A simple and powerful test of vaccine waning

Titolo: Un Test Semplice e Potente per la Valutazione del Declino dell'Efficacia Vaccinale

Autori: Gellért Perényi, Matias Janvin e Mats J. Stensrud

Enunciato del Problema

Determinare se l'efficacia vaccinale (VE) declina nel tempo è fondamentale per il processo decisionale in ambito di sanità pubblica. Tuttavia, la quantificazione di tale declino è metodologicamente sottile. Gli approcci convenzionali, che confrontano le stime della VE in diversi punti temporali (ad esempio, VE a 1 mese contro VE a 3 mesi), sono soggetti a bias di selezione a causa dell'"esaurimento dei suscettibili". Con il passare del tempo, la popolazione rimasta a rischio nel gruppo placebo differisce dalla popolazione iniziale, poiché coloro che erano più suscettibili all'infezione hanno già sperimentato l'esito. Di conseguenza, un calo osservato della VE nel tempo potrebbe riflettere questa variazione nella composizione della popolazione piuttosto che un vero declino nella protezione biologica offerta dal vaccino.

Sebbene lavori recenti (Janvin et al., 2024) abbiano proposto stimatori causali (effetti di sfida) per quantificare il declino sotto ipotesi più deboli, tali stimatori sono spesso solo parzialmente identificabili negli studi controllati randomizzati (RCT) standard. I limiti risultanti sono frequentemente troppo ampi per affermare definitivamente la presenza o l'assenza di declino. Inoltre, le analisi standard del tempo fino all'evento che utilizzano i rapporti di rischio (HR) non sono adatte per testare il declino, poiché anche gli HR sono influenzati dall'esaurimento dei suscettibili, portando a interpretazioni distorte anche quando l'effetto vaccinale sottostante è costante.

Metodologia

Gli autori propongono un test di ipotesi formale per valutare se un effetto del trattamento sia costante nel tempo a livello individuale, fondato su un quadro causale.

1. Stimatore Target e Ipotesi:
Gli autori definiscono un'"ipotesi nulla netta" di assenza di declino (Ipotesi 1). Questa ipotesi postula che, per qualsiasi individuo, l'esito potenziale in caso di esposizione sia identico indipendentemente dal fatto che l'esposizione avvenga al tempo 1 o al tempo 2 (assumendo l'isolamento al tempo 1). Formalmente:
$$\Delta Y^{a, e_1=1}_1 = \Delta Y^{a, e_1=0, e_2=1}_2 \quad \text{w.p.1} \quad \forall a \in \{0, 1\}$$
Ciò implica che la suscettibilità individuale è costante tra gli intervalli e indipendente dalla tempistica dell'esposizione. Gli autori sostengono che, sotto ipotesi ragionevoli (in particolare, che l'effetto placebo non cambi nel tempo e non vi sia una cancellazione perfetta di declini positivi e negativi), questa ipotesi nulla netta a livello individuale è equivalente alla nozione a livello di popolazione di assenza di declino ($VE^{challenge}_1 = VE^{challenge}_2$).

2. Ipotesi Chiave:
Il test si basa su quattro ipotesi principali, plausibili negli RCT in cieco:

• Necessità dell'Esposizione: Un esito non può verificarsi senza esposizione.
• Restrizione di Esclusione dell'Esposizione: L'esposizione al tempo 1 non influisce sull'esito al tempo 2 se non attraverso la sopravvivenza (nessun effetto di carry-over come l'immunità indotta da infezioni asintomatiche).
• Nessun Effetto del Trattamento sull'Esposizione: In un trial in cieco, l'assegnazione del trattamento non influenza la probabilità di cercare l'esposizione al tempo 1 o al tempo 2 (condizionatamente alla sopravvivenza).
• Scambiabilità dell'Esposizione: I modelli di esposizione sono scambiabili tra i bracci di trattamento, condizionatamente alla sopravvivenza e alle caratteristiche di base.

3. La Statistica del Test:
Sotto l'ipotesi nulla e le ipotesi dichiarate, gli autori derivano una semplice uguaglianza: il rapporto dei tassi di incidenza (IR) nel primo intervallo deve essere uguale al rapporto dei tassi di incidenza nel secondo intervallo.
$$IR_1 = \frac{E[\Delta Y_1 | A=1]}{E[\Delta Y_1 | A=0]} = \frac{E[\Delta Y_2 | A=1]}{E[\Delta Y_2 | A=0]} = IR_2$$
La statistica del test è il rapporto tra questi tassi di incidenza ($IR_1 / IR_2$). Se l'ipotesi nulla vale, questo rapporto dovrebbe essere 1. Gli autori forniscono tre metodi per calcolare gli intervalli di confidenza per questo rapporto:

• Un metodo $\delta$ diretto applicato al rapporto.
• Un metodo $\delta$ conservativo.
• Bootstrap non parametrico (che richiede dati a livello individuale).

Crucialmente, gli autori dimostrano che, a differenza dei rapporti di rischio, i rapporti di incidenza non sono soggetti allo stesso bias di selezione relativo all'esaurimento dei suscettibili in questo specifico quadro di test.

Contributi Chiave

1. Un Nuovo Test per il Declino: Il paper introduce un test di ipotesi nulla netta che evita il bias di selezione intrinseco nel confronto delle stime della VE nel tempo o nell'uso dei rapporti di rischio.
2. Potenza e Semplicità: Il test proposto offre notevoli guadagni di potenza rispetto agli approcci esistenti di identificazione parziale (Janvin et al., 2024). Può essere implementato utilizzando solo dati riassuntivi (conteggi di incidenza) disponibili dalla maggior parte degli RCT pubblicati, senza richiedere dati a livello individuale o modellazioni complesse di eterogeneità non osservata.
3. Chiarificazione Teorica: Il lavoro chiarisce la distinzione tra declino a livello di popolazione e declino a livello individuale, mostrando che, sotto condizioni plausibili (nessuna cancellazione perfetta degli effetti), il rifiuto dell'ipotesi nulla netta implica un declino a livello di popolazione.
4. Miglioramento dei Limiti: Oltre al test, gli autori forniscono nuovi risultati che delimitano l'effetto del declino, offrendo una strategia per migliorare i limiti derivati da Janvin et al. (2024) quando sono disponibili dati aggiuntivi (ad esempio, tracciamento dei contatti).

Risultati

Gli autori illustrano il metodo attraverso esempi reali e simulati:

• Rianalisi di BNT162b2 (COVID-19): Rianalizzando i dati del trial BNT162b2 (Thomas et al., 2021), gli autori hanno scoperto che, mentre la precedente analisi di Janvin et al. (2024) non poteva rifiutare l'ipotesi nulla di assenza di declino a causa di limiti ampi, il nuovo test ha rifiutato l'ipotesi nulla ($P=0.01$). Il rapporto stimato dei rapporti di incidenza è stato 0,48, fornendo prove di declino.
• Vaccino contro Helicobacter pylori: In una rianalisi di un trial di Zeng et al. (2015), il test non ha rifiutato l'ipotesi nulla ($P=0.97$). Questo risultato era in linea con spiegazioni biologiche (livelli stabili di anticorpi) e con i risultati originali del trial di un'efficacia stabile, dimostrando la capacità del test di identificare correttamente l'assenza di declino.
• Simulazioni: Studi di simulazione hanno confermato che il test mantiene il corretto tasso di errore di Tipo I sotto l'ipotesi nulla e mostra una potenza superiore rispetto ai test basati sui rapporti di rischio o su limiti conservativi, in particolare quando i livelli di esposizione variano.

Significato e Affermazioni

Gli autori affermano che il loro metodo fornisce uno strumento "semplice e potente" per valutare il declino vaccinale, valido sotto ipotesi interpretabili nei trial vaccinali convenzionali.

• Validità: Il test è valido sotto ipotesi che sono standard per gli RCT in cieco, evitando le "ipotesi irragionevoli" richieste dagli approcci classici.
• Utilità: Permette ai ricercatori di rilevare il declino in trial esistenti dove i metodi precedenti non sono riusciti a fornire risposte definitive.
• Limitazioni: Gli autori notano con modestia che, sebbene il test sia potente per rilevare l'esistenza di un declino, è generalmente non informativo sulla precisa entità del declino senza ulteriori ipotesi o dati. Suggeriscono che, se il declino viene confermato, sono necessari ulteriori passi (ad esempio, trial di follow-up o rianalisi con ipotesi aggiuntive) per quantificare l'entità del calo.
• Ambito: Il paper sottolinea che il test valuta l'esistenza del declino. Se il test rifiuta l'ipotesi nulla, indica un cambiamento nell'effetto di sfida della popolazione, sebbene il meccanismo specifico (ad esempio, effetti vaccinali "permeabili" vs "tutto-o-nulla") possa richiedere ulteriori indagini.

In sintesi, il paper offre un quadro statistico rigoroso e povero di assunzioni per distinguere il vero declino vaccinale da artefatti causati dall'esaurimento dei suscettibili, consentendo inferenze più affidabili dai dati standard degli RCT.