Di seguito segnalo all’attenzione e alla riflessione dei lettori di questo blog l’articolo scritto da Jessica Rose e pubblicato sul suo Substack. Visitate il sito e valutate liberamente le varie opzioni offerte e le eventuali richieste. Ecco l’articolo nella mia traduzione. 

 

vaccino-covid (Reuters)
vaccino covid (Reuters)

 

È stato pubblicato un nuovo preprint intitolato: “Risk of Coronavirus Disease 2019 (COVID-19) among Those Up-to-Date and Not-to-Date on COVID-19 Vaccination” (Rischio di malattia da coronavirus 2019 (COVID-19) tra coloro che sono aggiornati e non aggiornati sulla vaccinazione COVID-19)1 e conclude, sulla base di un’analisi multivariata di 48.344 individui (dipendenti della Cleveland Clinic), che “coloro che non erano “aggiornati” sulla vaccinazione COVID-19 avevano un rischio inferiore di COVID-19 rispetto a quelli “aggiornati””.

Sento già gli avvoltoi del pezzo che girano e cantano: non è sottoposto a peer-review. No, non lo è, ma leggetelo comunque e chiedetevi se questo studio ha un valore. Decidete voi stessi. Forse il mio riassunto può essere d’aiuto.

Che cosa hanno fatto?

Hanno esaminato le differenze tra i “tassi di infezione” (incidenza cumulativa) con COVID-19 nei soggetti che avevano ricevuto le iniezioni bivalenti trattando il prodotto bivalente COVID-19 come una covariata dipendente dal tempo. Ciò significa che si è tenuto conto del fatto che lo stato dell’iniezione può cambiare per ogni individuo in qualsiasi momento (momento dell’iniezione) e che ad ogni iniezione (evento) lo stato attuale dell’individuo viene confrontato con i valori attuali di tutti gli altri individui che erano a rischio di COVID-19 in quel momento.

Sono stati quindi raccolti e confrontati due tassi: il tasso di incidenza per i soggetti “aggiornati” e “non aggiornati”, calcolato dividendo il numero di individui di ciascun gruppo che hanno raggiunto l’esito – COVID-19 (come determinato dal “test”) – per il numero di individui che si sono iniettati o meno.

Dalla Figura 1 del preprint si evince chiaramente che il rischio di contrarre la COVID-19 è minore se non si è aggiornati (in rosso). Con l’avanzare del tempo (dalla fine di gennaio 2023), la disparità tra i due gruppi diventa più evidente. Chi è sorpreso?

 

Figura 1 dal preprint. Simon-Makuch hazard plot che confronta l’incidenza cumulativa di COVID-19 negli stati “aggiornati” e “non aggiornati” rispetto alla vaccinazione COVID-19. Il giorno zero è il 29 gennaio 2023, giorno in cui i lignaggi XBB della variante Omicron sono diventati i ceppi dominanti in Ohio. Le stime puntuali e gli intervalli di confidenza al 95% sono sfalsati lungo l’asse delle ascisse per migliorare la visibilità. https://www.medrxiv.org/content/10.1101/2023.06.09.23290893v1.full

 

Le covariate raccolte erano l’età, il sesso, la posizione lavorativa e la precedente infezione da SARS-CoV-2. Poiché la propensione a sottoporsi al “test” per la COVID-19 può variare tra gli individui, in questo caso è stata definita come il numero di test di amplificazione degli acidi nucleici (NAAT) della COVID-19 effettuati diviso per il numero di anni di impiego presso il Cleveland Clinic Health System (CCHS) durante la pandemia.

Quando hanno stratificato la propensione a sottoporsi al test, per ogni terzile, hanno osservato che l’incidenza della COVID era maggiore nel gruppo “aggiornato” anche quando la propensione a sottoporsi al test era bassa (verde).

 

Figura 2 dal preprint. Simon-Makuch hazard plot che confronta l’incidenza cumulativa di COVID-19 negli stati “aggiornati” e “non aggiornati” rispetto alla vaccinazione COVID-19, stratificati per terzili di propensione al test per COVID-19. Il giorno zero è il 29 gennaio 2023, giorno in cui i lignaggi XBB della variante Omicron sono diventati i ceppi dominanti in Ohio. Le stime puntuali e gli intervalli di confidenza al 95% sono sfalsati lungo l’asse delle ascisse per migliorare la visibilità. Le linee solide rappresentano gli stati “aggiornati”, mentre le linee tratteggiate rappresentano gli stati “non aggiornati”. https://www.medrxiv.org/content/10.1101/2023.06.09.23290893v1.full.

 

Hanno inoltre utilizzato la regressione multivariata dei rischi proporzionali di Cox – che è un modello di sopravvivenza che mette in relazione il tempo che passa, prima che si verifichi un evento, con una o più covariate che possono essere associate a quella quantità di tempo2 – per determinare qualsiasi potenziale associazione di varie variabili con il tempo che porta alla COVID-19 (l’esito).

Secondo il modello, aggiustato per la propensione al test COVID-19, l’età, il sesso e la fase della più recente infezione da SARS-CoV-2, lo stato di “non aggiornato” è stato associato a un rischio minore di COVID-19 (HR, 0,77; 95% C.I., 0,69-0,86; P-value, <0,001), come mostrato nella tabella sfocata sottostante. Le covariate hanno influito minimamente sull’Hazard Ratio (HR) aggiustato, come si vede dal confronto tra le colonne HR non aggiustato e HR aggiustato.

 

 

In definitiva, gli autori hanno riscontrato che la precedente “infezione” (e la robusta immunità acquisita grazie a tale infezione) era deterministica per il futuro stato di COVID-19, ovvero: un rischio inferiore di COVID-19.

L’infezione è superiore all’iniezione per quanto riguarda le infezioni ripetute da COVID-19.

Non sorprende quindi che il fatto di non essere “aggiornati” secondo la definizione del CDC fosse associato a un rischio più elevato di infezione precedente da lignaggi BA.4/BA.5 o BQ, e quindi a un rischio inferiore di COVID-19, rispetto all’essere “aggiornati”, mentre i lignaggi XBB erano dominanti.

Infine, gli autori scrivono:

È ormai noto che l’infezione da SARS-CoV-2 fornisce una protezione più solida della vaccinazione.345

Sì, è noto. Era già noto prima. A mio parere, la vaccinazione può solo sperare di essere seconda all’immunità naturale.

  • I migliori scenari di vaccinazione possono prevenire l’insorgenza di sintomi gravi, quando il materiale iniettato non è più dannoso che utile per generare risposte immunitarie mirate per le situazioni di sfida.
  • I peggiori scenari di vaccinazione possono causare più danni che benefici, come sembra essere dimostrato dalle terapie basate sui geni introdotte nella popolazione umana all’inizio dell’era COVID.

Quando la medicina è più dannosa, cioè associata a una maggiore morbilità, della malattia, allora è ora di smettere di chiamarla medicina.

 

 

Note: 

1 Nabin K. Shrestha, Patrick C. Burke, Amy S. Nowacki, Steven M. Gordon. Risk of Coronavirus Disease 2019 (COVID-19) among Those Up-to-Date and Not Up-to-Date on COVID-19 Vaccination. medRxiv 2023.06.09.23290893; doi: https://doi.org/10.1101/2023.06.09.23290893.
 
2 https://en.wikipedia.org/wiki/Proportional_hazards_model
 
3 Shrestha NK, Burke PC, Nowacki AS, Terpeluk P, Gordon SM. Necessity of Coronavirus Disease 2019 (COVID-19) Vaccination in Persons Who Have Already Had COVID-19. Clin Infect Dis Off Publ Infect Dis Soc Am 2022; 75:e662–e671.
 
4 Gazit S, Shlezinger R, Perez G, et al. Comparing SARS-CoV-2 natural immunity to vaccine-induced immunity: reinfections versus breakthrough infections. 2021: 2021.08.24.21262415.
 
5 León TM, Dorabawila V, Nelson L, et al. COVID-19 Cases and Hospitalizations by COVID-19 Vaccination Status and Previous COVID-19 Diagnosis — California and New York, May– November 2021. MMWR Morb Mortal Wkly Rep 2022; 71:125–131.
 
 

Le opinioni espresse in questo articolo sono dell’autore e non riflettono necessariamente le opinioni del responsabile di questo blog. Sono ben accolti la discussione qualificata e il dibattito amichevole.


 

Sostieni il Blog di Sabino Paciolla

 






 

 

Facebook Comments