Thread by @FredyNeeser

UPDATE: Wie gut sind unsere Impfstoffe? Wie ermittelt man die #Wirksamkeit zuverlässig? Welche Daten benötigt man, um Störfaktoren zu eliminieren? Wie kann die 🇨🇭 ihre Datenlage verbessern?
Ein 🧵 zur #Vaccine #Effectiveness (VE) vs. #DeltaVariante, Fokus Schutz vs. Infektion. 1/

Wie war dein #Infektionsrisko in Woche 33?
Beispiel: Du bist 20-29 und hattest eine durchschnittliche # Kontakte. Falls #ungeimpft, war deine 7-Tages-Infektionswahrscheinlichkeit 2%. 🙄
PS: Berechnet mittels BAG-Daten und VEs aus [9].
Siehe 10/ für Referenzen. 2/

Für eine unverfälschte Ermittlung der #Impfstoffwirksamkeit (VE) muss man den #Impfstatus von Fällen (positiver PCR-Test) wie auch von Nicht-Fällen (negativer PCR-Test) kennen. Leider fehlen uns dazu wichtige Daten (im Slide rot markiert).
@BAG_OFSP_UFSP ? 3/

Dieses Slide zeigt, dass der Impfstatus von Cases und Controls inkl. Anzahl Dosen erhoben werden sollte, separat für #BioNTech und #Moderna.
Doch wenn uns Impfstatus-Daten fehlen, können wir von Ländern lernen, welche die VEs in Studien schon bestimmt haben [9]! 🙃 4/

Wichtige Daten zur Bestimmung der VE vs. Infektionen fehlen. Für die VE vs. Hospitalisierung ist die Datenlage besser, da der Impfstatus dort von Ärzt:inn:en erhoben wird.
Doch mit einem Trick kann man die fehlende Verteilung der CH-Fallzahlen vs. Alter/Impfstatus berechnen!💡 5/

Slide für „Case 1: Altersabhängige VE-Startwerte“ beschreibt die verwendeten Parameter (1/2). 6/

Slide für „Case 1: Altersabhängige VE-Startwerte“ visualisiert die Parameter (2/2).
Gezeigt werden die VEs gegen Infektion mit Delta, für 1 bzw. 2 Dosen [9], sowie die geschätzten, altersabhängigen Dunkelziffern [7]. 7/

Resultate für „Case 1“:
Oben: Fallverteilung nach Alter und Impfstatus. Personen #imGrünenBereich profitieren von einem zusätzlichen Schutz gegen Hospitalisierung.
Unten: Impffortschritt nach Alter
Tabellen: Zeigen die Unvollständigkeit der BAG-Daten. 8/

Resultate für „Case 1“:
Oben: Fallverteilung (laborbestätigt) nach Alter und Impfstatus.
Unten: Fallverteilung (inkl. #Dunkelziffer-Anteil) nach Alter und Impfstatus. 9/

Referenzen. 10/

Ein Baummodell (1/2) für die Freunde der Wahrscheinlichkeit 😉: Zeigt die Statistiken, die sich aus den PCR-Tests gewinnen lassen, inkl. relativem Risiko und VE für v = 1, 2. 11/

Baummodell (2/2): Beschreibung des Zufallsexperiments „K PCR-Tests“, mit Cases und Non-Cases.
Die Verteilung q(v) ist nicht genau bekannt. Deshalb reichen die Daten y(2) sowie y(0) des @BAG_OFSP_UFSP nicht aus für eine unverfälschte VE-Berechnung. 12/

2022: #Omikron-Wellen korrelieren mit deutlicher Übersterblichkeit (BFS-Daten)
Behörden/Teile der Bevölkerung verstehen #Langzeitrisiken vergangener #COVID19-Erkrankungen nicht, weil der #Impfstatus bei PCR-Tests immer noch nicht systematisch erfasst wird.

@threadreaderapp please unroll