Perchè sembra che con tre dosi ci si ammali più che senza: l’illusione della statistica

Ci segnalano i nostri contatti la condivisione di una serie di tabelle per cui sembra che con tre dosi ci si ammali più che senza.

Sembra: è la parola chiave. Spesso chi condivide ed evidenzia le tabelle ha lo stesso problema di molti altri. È in grado di di leggere dei dati, ma non è in grado di comprendere perché i dati abbiano un tale aspetto.

Ne parlammo qui e qui.

Perchè sembra che con tre dosi ci si ammali più che senza: il paradosso di Simpson, la soglia del 90%

Partiamo da un punto fondamentale: le statistiche dell’ISS sono da intendersi “a valle”, non alla fonte.

Chi viene coinvolto è chi è stato rispettivamente ospedalizzato, ricoverato in TI e morto.

Scatta quindi in primo luogo Paradosso del Sopravvissuto: osservando i Pronto Soccorsi e le cure di Emergenza, automaticamente viene scremato il campione dei vaccinati che, proprio grazie al vaccino, hanno avuto manifestazioni pauci o asintomatiche.

Campione che sappiamo essere di un ordine di grandezza maggiore rispetto ai non vaccinati (fonte ISS).

Si introduce il Paradosso di Simpson citato nell’articolo.

Il Paradosso di Simpson

In una ipotetica comunità promiscua, con vaccinati e non vaccinati ogni dieci persone non vaccinate un vaccinato si ammalerà.

Di questi malati dieci ammalati non vaccinati che finiscono in ospedale grossomodo un vaccinato lo seguirà.

Di questi ospedalizzati, ogni dieci malati in terapia intensiva non vaccinati uno solo (se non meno) vaccinato lo seguirà.

Capirete come a questo punto già il rischio di malattia grave sia una variabile infima, e il rischio di morte enormemente abbattuto.

Questo però se guardiamo i dati a monte, ovvero usando come campione di riferimento tutta la popolazione complessiva.

Perché il Paradosso del Sopravvissuto si attiva se guardi invece la popolazione a valle.

Il Paradosso del Sopravvissuto

Ipotizziamo che scoppi un grande conflitto mondiale, teoria da cui prende il nome il paradosso del sopravvissuto.

Se noi vediamo gli effetti della guerra dal punto di vista di chi parte, vedremo che la guerra è una cosa orribile perché molti giovani partono e moltissimi tornano morti o invalidi.

Ma se invece analizziamo solo il gruppo di chi torna, potremmo essere portati a ritenere che la guerra sia una cosa bellissima, che nessuno muore in guerra e i combattenti sono tutti guerrieri immortali destinati alla gloria ed all’onore, incoraggiati a partire.

Proprio perché sappiamo che i vaccini, nessun vaccino in verità non azzerano il rischio del contagio, ma lo riducono di molto (in questo caso di un ordine di grandezza a profilassi completata) i vantaggi sono visibili prendendo a riferimento la popolazione totale.

Prendendo a riferimento la popolazione in ospedale, troveremo entrambe le categorie, vaccinati e non, negli ospedali, proprio perché essendo ormai il vaccino enormemente diffuso nella popolazione imbattersi in quel 10% circa di non responder e contagiati diventa possibile.

E qui passiamo al secondo paradosso, il Paradosso di Simpson

Il Paradosso di Simpson

Come ci ricorda Quifinanza, in statistica, il paradosso di Simpson indica una situazione in cui una relazione tra due fenomeni appare modificata, o perfino invertita, dai dati in possesso a causa di altri fenomeni non presi in considerazione nell’analisi (variabili nascoste). È alla base di frequenti errori nelle analisi statistiche nell’ambito delle scienze sociali e mediche, ma non solo.

Un esempio cardine è esaminare una ipotetica popolazione nella quale la generazione più giovane ha un enorme numero di laureati, quelle più anziane no.

Si dovrebbe supporre che il laureato abbia più possibilità di entrare nel mondo del lavoro, e laurearsi sia un ottimo modo per assicurarsi un lavoro.

Ma siccome gli anziani hanno saldamente occupato tutti i posti di lavoro nella collettività e non hanno intenzione di lasciarli fino all’età pensionabile, una semplice e “cieca” analisi statistica potrebbe portare a ritenere le lauree inutili e pensare che le imprese cerchino solo personale non qualificato.

Quando, semplicemente, i giovani laureati non sono impiegati perché il mercato del lavoro è temporaneamente ipersaturo.

Il dato presente in comuni analisi Italiane e Isreaeliane, come moltre analisi ha quindi due vizi legati ai due paradossi: i dati presi “in ospedale” comprenderanno vaccinati e non, e tutte le campagne vaccinali del mondo sono cominciate dai soggetti fragili.

Soggetti tra cui, per definizione, la percentuale di non-responder è più alta e per questo andrebbero vaccinati in massa e con particolare attenzione.

Parliamo insomma di due ordini di aberrazioni statistiche che non dimostrano affatto che i “vaccinati hanno più possibilità di contagiarsi e morire”, bensì il contrario.

La sua applicazione al dato di specie

Siamo in un ecosistema in cui i novax sono una specie in via di estinzione.

E non per ragioni violente o deprecabili: semplicemente abbiamo superato la barriera del 90% dei vaccinati confinando i novax alla (sovente rumorosa, ma comunque minoranza risicata) del 10%

Dato questo riportato nel rapporto dell’ISS completo che ci avete più volte inoltrato “per estratto”.

E dati che ometto che mentre l’arrivo del 90% dei vaccinati si accompagna ad una riduzione del contagio in generale, i non vaccinati continuano ad avere, rispetto alla popolazione generale un tasso maggiore di sviluppo della malattia grave

Che tende a rialzarsi nella fascia tra i 40 e i 59, in quel “limbo” tra la terza e la quarta dose e “sacche di vaccinoresistenza”.

Il dato quindi si spiega facilmente: prelevando non alla fonte, ma a valle, alla fine del percorso, dentro gli ospedali, scopriremo che i novax sono sempre di meno.

Sono il 10% della popolazione e ogni volta che si ammalano, l’immunità li tiene temporaneamente lontani dalle T.I. in una sorta di roulette russa con la vita, limitando però il rischio di malattia grave e morte, sempre che abbiano scansato la pallottola prima.

E il dato non potrà che evidenziare ciò con la progressiva “estinzione di fatto” del novax.