Er verschijnen met grote regelmaat nieuwe studies die claimen dat COVID-19-vaccinaties een "beschermend effect" hebben tegen oversterfte. Ook de nieuwste publicatie in Europäisches Journal für Epidemiologie (2026)1In der Veröffentlichung wurde Folgendes besprochen: https://link.springer.com/article/10.1007/s10654-026-01414-1 volgt weer hetzelfde platgetreden pad. En ik ben bang dat er nog vele gaan volgen. De auteurs presenteren deze keer een complex "multi-state model", maar in hun eigen Einschränkungen und methodischen Entscheidungen ist zu lesen, dass die Schlussfolgerungen dieser Studie keinen Sinn ergeben. Die bemerkenswerte Methodik wird auch im Anhang beschrieben. Auf jeden Fall können wir diese Studie in die Liste der Studien aufnehmen, in denen Mängel erwähnt, aber nicht angesprochen werden. Sie werden einfach so berechnet, als ob sie nicht existierten.
Die Autoren hätten das Handtuch werfen sollen, als ihnen die schlechte Datenqualität auffiel. Aber ja, der Zuschuss wurde erhalten, was machen Sie? Dann argumentieren Sie einfach zu den gewünschten Schlussfolgerungen und machen im Text beiläufig klar, dass die Daten unzureichend waren.
Also: Es geht wieder los. (Diese Geldwäsche-PEC ist uninteressant. Ein Tipp zum Anschauen: Rob Elens am 17. Juni.)
1. Het "Healthy Vaccinee Effect" voor de zóveelste keer als blinde vlek
Die Autoren berichten, dass ihr Vergleich zwischen Geimpften und Ungeimpften dadurch grundlegend verzerrt werde Healthy Vaccinee Wirkung (HVE):
"The healthy vaccinee bias likely also leads to some overestimation of the differences between the excess mortality risks from the (non-)recent infection states with and without prior vaccination."
"De vertekening door de gezonde gevaccineerden leidt waarschijnlijk ook tot enige overschatting van de verschillen tussen de oversterfterisico's bij (niet-)recente infecties met en zonder voorafgaande vaccinatie."
Met de term "enige overschatting" bagatelliseren ze een enorm probleem. Het is een understatement van jewelste. HVE betekent dat gezonde mensen zich laten vaccineren, terwijl de meest kwetsbaren (van wie vaak het levenseinde in zicht is) die stap niet meer maken of kunnen maken. Als je vervolgens een lagere sterfte ziet in de gevaccineerde groep, mis je dus die mensen. Je meet het effect van "gezond zijn" en "geen overlijden te verwachten", niet het effect van de injectie. Eigenlijk zie je de verhoogde sterfte in de groep ongevaccineerden, waarin immers mensen zijn ondergebracht die op korte termijn zouden gaan overlijden. De auteurs erkennen dit probleem in de Einschränkungen, aber trotzdem einfach die Ergebnisse 1:1 in ihre übernehmen Abschluss zu behaupten, dass eine Impfung schützt.
2. De "ongevaccineerde" groep is fictie
De definitie van wie "ongevaccineerd" is staat ook in dit onderzoek op losse schroeven.
"about 8–25% of those considered as the unvaccinated group in our dataset were actually vaccinated"
"Ongeveer 8-25% van degenen die in onze dataset als niet-gevaccineerd werden beschouwd, waren in werkelijkheid wel gevaccineerd."
Eine Fehlklassifizierung dieser Größenordnung ist für jede epidemiologische Studie fatal. Bei den unter 90-Jährigen sind es mehr als 22 %! (Diese 8 % gelten nur für die sehr kleine Gruppe der über 90-Jährigen, bei denen sich später herausstellt, dass sie ebenfalls überhöht waren, wie wir in den Anhängen sehen).
| Geburtsjahrkohorte | % geimpft, wie von RIVM gemeldet 5 | % geimpft basierend auf unseren Daten (B) | % der Geimpften laut RIVM sind in unseren Daten erfasst (C=B/A (%)) | % verpasst (D=A-C) | % nicht geimpft laut RIVM (100-A) | % nicht geimpft nach unseren Daten (E=100-B) | % wurden in unseren Daten unter den „Nichtgeimpften“ falsch klassifiziert (D/E (%)) |
|---|---|---|---|---|---|---|---|
| <1931 | 89 | 88 | 99 | 1 | 11 | 12 | 8% |
| 1931-1935 | 93 | 91 | 98 | 2 | 7 | 9 | 22% |
| 1936-1940 | 94 | 92 | 98 | 2 | 6 | 8 | 25 % |
| 1941-1945 | 94 | 93 | 99 | 1 | 6 | 7 | 14% |
| 1946-1950 | 94 | 92 | 98 | 2 | 6 | 8 | 25 % |
| 1951-1955 | 93 | 91 | 98 | 2 | 7 | 9 | 22% |
De auteurs geven aan dat in een aantal verpleeghuizen de data ontbrak. Die bewoners zijn simpelweg als "ongevaccineerd" gelabeld. En daar stierven mensen, ook binnen twee weken na vaccinatie, de voorbeelden zijn bekend ("We waren nét te laat met vaccineren!") . Dit versterkt de bias: de ongevaccineerde groep bevat hierdoor disproportioneel veel hoog-risico patiënten.
Tatsächlich ist dies bereits der endgültige Schlag für die Zuverlässigkeit der Studie. Die Gruppe der „Ungeimpften“ ist zu einer administrativen Mülldeponie für die am stärksten gefährdeten Patienten geworden, während die Gruppe der „Geimpften“ die gesunden Überlebenden umfasst. Ein Vergleich zwischen diesen beiden Gruppen sagt daher überhaupt nichts über die Wirksamkeit des Impfstoffs aus, sondern alles über die Mängel bei der Registrierung.
3. Eine Sensitivitätsanalyse mit einem anderen Zeitrahmen
In einer Sensitivitätsanalyse zeigen sie nur den Status geimpfter Personen 14 Tage nach der Injektion. Sie stellen dies als einen verantwortungsvollen Test zum Aufbau von Immunität dar:
"As it takes some time to build up immunity after vaccination against SARS-CoV-2, we performed a sensitivity analysis with people changing their vaccination status 2 weeks after their actual vaccination date"
"Omdat het enige tijd duurt om immuniteit op te bouwen na vaccinatie tegen SARS-CoV-2, hebben we een gevoeligheidsanalyse uitgevoerd waarbij mensen hun vaccinatiestatus wijzigden 2 weken na hun werkelijke vaccinatiedatum."
Sie verkürzen also ihren Beobachtungszeitraum um zwei Wochen und kommen dann zu vergleichbaren Ergebnissen. In diesen zwei Wochen, das wissen wir aus Bakkers Kaplan-Meier-Diagrammen und aus Italien, sterben viele Menschen, die nicht mehr geimpft wurden, weil sie sterben würden. Dennoch bleiben die Ergebnisse robust und vergleichbar, ohne dass weitere Erklärungen dazu vorliegen, wie dies möglich ist.
Met het overslaan van die 14 dagen creëert de studie een groep "gevaccineerden" die bestaat uit mensen die de eerste twee weken hebben overleefd. De slachtoffers van die eerste periode worden bij de ongevaccineerden opgeteld, waardoor de gevaccineerde groep kunstmatig vele malen "gezonder" oogt dan de werkelijkheid. Vele malen, omdat een relatief klein aantal dat zo uit de grote groep gevaccineerden wordt weggefilterd, een substantieel deel uitmaakt van de veel kleinere groep ongevaccineerden. Deze ingreep was kennelijk nodig om de gevoeligheidsanalyse in lijn te brengen met de vervuilde data in de hoofdstudie. In studies naar vaccin-effectiviteit gebeurt dit vaak, omdat eventuele schade in de eerste twee weken maar zou afleiden van de bescherming tegen de ziekte in kwestie.
4. Unterberichterstattung über die natürliche Immunität
Das Modell ruht auf einem wackeligen Fundament dokumentierter Infektionen:
"the cumulative incidence of infection in our cohort was only 9% at the end of 2021, showing that we missed quite some undocumented infections."
"De cumulatieve incidentie van infectie in onze cohort bedroeg eind 2021 slechts 9%, wat aantoont dat we een aanzienlijk aantal niet-gedocumenteerde infecties over het hoofd hebben gezien."
De werkelijke seroprevalentie lag rond de 26%. Dat betekent dat miljoenen mensen natuurlijke immuniteit hadden opgebouwd zonder dat dit in de data van de onderzoekers terechtkwam. Deze mensen worden in het model als "event-free" of "ongevaccineerd zonder infectie" behandeld. Hierdoor wordt de bescherming van natuurlijke immuniteit genegeerd of toegeschreven aan de vaccinatie-status, wat de effectiviteit van de prik verder vertroebelt.
5. De "negatieve oversterftekans": bewijs van bias
Die Autoren berichten über dieses bemerkenswerte Ergebnis:
"For all subsets, vaccinated persons without any documented infection had a negative excess death probability at the end of follow-up."
"Voor alle subgroepen hadden gevaccineerde personen zonder gedocumenteerde infectie een negatieve oversterftekans aan het einde van de follow-up."
Een "negatieve oversterfte" betekent dat er minder mensen stierven dan statistisch verwacht, hier zelfs specifiek de mensen die niet eens Covid hadden. In de context van een pandemie is dit biologisch onwaarschijnlijk voor een bevolkingsgroep. Dit is het ultieme bewijs van de gesunde Impfvoreingenommenheit: de groep "gevaccineerde personen zonder infectie" blijkt in de subsets de gezondste van allemaal. Het model schrijft dit "wonder" toe aan de vaccinatie, terwijl het een puur statistisch artefact is van het selectie-effect.
Auf Seite 3 des Anhangs steht das Geständnis, das eigentlich ausreichen sollte, um das gesamte Papier zurückzuziehen:
"This may lead to negative excess hazards of death... possibly even below zero... This phenomenon is more often observed when relative survival is combined with a multi-state model, since the persons’ fitness may influence which states they reach... This likely also occurs in our model, where excess mortality from the vaccination state was negative, probably mainly caused by the healthy vaccinee effect."
"Dit kan leiden tot negatieve oversterfterisico's… mogelijk zelfs onder nul… Dit fenomeen wordt vaker waargenomen wanneer relatieve overleving wordt gecombineerd met een model met meerdere toestanden, aangezien de fitheid van personen van invloed kan zijn op welke toestanden ze bereiken… Dit gebeurt waarschijnlijk ook in ons model, waar de oversterfte vanuit de vaccinatietoestand negatief was, waarschijnlijk voornamelijk veroorzaakt door het Healthy Vaccinee Effect."
Dus hun model vindt "negatieve sterfte" (mensen die minder sterven dan biologisch mogelijk is volgens het model) zodra je naar de gevaccineerden kijkt. Ze benoemen dit als een gevolg van het Healthy Vaccinee Wirkung. Sie wissen also, dass ihr Modell unglaublich niedrige Sterblichkeitsraten berekent voor gevaccineerden, maar in plaats van te concluderen dat het model niet deugt, noemen ze het een "fenomeen" en gaan ze door met de analyse en alle andere waarden die uit het model komen.
Professionelle Statistiker halten dies möglicherweise für das Normalste der Welt. Aber was ich sehe: Wenn sie etwas als falsch beurteilen, ist es einfach ein erkanntes Problem mit dem gewählten Modell – und damit gelöst. Wo sie keinen Fehler erkennen und ihre Theorie bestätigt wird, hat das Modell seine Aufgabe gut erfüllt. Was für ein Zufall!
6. De "gekloonde" ouderen
Dit is technisch gezien misschien wel het meest bizarre punt. Om voor de groep 90-plussers genoeg data te krijgen, hebben ze mensen "gekloond":
"For the ages >90 years, some persons were cloned in the dataset: e.g., for age 91, all persons aged 89, 90, 92 and 93 were added again with an artificial age of 91, creating a 5-year age group centered around the age of interest."
"Voor de leeftijden boven de 90 jaar zijn sommige personen in de dataset gekloond: bijvoorbeeld, voor de leeftijd van 91 jaar zijn alle personen van 89, 90, 92 en 93 jaar opnieuw toegevoegd met een kunstmatige leeftijd van 91, waardoor een leeftijdsgroep van 5 jaar is ontstaan rond de leeftijd waarin we geïnteresseerd zijn."
Ze hebben mensen kunstmatig in het model gezet om de groepen groter te laten lijken. Ze hebben een 89-jarige of een 93-jarige "gekopieerd" en hem het label "91-jarige" gegeven. Dit is data-fabricage onder het mom van "smoothing". Dit vertekent de mortaliteitsrisico's voor de oudste (en meest kwetsbare) groepen volledig. Dit toont hoe je de data kunt "repareren" om het model werkend te krijgen...
Fazit
Deze studie is een schoolvoorbeeld van hoe "geavanceerde methodologieën" (zoals multi-state modellen) kunnen worden gebruikt om een vooraf gewenst resultaat te produceren. Statistiek blijkt steeds meer een goocheldoos. Door de zwaktes diep in de tekst te verstoppen, kunnen de auteurs een conclusie trekken die voor beleidsmakers en media als "veilig" wordt beoordeeld, terwijl de data zelf aantonen dat de vergelijking tussen de groepen fundamenteel mank gaat.
Wetenschap is niet het publiceren van modellen die de werkelijkheid "passend" rekenen. Wetenschap zou moeten erkennen dat als je slordig groepen vergelijkt die fundamenteel van elkaar verschillen (de gezonde gevaccineerde vs. de zieke ongevaccineerde), je geen conclusies kunt trekken over de veiligheid van een medische interventie. Dit rapport bevestigt het herhaaldelijk geleverde bewijs dat we moeten stoppen met het accepteren van "statistische correcties" als definitieve vervanging voor absolute sterftecijfers.
Lassen Sie sich nicht von einem komplexen „Multi-State-Modell“ und mathematischen Meisterleistungen täuschen. Dieses Modell ist einfach ein neues Tarnnetz über demselben Schlachtfeld. Mehr Teilmengen und kompliziertere Variablen scheinen die Realität abzubilden, aber ein solches Modell funktioniert nur, wenn Ihre Daten gestochen scharf sind. Wenn nicht, konstruieren Sie eine Modellrealität.
Gleichzeitig frage ich mich, warum sie diese Schwächen auf einem Tablett verteilen. Sie machen einen Zaubertrick und erklären sofort, wie er funktioniert. Wenn Sie wirklich mit Ihren Augen herumspielen wollen, ist das keine gute Sache. Oder würden sie die Auswirkungen dieser Schwächen wirklich unterschätzen? Ich denke, Letzteres ist das Ergebnis einer tief verwurzelten Voreingenommenheit. Spielen Sie mit dem Rechner unten, verstehen Sie, wie er rechnet, und dann werden Sie es selbst sehen.
Die Macht der Fehlklassifizierung
Wie drastisch scheinbar kleine Fehleinstufungen sind, wird deutlich, wenn wir ein Placebo messen. Eine Injektion, die keine Wirkung hat, bei der wir aber auch nicht klar zwischen injiziert und nicht injiziert unterscheiden können. Da diese Belastung zu einem positiven Effekt führt, interpretieren wir ihn als Wirksamkeit der Injektion.
Siehe den Rechner unten.
Im Schieberegler geben Sie den Prozentsatz der Menschen an, die in den nächsten Monaten sterben werden und bei denen Sie das Ende bereits im Voraus erwarten. Betrachten Sie einen Zeitraum von Monaten; dann ist eine Doppelimpfung mit langer Einwirkzeit nicht mehr sinnvoll. Hinzu kommen die Menschen, die für eine Spritze nicht in Frage kommen (oder wollen), weil sie einfach zu schwach oder zu krank sind, um eine Spritze richtig zu verarbeiten.
Liegt die Gesamtzahl bei etwa 10 % der Personen, liegt die Wirksamkeit des Placebos bei 69 %.
Liegt die Gesamtzahl bei etwa 30 % der Menschen, beträgt die Wirksamkeit des Placebos 90 %.
So schnell geht es. Das ist einfache Rechnung und sicherlich kein medizinisches Wunder.
Fußnoten
- 1In der Veröffentlichung wurde Folgendes besprochen: https://link.springer.com/article/10.1007/s10654-026-01414-1
Es ist wieder soweit...das nächste Märchen aus dem großen Märchenbuch.
Kennen Sie die Bücher von Dr. Clare Craig?
1, abgelaufen, über die Mythen während der Pandemie
2. Spiked, zur Wirksamkeit der Impfstoffe
Sie sprach mit Dr. Campbell auf YouTube über Spiked
Beide Bücher sehr zu empfehlen.
Erhältlich bei Amazon.nl
Das ist wirklich verrückt nach Worten... Der Totalbankrott von Universitäten und Wissenschaftlern.
Ist es machbar/sinnvoll, aufgrund der genannten fehlerhaften Basisdaten eine Beschwerde beim CWI des LUMC einzureichen, die dennoch zu einem für den Finanzier günstigen Ergebnis verarbeitet wird?
Ein weiterer Mitarbeiter (Alexander Gorbalenya) des LUMC war ebenfalls an der Veröffentlichung unzuverlässiger wissenschaftlicher Erkenntnisse zum Corona-Ausbruch beteiligt.
Vielleicht eine Anmerkung zu Eur J Epidemiol? Es wird nicht gesagt, dass Autoren solche Fehler absichtlich machen.
Tatsächlich wäre eine Veröffentlichung in Form eines sogenannten „Lesers an die Redaktion“ auf Basis der obigen Analyse inklusive Berechnungsbeispiel ein sehr starkes und wertvolles Signal.
„Der Wunsch des Gedankens und/oder Finanziers“ Resveratrol war schon vor Jahren in den Nachrichten und dieses Lebenselixier findet sich unter anderem in Rotwein. Der Mythos, dass Rotweintrinken gesund sei, hält sich unter Weinliebhabern noch immer. Es war eine Party, als man von der enorm gesundheitsfördernden Wirkung des täglichen Weintrinkens hörte 🥂 Es ist ein offenes Geheimnis, dass man täglich 7 – 10 Liter Wein trinken muss, um die benötigte Tagesmenge an Resveratrol zu sich zu nehmen. Die Leute wollen das nicht hören und verschließen sich davor, es zu erfahren. Diese Menge Wein pro Tag ist tödlich, aber das könnte jeder verstehen oder auch nicht, denn mit Corona will fast niemand etwas von den Fehlern in den Studien hören/wissen. Peter van der Voort (Arzt auf der Intensivstation Groningen und von D66) hat zu Resveratrol (offensichtlich nicht auf Weinbasis) bei (fettleibigen) Corona-Patienten geforscht (oder führt immer noch Forschung 🤷 durch).
Das Einreichen eines Protests oder einer Beschwerde zur Beurteilung des ethischen wissenschaftlichen Verhaltens der Autoren dieser Veröffentlichung wird dadurch erschwert, dass ein Mitautor dieser irreführenden Veröffentlichung Mitglied des Editorial Board der Zeitschrift „European Journal of Epidemiology“ ist. Dieselbe Person ist auch Vorsitzender des CWI der Universität Leiden und des LUMC und spielt in anderen Organisationen im Bereich der wissenschaftlichen Integrität eine Schlüsselrolle.
Willem weiß, um wen es geht ...
Netter Anton, ich hatte geplant, mich noch einmal damit zu befassen und nach den Schwächen zu suchen... aber das ist nicht mehr nötig. 😀
Darüber hinaus ist die statistische Vorhersagekraft einer Basismortalität im Zeitraum 2015–2019 nicht sehr aussagekräftig.
Es kann also direkt in den Müll wandern.
Ich habe auch noch nicht genau verstanden, wie sie die Prognose hochgerechnet haben. Natürlich können Sie die Jahre 2015–2019 in vielerlei Hinsicht als Grundlage nutzen; auch die geschichteten Versionen.
Anton, was für ein wunderschöner Satz du wieder geschrieben hast: „Ein neues Tarnnetz über dem gleichen Schlachtfeld“. Ich hoffe, dass Sie Freude daran haben, Ihre schönen und messerscharfen Texte zu schreiben. Denn die beschriebenen Missstände würden Sie völlig aussichtslos machen. Zumindest tue ich das. Und ich bewundere Menschen (wie Sie), die immer wieder auf die vielen wunden Stellen hinweisen. Und „wunde Stellen“ ist zu milde ausgedrückt, es sind tiefe, stinkende Wunden.
Was haltet Ihr davon: Gesunder Warteschlangeneffekt in den Niederlanden 😉
https://www.ad.nl/binnenland/verbazing-over-rij-hoogbejaarden-in-regen-en-kou-voor-prik-niet-de-bedoeling~a15de156/
Ich habe nicht wirklich Lust, ausführlich auf diese Studie zu antworten. Verspüre immer noch den Drang, etwas zu sagen. Wie viele hier wissen, wurde ich zu einer Zeit am LUMC ausgebildet, als die Epidemiologen dort sehr streng darauf achteten, Kohortenstudien zu untersuchen, an denen Teilnehmer teilnahmen, die vor Beginn dieses Beobachtungszeitraums eine Zeit lang ein Medikament konsumiert hatten. Studien, die das taten, deren Autoren dies oft aus Bequemlichkeit und Dummheit taten, argumentierten wir, aber es war dumm!
Auch schädlich.
Das auffälligste Beispiel, das fast immer angeführt wurde, um über das oben genannte Problem aufzuklären (das auch als „vorherrschende Benutzervoreingenommenheit“ bezeichnet wird), waren Beobachtungsstudien aus den 1980er Jahren, in denen Frauen in den Wechseljahren eine sogenannte HRT (Hormonersatztherapie) verwendeten, um ihre Wechseljahrsbeschwerden zu maskieren/zu mildern. Diese Studien zeigten, dass diese Frauen ein GERINGERES Risiko für die Entwicklung einer Herz-Kreislauf-Erkrankung hatten als Frauen, die keine HRT anwendeten. Die damals international gültige (amerikanische) Leitlinie für Kardiologen schlug vor, dass eine HRT allen Frauen in den Wechseljahren verabreicht werden sollte, da sie vor Herz-Kreislauf-Erkrankungen schützte.
18 Jahre später kam in einer randomisierten Studie endlich das erlösende Wort und es stellte sich heraus: HRT führte zu einem HÖHEREN Risiko für Herz-Kreislauf-Erkrankungen.
Was war passiert? – In den Kohortenstudien, die ein geringeres Risiko für Herz-Kreislauf-Erkrankungen ergaben, wurde nicht untersucht, wie lange Frauen vor Beginn der Studie eine HRT angewendet hatten (einige hatten sie bereits Monate bis Jahre vor Beginn des Beobachtungszeitraums angewendet). Und während das Risiko einer Herz-Kreislauf-Erkrankung (wie die Studie zeigte) bei der HRT-Anwendung hauptsächlich in der Anfangsphase der Einnahme bestand. Eine Form der Voreingenommenheit, die sich nicht sehr von dem unterscheidet, was die Autoren in eur j epidemiol zeigen, wo nicht alle Teilnehmer vom Moment der ersten Injektion an beobachtet wurden und wo (wie es scheint, siehe Artikel von Herman) das Risiko eines plötzlichen Todes kurz nach jeder neuen Injektion (Runde) steigt.
In einem Artikel aus dem Jahr 2018 habe ich alles zusammengefasst und gesagt (mit der Abteilung, in der ich damals gearbeitet habe):
„Die Lehre aus der HRT-Kontroverse [maar dus ook in vaccinstudies] ist, dass man in Beobachtungsstudien diejenigen nicht vergessen sollte, die vor Beginn der Studie nicht überlebt haben oder den gewünschten Krankheitsausgang entwickelt haben, einschließlich der Teilnehmer.“
Dies geschah in der oben genannten Studie, und es ist umso trauriger für Sie, zu bemerken, dass das intellektuelle Niveau seiner Alma Mater offenbar eine Lektion vergessen hat, die es selbst den Schülern jahrelang mit großem Elan beigebracht hat.
Was hat das damit zu tun? Ich weiß es nicht. Was sicherlich nicht geholfen hat, ist der ganze Jargon in dem Artikel, von dem ich die Hälfte nicht verstehe und der meiner Meinung nach die Autoren selbst verwirrt haben könnte. Nicht alles lässt sich mit einem Modell lösen.
Siehe auch: https://pmc.ncbi.nlm.nih.gov/articles/PMC6332773/
Überrascht mich nicht. Natürlich ist HVE ein sehr altes bekanntes Phänomen. Aber das ist traurig. gerade dann, wenn es wirklich darauf ankommt. Diese Lektionen sind völlig vergessen. Und es wirkt sogar wie „absichtliches Vergessen“.
Oder diese Leute an den Universitäten sind sehr dumm; Was mich auch nicht überraschen würde. Der durchschnittliche VWO-Student kann nicht einmal mehr zwei Gleichungen mit zwei Unbekannten lösen ... Dann ist das Verständnis des HVE wirklich zu kompliziert.
Off-Topic, Tamara van de Ark, aber sehr interessant für die Leser hier ...
Es ist sehr interessant und entscheidend und moralisch aufschlussreich, was Tamara vd Ark hier sagt. https://www.youtube.com/watch?v=ob6MSzWtfpA Sie sagt ausdrücklich, dass 10 Patienten hier und jetzt wichtiger sind als 100 morgen und übermorgen. Sie verweist sogar auf den RIVM-Bericht von Anfang Juli 2022, der berichtet, dass 320.000 gesunde Lebensjahre durch Isolationsmaßnahmen und die Reduzierung der regulären Pflege verloren gegangen seien. Und dass sie sich in ihrer jetzigen Position noch damit auseinandersetzen muss. Natürlich zieht sie daraus nicht die richtige Schlussfolgerung. Aber sie kann nicht; Das ist kein böser Wille oder Vorsatz oder Gedächtnisverlust.
Es ist genau der Mechanismus der Rettungsregel vs. Utilitarismus. Siehe Orr & Wolff. Abgesehen von der Tatsache, dass sie die Richtlinie auf falschen Modellen von RIVM aufgebaut hat [wofür sie meiner Meinung nach nicht viel Schuld trägt], erzählt sie eine völlig ehrliche und logische Geschichte. Aber so moralisch verwerflich; aber fast jeder (mehr als 90 %) dachte so; und denkt immer noch so. Und die Kommission ist sich dessen nicht bewusst: die verheerenden Auswirkungen des RoR, wenn er auf Makroebene angewendet wird. Nur Eline vd Broek versteht das wirklich. Leider scheinen auch Ira Helsloot und Maurice + Marianne das immer noch nicht zu verstehen. Und wenn dieses Konzept nicht aufgeht, wird es beim nächsten Mal genau so sein: Kurzfristige Gesundheitsinteressen wiegen buchstäblich 10 bis 100 Mal mehr als langfristige Interessen. Deshalb wurde der Qaly-Standard durch den Lockdown auch um den Faktor 75 überschritten (20.000/Qaly): 150 Milliarden/100.000 Qaly sind 1,5 Millionen/Qaly.
Ich denke also, dass es auch hier jemanden gibt, der in gutem Glauben, infiziert vom grundsätzlich positiven Rule-of-Rescue-Denken, auf der Makroebene völlig falsche Entscheidungen getroffen hat. Ihr zu sagen, dass sie „durch und durch schlecht“ sei und unter Amnesie leide, geht an der Sache vorbei. Die gesamten Niederlande und ganz Europa standen im Bann des RoR! Und trotzdem! Und fast niemand merkt es!
Siehe: https://www.lighthousetv.nl/uitzending/lhtv-87
Und als Scherz: https://www.youtube.com/watch?v=Ft5E5Fh5esU&t=96s
Der heilige IC-Corona-Patient
Ich frage mich, ob die Befolgung der Rettungsregel nicht teilweise von der Rutte-Regel inspiriert ist.
Rutte zog, wie Roskam Abbing in seinem Verhör berichtete, eine rote Linie, die bedeutete, dass kein Covid-Patient ersticken dürfe, weil auf der Intensivstation kein Platz sei. Wir ließen sie nicht ersticken, ließen sie nicht im Stich.
Dies scheint im Widerspruch zu der Politik zu stehen, im Laufe der Rutte-Jahre im Hinblick auf die IC-Auslastung näher am Wind zu segeln. (mit Zustimmung z.B. IC-Leiter Gommers: sonst würde es ihnen nur langweilig werden)
Dann besteht die Gefahr, irgendwann Nein sagen zu müssen.
Dass es auch anders geht, zeigt unser Nachbarland Deutschland, das bei guter IC-Auslastung in der ersten Welle keine Übersterblichkeit verzeichnete.
(Ich frage mich, ob sich deutsche Intensivpfleger nicht langweilen, oder ist das dort anders organisiert?)
Es hat unserem Land nicht gut getan, gefährdete Menschen um jeden Preis unterzubringen und sie durch (vermutlich unzureichende) Intubation usw. auf einer Intensivstation am Leben zu halten und so die ohnehin schon begrenzte Kapazität der Intensivstation weiter einzuschränken.
Ich vermute (siehe auch Interview mit Marianne), dass jemand wie Armand Gisbers für eine gute Durchblutung auf der Intensivstation plädiert: Er wollte die Verweildauer auf der Intensivstation begrenzen und so den Intensivinfarkt vermeiden. Wurde die Rutte-Regel heiliggesprochen?
Auch den Corona-Patienten auf der Intensivstation scheint eine Art Heiligtum zuteil geworden zu sein: Mit all ihren Begleiterkrankungen durften sie dort nicht nur sterben, dieser Tod musste auch mit allerlei Tricks und Tricks so lange wie möglich hinausgezögert werden.
Ich glaube, ich sehe hier das gleiche Muster wie im Verlauf der Ereignisse bei MH 17.
Anstatt zu fragen, ob vor der Katastrophe politisch etwas schief gelaufen ist. In diesem Fall, ob der Luftraum über der Ukraine hätte geräumt werden sollen, war Schoof im Auftrag von Rutte bereits an der Bewältigung der Katastrophe beteiligt, und die von ihm geplante Untersuchung konzentrierte sich geschickt nur auf diese Bewältigung (Es erschien ein unwillkommener Bericht von Schoof, mit einem Schweif, aber das ging hier zu weit. Auf jeden Fall war Rutte ihm dafür wahrscheinlich sehr dankbar. Die „Belohnung“ kam später 😉
Anstatt die begrenzte IC-Kapazität in der ersten Corona-Phase als Problem zu identifizieren und als schuldhaft hervorzuheben, steht auch hier wieder die Handhabung im Vordergrund (wiederum bemerkenswerterweise initiiert durch einen NCTV-Ähmer. Zufall?)
Seien Sie gespannt auf die Verhöre von Schoof und Rutte, bei denen die Vorgeschichte und die darin enthaltenen schuldhaften Mängel unter allen Umständen ausgeblendet werden und der Fokus ausschließlich auf der Einigung liegt. Während ich hier immer noch M.I. Es liegt ein lehrreicher Moment vor uns.
ABER ES IST WAHRSCHEINLICH: Es lebe die Herrschaft von Rutte, und: Diese Korona, was für eine schreckliche Krankheit das war. Wir haben gerettet, was zu retten war.
(Armand Gisbers wird trotz Mariannes Petition nicht angehört. Schade, aber auch in diesem Fall würde der Fokus weiterhin auf der Abwicklung und nicht auf der Ursache liegen: der ansonsten ungerechtfertigten Panik
(Corona war keine schreckliche Krankheit, wir haben sie mit Hilfe des RIVM in eine solche verwandelt). Eine Panik (wie ungerechtfertigt sie auch sein mag), die vor allem durch die begrenzte Kapazität gefördert wird und viel unnötigen Schaden verursacht.
Ich denke über einen Leserbrief nach, der sich nur auf die Fehlklassifizierung konzentriert.
„Klonen“ als Datenherstellung ist nicht sinnvoll. Es handelt sich um eine neugewichtete Glättung der Basislinie/Referenz, nicht der beobachteten Mortalität. Dies ist eine akzeptierte Methode, obwohl eine stabile Basislinie mehr Sicherheit zu bieten scheint. Angesichts der geringen Mitgliederzahl der Gruppe bleibt jedoch eine enorme Unsicherheit bestehen. Kurz gesagt: Die Bestimmung der Übersterblichkeit in dieser Gruppe bleibt eher sinnlos, da die Unsicherheitsmargen in puncto Sicherheit tatsächlich nicht erreicht werden können.
Dann: die Behauptung „negative Übersterblichkeit ist biologisch unmöglich“. Ein negativer Überschuss ist in relativen Überlebensmodellen normal; Die Autoren selbst bezeichnen es als HVE, daher ist die Verteidigung offensichtlich („wir nennen das explizit, oder?“) und formal legitim, wenn nicht sogar üblich. Nichts für diese spezielle Studie, obwohl das Phänomen nur erwähnt, nicht thematisiert wird.
Abschließend noch die Vermutung, dass die Fehlklassifizierung die VE eindeutig überhöht. Das ist nicht unbedingt der Fall: „Die Nichteinwilligungskomponente funktioniert umgekehrt: Gesunde geimpfte Menschen „kontaminieren“ die ungeimpfte Gruppe“, wird die Verteidigung sein und dann wird sich herausstellen, dass es in diesem Fall nicht so funktioniert usw. usw. Zu schwierig, und dieses Problem läuft letztendlich auf eine Fehlklassifizierung hinaus. Das wird also das Thema des Leserbriefs sein: die Fehlklassifizierung. Ich denke, ich werde es trotzdem versuchen.
Fehlklassifizierung scheint mir auch das größte Problem innerhalb dieser Studie aller oben genannten Probleme innerhalb der Studie zu sein. Darüber hinaus handelt es sich um ein von den Autoren anerkanntes Problem (wenn auch ohne Konsequenzen).
Dass Verzerrungen (Bias, z. B. Fehlklassifizierung) in Studien nicht mit Konsequenzen verknüpft werden, hängt möglicherweise damit zusammen, dass uns (Wissenschaftlern) nicht beigebracht wird, was Bias bedeuten kann. Die STROBE-Leitlinie (die international zur Beschreibung einer Beobachtungsstudie verwendet wird: siehe zum Beispiel hier: https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.0040297), sagt nicht mehr als dass Sie sich über die Einschränkungen/Berechnungen Ihrer Studie im Klaren sein müssen (einschließlich möglicher Fehlklassifizierungen), sagt aber NICHT, wann die Einschränkungen so schwerwiegend sind, dass eine Veröffentlichung besser nicht erfolgen sollte. Dies ist eine Lücke von STROBE. Ein Absatz: Wie gehe ich mit Trugschlüssen um (und eine Fehlklassifizierung ist eine Form eines Trugschlusses) könnte Autoren dabei helfen, zu erkennen, dass die Wissenschaft nicht mit Trugschlüssen oder „Müll rein – Müll raus“ behaftet sein sollte. Ich denke, ein Zahlenbeispiel, das deutlich macht, wie schwerwiegend der Irrtum/die Verzerrung sein kann (eine völlige Änderung des Ergebnisses/der Schlussfolgerung), ist sehr nützlich, um es dem Herausgeber in einer Notiz aufzuzeigen.
Ich hoffe, dass Sie diesen Hinweis beim Verfassen des Leserbriefs nutzen können.
Wenn Sie einen Korrektor benötigen: Sie können mir eine E-Mail senden (Sie kennen meine Adresse). Weiterhin viel Erfolg!
Willem Engel sagt in den wöchentlichen Nachrichten der letzten Woche auch über eine Studie, dass „die Toten in einem bestimmten Diagramm auferstehen“ (in meinen eigenen Worten). Vielleicht auch nützlich, aber das ist wahrscheinlich schon das, was Sie mit der Fehlklassifizierung meinen. Mein Kind schloss 2012 sein Studium mit einer von der Bill-Gates-Stiftung in Auftrag gegebenen Forschung ab. Was dabei herauskommen „sollte“, ließ sich unmöglich nachweisen, und meinem Kind wurde gesagt, dass es hervorragende wissenschaftliche Arbeit geleistet habe (eine gute Note bekommen habe, ja…), aber dass die gleiche Forschung an eine Universität in Deutschland gegangen sei, um zu „untersuchen“, ob dort irgendjemand das gewünschte Ergebnis auf Papier bringen könne. Das Positive an dieser Geschichte ist unser kritischer Blick auf die Wissenschaft, der zu Beginn des Jahres 2020 viele Erkenntnisse lieferte.
Ein Irrtum unterscheidet sich wirklich von einer Verzerrung oder Verzerrung in einem Datensatz. Sie können eine hervorragende und schlüssige Argumentation auf völlig unbrauchbaren Daten aufbauen. Das Ergebnis ist immer noch Unsinn. Aber es ist kein Trugschluss.
Mit meiner Geschichte reagierte ich auf „Totalbankrott von Universitäten und Wissenschaftlern“ von Jan und „Es wird nicht gesagt, dass Autoren absichtlich so falsch liegen“ von Willem. In meiner Familie ist Diplom-Scham aufgekommen...
Irgendwann. Voreingenommenheit ist schlimmer als Irrtum. Ein Trugschluss ist nicht wahr, Voreingenommenheit: nicht einmal das.
Ich sehe keine Hierarchie der Ernsthaftigkeit. Ich denke, das hängt von den Auswirkungen des jeweiligen Problems ab. Manchmal ist Voreingenommenheit also schlimmer; Manchmal ist ein Irrtum schlimmer. Aber beides hat nicht viel mit Wissenschaft zu tun.
Und beides kann die Folge eines blinden Flecks sein. Aber auch beabsichtigt: teleologisches Denken und/oder Datenerhebung.
Wissenschaft als Methode ist darauf ausgelegt, beides zu eliminieren:
Gegen Voreingenommenheit: Doppelblindheit, Replikation, Peer-Review (theoretisch), Interessenerklärungen
Gegen Irrtümer: formale Logik, statistische Tests, Falsifikation.
Hier wissen wir, dass dies in Corona-Zeiten seitens der Regierung und „unserer“ „wissenschaftlichen“ Institute nicht so gut geklappt hat...
https://x.com/WallStreetApes/status/2066020614117404983