Discover and read the best of Twitter Threads about #LockdownsKill
Most recents (5)
BIG USA All-Cause Age-Adjusted Mortality Update!
> The US is now going into seasonal appearing normal mortality pattern, that is just a statistical anomaly, caused by the pull forward effect in 85+
> 25-74 still in significant excess!
#COVID #Covid19 #Corona #LockdownsKill
> The US is now going into seasonal appearing normal mortality pattern, that is just a statistical anomaly, caused by the pull forward effect in 85+
> 25-74 still in significant excess!
#COVID #Covid19 #Corona #LockdownsKill
... as can be seen here, same thing happened last year. This was falsely attributed to vaccine success:
year-to-date the mortality is likely worse than ever before, at +14% (last year +13%):
¿Sabías que el famoso modelo del Imperial College de Londres (ICL) proyectó en marzo de 2020 que los confinamientos poblacionales resultarían en MÁS MUERTES que una estrategia de protección selectiva de la población mayor de 70 años?
Sí, así como lo lees.
#LockdownsKill
Sí, así como lo lees.
#LockdownsKill
Tabla A1, ‘Reporte 9’ de ICL.
Diversos escenarios para Gran Bretaña.
Cada columna representa una combinación específica de intervenciones no farmacológicas (NPI). Los números en las celdas corresponden a las cantidades absolutas de muertes proyectadas, en miles.
¿Notas algo?
Diversos escenarios para Gran Bretaña.
Cada columna representa una combinación específica de intervenciones no farmacológicas (NPI). Los números en las celdas corresponden a las cantidades absolutas de muertes proyectadas, en miles.
¿Notas algo?
Mira ahora las 2 columnas remarcadas en rojo y azul, y lee las leyendas correspondientes en parte inferior de la imagen.
¿Observas cuál de las 2 estrategias el modelo de ICL *consistentemente* proyectó que resultaría en MAYOR número de muertes totales?
#LockdownsKill
¿Observas cuál de las 2 estrategias el modelo de ICL *consistentemente* proyectó que resultaría en MAYOR número de muertes totales?
#LockdownsKill
“Un enfoque de problema bayesiano inverso aplicado a la data del Reino Unido sobre muertes COVID-19 en la primera ola y la distribución publicada de duración de enfermedad, sugiere que las infecciones estaban ya en declive antes del confinamiento del Reino Unido”.
#LockdownsKill
#LockdownsKill
La data de casos de covid-19 está sujeta a severos factores de confusión temporal.
En circunstancias normales, los estadísticos no recomendarían tratar de estimar el Rt de un patógeno a partir de data tan problemática.
En circunstancias normales, los estadísticos no recomendarían tratar de estimar el Rt de un patógeno a partir de data tan problemática.
Aunque no es perfecta, la data de muertes con Covid-19 es mucho menos problemática que la de 'casos'.
“Fui un férreo proponente de los confinamientos cuando fue declarada la pandemia. En esta revisión, explico por qué he cambiado de opinión”.
Gran artículo, con mucha honestidad intelectual, del académico canadiense Ari Joffe.
#LockdownsKill
Gran artículo, con mucha honestidad intelectual, del académico canadiense Ari Joffe.
#LockdownsKill
“Un análisis costo-beneficio de la respuesta al COVID-19 halla que los encierros son mucho más nocivos a la salud pública (al menos 5-10 veces más en términos de años de bienestar) que lo que el COVID-19 puede ser”.
Joffe señala que un análisis de las medidas en diversos países demuestra que estas no respondieron a factores objetivos como hospitalizaciones, números de casos o muertes, sino que los países adoptaron las decisiones en reacción en cadena, imitando lo que hacían sus vecinos.
“Data oficial del Instituto Robert Koch (RKI) de Alemania sugiere fuertemente que la diseminación del covonavirus en Alemania desaceleró de modo autónomo, *antes de que cualquiera de la adopción de las intervenciones.*”
#LockdownsKill
#LockdownsKill
Tomando como base los contagios incidentes, estimados a partir de la data de fecha de inicio de síntomas, el pico de incidencias y punto de inflexión a la baja se da mucho antes del cierre de negocios (16.03.2020) y del confinamiento (23.03.2020).
“Para determinar los efectos potenciales de las NPI en la diseminación de un virus, es crucial determinar la fecha de infección tan preciso como sea posible. Con fechas de infección equívocas, cualquier conclusión sobre los efectos de las NPI carece de sentido”.
