Worldwide Bayesian Causal Impact Analysis of Vaccine Administration on Deaths and Cases Associated with COVID-19: A BigData Analysis of 145 Countrie
COVID-19に関連する死亡および症例に対するワクチン投与の世界的ベイズ因果影響分析：145カ国のビッグデータによる分析
Abstractの翻訳
政策立案者と主要なニュースキャスターは、COVID-19ワクチンの世界的な展開が症状を軽減し、それによってCOVID-19に関連する症例と死亡を減らすと国民に約束しました。このワクチンの展開はまだ進行中ですが、COVID-19関連の症例と死亡に対するワクチン展開の効果を分析することができる大量の公開データが存在します。この公共政策の処置は望ましい効果を生んだのでしょうか？
この問いに答える一つの方法は、治療前と治療後の両期間を比較するベイズ型因果関係分析を実施することから始めることができる。本研究では、OWID (Hannah Ritchie and Roser 2020) から公開されているCOVID-19データをRパッケージCausalImpact (Brodersen et al. 2015) を用いて分析し、パンデミックの期間中累積的に測定されてきた2つの従属変数、100万人当たりの死亡者数 (y1) と100万人当たりの患者数 (y2) に対するワクチン投与の因果的影響を明らかにした。
p>0.05の国を除外した結果、y1では128カ国、y2では103カ国、合計145カ国がこの方法で分析された（平均p<0.004）。
y1 の増減比は (+115/-13) であり、89.0%であった。 y2は（＋105/-16）の増減比を示し、これは統計的に有意な国の86.78％が治療開始の因果関係によってCOVID-19の100万人当たりの総症例が増加したことを意味している。治療が y1 に与える因果的影響は-19%から+19015%であり、平均して+463.13%の因果的影響があった。y2に対する治療の因果的影響は-46%から+12240%で、平均の因果的影響は+260.88%であった。仮説1 Nullは、大多数の国で棄却される。
本研究では、因果的影響の結果について相関分析を行った。その効果変数はそれぞれ y1.E と y2.E で表され、独立数値変数であるワクチン展開開始からの経過日数（n1）、100 回あたりの総接種量（n2）、使用中のワクチンブランド/種類（n3）と独立カテゴリー変数である大陸（c1）、国（c2）、ワクチン種類（c3）と相関していることが分かった。すべてのカテゴリ変数が統計的に有意なWilcoxon符号付き順位値（y1.E V :[c1 3.04; c2 8.35; c3 7.22] and y2.E V :[c1 3.04; c2 8.33; c3 7.19] ）を示している。これは、y1.E と y2.E の分布がカテゴリー間で非一様であることを示している。n2 と y2.E のスピアマン相関は、数値変数の中で唯一統計的に有意な結果を示した（y2.E ~ n2: ρ: 0.34 CI95%[0.14, 0.51], p: 4.91e-04 ）。この低い正相関は，ワクチン接種率の高い国ほどy2.Eの値が低いわけではなく，むしろその逆であることを示している．しかし、国や大陸、ワクチンの種類によって、このような違いが生じる理由は不明であり、今後、より多くのデータが得られるようになれば、さらに検討が必要であろう。仮説2 c1、c2、c3、n2については、Nullを否定でき、n1、n3については、否定できない。
従属変数である総死亡者数および100万人当たりの総症例数に対するワクチン配備後の因果関係は、統計的に有意かつ圧倒的にポジティブであり、政策立案者にとって非常に憂慮すべきものである。この結果は、COVID-19に関連した症例と死亡が、元々 "自由を取り戻す鍵 "として一般に販売されていた
ワクチンの展開に直接起因して、著しく増加していることを示しています。100万人当たりの総症例に対するワクチンの効果、および100人当たりの総接種数との低い正の相関は、COVID-19関連症例の減少に対するワクチンの効果が限定的であることを示しています。
これらの結果は、地域の政策立案者が、物語ではなくデータに基づき、世界や国の命令ではなく地域の状況に基づいて、政策を決定することを奨励するものです。また、
これらの結果は、政策立案者が、大規模なワクチン接種キャンペーンとは別に、パンデミックから脱却するための他の手段を探し始めることを促すものである。今後の分析に含まれる可能性のある変数としては、国別のワクチンロット、ワクチン投与開始前の集団におけるSARS-CoVまたはSARS-CoV-2に対する過去の抗体の陽性度、および本研究で使用したものと同じ変数に対するイベルメクチンの因果的な影響などが考えられる。
キーワード CausalImpact、因果関係、ワクチン、BigData、COVID-19、遺伝子治療
www.DeepL.com/Translator（無料版）で翻訳しました。
