Begin december kwam er een vernieuwd/geupdate onderzoek van het RIVM (1) en een statistische berekening van het CBS (2) over de corona periode en de continue oversterfte. Diverse media speelden hier op in, waaronder wetenschapsjournalist Maarten Keulemans van de Volkskrant (3). De afgeschaalde zorg wordt s “constante zorg infarct’ genoemd door Gijs Loef, maar één ding is duidelijk: “het lag in ieder geval niet aan de vaccins”.
Hoe hard zijn deze beweringen nu? Uiteindelijk is het statistiek, en met statistiek kun je alles bewijzen, maar ook verdoezelen, afhankelijk van hoe data worden gepresenteerd. Laten we een aantal van deze presentatietechnieken eens onder de loep nemen.
Wat u in uw achterhoofd moet houden als u overheidsrapporten over corona leest.
Presentatietechniek 1: Schrijf fenomenen die gunstig uitvallen gewoon toe aan het opgelegde (vaccinatie)beleid
Een bekend voorbeeld is het Healthy Vaccinee Effect (HVE). Door diversen deskundigen al benoemd, en ook onderkend door het RIVM. Maar hoe groot is dit effect, en heeft het invloed?
De basisuitleg is: gezondere mensen laten zich vaker vaccineren dan ongezonde mensen. Tegelijkertijd zal een persoon met een (fors) kortere levensverwachting zich minder vaak laten vaccineren. Maar in basis komt het op hetzelfde neer: de uitgangssituatie (gezondheid) bepaalt het gedrag van de persoon; maar het gedrag bepaalt niet het resultaat (gezondheid). Het mogelijk causale verband wordt hierdoor omgedraaid.
Ter illustratie: Een krasse 75+ zonder onderliggend lijden zal een potentieel ernstig verloop van een corona infectie niet willen, en laat zich vaccineren. Een 75+ met allerlei kwalen, afhankelijk van thuishulp, die weet hoe broos zijn gesteldheid is -en hoe kort de levenshorizon- zal minder genegen zijn een vaccinatie te halen – als er al vervoer is te regelen. De kans is dus groter dat deze 75+ met kwalen geen vaccin haalt. Daarnaast hebben we nog groepen mensen die palliatieve zorg krijgen of in een hospice liggen, en waar pijnbestrijding de enige zorgbehandeling is. Ook deze staan te boek als ongevaccineerd.
De groep met ongevaccineerden bevat dus van nature meer mensen met een (zeer) korte levensverwachting. En vice versa, zal de groep gevaccineerden relatief veel mensen bevatten die gezonder zijn, met een langere levensverwachting. Dit wordt kortweg HVE genoemd.
Dit effect zal per leeftijdsgroep anders zijn. Bij de 50-min heb je relatief gezien heel veel mensen met een lange levensverwachting, en maar een handjevol met een korte levensverwachting, en zal dit effect minder zijn. Bij de mensen met hoge leeftijd zal dit effect ook minder zijn. Daar is de levensverwachting sowieso al vrij laag, en zal één, twee of drie maand minder, niet zo snel opvallen. Het HVE effect zal het grootste zijn in groepen met een middelmatige levensverwachting.
Speelt dat mee in de onderzoeken van het RIVM en CBS?
Het RIVM liet vorig jaar een onderzoek (4) zien en daar stond een interessante grafiek in de supplementary. (5) Grafiek S3 liet op week niveau het verschil zien, in sterfte tussen de verschillende vaccinatie-groepen. En als je wat dieper op die groepen inzoomt, dan zie je dat de paarse lijn (Non-covid sterfte van ongevaccineerd per 100k “persondays”) elke keer oploopt zodra de vaccinatie begint. Dit betreft in dit onderzoek dus alle doodsoorzaken behalve covid-19.
Ik heb deze grafieken zelf nagebootst en daar het moment van vaccinaties bij ingezet. Als voorbeeld pak ik daar de groep 50-69 uit. De groep met middelmatige levensverwachting. Hier zie je duidelijk de sterfte oplopen in de ongevaccineerde groep (paarse lijn) tijdens het vaccineren en daarna langzaam aflopen. Relatief veel mensen met een kortere levensverwachting laten zich dus niet vaccineren.
Na de vaccinatie periode, zie je dat een gedeelte van deze personen inderdaad snel overlijdt, en daardoor daalt de lijn langzaam, en het effect wordt minder. Een duidelijk HVE in deze groep. Sterfte is meer dan verdubbeld in een tijdsbestek van 4 maanden.
Een zelfde soort effect zien we ook bij de CBS rapportage. Toen de vaccinatie in de lente 2021 goed op gang kwam, zag je de sterfte per 100-dzd (per 100k) ook snel oplopen onder de niet-gevaccineerden, en daarna weer langzaam afzakken naar de normale sterfte. Om de zaagtand wat af te zwakken, had het CBS, net zoals het RIVM moeten kiezen voor een 4-weeks gemiddelde. Maar desondanks zien we hier ook duidelijk dat HVE effect. Het moge duidelijk zijn, dat het HVE duidelijk zichtbaar is, en ook (grote) invloed heeft.
Maarten Keulemans doet op X geloven dat dit tout le temps maar een klein effect geeft. Op de totale populatie is het misschien maar een klein percentage mensen wat zich in hospices enz. bevind, maar het effect is wel duidelijk zichtbaar in de grafieken.
Met een vaccinatiegraad van 85% tellen “een paar personen” met een levensverwachting van enkele maanden hard op in de statistieken.
Het RIVM rapport laat zelfs zien dat de Vaccin Efficienty (VE) tegen non-covid-19 sterfte in de groep 50-69 in de eerste7 maanden, zelfs tussen de 60 en 70% ligt (figure S2 in supplementary)(5).
Oftewel, het is een wondervaccin, wat de algehele sterfte naar beneden haalt, (waar komt die oversterfte dan vandaan?) of het betreft hier een sterk ander effect, wat de cijfers vertroebelt. En zou dit misschien te maken hebben met HVE? En dat brengt me dan gelijk bij Presentatie techniek 2.
Presentatietechniek 2: Vergelijkingen maken die positief uitpakken.
Zoals hierboven uitgelegd, kun je door vertroebeling de groepen gevaccineerd en ongevaccineerd niet één op één met elkaar vergelijken. Een populatie ‘willekeurig’ opdelen werkt niet. Daarom proberen de wat serieuzere onderzoeken om de groepen te matchen, door personen met de dezelfde eigenschappen in beide groepen te laten voorkomen. Dit doen het CBS en RIVM echter niet.
We weten nu dat de non-covid sterfte in de ongevaccineerde groep soms tweemaal zo hoog ligt in vergelijk met de gevaccineerde groep. Waarom kiest men er dan voor om deze groepen met elkaar te vergelijken?
Waarom vergelijkt men de sterfte niet met een ander basis gegeven? Bijvoorbeeld de gemiddelde sterfte in de jaren 2017-2019 (per 100 persondays). Dat zal al veel zuiverder zijn.
Ik heb voor de diverse groepen deze baseline / trendlijn berekend. Als voorbeeld weer de 50-69 jarigen. Totdat de vaccinatiecampagne op stoom komt zie je de paarse lijn (ongevaccineerd) de baseline volgen.
Na de vaccinatieperiode bevindt de groene lijn (basis vaccinatie afgerond) zich net iets onder de baseline. Dit lijkt me logisch, daar we weten dat er zich in deze groep relatief veel gezonde mensen bevinden. Maar wat gebeurde er in de tussentijd met de gevaccineerde groep? Waarom lag de sterfte daar hoger? Is dit de reden om gevaccineerd met ongevaccineerd te vergelijken? Zou dat een gunstiger resultaat geven?
Dit is mijn inziens Presentatietechniek 2. Het is gunstiger om beide groepen met elkaar te vergelijken i.p.v. met een basis sterfte lijn. Oftewel, het is in dit geval een duidelijke keuze om een zo gunstig mogelijk effect in het onderzoek te laten zien.
Presentatietechniek 3. Gebruik nietszeggende grafieken.
Het CBS toont grafieken die eigenlijk niks zeggen. Zoals 3.4.1/2 meest voorkomende doodsoorzaken onder mannen en vrouwen. Men laat een top 10 zien, en benoemt dat dit ongeveer 50% van de doodsoorzaken is. Als een doodsoorzaak een significante verhoging heeft, deze verdubbelt bijvoorbeeld, maar valt in een relatief laag percentage van 1%, en verdubbelt daardoor naar 2% ga je dit niet zien in de grafiek.
Daarnaast wordt er ook niet gestandaardiseerd. Als de populatie groeit, mag je verwachten dat er ook meer absolute sterfgevallen van kanker zijn. Terwijl de technieken steeds beter worden, en de sterfte procentueel gezien daalt. Het terug rekenen naar ‘per 100k’ is daarin een wel goede methode. Als we nu naar de nieuwvormingen (kanker gevallen) onder mannen kijken. (Doodsoorzaken zijn te downloaden (7) en daarna te bewerken met Excel.)
Als we de data rangschikken zoals in de linker tabel (gestandaardiseerd per 100k), dan is een dalende trend in de subgroep 2.Nieuwvormingen zichtbaar. Er sterven steeds minder mannen aan kanker. Als we dan de pandemie jaren even buiten beschouwing laten, en Excel een automatische regressie lijn (trend lijn) laten berekenen van 2011-2019, dan kom je op de oranje stippellijn uit.
Deze lijn kan je doortrekken naar 2020, 2021 en 2022. Dit is dan je verwachte sterfte voor deze doodsoorzaak. En vanuit deze “verwachte” sterfte, kan je dan berekenen wat de afwijking is in tegenstelling tot de daadwerkelijke sterfte. Zo ontstaat de 2e grafiek
Een gangbare bandbreedte was tussen de -25 en +25 meer sterfgevallen t.o.v. verwacht. Dan zien we in 2022 een uitschieter buiten de gebruikelijke bandbreedtes. Bij een verwachte sterfte van een kleine 1000 personen (per 100k) is een afwijking van 40 (4%) niet een hele grote afwijking, maar wel één om in de gaten te houden want vier keer zoveel als het gemiddelde van de 10 jaar daarvoor. Als de doodsoorzaken van 2023 worden vrijgegeven, gaat ons dat hopelijk meer richting geven. Was het een eenmalige uitschieter off gaan we dit in de toekomst vaker zien?
Deze verwachting kun je voor alle groepen (5 jaars cohort) uitrekenen en voor alle doodsoorzaken. Afwijkingen moet je op basis van voorgaande jaren bekijken. Soms kan 2% afwijking al duiden op een statistische verandering.
Op deze wijze toon je wel duidelijke grafieken aan de lezers.
Presentatietechniek 4. Kies relatief korte periodes en strijk die uit over de hele bevolking.
Zoals je hierboven kunt zien, kan je vanuit de trend 2011-2019 voorspellingen voor de jaren 2020-2022 doen. In een eerdere analyse (6) van het CBS zie je dat ze relatief korte periodes laten zien (2015-2022) en op basis daarvan ‘laat men zien’ dat iets ‘binnen’ de bandbreedte valt. Zoals bijvoorbeeld het kopje hart en vaatziekten. Het lijkt in deze weergave alsof die cijfers binnen een bepaalde bandbreedte passen. Maar als we de data reeks iets verlengen tot 2011, en inzoomen op de populatie 65-80, zien we een ander beeld.
We zien hieronder in de linker grafiek een dalende trend, met trendlijn 2011-2019, en in de rechter grafiek de afwijkingen tov de trendlijn, van grofweg +10 en -10 sterfgevallen. Wat een afwijking is van 2,5%. Maar vanaf 2020 zien we het aandeel sterk oplopen, tot 70 extra sterfgevallen (per 100K) boven verwachting, ofwel een afwijking van 20%. Dit zou de alarmbellen moeten laten rinkelen bij het CBS. Niets is minder waar.
Citaten uit de CBS rapporten:
“Ook was er een lichte stijging [in 2022] in het aantal sterfgevallen door hart- en vaatziekten (+4 procent)”
“Ten tijde van de COVID-19-epidemie zijn de seizoenspatronen van andere (hoofdgroepen) doodsoorzaken veranderd en voornamelijk in 2022 is de sterfte aan ziekten van de ademhalingsorganen en niet-natuurlijke doodsoorzaken (accidentele vallen) hoger dan verwacht.”
De fors verhoogde sterfte (20%) onder 65-80 jarigen wordt niet benoemd. Het valt weg door alleen maar naar de totale populatie te kijken, en een relatief korte periode.
Presentatietechniek 5. Covid valt onder ademhalingsziektes maar vormt ook een eigen categorie. Gebruik beide.
Laten we nog eens kijken naar de uitspraak “Ten tijde van de COVID-19-epidemie zijn de seizoenspatronen van andere (hoofdgroepen) doodsoorzaken veranderd en voornamelijk in 2022 is de sterfte aan ziekten van de ademhalingsorganen en niet-natuurlijke doodsoorzaken (accidentele vallen) hoger dan verwacht.”.
De ziekte aan de ademhalingsorganen. Wat zien we daar dan? Volgens het CBS is de sterfte verhoogd in 2022.
De ziekte aan de ademhalingsorganen lijkt sterk gerelateerd te zijn aan de griepseizoenen. “Pittige” griepseizoenen doen de sterfte aan de ademhalingsorganen fors toenemen. Milde seizoenen laten een lager sterfte zien.
Laten we dezelfde methode gebruiken als hiervoor. We selecteren de totale bevolking en kijken nu naar de ziekte van de ademhalingsorganen. We zien dan in de niet-pandemie jaren standaard al wat meer uitschieters. Afwijkende jaren lopen op tot meer dan 10% extra sterfte aan ademhalingsziektes. Als we wederom vanuit de trendlijn een verwachting voor 2020-2022 opstellen, zien we dat het jaar 2022 nauwelijks hogere sterfte heeft dan verwacht in deze groep. Het is juist dat 2020 en 2021 een veel lagere sterfte heeft als verwacht omdat de reguliere sterftepieken vermoedelijk in de subgroep 18. Corona zijn geboekt.
En hoe zit het dan met de accidentele val? Deze bevind zich in subgroep 16 van de doodsoorzaken. Het CBS heeft in zijn persbericht (8) omschreven dat oorzaak ICD-10,R99 (Hartstilstand zonder rapportage van de oorzaak) bij hun in de analyse verschoven is naar het kopje hart-en vaatziekten. Maar in de downloadbare data van Statline (7), bevind deze oorzaak zich toch onder subgroep 16. In deze subgroep wordt door het CBS de extra sterfte toegeschreven aan “accidentele val” zoals men doet vermoeden in paragraaf/grafiek 3.3.1.6 & 7. De stijging van 10% van de accidentele val, verklaart echter niet de exponentiele groei in corona jaren 2020-2023. In 2022 wordt een afwijking van 40% gezien.
En conclusion
Er zijn nog meer technieken te herkennen. Maar ik laat het voor nu bij deze. Zoals je ziet, zijn er soms bewuste keuzes gemaakt om onjuiste vergelijkingen te maken, of juist niet in te zoomen, en het globaal te houden.
Voor mij zijn de belangrijkste afwijkingen (buiten covid-19) te zien in de verhoogde sterfte in 2021 en 2022 bij subgroepen 7 (Hart- en vaatziekten) en 16 (Overig) bij de populatie 65-80.
Daarnaast is een opmerkelijke vervangingssterfte te zien, bij de 80+ vrouwen in de pandemie jaren 2020 en 2021. Hier zie je doodsoorzaken 5 t/m 8 fors minder zijn, en bijna de gehele sterfte aan covid-19 compenseren. Een zelfde beeld zie je bij de 80+ mannen, maar dan in mindere mate.
4)https://www.medrxiv.org/content/10.1101/2022.07.21.22277831v4
7) https://opendata.cbs.nl/statline/#/CBS/nl/dataset/7052_95/table?fromstatweb
Het is natuurlijk bizar dat overlijdens onder ongevaccineerden stijgen na een vaccinatie ronde (de paarse lijn). Ik denk dat het relevant is om precies te weten wanneer iemand als gevaccineerd wordt beschouwd. Volgens mij pas na 2 of 3 weken. Is dat nog steeds zo? Dus iedereen die kort na een mRNA vaccinatie overlijdt wordt als ongevaccineerd weggeschreven. Zo kan je dus -zoals Norman Fenton ook al stelde- het grootste vergif als veilig middel verkopen.
Is dat niet de meest logische verklaring voor een toename in sterfte onder ongevaccineerden meteen na een vaccinatie ronde?
Deze truc is gedurende de hele periode gebruikt, en lijkt me een enorme invloed te hebben op de grafieken hierboven.
Het is een vrij ingewikkeld verhaal aan het worden, dus misschien is mijn opmerking een miskleun, maar wilde het toch even noemen.
Volgens mij is dat ook nog steeds wel aan de orde inderdaad.
Dit stuk gaat denk ik ook vooral over hoe eea wordt gemisrepresenteerd (3x woordwaarde iemand? ;P) waardoor ook dit wordt verdoezeld. Maar dus ook, als ik het goed begrijp (want het is inderdaad inmiddels allemaal nogal ingewikkeld aan het worden), dat de significante vermeerdering van de met name de hart- & vaat ziektes worden verdoezeld … en wat zou daar nou toch de meest voor de hand liggende oorzaak van kunnen zijn? 🤔 Want aan de prikjes kan het niet liggen natuurlijk… 🙄🤷🏻♂️
corrigeer en/ of vul me aan indien nodig hoor.
Ok, dank voor jullie antwoorden. Het zijn denk ik 2 verschillenden doelen waar we over praten. Dit stuk gaat vooral over de technieken die worden gebruikt door de RIVM om zaken anders voor te stellen dan ze zijn. Een rookgordijn opwerpen.
Ik zoek naar een logische verklaring voor de oversterfte, en die gaat RIVM ons uiteraard niet leveren.
Dan wordt het extreem belangrijk om de juiste definities van ‘gevaccineerd’ te gebruiken. Dat wordt een van de uitdagingen van Ronald Meester en Marc Jacobs.
Je hebt helemaal gelijk. Als iemand binnen 2 weken na het krijgen van de gifprik sterft, wordt deze dode meegeteld als ongevaccineerd. Bovenstaand artikel gaat daar volledig aan voorbij en dat is een miskleun.
RIVM splitst zijn onderzoek op in 2 delen. Voor Vaccinatie Effectiviteit tel je pas mee ,2 weken na vaccinatie.
In het geval van dood na vaccinatie, telt de dag dat het vaccin gezet is.
Het CBS heeft dit niet nader benoemt, maar ik vermoed dat zij hetzelfde hanteren, daar zij gebruik maken van dezelfde data.
Geen miskleun. Het effect bestaat wel en had ook wel genoemd kunnen worden maar het aandeel ervan is beperkt en speelt vooral bij vergelijking tussen “basisserie deels” en “basisserie compleet”. Het is in elk geval niet zo dat “niet-gevaccineerd” ook nog iedereen binnen twee weken na een prik bevat. Zo wordt het ook niet gepresenteerd. Een bevriende statisticus heeft dit nog eens voor ons nagekeken. Hij zegt hier het volgende over:
“Ik heb het oorspronkelijke RIVM rapport ook nog een keer gecheckt (zoals beloofd). Inderdaad is het zo dat je op de dag van prik 1 onmiddellijk naar status “basisserie deels” overgaat; en 2 weken na prik 2 (of 4 weken na een Janssen-prik) overgaat naar “basisserie compleet”. En zoals gezegd zijn de meeste VE-analyses in het rapport gericht op “basisserie compleet” (en dan aantal maanden sinds basisserie compleet).
Dus iedereen die vóór “basisserie compleet” overlijdt heeft niet de status “basisserie compleet”, en dat kan tot 2 weken na prik 2 zijn. Dus (inderdaad) is vaccin-induced sterfte kort na de prik daarmee voor een groot deel verborgen. Vaccin-induced sterfte kort na prik 1 valt in de categorie “basisserie deels”. Vaccin-induced sterfte kort na prik 2 valt ook in de categorie “basisserie deels”. Dat verklaart zonder twijfel voor een deel het aanzienlijke gat in de gerapporteerde VE tussen enerzijds VE van “basisserie deels” versus VE van “basisserie compleet m1″. Bijv. voor VE tegen covid-overlijden, mensen geb tussen 1931-1950, 75% vs 98% gerapporteerde VE. Dat verschil daartussen, dat komt dus ongetwijfeld voor een deel doordat daar kwetsbare mensen overleden, voor een deel waarschijnlijk door ofwel prik 1 ofwel prik 2! Daar zitten die vaccin-induced doden dus.
Voor de rest is inderdaad het ‘grotere’ effect dat de VE-resultaten beïnvloedt het zeer grote healthy vaccinee effect. Waardoor de ACM-VE over een lange periode zogenaamd 50% is. Ten opzichte van de echt totaal ongevaccineerden.”
Mag ik aannemen dat deze reactie ook aan het RIVM, het CBS en Keulemans zijn gestuurd? En zo ja, hebben zij al (dan niet adequaat) gereageerd? Laat me raden … hoe dan ook: wederom dank, fijne jaarwisseling & alvast het beste voor 2024 … wat dat moge opleveren qua statistieken hierover.
Er is nog nooit een reactie geweest van de instituten op wat dan ook. Die deksel kunnen ze niet van de put halen. Zelfs bij woo-procedures blijven ze weerspannig.
Mooie analyse weer, Bonne
Men kijkt niet verder dan het narratief (Safe en Effective) toestaat. Soms lijkt het zelf puur gericht op bevestiging van dit narratief. De wil om te weten wat er speelt, wetenschap bedrijven, ontbreekt.
https://photos.app.goo.gl/f1h8yxuUgJViEpk58
De vaststelling van de doodsoorzaak door schouwarts wordt denk ik ook sterk beïnvloed door spelende narratief (waarin Covid 19 een afschuwelijke dodelijke ziekte is voor iedereen! en vaccinatie de enige remedie).
Autopsies die uitsluitsel zouden kunnen geven worden in Nederland steeds minder, nagenoeg niet, gedaan. In Duitsland en Finland nog wel
Opmerkelijk genoeg worden daar, in Finland recent (zie our world in data) nog wel Covid doden gemeld (weet niet of dit toch bij nader histologisch onderzoek toch vaccinatieschade zal blijken).
Volgens mij zou een grafiek met aantal ambulanceritten of 112 telefoontjes om medische reden, versus aantal spuiten ook boekdelen spreken. Het vallen liep voor mijn gevoel de spuigaten uit tijdens de campagnes. Corrigeren voor gladheid natuurlijk:)
Wij leerden altijd dat circa 85 procent van de volwassen bevolking eind 2021 minstens een keer ingeënt was. Maar administratief was over geheel 2021 hooguit 40 procent van de bevolking ingeënt. En dit cijfer moet je gebruiken om een betere berekening ‘effectiviteit shots’ te maken.
Namelijk 15 procent werd nooit ingeënt. Bij Janssen die de jongeren in mei, juni kregen werd je pas als ingeënt beschouwd na vier weken en mensen die de twee injecties kregen past wee weken na de tweede shot. De meeste volwassen vijftigers en vijftigminners werden pas in juli geënt en werden dus pas in augustus als ‘gevaccineerd’. Ouderen die in januari hun shot kregen werden zes maanden later niet meer als ingeënt beschouwd als ze de volgende shot niet namen, die overigens nog steeds gebaseerd was op de Wuhan.
Dit lage gemiddelde inentingspercentage heeft veel meer een dempend effect op de effectiviteitscijfers dan wat in het artikel beschreven wordt. In 2022 was het inentingspercentage nog lager omdat gezonde zestigminners (uiteindelijk) niet meer werden ingeënt
dit al gezien?: https://rumble.com/v140n0y-pandamned-documentary.html
Zeker, al weet ik de inhoud niet meer precies. Het was een mooie ontdekkingsreis van Martijn Poels, dat staat me wel nog bij.
Ha Anton, ik heb dat al voor je gedaan met WOO verzoek:
======================
CBS 4 Wetenschappelijke vragen over Oversterfte onderzoek december 2023
N.a.v. het onderzoek dat door u is gepubliceerd op 11 december 2023 heb ik de volgende opmerkingen en vragen. https://www.cbs.nl/nl-nl/longread/rapportages/2023/oversterfte-en-doodsoorzaken-in-2020-tot-en-met-2022?onepage=true
Vragen
U concludeert (1) dat sterfte door Covid-19 positief geassocieerd is met “Lagere sterfte”; dat lijkt plausibel.
U concludeert (2) ook dat sterfte door “Andere oorzaken” geen correlatie heeft met de vaccinatiestatus. Daar over gaan mijn vragen.
U hebt een tamelijk restrictieve definitie van “Gevaccineerd” gehanteerd. Zie bijlage *: pas 2 of 4 weken na de volledige serie vaccinaties i.p.v. na minimaal één vaccinatie, wat veel logischer is voor een dergelijke conclusie.
U kondigt bij de definitie van de vaccinatie status in paragraaf 2.5.2. aan dat u ook een vaccinatiestatus gehanteerd heeft zonder wachttijd van 2 resp. 4 weken. In het onderzoek is dat echter niet terug te vinden.
Ik zou graag van u vernemen hoe deze conclusie (2) wetenschappelijk verantwoord kan zijn als:
1. de status “Gevaccineerd” zo restrictief is gehanteerd?
2. wat de uitkomst als de restricties van 2 resp. 4 weken wordt weggelaten?
Verder heb ik nog de volgende vragen:
3. Hoe verklaart u dat de sterfte door andere oorzaken dan Covid-19 met vaccinatie lager kan zijn dan zonder vaccinatie, terwijl de vaccinatie daarvoor niet geïndiceerd is?
4. Ik zou tenslotte graag een regressieanalyse zien, evt. met beargumenteerde populatie correcties, tussen de twee variabelen
“Alle cause mortality” en “Status Gevaccineerd”,
waarbij “Status Gevaccineerd” gedefinieerd is als “minimaal één keer gevaccineerd”.
Een nadere uitsplitsing van die regressie analyse op basis van bovengenoemde door u gehanteerde definitie en uw definitie vind ik natuurlijk prima.
Ik verzoek u een wetenschappelijk verantwoord antwoord op deze vragen te geven.
WOO Verzoek
Ik mag, gelet op het grote belang daar van, aannemen dat u het onderzoek, zoals in Vraag 4 boven is gesteld, intern reeds (globaal of in klad/schets) heeft uitgevoerd.
Mocht u mijn bovengenoemde vraag niet beantwoorden, dan verzoek ik u op grond van de WOO mij de resultaten van dat (evt. globale klad/schetsmatige) onderzoek z.s.m. ter hand te stellen.
* Status Gevaccineerd
Vaccinatiestatus ‘gevaccineerd’ is gedefinieerd als ‘volledig gevaccineerd’ (d.w.z. twee weken na twee goedgekeurde vaccinaties, of een positieve test minimaal 56 dagen voor minimaal één goedgekeurde vaccinatie, of vier weken na vaccinatie waarbij volgens het vaccinatiebewijs één vaccinatie als volledig gevaccineerd telt, of wanneer er een booster of herhaalprik is gezet zonder bekende basisserie) mogelijk met boosters en herhaalprikken. Vaccinatiestatus ‘ongevaccineerd’ is gedefinieerd als geen vaccinatie bekend of slechts één vaccinatie bekend zonder eerder gemelde besmetting (met uitzondering van het vaccin waarbij één vaccinatie als volledig gevaccineerd telde).
** Extra analyse
Er is een extra analyse verricht waarbij in de definitie van vaccinatiestatus het criterium van twee of vier weken buiten beschouwing is gelaten. Hierbij zijn dus personen na volledige vaccinatie direct als gevaccineerd meegeteld, zonder dat hier eerst twee of vier weken tijdsverschil tussen hoefde te zitten.
Geweldig Jan. Ik ben uitermate benieuwd naar het antwoord! Hou je mij op de hoogte svp?
Laat ik je zeker weten. Alleen vrees ik dat een dergelijke “gevoelige” vraag, net als die kosten baten analyse bij EZK die ik uiteindelijk kreeg en onthutsende informatie bevatte, ook gewoon weer een jaar gaat duren……
Knap hoor maar veel te ingewikkeld voor ‘de gewone man’. Hoe moet je wegwijs worden in al die berichtgeving? De grootste groep slaat je met Keuleman’s berichtgeving om de oren, die kijkt niet verder op bv deze site, of op youtube naar bv Campbell. Ik heb te veel persoonlijke verhalen gelezen die in lijn zijn met mijn intuïtie om het vaccin te vertrouwen. Echt definitief uitsluitsel door onderzoekers lijkt er niet te komen. Of is dat er al?
Het is zeker veel te ingewikkeld voor ‘de gewone man’… en over die meeloper maak ik geen woorden meer vuil.
Maar ‘definitief uitsluitsel’, bedoel je daarmee dat de schuldigen gaan bekennen?