M.m.v. Hans Verwaart en Lilian Namink.
Een post op maurice.nl deed recentelijk veel stof opwaaien. Het was een exercitie met extreme waarden. Het is dan net als met science fiction: je zult de premissen van de film moeten accepteren anders blijf je elke keer denken “mensen kunnen helemaal niet tijdreizen” en dan mis je de crux van de film. (Maurice also wrote about it).
Het artikel, waaraan ik ook had bijgedragen, ging in het kort om het volgende: Herman Steigstra (Tw: @SteigstraHerman) heeft een relatief eenvoudig model gemaakt waarin de ‘voors’ (de Vaccin-effectiviteit) en de ’tegens’ (Fatale bijwerkingen) van vaccinatie tegen elkaar worden afgewogen in aantallen overlijdens. De noodzakelijke aannames die daarbij zijn gedaan waren zo goed mogelijk in het artikel onderbouwd. Vooral belangrijk is dat we inmiddels, dankzij enkele kritische suggesties, tot nieuwe cohort-conversie algoritmes zijn gekomen. Deze hebben forse invloed op de overlijdenskansen en geven het opgeroepen beeld een steviger fundament. Meer hierover in de verantwoording.
Estimating the fatal side effects is bijvoorbeeld een heikele zaak, ook omdat we niet weten uit welke doodsoorzaken de oversterfte is opgebouwd. Een groot deel van de oversterfte is door CBS op het conto van corona geschreven (op basis waarvan is onduidelijk) en van wat er aan oversterfte resteert weten we helemaal niets. Aannames zijn dus o.m. gelegen in de vraag hoeverre de vaccins een factor zijn geweest in de nog steeds voortgaande oversterfte. Er kan oversterfte zijn zonder Covid, er kan ook Covid-sterfte zijn zonder oversterfte.
Estimating effectiveness is gedaan op basis van de ervaringen met Omikron. De aanname is dan dat een komende virusgolf niet de verzwakkende trend zal volgen van de eerdere varianten. Een virulentere variant is minder waarschijnlijk maar kan niet worden uitgesloten. Aan het eind zullen we ook nog kort aandacht besteden aan de BA.5/6-variant.
We gaven eerder een 0-scenario met als aannames dat het vaccin 100% effectief was en voor 100% de oversterfte zou hebben veroorzaakt. Het waren de hoogst mogelijke waarden, hypothetisch helder maar niet realistisch. We beginnen daarom nu laag: we veronderstellen in dit scenario dat het vaccin zou voor 5% bijgedragen heeft aan de oversterfte sinds begin 2021.
Deze grafieken laten kansen zien op basis van aannames. Is de blauwe balk hoger dan de rode, dan is de kans dat vaccinatie bij die leeftijdsgroep overlijdens voorkomt groter dan de kans op overlijden door de vaccinatie.
Genereer deze grafieken zelf met eigen aannames. Download our Excel tool, including the text of this article, also as a Dutch version.
We doen een paar experimenten:
- De eerste aanname is dus dat de vaccins voor 5% aandeel hebben gehad in de onverklaarde oversterfte.
- we maken vervolgens enkele aannames over de werkzaamheid (VE) van het vaccin.
- The second assumption is that the vaccines have had a 10% share
- we also make some assumptions about the VE on that percentage
- In the following assumptions, the vaccines are believed to be responsible for 15% and 25% of the unexplained excess mortality.
- Daarbij beginnen we met 60%VE.
De rode balken geven het overlijdensrisico weer per 100.000 personen, de blauwe balken de overlijdens die dankzij het vaccin zullen worden voorkomen, onder vergelijkbare omstandigheden. De grote vraag blijft: welk percentage van de oversterfte heeft te maken met het vaccin?
Aanname: 5% aandeel in oversterfte
Uit de cijfers van VAERS is af te leiden dat de ondergrens van het vaccin-aandeel in de oversterfte rond de 10% ligt. Omdat de tegenwerping kan zijn dat er ook veel valse meldingen in VAERS kunnen voorkomen, kiezen we als laagste niveau een hypothetische 5%.
Scenario A: 5% van oversterfte, 90% vaccin effectiviteit
In de Pfizer-folder lazen we over een veilig vaccin met een effectiviteit (VE) van 90%. Dat zijn voortreffelijke specs.
Mocht het vaccin ondanks dat voor 5% hebben bijgedragen aan de oversterfte, dan zal de balans voor 60+ positief uitslaan bij een volgende Omikron-achtige golf: meer geredde levens dan overlijdens. Onder de 60 sterven er helaas meer mensen aan het vaccin dan er levens worden gespaard in die leeftijdsgroepen.
Scenario B: 5% van oversterfte, 60% vaccin effectiviteit
Bij een VE van 60% zullen de 60-plussers er nog steeds voordeel van ondervinden.
Scenario C: 5% van oversterfte, 30% vaccin effectiviteit
30% VE zet alleen nog in de 80-plus groep enige zoden aan de dijk. Een VE van 30% is al enkele maanden na het injecteren hoog gegrepen.
Aanname: 15% aandeel in oversterfte
Scenario D: 15% van oversterfte, 90% vaccin effectiviteit
Als de vaccins wat meer hebben bijgedragen aan de oversterfte, zeg 15%, dan zien we zelfs bij een hoge bescherming van 90% VE, dat eigenlijk alleen een positieve balans is te zien bij 80+.
Bij 0-50 jaar zien we dat de overlijdenskans 10x zo groot is als de kans op het voorkomen van overlijden.
Scenario E: 15% van oversterfte, 45% vaccin effectiviteit
Uitgaande van een aandeel van 15% van de Omikron-oversterfte ligt de kantelwaarde voor de VE rond de 45%. Dan zijn alle leeftijdsgroepen al negatief qua effectieve VE tegen ACM. De grafieken bij een nog lagere VE voegen weinig toe.
Aanname: 25% aandeel in oversterfte
Scenario F: 25% van oversterfte, 90% vaccin effectiviteit
In het geval een kwart van de gesignaleerde meersterfte toegerekend moet worden aan de vaccins, heeft zelfs een VE van 90% netto niets meer te bieden bij een nieuwe variant met Omikron-karakteristieken.
Scenario G: 25% van oversterfte, 60% vaccin effectiviteit
At 60% VE, according to our model, vaccination does provide protection against the disease but in all age groups a negative VE against ACM (all cause mortality)
Naar nog lagere VE’s kijken heeft geen zin, tenzij je van drama houdt. Probeer het zelf in the Excel tool. Tik en huiver.
Scenario H: BA.5 virulentie, 90% VE, 5% van oversterfte
Alle eerdere grafieken gaan uit van een variant waarvan de dodelijkheid vergelijkbaar is met die van Omikron. Nemen we alleen de BA.5, de laatste Omikron-variant al referentie, dan is de verwachte dodelijkheid van een volgende BA.x aanzienlijk lager. De effectieve VE zakt daarmee ook.
Ook al zou slechts 5% van de oversterfte vaccin-gerelateerd zijn geweest: het model laat geen leeftijdsgroepen zien waar de blauwe staven overtuigend langer zijn dan de rode.
We laten het maar aan de eigen verbeelding over wat er gebeurt als het oversterfte-aandeel 50% zou blijken te zijn – of nog meer. Ook zijn er studies die voor niet-geboosterden een negatieve VE vinden.
Deze grafiekenreeks maakt bovenal duidelijk hoe cruciaal de oorzakelijkheid van de oversterfte is. Het openbaar maken van de geanonimiseerde data is hoogst noodzakelijk, zodat onafhankelijke partijen de vaccins kunnen uitsluiten van de oversterfte. Oversterfte die niet alleen in Nederland maar ook in vele landen en op andere continenten wordt gesignaleerd.
Genereer deze grafieken zelf met eigen aannames. Download our Excel tool, including the text of this article, also as a Dutch version.
Accountability
In de Bèta-versie kon er aan drie knoppen worden gedraaid:
- Vaccin-Effectiviteit: aantal voorkomen overlijdens, ingeschat op omikron-virulentie
- Oversterftefactor: Het aandeel van vaccinaties in de meersterfte (alle sterfte boven de verwachte basislijn, minus de covidsterfte)
- Verwachte virulentie van het virus in verhouding tot bv. Wuhan/Omikron/BA.5 (we kozen voor Omikron als referentie)
In het eerste artikel op Maurice.nl werden 1. en 2. beide hypothetisch op 100% gesteld. Daar sloeg menigeen op aan: Vaccins voor 100% de schuld geven van de oversterfte werd zelfs “misdadig” genoemd. Gelukkig ageerde niemand tegen de eveneens discutabele claim van 100% vaccin-effectiviteit! Voor punt 3. is Omikron als referentie genomen.
Adjustments
Naar aanleiding van gerichte kritiek hebben we twee extra aannames geïmplementeerd die betrekking hadden op de voorbije periode, de basis waarop verder wordt gerekend:
- De voorbije Vaccin-effectiviteit op de Omikronvarianten dient als referentie. Die was in de Bèta op op nagenoeg nul ingeschat maar dat is, zoals elke aanname, wel te onderbouwen maar evengoed discutabel. We kunnen nu gemakkelijk berekeningen maken als we hogere waargenomen Omikron-VE aannemen.
- Wij waren uitgegaan van rivm-overlijdenscijfers. Door verschillende experts (dank Hans) werden wij er op gewezen dat de cijfers van CBS weliswaar niet plausibel zijn maar dat het realistischer is om de rivm-cijfers voorlopig op te hogen met ongeveer eenderde. In eerste instantie wilden wij ons zoveel mogelijk houden aan de officiële cijfers instituut maar hier permitteren we ons dus een kleine correctie.
Voorbeeld van punten 4. en 6. Wat scheelt het?
De verschillen als gevolg van deze twee toegevoegde factoren zijn relatief klein. Gezien de aannames en schattingen waarmee moet worden gewerkt beoordelen we de cijfers achter de komma in dit geval als schijnnauwkeurigheid. Het gaat om het grote plaatje. Om de schijn te voorkomen dat we de vaccins zouden willen benadelen, hebben we beide punten meegenomen in alle onderstaande scenario’s.
ad 4) Er zijn circa 1.500 Omikron-overlijdens te betreuren. Bij een VE van bijvoorbeeld 50% moeten we dus met 3.000 potentiële Omikron-doden rekenen, waarvan de helft dankzij de vaccinatie niet is overleden. In het eerste model werd er met 1,500 gerekend. Ondanks het feit dat de VE tegen omikron bijzonder laag is en zeker naar vaccin-normen zeer snel afneemt, nemen we toch een gemiddelde historische VE van 20% in acht.
ad 5) Er zijn circa 1.500 Omikron-overlijdens te betreuren. Naar aanleiding van kritiek op de rivm-registratie hebben we die voor dit artikel opgehoogd met 33% ter compensatie. Het zijn er dan 1.995. Natuurlijk is die 33% een gecalculeerde schatting die ook weer tot discussie leidt – een discussie die ook intern voortduurt.
Vermoedelijk moet dat percentage omlaag of blijkt rivm toch correct. Dit is voor het overall beeld minder essentieel dan het lijkt. Hieronder in grafiek 1 en 2 een voorbeeld van de verschillen waarover we praten (klik op de grafiek om te zoomen). in de groep 70-79 jaar is het verschil het beste zichtbaar. Aan deze mate van precisie hechten we geen enorme waarde gezien de onzekerheidsmarges waarmee we toch al moeten rekenen.
Other comments
Cohort distribution
Er zijn zeker nog andere verbeteringen mogelijk. De overlijdenskansen waren in het vorige model substantieel anders door een andere synchronisatiemethode van leeftijdsgroepen. We werken nu met een verbeterde versie en aan verdere verfijning. Instituten rapporteren helaas in willekeurige leeftijdsindelingen. Daarom zijn er keuzes gemaakt bij het in overeenstemming brengen van rapportages. Het verantwoord opsplitsen van 0-65 naar 0-49, 50-59, 60-69 was een uitdaging. Dankzij buitenlandse studies hebben we een goed te onderbouwen verdeling gevonden. (link to VAERS study)
Met behulp van de VAERS cijfers (aantal overlijdens door vaccin per miljoen gevaccineerden) is om te rekenen hoeveel overlijdens er te verwachten zijn, rekening houdend met de NL situatie qua aantal inwoners en vaccinatiegraad. Maar VAERS telt alleen wat gemeld wordt, gedurende 11 maanden, waarvan waarschijnlijk de eerste 4 nog zonder schade (december 2020 tot november 2021). Dus 7 maanden schade tegen NL 12 maanden. Ook dat is verrekend. Dat aantal is dan het echte minimum aan vaccinatieschade dat je kunt verwachten in NL. Dat zijn er 959. Maar in totaal denken we er 10.585 te zien. Ervan uitgaande dat dit komt door onderraportage bij VAERS maken we een verdeling naar rato.
Het optimaliseren heeft dus onze aandacht. Een verdere opsplitsing van 0-50 jaar is ook wenselijk. Er zijn uiteraard veel meer verbeteringen en verfijningen denkbaar. Voor een eerste oriëntatie biedt het model naar ons idee op dit moment al voldoende inzicht.
Brief explanation of the estimated corona deaths
Voor het bepalen van de extra sterfte hadden we in ons vorige artikel de oversterftecijfers die het CBS publiceert overgenomen en deze verminderd met de Corona-sterfte zoals gerapporteerd door het RIVM. Hier kregen wij commentaar op, omdat de RIVM cijfers een onderschatting van de werkelijke corona-sterfte zouden zijn en de CBS cijfers meer representatief.
Als we het over een jaar bekijken en we nemen 2020, een jaar waarin er nog niet gevaccineerd is, dan zien we dat de extra sterfte over dat jaar niet heel veel verschilt met de gerapporteerde coronasterfte van het RIVM: 11.520 en 12.682 (CBS).
Oversterfte is een periode van verhoogde sterfte ten opzichte van de prognose. Als er over een jaar extra sterfte is geconstateerd dan betekent dit dat er mensen zijn gestorven die normaal gesproken de jaarwisseling nog zouden meemaken. Hoeveel maanden korter ze hebben geleefd kunnen we niet zeggen. Dit zijn mensen die bij die 12.682 van het CBS behoren.
Er is echter nog een andere groep mensen die is gestorven door corona, terwijl ze normaal gesproken gemiddeld ook nog maar een half jaar hadden kunnen leven. Dat aantal zien we dus niet in de extra sterfte per jaar van het CBS terug, dat was al verrekend. Hoeveel mensen dit precies zijn is moeilijk te zeggen, ook krijgen we de bekende “aan of met corona” discussie. Wij hebben de doodsoorzaak statistieken van het CBS bekeken en gekeken naar onwaarschijnlijke afnames van bepaalde doodsoorzaken en de rapporten van stichting NICE over de opnames. We schatten hieruit in dat de sterftecijfers van het RIVM 33 procent te laag zijn. Dit hebben we verrekend.
Volgens het CBS zijn er veel meer mensen aan corona overleden dan blijkt uit de oversterfte. Om de netto-sterfte, de sterfte aan andere doodsoorzaken dan corona, te berekenen, nemen we de totale sterfte en verminderen deze met de overlijdens aan corona. De netto-sterfte valt dan bijna 8000 personen lager uit dan de sterfte prognose over 2020 (vergelijk met eerder Virusvaria-artikel van nov, 2021). Dat is vreemd en het wekt sterk de suggestie dat de vermindering overlijdens “andere oorzaken” niet door maar “met covid” is geweest en corona niet de oorzaak van de overlijdens was. De RIVM-cijfers lijken om die reden een meer betrouwbare informatiebron te zijn, zeker na correctie met deze 33 procent.
Period
Wij rekenen vanaf begin 2021, dat betekent dat we meerdere golven in de berekening betrekken. Een vaccin kan zich beter bewijzen hoe meer cases van die ziekte zich voordoen. En omgekeerd: hoe minder (ernstige) ziekte, hoe moeilijker. Blijft de ziekte uit, dan resteren alleen de eventuele schadelijke effecten.
Quantitative approach
Ten overvloede: dit is een puur rekenkundige benadering based on assumptions. In hoeverre je een gezond persoon (wellicht onvrijwillig) mag offeren om meerdere kwetsbaren te redden en hoe die verhouding zou moeten liggen bij een vaccin, of een vaccin überhaupt levens van gezonde mensen mag kosten en andere ethische vragen heb ik al eens previously raised. We vergelijken hier 1-op-1, zonder kwantitatief waarde oordeel of QALY-berekeningen. Dat is een ander hoofdstuk.
Logarithmic vs linear
Grafiek 1 en 2 zijn op logaritmische schaal gepresenteerd. Daardoor zijn ook de verschillen in de groepen met weinig sterfte zichtbaar. Verschillen tussen kleine getallen lijken groter dan ze in werkelijkheid zijn, verschillen tussen grote getallen worden juist gemaskeerd. Achter grafiek 2 en 3 hangen dezelfde cijfers.
Dit rekenmodel is in Excel ontwikkeld door Herman Steigstra en wordt mede beheerd door Team Maurice en Virusvaria. Heb je zelf iets ontwikkeld in Excel dat nuttig zou kunnen zijn voor een betere inschatting van onbekende grootheden, dan horen wij dat graag.
Tables and linear views
| Scenario A: 5% van oversterfte, 90% VE | ||||||
| 0-50 | 50-59 | 60-69 | 70-79 | 80+ | ||
| Preventing deaths from SARS-CoV-2 | 0,0 | 0,4 | 2 | 7 | 33 | per 100K |
| Increased mortality | 0,63 | 2,1 | 3 | 10 | 33 | per 100K |
| Overlijdenskans t.o.v. voorkomen | 16,66 | 5,29 | 1,88 | 1,57 | 1,00 | |
| Scenario B: 5% van oversterfte, 60% VE | ||||||
| 0-50 | 50-59 | 60-69 | 70-79 | 80+ | ||
| Preventing deaths from SARS-CoV-2 | 0,03 | 0,3 | 1,0 | 4 | 22 | per 100K |
| Increased mortality | 0,63 | 2,1 | 3 | 10 | 33 | per 100K |
| Overlijdenskans t.o.v. voorkomen | 25 | 8 | 3 | 2,4 | 1,5 | |
| Scenario C: 5% van oversterfte, 30% VE | ||||||
| 0-50 | 50-59 | 60-69 | 70-79 | 80+ | ||
| Preventing deaths from SARS-CoV-2 | 0,0 | 0,1 | 1 | 2 | 11 | per 100K |
| Increased mortality | 0,6 | 2,1 | 3 | 10 | 33 | per 100K |
| Overlijdenskans t.o.v. voorkomen | 50,0 | 15,9 | 5,7 | 4,7 | 3,0 | |
| Scenario D: 15% van oversterfte, 90% VE | ||||||
| 0-50 | 50-59 | 60-69 | 70-79 | 80+ | ||
| Preventing deaths from SARS-CoV-2 | 0,04 | 0,4 | 2 | 7 | 33 | per 100K |
| Increased mortality | 1,9 | 6 | 9 | 31 | 98 | per 100K |
| Overlijdenskans t.o.v. voorkomen | 50 | 16 | 6 | 5 | 3 | |
| Scenario E: 15% van oversterfte, 45% VE | ||||||
| 0-50 | 50-59 | 60-69 | 70-79 | 80+ | ||
| Preventing deaths from SARS-CoV-2 | 0,02 | 0,2 | 1 | 3 | 16 | per 100K |
| Increased mortality | 1,9 | 6 | 9 | 31 | 98 | per 100K |
| Overlijdenskans t.o.v. voorkomen | 100 | 32 | 11 | 9 | 6 | |
| Scenario F: 25% van oversterfte, 90% VE | ||||||
| 0-50 | 50-59 | 60-69 | 70-79 | 80+ | ||
| Preventing deaths from SARS-CoV-2 | 0,0 | 0 | 2 | 7 | 33 | per 100K |
| Increased mortality | 3,1 | 11 | 15 | 51 | 163 | per 100K |
| Overlijdenskans t.o.v. voorkomen | 83 | 26 | 9 | 8 | 5 | |
| Scenario G: 25% van oversterfte, 60% VE | ||||||
| 0-50 | 50-59 | 60-69 | 70-79 | 80+ | ||
| Preventing deaths from SARS-CoV-2 | 0,0 | 0,3 | 1,0 | 4 | 22 | per 100K |
| Increased mortality | 3,1 | 11 | 15 | 51 | 163 | per 100K |
| Overlijdenskans t.o.v. voorkomen | 125 | 40 | 14 | 12 | 8 | |
| Scenario H (BA.5): 5% van oversterfte, 90% VE | ||||||
| 0-50 | 50-59 | 60-69 | 70-79 | 80+ | ||
| Preventing deaths from SARS-CoV-2 | 0,04 | 0,4 | 2 | 7 | 33 | per 100K |
| Increased mortality | 0,6 | 2 | 3 | 10 | 33 | per 100K |
| Overlijdenskans t.o.v. voorkomen | 16,7 | 5,3 | 1,9 | 1,6 | 1,0 | |
Prachtig artikel! Dank, Anton, voor deze noeste arbeid.
Één vraag : het gaat toch om de ‘voorkomen overlijdens’ (door corona) , afgezet tegen de ‘veroorzaakte meersterfte’ DOOR HET VACCIN ?
Waarom wordt er dan (scenario G) gesproken over All CAUSE MORTALITY (ACM) ? Daar gaat het toch niet over ?
Hallo Ed,
een vaccin kan een goede VE tegen een ziekte hebben maar een slechte VE tegen ACM. Dat betekent dat er meer gevaccineerden aan andere oorzaken (bijwerkingen) doodgaan dan dat er patiënten worden gered van een covid-dood.
Heb ik dat zo duidelijk toegelicht?
Als we het hebben over ACM, moet ik denken aan je artikel van 16 juli j.l.: Update vax/unvax sterfte in Engeland Jan-Mei 2022.
Even over dit artikel :
Die analyse vind ik schitterend – en dat geldt uiteraard ook voor de eerdere artikelen die de periode vanaf jan. 2021 bestrijken – omdat het een zuivere vergelijking betreft van ACM van gevaccineerden en niet-gevaccineerden, dus alleen maar de data zoals die bekend zijn. (Ik heb het voorbehoud, aan het begin van het artikel, ook gelezen)
Dus niks geen gedoe over wat is precies een corona dode, dus ook niet de vraag welke fractie van de oversterfte komt van het vaccin, geen gedoe over VE, etc. Nee, puur een vergelijking van ACM van gevaccineerden en ongevaccineerden.
En wat een onthullende uitkomsten, als je jan. 2021 naast mei 2022 zet!
Dit was even een zijsprong.
In bovenstaand artikel heb je (en de andere auteurs) voor een totaal andere benadering gekozen.
Het gaat nu wél over VE, en over welke fractie van de meersterfte voor rekening komt van het vaccin.
Dan gaat het toch niet over All Cause Mortality?
Zoals je zelf definieert in het artikel van 16 juli :
‘Bij All Cause Mortality wordt géén onderscheid gemaakt in doodsoorzaken, dus het betreft zowel Covid als non-Covid sterfgevallen’ .
Ik begrijp je reaktie hierboven :
‘Dat betekent dat er meer gevaccineerden aan andere oorzaken (bijwerkingen) doodgaan dan dat er patiënten worden gered van een covid-dood ‘.
Maar dood gaan aan andere oorzaken (bijwerkingen) is toch iets anders als All Cause Mortality?
Als er net zoveel mensen dood gaan aan bijwerkingen van het vaccin als dat er Covid-patiënten worden gered, dan blijft de ACM hetzelfde.
Worden er méér mensen door het vaccin gered van een Covid-dood dan er overlijden aan bijwerkingen, dan daalt de ACM (en omgekeerd natuurlijk).
Het wordt nog ingewikkelder: als je alleen maar mensen redt van Covid die dan tóch overlijden, maar aan een andere oorzaak, dan blijft de ACM gewoon op peil en kun je je afvragen hoe nuttig het vaccineren van de hele bevolking is.
Voor de ziekte geldt iets soortgelijks: als Covid als doodsoorzaak wordt beschouwd bij mensen die anders aan een andere oorzaak zouden zijn bezweken, heeft dat geen invloed op de ACM. Ook dan heeft vaccineren geen zin om minder mensen te laten doodgaan.
Het uitblijven van andere doodsoorzaken is op die manier dan ook in de basisaannames betrokken.