Thread by @martinapatone

Rispondo all'ottimo thread sull'immunita di gregge di @Di_SPACE_Lauro (assolutamente da leggere) e parlo un po' di efficacia del vaccino, e anche di sicurezza del vaccini (perché no?). Altro thread lungo e noioso.

https://twitter.com/Di_SPACE_Lauro/status/1430532717968510990

In inglese esistono due termini per indicare l'efficacia di un vaccino: efficacy e effectiveness. L'efficacy è la riduzione del rischio di infezione stimata in fase di sperimentazione attraverso due gruppi il più possibile simili tra loro. Si tratta di un esperimento controllato

A un gruppo si somministra il vaccino, all'altro il placebo (sostanza innocua) e si confronta il rischio di infettarsi in un gruppo con il rischio di infettarsi nell'altro. Il confronto può avvenire direttamente, dato che i gruppi sono simili.

L'effectiveness è anche una stima della riduzione del rischio di infezione dovuta al vaccino, ma questa volta viene stimata sulla populazione durante la somministrazione del vaccino. In questo caso confrontare i due gruppi è più difficile, perché non sono più uguali.

Per esempio all'inizio della campagna vaccinale l'età media del gruppo vaccinati era più alta. Anche la velocità di diffusione del virus cambia. In questo caso, il confronto diretto non porta a risultati sensati e bisogna utilizzare altri metodi (magari ne parlo un'altra volta).

In entrambi i casi si vuole misurare una riduzione del rischio di infezione dovuta al vaccino. Ma come si misura l'infezione? Beh, dipende dalla definizione che stiamo usando, che a sua volta dipende dallo studio che vogliamo fare, i dati a disposizione etc.

Nel trial di Pfizer, l'infezione è definita come combinazione di tampone positivo e almeno uno dei sintomi più comuni della COVID-19 (la famosa efficacia del 95%). Si è parlato di efficacia contro infezione grave (ospedalizzazioni) ma non c'erano abbastanza casi: 10 di cui 1 vax

In fase di sperimentazione, è il ricercatore stesso a decidere cosa misurare, può far testare i partecipanti e controllare quali sintomi hanno avuto. Diverso il caso degli studi osservazionali (per stimare l'effectiveness), dove si lavora con i dati che si hanno a disposizione.

Possono esserci almeno tre definizioni di infezione: asintomatico, sintomatico non grave, sintomatico grave. Identificare i casi asintomatici non è facile: si possono usare i tamponi, ma così si rischia di non osservare gli asintomatici che non si sono testati.

Assumendo che chi ha sintomi faccia il test, allora può sembrare più facile identificare sintomatici non gravi. Ma senza sapere esattamente quali sintomi la persona ha avuto si rischia di includere un po' tutti. E un registro contente sintomi leggeri non è facile da ottenere.

Più facile è identificare sintomatici gravi. Si tratta di quei pazienti che necessitano di cure ospedaliere e vengono perciò registrati con criterio da personale qualificato. Quando si parla di effectiveness, far riferimento a casa gravi porta a risultati più accurati.

Tutto questo per dire che esistono due dimensioni fondamentali di uno studio statistico: 1 il campione - quale parte della popolazione viene osservata e come; 2 la misura - come identifichiamo e misuriamo il fenomeno che vogliamo studiare.

In entrambe le dimensioni possiamo commettere una serie di errori che portano a stime imprecise. Obiettivo è ridurre questi errori il più possibile, scegliendo un campione adeguato e una definizione accurata e misurabile del fenomeno sotto studio.

Finisco con un esempio di cosa non dovrebbe essere fatto: i sondaggi informali di Borghi per studiare le reazioni avverse ai vaccini. In quel caso, il campione non era adeguato (non approfondiamo) e la definizione di reazione avversa soggettiva, non misurabile e poco accurata.

Meglio sarebbe usare dati sulle ospedalizzazioni o morti con cause specifiche, come si fa nella maggior parte degli studi sulla sicurezza dei vaccini. E no, nemmeno le yellow cards o le segnalazioni dell'Aifa, che tanto preoccupano per la loro inesattezza.