对部署后疫苗有效性纯观察性监测方法的模拟与推断：若无人群行为的精确信息则均不可靠
摘要
目前有两种观察性方法被用于监测部署后疫苗有效性：明显的粗率方法，即比较已接种疫苗人群每人的检测阳性率与未接种疫苗人群每人的该率；以及检测阴性病例对照（TNCC）方法。这两种方法给出的结果差异很大。我们想知道这两种方法中是否有可靠的。我们假设人群是同质的，或划分为两个同质子集，它们仅在与不直接可观察的就医行为（包括接种疫苗的概率）上不同。我们首先考虑在给定子集、接种状态和感染状态下住院概率上的均匀独立先验。我们从所得模型中模拟，并观察 TNCC 估计、粗率估计，以及以感染对数优势比之比表示的疫苗有效性的贝叶斯中心 95% 置信区间。在这些宽泛的开放先验下，即使人群是同质的，贝叶斯 95% 置信区间的典型宽度也接近 4 nats（55 倍），意味着所收集数据的不确定性过大，无法用于监测有效性。确实存在一些紧先验使得数据有用：某些使得 TNCC 更准确，而另一些使得粗率估计更准确。因此，仅使用那些自发选择接受检测者的数据，我们发现两种方法都不比另一种更可靠，并且事实上所需信息并不存在于该数据中。我们得出结论：疫苗有效性和副作用的有效监测需要关于人群行为的强信息，或持续的随机对照试验（RCTs），而不仅仅是选择 TNCC 和粗率估计中我们更希望得到的结果。
引用
@article{arxiv.2208.09431,
title = {Simulation and inference on purely observational methods of monitoring vaccine effectiveness post-deployment: none is reliable without precise information on population behaviour},
author = {Roger F. Sewell},
journal= {arXiv preprint arXiv:2208.09431},
year = {2023}
}
备注
12 pages with 6 figures and 2 tables; plus 12 pages of appendices with 2 figures and 9 tables; 16 references. v2 has typos fixed at starts of sections 3 and B4 and grammar fixed elsewhere. v3 has work on partial real-world covid-related data added. v4 adds conditional independence relationships and another way of resolving the problem