vya kutosha ili kubadilishwa katika fomula hii? Swali hili lina historia ya kina ya epidemiologic zaidi ya upeo wa sasa, lakini kwa maana rahisi zaidi, AU inakadiria RR wakati katika idadi ya watu, matukio si ya kawaida ikilinganishwa na udhibiti.
Sasa kwa CDC na makosa yake ya kimfumo ya kimfumo. Katika uchambuzi wa hivi karibuni, Kiungo-Gelles na wenzake ilichukua sampuli ya jumla ya watu 9,222 walio na dalili kama za Covid-19 wanaotaka kupimwa Covid-19 katika maduka ya dawa ya CVS na Walgreen Co. wakati wa Septemba 21, 2023 hadi Januari 14, 2024. Walikagua hali ya awali ya chanjo ya kila mtu binafsi, na vile vile uwezo wa kuchanja. ya matokeo ya mtihani. Kwa ufafanuzi, huu ni utafiti wa sehemu mbalimbali, kwa sababu nambari mahususi za kesi na vidhibiti, au nambari mahususi za waliofichuliwa (waliochanjwa) na ambao hawajafunuliwa (ambao hawajachanjwa) hazikutolewa sampuli. Ni jumla ya idadi ya masomo ambayo ilitolewa sampuli.
Hata hivyo, wachunguzi walikadiria AU si RR kutoka kwa data hizi, kwa kutumia mbinu ya uchanganuzi wa takwimu inayoitwa urekebishaji wa vifaa ambayo inaruhusu AU kurekebishwa kwa sababu mbalimbali zinazoweza kutatanisha. Hakuna ubaya kwa kutumia urejeleaji wa vifaa na kupata makadirio ya AU katika muundo wowote wa utafiti; tatizo ni kutumia thamani ya AU badala ya RR katika fomula ya ufanisi ya chanjo 1.0 - RR. Kwa sababu muundo wa utafiti ulikuwa wa sehemu mbalimbali, wachunguzi wangeweza kuchunguza matukio ya jamaa katika idadi ya watu kutoka kwa nambari zao za sampuli, lakini hawakuonekana kufanya hivi. Kwa kweli, kesi zilijumuisha 3,295 kati ya jumla ya sampuli 9,222 zilizochukuliwa, 36%, ambayo si ndogo ya kutosha kutumia AU kama kibadala cha RR. Hii ni kweli kati ya masomo yaliyofunuliwa (25%) na yasiyofunuliwa (37%).
Hata hivyo, inawezekana kupata wazo potofu la kiasi gani dhana hii mbaya iliathiri ufanisi wa chanjo ya 54% iliyodaiwa na waandishi. Nambari zinazohusika za masomo, zilizoonyeshwa kwenye jedwali hapa chini, zimeelezwa katika Jedwali la 1 na la 3 la karatasi ya Link-Gelles. Hesabu ya RR kutoka kwa data hii ghafi ni rahisi. Hatari katika chanjo ni 281/1,125 = 25%; kwa wasiochanjwa, ni 3,014/8,097 = 37%. RR ni uwiano wa hizi mbili, 25%/37% = 0.67, hivyo ufanisi wa chanjo kulingana na data hizi ghafi itakuwa 1.0 - 0.67 = 0.33 au 33%.
Vile vile AU inaweza kukadiriwa kutoka kwa data hii mbichi kuwa 0.56, ambayo ikitumiwa katika fomula ya ufanisi wa chanjo ingetoa ufanisi wa 44%, tofauti kabisa na ufanisi wa 33% kama inavyokadiriwa ipasavyo kwa kutumia RR.
Walakini, Link-Gelles et al. ilitumia iliyorekebishwa AU = 0.46 kama ilivyopatikana kutoka kwa uchanganuzi wao wa urekebishaji wa vifaa. Hii inatofautiana na isiyorekebishwa AU = 0.56 kwa sababu ya 0.46/0.56 = 0.82. Tunaweza kutumia kipengele hiki cha marekebisho, 0.82, kukadiria kile ambacho RR mbichi ingekuwa ikiwa ingerekebishwa na mambo sawa: 0.67*0.82 = 0.55. Nambari hizi zimeonyeshwa katika jedwali lililo hapa chini, na zinaonyesha kwamba ufanisi sahihi wa chanjo ni takriban 45%, sio 54% inayodaiwa, na chini ya kiwango cha kawaida cha 50%.
Kama mtaalam wa magonjwa, sielewi kwa nini wenzangu kwenye CDC wangetumia kimakosa AU kama mbadala wa RR wakati dhana inayohitajika ya uingizwaji huu haikufikiwa na ingeweza kuangaliwa kwa urahisi katika data yao wenyewe. Wamefanya kosa hili mahali pengine (Tenforde et al.) ambapo pia ilifanya tofauti kubwa katika ufanisi wa chanjo, takriban 57% kinyume na ilivyodaiwa 82%. Labda waandishi walidhani kuwa njia pekee inayopatikana ya kurekebisha kwa anuwai nyingi za kutatanisha ilikuwa kumbukumbu ya vifaa ambayo hutumia AU, lakini hali ya kumbukumbu ya hatari ya kurekebisha RR imekuwa ikipatikana kwa muda mrefu katika vifurushi anuwai vya uchambuzi wa takwimu za kibiashara na inatekelezwa kwa urahisi.mreteni).
Inaonekana kunishangaza kwangu kwamba inaonekana hakuna hata mmoja wa waandishi zaidi ya 60 kati ya karatasi za Link-Gelles na Tenforde aliyetambua kwamba muundo wa sampuli za masomo yao ulikuwa wa sehemu mbalimbali, sio udhibiti wa kesi, na hivyo kwamba parameta sahihi ya kutumia kwa kukadiria. ufanisi wa chanjo ulikuwa RR sio AU, na kwamba dhana ya magonjwa adimu ya kubadilisha AU kwa RR haikufikiwa katika data zao. Kwa hivyo tafiti hizi zilikadiria kwa kiasi kikubwa ufanisi wa chanjo ya kweli katika matokeo yao. Hili si suala la kitaaluma tu, kwa sababu maamuzi ya sera ya afya ya umma ya CDC yanaweza kutolewa kutokana na matokeo yasiyo sahihi kama haya.
Imechapishwa chini ya a Ushirikiano wa ubunifu wa Commons 4.0 Leseni ya Kimataifa
Kwa machapisho mapya, tafadhali rudisha kiungo cha kisheria hadi cha asili Taasisi ya Brownstone Makala na Mwandishi.