Contents
Causation: Let me count the ways
jessicar.substack.com/p/causation-prove-me-wrong
今回は、COVID-19注射剤とVAERSに報告された有害事象との因果関係を示すエビデンスをまとめてみた。
ジェシカ・ローズ 1月22日
第一の方法は、ブラッドフォード・ヒル基準の一つである「時間性」
各個人について、注射日と VAERS の有害事象（AE）発症日の時間差を計算し、その差を AE 報告率に対してプロットすると、クラスタリング効果は約 0 となる。「心理的」（注射から事象まで線を引いて報告することによりクラスタリングする効果）により、このクラスタリングの一部を説明できるかもしれないが、決して因果関係の反証にはならない。この手法を可視化した例として、図1を参照されたい。これは、VAERSに報告された5-11歳の小児の有害事象を時系列にプロットしたものである。
図1：5-11歳の小児における因果関係のエビデンス
これは因果関係を証明するものではないが、誰かがよほど強力な反証を出さないと、ここに原因がないことを納得させることはできないだろう。そして、いつものように、ポジティブコントロールとしてアナフィラキシーを示す。アナフィラキシーは、引き金に対する急性の反応である。もし、注射の直後にアナフィラキシーが起こったとしても、注射が原因であることに誰も異論はないだろう。
図2：注射日と発症日の違いによってVAERSに提出されたアナフィラキシー報告の割合を示す時系列プロット
第二の方法 用量反応
注射と反応に関係がないのであれば、反応そのものと投与量に差が出ることはないはずである。例えば、投与量2が投与量1よりも特定のAEに関する報告の増加と関連することはないはずである。しかし、そうなっているのである。そして、このことは、心筋炎を用量別に調べ、小児に焦点を当てると非常によくわかる。
図3：年齢とVAERSに提出された心筋炎報告の絶対数を用量1および用量2ごとに示した棒グラフ
私は、この素晴らしい図に投与量3のデータを更新していないことに気づいた。そこで、心筋炎との関連で投与量3の影響を調べるために更新することにした。結果的には、投与量2が最も良い投与量であることに変わりはないのであるが、やはり、報告頻度が投与量1よりもさらに低くなっていることから、投与量反応効果、つまり、カジュアル効果があると思われる。しかし、Dose 3 の効果は、注射をためらうことで、注射後の AE が減少した可能性もある。
図4：投与量1,2,3に応じてVAERSに提出された心筋炎報告の絶対数に対する年齢を示す棒グラフ
第三の方法 米国における死亡と注射の相関プロット
一つはVAERSの死亡報告の受信日に対する軌跡、もう一つはOur World in Dataに掲載されている死亡者総数の軌跡である。この2つのグラフは、非常に良い相関関係を示している。これもまた、因果関係ではなく、証拠なのである。このプロットは昨年12月以来更新していないが、次はもっといいものが出てきますのでご心配なく。
図5：Our World in Dataから得たVAERSとCOVID-19注射による死亡数の絶対値を示す時系列プロット（米国）
第四の方法 United Statesの州別AEと注射の相関プロット
注射と有害事象の間に相関がなければ、高いR値1（適合度値→線が点を通る場合→相関=非常にYES）は見られない。R値が高く、p値が低いほど、相関が存在する可能性が高い。ある状況下で1：1の相関があれば、因果関係を確信できるかもしれない。特定の状況下において。腕に一発、翌日には死亡するような。私は回帰線による散布図をいくつか作成し、適合度とp値（結果が偶然に起こったのではないことを示す（p＜何か低い値））を計算した。より専門的な言い方をすれば、p値が極小であれば、変数（AEとショット）の間に関係がないという帰無仮説を棄却することができる。
ここに、州ごとのアナフィラキシー、死亡、がん、心筋炎、女性の生殖器の問題、肺塞栓症を含む血栓性AE、障害、天然痘（2019）の報告数を、州ごとのCOVID-19注射の投与数に対して表した一連の散布図がある。ポジティブコントロールが欲しかったので、アナフィラキシーAEを選択したところ、嬉しいことにR値は0.97（p値==0）である。これは、州ごとの注射回数が、州ごとのAE回数と非常によく相関していることを意味する。また、ここで陰性対照を用意したいと思った。州の人口規模やその後の投与量分布（ひいてはAE報告）に基づくスプリアスな相関の可能性を最小化したかったので 2019年のSmallpoxワクチンを選んだ。天然痘ワクチンは主に軍人に配布されるため、すべての州にあるわけではない（VAERSの報告によると、実のところ22州だけである）。
ここで注目すべきは、何を選んでも非常に強い相関があることである。死亡はR=0.82（R^2=0.67）と最も弱いであるが、これはまだ高いR値でp値は実質0と考えられる。ネガティブコントロールの天然痘のR値は弱いR=0.31（R^2=0.1）でp値は0.16,つまりVAERSで報告された天然痘のAE数と州ごとに投与したCOVID-19注射の数は相関がないことになる。論理的な話だ。そうではないはずである。
私は2022年1月29日（土）に開催されるWorld Council for HealthのVaccine Causation Conference（VCC）で発表する予定であるが、この単純なVAERSデータから導き出された因果関係の強い証拠のリストについてお話する予定である。
私の間違いを証明してほしい。
血栓性AEを追加することを提案してくれたZanaに感謝します。終わり。
- ここで付け加えておきたいのは、R~1は2つのものがSPURIOUSLYに相関していることを意味する可能性があるということである。ある州は他の州より規模が大きく、人口も多いため、より多くの投与量が適合者に投与され、その結果、より多くのAEが発生する可能性がある。比例定数は州間で変わらない。このことは 2019年からVAERSからFLU AEを確認したとしても、そのデータはCOVID-19注射データと完全に相関しているように見える可能性が高いことを意味する。実際、そうなのだ。しかし、実は両者は関係ないのだ。トリッキー、ウッ？