Er verschijnen met grote regelmaat nieuwe studies die claimen dat COVID-19-vaccinaties een "beschermend effect" hebben tegen oversterfte. Ook de nieuwste publicatie in European Journal of Epidemiology (2026)1De besproken publicatie: https://link.springer.com/article/10.1007/s10654-026-01414-1 volgt weer hetzelfde platgetreden pad. En ik ben bang dat er nog vele gaan volgen. De auteurs presenteren deze keer een complex "multi-state model", maar in hun eigen limitations en methodologische keuzes is te lezen dat de conclusies van deze studie geen hout snijden. Ook in de bijlage wordt opmerkelijke methodologie beschreven. We kunnen deze studie in elk geval toevoegen aan de lijst van studies waarin gebreken worden benoemd maar niet geadresseerd. Er wordt simpelweg mee doorgerekend alsof ze niet bestaan.
De auteurs hadden de handdoek in de ring moeten gooien zodra ze de beroerde datakwaliteit in de gaten kregen. Maar ja, de subsidie was binnen, wat doe je dan? Dan redeneer je gewoon door naar de gewenste conclusies en maak je in de tekst terloops duidelijk dat de data ontoereikend waren.
Dus: daar gaan we weer. (Die witwas-PEC is toch oninteressant. Wel een kijktip: Rob Elens op 17 juni.)
1. Het "Healthy Vaccinee Effect" voor de zóveelste keer als blinde vlek
De auteurs delen mee dat hun vergelijking tussen gevaccineerden en ongevaccineerden fundamenteel vertekend is door het Healthy Vaccinee Effect (HVE):
"The healthy vaccinee bias likely also leads to some overestimation of the differences between the excess mortality risks from the (non-)recent infection states with and without prior vaccination."
"De vertekening door de gezonde gevaccineerden leidt waarschijnlijk ook tot enige overschatting van de verschillen tussen de oversterfterisico's bij (niet-)recente infecties met en zonder voorafgaande vaccinatie."
Met de term "enige overschatting" bagatelliseren ze een enorm probleem. Het is een understatement van jewelste. HVE betekent dat gezonde mensen zich laten vaccineren, terwijl de meest kwetsbaren (van wie vaak het levenseinde in zicht is) die stap niet meer maken of kunnen maken. Als je vervolgens een lagere sterfte ziet in de gevaccineerde groep, mis je dus die mensen. Je meet het effect van "gezond zijn" en "geen overlijden te verwachten", niet het effect van de injectie. Eigenlijk zie je de verhoogde sterfte in de groep ongevaccineerden, waarin immers mensen zijn ondergebracht die op korte termijn zouden gaan overlijden. De auteurs erkennen dit probleem in de limitations, maar gebruiken de resultaten desondanks gewoon 1:1 in hun conclusion om te claimen dat vaccinatie beschermt.
2. De "ongevaccineerde" groep is fictie
De definitie van wie "ongevaccineerd" is staat ook in dit onderzoek op losse schroeven.
"about 8–25% of those considered as the unvaccinated group in our dataset were actually vaccinated"
"Ongeveer 8-25% van degenen die in onze dataset als niet-gevaccineerd werden beschouwd, waren in werkelijkheid wel gevaccineerd."
Een misclassificatie in deze orde van grootte is fataal voor elk epidemiologisch onderzoek. Het is ruim 22% bij de 90-minners! (Die 8% geldt alleen voor de zeer kleine groep 90-plussers, die later nog blijkt te zijn opgepompt ook, zien we zo in de bijlagen).
| Birthyear cohort | % vaccinated as reported by RIVM 5 | % vaccinated based on our data (B) | % of vaccinated according to RIVM is recorded in our data (C=B/A (%)) | % missed (D=A-C) | % not vaccinated according to RIVM (100-A) | % not vaccinated according to our data (E=100-B) | % misclassified among the ‘not vaccinated’ in our data (D/E (%)) |
|---|---|---|---|---|---|---|---|
| <1931 | 89 | 88 | 99 | 1 | 11 | 12 | 8% |
| 1931-1935 | 93 | 91 | 98 | 2 | 7 | 9 | 22% |
| 1936-1940 | 94 | 92 | 98 | 2 | 6 | 8 | 25% |
| 1941-1945 | 94 | 93 | 99 | 1 | 6 | 7 | 14% |
| 1946-1950 | 94 | 92 | 98 | 2 | 6 | 8 | 25% |
| 1951-1955 | 93 | 91 | 98 | 2 | 7 | 9 | 22% |
De auteurs geven aan dat in een aantal verpleeghuizen de data ontbrak. Die bewoners zijn simpelweg als "ongevaccineerd" gelabeld. En daar stierven mensen, ook binnen twee weken na vaccinatie, de voorbeelden zijn bekend ("We waren nét te laat met vaccineren!") . Dit versterkt de bias: de ongevaccineerde groep bevat hierdoor disproportioneel veel hoog-risico patiënten.
Eigenlijk is dit al de genadeslag voor de betrouwbaarheid van de studie. De 'ongevaccineerde' groep is verworden tot een administratieve dumpplek voor de meest kwetsbare patiënten, terwijl de 'gevaccineerde' groep de gezonde overlevers bevat. Een vergelijking tussen deze twee groepen zegt daarom helemaal niets over de werking van het vaccin, maar alles over de mankementen in de registratie.
3. Een sensitiviteitsanalyse met een ander time frame
In een gevoeligheidsanalyse laten ze de status van gevaccineerden pas 14 dagen na de prik ingaan. Ze presenteren dit als een verantwoorde check voor het opbouwen van immuniteit:
"As it takes some time to build up immunity after vaccination against SARS-CoV-2, we performed a sensitivity analysis with people changing their vaccination status 2 weeks after their actual vaccination date"
"Omdat het enige tijd duurt om immuniteit op te bouwen na vaccinatie tegen SARS-CoV-2, hebben we een gevoeligheidsanalyse uitgevoerd waarbij mensen hun vaccinatiestatus wijzigden 2 weken na hun werkelijke vaccinatiedatum."
Ze snijden dus twee weken uit hun geobserveerde periode en komen dan tot vergelijkbare resultaten. In die twee weken, weten we van de Kaplan-Meier grafieken van Bakker en uit Italië, overlijden veel mensen die niet meer zijn gevaccineerd omdat ze zouden komen te overlijden. Toch blijven de resultaten robuust en vergelijkbaar, zonder verdere uitleg over hoe dat mogelijk is.
Met het overslaan van die 14 dagen creëert de studie een groep "gevaccineerden" die bestaat uit mensen die de eerste twee weken hebben overleefd. De slachtoffers van die eerste periode worden bij de ongevaccineerden opgeteld, waardoor de gevaccineerde groep kunstmatig vele malen "gezonder" oogt dan de werkelijkheid. Vele malen, omdat een relatief klein aantal dat zo uit de grote groep gevaccineerden wordt weggefilterd, een substantieel deel uitmaakt van de veel kleinere groep ongevaccineerden. Deze ingreep was kennelijk nodig om de gevoeligheidsanalyse in lijn te brengen met de vervuilde data in de hoofdstudie. In studies naar vaccin-effectiviteit gebeurt dit vaak, omdat eventuele schade in de eerste twee weken maar zou afleiden van de bescherming tegen de ziekte in kwestie.
4. Onderrapportage van natuurlijke immuniteit
Het model rust op een wankele basis van gedocumenteerde infecties:
"the cumulative incidence of infection in our cohort was only 9% at the end of 2021, showing that we missed quite some undocumented infections."
"De cumulatieve incidentie van infectie in onze cohort bedroeg eind 2021 slechts 9%, wat aantoont dat we een aanzienlijk aantal niet-gedocumenteerde infecties over het hoofd hebben gezien."
De werkelijke seroprevalentie lag rond de 26%. Dat betekent dat miljoenen mensen natuurlijke immuniteit hadden opgebouwd zonder dat dit in de data van de onderzoekers terechtkwam. Deze mensen worden in het model als "event-free" of "ongevaccineerd zonder infectie" behandeld. Hierdoor wordt de bescherming van natuurlijke immuniteit genegeerd of toegeschreven aan de vaccinatie-status, wat de effectiviteit van de prik verder vertroebelt.
5. De "negatieve oversterftekans": bewijs van bias
De auteurs rapporteren dit opmerkelijke resultaat:
"For all subsets, vaccinated persons without any documented infection had a negative excess death probability at the end of follow-up."
"Voor alle subgroepen hadden gevaccineerde personen zonder gedocumenteerde infectie een negatieve oversterftekans aan het einde van de follow-up."
Een "negatieve oversterfte" betekent dat er minder mensen stierven dan statistisch verwacht, hier zelfs specifiek de mensen die niet eens Covid hadden. In de context van een pandemie is dit biologisch onwaarschijnlijk voor een bevolkingsgroep. Dit is het ultieme bewijs van de gezonde vaccinee bias: de groep "gevaccineerde personen zonder infectie" blijkt in de subsets de gezondste van allemaal. Het model schrijft dit "wonder" toe aan de vaccinatie, terwijl het een puur statistisch artefact is van het selectie-effect.
Op pagina 3 van de bijlage staat de bekentenis die eigenlijk genoeg zou moeten zijn om de hele paper in te trekken:
"This may lead to negative excess hazards of death... possibly even below zero... This phenomenon is more often observed when relative survival is combined with a multi-state model, since the persons’ fitness may influence which states they reach... This likely also occurs in our model, where excess mortality from the vaccination state was negative, probably mainly caused by the healthy vaccinee effect."
"Dit kan leiden tot negatieve oversterfterisico's… mogelijk zelfs onder nul… Dit fenomeen wordt vaker waargenomen wanneer relatieve overleving wordt gecombineerd met een model met meerdere toestanden, aangezien de fitheid van personen van invloed kan zijn op welke toestanden ze bereiken… Dit gebeurt waarschijnlijk ook in ons model, waar de oversterfte vanuit de vaccinatietoestand negatief was, waarschijnlijk voornamelijk veroorzaakt door het Healthy Vaccinee Effect."
Dus hun model vindt "negatieve sterfte" (mensen die minder sterven dan biologisch mogelijk is volgens het model) zodra je naar de gevaccineerden kijkt. Ze benoemen dit als een gevolg van het Healthy Vaccinee Effect. Ze weten dus dat hun model onmogelijk lage sterftecijfers berekent voor gevaccineerden, maar in plaats van te concluderen dat het model niet deugt, noemen ze het een "fenomeen" en gaan ze door met de analyse en alle andere waarden die uit het model komen.
Professionele statistici zullen dit misschien de normaalste zaak van de wereld vinden. Maar wat ik zie: als zij iets als fout beoordelen is het nu eenmaal een erkend probleem van het gekozen model - en daarmee opgelost. Waar zij geen fout herkennen en waar hun theorie wordt bevestigd, heeft het model zijn werk goed gedaan. Wat een toeval!
6. De "gekloonde" ouderen
Dit is technisch gezien misschien wel het meest bizarre punt. Om voor de groep 90-plussers genoeg data te krijgen, hebben ze mensen "gekloond":
"For the ages >90 years, some persons were cloned in the dataset: e.g., for age 91, all persons aged 89, 90, 92 and 93 were added again with an artificial age of 91, creating a 5-year age group centered around the age of interest."
"Voor de leeftijden boven de 90 jaar zijn sommige personen in de dataset gekloond: bijvoorbeeld, voor de leeftijd van 91 jaar zijn alle personen van 89, 90, 92 en 93 jaar opnieuw toegevoegd met een kunstmatige leeftijd van 91, waardoor een leeftijdsgroep van 5 jaar is ontstaan rond de leeftijd waarin we geïnteresseerd zijn."
Ze hebben mensen kunstmatig in het model gezet om de groepen groter te laten lijken. Ze hebben een 89-jarige of een 93-jarige "gekopieerd" en hem het label "91-jarige" gegeven. Dit is data-fabricage onder het mom van "smoothing". Dit vertekent de mortaliteitsrisico's voor de oudste (en meest kwetsbare) groepen volledig. Dit toont hoe je de data kunt "repareren" om het model werkend te krijgen...
Conclusie
Deze studie is een schoolvoorbeeld van hoe "geavanceerde methodologieën" (zoals multi-state modellen) kunnen worden gebruikt om een vooraf gewenst resultaat te produceren. Statistiek blijkt steeds meer een goocheldoos. Door de zwaktes diep in de tekst te verstoppen, kunnen de auteurs een conclusie trekken die voor beleidsmakers en media als "veilig" wordt beoordeeld, terwijl de data zelf aantonen dat de vergelijking tussen de groepen fundamenteel mank gaat.
Wetenschap is niet het publiceren van modellen die de werkelijkheid "passend" rekenen. Wetenschap zou moeten erkennen dat als je slordig groepen vergelijkt die fundamenteel van elkaar verschillen (de gezonde gevaccineerde vs. de zieke ongevaccineerde), je geen conclusies kunt trekken over de veiligheid van een medische interventie. Dit rapport bevestigt het herhaaldelijk geleverde bewijs dat we moeten stoppen met het accepteren van "statistische correcties" als definitieve vervanging voor absolute sterftecijfers.
Laat je niet misleiden door een complex 'multi-state model' en wiskundige hoogstandjes. Dit model is simpelweg een nieuw camouflagenet over hetzelfde slagveld. Met meer subsets en ingewikkelder variabelen lijkt de werkelijkheid te vangen, maar zo’n model werkt alleen als je data messcherp zijn. Zo niet, dan construeer je een modelwerkelijkheid.
Tegelijk roept het bij mij de vraag op waarom ze die zwaktes op een dienblaadje aanreiken. Ze doen een goocheltruc en leggen meteen uit hoe die werkt. Als je echt een rad voor ogen wil draaien, is dat niet handig om te doen. Of zouden ze het effect van die zwaktes werkelijk zo onderschatten? Ik denk het laatste, het resultaat van een diepgewortelde bias. Speel met die calculator hieronder, begrijp hoe die rekent, dan zie je het zelf.
De kracht van misclassificatie
Hoe ingrijpend ogenschijnlijk kleine misclassificaties zijn, wordt duidelijk als we een placebo gaan meten. Een injectie die géén effect heeft, maar waarbij we ook het onderscheid wel/niet geïnjecteerd niet zuiver krijgen. Omdat die vervuiling leidt tot een positief effect, interpreteren we het als effectiviteit van de injectie.
Zie de calculator hieronder.
In de slider geef je aan van welke percentage mensen die de komende maanden komen te overlijden, je het einde al van tevoren ziet aankomen. Denk aan een termijn van maanden; dan is een dubbele vaccinatie met lange inwerktijd al niet zinvol meer. Tel daarbij de mensen die niet in aanmerking komen voor een injectie (of die niet willen) omdat ze simpelweg al te zwak of te ziek zijn om een prik goed te verwerken.
Zit het totaal rond de 10% van de mensen, dan is de placebo-effectiviteit 69%.
Zit het totaal rond de 30% van de mensen, dan is de placebo-effectiviteit 90%.
Zo hard gaat dat. Dat is simpele wiskunde en zeker géén medisch wonder.
Voetnoten
- 1De besproken publicatie: https://link.springer.com/article/10.1007/s10654-026-01414-1
Het is weer zover…volgende sprookje uit het grote sprookjesboek.
Ken je de boeken van dr Clare Craig?
1, Expired, over de mythes tijden de pandemie
2. Spiked, over de effectiviteit van de vaccins
Over Spiked sprak ze met dr Campbell op Youtube
Beide boeken zeer sterk aanbevolen.
Verkrijgbaar bij Amazon.nl
Dit is werkelijk te gek voor woorden….. Het totale faillissement van universiteiten en wetenschappers.
Is het haalbaar/verstandig om op basis van de genoemde niet correcte basisgegeven ,die toch verwerkt worden in een voor de financier gunstige uitslag een klacht bij de CWI van het LUMC in te dienen.
Een andere medewerker (Alexander Gorbalenya) van het LUMC was ook al betrokken bij publicatie van onbetrouwbare wetenschap omtrent de corona uitbraak.
Een briefje naar eur j epidemiol misschien? Het is niet gezegd dat auteurs expres zich zo vergissen.
Inderdaad, een publicatie in de vorm van een zgn “letter to the editor” o.b.v. bovenstaande analyse inclusief rekenvoorbeeld zou een heel krachtig en waardevol signaal zijn.
“De wens van de gedachte en/of financierder” Resveratrol was jaren geleden in het nieuws en deze levenselixer zit in o.a. rode wijn. De fabel dat rode wijn drinken gezond is leeft nog steeds onder de wijnliefhebbers. Het was feest toen men hoorde over het enorm gezonde effect van dagelijks aan de wijn 🥂Dat men 7 – 10 liter wijn per dag moet drinken om aan de benodigde dagelijkse hoeveelheid resveratrol te komen is een publiek geheim. Men wil dat niet horen en sluit zich af voor weten. Deze hoeveelheid wijn per dag is dodelijk maar dat zou toch iedereen kunnen begrijpen of toch niet want bij corona wil ook bijna niemand de fouten in studies horen/weten. Peter van der Voort (ic-arts Groningen en van D66 heeft onderzoek gedaan (of doet nog steeds onderzoek 🤷) naar resveratrol (uiteraard niet op basis van wijn) bij (obese) coronapatiënten. Ik zal dit onderzoek nog eens opzoeken maar zijn stemgedrag in de eerste kamer was dermate tegenstrijdig met zijn goede bedoelingen dat het voor mij het zoveelste bewijs was dat men gestuurd werd door wellicht inlichtingendiensten 🤷 Het niveau van de wetenschap daalt sowieso al langere tijd…
Een protest of klacht indienen ter beoordeling op integer wetenschappelijk gedrag van de auteurs van deze publicatie wordt bemoeilijkt doordat een mede auteur van deze misleidende publicatie lid is van de Editorial Board van het blad “” European Journal of Epidemiology””.Dezelfde persoon is ook voorzitter van de CWI van de Universiteit Leiden en van het LUMC en vervult een sleutelrol in andere organisaties op het gebied van wetenschappelijke integriteit.
Willem weet om wie het gaat…
Mooi Anton, ik had me voorgenomen om er nog eens in te duiken, en de zwakheden op te zoeken….. maar dat is al niet meer nodig. 😀
Daarnaast is het voorspellend vermogen van een 2015-2019 baseline sterfte, statistische niet erg handig.
Kan dus zo de prullenbak in.
Ik heb ook nog niet precies begrepen hoe ze de prognose hebben geëxtrapoleerd. Je kunt 2015-2019 op allerlei manier als basis nemen natuurlijk; ook de gestratificeerde versies.
Anton wat een prachtige zin schrijf je weer: ‘een nieuw camouflagenet over hetzelfde slagveld’. Ik hoop dat je wat vreugde vindt in het schrijven van je prachtige en messcherpe teksten. Want van de beschreven misstanden zou je totaal hopeloos worden. Ik tenminste wel. En ik heb bewondering voor mensen (zoals jij) die de vinger blijven leggen op de vele zere plekken. En ‘zere plekken’ is te zacht uitgedrukt, het zijn diepe stinkende wonden.
Wat te denken van het: Healthy queuing effect in the Netherlands 😉
https://www.ad.nl/binnenland/verbazing-over-rij-hoogbejaarden-in-regen-en-kou-voor-prik-niet-de-bedoeling~a15de156/
Ik heb eigenlijk niet zo’n zin om uitgebreid op deze studie te reageren. Voel toch de neiging om iets te zeggen. Zoals velen hier weten ben ik opgeleid in het LUMC in een tijd dat de epidemiologen daar heel streng waren in het kijken naar cohort studies waarin deelnemers werden geincludeerd die al een tijdje een medicijn gebruikten alvorens die observatietijd werd gestart. Studies die dat deden, daarvan deden de auteurs dat veelal uit gemak en domheid, argumenteerden wij, maar dom was het!
Schadelijk ook.
Het meest pregnante voorbeeld dat vrijwel altijd aangehaald werd om te onderwijzen over bovenstaand probleem (dat wat ook wel heet ‘prevalent user bias’), waren observationele studies uit de jaren 80 waarbij vrouwen die in de overgang kwamen zogenoemde HRT (hormoon vervangende therapie) gebruikten om hun overgangsklachten te maskeren/temperen. Deze studies toonden aan dat deze vrouwen een LAGER risico hadden op het krijgen van cardiovasculaire ziekten dan vrouwen die geen HRT gebruikten. De toen internationaal geldende (Amerikaanse) richtlijn voor cardiologen opperde dat HRT maar gegeven moest worden aan alle vrouwen die in de overgang kwamen, want het beschermde tegen cvd.
18 jaar later kwam eindelijk het verlossende woord van een gerandomiseerde studie en wat bleek: HRT gaf een HOGER risico op cardiovasculaire ziekten.
Wat was er gebeurd? – De cohortstudies die een lager risico op CVD vonden, hadden niet gekeken hoe lang vrouwen al HRT gebruikten alvorens ze in de studie kwamen (sommigen gebruikten het al maanden tot jaren alvorens de observatietijd werd gestart). En dat terwijl het risico op CVD (liet de trial zien) bij HRT gebruik vooral aan de beginperiode van inname zat. Een vorm van bias, niet heel anders dan de auteurs in eur j epidemiol laten zien, waarbij immers niet alle deelnemers vanaf moment van eerste prik zijn gevolgd, en waarbij (zo lijkt het, zie artikelen van Herman) het risico op plots overlijden verhoogd is kort na elke nieuwe prik(ronde).
In een stuk uit 2018 vat ik eea samen en zeg (met de afdeling waar ik toen werkte):
‘The lesson learned from the HRT controversy [maar dus ook in vaccinstudies] is that in observational studies one should not forget those who did not survive or developed the disease outcome of interest before the study started including participants.’
Dit is wel gebeurd in bovengenoemde studie en het des te treuriger voor yours truly om op te merken dat het intellectueel niveau van zijn alma mater kennelijk een les is vergeten die ze zelf jaren lang vol verve aan studenten bracht.
Waar dat mee te maken heeft? Ik weet het niet. Wat in ieder geval niet geholpen heeft is al dat jargon in het artikel, waarvan ik de helft niet versta, en waarvan ik denk dat de auteurs er zelf ook een beetje in de war van zijn geworden. Niet alles kan je oplossen met een model.
Zie ook: https://pmc.ncbi.nlm.nih.gov/articles/PMC6332773/
Verbaast me niks. Natuurlijk is dat HVE al een heel oud bekend verschijnsel. Maar wel triest dat. net nu het er echt toe doet. die lessen volledig vergeten zijn. En het lijkt er zelfs op “opzettelijk vergeten zijn”.
Of die mensen aan de universiteiten zijn wel erg dom; wat me overigens ook niet eens zou verbazen. De gemiddelde VWO-er kan al niet eens meer 2 vergelijkingen met 2 onbekenden oplossen…… Dan is het doorzien van het HVE echt te ingewikkeld.
Off, topic, Tamara van de Ark, maar wel reuze interessant voor de lezers hier……
Het is heel interessant en cruciaal en moreel onthullend wat Tamara vd Ark hier zegt. https://www.youtube.com/watch?v=ob6MSzWtfpA Ze zegt namelijk expliciet dat 10 patiënten hier en nu belangrijker zijn dan 100 morgen en overmorgen. Ze verwijst zelfs naar het rapport van RIVM van begin juli 2022 dat rapporteert dat er 320.000 gezonde levensjaren verloren zijn gegaan door de isolatie maatregelen en het afschalen van de reguliere zorg. En dat ze er in haar huidige functie nog steeds mee te maken heeft. Ze verzuimt natuurlijk wel, daar nu de juiste conclusie uit te trekken. Maar dat kan ze niet; dat is geen kwade wil of opzet of geheugen verlies.
Het is precies het mechanisme van de Rule of Rescue vs. utilitarisme. Zie Orr & Wolff. Afgezien van dat ze het beleid bouwde op onjuiste modellen van RIVM [waar haar m.i. niet zo heel veel verwijt treft], vertelt ze dan een volkomen eerlijk en logisch verhaal. Maar moreel zo verwerpelijk; maar bijna iedereen (meer dan 90%) dacht zo; en denkt nog steeds zo. En die Commissie heeft dat niet door: het verwoestende effect van de RoR als die op macro schaal wordt toegepast. Alleen Eline vd Broek begrijpt dit echt. Helaas ook Ira Helsloot en Maurice + Marianne lijken dit ook nog steeds niet te begrijpen. En als dit begrip niet landt, gaat het de volgende keer precies zo: korte termijn gezondheidsbelangen, wegen letterlijk 10 tot 100 keer zwaarder dan lange termijn. Daarom is ook de qaly norm door de lockdown (20.000/qaly) met een factor 75 overschreden: 150 miljard/100.000 qaly is 1,5 miljoen / qaly.
Ik denk dus dat ook hier sprake is van iemand die volkomen te goeder trouw, geïnfecteerd door het op zich positieve Rule of Rescue denken, de volkomen foute beslissingen heeft genomen op macro schaal. Haar uitschelden dat ze “in en in slecht is” en aan geheugenverlies lijdt, mist de kern. Heel Nederland en heel Europa was in de ban van de RoR! En nog steeds! En bijna niemand heeft het door!
Zie: https://www.lighthousetv.nl/uitzending/lhtv-87
En als grapje: https://www.youtube.com/watch?v=Ft5E5Fh5esU&t=96s
De heilige IC ‘corona’ patiënt
Vraag me af of het volgen van de Rule of Rescue niet mede ingegeven is door de Rule of Rutte.
Rutte, zo melden Roskam Abbing in zijn verhoor trok een rode lijn die inhield dat er geen enkele covid patient mocht stikken omdat er geen plek op de IC zou zijn. We lieten ze niet stikken, in de steek.
Dit lijkt in strijd met het beleid om qua IC bezetting in de loop van de Rutte jaren steeds scherper aan de wind te zeilen. (met instemming van b.v Hoofd IC Gommers: ze gaan zich anders maar vervelen)
Je loopt dan het risco dat je een keer nee moet verkopen.
Dat het ook anders kan illustreert ons buurland Duitsland dat met een goed IC capaciteit in eerste golf geen oversterfte kende.
(Vervelen Duitse IC verpleegkundige zich dan niet vraag ik me af of is het daar anders georganiseerd?)
Het koste wat het kost plaatsen en het in ‘leven’ houden van kwetsbare mensen middels (vermoedelijk ook nog eens niet adequaat) intuberen etc. op een IC, en zodoende de al beperkte IC capaciteit nog verder inperkend heeft ons land niet/geen goed gedaan.
Vermoed (zie ook Interview Marianne) dat iemand als Armand Gisbers wel een goede doorstroming op IC bepleit: het lang liggen wilde inperken) en zo het IC infarct vermijden. Was de Rule of Rutte heilig verklaard?
De Corona pt op de IC lijken zo ook een soort heilige status gekregen te hebben: ze mochten met al hun comorbiditeit niet alleen slechts daar sterven, dit sterven moest ook nog eens zo lang mogelijk met allerlei kunst en vliegwerk uitgesteld worden.
Meen hier eenzelfde patroon te zien als bij de gang van zaken bij de MH 17.
In plaats van de vraag te stellen of er qua beleid voorafgaand aan de ramp iets fout gegaan was. In dit geval of het luchtruim boven Oekraïne wel vrijgegeven had mogen worden, werd door Schoof, in dienst van Rutte, al betrokken bij het afhandelen van de ramp het uitgezette onderzoek door hem slim puur op juist alleen die afhandeling gericht (Een Schoof onwelgevallig rapport verscheen, met een staartje maar dat voer hier te ver. Rutte was hem in ieder geval daarvoor vermoedelijk zeer dankbaar. De ‘beloning’ volgde later 😉
Zo wordt ook hier, in plaats van de beperkte IC capaciteit in de eerste fase van corona als probleem te signaleren en als verwijtbaar naar voren te halen, wederom gefocused op de afhandeling (ook weer opmerkelijk genoeg ingang gezet door een NCTV ‘er. Toeval?)
Zie uit naar de verhoren van Schoof en Rutte waarbij de voorgeschiedenis en de verwijtbare tekortkomingen daarin met de uitsluitende focus op de afhandeling koste wat het kost krampachtig buiten beeld gehouden zullen worden. TERWIJL HIER TOCH M.I. EEN LEERMOMENTJE LIGT.
MAAR HET WORDT WAARSCHIJNLIJK: Leve de Rule of Rutte, en: Die corona wat was dat toch een afschuwelijke ziekte. We hebben gered wat er te redden viel.
(Armand Gisbers zal wel, ondanks de petitie van Marianne, niet gehoord worden. Jammer maar ook in dat geval zou de focus blijven liggen op de afhandeling en niet op de oorzaak: de overigens onterechte paniek
(corona was geen afschuwelijke ziekte dat hebben we er m.m.v het RIVM van gemaakt). Een paniek (hoe onterecht ook) die met name in de hand gewerkt door de beperkte capaciteit met veel onnodige schade tot gevolg.
Ik overweeg een Letter to the Editor, alleen gefocused op de misclassificatie.
Het “klonen” als data-fabricage is niet bruikbaar. Het is een herwogen smoothing van de baseline/referentie, niet van de waargenomen sterfte. Dat is een geaccepteerde methode, zij het dat een stabiele baseline meer zekerheid lijkt te bieden. De enorme onzekerheid blijft echter bestaan, gezien de geringe vulling van de groep. Kortom: bepalen van oversterfte in die groep blijft tamelijk zinloos omdat de onzekerheidsmarges eigenlijk niet gehaald kunnen worden als het om veiligheid gaat.
Dan: de claim “negatieve oversterfte is biologisch onmogelijk”. Negatieve excess is normaal in relatief-overlevingsmodellen; de auteurs benoemen het zelf als HVE dus het verweer ligt voor de hand (‘we benoemen dat toch expliciet?’) en is formeel gezien legitiem, om niet te zeggen gebruikelijk. Niet iets voor deze specifieke studie, al wordt het fenomeen alleen benoemd, niet geadresseerd.
Tot slot de suggestie dat de misclassificatie de VE eenduidig opblaast. Dat hoeft niet per se: ‘de non-consent-component werkt juist omgekeerd: gezonde gevaccineerden “vervuilen” de ongevaccineerde groep’, zal het verweer zijn en dan weer discussiëren dat dat in dit geval niet zo uitpakt etc. etc. Te lastig en dat probleem komt uiteindelijk toch ook neer op de misclassificatie. Dat wordt dus het onderwerp van de Letter to the Editor: de misclassificatie. Ik ga het toch eens proberen denk ik.
Misclassificatie lijkt mij ook, van alle problemen binnen de studie die hierboven zijn genoemd, het grootste probleem binnen deze studie. Het is bovendien een probleem dat door de auteurs wordt erkend (echter zonder dat er consequenties aan worden verbonden).
Het niet verbinden van consequenties aan vertekening (bias, als misclassificatie) in studies kan te maken hebben met het feit dat ons (wetenschappers) niet geleerd wordt wat de betekenis van vertekening kan zijn. De STROBE richtlijn (die internationaal gehanteerd wordt voor het beschrijven van een observationele studie: zie bv hier: https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.0040297), zegt niet meer dan dat je duidelijk moet zijn in de beperkingen/ verrekeningen van je studie (waaronder potentiële misclassificatie), maar zegt NIET wanneer de beperkingen zo ernstig zijn dat publicatie maar beter achterwege kan blijven. Dit is een lacune van STROBE. Een paragraaf: hoe ga ik om met drogredenen (en misclassificatie is een vorm van een drogreden) zou kunnen helpen om auteurs in te laten zien dat je wetenschap niet moet bezoedelen met drogreden of met ‘Garbage in-Garbage out’. Een getallenvoorbeeld waarbij duidelijk wordt hoe ernstig de drogreden/vertekening kan zijn (een totale omwisseling van resultaat/conclusie) is denk ik heel nuttig om te tonen in een briefje naar de editor.
Hoop dat je wat met deze aantekening kan bij het schrijven van de letter to the editor.
Mocht je een proeflezer nodig hebben: je mag me mailen (je kent mijn adres). Verder succes!
Willem Engel zegt in het weekjournaal van afgelopen week ook nog over studie dat er “doden herrijzen in een bepaalde grafiek” (In mijn eigen woorden).Wellicht ook bruikbaar maar dat bedoelen jullie waarschijnlijk al met de misclassificatie. Mijn kind studeerde af in 2012 op een onderzoek dat een opdracht was van de Bill Gates foundation. Wat eruit “moest” komen kon onmogelijk worden aangetoond en mijn kind kreeg te horen dat het excellent wetenschappelijk werk had verricht (hoog cijfer gekregen dat wel…) maar dat hetzelfde onderzoek naar een universiteit in Duitsland ging om te “onderzoeken” of er daar iemand het gewenste resultaat wel op papier kon krijgen. Het positieve aan dit verhaal is onze kritische blik op de wetenschap en dat gaf gelijk begin 2020 vele inzichten.
Een drogredenering is echt wat anders dan bias of vertekening in een dataset. Je kunt een uitstekende en sluitende redenering opbouwen op totale onzin data. De uitkomst is dan nog steeds onzin. Maar het is geen drogredenering.
Met mijn verhaaltje reageerde ik op “totale faillissement van universiteiten en wetenschappers” van Jan en “Het is niet gezegd dat auteurs zich expres zo vergissen” van Willem. Er is in mijn familie diploma-schaamte ontstaan…
Eens. Bias is nog erger dan een drogredenering. Een drogreden is niet waar, bias: zelfs dat niet.
Ik zie geen hiërarchie in ernst. Ik vind dat dat afhangt van de impact van het vraagstuk dat onder handen is. Dus soms is bias erger; soms is een drogredenering erger. Maar het heeft beide weinig met wetenschap te maken.
En het kan beide het gevolg zijn van een blinde vlek. Maar ook van opzet: teleologisch redeneren en/of data verzamelen.
Wetenschap als methode is ontworpen om beide uit te schakelen:
Tegen bias: dubbelblind, replicatie, peer review (in theorie), belangenverklaringen
Tegen drogredenen: formele logica, statistische toetsing, falsificatie.
Hier weten we dat dit in Corona tijd door de overheid en “onze” “wetenschappelijke” instituten niet zo erg goed is gelukt……
https://x.com/WallStreetApes/status/2066020614117404983