di Sabino Paciolla

 

Per anni il dato è stato ripetuto come un mantra: “Il vaccino Pfizer è efficace al 95%”.

Una cifra semplice, rassicurante, potentissima sul piano comunicativo. Una percentuale accattivante che ha spinto milioni e milioni di persone ad abbracciare la campagna vaccinale contro il COVID. Si stima infatti che circa 5,65 miliardi di persone abbiano ricevuto almeno una dose di vaccino contro il COVID-19.

Ma che cosa significava realmente quel 95%? E soprattutto: al pubblico fu spiegato in modo sufficientemente chiaro?

È da questa domanda che parte, in sostanza, la relazione del professor Bruno Cheli, docente di Statistica economica all’Università di Pisa, ascoltato l‘8 settembre 2026 dalla Commissione parlamentare d’inchiesta sulla gestione dell’emergenza Covid.

Il cuore del suo intervento non è una contestazione ideologica della vaccinazione, ma una critica alla qualità dell’informazione statistica diffusa durante la pandemia: come furono costruiti i dati, quali indicatori vennero privilegiati, quali categorie furono utilizzate e, soprattutto, quale immagine dell’efficacia e della sicurezza dei vaccini ne derivò.

Cheli ha presentato alla Commissione le conclusioni di uno studio pubblicato nel 2026 su F1000Research, nel quale lui e gli altri autori sostengono che errori metodologici, omissioni e modalità di rappresentazione abbiano operato prevalentemente nella direzione di sovrastimare i benefici e sottostimare i rischi dei vaccini Covid. Chi sono i responsabili di questi errori? A parere di Cheli sono stati gran parte della stampa, esperti che hanno ricevuto visibilità mediatica e anche i soggetti istituzionali deputati alla raccolta, elaborazione e diffusione dei dati.

Inoltre, tutti questi errori metodologici o mancata correttezza informativa andavano, secondo Cheli, di fatto in direzione del sostegno della campagna vaccinale di massa.

Una conclusione pesante. Ma proprio per questo vale la pena entrare nei numeri.

Per correttezza informativa, occorre indicare che allo studio, durato cinque anni, hanno partecipato anche il prof. Paolo Bellavite, molto noto su questo blog (già professore di Patologia Generale presso le università di Padova e Verona), Rachele Foschi (Università di Pisa), Alessandro Bagnato (Independent Researcher), Mario Gregori (Independent Researcher), Giovanni Trambusti (Independent Researcher) e Alberto Donzelli (Fondazione Centro Studi Allineare Sanità e Salute, Milano).

 

Quel 95% che tutti ricordano

Per spiegare meglio quella famosa percentuale, andiamo direttamente al trial, quello che si diffuse maggiormente ed è più conosciuto.

Occorre però fare una premessa. La popolazione nel suo complesso è formata da persone che, in presenza di un virus, si ammaleranno e da coloro che invece non si ammaleranno. I primi sono una piccola percentuale della popolazione.

Di seguito parleremo di due tipi di rischio:

  1. rischio relativo: si riferisce alla riduzione del rischio di ammalarsi per i soli soggetti suscettibili di ammalarsi;
  2. rischio assoluto: si riferisce all’intera popolazione, a prescindere da quelli che si ammaleranno e da coloro che comunque non si ammaleranno.

Il trial Pfizer registrò, nell’analisi principale, 162 casi di Covid sintomatico nel gruppo placebo e 8 nel gruppo vaccinato, su circa 18 mila persone per ciascun gruppo, quello dei vaccinati e quello dei non vaccinati.

Da questi numeri si ottiene effettivamente una riduzione del rischio relativo per coloro che sono suscettibili alla malattia, cioè per coloro che sono stati sintomatici al COVID. Il valore è pari a circa il 95%.

 

Il dato è corretto.

Il problema nasce quando quel 95% viene trasformato, nella comunicazione pubblica, nell’idea intuitiva che il vaccino “protegga al 95%”.

Non è esattamente questo che mostrava lo studio Pfizer.

Per capire la differenza, basta riportare gli stessi dati su due gruppi immaginari di 10.000 persone.

Nel gruppo placebo (i non vaccinati) il rischio osservato di Covid sintomatico era circa:

162 / 18.325 = 0,884%

cioè circa 88 casi ogni 10.000 persone.

Nel gruppo vaccinato:

8 / 18.198 = 0,044%

cioè circa 4 casi ogni 10.000 persone.

La riduzione relativa è quindi:

(0,884% − 0,044%) / 0,884% ≈ 95%.

Ma la riduzione assoluta è:

0,884% − 0,044% = 0,84 punti percentuali, cioè meno dell’1%.

Gli stessi dati, dunque, possono essere espressi in due modi:

riduzione del rischio relativo: 95% (ma si riferisce solo a coloro che si sarebbero comunque ammalati)

oppure:

riduzione del rischio assoluto: 0,84% (si riferisce all’intera popolazione, a prescindere dalla suscettibilità ad ammalarsi o meno).

Entrambe le cifre sono vere.

Ma producono nel pubblico una percezione molto diversa.

In termini concreti, nei 10.000 soggetti dell’esempio si passa da circa 88 casi sintomatici a circa 4.

Da qui deriva anche il cosiddetto Number Needed to Vaccinate (NNV): nelle condizioni e nella durata del trial era necessario vaccinare circa 119 persone per evitare un caso di Covid sintomatico.

A questo punto sorge spontanea la domanda: perché nella comunicazione pubblica fu comunicato quasi esclusivamente il 95%, mentre la riduzione assoluta del rischio e il NNV rimasero sostanzialmente fuori dalla narrazione corrente?

Per uno statistico la differenza tra rischio relativo e rischio assoluto non è una sottigliezza. È materia elementare.

Per il cittadino comune, invece, può cambiare completamente la percezione del beneficio. Comunicando al pubblico solo la percentuale del 95%, il cittadino è indotto a pensare che vaccinandosi avrà una protezione dalla malattia del 95%, cosa non vera, in quanto saranno solo coloro (pochi) che sono predisposti ad ammalarsi a vedere il loro rischio ridotto del 95%. Tutti gli altri (la stragrande maggioranza), poiché comunque non si sarebbero ammalati, non avranno alcun beneficio a vaccinarsi.

Ed è proprio qui che la statistica smette di essere un tecnicismo e diventa strumento per sostenere una comunicazione politica e sanitaria.

 

Lo studio Pfizer mostrava meno Covid sintomatico. Ma non meno morti per tutte le cause

C’è poi un altro dato che raramente entrò nel dibattito pubblico.

Nel follow-up dello studio di Pfizer a sei mesi, durante la fase controllata, si registrarono 15 decessi nel gruppo vaccinato e 14 nel gruppo placebo.

In pratica, nessuna differenza sostanziale. Dal punto di vista statistico non era significativo, cioè non indicava se il vaccino riducesse la mortalità.

I numeri sono troppo piccoli, e troppo simili, per trarre una conclusione del genere.

Ma dimostra una cosa precisa: il trial che mostrava una forte riduzione dei casi sintomatici non dava indicazioni statisticamente significative sulla riduzione della mortalità per tutte le cause.

Sono due endpoint diversi.

E anche questa distinzione avrebbe meritato di essere diffusa. E invece nei media di questo fatto non si parlò affatto. Anzi: con la comunicazione della sola percentuale della riduzione del 95% si diede l’impressione implicita che si ottenesse anche una conseguente riduzione del rischio di morire.

A complicare ulteriormente le cose intervenne poi il progressivo “unblinding” dello studio di Pfizer: dopo l’autorizzazione, anche ai partecipanti del gruppo placebo fu offerto il vaccino.

E cosa successe? Avvenne che, tra coloro che prima facevano parte del gruppo non vaccinato e che poi vennero vaccinati, vi furono dei morti.

Nel complesso, vi furono più morti tra coloro che si vaccinarono.

Da quel momento il confronto randomizzato a lungo termine tra vaccinati e non vaccinati cominciò inevitabilmente a dissolversi.

Pertanto fu nei fatti creato un problema metodologico enorme: eliminando progressivamente il gruppo placebo (i non vaccinati), si ridusse la possibilità di osservare differenze a lungo termine sulla mortalità e sugli eventuali effetti avversi tardivi nei due gruppi (vaccinati e non vaccinati).

 

La regola dei 14 giorni

Un altro punto centrale della relazione di Cheli riguarda quella che potremmo chiamare la regola dei 14 giorni.

In alcune analisi dell’ISS, una persona che aveva ricevuto la prima dose da meno di 14 giorni poteva essere classificata insieme ai non vaccinati, perché si riteneva che non avesse ancora sviluppato una risposta immunitaria sufficiente.

Dal punto di vista della protezione dal Covid, il ragionamento può avere una logica.

Ma bisogna evitare di confondere due problemi completamente diversi.

Una persona vaccinata ieri può non essere ancora immunizzata contro SARS-CoV-2.

Ma è già stata esposta agli effetti collaterali del vaccino COVID, un prodotto che aveva ottenuto l’autorizzazione dopo una sperimentazione clinica di soli 2 mesi. Un tempo spaventosamente breve rispetto a quanto richiesto in precedenza per i normali vaccini pre-COVID. Infatti, per questi ultimi la fase di sviluppo e sperimentazione clinica poteva raggiungere i 10-15 anni.

E questo è decisivo quando si parla di sicurezza.

Se una persona sviluppa una reazione avversa nelle prime 24 o 48 ore, cosa avvenuta realmente nella stragrande maggioranza dei casi, non ha senso trattarla come se, dal punto di vista biologico, fosse “non vaccinata” solo perché l’immunità specifica non ha ancora avuto il tempo di svilupparsi.

 

L’esposizione e l’immunizzazione sono due cose diverse.

Anche sul piano dell’efficacia osservazionale la classificazione può creare distorsioni.

Se una persona riceve il vaccino, si ammala gravemente cinque giorni dopo e viene conteggiata nel gruppo dei “non vaccinati”, quell’evento finisce per aumentare il numeratore del gruppo di riferimento e contemporaneamente scompare dal gruppo vaccinato.

Questo può rendere il vaccino apparentemente più efficace.

Quanto incida realmente questa distorsione non può essere stabilito senza microdati, denominatori corretti e tempo-persona.

Ma il problema concettuale è evidente.

Una classificazione più trasparente sarebbe stata:

  • mai vaccinati
  • vaccinati da 0 a 13 giorni
  • vaccinati da almeno 14 giorni.

Tre gruppi distinti.

Non due.

Gli eventi avversi e le prime 48 ore

Ed è proprio parlando di sicurezza che la questione diventa ancora più delicata.

I rapporti AIFA mostrano che una parte consistente degli eventi avversi segnalati si verificava nei primi giorni dopo l’inoculazione.

Questo non significa che ogni evento fosse causato dal vaccino.

La causalità va studiata. Non presunta. Ma neppure esclusa a priori.

La temporalità, da sola, non dimostra la causalità. Ma se la stragrande maggioranza degli eventi avversi avviene nelle prime 24 e 48 ore, diventa difficile non attribuire quegli eventi avversi all’iniezione del vaccino.

Quindi, un evento che si verifica poche ore dopo l’iniezione non può essere scartato dal punto di vista della farmacovigilanza solo perché non sono trascorsi 14 giorni.

 

Il limite della farmacovigilanza passiva

Cheli insiste molto anche sulla differenza tra farmacovigilanza passiva e sorveglianza attiva.

Nel primo caso l’evento entra nel database solo se qualcuno lo segnala.

Un medico.

Un paziente.

Un familiare.

Se nessuno segnala, l’evento statisticamente non esiste nel sistema.

Si può immaginare che il cittadino medio si metta facilmente a segnalare gli eventi avversi sul portale sanitario in un momento delicato? Difficile. Si può immaginare che il medico, che in quel periodo neanche visitava i pazienti, si mettesse facilmente a segnalare i casi di eventi avversi sul portale sanitario? Difficile.

Questo significa che il numero delle segnalazioni spontanee non può essere considerato automaticamente come il numero reale degli eventi avversi.

La farmacovigilanza attiva funziona in modo diverso: i soggetti vengono seguiti e interrogati sistematicamente.

È inevitabile che intercetti molti più eventi.

Ed è qui che la comunicazione diventa nuovamente cruciale.

Dire che le reazioni gravi sono “18 ogni 100.000 dosi” non significa necessariamente che solo 18 eventi gravi ogni 100.000 siano realmente avvenuti.

Significa che quel numero è emerso da quel particolare sistema di sorveglianza passiva.

Sono cose diverse.

 

Morti osservate e morti attese

Uno dei punti tecnicamente più interessanti della relazione del prof. Cheli riguarda il confronto fra decessi “osservati” e “attesi”.

Il principio è semplice.

Se voglio sapere se dopo una vaccinazione si verifica un eccesso di mortalità, devo confrontare tutti i decessi realmente avvenuti tra i vaccinati in una certa finestra temporale con quelli statisticamente attesi in una popolazione comparabile.

Ma che cosa succede se nel numeratore degli “osservati” inserisco soltanto i decessi che sono stati segnalati alla farmacovigilanza?

Ottengo un confronto asimmetrico:

  • da una parte tutti i decessi statisticamente attesi;
  • dall’altra solo quelli effettivamente segnalati.

Cheli contesta proprio questo metodo.

Il suo rilievo è forte: se i due numeri sono costruiti in modo diverso, il confronto può essere fuorviante.

Anche un grafico può orientare la percezione

Cheli dedica una parte della relazione persino alla rappresentazione grafica.

Può sembrare un dettaglio.

Non lo è.

Un dato può essere numericamente corretto ma rappresentato visivamente in modo da apparire meno importante e, di fatto, fuorviante.

La dimensione di una bolla, la scala scelta, l’area utilizzata, la proporzione visiva fra eventi gravi e non gravi possono modificare profondamente la percezione di chi guarda.

Cheli contesta proprio alcune rappresentazioni AIFA nelle quali, a suo giudizio, la componente degli eventi gravi risultava visivamente minimizzata. E questo errore di rappresentazione visiva si è verificato costantemente nei primi rapporti.

Il tema torna sempre allo stesso punto: non basta che il numero sia formalmente presente; conta anche come viene mostrato. Ed è molto strano che un soggetto istituzionale commetta questo grave errore in tutti i primi rapporti.

 

E poi c’è tutto ciò che il vaccino non può spiegare da solo

A questo quadro va aggiunto un problema ancora più grande.

Durante la pandemia cambiava tutto contemporaneamente.

Cambiavano le varianti.

Cambiava l’età media dei contagiati.

Cresceva l’immunità naturale.

Cambiavano le terapie.

Cambiavano i criteri di ricovero.

Cambiava la pressione sugli ospedali.

Arrivavano corticosteroidi, anticoagulanti, anticorpi monoclonali, antivirali.

Migliorava l’esperienza clinica.

Per questo è metodologicamente debole osservare che in un certo periodo i vaccinati morivano meno e attribuire automaticamente tutta la differenza alla vaccinazione.

Potrebbe essercene una quota.

Anche importante.

Ma per stimarla bisogna separarla da tutte le altre variabili.

Lo stesso vale per la gestione domiciliare.

Diversi studi osservazionali italiani hanno riportato una drastica riduzione dei ricoveri in pazienti trattati precocemente a casa secondo protocolli differenti dalla gestione standard, il cosiddetto protocollo “Tachipirina e vigile attesa”.

Ciò mostra una cosa che non dovrebbe essere dimenticata: l’esito della malattia dipendeva anche da come e quando il paziente veniva curato.

La mortalità Covid non è una variabile isolata dalla medicina che il paziente riceve.

A tal proposito occorre ricordare la relazione tecnica della dottoressa Simona Amato, consegnata nel luglio 2026 alla Commissione parlamentare d’inchiesta sulla gestione dell’emergenza COVID-19.

La consulente esprime una valutazione critica delle indicazioni ministeriali per la gestione domiciliare della malattia, contenute nelle circolari del 30 novembre 2020 e del 26 aprile 2021. In particolare, sostiene che l’impostazione incentrata su paracetamolo e vigile attesa possa aver contribuito al peggioramento clinico dei pazienti, con possibili conseguenze anche sulla mortalità.

 

Il caso Szarfman e la FDA

A rendere ancora più delicata la questione della sorveglianza arriva dagli Stati Uniti il caso di Ana Szarfman, statistica della FDA, l’Agenzia che negli USA autorizza i farmaci, esperta nell’analisi automatizzata dei segnali di farmacovigilanza (vedi qui e qui). Di questo il prof. Cheli non parla nella sua audizione. Lo aggiungo io per completezza di informazione sull’abuso o non uso dei dati. 

Documenti interni emersi nel 2026 mostrano che Szarfman aveva applicato ai dati VAERS un metodo statistico che, a suo giudizio, riusciva a far emergere segnali che il sistema utilizzato fino ad allora dalla FDA non rilevava adeguatamente. E si parlava di miocarditi, pericarditi e morti improvvise.

Una email interna di Peter Marks, allora direttore del CBER della FDA, riferisce che a Szarfman era stato chiesto di interrompere quelle analisi e di fare un passo indietro, in quanto i suoi risultati avrebbero potuto alimentare la retorica antivaccinale.

È un documento importante, che ci dice che la priorità essenziale in quel momento per le autorità era la vaccinazione di massa, e che si preferì non dare ascolto a un esperto che aveva acceso la lampadina d’allarme sugli eventi avversi, anche gravi, connessi a quella vaccinazione e che non venivano rilevati dai metodi utilizzati.

 

Il punto vero della relazione di Cheli

Il pregio maggiore dell’intervento di Cheli sta forse nel riportare la discussione là dove avrebbe dovuto restare fin dall’inizio.

Esso obbliga a porre domande che durante l’emergenza spesso venivano liquidate come sospette:

  • Perché fu comunicato quasi sempre il rischio relativo e non quello assoluto?
  • Perché i vaccinati recenti vennero in alcuni casi aggregati ai non vaccinati?
  • Quanto poteva rilevare realmente una farmacovigilanza prevalentemente passiva?
  • Era corretto confrontare morti segnalate con morti statisticamente attese?
  • Quanto dei cambiamenti nella mortalità dipendeva dai vaccini e quanto da terapie, varianti, immunità naturale e pressione ospedaliera?
  • Perché il gruppo placebo dei trial venne progressivamente vaccinato, riducendo la possibilità di un confronto a lungo termine?

Il prof. Cheli fa sorgere tutte queste domande, ma rileva anche un fatto concreto: tutti gli errori metodologici, anche gravi, e tutte le comunicazioni parziali andavano nella direzione di sostenere una politica sanitaria indirizzata alla vaccinazione totale della popolazione.

 

La vera questione è la fiducia

Alla fine tutto torna alla fiducia.

La fiducia nelle istituzioni scientifiche non nasce chiedendo ai cittadini di non fare domande. Nasce rendendo possibile farle.

Non nasce selezionando l’indicatore statisticamente più impressionante per promuovere la vaccinazione di massa contro il Covid. Nasce mostrando tutti gli indicatori necessari a comprendere il fenomeno e a informare il pubblico sulla reale efficacia e sicurezza dei vaccini.

Non nasce minimizzando l’incertezza. Nasce dichiarandola.

Non nasce sostenendo che un evento avverso, persino un decesso, avvenuto dopo una vaccinazione non sia automaticamente causato dal vaccino, e facendo così in modo che quegli eventi scompaiano dalle statistiche.

Cheli sostiene che gli errori individuati nel suo lavoro abbiano avuto quasi tutti la stessa direzione: benefici sovrastimati, rischi sottostimati. È una tesi grave, che merita di essere approfondita punto per punto: lo impone il dovere di tutelare la salute pubblica.

Dopo anni di polemiche, la domanda più importante non è più chi avesse ragione nel 2021. È molto più semplice: i cittadini furono messi nelle condizioni di capire davvero i numeri su cui venivano prese decisioni che riguardavano la loro salute e la loro libertà?

È su questo che la Commissione Covid è invitata a proseguire la propria indagine. Lo chiedono i cittadini.

 

 

Sostieni il Blog di Sabino Paciolla

 






 

 

Facebook Comments