The now infamous Chapter 6 in the excess mortality report of Meester-Jacobs, by Bram Bakker, has caused quite a stir. The pictures that caused the most controversy were the Kaplan-Meier graphs. All kinds of things were written about it. But not everyone reads graphs with ease. In a subsequent post, about Nivel and an Italian study, they play an important role. Below is a basic explanation and then applied in a discussion of a few graphs from Bram Bakker's piece.
What are KM charts?
A Kaplan-Meier graph shows survival curves. It can also be about the repair success of devices, but we will stick to mortality and medical interventions for now.
The horizontal axis shows the time lapse from the moment of an intervention, the vertical axis shows the percentage of people who are still alive. Door twee van die curves bij elkaar te zetten, kun je goed het effect van verschillende medische interventies laten zien (een prik bijvoorbeeld), of het verschil tussen wel/niet ingrijpen bij een incident. Idealiter is de interventie het enige verschil tussen de mensen die je met elkaar vergelijkt. Daar wordt naar gestreefd in onderzoeken. In de werkelijkheid zorgt de afweging 'wel of niet' al voor grote verschillen tussen beide groepen.
Illustrating. The effect of AED (Automated External Defibrillator CPR) in heart failure is as follows.
Je ziet hier dat vijf dagen na het hartfalen nog 55% in leven is van de mensen die een AED-behandeling hebben ondergaan en van degenen die géén AED hebben gehad nog maar 40% (het is maar als voorbeeld). In elk geval: kenmerkend is de 'buik' in het begin van met name de gestippelde curve: die mensen waren op dag 0 al in kritieke toestand. Er is dus bij elke patiënt afzonderlijk een incident geweest waarna gehandeld is (of dat niet kon).
In patients with a more chronic, even progressing disease, the curve is more sloping. In this case, the difference between treatment and control grows steadily over the first two years after the start of the medication. The effect then seems to diminish somewhat, the lines come closer together again. This is not about mortality, but the idea is the same: disease inhibition or not.
Now these were graphs that were about people with a disorder.
Charts of Preventive Treatments at healthy people, think of vaccinations, look very different. Ideally, the lines should be as good as straight (or they curve in a similar way, which has to do with age and the term), but with a pure design and a working intervention, they deviate further and further apart during an effective intervention. No heavy belly. After all, the moment of the intervention is independent of having complaints or illness as with the AED. And terminal people did not participate in the measurement here. So no huge dip in the first days or weeks of the intervention in those who were too sick for that.
So much for the theory. Now for the practice.
Bram Bakker analysed the CIMS data: databases with death and vaccination data. In the Meester/Jacobs report, he presented graphs such as these:
We hebben net gezien waar zo'n enorme buik vanaf dag 0 vandaan komt: die mensen waren al (dood)ziek. Het betrof hier dus niet alleen gezonde mensen. Het zou ook nog het resultaat van de interventie zelf kunnen zijn maar in dit geval is dat niet mogelijk: het zijn immers de not-vaccinated people who have a lower chance of survival. Not vaccinated BECAUSE their end was near.
Hun overlijden heeft dus niets te maken met de kwaliteit van het vaccin. "Daar zie je aan dat er tijdens de coronagolf is geprikt" riep een wetenschapsjournalist...
Now it's about nun-Covid overlijdens dus het argument "tijdens een coronagolf" doet weliswaar wenkbrauwen fronsen maar vooruit, iedereen mag wat bijdragen, hij ook.
The orange line also shows that the vaccine offers 100% protection: not yet a dent due to Covid, for three years we see a straight line while the vaccination moments still fell in the same period. You should be able to see an epidemic again.
The data is hard, the math is right, the graph is clear, but the story doesn't close. Vaccinated people with lower mortality thanks to the jab? No way. This increased mortality among unvaccinated people does not show the effectiveness of the intervention. The experts had lost sight of that last step for a while.
Op X bogen statistici zich ook over de vreemde "buik" in de blauwe lijn. Met enige trots strooien ze met termen als "HRD" (High Risk of Death), "Mortality depletion", "Survival Bias" enzovoorts, alsof dan alles verklaard is, kennelijk zonder de begeleidende analyses van Bram Bakker gelezen of in elk geval goed begrepen te hebben. Hij bespreekt die verschijnselen expliciet en duidt ze als gradaties van het Healthy Vaccinee Effect.
Whatever name you give it: as long as that initial curvature is in the line, there is no point in comparing if you want to know something about healthy people. Those who ended up in the blue curve were not vaccinated because it no longer made sense or was life-threatening. If you include those deaths of people who have not been vaccinated in the calculations, you get unjustifiably very high vaccine effectiveness. When Nivel realized that (there are signs of that), they thought they could get rid of that effect. But Bram Bakker had already tried that. That doesn't work.
We hebben behalve met het HVE ook te maken met datavervuiling (lees Maurice) en datalacunes (zie de 'wachttijd' van Herman Steigstra), waardoor overleden gevaccineerden in de niet-gevaccineerde groep terecht gekomen zijn. Dan schiet het wel op met dat sterfteverschil. Als uit een groep van 90% overleden gevaccineerden er vijf bij de 10% ongevaccineerden worden gerekend, dan wordt het aantal ongevaccineerde overlijdens anderhalf keer zo groot. De slechte overlevingskansen in de eerste periode van de grafiek zijn dus verklaarbaar.
Optical exploration
What if we ignore the first curvature? See where the line straightens again and thus a stable effect becomes visible. We then move that line segment upwards to be able to compare it properly. The more oblique the line, the more deaths. And yes, the purple line is steeper.
Hurrah! Will the provaxxers shout: do you see that the unvaccinated have a lower chance of survival than the vaccinated!? The purple line runs down faster!
And indeed: if you had well-composed groups and this graph was about Covid mortality, that could be the conclusion.
But this graph is also about NON-covid mortality: ALL causes of death except Covid! This means that we are still looking at vaccinated people who were already healthier than those who would not be vaccinated (or you have to believe in the Elixir Effect of Life that CBS and RIVM applauded early on. And Dijkgraaf too, for that matter).
Now the difference between those two lines provides valuable information because you can also see approximately how much healthier the vaccinated people were, how much those mortality rates differ. If you correct for this in the graph that does deal with Covid mortality, you correct that away and you may be able to get an impression of how effective the vaccine really is! I'm treading on thin ice with this, but I'm trying to get a feel for the proportions.
Dus dat doen we provisorisch in de grafiek met de covidsterfte, maar oeps: die lijnen lopen zonder die doorgevoerde correctie al nagenoeg gelijk...!
Als je de beoogde correctie hierop gaat toepassen dan krijgen we een negatieve vaccineffectiviteit...
The real vulnerable
But maybe it's not fair. We have now looked at healthy people in their fifties/sixties without nursing homes, etc. So let's look at a more vulnerable group, people in their seventies/eighties including WLZ, for whom the vaccines were really intended. The more oblique the line, the worse, we remember. Three graphs: Covid deaths on the left, non-Covid on the right and all causes of death below.
Even at the Covid mortality graph at the top left, my sketchily displaced unvaccinated line indicates a slightly higher chance of survival than that of the vaccinated. Not to mention the other two graphs. It's all just experimentation, but still: they are graphs that ask for explanations, instead of providing answers to questions. They don't speak for themselves.
De laatste grafiek geeft bijvoorbeeld aan dat ongevaccineerde oudjes het na de initiële sterftecurve veel beter doen dan de gevaccineerde. Dit fenomeen kennen we als "survival bias". De groep is na een jaar van samenstelling veranderd. Nadat degenen die binnen een jaar zouden overlijden inderdaad zijn heengegaan, blijft er een sterke groep over die het beter doet dan het gemiddelde en zelfs beter dan het gevaccineerde gemiddelde. Een wondermiddel is de vaccinatie dus zeker niet.
De groep die het aan het eind zo goed doet is wel interessant. Die zijn gezond, hebben dat zelf goed ingeschat en voelen aan -of weten- dat een vaccin voor hen weinig zal betekenen. Misschien hebben ze ook iets gehoord over risico's die eraan verbonden zijn. Of ze dachten dat ze snel zouden overlijden en dat bleek niet te kloppen. Of het zijn religieuzen of anti-vaxxers van huis uit. Dat zou je hen toch eens moeten vragen.
Om dat uit te zoeken zou je zo'n 'subcohort' gematched willen opsplitsen en dan de ene helft wel en de andere helft niet vaccineren. Dat stuit op praktische en ethische problemen want een deel wilde niet gevaccineerd worden, die zitten juist daarom in de ongevaccineerde groep. Die zullen dus ook nooit deelnemen aan een RCT. Elke RCT mist de proefpersonen die van zichzelf weten dat een vaccinatie hen geen goed zal doen. Ben jij ook zo iemand? Dan is er voor jou in elk geval niet getest! 🤷
Conclusion
We'd better stop with all those Dutch analyses and first see if those CIMS data can still be repaired. I doubt it: Bram Bakker pulled all kinds of things out of the dining cabinet and was still not satisfied.
The file requested by the Biomedical Court of Auditors could have contained crucial information. Unfortunately, the institutes have carried out post-processing on this just to be sure. As a result, the relevant data was impoverished to such an extent that it could no longer serve the purpose for which it was requested.
De les die uit dit alles te trekken valt: alleen een Randomized Controlled Trial genereert de kwalitatief best haalbare info, mits uitgevoerd en geduid door onafhankelijke onderzoekers. Transparante data zijn vereist. Terugkijkend op voldongen feiten blijft de onzekerheid altijd te hoog, zeker als de data onkundig zijn verzameld en gemanaged en strikte monitoring is veronachtzaamd. Nederland zal niet het enige land zijn dat er een bende van heeft gemaakt. Over de hele wereld hebben overheden bloed aan hun handen - niet iets om transparant te willen hebben.
Zonder een degelijke, zorgvuldig gematchte serieel uitgevoerde Fase I - II - III RCT, is het Russisch Roulette met die vaccinaties. Aanzetten of dwingen tot Russisch roulette is poging tot doodslag. Dat zal ook door de hoofden zijn gegaan van degenen die het nu Nivel-rapport probeerden op te krikken.
Afterburners
Armand Girbes used a different strategy. He tried to calm it down: never mind, there is simply nothing to be gained from that data, what happened is what happened. He ignores the fact that we are at the mercy of grumpiness. And that was it: on the basis of the same ignorance, which did not recognize even the most deformed data as such, citizens have been deceived for years. This has cost thousands, possibly tens of thousands of lives.
Dat er nu in Japan alweer nieuwe soorten "self-replicating" vaccins op de markt zijn gekomen is onbestaanbaar. Opnieuw zijn er geen degelijke trials gehouden, slechts onderzoeken door het eigen vlees keurende slagers. Dat lijkt gewetenloos en dat is het ook: instituten en commerciële machtsbolwerken kunnen niks met "geweten". Het zijn reptielen. Die organisaties, verenigingen, overheidsinsitituten, ze hebben allemaal als enige opdracht om zich in stand te houden en te versterken. Streven naar ongebreidelde machtsgroei helpt om relevant te blijven. En dat doen ze met het mandaat dat ze van ons hebben gekregen. Wij willen toch daadkrachtig beleid? Nou dan!
De wegkwijnende media hebben bewezen met die instituten te zijn versmolten. De "Vierde Macht", die transparantie had moeten bedingen in plaats van propaganda bedrijven. De media hadden kwaadaardige celgroei tijdig moeten blootleggen en afvoeren. Ons maatschappelijk immuunsysteem is echter platgelegd door de inmiddels uitgezaaide celgroei die het zou moeten bestrijden. De overheid kon zo middels instituten en NGO's een totalitaire kant op waaien, richting een globalistische centrale wereldmacht, te beginnen met een oorlogvoerend Europa. De media lopen aan het handje mee. Hoe moet dat ooit goed komen... Bob de Wit to the rescue?
This morning I received a message from the NOS forwarded from a concerned family member that the program Pointer 30 Podcasten accused of conspiracy theories with all the possible consequences that entails... Don't lose heart and hope, I said, and put some useful messages in return. M-L genet at DWIV showed the leaflet of the injection with a p (which is called differently if you want to find the leaflet yourself, see fragment). Something like 756 pages and now also death included. Some podcasting will disappear but we already have most of the info and today I learned more about kaplan-meier graphs and applications. Thanks Anton!
Strange, that the mainstream media continues to remain silent, the Recht Oprecht foundation is conducting a lawsuit against Rutte Hugo etc, but also against Bill Gates and Pfizer Bourla in the court of Leeuwarden, also the National Union against Government Affairs is conducting four lawsuit against the government! Doctors Collective .NL are 2700 doctors and medical scientists have placed advertisements in the Telegraaf against the poison jabs, and billboards lance the busiest highways, no one talks about that, five states in America are conducting lawsuits against Pfizer Texas was the first, in Germany the Robert Koch Institute documents [after 3 years of litigation] were big news, here 0 ,from Germany the request for a court ruling on the German jab responsible has been submitted to the war crimes tribunal in The Hague, almost every day I read official reports, investigations about excess mortality etc from all over the world in the news letter from tkp.at and The Expose, highly recommended! Glad people like you don't give up !
What is missing under the KM explanation is that the number of people who are still being tracked should be under the x-axis. This allows you to see whether or not people 'lose' what happened, for example, in the Pfizer trial where an equal number of people were randomized to 'vaccine' vs placebo at time t=0, but in the Kaplan Meier analysis a lot fewer people were analyzed for vaccine at time t=0
That's a lot of explanation for dummies, but no doctor or epidemiologist was upset about it at the time, with the exception of Peter Doshi. In fact, doctors and epidemiologists at the time didn't need a mile to know what more than 90% effective means: a Pfizer CEO said... And that was enough...