Path: news.eternal-september.org!eternal-september.org!feeder3.eternal-september.org!2.eu.feeder.erje.net!feeder.erje.net!feeder2.feed.ams11.usenet.farm!feed.usenet.farm!peer01.ams4!peer.am4.highwinds-media.com!news.highwinds-media.com!fx05.ams4.POSTED!not-for-mail
MIME-Version: 1.0
User-Agent: Mozilla Thunderbird
Newsgroups: fr.bio.medecine
Content-Language: fr
From: Paul Aubrin <paul.aubrin@invalid.org>
Subject: =?UTF-8?Q?Le_biais_de_mauvaise_cat=C3=A9gorisation?=
Content-Type: text/plain; charset=UTF-8; format=flowed
Content-Transfer-Encoding: 8bit
Lines: 23
Message-ID: <1aD1Q.1252949$lZjd.975073@fx05.ams4>
X-Complaints-To: abuse@eweka.nl
NNTP-Posting-Date: Mon, 09 Jun 2025 15:34:21 UTC
Organization: Eweka Internet Services
Date: Mon, 9 Jun 2025 17:34:21 +0200
X-Received-Bytes: 1851

Résumé

Il est reconnu que de nombreuses études faisant état d'une efficacité 
élevée des vaccins Covid-19 souffrent de divers biais de sélection. Une 
analyse systématique a permis d'identifier trente-huit études souffrant 
d'une forme particulière et grave de biais, appelée biais de mauvaise 
catégorisation, par lequel les participants à l'étude qui ont été 
vaccinés sont classés comme non vaccinés jusqu'à un certain délai 
arbitrairement défini après la vaccination. La simulation démontre que 
ce biais de mauvaise catégorisation augmente artificiellement 
l'efficacité des vaccins et les taux d'infection, même lorsque 
l'efficacité d'un vaccin est nulle ou négative. En outre, la simulation 
démontre que des rappels répétés, administrés tous les quelques mois, 
sont nécessaires pour maintenir cette impression trompeuse d'efficacité. 
Dans ces conditions, toute allégation d'efficacité du vaccin Covid-19 
basée sur ces études est susceptible d'être une illusion statistique.

The extent and impact of vaccine status miscategorisation on covid-19 
vaccine efficacy studies
Martin Neil, Norman Fenton, Scott McLachlan
medRxiv 2024.03.09.24304015; doi: 
https://doi.org/10.1101/2024.03.09.24304015