De coronavaccins beschermen goed tegen ziekte

De vaccins zijn een belangrijk wapen tegen de pandemie, dat ziet men bijvoorbeeld als men kijkt naar de leeftijdsverdeling van patiënten gehospitaliseerd met COVID-19. Het percentage ouderen, die prioritair werden gevaccineerd, is sinds de start van de vaccinaties sterk gedaald, ook in absolute cijfers ziet men een daling van de hospitalisaties.

Ook in Israël, waar de vaccinatiecampagne snel op gang werd getrokken met de Pfizer-vaccins, daalde het aandeel ouderen dat kunstmatig beademd moest worden sterk doorheen de vaccinatiecampagne. In verschillende studies is aangetoond dat de vaccins overlijdens voorkomen. In ons land dalen de besmettingscijfers ook al sinds maart, dat kunnen we minstens deels toeschrijven aan de vaccins.

Het Pfizervaccin bleek al efficiënt in de eerste studie.

Je kan op verschillende manieren weergeven hoe goed een vaccin beschermt. In onderzoek naar vaccinaties drukt men de beschermingsgraad meestal uit in een “relatieve risicoreductie”. Dat getal wordt berekend door het verschil in besmettingen tussen de controlegroep en de vaccingroep, te delen door het percentage besmettingen in de controlegroep.

We kunnen de relatieve risicoreductie (RRR) berekenen voor de studie waarmee het vaccin van Pfizer is goedgekeurd. In dat testtraject kregen 0,037% van de gevaccineerde mensen COVID-19 in de periode vanaf 7 dagen na de tweede injectie tot bijna drie maanden later. In de groep die dus geen werkzaam vaccin kreeg, was dit 0,75%.

Eerst berekenen we het verschil tussen beide groepen: 0,75 - 0,037 = 0,713. Dat verschil delen we door het percentage besmettingen in de controlegroep (0,75) en dat geeft ons een RRR van 0,95. Epidemiologen zeggen dan dat het vaccin 95 procent effectief is in het voorkomen van COVID-19.

Waar komt de verwarring dan vandaan?

Soms wordt ook een ander begrip gebruikt om de effectiviteit van een vaccin weer te geven: de “number needed to vaccinate”, of NNV. Dit is het aantal mensen dat je zou moeten vaccineren om één geval van ziekte te voorkomen.

De NNV berekenen epidemiologen aan de hand van de “absolute risicoreductie”, of ARR. De ARR is simpelweg het percentage besmetting in de vaccingroep afgetrokken van het percentage besmettingen in de placebogroep. Dat getal kan daarna omgerekend worden tot de NNV.

Voor de Pfizerstudie bereken je de ARR door 0,037%, het percentage mensen dat COVID-19 kreeg in de vaccingroep, af te trekken van 0,75%, het percentage mensen dat COVID-19 kreeg in de placebogroep. Dit komt uit op 0,713%. Epidemiologen delen dan één door dit getal en dat geeft de NNV. In dit geval is dat ongeveer 133.

Een onderzoeker van de Oxford University deed deze oefening voor verschillende studies met verschillende vaccins. Uit een studie naar de effectiviteit van het Pfizervaccin in Israël berekent hij een NNV van 217. Dit getal werd ook op de site van Artsen Voor Vrijheid gepubliceerd, maar dat is dus vrij selectief. Dat de NNV-getallen uit de eerste Pfizerstudie en uit de Israëlische studie zo verschillen lijkt misschien verwarrend, maar valt perfect te verklaren.

Goochelen met cijfers: hetzelfde vaccin kan heel verschillende cijfer “scoren”

De ARR en NNV hebben zeker een waarde voor de epidemiologie, hoewel er ook stemmen opgaan om die indicatoren minder of voorzichtiger te gebruiken bij vaccinonderzoek, net omdat ze zo misleidend kunnen zijn. Ze worden immers sterk beïnvloed door allerlei factoren die niet gelinkt zijn aan het vaccin op zich.

Een hypothetisch voorbeeld om dat laatste punt te illustreren: twee studies in twee verschillende landen onderzoeken hetzelfde vaccin. In het ene land zijn de besmettingscijfers heel hoog, in het andere land zijn die een pak lager. In de ene studie raakt 50% van de placebogroep besmet en slechts 2,5% van de gevaccineerde groep. In de andere studie raakt 5% van de placebogroep besmet en 0,25% van de gevaccineerde groep.

In dit hypothetisch voorbeeld kunnen we ook de RRR, ARR en NNV berekenen. De RRR is in beide studies 95%, het gaat immers over hetzelfde vaccin en de zelfde verhoudingen tussen de gevaccineerde en niet-gevaccineerde groep. De ARR verschilt echter sterk. In de ene studie is die 47,5% met een NNV van net iets meer dan 2, in de andere studie is die 4,75%, met een NNV van iets meer dan 20. Hierdoor zie je in welke mate de ARR en NNV beïnvloed worden door de omstandigheden van de studie.

De eerder genoemde studie waar er een NNV van 217 uit werd berekend heeft enkele tekortkomingen. Zo liep die studie maar gedurende 42 dagen, waardoor het absolute verschil in besmettingen tussen de gevaccineerde groep en de placebogroep (de ARR) zeer laag was. Dit leidt op zijn beurt weer tot een hogere NNV. Zeker als men dit vergelijkt met de studie van Pfizer, waar de proefpersonen dubbel zo lang opgevolgd werden. Dat is één van de redenen waarom de NNV van de eerste Pfizerstudie, zo hard verschilt van de NNV uit de Israëlische studie.

Hoe interpreteer je die verschillende getallen best?

Beoordelen hoe effectief een vaccin is, is niet gemakkelijk. Het is gevaarlijk om zich blind te staren op één cijfer. Dit geldt ook voor de RRR: breed vaccineren voor een ziekte die nauwelijks voorkomt is mogelijks geen bijzonder goed plan, ook al geeft het vaccin een hoge RRR. Als de ziekte waarvoor men wil vaccineren niet vaak voorkomt, of geen grote maatschappelijke impact heeft, kan de kosten-batenanalyse in het nadeel van het vaccin uitslaan.

Vaccins tegen een ziekte met een grote maatschappelijke impact, zoals COVID-19, doorstaat deze kosten-batenanalyse beter. De vaccins van Pfizer en Moderna hebben een RRR van meer dan 90% voor COVID-19. AstraZeneca en Johnson&Johnson zitten respectievelijk rond de 80% en 70% relatieve risicoreductie. de RRR voor ernstige ziekte, hospitalisatie en overlijden ligt wellicht nog hoger. Je mag daarom wel degelijk zeggen dat de vaccins hun doel bereiken, het overbelaste zorgnetwerk ontlasten en onnodig menselijk leed voorkomen.

Vaccins verminderen ook de viruscirculatie

We weten op basis van een Britse studie intussen ook dat na vaccinatie de kans op het besmetten van anderen sterk afneemt. De vaccinaties kunnen de mate van viruscirculatie in de maatschappij verminderen en dragen bij tot het opbouwen van groepsimmuniteit. Het virus zal bij een hoge vaccinatiegraad moeilijker een gastheer vinden omdat het op steeds meer immune mensen botst.

De vaccins voorkomen op den duur besmettingen bij wie gevaccineerd is, maar ook bij wie niet gevaccineerd is. De NNV zou daardoor nog lager kunnen uitvallen dan men nu in studies vindt. Het effectieve aantal mensen dat gevaccineerd moet worden om één besmetting te voorkomen is wellicht onmogelijk te berekenen, omdat zoveel factoren daarin meespelen.

Conclusie: er wordt selectief omgegaan met cijfers. Cherrypicking

Dat men meer dan 200 mensen zou moeten vaccineren om één geval van COVID-19 te voorkomen is in principe niet fout. Althans niet voor één specifieke berekening. De Israëlische studie toonde inderdaad dat in die epidemiologische situatie men ongeveer 217 mensen moest vaccineren om één besmetting te voorkomen over een periode van 42 dagen, wat een relatief korte periode is. Zoals eerder geïllustreerd, is deze informatie niet voldoende om de effectiviteit van de vaccins te beoordelen. Het cijfer geldt ook alleen voor die specifieke omstandigheden.

Door cherrypicking, het selecteren van studies die een reeds vooraf gevormde mening ondersteunen, kan men op basis van de NNV de vaccins in een heel positief of, zoals hier gebeurde, negatief daglicht stellen. Het totaalplaatje is belangrijk, zeker bij de ARR en NNV. Die zijn immers heel gevoelig aan externe factoren waardoor het extrapoleren van data uit studies naar de echte wereld zeer moeilijk is. Het algemene beeld blijft dat de vaccins die in Europa gebruikt worden, wel degelijk efficiënt zijn.