Uusi analyysi Yhdysvaltain rokotteiden haittavaikutusten raportointijärjestelmästä (VAERS) paljastaa, että rokotehaittoja jää piiloon järjestelmässä. VAERS kerää tietoa kaikista raportoituista haittavaikutuksista rokotusten jälkeen niin terveydenhuollon ammattilaisilta kuin yksityishenkilöiltä. Kanadalaisen tutkijan Jessica Rosenin tutkimus osoittaa, että järjestelmän ominaisuudet itse estävät haittatietojen näkymisen.
Vanha järjestelmä
VAERS on ollut käytössä 1980-luvulta lähtien, mutta sen rakenne on pysynyt lähes muuttumattomana. Nykyajan standardeja, kuten yhtenäisiä eränumeroformaatteja, selkeitä pudotusvalikoita ja analyysiä tukevia työkaluja ei ole.
Rosen tutkimus osoittaa, että ongelma ei ole pelkästään puutteellisissa raporteissa, vaan järjestelmän ominaisuudet estävät tietojen täyden näkymisen. Pienet virheet ja epäyhtenäiset kentät voivat johtaa siihen, että raportit jäävät järjestelmän sisällä huomaamatta:
- Eränumeroiden kirjoitusvirheet: Sama rokote-erä voi olla merkitty eri tavoin, esimerkiksi välilyönneillä, isoilla ja pienillä kirjaimilla tai välimerkeillä. Järjestelmä käsittelee ne tällöin erillisinä erinä. Rosen puhdisti ja standardisoi nämä tiedot, ja sai näin analyysiinsä yli 8 800 aiemmin tunnistamatonta raporttia.
- Puuttuvat tai epäyhtenäiset kentät: Jos rokotteen tyyppi tai ikä on merkitty epäyhtenäisesti, raportit voivat jäädä automaattisen analyysin “saaristoon”, josta ne eivät nouse esiin.
Koodaus sirpaloittaa vakavat haitat
VAERS käyttää lääketieteellisiä koodeja kuvaamaan eri haittavaikutuksia. Hajanaiset koodit voivat piilottaa tärkeitä turvallisuussignaaleja. Rosen havaitsi, että yksittäiset vakavat tapaukset, kuten sikiön menetykset ja sydänpysähdykset, sirpaloituvat useisiin eri koodeihin. Tämä tarkoittaa, että järjestelmä ei havaitse niitä automaattisesti.
- Sikiön menetys: Kahdeksan eri koodia kuvasi keskenmenoja ja kohtukuolemia. Yksittäiset koodit eivät aiheuttaneet haittahälytystä, mutta yhdistettynä haittasignaali nousi 146 prosenttia.
- Sydänpysähdykset: Yhdeksän toisiinsa liittyvää erilaista koodia yhdistettynä paljasti 38 prosentin kasvun.
Rosen kuvaa VAERSin tilannetta digitaalisen hautausmaan metaforalla: tiedot ovat olemassa, mutta pienet virheet, puutteelliset kentät ja sirpaloituneet koodit peittävät merkittävät rokotteesta aiheutuneet vaaran merkit alleen.
Mainos
Tekoäly mahdollistaa nykyjärjestelmän optimoinnin
Rosen ei ehdota järjestelmän hylkäämistä, vaan sen modernisointia. Ratkaisuksi ehdotetaan datan puhdistusta, edistyneitä tilastollisia menetelmiä ja tekoälytyökaluja, jotka kykenevät yhdistämään erillisiä koodeja ja jäsentämään vapaamuotoista tekstiä tehokkaammin.
Rosen suosittaa parannukseksi Manus-työkalua, tekoälypohjaista analyysiohjelmaa, joka kykenee tunnistamaan vapaamuotoisesta tekstistä ja hajanaisista koodeista yhteyksiä. Manus pystyi sekunneissa yhdistämään esimerkiksi sydänlihastulehduksen ja rokotteen, antaen arvion syy-seuraussuhteen todennäköisyydestä. Tekoäly voi paljastaa haittasignaaleja, joita perinteiset automatisoidut seurantajärjestelmät eivät huomaa.
Rosenin tutkimus näyttää , että VAERS- rokotehaittojen raportointijärjestelmän sisäiset mekanismit – datan puutteet, sirpaloituneet koodit ja vanhentunut infrastruktuuri – voivat piilottaa merkittäviä rokotehaittoja. Haittavaikutusten tunnistaminen ja prosentuaalisten nousujen havaitseminen on elintärkeää kansanterveydelle. Tehokas raportointijärjestelmä antaa viranomaisille välitöntä palautetta rokotteiden turvallisuudesta ja auttaa osin päättämään, jatketaanko vai keskeytetäänkö tietyn rokotteen jakelu. Jos VAERS-raporteissa havaitaan poikkeava määrä tiettyä rokotteen jälkeistä haittavaikutusta, viranomaiset tekevät lisätutkimuksia ennen johtopäätösten tekemistä.
Useissa osavaltioissa, kuten Arizonassa, on tehty lakiehdotuksia COVID‑19‑rokotteiden käytön rajoittamiseksi niiden haittavaikutusten vuoksi, sekä koronarokotteiden luokittelemiksi jopa bioaseiksi.
Tutkimus on julkaistu Journal of Independent Medicine -lehdessä Vol. 2, No. 2, 25. maaliskuuta 2026. https://journalofindependentmedicine.org/articles/v02n02a06/
