Evid2022

因為我們遇到了非常奇妙的疫苗狀況： ．就是「注射三劑的」感染率，比「完全未注射的」高。 ．「注射三劑的」感染死亡率，比「完全未注射的」低。 那究竟，單就「未注射」與「注射三劑」，究竟對族群是好或壞？究竟注射三劑，能讓族群死亡人數變少嗎？ 建立簡單數字模型如下 「有打針的10人，8個被感染，4個死亡。」 計算可以得知，感染率80%，感染死亡率，50% 。 「沒打針的10人，2個被感染，2個死亡。」 計算可以得知，感染率20%，感染死亡率，100%。 分析： 打針後，因為感染死亡的佔該族群 40%；未打針，因為感染死亡佔該族群 20%。 ．看起來不要打針比較好。 可是單用感染死亡率的算法（感染死亡數/感染數），會得到打針感染死亡50%，未打針100%。 ．看起來打針竟然比較好。 如果我們用「感染率 x 感染死亡率」來調整，就會看到與真實狀況吻合的數字： 打針族群：感染率 80% x 感染死亡率 50% = 40% 未打針族群：感染率 20% x 感染死亡率 100% = 20% 可以看到，這樣計算之後，就會吻合打針或不打針，對整個族群的影響。 所以在打針比未打針感染率高的狀況，單用感染死亡率無法看出「打針」這件事，對整體族群的影響。 我們這次疫情疫苗，剛好就遇到這個狀況。從下表，英國最新公佈的統計來看，剛好就可以看出，打三劑的被感染率，在許多年齡層，都高出完全未打針的三倍以上。 依照「感染率 x 感染死亡率」，去計算急診率、28天死亡率、60天死亡率，可能會得出令人非常驚訝的數字。簡單的說，就是去計算： ．感染率 x 感染急診率 ．感染率 x 28天感染死亡率 ．感染率 x 60天感染死亡率 所以，個人主張，應該使用「感染率 x 感染死亡率」，來評估預防針的整體族群效果。

以下的內容來源是來自根據 Kristoffer Torbjørn Bæk 所整理的丹麥Covid-19 統計數據，以英文呈現在 Dead Man Talking 網站的資料。因為我不會丹麥文，沒有能力檢視原始官方文件，但依照書寫方式，會覺得是可信的呈現。 該文從疫苗施打開始，對官方資料顯示「打針後感染住院率下降」、「打針後感染死亡率下降」，但在醫院實際看到仍有許多打針後感染病患及感染死亡的現象，因而感到矛盾，於是進一步試圖透過全國性的數字，統計全國感染死亡以及全原因死亡來看到底施打疫苗開始後，對全國這個群體而言，到底影響是好是壞。 有興趣的朋友可以閱讀原始英文，我大致翻譯英文重點，以及完整翻譯最後兩段英文，並且附上最後兩張圖表。 文章前半部的重點是： 打三劑的普遍感染率比未打針的高。 雖然數據顯示打過針的住院率比較低，但是醫院還是塞滿了打過針的感染住院病患。 死亡部分也是跟住院的部分一樣，許多打過三劑得仍然感染死亡。 以下是我的個人主張，跟該文無關 「所以要用（接種後感染率x接種後住院率）及（接種後感染率x接種後死亡率）才能看出真實接種對整個族群的影響。」（ 進一步說明的連結 ） 回到該文，翻譯最後兩段並附上圖表： 我並不覺得如此。自疫苗推出以来，COVID的死亡人數（以下橙色）每季都在逐步增加，但與普通流感相比，仍然没有什麼额外的影響。更糟糕的是，自從大規模接種疫苗以来，全原因死亡數（浅藍色）顯然大大增加（而且超量），其中大部分死亡與COVID本身無關。 I don’t think so. COVID deaths (orange below) have gotten progressively worse each season since the vaccine was rolled out and yet still have little additional impact over a regular flu. Worse still, it is apparent that all-cause mortality (light blue) is substantially higher (and in excess) since mass vaccination with much of that death not being attribute

以下的資料，是整理自英國官方資料庫  Deaths by Vaccination status, England  （英國分疫苗注射狀態的死亡統計），其中的報表  Deaths occurring between 1 January 2021 and 31 January 2022 edition of this dataset  （2021-1-1 至 2022-1-31 的死亡統計）。 The following line graphs are summarized from the datasheet  Deaths occurring between 1 January 2021 and 31 January 2022 edition of this dataset  of the UK official website  Deaths by Vaccination status, England 。 依照大學同學的建議，整理： 1. 全原因死亡率與感染死亡率在同一個圖表呈現。 2. 將未注射與有注射比較，有注射包含一針或兩針或三針。 只截取第一針打滿21天或第二針打滿21天，或第三針打滿21天。 來看變化。 打針死亡率加總算法公式是用： 第一針官方公布死亡率 x（第一針人年數/總注射人年數）+ 第二針官方公布死亡率 x（第二針人年數/總注射人年數）+ 第三針官方公布死亡率 x（第三針人年數/總注射人年數） 現在呈現的女性與男性18-39歲部分，是資料庫中最年輕的年齡數據。 目的是幫助到底在年輕族群，打針是有益還是有害，幫助判斷。 上述資料第一次呈現在臉書，也包含個人的觀察記述，還是要強調，這邊主要只做客觀資料整理呈現，其他個人主觀的觀察記述部分，希望拉近閱讀者與客觀呈現內容的距離。對於新興傳染病，大家都在學習，失敗本來就是成功之母，如果能從這個角度來看，就不會陷入一己之見的意氣之爭。科學進步的腳步向來緩慢，隨著一點一點客觀觀察到的證據累積，人對事件的認知會有改變，進而帶動人類整體的成長。筆者在有限的時間呈現自己認為重要的資料，如果國家認為這是良性的競爭，一起進步，呈現給國民更多完整、詳細正反資料，例如疫苗在各年齡層的 NNT 與 NNH 數據，一定是大家的幸福。 以下是臉書評論的呈現，之後會附上其他英國女性年齡別的圖表及原始繪製圖表整理的數字，同樣是因為個