Kaplan-Meier pour les nuls

Het inmiddels beruchte Hoofdstuk 6 in het oversterfterapport van Meester-Jacobs, door Bram Bakker, heeft flink wat opschudding veroorzaakt. De plaatjes die tot de meeste beroering leidden waren de Kaplan-Meier grafieken. Daar werd van alles over geschreven. Maar niet iedereen leest grafieken even makkelijk. In een volgende post, over Nivel en een Italiaans onderzoek, spelen ze een belangrijke rol. Hieronder eerst basale uitleg en die kennis vervolgens toegepast in bespreking van een paar grafieken uit het stuk van Bram Bakker.

Wat zijn KM-grafieken?

Een Kaplan-Meier grafiek geeft overlevingscurves weer. Het kan ook over het reparatiesucces van apparaten gaan maar we houden het even op sterfte en medische interventies.

Op de horizontale as staat het tijdsverloop vanaf het moment van een interventie, op de verticale as het percentage mensen dat nog in leven is. 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.

Ter illustratie. Het effect van AED (reanimatie met Automatische Externe Defibrillator) bij hartfalen ziet er als volgt uit.

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).

Bij patiënten met een chronischer, gelijkmatiger verlopende ziekte is de curve glooiender. In dit geval groeit het verschil tussen wel behandeld en niet behandeld (control) gestaag over de eerste twee jaar na begin van de medicatie. Het effect lijkt dan wat af te nemen, de lijnen komen weer dichter bij elkaar. Hier gaat het dan even niet om sterfte maar het idee is hetzelfde: wel of geen ziekteremming.

Nu waren dit grafieken die gingen over mensen met een aandoening.

Grafieken van preventieve behandelingen bij gezonde mensen, denk aan vaccinaties, zien er heel anders uit. Daar lopen de lijnen idealiter zo goed als recht (of ze krommen gelijkvormig, dat heeft met leeftijd en de termijn te maken) maar bij een zuivere opzet en een werkende interventie wijken ze bij een effectieve interventie steeds verder uit elkaar. Geen zware buik. Het moment van de interventie staat immers los van het hebben van klachten of ziekte zoals bij de AED. En terminale mensen hebben hier niet aan de meting meegedaan. Dus geen enorme dip in de eerste dagen of weken van de interventie bij degenen die daar te ziek voor waren.

Tot zover de theorie. Nu de praktijk.

Bram Bakker analyseerde de CIMS-data: databases met overlijdens- en vaccinatiedata. In het rapport van Meester/Jacobs presenteerde hij grafieken zoals deze:

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 non-gevaccineerden die een lagere overlevingskans hebben. Niet gevaccineerd OMDAT hun einde nabij was.

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…

Nu gaat het hier om non-Covid overlijdens dus het argument “tijdens een coronagolf” doet weliswaar wenkbrauwen fronsen maar vooruit, iedereen mag wat bijdragen, hij ook.

Ook geeft de oranje lijn weer dat het vaccin 100% bescherming biedt: nog geen deukje door Covid, gedurende drie jaar zien we een strakke rechte lijn terwijl de prikmomenten toch in dezelfde periode vielen. Een epidemie zou je terug moeten kunnen zien.

De data zijn hard, het sommetje klopt, de grafiek is duidelijk maar het verhaal sluit niet. Gevaccineerden met een lagere sterfte dankzij de prik? Geen sprake van. Uit die verhoogde sterfte bij niet-gevaccineerden blijkt geen effectiviteit van de interventie. Die laatste stap hadden de experts even uit het oog verloren.

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.

Welke naampje je er ook aan geeft: zolang die beginkromming in de lijn zit, heeft vergelijken geen zin als je iets wil weten over gezonde mensen. Degenen die in de blauwe kromming terechtkwamen zijn niet gevaccineerd omdat dat dat geen zin meer had of levensbedreigend was. Als je die overlijdens van niet-geprikten meeneemt in de berekeningen krijg je onterecht zeer hoge vaccin-effectiviteit. Toen dat ook tot Nivel doordrong (daar zijn tekenen van) dachten ze dat effect wel weg te kunnen werken. Maar ook dat had Bram Bakker al geprobeerd. Dat lukt dus niet.

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.

Optische exploratie

Wat als we de eerste kromming eens negeren? Kijken waar de lijn weer rechttrekt en er dus een stabiel effect zichtbaar wordt. Dat lijnstuk schuiven we dan naar boven om het goed te kunnen vergelijken. Hoe schuiner de lijn, hoe meer overlijdens. En ja hoor, het paarse lijntje loopt steiler.

Hoera! zullen de provaxxers roepen: zie je wel dat de ongevaccineerden een lagere overlevingskans hebben dan de gevaccineerden!? Het paarse lijntje loopt sneller naar beneden!

En inderdaad: als je goed samengestelde groepen had gehad en deze grafiek ging over Covid-sterfte, dan zou dat de conclusie kunnen zijn.

Maar ook deze grafiek gaat over NON-covidsterfte: ALLE doodsoorzaken behalve Covid! Dat betekent dat we nog steeds kijken naar gevaccineerden die vooraf al gezonder waren dan degenen die niet gevaccineerd zouden worden (of je moet geloven in het Levenselixer-Effect dat CBS en RIVM al vroeg bejubelden. En Dijkgraaf trouwens ook).

Nu geeft het verschil tussen die twee lijnen waardevolle informatie want je ziet hieraan ook ongeveer hoeveel gezonder de gevaccineerden dan wel waren, hoeveel die sterftekansen verschillen. Als je hiervoor corrigeert bij de grafiek die wél over Covidsterfte gaat, corrigeer je dat weg en kun je misschien een indruk krijgen hoe effectief het vaccin werkelijk is! Ik begeef me hiermee op glad ijs maar ik probeer het toch even om gevoel te krijgen voor de verhoudingen.

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…

De echte kwetsbaren

Maar misschien is het niet eerlijk. We hebben nu naar gezonde vijftigers/zestigers gekeken zonder verpleeghuizen e.d. Dus laten we naar een meer kwetsbare groep kijken, zeventigers/tachtigers inclusief WLZ, waarvoor de vaccins echt waren bedoeld. Hoe schuiner de lijn, hoe slechter, we weten het nog. Drie grafieken: links Covid-overlijdens, rechts non-Covid en daaronder Alle doodsoorzaken.

Zelfs bij de Covid-sterfte grafiek linksboven geeft mijn schetsmatig verplaatste niet-gevaccineerdenlijntje een ietsje hogere overlevingskans aan dan dat van de gevaccineerden. Om van de andere twee grafieken maar te zwijgen. Het is allemaal maar experimenteren maar toch: het zijn grafieken die om verklaringen vragen, in plaats van dat ze antwoorden op vragen geven. Ze spreken niet voor zichzelf.

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 kunnen beter stoppen met al die Nederlandse analyses en eerst eens kijken of die CIMS-data nog te repareren zijn. Ik betwijfel het: Bram Bakker heeft van alles uit de restauratiekast getrokken en was nog steeds niet tevreden.

Ce bestand dat de Biomedische Rekenkamer had opgevraagd had cruciale informatie kunnen bevatten. Helaas hebben de instituten daar voor de zekerheid nabewerkingen op uitgevoerd. De relevante data zijn hierdoor dusdanig verarmd dat ze het doel niet meer konden dienen waarvoor ze waren opgevraagd.

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.

Nabranders

Armand Girbes hanteerde een andere strategie. Hij probeerde het te sussen: laat maar, er is nu eenmaal niks uit die data te halen, gebeurd is gebeurd. Hij gaat eraan voorbij dat we overgeleverd zijn aan knurften. En bleef het daar maar bij: op basis van dezelfde onkunde, die zelfs de meest mismaakte data niet als zodanig herkende, is burgers jarenlang een rad voor ogen gedraaid. Dit heeft duizenden, mogelijk tienduizenden levens gekost.

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?