Wir sehen regelmäßig Prognosen, die darauf hindeuten, dass die Übersterblichkeit vorbei ist. Dabei liegen immer wieder fehlerhafte Kohortenzusammenführungen zugrunde, aus denen dann falsche Schlussfolgerungen gezogen werden.
Dieser Artikel kann auch weitergelesen werden Website von Herman Steigstra.
Ein Beispiel, entnommen aus einem Rechenbeispiel eines Kritikers. Vereinfachte Zahlen für eine kleine Kohorte aus drei Altersgruppen mit drei unterschiedlichen Sterblichkeitswahrscheinlichkeiten (10 %, 20 % und 30 %). Eine hypothetische Situation im Jahr 2019 und im Jahr 2024:
Wir konzentrieren uns auf die Sterblichkeit bei 80-Jährigen. Das Sterblichkeitsrisiko beträgt 20 % und es spielt keine Rolle, ob wir dieses Sterblichkeitsrisiko im Jahr 2019 oder im Jahr 2024 betrachten. In diesem Beispiel gehen wir davon aus, dass dieses Risiko aufgrund einer besseren Gesundheit oder anderer Ursachen nicht abnimmt. Basierend auf dem Sterblichkeitsrisiko berechnen wir auch die Anzahl der Todesfälle pro Altersgruppe in den Jahren 2019 und 2024.
Wir gehen dann davon aus, dass uns die Zahlen für 80 Jahre nicht vorliegen, sondern dass diese nur als zusammengesetzte Kohorte von 79-81 Jahren vorliegen. Anschließend schätzen wir das Sterblichkeitsrisiko für einen 80-Jährigen als Durchschnitt der drei Kohorten im Alter von 79 bis 81 Jahren.
Im Jahr 2019 zählten wir somit 262.000 Einwohner dieser Kohorte und insgesamt 49.600 Todesfälle. Wenn wir das aufteilen, sehen wir ein Sterblichkeitsrisiko von 18,9 %, was deutlich unter den 20 % liegt, die wir bei 80-Jährigen sehen. Nur durch die Verschmelzung mit den beiden angrenzenden Zeitaltern.
Im Jahr 2024 werden wir die Populationen für 79 und 81 Jahre vertauschen. Wir verzeichnen mittlerweile mehr Todesfälle als im Jahr 2019, während die Gesamteinwohnerzahl und die Sterblichkeitsraten gleich bleiben. Das durchschnittliche Sterblichkeitsrisiko der Kohorte ist mittlerweile gestiegen. Das Ergebnis dieser Sterblichkeitswahrscheinlichkeit hängt also von der Verteilung der Populationen innerhalb der Kohorte ab.
Wie es sein sollte
Im Jahr 2023 haben wir diesen Artikel veröffentlicht: Eine Analyse der Übersterblichkeit basierend auf Alter und Geschlecht; die mögliche Rolle von Covid-19…Hier beschreiben wir die Berechnungsmethode anhand von Trends, die auf Basis von Bevölkerungszahlen und Sterbefällen, jedoch pro Alter und Geschlecht berechnet werden. Dies ist nun die Grundlage für das, was wir Normmortalität genannt haben.
Die Berechnungen wurden damals mit einem linearen Modell durchgeführt, daher gehen wir davon aus, dass die Abnahme (oder vielleicht die Zunahme) des Sterblichkeitsrisikos proportional zu dem Jahr ist, für das wir die Erwartung berechnen. Dies ist für einen begrenzten Zeitraum noch in Ordnung, da sich die Sterblichkeitsraten nur langsam ändern. In zehn Jahren sehen wir einen Rückgang von rund 20 %. Doch eines Tages wird sich der Niedergang noch weiter verlangsamen oder vielleicht sogar zum Stillstand kommen müssen, schließlich werden wir nicht unsterblich. Deshalb wurden die Trendlinien nun durch ein Exponentialmodell ersetzt. Die Unterschiede scheinen gering zu sein, aber dennoch…. Als Beispiel die Sterblichkeitsrate im Alter von 50 Jahren:
Wir sehen hier, dass das Sterblichkeitsrisiko im Laufe von 20 Jahren (2000–2019) langsam von etwa 0,35 % im Jahr 2000 auf 0,2 % im Jahr 2020 abnimmt. Wir sehen auch, dass die Trendlinie leicht gekrümmt ist, was auf das Exponentialmodell zurückzuführen ist, das wir jetzt verwenden. Aber es ist minimal. Es ist wichtig, dass wir sehen, dass das Sterberisiko langsam sinkt.
Gleichzeitig müssen wir uns darüber im Klaren sein, dass es sich bei dieser Grafik um eine einzelne Alterskohorte von nur 50-Jährigen handelt. Dies bedeutet, dass andere Kohorten älter werden nicht anwendbar, dies betrifft nur Todesfällekans. Ein gegenläufiger Trend, da aufgrund der Alterung die Sterblichkeitsraten der Gesamtbevölkerung steigen, während theoretisch jede 1-Jahres-Kohorte einen sinkenden Trend aufweisen könnte.
Alle Altersgruppen zusammen
Wir können nun die Gesamtzahl der Todesfälle in einem Diagramm im Verhältnis zur Trendlinie der Sterblichkeit von 2010 bis 2019 darstellen. Hier ist diese Grafik:
Die schwarze Linie wird anhand der erwarteten Sterblichkeitswahrscheinlichkeiten basierend auf allen 1-Jahres-Trends 2010–2019 berechnet. Die jährlichen Todesfälle passen daher gut in diese Linie.
Im Jahr 2009 kam es zu einer Umkehr des Rückgangs der Sterblichkeitsrate. Nach einer sinkenden Sterblichkeitsrate, insbesondere über dem 50. Lebensjahr, stabilisierte sich die sinkende Sterblichkeitsrate auf etwa 2 % pro Jahr. Wir sehen dies in dieser Grafik: Die sinkende Sterblichkeit geht aufgrund einer alternden Bevölkerung in einen Anstieg über.
Jetzt basierend auf Jahreszahlen pro 100.000
In diesem Schritt vereinfachen wir unsere Berechnung, wie es viele tun. Wir verwenden die Gesamtzahlen pro Jahr und rechnen sie in Sterblichkeit pro 100.000 Einwohner um, üblicherweise abgekürzt mit „pro 100.000“. Es entsteht dann dieser Graph:
Wir sehen, dass die Punkte im Vergleich zur vorherigen Grafik ungefähr gleich sind, und das ist richtig. Vor allem der Maßstab ist unterschiedlich. Allerdings ist die Grafik auch leicht geneigt, da die Bevölkerung langsam wuchs. Im Jahr 2019 gab es 10.000 Todesfälle mehr als im Jahr 2000, aber pro 100.000 gerechnet waren es fast gleich viel. Bevölkerungswachstum und Alterung waren die Ursache. Es gab 1,4 Millionen Einwohner mehr.
Die durchgezogene Linie ist wieder die gleiche Basislinie wie in der vorherigen Grafik, wiederum verlängert bis 2030 unter Verwendung geschätzter Populationen nach 2025.
Aber dann…
Falsche Modelle
Viele Heimrechner gehen davon aus, dass man durch die 100.000 Punkte bis einschließlich 2019 eine Kurve anpassen kann, die den Verlauf nach 2020 vorhersagt.
In diesem Diagramm ist die parabelförmige Anpassungslinie jetzt in Rot eingezeichnet, wie Sie es in vielen Diagrammen sehen. Hier gehen zwei Dinge schief:
- Die angepasste Kurve folgt (unabhängig vom gewählten Modell) hauptsächlich den Zahlen, die sich aus dem Bevölkerungswachstum ergeben, und nicht der erwarteten Sterblichkeitsrate. Die Anspielung auf 2020 wird so sehr vermisst.
- Der Rückgang der Sterblichkeit von 2000 bis 2010 verleitet sie dazu, sich für ein parabolisches Modell zu entscheiden, das auch die Zahlen weit vor 2010 beschreibt. Die Folge ist, dass für die Zukunft ein zunehmend steilerer Anstieg der Sterblichkeit vorhergesagt wird.
Wenn die bekannten Zahlen zur Bevölkerungszusammensetzung nicht berücksichtigt werden, muss die Linie an diese sich ändernden Zahlen angepasst werden. Es ist daher eine falsche Annahme, dass die Umrechnung in Todesfälle pro 100.000 Einwohner diesen Effekt neutralisiert.
Gute Modelle
Da es immer noch keine stabile Gesundheitslage gibt, müssen wir für die Zahlen ab 2020 eine „beste Schätzung“ prognostizieren. Wir können die Prognose weitgehend auf der Bevölkerungszusammensetzung basieren, da CBS sie jedes Jahr veröffentlicht. Die große Unbekannte sind natürlich die erwarteten Sterblichkeitsraten. In unserem Berechnungsmodell gehen wir davon aus, dass die tatsächlich erwartete Sterblichkeit eine Fortsetzung des Trends ist, den wir bis 2019 gesehen haben. Auch CBS deutet seit langem an, dass sie nach diesem Prinzip arbeiten. Die Gesamtzahlen von CBS und unserem Standard-Mortalitätsmodell stimmten bis 2022 sehr gut überein.
Gute Modelle gehen daher von individuellen Sterblichkeitswahrscheinlichkeiten für jedes Alter und Geschlecht aus. Diese Sterblichkeitswahrscheinlichkeiten zeigen eine zeitliche Entwicklung. Das gewählte Modell bestimmt, wie gut die Fortsetzung gewesen wäre, wenn es keine „unerklärliche Sterblichkeit“ gegeben hätte. Auch ist noch unklar, ob sich das, was uns seit 2020 widerfahren ist, auf das langfristige Sterblichkeitsrisiko auswirkt. Es kann sogar sein, dass es Gruppen von Menschen gibt, die von dem, was wir noch nicht wissen, nicht betroffen sind. Vielleicht erfahren wir in den nächsten Jahren mehr darüber.
ASMR
Der ultimative Weg, Veränderungen in der Bevölkerungszusammensetzung auszugleichen, ist die ASMR (Altersstandardisierte Sterblichkeitsrate). Die Sterblichkeitsraten werden auf eine Standardpopulation umgerechnet. In unserem Fall wählen wir die Bevölkerungsstruktur von 2019, die letzte ohne den Einfluss des „großen Unbekannten“. Auf diese Weise überführen wir auch die Baseline in die Zahlen des Jahres 2019. Dies ist die beigefügte Grafik:
Dies ist sozusagen das Sterberisiko, wenn sich die Bevölkerungszusammensetzung nicht verändert hätte, also nicht altern würde. Obwohl wir diese Zahlen nicht direkt mit der tatsächlichen Sterblichkeit vergleichen können, geben sie doch einen guten Einblick in die Entwicklung der Sterblichkeitserwartungen. Wie bei der Sterblichkeitserwartung für 50 Jahre in der ersten Grafik ist auch hier der gleiche Rückgang zu beobachten, berechnet für alle Einwohner nach der ASMR-Methode. Und das Wichtigste: Hier sehen wir die Übersterblichkeit ab 2020. Ohne jegliche Alterungseffekte. Wer also das Altern als Ursache für übermäßige Sterblichkeit anführt, kann anhand dieser Grafik erkennen, dass es nichts mit dem Altern zu tun hat.
Wahl der Geschichte und des Modells
Eine lineare Trendlinie ist für längere Zeiträume ungeeignet, da selbst die sanfteste Krümmung eine zunehmende Diskrepanz zwischen Erwartung und Realität erkennen lässt. Deshalb haben wir uns nun für ein exponentielles Berechnungsmodell entschieden. Dabei wird davon ausgegangen, dass die Sterblichkeit jedes Jahr um einen festen Prozentsatz sinkt.
Für einen längeren Bezugszeitraum wird manchmal eine Parabel gewählt, die bis 2020 einen Rückgang und dann einen Anstieg zeigt. Wenn man in der Lage sein will, dieser Kurve weiter in die Zukunft zu folgen, stehen demografische Unmöglichkeiten im Weg, wie zum Beispiel eine anhaltende Beschleunigung der Sterblichkeit, eine unwahrscheinliche Entwicklung.
Allerdings zeigen die Punkte ab 2000 auch eine klare Regelmäßigkeit, die formalisierbar zu sein scheint. Die beste Anpassung finden wir in einer logarithmischen Progression, die nahezu nahtlos mit den Punkten 2000 bis 2019 übereinstimmt. Es ist durchaus vertretbar, dass wir diese Linie vorerst beibehalten können; es führt nicht zu unmöglichen Szenarien. Tatsächlich stärkt es die Gültigkeit der exponentiellen Linie von 2010 bis 2019, da beide Linien ab 2014 praktisch gleich sind.
Schlüsse
Die Prognose für die voraussichtliche Entwicklung ab 2020 hängt stark von der Wahl des Berechnungsmodells und dem gewählten Zeitraum ab, mit dem das Modell gespeist wird. Wir sehen diese Optionen:
- Linear von 2010-2019. Veröffentlicht in Researchgate. Scheint die erwartete Sterblichkeit gut zu beschreiben und liefert eine Prognose, die gut zu den CBS-Zahlen passt.
- Exponentiell von 2010 bis 2019. Ergibt fast die gleichen Zahlen, ist aber auf lange Sicht etwas realistischer.
- Parabolisch. Bietet auch eine gute Beschreibung für die Jahre 2000-2010, prognostiziert aber einen starken Anstieg ab 2020, das ist eine Wahl.
- Logarithmisch. Ein Trend, der zwar nicht durch einen physikalischen Hintergrund untermauert wird, aber den Zahlen aus den Jahren 2003-2019 auffallend ähnlich ist.
Fazit: Nur das Berechnungsmodell, das eine Parabel als Modell annimmt, sagt einen Sterblichkeitstrend voraus, der ab 2020 zwangsweise ansteigen wird. Dies führt ab 2022 zu einer Untersterblichkeit. Die anderen drei Modelle sagen ab 2014 allesamt einen nahezu exakt gleichen Verlauf voraus. Die ersten beiden passen sehr gut zu biologisch erklärbarem Verhalten. Letzteres funktioniert auch sehr gut, ist aber eher eine optische und numerische Passung als eine demografische oder biologische Untermauerung.
Gutes Modell, natürlich vier!
Dabei wird davon ausgegangen, dass in einer normalen Situation die Sterblichkeit in den meisten Altersgruppen von Jahr zu Jahr um einen bestimmten Prozentsatz abnimmt. Vorteil: Die Sterblichkeit kann nie unter 0 fallen.
Dies ist sicherlich eine Verbesserung gegenüber dem zuvor veröffentlichten Artikel. Obwohl es leider zwangsläufig einige Spekulationen gibt. Aber es macht auf jeden Fall Sinn. Allerdings ist nicht auszuschließen, dass der realistischste Trend auch ohne Corona und ohne mRNA im Jahr 2019 einen Wendepunkt erreicht hätte, weil unsere Sterblichkeit ohnehin schon so verdammt niedrig war. Aber lassen Sie uns diese Diskussion für einen Moment beiseite legen ...
Die 1. Grafik mit ihren Schwankungen macht mich noch neugieriger auf die Zahlen für 2025.
Denn liegen 50-jährige Männer auf oder sogar unter der blauen Trendlinie? Schließlich ist ihre Abweichung von der Linie im Jahr 2024 nicht größer als in den Jahren 2002-2006, 2008, 2012 und 2014: die „natürlichen Schwankungen“.
Und wie werden Frauen im Jahr 2025 aussehen? Zurück auf Kurs oder dauerhaft erhöht?
Das Fazit lautet vorerst:
– Frauen mit 50 = ein Problem
– Männer von 50 könnten wieder auf dem richtigen Weg sein
Ich bin daher wieder einmal sehr gespannt auf die Grafiken von 2010 – 2024, in denen man alle Schwankungen pro Jahr und pro Alter sehen kann, und nicht nur die Werte von 2019 und 2024 wie im vorherigen Artikel. Denn diese stärker vergrößerte Grafik, die nur die 50-Jährigen, aber alle Jahre zeigt, veranschaulicht schön, dass es in all den Jahren einige Schwankungen gab.
Aber vielleicht wird das keine wesentlichen neuen Informationen/Einsichten liefern ... Vielleicht werden diese Grafiken wiederkommen? Mir geht es auch gut, wenn sie erst 2026 zusammen mit den Zahlen von 2025 kommen.
P.S. Schön, dass Sie mein extremes (völlig unrealistisches) Zahlenbeispiel, inspiriert von Hermans, verwendet haben, um den Bevölkerungswachstums- und Alterungseffekt von 21,1/18,9 = 11,6 % auf die Sterblichkeit von 80-Jährigen für jedermann glasklar zu veranschaulichen.
Vielen Dank für Ihre Antwort Jan. Alle Zahlen finden Sie über die Excel-Tabelle, die wir in dem Artikel veröffentlicht haben, den wir dazu geschrieben haben:
https://steig.nl/2025/04/rekenschema-normsterfte/
Das ist immer noch das lineare Modell.
Zahlen für 2025 werden erst etwa im Juni 2026 verfügbar sein, CBS wird die Zählung erst dann abgeschlossen haben.
Dass es im Jahr 2020 zu einer „geplanten Stabilisierung“ unserer Gesundheit kommen wird, ist eine Annahme, die wir nicht getroffen haben. Wir gehen davon aus, dass das Sterblichkeitsrisiko von 2010 bis 2019 jedes Jahr um etwa 1 % sinkt. Das gibt uns nicht das Gefühl, dass es ab 2020 plötzlich 0 % sein würde, „weil es so lange gedauert hat“. Die Gesundheitsversorgung kann unser Leben zunehmend verlängern, insbesondere im Alter von 50 bis 60 Jahren, wie wir an den Zahlen sehen.
Im Gegensatz dazu sehen wir für alle Jahre 2000-2008 einen Rückgang von 2 % pro Jahr. Ein Nicken (schnelle Schritte in der Entwicklung von Behandlungsmethoden??). Aus diesem Grund beginnt unser Modell mit dem Jahr 2010, während CBS nur 5 Jahre berücksichtigt, um einen Trend zu berechnen.
Und ja, aufgrund dieser Tatsache reagiert ein logarithmisches Modell gut auf diesen Knick und geht daher auch davon aus, dass diese Abflachung auch ab 2020 eintreten wird. Eine Wahl Ihres Modells geht ebenso wie eine Parabel davon aus, dass die Übersterblichkeit seit 2020 dadurch erklärt werden kann. Die Wahl Ihres Modells bestätigt, was Sie sehen möchten.
Und Unterschiede im Ergebnis Ihrer Berechnungen müssen auf die unbewussten Entscheidungen zurückzuführen sein, die Sie getroffen haben.
Na ja, eine freihändige Verlängerung der Trendlinie ist auch „realistisch“ oder logisch. Aber das ist etwas schwieriger zu berechnen, daher ist die exp()-Zeile, die exakte Punkte liefert, in Ordnung. Aber es bleibt „scheinbare Genauigkeit“. Ich (oder Claude) werde am Ende 3 % höher sein als Sie. Also etwas weniger Übersterblichkeit.
Selbst dann weisen Frauen im Alter von 50 Jahren für das Jahr 2024 immer noch eine deutliche Übersterblichkeit auf; und die Männer werden dann im Jahr 2024 innerhalb der Bandbreite liegen. Daher sind die Zahlen für 2025 entscheidend, um zu sehen, wie es bei den Männern (und natürlich auch bei den Frauen) weitergeht.
Ich hatte dieses Xcel vermisst; Danke; Ich werde sehen, ob ich die fehlenden Diagramme selbst erstellen kann. Obwohl ich im Moment sehr wenig Zeit habe….
Das Excel zeigt die Trendlinien für alle Altersgruppen. Also alle Grafiken, die Sie im Kopf haben. Und erstellen Sie gerne Ihre eigenen Varianten, indem Sie Kohorten kombinieren.
Danke, ich werde es mir ansehen.
Und. Natürlich werde ich sie nicht kombinieren...
Das hängt von der Frage ab. Wenn Sie beispielsweise wissen möchten, mit welcher Sterblichkeit Sie über 65 Jahren rechnen, müssen Sie multiplizieren und addieren.
Nein, das interessiert mich nicht so sehr.
Ich bin nur neugierig auf die Übersterblichkeit pro Jahr und wie der Trend pro Jahr aussieht. Also etwa 80 (oder etwa 160 m/f) Diagramme mit etwa 20 Jahren (x-Achse) und Todesfällen/100.000 (y-Achse). Vielleicht kann ich ChatGPT dazu bringen, all diese Diagramme zu generieren ...
Noch 2 Details:
1. Ich verstehe nicht, warum der Logarithmus der „Realität“ folgt und der Exponentialwert überhaupt nicht. Mi. Bei Exponential kann man die 3 Parameter a · e^(bx) + c auch so wählen, dass es bei einer glatten Kurve praktisch einer logarithmischen Kurve in der Reihe 2000 – 2019 entspricht. Auf jeden Fall viel besser, als Ihre Abbildung vermuten lässt!
2. Sie schreiben „Logarithmisch von 2000-2019. Ein Verlauf, der nicht durch einen physikalischen Hintergrund untermauert ist, aber wunderbar mit den Zahlen von 2003-2019 übereinstimmt.“ Ich denke, dass viele natürliche Prozesse eine logarithmische (asymptotenabnehmende, z. B. Sättigungseffekte, abnehmende Erträge, Lernkurven, Anpassung an neue Behandlungen, die einfachsten Verbesserungen werden zuerst erreicht, dann wird eine weitere Verbesserung zunehmend schwieriger) und/oder exponentielle (halber Wert, z. B. jede Verbesserung im Gesundheitswesen führt zu einer konstanten prozentualen Verbesserung) Abwanderung aufweist. Es ist also überhaupt nicht so wunderbar….
Überprüfen Sie noch einmal:
Claude landet mit exp() viel höher, nämlich 855/100.000 statt etwa 830/100.000 für Sie. Das macht einen Unterschied von etwa 3 % und ist für die Definition der Übersterblichkeit ziemlich viel. Oder hatten Sie eine ganz andere exp()-Funktion?
Rara?
Die log()-Funktion (hat nur 2 Parameter) passt nicht einfach durch 3 Punkte, aber ein ungefährer log() ergibt ungefähr 830/100.000.
P.S. Claude findet eine gut passende Exp viel einfacher als eine Log-Funktion. Sie behaupten das Gegenteil.
Rara?
Exponentialfunktion
y = 516,204 × e^(-0,133482x) + 834,132
Prognose 2024
855.1
Logarithmische Funktion
y = 1360,342 + -166,417 × ln(x)
Prognose 2024
831,5
Überprüfung: Passieren die Kurven die 3 Kontrollpunkte?
Jahr, tatsächliche Exp, vorhergesagter Exp-Fehler, Protokoll, vorhergesagter Log-Fehler
2003 1180 1180 0 1177,51 -2,49
2010 970 970 0 977,15 +7,15
2019 875 875 0 870,34 -4,66
Darin waren Herman und ich uns auch nicht ganz einig. Es bleibt eine Wahl für einen beschreibenden Ansatz. Der demografische Ansatz bleibt der aussagekräftigste Prädiktor.
Ich persönlich verlasse mich beim Zeichnen von Trendlinien auf Excel. Daher weiß ich nicht genau, welche „Benchmarks“ Sie meinen, und auch nicht, warum diese Jahre Benchmarks sein sollten. Ich füge die gesamte Reihe in Excel ein, ich wähle keine Jahre aus, die meiner Meinung nach wichtiger sind (oder eine Linie besser unterstützen) als andere. Dann ist das Ende wieder verloren.
The choice of segment is even decisive. Wenn man statt 2003 (oder 2002, das geht auch) das Jahr 2000 als Ausgangspunkt nimmt, dann stimmt das nicht mehr. Die Zeit vor 2000 ist wieder anders. Es bleibt eine Art Rosinenpickerei: Welches sieht am besten aus und könnte etwas Vorhersagendes zeigen? Welche Kristallkugel wird sich bald als richtig erweisen?
Für die Prognose macht die Wahl zwischen beiden (und sogar einer linearen) derzeit bei den Zehntausenden ungeklärten Todesfällen keinen großen Unterschied.
Vielleicht rechnet Claude etwas anders als Excel. Darüber habe ich bereits mit ChatGPT gestritten, der sagt: Der Protokolltrend in Excel hat die Form: 𝑦 = 𝑎 ln(𝑥) + 𝑏
Ich hielt es für selbstverständlich.
Im Jahr 2021 sprechen wir übrigens nicht von einer „Knickung“, sondern von einem unerwarteten Plateauanstieg, einem Trendausbruch aus dem Nichts, der sofort abflacht und langsam, hoffentlich dauerhaft, zurückfällt.
Erfreulicherweise ist ein langsamer Abwärtstrend erkennbar, wenngleich die Jahre 2024–2025 immer noch höher endeten als 2023–2024. Den Fokus auf 2024 finde ich nicht besonders interessant. In jedem Fall wäre es viel besser, die Saisonjahre zu betrachten, aber dann wäre man auch wieder auf dem falschen Weg. Man hätte gehofft, dass es nach 2021-2022 – oder eigentlich: direkt nach der Impfung – vorbei wäre. Immerhin wurde das versprochen. Es bleibt abzuwarten, was 2025–2026, insbesondere diesen Winter, bringen wird.
Was meinen Sie mit demografischem vs. deskriptivem Ansatz?
Für einen Vergleich mit 3 Unbekannten benötigt man 3 Benchmarks. Ich habe die Extremwerte der Grafik genommen und eines etwa in der Mitte, also 2003, 2010 und 2019. Bei dieser Wahl sollte man keine Ausreißer nehmen, sondern Punkte, die möglichst nahe an der Mitte der Linie liegen. Und das war 2010. Daher.
Ich bin nicht der Meinung, dass linear das Gleiche bewirkt. Das macht wirklich einen großen Unterschied, wie Sie in meinem vorherigen Beitrag sehen können. Es gibt also eine bessere Passform mit einer exp()-Funktion als die, die Xcel für Sie berechnet: die von Claude. Aber Sie haben Recht: Es bleibt eine Extrapolation in die Zukunft, und Sie blicken also auf Kaffeesatz.
Im Jahr 2020 und darüber hinaus wird es sicherlich zu einer deutlichen Abweichung vom bisherigen Trend kommen. Ich meinte, dass es im Jahr 2019 einen Wendepunkt geben könnte (genau wie um 2010 herum), ab dem die Lebenserwartung ohnehin weniger schnell steigen würde. Auch das ist und bleibt Spekulation. Niemand hat dort ein Monopol auf die Wahrheit. Und aufgrund der Störungen durch Corona (und der „großen Unbekannten“) werden wir leider nie erfahren, was ohne diese Störungen passiert wäre ...
Auch Bonnes Jahreszeiten fand ich sehr aufschlussreich. Dagegen gibt es nicht viel zu sagen...
Wir ziehen keine Linie durch 3 Punkte, sondern 200 Linien durch 20.000 Punkte und ein Produkt aus 200 Linien mit 20.000 Einwohnerzahlen pro Jahr.
Demographisch: Vorhersehbare Bevölkerungsstruktur wird berücksichtigt
Beschreibend: Eine Formel, die ungefähr beschreibt, wie ein Muster (normalerweise eine Linie) von Ergebnissen verläuft.
Und wenn der Verlauf der Kurve fast vollständig von der Demografie bestimmt wird, muss man ihn nicht mehr beschreiben, denn diese Zahlen sind bereits bekannt ... 🙂
Wenn ein Zeitraum mit einer Formel beschrieben werden kann, ist er ein ernsthafter Kandidat für die Vorhersage. Wenn die Vorhersagen nicht mit der Demografie übereinstimmen, war es schön, dass es so lange gut lief 🙂
Mein Punkt ist, dass die Bevölkerungszusammensetzung genau bekannt ist. Sie werden keine Parabel „erfinden“, um diesen Verlauf zu beschreiben. Sie müssen dies als gegeben in Ihr Modell einbeziehen. Was bleibt, ist ein Modell, das nur Ihre gesundheitliche Entwicklung widerspiegelt.
Sollte die Prognose gut übereinstimmen, ist dies kein Beweis dafür, dass das Modell korrekt ist.
Schöner Artikel mit hervorragenden Grafiken, den ich auch verwenden werde. Meiner Meinung nach geht es vor allem darum, durch die Wimpern sehen zu können und nicht darum, daraus weitere spekulative Erkenntnisse abzuleiten. Dies ist nützlich, um den Anstieg der Sterblichkeit von einer alternden Bevölkerung zu trennen, bei der es sich nicht um einen Turboanstieg handeln kann.
Bekanntlich streben wir beim Biomedizinischen Rechnungshof weiterhin nach mehr Transparenz der Zahlen. Bei RIVM. Bei CBS. Es wurden zwar Rohdaten zu den Todesursachen eingegeben, CBS erklärte sich jedoch aufgrund des CBS Act für unzulässig. Angesichts dieser Rechtsauffassung muss eine politische Lösung in Form einer Gesetzesänderung gefunden werden. Zumindest wenn gute Regierungsführung das Ziel ist. Und was VWS/RIVM betrifft, warten wir immer noch auf die höhere Berufung im Deltavax-Fall! Staatsrat, machen Sie mit der Planung weiter, würde ich sagen.
Und wir arbeiten auch mit einem Schwerpunkt hauptsächlich auf der Pathologie. Alle Erkenntnisse müssen mit kausalen medizinischen Beobachtungen verknüpft werden. Darüber ist bereits viel bekannt, obwohl die Forschung aktiv unterdrückt und entmutigt wird. Und bald folgt noch mehr darüber, wie viel Sand in die Gesundheitsmaschine geworfen wurde und wie dieser erkannt werden kann. Mit schwerwiegenden Folgen für die Mortalität, aber auch für die Morbidität. Bleiben Sie dran!
Hallo Cyril, danke!
Ich verfolge die gute Arbeit des BMRK aufmerksam. Ich habe in letzter Zeit wieder darauf geachtet, genau wie Sie hier Du hast es vielleicht gesehen.
Kausale medizinische Beobachtungen liegen sicherlich bereits vor. Alles hängt davon ab, wie die Medien damit umgehen. Bisher gab es kaum Interesse daran. Die Gründe liegen auf der Hand.
Datentransparenz ist entscheidend; Meiner Meinung nach sogar Priorität 1, weil kausale Beobachtungen ohne numerische Auswirkungen leicht als anekdotisch, nicht bedeutsam oder sogar als Desinformation abgetan werden. Das sehen wir jetzt. Ich bin sehr gespannt, ob die Abgeordneten einer Gesetzesänderung zustimmen werden – falls es jemals einen solchen Vorschlag gibt. Daumen drücken und weitermachen!
Lieber Cyril,
Vielen Dank für Ihren positiven Kommentar. Wenn wir Ihre nützlichen Aktivitäten unterstützen können, lassen Sie es uns bitte wissen!
Außerdem arbeite ich an einem Artikel zum Thema „effektive Impfraten“. Dadurch lässt sich die Wirksamkeit des Impfstoffs anhand der bekannten Zahlen gut einschätzen. Aus Zeitgründen gibt es beim Schreiben jedoch keine großen Fortschritte.
Besonders nützlich in den ersten Monaten der Impfung, wenn die Gruppe der Ungeimpften viel größer ist als die der Ungeimpften. Nützlich im Hinterkopf behalten!
Grüße, Herman
Wird Virusvaria zu einer nationalen Bedrohung?
Ich habe kürzlich eine automatische Datenschutzwarnung erhalten, als ich nach einer Website gesucht habe!
Tatsächlich ist es gefährlich, diese Seite zu besuchen.
Möglicherweise fangen Sie gerade an, an der vorgeschriebenen Erzählung zu zweifeln.
Zeit für eine Namensänderung? „Ausgezeichnet“ kommt mir in den Sinn. Excel, Transplantation (mehrere Bedeutungen), Impfung, ausgezeichnet... vielleicht habe ich zu viel Fantasie, aber leider habe ich auch Erfahrungen mit seltsamen Warnungen.