Een Franse cohortstudie1De Franse studie: https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2842305 volgde bijna 28 miljoen volwassenen (onder de 65 jaar) vier jaar lang. Ze verdeelden de bevolking in gevaccineerd en ongevaccineerd en berekenden de kans om te overlijden. Het hoofdresultaat haalde alle kranten: gevaccineerden hadden een hazard ratio van 0,26 voor overlijden aan COVID‑19. Volgens het model betekende dat 74 % bescherming ten opzichte van ongevaccineerden. Een fors getal.
Maar dezelfde tabel laat ook iets anders zien: de gevaccineerden deden het beter op bijna alle doodsoorzaken. Nu hebben we vaker gezien dat het vaccin als levenselixer werd opgevoerd en dan werden de resultaten als onbetrouwbaar beschouwd.
Critici die dit opwerpen worden deze keer bestraffend toegesproken: de auteurs hebben juist heel zorgvuldig gerekend en gewogen, schrijven zij. Minder hartinfarcten: verklaarbaar door lifestyle, voeding, uiteraard minder ongevallen (denk aan netjes fietshelm dragen, zwaardere en veiligere auto's), minder verdrinkingen want er zitten veel migranten in het laagste kwintiel, zelfs 22% minder2HR 0.88 = 22% minder zelfmoorden (logisch want minder schuldproblematiek). Al die voordelen zijn exact zoals het is: je ziet hier namelijk de sociaal‑economische verschillen. Wie zich laat vaccineren zou gemiddeld gezonder, verstandiger en beter opgeleid zijn want die heeft een hogere sociaal‑economische status. En zeker zelfmoord komt nu eenmaal minder voor onder 'beter gesitueerden'.
Dat klinkt plausibel – het klopt alleen niet met hun eigen data. De studie registreert wel SES3SES: Sociaal-Economische Status-verschillen maar biologische en gedragsmatige markers die daar onlosmakelijk mee samenhangen ontbreken. Dat kan niet tegelijk waar zijn.
1. Ontbrekende SDI-indicatoren
Er is een verschil tussen gevaccineerden en ongevaccineerden zichtbaar in de 'Social Deprivation Index': 27% van de ongevaccineerden zit in het meest achtergestelde kwintiel4SDI-kwintielen: Deze studie werkt met 5 SES-klassen (kwint=5), tegen 19% van de gevaccineerden: relatief 42% meer. Dat lijkt op het eerste gezicht de SES-verklaring te ondersteunen. Maar dat maakt de rest van de data nog raadselachtiger. Het is dan epidemiologisch onmogelijk dat we geen verschil zien in roken, obesitas, diabetes en alcoholverslaving. Die zouden 2-3x hoger moeten zijn bij ongevaccineerden.
Deze basistabel laat zien dat belangrijke SES-gerelateerde verschillen juist ontbreken in de groepsverdeling:
| Kenmerk | Gevaccineerd | Ongevaccineerd |
|---|---|---|
| Alcoholverslaving | 1,4 % | 1,5 % |
| Tabaksgebruik | 5,0 % | 4,5 % |
| Obesitas | 0,9 % | 0,7 % |
| Diabetes | 2,0 % | 2,0 % |
Het patroon is niet alleen minimaal; het loopt zelfs deels de verkeerde kant op: er zijn meer rokers en meer gevallen van obesitas bij de gevaccineerden!
Het druist in tegen alles wat epidemiologisch bekend is:
- Alcoholverslaving komt 2 tot 3 keer minder voor onder de beter gesitueerden Bron: Lancet5Probst et al., Lancet Public Health 2020: https://doi.org/10.1016/S2468-2667(20)30052-9
- In Frankrijk (en Nederland) rookt de laagste inkomensgroep 2–2,5x vaker dan de hoogste. (Bronnen: WHO6WHO Europe Tobacco Report 2023: https://www.who.int/europe/publications/i/item/9789289059283, Eurostat7Eurostat tobacco statistics: https://ec.europa.eu/eurostat)
- Obesitas komt ongeveer 2x vaker voor bij lage SES. (Bronnen: OECD8OECD Obesity Update 2024: https://www.oecd.org/health/obesity-update.htm, ObÉpi9ObÉpi-Roche (Inserm / Kantar Health): https://www.obepi.org/)
- Type‑2‑diabetes is in de laagste SES-kwintielen 2–3x zo frequent (in Nederland bijvoorbeeld 9,8% versus 4,1%10Diabetes naar inkomen: https://www.vzinfo.nl/diabetes-mellitus/inkomen en zelfs een factor 411Maastricht 2024: https://repository.ubn.ru.nl/bitstream/handle/2066/313262/313262.pdf).
Dus er zijn drie opties:
- de SDI meet niet wat we denken, ofwel
- de risicofactoren zijn ernstig ondergeregistreerd bij precies één groep, of
- het model heeft de groepen zo gecorrigeerd dat de realiteit is verdwenen.
Geen van deze opties is geruststellend voor de betrouwbaarheid van de studie.
Dat die SES-gerelateerde verschillen ontbreken, betekent dat de veronderstelde “SES‑artefacten†door het model worden gecreëerd. Een zinvolle weging corrigeert verschillen om groepen vergelijkbaar te maken. Hier lijkt juist het omgekeerde te gebeuren.
2. De verdubbeling van suïcide
Nog opmerkelijker: volgens het model hadden gevaccineerden 12 % minder kans op suïcide (HR = 0,88). Maar onderzoek laat al decennia zien dat zelfdoding in hogere sociale klassen ongeveer 60 % minder voorkomt dan in lagere. Dat is een HR van rond 0,4 of 0,5, geen 0,88.12Lorant et al. 2005 – European comparative study: https://doi.org/10.1192/bjp.187.1.49 13Lorant et al. 2021 – Socioeconomic disparities in suicide: https://doi.org/10.1371/journal.pone.0243895
In deze studie plegen gevaccineerden, die juist meer uit die hogere lagen zouden komen, dus twee keer zo vaak zelfmoord als verwacht.
Dat is een harde aanwijzing dat er iets niet klopt. Het model corrigeert verkeerd of de groepen zijn in werkelijkheid heel anders samengesteld dan gedacht.
Tenzij we natuurlijk bereid zijn te geloven dat vaccinatie toch echt zélf leidt tot meer zelfmoorden.
En als we weigeren dat bij deze regel aan te nemen, moeten we ons ook afvragen hoe betrouwbaar de andere regels in de tabel zijn. Je kunt niet cherry-picken uit de resultaten: die geloof ik wel, die niet.
Wat doet zo’n Cox‑analyse eigenlijk?
De studie gebruikt een Cox proportional hazards‑model. Dat model vergelijkt de kans om op ieder moment te overlijden tussen twee groepen, met de aanname dat die verhouding constant blijft.
In werkelijkheid verandert die verhouding vaak juist: na vaccinatie kan het risico tijdelijk hoger zijn (ook door stress, ontsteking, of toevallig samenlopende ziekten) en daarna weer normaal. Een Cox‑analyse smeert zulke tijdelijke pieken uit tot één vriendelijk ogend gemiddelde. Zelfs als het verschil in sociaal‑economische status maar beperkt is, zorgt de structureel lagere achtergrondsterfte van de hogere kwintielen ervoor dat de hazard ratio over de hele periode scherp daalt. en zelfs lager dan 1 kan worden terwijl er per 100.000 personen meer sterfte is.
De hazard ratio beantwoordt dus niet de vraag: wie sterft vaker binnen vier jaar? Maar: hoe verhouden de momentane sterftekansen zich gemiddeld over de tijd, onder vaste aannames? Als die aannames niet kloppen, klopt de uitkomst ook niet. Nog los van het feit dat het primair gaat om de eerste vraag: de sterfte-uitkomst.
3. Ruwe cijfers vs. modelcijfers
Voor suïcide, misschien wel de hardste en de best geregistreerde en bestudeerde doodsoorzaak, zijn de feitelijke aantallen in de studie: 229 per miljoen gevaccineerden tegenover 222 per miljoen ongevaccineerden – een ratio van 1,03. In het model wordt dat juist “12 % minder risicoâ€.
Hetzelfde patroon komt terug bij andere oorzaken: de ruwe incidentie verschilt amper, maar de gewogen HR’s springen naar 0,7–0,8. Hoe meer er wordt “gecorrigeerdâ€, hoe beter het eruitziet. Zo krijg je een tabel waarin het lijkt alsof vaccinatie beschermt tegen alles van valpartijen tot zelfmoord. Dat is geen biologisch effect, maar een optelsom van modelaannames, SES‑vereffening en tijdmiddeling.
Het prioriteren van werkelijke sterfteaantallen boven hazard ratio's is geen simplificatie maar een bewuste en juiste keuze van een effectmaat die past bij de onderzoeksvraag.
Het is methodologisch volkomen legitiem om bij sterfteonderzoek de incidence rate en absolute overleving zwaarder te laten wegen dan hazard ratios. Wanneer de onderzoeksvraag draait om wie de eindstreep haalt, is het feit dát iemand overleden is bepalend, niet het exacte tijdstip binnen de levensloop en gemiddelde risico's. Hazard ratios beschrijven tijdsafhankelijke risico’s en zijn -uiteraard- model-afhankelijk.
Dus?
Als de veronderstelde sociaal‑economische verschillen niet zichtbaar zijn omdat de ruwe cijfers nauwelijks verschillen en als het model vervolgens voor élke doodsoorzaak een voordeel berekent, dan ligt het probleem niet bij het gedrag van mensen of bij vaccinaties maar bij de rekenmethode zelf.
Een model dat structureel in één richting corrigeert, produceert een illusie van bescherming. Het enige wat werkelijk telt zijn de absolute uitkomsten: wie leeft er nog, wie niet.
De Franse megastudie laat dus minder over de bevolking zien dan over het effect van de toegepaste statistiek. Wie de berekende COVID‑19‑bescherming voor waar aanneemt, moet ook erkennen dat volgens hetzelfde model de zelfmoorden onder beter gesitueerde gevaccineerden grofweg verdubbeld zijn.
Kortom: "Deze bevindingen suggereren dat voorzichtigheid is geboden bij interpretatie van de Hazard Ratio's", een constatering die je ook héél anders zou kunnen formuleren.
Voetnoten
- 1De Franse studie: https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2842305
- 2HR 0.88 = 22% minder
- 3SES: Sociaal-Economische Status
- 4SDI-kwintielen: Deze studie werkt met 5 SES-klassen (kwint=5)
- 5Probst et al., Lancet Public Health 2020: https://doi.org/10.1016/S2468-2667(20)30052-9
- 6WHO Europe Tobacco Report 2023: https://www.who.int/europe/publications/i/item/9789289059283
- 7Eurostat tobacco statistics: https://ec.europa.eu/eurostat
- 8OECD Obesity Update 2024: https://www.oecd.org/health/obesity-update.htm
- 9ObÉpi-Roche (Inserm / Kantar Health): https://www.obepi.org/
- 10Diabetes naar inkomen: https://www.vzinfo.nl/diabetes-mellitus/inkomen
- 11Maastricht 2024: https://repository.ubn.ru.nl/bitstream/handle/2066/313262/313262.pdf
- 12Lorant et al. 2005 – European comparative study: https://doi.org/10.1192/bjp.187.1.49
- 13Lorant et al. 2021 – Socioeconomic disparities in suicide: https://doi.org/10.1371/journal.pone.0243895
Heb niet naar de oorspronkelijke studie gekeken, maar
Als Tabaksgebruik 5,0 % vs 4,5 %
Obesitas 0,9 % VS 0,7 %
Diabetes 2,0 % vs 2,0 %
Veronderstel ik dat van een aantal variabelen de data niet bekend waren (obesitas in Frankrijk <1 % bv is niet compatibel met dat wat je in het Franse straatbeeld kunt zien). Dus ofwel ze hebben bij ieder die de blootstelling niet had opgegeven gedaan alsof ze niet blootgesteld waren (aan obesitas, roken, etc), ofwel hebben de missende data uit hun model gelaten (selectiebias). Of beide.
Al met al maakt dit natuurlijk niet uit. Wat de oorzaak van het resultaat ook zijn mag, is het een verhaal dat too good to be true is (vaccinatie voorkomt niet alleen mortaliteit maar ook vallen, zelfmoord, etc, etc, etc). Geeft als conclusie: Garbage in
Garbage out. En dat onder het banier van Wetenschap.
arithmétique française…
Dit doet heel sterk denken aan die Nederlandse studie waar ook niks zinvols uitkwam, met vergelijkbare propaganda in de media (deze op Euronews).
Het kan natuurlijk niet waar zijn dat vaccinatie de kans op alle soorten ongelukken sterk vermindert. De healthy vaccinee bias door betere social status is blijkbaar enorm, en onvoldoende gecorrigeerd.
In ruwe cijfers was er 0,12% (niet 0,2%) meer sterfte bij de ongevaccineerden. Maar daarvan kwam maar ongeveer 0,004% door meersterfte a.g.v. covid.
Als de mRNA vaccins (over die periode voor mensen onder de 65) nou eens drie keer dodelijker waren dan covid zelf, dan was dat wel heel erg (vooral omdat vaccinatie niet of weinig hielp om ouderen te beschermen). Maar zo een extra sterfte van 0,012% in die leeftijdsgroep is nog steeds een orde van grootte kleiner dan het verschil in sterfte door sociale verschillen, en “verdwijnt in de ruis” (is niet meetbaar) – in tegenspraak met de bewering van het artikel.
Okay. Ik kom er eerlijk voor uit. Ik lees de artikelen hier echt heel graag, met veel interesse en doorgaans begrijp ik de inhoud. Deze is wat lastiger te volgen… Mijn kennis van statistiek is onvoldoende. Toch hoop ik dat jullie vol blijven houden, elk artikel is nog steeds een bevestiging van mijn beslissing om me niet te laten prikken. Dank daarvoor!
Sorry! Zonder onderbouwing blijft er niets over van de uitspraak ‘het klopt niet’.
Maar dat Cox-verhaal is niet echt nodig hoor.
Het belangrijkste komt er op neer dat je bijvoorbeeld verschillen verklaart uit het feit dat de ene groep uit autorijders bestaat en de andere uit motorrijders terwijl uit je onderzoeksresultaten ook blijkt dat beide groepen evenveel helmen in huis hebben. Zoiets valt niet te rijmen.
In mijn beleving rijmt statistiek niet voor niets op elastiek: je kunt de gegevens alle kanten op masseren. Vooral als je je onderzoek begint vanuit een bewuste of onbewuste vooringenomenheid .
Als medisch research journalist heb ik vooral in de vaccinatie arena talloze voorbeelden gezien van een dergelijk startpunt.
Alleen al de mantra “Vaccinatie is veilig en effectief ” maakt dat iedereen (artsen, ouder, burgers) stopt met zich af te vragen of de impliciete boodschap dat vaccins beschermen, wel overeenkomt met de realiteit.
Ik heb alleen vaccins gezien die — geforceerd en voorbij alle natuurlijke barrières — stoffen en entiteiten het lichaam binnenbrengen die tegen helemaal niets beschermen, en in feite alleen maar het immuunsysteem verlammen en schade kunnen veroorzaken. Van allergieën tot de dood.
Door in de Corona-propaganda het woord ‘vaccins’ te gebruiken, liftten de Covid-shots mee op diezelfde valse bezwering van veiligheid en effectiviteit.
Maar de Covid-shots zijn helemaal geen vaccins. Het zijn injecties die zijn geproduceerd met nooit eerder vertoonde technologie en met inhoudsstoffen die de cellen van de ontvanger genetisch manipuleren tot fabriekjes van vreemde eiwitten, waarvan het inmiddels overduidelijk is dat die desastreuze gevolgen hebben.
De roeptoeters van de farmaceutische industrie hebben, samen met de instituties van de Westerse patentgeneeskunde, de politiek en de media, de bevolking niet alleen grandioos belogen, maar zelfs actief naar het leven gestaan.
En zij zijn daar nog altijd niet mee opgehouden.
Yep. Die sterke indruk heb ik ook, vooral omdat er schimmig wordt gedaan over cruciale brondata en de observaties worden weggebagatelliseerd.