📊 statistics

A simple and powerful test of vaccine waning

本文提出了一种强大的新统计检验方法，用于评估个体层面的疫苗效力衰减，该方法通过减少假设要求并提供更高的检验效能，克服了现有方法的局限性，成功检测出BNT162b2新冠疫苗数据中的效力衰减现象，而此前的分析未能发现这一现象。

原作者： Gellért Perényi, Matias Janvin, Mats J. Stensrud

发布于 2026-05-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Gellért Perényi, Matias Janvin, Mats J. Stensrud

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是论文《一种简单而有力的疫苗效力衰减检验》的通俗解释，辅以类比说明。

核心难题：“幸存者”陷阱

想象你在测试一把新雨伞，看看它能否在雨中保持你干燥。

第 1 个月：你给 100 人发雨伞，另外 100 人没有雨伞。大雨倾盆。有伞组 20% 的时间淋湿了；没伞组 80% 的时间淋湿了。雨伞效果极佳！
第 3 个月：你再次检查数据。但这里有个陷阱：你只能检查那些在第 1 个月没有淋湿的人。

在“没伞”组中，第 1 个月淋湿的人已经从你的名单中消失了。剩下的人都是天生体质强健、即使没伞也不会淋湿的人（也许他们天生就有“雨衣”）。而在“有伞”组中，你仍然混杂着需要雨伞的人和那些天生强健的人。

如果你现在比较这两组，“没伞”组看起来出奇地干燥，因为那些体质弱的人已经出局了。“有伞”组仍然有些人淋湿了。这可能会让你觉得雨伞不再起作用了，即使它依然非常坚固。

论文的核心观点：传统检验疫苗是否“衰减”（随时间变弱）的方法往往陷入这个陷阱。它们比较了错误的人群，导致关于疫苗是否真的失去效力的结论令人困惑或错误。

提出的解决方案：“时间旅行”测试

作者提出了一种新的、更简单的测试方法，用于判断疫苗的保护作用是否在个体层面真正减弱。

把它想象成一个时间旅行挑战。
想象我们可以冻结时间，进行一项特殊实验：取一组人，将他们隔离在气泡中一个月，然后让他们接触病毒。接着，取另一组人，隔离三个月，再让他们接触病毒。

如果疫苗在第 1 个月和第 3 个月的作用方式相同，那么两组的“失败率”（生病）应该完全相同，前提是我们比较的是在实验开始前生病可能性相同的人。

作者意识到，我们实际上无法进行这种时间旅行实验（强迫人生病是不道德的）。然而，他们发现了一个数学上的“漏洞”。

“发病率比率”技巧

与其试图测量疫苗的确切强度（这很难），他们提出了一个更简单的问题：“两组在两个时间点的生病比率是否相同？”

时间点 1：有多少接种者生病了，对比有多少未接种者生病了？
时间点 2：有多少接种者生病了，对比有多少未接种者生病了？

规则：如果疫苗没有衰减（第 3 个月的效力与第 1 个月一样强），那么两组之间的生病比率应该保持完全一致。

如果比率发生显著变化，这就是一个强烈的信号，表明疫苗对个体的保护作用已经发生了改变。

为什么这更好

这是一个“敏锐”的测试：作者称之为“尖锐零假设”。它就像一个电灯开关：要么疫苗保护力恒定，要么不恒定。他们不需要猜测衰减的确切程度；他们只需要证明保护力没有保持不变。
它避免了“幸存者”陷阱：通过观察特定时间窗口内新感染的比率，这种方法避免了比较那些天生彼此不同的“幸存者”所带来的偏差。
它适用于旧数据：你不需要新的、花哨的实验。你可以从已发表的常规疫苗试验中获取数据，查看不同时间点的生病人数，然后运行这个测试。

论文中的现实世界案例

作者将他们的方法应用于两项真实研究：

新冠疫苗（BNT162b2）：
- 旧分析：先前的研究查看数据后，无法确定疫苗是否衰减，因为数据过于模糊。
- 新测试：作者应用了他们的新测试。结果给出了明确的“是”。生病比率发生了显著变化，证明疫苗的保护力确实随时间衰减了。
幽门螺杆菌疫苗（胃部细菌）：
- 旧分析：研究显示该疫苗在第 8 个月和第 12 个月效果良好。
- 新测试：作者应用了他们的测试。生病比率保持不变。测试显示“无衰减”。这与科学家基于生物学（免疫反应未下降）的预期相符。

总结

这篇论文介绍了一种简单而强大的数学技巧，以穿透疫苗数据的噪音。它不再纠结于研究中剩下的是哪些人，而是比较不同时间点接种组与未接种组之间的新感染率。

如果该比率发生偏移，疫苗很可能正在衰减。如果它保持稳定，疫苗就依然强劲。这使得科学家能够利用现有数据，对何时需要加强针做出更清晰、更自信的决定。

标题：一种简单而有力的疫苗效力衰减检验

作者：Gellért Perényi、Matias Janvin 和 Mats J. Stensrud

问题陈述

确定疫苗效力（VE）是否随时间衰减，对于公共卫生决策至关重要。然而，量化衰减在方法论上颇为微妙。传统方法通过比较不同时间点的 VE 估计值（例如，1 个月时的 VE 与 3 个月时的 VE）来评估衰减，但由于“易感人群耗尽”（depletion of susceptibles）而容易受到选择偏倚的影响。随着时间推移，安慰剂组中剩余的风险人群与初始人群不同，因为那些最容易感染的人已经经历了结局事件。因此，观察到的 VE 随时间下降可能反映的是人群构成的变化，而非疫苗提供的生物学保护真正减弱。

尽管近期研究（Janvin 等人，2024）提出了因果估计量（挑战效应）以在更弱的假设下量化衰减，但这些估计量在标准随机对照试验（RCT）中往往只能部分识别。由此产生的界限通常过宽，无法明确断言衰减是否存在或不存在。此外，使用风险比（HRs）的标准时间 - 事件分析不适合用于检验衰减，因为 HRs 同样受到易感人群耗尽的影响，即使潜在的疫苗效应恒定，也会导致有偏的解读。

方法学

作者提出了一种形式化的假设检验，以评估个体层面的治疗效果是否随时间保持恒定，该检验基于因果框架。

1. 目标估计量与假设：
作者定义了一个“无衰减的尖锐零假设”（假设 1）。该假设认为，对于任何个体，无论暴露发生在时间 1 还是时间 2（假设在时间 1 被隔离），其暴露后的潜在结果都是相同的。形式化表达为：
$\Delta Y^{a, e_1=1}_1 = \Delta Y^{a, e_1=0, e_2=1}_2 \quad \text{w.p.1} \quad \forall a \in \{0, 1\}$
这意味着个体的易感性在不同时间区间内是恒定的，且独立于暴露时间。作者认为，在合理的假设下（具体而言，安慰剂效应不随时间变化，且不存在正负衰减的完美抵消），这种个体层面的尖锐零假设等同于人群层面的“无衰减”概念（ $VE^{challenge}_1 = VE^{challenge}_2$ ）。

2. 关键假设：
该检验依赖于四个主要假设，这些假设在盲法 RCT 中是合理的：

暴露必要性：没有暴露，结局事件就不会发生。
暴露排除限制：时间 1 的暴露不会通过生存以外的途径影响时间 2 的结局（即不存在如无症状感染诱导免疫等遗留效应）。
治疗对暴露无影响：在盲法试验中，治疗分配不会影响个体在时间 1 或时间 2 寻求暴露的概率（以生存为条件）。
暴露可交换性：以生存和基线特征为条件，暴露模式在不同治疗组间是可交换的。

3. 检验统计量：
在零假设和所述假设下，作者推导出了一个简单的等式：第一区间内的发病率（IR）之比必须等于第二区间内的发病率之比。
$IR_1 = \frac{E[\Delta Y_1 | A=1]}{E[\Delta Y_1 | A=0]} = \frac{E[\Delta Y_2 | A=1]}{E[\Delta Y_2 | A=0]} = IR_2$
检验统计量为这些发病率之比（ $IR_1 / IR_2$ ）。如果零假设成立，该比率应等于 1。作者提供了三种计算该比率置信区间的方法：

直接应用于比率的 $\delta$ 法。
保守的 $\delta$ 法。
非参数自助法（需要个体层面数据）。

至关重要的是，作者证明，与风险比不同，在该特定检验框架下，发病率比不受易感人群耗尽所带来的相同选择偏倚的影响。

主要贡献

一种新颖的衰减检验：本文引入了一种尖锐零假设检验，避免了随时间比较 VE 估计值或使用风险比所固有的选择偏倚。
效力与简洁性：所提出的检验相比现有的部分识别方法（Janvin 等人，2024）具有显著的效力提升。它仅需利用大多数已发表 RCT 中可用的汇总数据（发病计数）即可实施，无需个体层面数据或对未观测异质性的复杂建模。
理论澄清：该工作阐明了人群层面衰减与个体层面衰减之间的区别，表明在合理条件下（无效应完美抵消），拒绝尖锐零假设即意味着存在人群层面的衰减。
界限改进：除了检验本身，作者还提供了关于衰减效应界限的新结果，提出了一种策略，当拥有额外数据（如接触者追踪数据）时，可改进 Janvin 等人（2024）得出的界限。

结果

作者通过真实和模拟示例说明了该方法：

BNT162b2（COVID-19）重新分析：重新分析 BNT162b2 试验数据（Thomas 等人，2021），作者发现，虽然 Janvin 等人（2024）之前的分析由于界限过宽而无法拒绝无衰减的零假设，但新检验拒绝了零假设（ $P=0.01$ ）。估计的发病率比之比为 0.48，提供了存在衰减的证据。
幽门螺杆菌疫苗：在对 Zeng 等人（2015）试验的重新分析中，该检验未拒绝零假设（ $P=0.97$ ）。这一结果与生物学解释（抗体水平稳定）及原试验发现的效力稳定性相一致，证明了该检验能够正确识别不存在衰减的情况。
模拟研究：模拟研究证实，在零假设下，该检验保持了正确的 I 类错误率，并且相较于基于风险比或保守界限的检验，表现出更高的效力，特别是在暴露水平变化的情况下。

意义与主张

作者声称，他们的方法提供了一种“简单而有力”的工具，用于评估疫苗衰减，该工具在常规疫苗试验的可解释假设下是有效的。

有效性：该检验在盲法 RCT 的标准假设下有效，避免了传统方法所需的“不合理假设”。
实用性：它使研究人员能够在现有试验中检测到衰减，而这些试验中的先前方法未能提供确定的答案。
局限性：作者谦逊地指出，虽然该检验在检测衰减的存在方面具有效力，但在没有进一步假设或数据的情况下，它通常无法提供关于衰减精确幅度的信息。他们建议，如果确认存在衰减，则需要采取进一步措施（例如后续试验或在附加假设下重新分析）以量化下降的程度。
范围：本文强调，该检验评估的是衰减的存在性。如果检验拒绝了零假设，则表明人群挑战效应发生了变化，尽管具体的机制（例如，“渗漏式”与“全或无”的疫苗效应）可能需要进一步调查。

总之，本文提供了一个严谨且假设较少的统计框架，以区分真正的疫苗衰减与由易感人群耗尽引起的伪影，从而利用标准 RCT 数据得出更可靠的推论。