Distortion in Risk Estimation Driven by Study Period Adjustment and Young-Age Event Sparsity: A Critical Evaluation of Secondary Analyses on the Nagoya City HPV Vaccination Survey

Nel mondo della sanità pubblica, i ricercatori cercano spesso modelli in grandi gruppi di persone per capire se un trattamento medico causi danni o fornisca benefici. Una sfida centrale in questo lavoro è separare gli effetti di un trattamento dai cambiamenti naturali che avvengono con la crescita delle persone. Ad esempio, se uno studio segue degli adolescenti per diversi anni, i tipi di problemi di salute che sperimentano cambieranno naturalmente man mano che passano dall'infanzia all'adolescenza. Per ottenere un quadro accurato della sicurezza di un vaccino, gli scienziati devono calibrare attentamente i loro calcoli per tenere conto di questi cambiamenti legati all'età, assicurandosi che un sintomo che appare in un adolescente non venga erroneamente attribuito a una puntura ricevuta anni prima, né che un vero effetto collaterale venga nascosto dal rumore dei normali dolori della crescita. Quando questi aggiustamenti sono eseguiti correttamente, i dati rivelano la vera relazione tra un vaccino e un esito sanitario. Quando vengono eseguiti in modo errato, tuttavia, i numeri possono raccontare una storia completamente diversa e potenzialmente fuorviante.

Una recente valutazione di Sadao Suzuki, professore emerito presso l'Università di Nagoya City, esamina un metodo statistico specifico utilizzato per analizzare i dati di un importante sondaggio sul vaccino contro il papillomavirus umano (HPV) nella città di Nagoya. Il sondaggio originale, condotto nel 2015, ha monitorato 24 diversi sintomi nei giovani per vedere se il vaccino aumentasse il rischio di svilupparli. Mentre l'analisi originale non ha trovato prove che il vaccino causasse questi sintomi, uno studio successivo dei ricercatori Yaju e Tsubaki ha messo in discussione tali risultati. Essi hanno proposto un nuovo modo di guardare i dati che prevedeva un aggiustamento specifico per il "periodo di studio", ovvero la durata del tempo intercorso tra quando una persona ha ricevuto la prima dose di vaccino e quando è stato condotto il sondaggio. Il documento di Suzuki sostiene che questo nuovo metodo contenga un difetto matematico fondamentale che distorce i risultati, creando l'illusione di un pericolo dove non esiste.

Il cuore del problema risiede nel modo in cui i ricercatori hanno gestito la tempistica dei sintomi. Nel sondaggio originale, alcuni giovani hanno riferito sintomi che erano iniziati prima ancora di ricevere il vaccino. Lo studio successivo ha deciso di rimuovere questi casi precoci dal gruppo dei vaccinati, ragionando sul fatto che un sintomo iniziato prima dell'iniezione non potesse essere causato da essa. Suzuki sottolinea che, sebbene ciò sembri logico in superficie, il modo in cui è stato combinato con l'aggiustamento del "periodo di studio" ha creato una trappola nascosta. Il metodo trattava i gruppi dei vaccinati e dei non vaccinati in modo differente. Per il gruppo dei vaccinati, la finestra di osservazione iniziava solo dopo la prima dose; per il gruppo dei non vaccinati, la finestra iniziava all'età di dodici anni, indipendentemente da quando avveniva il sondaggio. Ciò ha creato un campo di gioco sbilanciato in cui il gruppo dei non vaccinati è stato osservato per un tratto più lungo della loro prima giovinezza rispetto al gruppo dei vaccinati.

Questo squilibrio strutturale è diventato critico a causa di un fenomeno naturale noto come "scarsità di eventi nelle età precoci" (young-age event sparsity). Molti dei sintomi monitorati nel sondaggio sono rari nei bambini molto piccoli, ma diventano più comuni man mano che i ragazzi crescono e diventano adolescenti. Poiché il gruppo dei non vaccinati è stato osservato a partire dai dodici anni, i loro dati includevano una proporzione maggiore di questi eventi rari della prima infanzia, semplicemente a causa della finestra di osservazione più lunga. Il gruppo dei vaccinati, il cui "orologio" è iniziato più tardi, ha saltato molte di queste occorrenze precoci. Quando il modello statistico ha cercato di confrontare i due gruppi, ha interpretato questa differenza di tempistica come una differenza di rischio. Il risultato è stato un artefatto matematico che ha gonfiato artificialmente i numeri del rischio per i sintomi che sono rari nei bambini piccoli, facendo sembrare come se il vaccino li stesse causando, quando in realtà il calcolo stava solo contando gli stessi eventi in modo diverso.

L'analisi di Suzuki scompone lo studio successivo in tre modelli per mostrare come l'errore si accumuli. Il primo modello, che si limitava a rimuovere i sintomi precoci, mostrava già un bias, ma i numeri mantenevano ancora una certa somiglianza con i risultati originali. Il secondo modello ha introdotto l'aggiustamento del "periodo di studio", il quale ha causato un brusco calo della correlazione con i dati originali affidabili. In questa fase, il metodo ha iniziato a sovrastimare sistematicamente i rischi per i sintomi rari della prima inf "a vita" e a sottostimare i rischi per quelli comuni. Il modello finale ha aggiunto un termine di interazione complesso che assumeva che il rischio cambiasse costantemente nel tempo. Questo passaggio ha costretto i risultati matematici a raggiungere il picco proprio all'inizio del periodo di studio, un punto in cui i dati erano estremamente esigui e inaffidabili. In questa versione finale, il rischio per un sintomo specifico, che lo studio originale aveva trovato essere inferiore nei vaccinati, è stato calcolato come più di sei volte superiore.

Il documento conclude che questi cambiamenti drammatici non sono scoperte di nuovi rischi, ma sono l'inevitabile risultato di uno strumento matematico difettoso. L'autore dello studio successivo si è concentrato sui pochi sintomi in cui il suo nuovo metodo mostrava un rischio elevato, ignorando il fatto che lo stesso metodo produceva risultati impossibili per altri sintomi, come suggerire che il vaccino potesse proteggere da un disturbo comune. Selezionando solo i risultati che sostenevano la sua ipotesi e ignorando le contraddizioni, lo studio successivo ha presentato una visione distorta dei dati. La valutazione conferma che i risultati del sondaggio originale rimangono validi e che l'analisi alternativa si basa su un bias strutturale che distorce la verità. La lezione è che in epidemiologia, il modo in cui si misura il tempo e si definiscono i propri gruppi è importante quanto i dati stessi; se lo strumento di misurazione è difettoso, l'immagine che dipinge sarà falsa, indipendentemente da quanto la matematica possa apparire sofisticata.