Ein🧵zur Ermittlung der CH-#Impfstoffeffizienz (Vaccine Effectiveness, VE) vs. #Covid_19. Es ist wichtig, aus Daten des @BAG_OFSP_UFSP die VE verlässlich bestimmen zu können, nach Altersklasse, Impfstoff und Impfstatus (1/2 Dosen). Slide 1/2 veranschaulicht Problem+Methode. 1/
Die VE sollte pro Altersklasse (AK) ermittelt werden, denn (i) schwindet die VE mit der Zeit und (ii) schwindet sie schneller in höheren AK, wie hier gezeigt wird:
Zudem begann das Abklingen der VE bei höheren AK wegen der #Impfreihenfolge schon früher. 2/
Obige Studie zeigt auch, dass #Biontech gegen #Covid_19 mit #Delta sehr gut schützt, nämlich mit einer VE von 80% (84% gegen stärkere Infektionen). #ImpfenSchuetzt! 3/
Für eine unverfälschte Estimation der VE pro AK reichen die auf opendata.swiss publizierten Daten nicht aus. Slide (2/2) zeigt, dass der Breakdown von #Covid19Cases nach #Impfstatus und AK nicht genügt. Benötigt werden auch die Non-Cases nach Impfstatus und AK. 4/
Der Datensatz COVID19Cases_vaccpersons_AKL10_w beinhaltet die Cases/Woche von (vollständig?) #geimpft-en Personen, d.h. den Count y(2) für jede AK. Was jedoch fehlt ist ein COVID19NonCases_vaccpersons_AKL10_w für den Count z(2). 5/
COVID19Cases_vaccpersons_AKL10_w enthält ein Feld ‚vaccine‘. Aktuell sind nur Counts für ‚vaccine = all‘ vorhanden. Wünschenswert wäre jedoch eine Aufschlüsselung nach #Moderna und #Biontech. Zudem wären separate Counts für ‚doses = 1‘ und ‚doses = 2‘ sehr nützlich. 6/
Ohne nationales Impfregister ist die korrekte Erhebung des #Impfstatus erschwert. #PCR_tests mit fehlendem/unvollständigem Impfstatus (data_completeness = limited) können VE-Berechnungen verfälschen & sollten aus Breakdowns vs. Impfstatus entfernt werden, in Cases & Non-Cases. /7
Eine mögliche Verfälschung der Daten durch Kombination von positiven Antigen-Schnelltests mit nachfolgenden #PCR_tests ist in dieser Analyse nicht berücksichtigt. Allfällige Hinweise/Ideen, ob und wie eine solche Verfälschung vermieden werden kann, nehme ich gerne entgegen. 8/
• • •
Missing some Tweet in this thread? You can try to
force a refresh
1/ 🧵 für #Transparenz betr. abnehmendem #Impfschutz.
Bei steigender Impfdurchbruch-Rate in allen Altersklassen ist es sehr unglücklich, dass das @BAG_OFSP_UFSP nicht alles unternimmt, den #Impfstatus von PCR-getesteten Personen systematisch zu erfassen.
2/ In meinem Schreiben ans #BAG vom 23.08.2021 hatte ich auf die desolate Datenlage bei der Erhebung von Impfdurchbrüchen hingewiesen und davor gewarnt, bez. #ImpfstoffEffizienz ein allzu rosiges Bild zu malen.
3/ Mein Schreiben enthielt eine „Analyse der CH-Fallzahlen vs. Alter, Impfstatus und Vaccine Effectiveness“, welche in diesem (Thread) beschrieben wurde:
2/ Beispiel-Szenario 1A: Retrospektives Expositionsrisiko für Veranstaltung in Woche 34, mit 80 Personen ohne #Zertifikatspflicht, Verteilung nach Impfstatus gemäss Impfdaten.
Totales Expositionsrisiko 25.6% (1:4 Risiko! 🤦♂️), davon 21.5% durch #Ungeimpfte.
3/ Die Figur zeigt, dass an der Veranstaltung teilnehmende 'Persons' von vergangenen Tagen (Zeitfenster von T_ptc + 1 Tagen) je einen Risikobeitrag für eine unerkannte #Neuinfektion mitbringen. Nur der #Dunkelziffer-Anteil spielt hier eine Rolle.
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/