К публичной полемике о «росте» случаев заболеваний и смертей в результате массового вакцинирования от ковида

[СКАЧАТЬ PDF]

В российской публичной полемике о необходимости массовой вакцинации в борьбе с эпидемией Ковида и QR-кодов, как методе мотивации народа к вакцинации, в массовое сознание вбрасываются утверждения со ссылками на якобы существующие доказательства о том, что вакцинация увеличивает число случаев заболеваний и смертей. С целью проверки этих общественно опасных утверждений проведены расчеты причинно-следственной связи количества вакцинированных и числа случаев заболеваний, числа смертей от Ковида и тяжелых случаев течения болезни на массиве статистики по 222 регионам мира.

ВВЕДЕНИЕ

В российской национальной практике борьбы с эпидемией Ковида путем массовой вакцинации и мер мотивации населения к вакцинации (QR-коды) наблюдается опасное общественно-политическое явление. Некоторые, общественно значимые в науке, политике, культуре фигуры, СМИ раздувают в общественном мнении убеждение в том, что вакцинация ведет к росту случаев заболеваний и смертей от Ковида. Это подрывает эффективность борьбы с эпидемией, порождает дополнительные возможности для мутации штамма Ковида, отвергает население от вакцинации, тем самым, в действительности, увеличивает количество заболеваний и смертей. Разыгрывается карта политической дестабилизации в стране. Общество «мобилизуют» на борьбу не с эпидемией, а с противоэпидемическими мероприятиями. Возникает общественно опасное массовое явление.

МЕТОДИКА

Для научно ответственного ответа на вопрос, есть ли связь между вакцинацией и распространением коронавируса, проведен статистический анализ опыта мира на массиве 222 стран мира. Статистические данные заимствованы из источника [1].

Проверялись следующие, естественные для практик вакцинирования гипотезы.

Гипотеза 1. Вакцинирование приводит к снижению новых случаев заболевания.

Гипотеза 2. Вакцинирование приводит к снижению количества смертей от коронавируса.

Гипотеза 3. Вакцинирование приводит к снижению количества пациентов в отделениях интенсивной терапии (реанимации).

Использовались два статистических метода верификации причинно-следственной связи. Во-первых, вычисление двух коэффициентов корреляции (Пирсона) между вакцинацией и случаями заболеваний и смертей. Но, в отличие от традиционной формулы применялся модифицированный метод вычислений [2]. Причина всегда происходит раньше следствия. Вакцинация всегда активирует иммунную систему организма человека с временной задержкой. Поэтому коэффициент корреляции вычислялся с лагом времени, который задавался как сдвиг по шкале времени статистического временного ряда числа вакцинированных, как в отрицательную сторону, так и в положительную. Такой подход позволяет точно установить направление причинно-следственной связи. А само значение коэффициента корреляции дает силу этой связи.

Во-вторых, применялся метод построения регрессионного уравнения, которое устанавливает аналитическое выражение для связи числа вакцинаций и случаев заболеваний, смертей и тяжелых случаев. Это даже более прозрачный и убедительный метод выявления причинной направленности и силы связи явлений причина-следствие. Подобные расчеты зарубежных ученых корреспондируют с полученными в настоящей работе результатами [3–7].

РЕЗУЛЬТАТЫ

Для первоначальной оценки связи между вакцинацией, заболеваемостью и смертностью построены коэффициенты корреляции, которые можно увидеть на рис. 1.

Рис. 1. Коэффициент корреляции числа вакцинированных (ряд сдвигается по шкале времени) и числа случаев новых заболеваний (1), числа смертей (2)

Для подсчета использованы ежедневные данные по всему миру из источника [1], а именно, следующие. 1. Новые случаи заболеваний на 1 млн человек. 2. Новые случаи смерти на 1 млн человек. 3. Количество полностью вакцинированных людей на 100 человек.

Корреляции подсчитаны по выборке с начала пандемии по 05.12.2021. Горизонтальная ось отображает лаг времени, с которым взят временной ряд количества вакцинированных людей. Например, точка «-15» означает, что ряд количества вакцинированных сдвинут на 15 дней назад по сравнению с рядом новых заболеваний и смертей, а точка «+15» означает, что ряд вакцинированных сдвинут на 15 дней вперед. Соответственно, каждая точка на кривой (1) отображает корреляцию между количеством полностью вакцинированных и новыми случаями заболевания, если ряд вакцинированных сдвинут во времени назад или вперед. В нуле оба ряда синхронизированы в один и тот же момент времени (обычный метод вычислений). Кривая (2) отображает корреляцию между количеством полностью вакцинированных людей и количеством новых смертей для разных лагов ряда вакцинированных.

Как можно увидеть из рис. 1, обе кривые находятся ниже нуля, что означает, что оба показателя корреляции всегда отрицательны вне зависимости от сдвига ряда вакцинированных. Другими словами, всегда и без исключений на опыте мира вакцинация ведет к уменьшению количества заболеваний и смертей. Особенно важно, что отрицательная корреляция наблюдается именно для сдвинутого по времени ряда вакцинированных, что показывает причинно-следственную связь между вакцинированием и снижением заболеваемости и смертности [*]. При этом метод настолько чувствителен, что даже показывает с какой задержкой по времени вакцинация максимально эффективна. Лаг времени составляет 20–25 дней. Задержка, вполне согласующаяся с временем формирования в организме человека иммунного ответа.

Поскольку значения корреляции на кривой (1) слева от нуля находятся в диапазоне между -0,1 и -0,2, можно утверждать, что существует небольшая отрицательная (но никогда нет положительной связи) связь между вакцинированными и заболеваниями. Слабая связь может объясняться тем, что вакцинация не дает 100% защиты от вируса (согласно описаниям производителей вакцин, эффективность колеблется от 60 до 95%, и может снижаться с появлением новых модификаций вируса). Кроме того, важен вопрос о размытии связи из-за неполной достоверности диагностирования Ковида. В нее может вмешиваться человеческий фактор, связанный с государственными дотациями врачебной системе в случае Ковида.

Что представляется наиболее важным — так это явное и сильно связанное в цепочке связей (вакцинация, как причина — снижение смертности, как следствие) сокращение летальных исходов. Как видно из рис. 1, кривая (2) слева находится в диапазоне значений корреляции между -0,5 и -0,6, что указывает на достаточно высокую отрицательную связь между количеством вакцинированных и количеством случаев смерти от коронавируса.

Итак, модифицированный корреляционный анализ опыта 222 стран мира убедительно показывает, что вакцинация является фактором снижения случаев заболеваний и смертей.

Для более точного и наглядного анализа были оценены линейные регрессии [**] по панельным данным из вышеупомянутого источника [1]. Преимущество данного подхода заключается в том, что в нем учитываются различия между странами, временными периодами, есть возможность проконтролировать другие факторы, которые могут приводить к снижению заболеваний для более точного определения эффекта вакцинации и т. д. Для этого были взяты данные по трем вышеописанным показателям и для случаев тяжелого протекания болезни по 222 странам мира за период с 2020 года по 05.12.2021. Начало периода для каждой страны отличается, поскольку вакцинацию стали вводить в разных странах в разные моменты времени. Соответственно, для каждой страны длина выборки различается.

Кроме того, рассмотрен дополнительный показатель: количество пациентов в отделениях интенсивной терапии на 1 млн человек. Данный показатель не был рассмотрен при расчёте коэффициентов корреляции, поскольку по нему нет данных для мира в целом, но есть данные для нескольких отдельных стран. Оценены три регрессии, в которых b (бета) — это коэффициент, показывающий как вакцинирование влияет на заражения ковидом, смертность и количество пациентов в отделениях интенсивной терапии. Коэффициент бета является более точным аналогом коэффициента корреляции, рассчитанного ранее.

Для регрессии 1 был взят натуральный логарифм новых случаев смерти для упрощения интерпретации оценки беты в процентах. В регрессиях включен Индекс строгости (Stringency Index), поскольку он является важным фактором замедления заражений и смертности от коронавируса. Его эффект делает оценку коэффициента беты более точной. Индекс Строгости включен с лагом в 30 дней, поскольку можно предположить, что введение ковидных ограничений влияет на заболевания и смертность не сразу, а с некоторым отставанием. Третья регрессия оценена для меньшего количества стран, поскольку не во всех странах есть данные по пациентам в отделениях интенсивной терапии.

Каждая из трех регрессий оценена пять раз для разных лагов, с которыми были сделаны расчеты: -60 дней, -30 дней, без лага, +30 дней, +60 дней. Включение лага в регрессию позволяет учесть то, что необходимо время для формирования иммунитета, и влияние на заражения и смертность происходит также с запозданием. Рисунки (2–4) показывают оценку коэффициента беты для регрессий 1–3 и разных лагов времени сдвига ряда вакцинированных.

Рис. 2. Регрессия 1. Коэффициент связи b (бета) между числом полностью вакцинированных и смертями

Рис. 3. Регрессия 2. Коэффициент связи b (бета) между числом полностью вакцинированных и новыми случаями заболевания Ковидом

Рис. 4. Регрессия 3. Коэффициент связи b (бета) между числом полностью вакцинированных и количеством случаев интенсивной терапии (реанимации)

Как видно из рис. 2–4 количество новых заболеваний и смерти так же, как показывает корреляционный анализ, при росте масштабов вакцинации уменьшаются. Интересны результаты на рис. 3–4 в области положительного лага времени. Очевидно, что сами по себе случаи заболевания и тяжелые случаи течения болезни физически не вызывают с положительной связью усиление масштабов вакцинации (в этом квадранте причина — заболевания, а следствие — вакцинация). Это происходит в силу волевых решений властей, специалистов, общественного мнения. Но рост связи с ростом лага времени однозначно свидетельствует о следующем.

Чем больше опаздывает национальное решение и действия по масштабной вакцинации, тем больше усилий придется прилагать в борьбе с эпидемией. А если еще помнить, что подобное запаздывание открывает для вируса Ковида большие возможности для мутации, что, соответственно, снижает эффективность вакцины, созданной для предыдущей версии вируса, то эффективность подавления эпидемии снижается в еще большей степени. Так объясняются большие показатели заболеваемости, рекордная смертность в России по сравнению со многими странами. Неопределенность действий властей, слабая и противоречивая работа системы пропаганды правильного поведения населения, слабость системы здравоохранения и производства вакцин.

Самый большой вред наносят антивакцинная пропаганда, переходящая по мнению аналитиков политологов в комбинированную информационно-психологическую войну с Россией (об этом говорят факты оплаты из-за рубежа особо активных глашатаев опасности вакцинирования, якобы ведущего к росту заболеваемости и смертности) и непоследовательность решений властей. В погоне за скандальной известностью и «преступным» заработком некоторые публичные общественники и политики, даже целые партии и движения, некоторые дипломированные специалисты берут тяжкий грех на душу, внося вклад в смертность российского населения.

В погоне за своими рейтингами политическое руководство страны не хочет «раздражать» население, отменяет уже принятые антиэпидемические решения и тем самым усугубляет течение эпидемии и количество смертей российских граждан. Масштаб явления уже таков, что переводит тему ошибочности (допускаем, что есть и заблуждения) действий политиков и самих властей в тему их ответственности за рост смертности в стране. Убийц правосудие карает. А тех, кто способствует смертности населения, получается, не замечает?

Регрессионный анализ, в дополнение к корреляционному, позволяет получить прямые количественные соотношения между интенсивностью вакцинирования и заболеваемостью и смертностью. Интерпретация полученных результатов для случая сдвига временного ряда количества вакцинированных на 30 дней назад выглядит следующим образом. Для иных сдвигов кривые дают соответственно пропорциональные соотношения.

Регрессия 1. Если доля полностью вакцинированных людей увеличивается на 1 процентный пункт, количество новых случаев смерти снижается на 2,64%.

Регрессия 2. Если доля полностью вакцинированных людей увеличивается на 1 процентный пункт, количество новых случаев заболеваний снижается на 1,97%.

Регрессия 3. Если доля полностью вакцинированных людей увеличивается на 1 процентный пункт, количество людей в отделениях интенсивной терапии снижается на 2,47%.

Оценки коэффициентов связи b (бета) в большинстве просчитанных случаев являются статистически значимыми, что достаточно надежно доказывает наличие связи между вакцинированием и заболеваемостью, смертностью и тяжелым течением болезни.

ВЫВОДЫ

1. Таким образом, по опыту большинства стран мира, статистически без исключений, коллективный иммунитет, вырабатывающийся за счет массового вакцинирования населения от Ковида, приводит к снижению заболеваний, смертности, а также количества пациентов в отделениях интенсивной терапии (реанимации).

2. Обратные утверждения не основаны на достоверных научных данных и относятся, скорее всего, к сферам некомпетентности, заблуждений, подмены научной ответственности меркантильными мотивациями, а также области большой политики, современных информационно-психологических методов гибридной войны, ведущейся, в частности, с Россией.

3. Перед обществом и властью необходимо ставить вопрос об ответственности за пропаганду массового поведения, ведущего к повышению смертности населения. Это вопрос национальной безопасности.

Степан Сулакшин

ПРИМЕЧАНИЯ

[*] Коэффициент корреляции может принимать значения от минус одного до плюс одного. При этом значение «минус один» указывает на максимальную отрицательную связь между двумя показателями, ноль указывает на отсутствие связи между показателями, а «плюс один» указывает на максимальную положительную связь между показателями.

[**] Аналитическое уравнение связи вакцинации и ее следствий: случаев заболеваний, смертей и тяжелых случаев течения болезни.

ЛИТЕРАТУРА

1. Statistics and Research. Coronavirus (COVID-19) Vaccinations. Электронный доступ: [https://ourworldindata.org/coronavirus#coronavirus-country-profiles]

2. Государственная экономическая политика. К умной и нравственной экономике. / Под общей ред. С. С. Сулакшина. В 5 томах. Т. 1. М.: Научный эксперт, 2008. — 840 с.

3. S. V. Subramanian, Akhil Kumar. Increases in COVID-19 are unrelated to levels of vaccination across 68 countries and 2947 counties in the United States. Электронный доступ: [https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8481107/]

4. Kiyoshi F. Fukutani, Mauricio L. Barreto Bruno, B. Andrade, Artur T. L. Queiroz. Correlation Between SARS-Cov-2 Vaccination, COVID-19 Incidence and Mortality: Tracking the Effect of Vaccination on Population Protection in Real Time. Электронный доступ: [https://www.frontiersin.org/articles/10.3389/fgene.2021.679485/full]

5. Halle Cerio, Laura A. Schad, Telisa M. Stewart, Christopher P. Morley. Relationship Between COVID-19 Cases and Vaccination Rates in New York State Counties. Электронный доступ: [https://journals.stfm.org/primer/2021/morley-2021-0035/]

6. Mark W. Tenforde, Wesley H. Self, Katherine Adams, et al. Association Between mRNA Vaccination and COVID-19 Hospitalization and Disease Severity. Электронный доступ: [https://jamanetwork.com/journals/jama/fullarticle/2786039]

7. Ensheng Dong, Lauren Gardner. The relationship between vaccination rates and COVID-19 cases and deaths in the USA. Электронный доступ: [https://systems.jhu.edu/research/public-health/covid-19-vaccine/]

Автор: Сулакшин Степан Степанович, д.ф.-м.н., д.полит.н., профессор. Москва. Лаборатория физики новых явлений Центра научной политической мысли и идеологии, sulakshin@mail.ru