打了新冠疫苗会在10年后才出现副作用吗?

这是 @每天写50字的Xiao 的原创文章,欢迎关注转发,请保留完整信息,注明出处,包括此部分。

 现在打新冠疫苗,10年之后才出现副作用的几率有多大?

新冠疫苗的短期副作用很常见,比如疲劳、头痛、发烧等,一般只会持续几天。也在网上看到不少人有疑问,担心注射很久之后可能引发一些未知的副作用。这或许是很多人的忧虑,也是一些人选择不打疫苗的原因。这种顾虑有必要吗?

相对于各种历史悠久的流行病比如天花、水痘的疫苗,新冠疫苗属于短期研发并快速进入临床应用的,所以有人担心接种之后会有严重的副作用出现,尤其担心这类副作用在多年之后才显现。这种可能性有多大呢?看了纳西姆·塔勒布做的一些分析后,会对这个概率有一些了解。

纳西姆·尼古拉斯·塔勒布(Nassim Nicholas Taleb),知名数理统计学者,前期权交易者,风险工程学教授、哲学随笔作家,思想家。这样一个横跨数学、金融、风险评估的聪明人,写了至少五本书来研究随机性,概率和不确定性,包括畅销书《黑天鹅》(曾位列二战后最有影响力书榜第十二名),《非对称风险》,《反脆弱》等,一直致力于帮助人们了解“黑天鹅”事件和应对策略。他提出了很多理论,比如新冠并不(仅)一个“老年人”才会面对的问题,新冠并非“黑天鹅”事件(而很多政府企业并未提前准备应对措施),都值得去看看。很多视频文字网上都可以找到,比如他的推特和油管频道。

塔勒布估算了假设打过疫苗并在多年之后出现严重副作用的概率,下面是他发的推特原文:

这个估算假定接种后会诱发某种严重的副作用,比如癌症等,而因为个体的年龄、性别、种族、身体条件不同,病症的潜伏期也是千差万别的,所以不同人显现出病症的时间也不同。不会像科幻片那样,在某个特定的时间点全体爆发。也就是说即使有严重的副作用在长期之后才显现出来,每个人的显现时间也不是集中在很短的一个时间段,而是在总体上呈现出一个类似钟形曲线(中间高两边低)的分布。所以即使这个副作用在三年、五年或者十年后达到顶峰,也不会出现所有接种者在那个时间点同时爆发的情况,而是有少部分人在接种后很快就这种表现类似副作用。这个“少部分”是多少,不同的参数会给出不同的具体数值,但是由于目前样本已经非常非常的大(十亿级别的人数),所以相对利于进行数据统计,这也是相关学者非常喜欢的一个特点。

在塔勒布写这篇推的时候(21年12月份),全球已经有40亿人注射了疫苗,其中有相当部分(北美,西欧,澳新,…)是mRNA疫苗。根据这个40亿这个大样本估计,注射之后立即显示严重副作用的人群是以万为单位的,有人甚至推算出假如副作用出现的高峰在注射第3年之后,大概有0.3%也就是1200万人接种后应该已经出现了该副作用。(https://diylifetech.com/nassim-taleb-proves-that-long-term-covid-19-vaccine-side-effects-are-incredibly-unlikely-d2d521bc39)。刚刚查了一下Bloomberg的数据,到2022年8月全球已经注射了124亿支疫苗,光美国就6亿支,其实也是由于mRNa这种技术才能够实现如此巨大的产能。所以假设人均打了两针,也有超过60亿人注射了。

即使有人提出了目前人类已知的超长潜伏期(10年以上)的传染病比如库鲁病(Kuru),塔勒布计算出前两年出现病症的人群已经达到了8.3%,也就是说假如潜伏期是十年的话,接近十分之一的人在前2年就会出现症状。这对于人数少的样本可能并不明显,但现在的情况是我们已经有一个几十亿的样本,用这个概率算那无论如何现在就出现严重症状并且不会被误诊、被忽视的数量都非常庞大了。事实是,目前没有对于大面积副作用的发现或报道,可以认定在几年几十年后出现严重副作用的概率是非常非常低了。

对于疫苗的副作用,我们应该禁止接种疫苗还是应该把疫苗挽救的生命也考虑在内?19年的一本书《为什么:关于因果关系的新科学》(朱迪亚·珀尔) 用天花疫苗举例,假设疫苗接种率是99%,100万个孩子中有99万人接种了疫苗,其中有9900 人(1%)出现了接种后的不良反应,这之中有99人(接种人数的万分之一)因此死亡;同时1万个人没有接种疫苗,这1万个孩子有200人得了天花,其中的40人死于天花。也就是说100万人中总共会有99+40=139人死亡。看似不良反应造成的后果很严重。但是假设这100万孩子都没有接种疫苗,同样的概率下2万人会得天花,4000人会死亡。 所以这会是死亡人数139与4000的差别,还有200与20000的患病人数差别,对于整个人群来说,孰轻孰重显而易见。

塔勒布理论主要可以总结为两点:(1)即使副作用有潜伏期,也总有一部分人会在很早期的时候发病;(2)现在人类拥有一个非常大(以十亿计)的样本,即使有超长潜伏期的副作用,早期出现其症状的人数也已经大到不可忽视了(然而目前并没有发现)。

不管怎样,用科学统计的方法来做分析判断,相比于根据一些传闻而总是不必要的忧虑,至少要靠谱得多。

本文使用 文章同步助手 同步

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,001评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,210评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,874评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,001评论 1 291
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,022评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,005评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,929评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,742评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,193评论 1 309
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,427评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,583评论 1 346
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,305评论 5 342
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,911评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,564评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,731评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,581评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,478评论 2 352

推荐阅读更多精彩内容