Les graphiques ci-dessous utilisent les données démographiques du NIMS. En conséquence, les taux de mortalité chez les personnes non vaccinées, du moins dans certains groupes d’âge, peuvent être inférieurs à ce qu’ils sont réellement.
Parce que l’Angleterre fonctionne avec des estimations de population impures, nous ne savons pas combien il y a de personnes non vaccinées. La taille de la population utilisée a un effet direct sur la déclaration des personnes non vaccinées. L’écart diffère également selon le groupe d’âge. Il n’est pas encore clair si et, dans l’affirmative, comment cela peut être ajusté; l’UKSHA (Agence de sécurité sanitaire du Royaume-Uni) y travaille. L’ONS dit à ce sujet:
« Nous espérons que le travail de l’UKHSA pour améliorer les données du NIMS (y compris la suppression des doublons), ainsi que le travail effectué par l’ONS sur les estimations de la population et le recensement de 2021, amélioreront notre compréhension. Il est vraiment positif que l’ONS et l’UKHSA travaillent ensemble pour tenter de trouver une solution à ce problème, qui est si important pour tant de statistiques. Compte tenu de cette incertitude, connaître les implications des différents choix peut aider les utilisateurs à interpréter les données présentées avec prudence.
Une justification plus détaillée peut être trouvée dans le post »Professeur britannique: « Les données sur la mortalité par statut vaxx sont indésirables » "
Espérons que la déduplication soit effectuée sans regarder les effets sur les effets de la vaccination d’un demi-œil. Il serait sage d’organiser un régulateur indépendant (le professeur Fenton veut probablement aider), sinon ce sera une opération tout aussi impuissante que l’enquête sur la surmortalité menée par CBS/rivm.
Comment les choses se passent-elles dans les pays qui publient des chiffres importants? Les données britanniques sont révélatrices lorsqu’elles sont représentées graphiquement. Ils parlent d’eux-mêmes, n’hésitez pas à les faire défiler. Aucune autre méthode de correction n’a été appliquée. Ce n’était pas nécessaire parce qu’aucun groupe d’âge n’a été totalisé, de sorte que, par exemple, il faut travailler avec des années-personnes. De telles adaptations sont nécessaires si l’on veut généraliser les déclarations sur la « mortalité ». Maintenant que nous sommes confrontés à une maladie particulièrement discriminatoire fondée sur l’âge, cela n’a guère de sens. Au contraire, il est important de garder un œil sur les groupes d’âge individuels.
Il y a un problème méthodologique : la mortalité est rapportée en cohortes de 10 ans. Surtout entre 70 et 90 ans, cela signifie que des déclarations peuvent être faites, par exemple, sur 70-79, alors que dans le groupe le plus âgé 75-79, il peut y avoir trois fois plus de mortalité que dans le groupe le plus jeune de 70-74 ans. Le rapport est trop grossier pour cela. C’est dommage, mais c’est mieux que rien.
Dans quelle mesure ces « sous-cohortes » de 5 ans diffèrent-elles réellement les unes des autres ? En termes de pourcentages de vax, il y a peu de différence (environ 2%) entre les « sous-cohortes » les plus jeunes et les plus âgées de plus de 50 ans.
Les pourcentages de vax s’élèvent à 95% chez les personnes très âgées. On ne peut pas soutenir que les 5% non piqués étaient déjà beaucoup plus sains et causaient donc une mortalité plus faible. Plutôt l’inverse: presque tout le monde sans contre-indication est piqué dans ces groupes d’âge supérieurs.
Pour les groupes d’âge plus jeunes, cela pourrait être différent, mais il y a beaucoup moins de différence de mortalité (par exemple entre 40-44 et 45-49 ans), donc il n’y a pratiquement pas de problème là-bas. Il est donc là, mais il n’explique pas les différences montrées. En savoir plus sur la méthode suivie et la « confusion » tout au long du chemin en bas cet article.
Les graphiques peuvent être lus comme suit: la barre violette montre combien de personnes non vaccinées seraient mortes si les groupes vaccinés et non vaccinés avaient été de la même taille. Avec la mortalité toutes causes confondues, aucune distinction n’est faite entre les causes de décès, elle concerne donc à la fois les décès Covid et non Covid.
Zoom sur les soixantenaires
Proportionnellement
Graphiques 2021 sont ici.
Méthode
Données sources du gouvernement britannique:
1) Taux de mortalité selon le statut vaccinal des gov.uk : télécharger le fichier Excel ici
2) Statut vaccinal (%) de gov.uk : télécharger la version XML ici (bouton sous le graphique du bas)
La source 1 montre par groupes de 10 ans (sauf pour le groupe 18-39) combien de décès ont été comptés. Ceux-ci sont ventilés en non vaccinés, dans les 21 jours suivant la première dose, après 21 jours après la première dose, dans les 21 jours suivant la deuxième dose, après 21 jours après la deuxième dose, dans les 21 jours suivant la troisième dose, après 21 jours après la troisième dose. Si vous voulez comparer ces sous-groupes, cela devient très compliqué parce qu’il y a beaucoup plus de temps entre la première dose et la deuxième dose qu’entre la deuxième et la troisième – et donc plus de gens mourront pour cette seule raison. Pour n’en nommer que quelques-uns. C’est pourquoi j’ai additionné tous les décès afin de connaître le nombre total de personnes décédées vaccinées. Les études de suivi peuvent ensuite entrer dans les détails – dans la mesure où cela est intéressant dans un massacre comme celui-ci.
Les données ci-dessus sur les chiffres ne deviennent significatives que lorsque nous savons quelle est la taille de chaque sous-groupe et quel est le pourcentage de vaccination de ce groupe. C’est exactement dans la Source 2. Malheureusement, il est classé très différemment, en cohortes de 5 ans. Il est facile d’en faire des cohortes de 10 ans. De plus, nous perdons une certaine résolution, mais pour le faire dans l’autre sens, le genre de supercherie est nécessaire pour que le temps devienne moins transparent et qu’à un moment donné, vous ne sachiez plus exactement ce que vous regardez réellement.
De plus, les pourcentages par jour sont indiqués alors que la mortalité par mois s’écoule. La méthode la plus fiable s’est avérée être de prendre le 15 de chaque mois comme référence. Cela a été particulièrement important pendant les campagnes. Les taux de vaccination sont maintenant pratiquement stables.
Ensuite, nous avons le statut vaccinal d’un groupe d’âge, dont nous savons à quel point il est grand, par exemple, 80%. Cela signifie que 20% ne sont pas vaccinés. Multipliez donc vos nombres de ce groupe par 4 pour le mettre mathématiquement à côté des nombres des vaccinés. Une autre méthode consiste à tout convertir en « par 100k », mais les proportions se perdent parfois à nouveau.
C’est ce qui a été fait : dans chaque groupe d’âge, le nombre de personnes non vaccinées décédées (vert) et le nombre de personnes décédées (jaune) ont été examinés. Sur la base de la couverture vaccinale, les deux groupes ont été mis sur un pied d’égalité et le nombre de décès a été augmenté. Ce nombre virtuel est représenté par la barre violette.
Confusion
Au sein des cohortes de 10 ans, il y a aussi confusion. Par exemple, il se pourrait qu’entre 75 et 79 ans, beaucoup plus de personnes aient été vaccinées qu’entre 70 et 74 ans. Si plus de gens meurent dans ce groupe plus âgé, il semble qu’ils meurent à cause des vaccinations. Malheureusement, les données sur la mortalité par cohorte de 5 ans font défaut. Cependant, il y a les taux de vaccination. Au-delà de 70 ans, la différence au sein d’une cohorte est d’un maximum de 1,5 %. La plus grande différence se situe dans la cohorte 40-49 : près de 5 %. (40_44 : 77,02 % et 45_49 : 81,87 % vaccinés).
Pour voir comment cela varierait énormément en termes de pourcentage de vaccination, j’ai « couru » tout le mois de mai avec la couverture vaccinale de la « cohorte plus jeune » et avec celle de la « cohorte plus âgée ». La plus grande différence peut être vue dans 70-79.
Si les différences sont influencées par la confusion, j’espère que quelqu’un pourra m’expliquer comment les différences peuvent changer si en termes de tendance. Pour voir la tendance, vous pouvez voir tous les graphiques de début 2021 Voir ici.
En tout cas, cela reste déconcertant.
Dank, Anton voor alweer goede uitpluizeriij. Vraag: worden mensen die nét (<3 weken?) voor het eerst gevaccineerd zijn meegeteld bij de ongevaccineerden?
Bonjour Nanda,
Ils sont répertoriés dans le rapport comme « Décédés dans les 21 jours suivant la vaccination ». Je les ai donc traités comme des « vaccinés ». Ils sont juste enregistrés comme ça là-bas. Je ne comprends pas les gens qui interprètent cela différemment. Même quand il s’agit de Covid / non-Covid, vous ne devriez pas voir ces personnes comme non vaccinées.
Je comprends qu’ils doivent également pouvoir être évalués séparément.
Si les hôpitaux ne travaillent qu’avec le statut « vacciné: oui/non », ils créent un problème. Mais: Avec un peu de bonne volonté, vous pouvez rechercher la date à laquelle chaque personne décédée a été vaccinée dans le système d’enregistrement de vaccination GGD. Si cette volonté n’existe pas et que vous devez vous fier à l’information hospitalière, c’est le chaos.
L’importance de ces trois premières semaines: Avec l’immunité artificielle, le corps a apparemment besoin de trois semaines pour construire une protection qui dure quatre mois. Avec une infection naturelle, presque tout le monde a traité la maladie après trois semaines et vous avez une immunité robuste qui fonctionne au moins aussi bien et dure beaucoup plus longtemps, essentiellement pour la vie, si le virus ne mute pas et tant que votre système immunitaire en tant que tel fonctionne toujours bien.
Il peut aussi s’agir d’une stratégie comme celle utilisée dans les traitements contre le VIH. Si quelqu’un mourait rapidement malgré le traitement avec des médicaments expérimentaux à l’époque, il aurait apparemment été trop faible et ne pourrait plus être sauvé. Par exemple, de nombreux accidents ont été masqués, du moins dans The Real Anthony Fauci de Robert Kennedy Jr. J’en suis venu à prendre cela pour acquis, aussi parce que le livre est gardé silencieux.
Merci pour cette réponse rapide et complète. À juste titre que vous les avez comptés comme vaccinés. Que cela ne se soit pas produit avec les chiffres officiels, j’ai toujours trouvé étrange. Vous comptez alors, à mon avis, les personnes qui meurent peu de temps après la piqûre dans le mauvais groupe.
Beau travail Anton!
Ce qui est intéressant, c’est de savoir combien de temps la surmortalité des personnes vaccinées reviendra sans cesse dans ces graphiques, la différence sera-t-elle plus faible en 2022, 2023? ou restera-t-il si grand pour les années à venir?
En 2021 certainement dans les premiers mois, beaucoup plus de non-vaccinés sont morts (février, mars, avril), donc à court terme, vous pourriez interpréter que le vaccin a fait son travail. Après cela, dites à peu près la même chose jusqu’en octobre 2021, et après cela, d’autres vaccinés sont morts.
On verra bien !
Précis! Ces premiers mois ont été la raison de continuer à perforer obstinément (vous pouvez également le voir dans ce post précédent que j’ai maintenant mis à jour). Malgré la mutation du virus et les signes d’effets secondaires.
La différence entre vax/unvax a augmenté jusqu’à présent. Dans les graphiques ci-dessous, j’ai additionné tous les âges ensemble: la mortalité totale.
En mai, l’écart a légèrement diminué pour la première fois par rapport au mois précédent, mais seulement dans un sens absolu!
La mortalité globale était également plus faible en mai (je pense qu’elle fluctue fortement...) En conséquence, il n’y a pas de diminution en termes de pourcentage, mais il y a toujours une tendance à la hausse.
Peut-être vaut-il la peine de consacrer un article à. Ou deux : un avec les bonnes nouvelles et l’autre avec les mauvaises nouvelles 😉
Je ne sais pas si vous recevez toujours des notifications d’une réponse que j’ai modifiée. D’où cette nouvelle réponse. Je vais le jeter en un rien de temps. Cordialement, Anton
Salut Anton,
Oui, je reçois les réponses! Seulement maintenant nous voyageons, donc je suis un peu moins au top...
Merci pour cet ajout. Je ne suis pas médecin, il y aura certainement des facteurs qui peuvent expliquer en partie cette différence, mais je ne comprends pas que ce vaccin soit utilisé pour Omicron, qui semble être une maladie différente des variantes précédentes. Tant en termes de cours que d’effet des vaccins.
Cordialement Martin
Bonjour Anton, que les vaccins n’aident pas beaucoup (plus ?) à réduire la mortalité me semble une hypothèse raisonnable. Malgré les différences possibles, par exemple, d’âge et de santé d’origine entre les deux groupes. Mais supposons que les vaccins soient aussi vraiment malsains, alors vous vous attendriez également à ce que la mortalité / personnes chez les jeunes augmente par rapport aux années pré-pandémiques et vaccinales. Bien sûr, les différences là aussi peuvent être causées par d’autres effets du confinement et autres. Mais cela me semble plus pur que les mesures ordinaires de surmortalité... Parce qu’il y a beaucoup plus de travail d’hypothèse en ce qui concerne, par exemple, la construction de la population. Alors que les 40ers d’aujourd’hui, par exemple, devraient être raisonnablement comparables aux 40ers d’il y a quelques années
Ce que vous dites sur la surmortalité semble correspondre à ce qui a été observé en 2021. Cet article contient également quelque chose sur les groupes d’âge. https://zorgkrant.nl/anders/14916-in-2021-10-procent-meer-oversterfte
Vous semblez (« hypothèses ») comme si vous n’aviez pas vu ou remis en question les graphiques. J’aimerais savoir ce qui ne va pas!
En effet, la mortalité dans les groupes d’âge jeunes est plus inquiétante. Je ne vois aucun problème dans votre article. Cependant, je crois en l’expérience, car il y a toujours une possibilité de confusion / coïncidence qui explique cela. Ainsi, par exemple, les personnes en mauvaise santé sont piquées plus ou vaccinées prennent plus de risques après la piqûre. Personnellement, je ne le pense pas. Mais nous aurions dû avoir de plus grandes expériences nettes avec un long suivi (en aveugle). J’estime qu’avec 15 000 par bras et 15 décès dans le groupe témoin, Pfizer avait à peu près la force de mesurer de manière significative la mortalité supplémentaire de 1/1 000. C’est donc ce que nous « savons ». Mais 1/3000 de mortalité supplémentaire due aux vaccins est donc possible. Chez Pfizer, 6 sur 15000 supplémentaires sont morts (du moins je cite Norman Fenton ici)
La coïncidence me semble, compte tenu de la constance globale sur deux ans, difficile. J’ai examiné la possibilité de confusion avec les statisticiens et les analystes de données. Bien sûr, cela ne peut pas être exclu, mais les explications possibles ne peuvent pas expliquer l’effet quantitativement. Quels facteurs de confusion manquons-nous? Et ceux-ci devraient s’appliquer à tous les groupes d’âge car plus ou moins la même chose se produit partout... Je me garde recommandé pour les suggestions (quelque peu calculées).
Belle analyse. Êtes-vous le premier à faire cette analyse ? Avec cette analyse inquiétante, on s’attendrait à une réaction rapide. Attendent-ils d’abord avec une réponse jusqu’à ce que l’analyse soit publiée par examen?
Dans presque tous les pays occidentaux, vous constatez une augmentation de la « surmortalité globale ». Il se passe quelque chose.
Cher Anton,
Malheureusement, il y a beaucoup d’erreurs dans cet article. Je suis surpris que vous disiez en avoir discuté avec des analystes de données et des statisticiens. Peut-être devriez-vous simplement demander à un épidémiologiste qui comprend la confusion, ou à un démographe qui comprend la normalisation selon l’âge. Ces données figurent déjà dans le tableau, et les statisticiens de l’ONS l’ont déjà fait pour vous.
Premièrement, obtenir le statut vaccinal de la deuxième source est une erreur. Cela signifie que vous travaillez avec des partageurs trop grands, car sur l’ensemble du groupe dans la source 2, les gens doivent déjà être morts en 2021. C’est pourquoi les statisticiens de l’ONS utilisent les taux - parce qu’ils savent que les gens vivent, parce qu’ils contribuent à la vie jours / années. C’était un problème général avec la base de données NIMS: pour les jeunes, la population entière est surestimée, car NIMS est basée sur l’existence d’une base de données de médecins généralistes. Ceux-ci peuvent exister deux fois pour, par exemple, les étudiants et les migrants qui ont émigré.
Deuxièmement, un taux normalisé selon l’âge est un taux qui tient compte de l’âge au sein des cohortes d’âge. Cela signifie que la mortalité dans le groupe est recalculée si la structure par âge au sein de ce groupe avait été différente, selon une population dite type. Cela signifie en fait que vous ne comprenez pas le tableau - mais il corrige l’âge.
Si vous suivez ensuite les ASMR, vous voyez en fait une tendance très claire: l’ASMR du groupe boosté est (souvent beaucoup) inférieur à celui du groupe non vacciné. L’ASMR des personnes ayant moins de 3 injections est souvent plus élevé que celui du groupe non vacciné. Ce contraste (beaucoup plus faible, plus élevé non boosté) indique une confusion. L’un d’eux est assez courant en épidémiologie vaccinale : les vaccinés sains. En d’autres termes: les personnes plus instruites reçoivent un rappel plus souvent et elles ont simplement une mortalité plus faible.
Het andere is confounding door (contraindicatie). Waarom halen mensen niet hun volgende prik (1e -> 2e, 2e -> 3e)? Een verklaring die het ONS hiervoor heeft gegeven is dat mensen acuut in de lappenmand zitten, of te horen gekregen dat ze een terminale diagnose hebben. Dit verschil was in begin van de prikprogramma vrij dramatisch groot, en na een tijdje zwakt dit af. Maar deze dynamiek kan voortborduren voor mensen die later beslissen een prik te halen: ze krijgen een diagnose te horen waardoor ze nu in een kwetsbare groep vallen, en besluiten een prik te halen.
Dan nog trendmatig in de tijd, waarom krimpt het verschil: de ongevaccineerde groep bestaat nu eenmaal uit een groep mensen die corona al heeft gehad. All cause mortality verschil dat verklaart wordt door corona verkleint dus, zeker in vergelijking met de basisserie. Dan blijft over dat in gevaccineerden mensen met kwetsbare comorbiditeiten oververtegenwoordigd is. Het is dus volstrekt verwacht dat voor mensen met <3 prikken er een grotere all cause sterfte is dan in de ongevaccineerde groep.
Bonjour Jaime,
Tout d’abord : merci pour votre temps ! J’avais préparé une longue réponse, peut-être pourrions-nous la réexaminer.
Le sujet le plus important - et vous n’êtes pas le premier à le suggérer - est la normalisation par âge. Cela est nécessaire pour pouvoir comparer judicieusement différents groupes d’âge ou, par exemple, calculer un taux de mortalité pour l’ensemble d’une population. Il peut expliquer les différences au sein d’un large groupe d’âge si vous incluez des paramètres qui changent avec l’âge.
Je ne vois pas comment cela peut contribuer ici. Par exemple: dans le groupe 80-89, vous pourriez dire: 85-89 a un taux de mortalité plus élevé que 80-84. Mais les deux sous-groupes ont la même couverture vaccinale (95,9% et 96%), ce qui ne fausse pas du tout.
Ma question est donc de savoir quelle contribution la normalisation de l’âge peut apporter ici. À mon avis (et les scientifiques de mon cercle de connaissances): aucun. Comment un épidémiologiste voit-il cela?
Encore Anton, dans les données sources que vous avez vous-même consultées est la réponse. L’ONS vous donne les dénominateurs des taux de mortalité bruts (il suffit de regarder la différence relative entre ce que vous avez trouvé et ce que l’ONS déclare), puis les dénominateurs standardisés. La différence entre ceux-ci est l’effet de la normalisation.
Le fait n’est pas qu’il n’y ait pas de différence dans la couverture vaccinale, le fait est qu’il y a une différence dans la répartition par âge entre le groupe vacciné et le groupe non vacciné. Vous devez donc appliquer une correction de pondération à la différence. La normalisation est une méthode standard pour cela.
Dat dit belangrijk is voor de kleine verschillen (een RR van <1,5 is een klein verschil) lijkt me evident: de mortaliteitsrates in de bevolking gaan met elk jaar 10% omhoog.
https://www.ons.gov.uk/peoplepopulationandcommunity/birthsdeathsandmarriages/lifeexpectancies/datasets/nationallifetablesenglandreferencetables
Encore une fois, ma surprise. Toutes ces tailles sont des données démographiques standard. Ils sont simplement livrés dans la source que vous avez consultée, et ils donnent juste plus de résultats attendus, pourquoi les avez-vous ignorés?
Correction : partageurs.
Incidemment, en effet, quand je regarde la différence entre les taux mentionnés, il semble qu’ils ne diffèrent pas beaucoup à l’intérieur des couches d’âge. Cela signifie que nous sommes à nouveau face à un problème démodé avec les partageurs, et si vous aviez suivi Twitter britannique, c’est déjà un problème plus largement connu: dans NIMS, il y a trop de gens (63 millions alors que l’Angleterre a +/- 55 millions), et ils ne peuvent pas être vaccinés. Si ceux-ci ne peuvent pas être vaccinés, ils ne peuvent pas contribuer à la mortalité. Cela signifie que l’utilisation du NIMS comme diviseur conduit toujours à une sous-estimation de la mortalité dans le groupe vacciné.
Les taux de l’ONS proviennent d’une liaison de données, comme décrit dans la source: l’actif de données de santé publique, qui indique également que les liens ne fonctionnent apparemment que pour 80% de la population anglaise de plus de 10 ans.
Le Financial Times en a déjà parlé en 2021. https://www.ft.com/content/125fbaf8-175a-4e2e-852a-9995ca5176b2
Nous ne sommes donc pas d’accord sur ce point : « ... qu’il existe une différence dans la répartition par âge entre le groupe vacciné et le groupe non vacciné.
Les deux groupes sont (dans l’exemple) âgés de 80 à 90 ans, dans la même période, de la même population. Pourquoi pensez-vous que la structure par âge diffère entre ces deux groupes? Ceux qui n’ont pas été vaxés pourraient (in extremo) avoir moins de 85 ans, voulez-vous dire cela? Mais vous devriez voir cela reflété dans le degré vax des cohortes de 5 ans et ils ne diffèrent guère les uns des autres.
En tout cas, je vais regarder plus loin, peut-être que quelqu’un peut m’expliquer pourquoi la normalisation est également nécessaire si vous traitez les cohortes isolément. L’évolution des taux de mortalité ne modifie pas le rapport entre deux groupes de 80 à 90 ans. Mais merci encore pour votre contribution et certainement aussi pour votre approche de fond.
De ce fichier NIMS, je n’ai utilisé que les pourcentages, pas la taille de la population. Ces pourcentages sont bons (j’espère en tout cas), ils sont rapportés par jour par groupe d’âge de 5 ans! Je n’en ai tiré aucun absolu.
J’ai déjà fait le travail pour vous moi-même: il y a en effet peu de différence entre les taux bruts calculés et les taux standardisés. Il reste que les taux que l’ONS calcule montrent l’inverse que vous montrez, et donc il y a un problème avec les diviseurs (du moins je suppose que vous avez utilisé les mêmes dénominateurs).
Je ne veux pas vous ridiculiser et supposer que votre dernière réponse a été pensée trop rapidement. Réfléchissez à nouveau à la question de savoir si les pourcentages sont les mêmes si le concessionnaire change. Vous devrez regarder comment il est possible que les taux de l’ONS arrivent à un taux de mortalité plus faible pour les personnes vaccinées ...
Bien sûr, les pourcentages sont une division et les dénominateurs sont tout aussi essentiels que les compteurs. Mais alors le ratio vax que le Royaume-Uni rapporte dans la Source 2 est substantiellement incorrect? Pour les groupes plus âgés en tout cas, il me semble, sinon ils ne pourraient jamais atteindre un pourcentage supérieur à 85%.
J’avais aussi entendu Fenton se plaindre de la taille de la population. C’est un peu le chaos cependant.
Et ne commençons pas par nous ridiculiser les uns les autres, cela arrive déjà assez 😉 J’ai supposé que NIMS et ONS étaient chacun cohérents en eux-mêmes afin que je puisse utiliser les proportions – mais bien sûr pas le numérateur de l’un et le dénominateur de l’autre. Bien que cela devrait effectivement être possible. Je vais m’y plonger ce week-end.
Je veux m’assurer que l’autorité statistique indépendante PHE (maintenant UKHSA) a pris le doigt pour déclarer les taux de mortalité basés sur les dénominateurs NIMS. Et aussi l’article du FT que j’ai posté ci-dessus.
https://osr.statisticsauthority.gov.uk/communicating-data-is-more-than-just-presenting-the-numbers/
Incidemment, je me demande si l’ONS a examiné attentivement si avec son fichier de données couplées (la PHDA que je mentionne ci-dessus), ils ont encore imbriqué un échantillon représentatif au sein de la population anglaise. Pourtant, sans trop de préavis, je serais surpris s’il s’agit d’un ratio très asymétrique par rapport au ratio réel vax / non vax. Avec NIMS, cela est garanti car le groupe de par sa conception est trop grand.
Salut Jaime, j’ai mis une notification au-dessus des articles pertinents. Il y aura (j’espère ce week-end) un article dans lequel j’indiquerai ce qui ne va pas avec les chiffres britanniques et donc avec les graphiques. Pour autant que je sache, ce n’est pas dans les erreurs dans la méthode suivie que dans les données sous-jacentes. Comme vous l’indiquez vous-même, la méthode de l’ONS utilise également des données à partir desquelles on peut trouver quelque chose...
Merci de m’avoir mis sur cette piste.
Nous verrons. Mais je veux qu’il soit un peu clair ici que je suis un peu méfiant dans un coin de mon esprit. L’ONS a indiqué les taux, qui sont simplement fortement liés aux décès par habitant, dans le tableau. En fait, les taux sont meilleurs parce qu’ils tiennent compte du fait que les gens meurent au fil du temps et changent de groupe d’âge.
Ceux-ci étaient à gagner pour vous, et alors vous auriez vu le contraire émerger pour chaque groupe d’âge que ce que vous avez trouvé. Pourquoi avez-vous fait votre propre analyse et ne pas rapporter à vos lecteurs ce qu’il y a réellement dans le tableau, surtout compte tenu de l’écart important? Je vous ai posé cette question à plusieurs reprises maintenant. Vous déformez ce qui se trouve dans la source 1, car elle indique également l’ampleur (plus précisément: combien d’exposition) il y a à chaque niveau d’âge.
Hallo Jaime, die verschillen tussen leeftijdsgroepen zijn vanzelfsprekend en daar gaan die grafieken niet over. Het doet niet terzake. Er wordt niet gecorrigeerd voor leeftijd omdat dat niet nodig is in deze opzet. Leeftijdsstandaardisatie corrigeert niet “binnen een leeftijdsgroep”, daarmee corrigeer je verschillen tussen leeftijdsgroepen als je ze statistisch vergelijkt of samenvoegt.
Ik had een simpele vraagstelling: “hoe is binnen elke leeftijdsgroep de sterfteverdeling vax/onvax?” De onderverdeling in 5 subcategorieën gevaccineerden, die daarna weer teruggerekend worden naar sterftekansen en persoonsjaren vanwege termijnen en leeftijden werkt dan eerder vertroebelend dan verhelderend. Ook was de definitie van “ongevaccineerd” even onzeker. (In sommige tabellen was 1 prik = ongevaccineerd of binnen 21 dagen na prik = ongevaccineerd).
Ik zag ook dat in bepaalde categorieën het aantal gevaccineerden groter was dan de door de ONS geschatte populatie. Dat was voor mij gegronde reden om in een andere richting eens verder te kijken, met de officiële populatie-aantallen van de overheid. De gebruikte populatie klopte m.i. niet.
Ik hoop dat ik je vraag nu duidelijk heb beantwoord. Je bent waarschijnlijk terecht achterdochtig: ik ben inderdaad iemand die zijn vertrouwen in instituties en overheden volkomen kwijt is geraakt. Ik heb intussen zoveel onjuistheden en onwetenschappelijk gedrag van gezondheidsinstituten, overheden en universiteiten voorbij zien komen dat ik de neiging heb om niet te geloven wat ze ons voorkoken.
Een en ander heb ik ook in een artikel uiteengezet. Ik laat dat aan een paar mensen lezen voordat ik het plaats.
Anton, je achterdochtigheid ontslaat je niet van de verantwoordelijkheid om gewoon aan je lezers de cijfers te presenteren zoals die door mensen die aantoonbaar meer gekwalificeerd zijn dan jij te presenteren. Lees ik nu hieruit dat je van de uitkomsten met ONS noemers wist, en dus bewust niet gepresenteerd hebt?
Nogmaals: ASMRs zijn een standaard demografische maat. Dat jij ze moeilijk vindt is jouw probleem. Zo ingewikkeld zijn ze ook niet: je kiest een standaardpopulatie met een bepaalde leeftijdsverdeling. Dan pak je het aantal doden van 70’ers, en past een correctiefactor dat het verschil is tussen je eigen populatie en de standaardpopulatie. Dus als in jouw populatie 10% 70’ers zijn, en in de standaard 8%, dan maak je het aantal doden voor de 70′ er 80% zo groot. Je herhaalt dit voor alle andere leeftijdscategorieën, en dan heb je een gestandaardiseerde rate.
Verder kon je uit de tabel gewoon niet gestandaardiseerde rate halen. De rate is gewoon een betere maat omdat je in mei 2022 natuurlijk niet dezelfde populatie samenstelling hebt dan in februari 2021. Dit verschil wordt groter naarmate de sterftekansen in de respectievelijke groepen groter zijn: dan daalt de noemer in de groep met hogere sterfte sneller. Als je hier niet voor corrigeert lijken de sterfte cijfers te snel naar elkaar te convergeren tussen de groepen.
En ja, het is zo dat de ONS, wat de facto een volkstelling is, meer gevaccineerden in de oude groep heeft dan die in de volkstelling aanwezig zijn. Dit zegt gewoon dat volkstellingen inderdaad niet precies zijn, en alle methodes zijn uiteindelijk *schattingen*. Dat betekent niet automatisch dat je een dataset moet gebruiken dat ontworpen is om geen mensen te missen (NIMS- dit bepaalt het uitsturen van vaccinatie uitnodigingen en is er dus een hoge drempel om duplicaten weg te halen) moet gebruiken, zeker als je met een normale benadering van de metadata zou zien dat er 63 miljoen mensen inzitten. Dat zijn dus 7 a 8 miljoen mensen die ongevaccineerd zijn én onsterfelijk, en dus >10% overschatting ten opzichte van volkstellingen. Bij een ‘echte’ vaccinatiegraad van 90% is meer dan de helft van de ongevaccineerden onsterfelijk (immers: waar de echte noemer ratio 90:10 is, reken je dus met een noemer ratio van 90 : >20).
Hier misrepresenteer je wederom ook de tabel, want ook de ONS tabel presenteert gewoon ‘ever vaccinated’. Daarnaast is het gewoon niet waar dat mensen die geprikt zijn als ongevaccineerd worden geturfd. Dat is voor het beoordelen van het immunologisch effect op coronasterfte volstrekt verantwoord, maar niet voor all cause mortality. En als je met Fenton aan komt zetten: hij kan hoog en laag springen, maar echt overtuigend zijn zijn argumenten niet. Healthy vaccine bias is zo’n beetje bonton in het hele observationele vaccinonderzoek. Zijn analyses hebben dit als verklaring in de verste verte niet ‘gedebunked’ als verklaring voor het verschil in non covid mortaliteit tussen vax en non vax. https://twitter.com/_johnbye/status/1547325894913581056
Er is ook simpele niet gemeten healthy vaccinee confounding: als jij januari 2021 in het ziekenhuis ligt voor iets wat niets met corona te maken heeft, heb je een hogere kans om te overlijden. Tegelijkertijd gaan ze jou in het ziekenhuis niet vaccineren. Daarnaast is vaccinatie sterk gecorreleerd met sociaal-economische status. Een lagere non-covid mortaliteit als je corrigeert voor leeftijd is dus niet verdacht- het is volstrekt verwacht.
Uitleg ONS over grotere sterfte mensen die maar 1 prik hebben gehaald:
https://www.ons.gov.uk/peoplepopulationandcommunity/birthsdeathsandmarriages/deaths/bulletins/deathsinvolvingcovid19byvaccinationstatusengland/deathsoccurringbetween1januaryand31october2021
Dank voor de openbare uitwisseling Jaime en Anton! Wat zou ik dat graag meer zien! Zeker op terreinen waar ik zelf niet in thuis ben. Ik zie uit naar het vervolg.