[問卦] 公正判斷疫苗利弊:全因死亡率有打vs沒打

https://www.ptt.cc/Gossiping/M.1643001679.A.336
上次我解釋了為什麼全因死亡率是判斷疫苗利弊比較公正的方法。但似乎有些人還是有一些疑問，所以想做一些補充。最後附輝瑞的FDA報告數據討論。

全因死亡率的概念很簡單，就是統計有打疫苗vs沒打疫苗的不論任何原因的死亡率。直觀上很合理，因為一個醫療行為我們希望得到的結果是更不容易死亡，而不只是不容易死於特定疾病。

有人可能會質疑，全因死亡把一些無關病毒或疫苗的死亡也算進來，這樣怎麼會準? 簡單的答覆是"其他"死因在有打疫苗vs沒打疫苗兩邊會抵消掉，剩下的疫苗死亡和病毒死亡就可得到：疫苗救的人數vs疫苗殺的人數，即可判斷疫苗是否利大於弊。

以下是較詳細的論證:

有打疫苗全因死亡=病毒死亡+疫苗死亡+其他死亡
沒打疫苗全因死亡=病毒死亡+其他死亡
同一時間點的客觀因素是一樣的，所以依照統計大數法則"其他死亡"兩邊會抵消掉。
令 f(t) = 沒打全因死亡(t) - 有打全因死亡(t) = (沒打病毒死亡 - 有打病毒死亡 -
有打疫苗死亡) (t) = (疫苗救的人數 - 疫苗殺的人數) (t) (這就回到我們上次提到的利弊公式)

如果要計算累計死亡從開始到一段時間T，累加或是積分f(t):
D=積分f(t) 從0->T
這樣算出來的數字就可以公正的判斷疫苗是否利大於弊
D>0 => 利>弊, D<0 =>弊>利

或許還是會有人有疑問，這樣是否多此一舉，直接計算:有打vs沒打的病毒死和疫苗死不就好了，多了一個其他死因，雖然兩邊可以抵消但這樣似乎不太精準，會不會受許多因素干擾?
從幾個方面可以回答:
1. 死因判定困難
首先這是新的疫苗，要判定是否疫苗致死有困難。上一篇提到:法醫要判斷是否為疫苗造成的傷害要和之前案例作比對，但新的東西怎麼會有舊案例? (這裡有雞生蛋蛋生雞的問題)
病毒致死也是有判斷的爭議: 先不考慮PCR問題，假設它大致是準的頂多些微誤差。測到PCR就算是有病毒。但是死的時候有病毒就能確定是疫苗致死嗎?
die of Covid(因新冠而死)，die with Covid(死時剛好有新冠) ?
例如同時中兩種以上的病菌並不罕見: Coinfection共同感染。
https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(22)00383-X/fulltext

假設同時感染新冠和其他病毒，後來死亡，不一定能確定是因新冠而死。
( 疑染其他病毒！新北2歲重症童病況曝光
https://news.ebc.net.tw/news/living/312895 )

這樣也就算了，但常常看到的是預設前提雙重標準:
對病毒的態度預設是病毒造成傷亡，然後找證據去排除。
因為是新病毒，不了解所以大多無法排除->病毒死很多。

對疫苗的態度預設不是疫苗造成傷亡，然後找證據去證明。
因為是新疫苗，不了解所以大多無法證明->疫苗死很少。
(註: 通報也是一樣，第一時間就有過濾了。這步驟是一個主觀判斷，不管是病人還是專家)

這樣的算法怎麼會公正呢?

2. 判斷是否死亡比判斷死因客觀
回來看公式: 全因死亡=疫苗死+病毒死+其他死因
因為上述原因(人類知識不足、雙重標準、主觀影響)，死因會有錯誤歸因。我們無法確
切知道疫苗或是病毒死亡是多少(等式右邊三個變數不明)
但全因死亡比較容易統計，因為全因死亡只需要判斷死或是沒死，相對沒有爭議。科學上我們希望數據是越客觀越好。因果關係的認定主觀因素較多，而死亡判定相對較客觀。計算全因死亡率等於是繞過判定因果關係的爭議，更公正的判斷疫苗到底有沒有利大於弊。

全因死亡率統計方法也可看作是一種觀念轉換的技巧: 消除原本數據的主觀性，得到更客觀更科學的數據。

3. 統計論證vs機制論證
全因死亡率有打vs沒打是一種統計論證；法醫判定死因是一種機制論證。
另一個雙重標準是：判斷藥物或疫苗有效性通常都用統計論證；判斷安全性卻用機制論證。

用實際例子比較清楚。

我們來看輝瑞FDA報告,第23頁:
https://www.fda.gov/media/151733/download
"From Dose 1 through the March 13, 2021 data cutoff date, there were a total
of 38 deaths, 21 in the COMIRNATY group and 17 in the placebo group. None of
the deaths were considered related to vaccination."
有打疫苗死亡21人, 安慰劑組死亡17人。
但死因是本來就有病(?)

以上算法就是全因死亡。下篇解釋為何不能推給本來就有病，和統計論證vs機制論證的雙重標準。(不過聰明的讀者現在應該能已經能理解了)

(待續)

--

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.167.40.160 (臺灣)