Prof. Dr. #Mertens, Leiter der #STIKO, gestern in der Sendung bei Markus Lanz (zdf.de/gesellschaft/m…) zur Thematik #LongCovidKids (ab min. 14:15)

„Und auch das berühmte Long-Covid-Syndrom, wenn sie wirklich die Literatur sich anschauen, die es bisher gibt für Kinder, ... (1/n)
stellen sie fest, dass es praktisch keine brauchbaren Daten gibt. Es gibt eine gute, darf ich das noch sagen: Wenn sie eine Studie machen wollen zu Long-Covid bei Kindern, dann müssen sie vergleichen zwei Gruppen von Kindern, ... (2/n)
...die unter den gleichen Bedingungen gelebt haben, sprich Shutdown, keine Schule, zuhause in der Etagenwohnung mit 5 Leuten und sozusagen und schlechter Stimmung. Und eine Gruppe muss dann sozusagen zusätzlich noch die Infektion gehabt haben ... (3/n)
...und die andere Gruppe hat eben nur da gelebt ohne Infektion. Und genau das haben eigentlich nur ganz wenige Studien, z.B. eine Schweizer Studie, gemacht mit einer solchen Kontrollgruppe. Und was ist da rausgekommen? Die Krankheitslast, sogenanntes Long-Covid, ... (4/n)
...ist bei denen, die infiziert worden waren und denen, die nicht infiziert worden waren, praktisch gleich. Verstehen sie? Also sie müssen, wenn sie sagen, es liegt an dem Virus bei den Kindern, die Long-Covid-Symptomatik, dann müssen sie sicher sein, ... (5/n)
...dass es nicht an den übrigen Verhältnissen unserer Maßnahmen, die unsere Maßnahmen hervorgerufen haben. Und das ist tatsächlich in praktisch kaum einer Studie wirklich so gut gemacht worden. ... (6/n)
...Mit anderen Worten, zu Long-Covid in dieser Altersgruppe wissen wir praktisch nichts und es gibt sogar, wie gesagt, diese gut gemachte Schweizer Studie, die sagt, das ist eigentlich gar kein Krankheitsbild der Kinder.“ (7/n)
Herr Prof. Dr. Mertens hat vollkommen recht. Wir brauchen Studien, die die Korrelation herausarbeiten. Ansonsten kommt man zu falschen Schlussfolgerungen, die dann fehlerhaft medial an die Bevölkerung weitergegeben werden, wie ich hier beschrieb:
(8/n)
Jetzt verschreibe ich mich schon selbst. Wir brauchen natürlich Studien, die nicht nur die Korrelation herausarbeiten, sondern die Kausalität. Ganz wichtige Unterscheidung!

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Daniel Haake

Daniel Haake Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @haake_daniel

9 Jul
"Studie zu Long-Covid-Patienten – Fast 80% haben nach einem Jahr Beschwerden“

Solch Überschriften und auch solch nachfolgende Abstracts wie im Artikel von @ntvde sollte es nicht geben. Sie suggerieren, dass 80% der Infizierten auch nach einem Jahr Beschwerden haben werden. (1/n)
@ntvde Doch die Studie ist offensichtlich nicht repräsentativ.
1.) Selection Bias – 32,3% der untersuchten Personen waren hospitalisiert. Kein Wert, der für die Bevölkerung repräsentativ ist. Eine Altersverteilung wurde nicht angegeben. (2/n)
@ntvde Beispielsweise hatten 12,5% der 96 in die Studie einbezogenen Personen Asthma, 35,1% Bluthochdruck, 24% Adipositas (BMI > 30).

2.) Mit 96 Personen gab es nur eine sehr geringe Anzahl untersuchter Personen.

(3/n)
Read 10 tweets
20 May
Als Modelierer lassen mich solche Artikel verwundert zurück. Es wird nicht ausreichend berücksichtigt, dass Aufhellung des Dunkelfeldes zum Anstieg der Fallzahlen beigetragen haben. Es wurde auch nicht bei der Präsentation der Modelle kommuniziert. fr.de/wissen/corona-… (1/23)
Doch die gemeldeten Fallzahlen, die den Anstieg der Aufhellung des Dunkelfeldes beinhalten - durch Schnelltests bei meist asymptomatischen Gruppen (Kita-Kinder, Schüler) und anschließender Verifizierung durch PCR-Test - sind die Grundlage für die Modelle. (2/23)
Wenn ich nun diese Datengrundlage nehme und den Anstieg prognostiziere, tue ich so, als wenn die Aufhellung des Dunkelfeldes die Änderung des Infektionsverlaufs widerspiegelt. Das ist jedoch nicht so, denn zumindest ein Teil des Anstiegs ist dem Testverhalten zuzuschreiben.(3/23)
Read 23 tweets
2 May
@OlafGersemann @welt Das Problem ist die Datengrundlage, auf derer die Prognosen beruhen und die Nichtberücksichtigung von Parametern, wie Saisonalität. Als Data Scientist mit Expertise im Bereich Prognosen muss ich das so klar sagen. Wir brauchen verlässliche Daten. (1/11)
@OlafGersemann @welt Die Prognosen beruhen auf den gemeldeten Fallzahlen. Bevor die Prognosen durchgeführt wurden, wurde die Teststrategie geändert. Es gab vermehrt Schnelltests, wodurch die zeitliche Vergleichbarkeit nicht mehr möglich ist. (2/11)
@OlafGersemann @welt Gerade Gruppen wurden nun häufig mittels Schnelltests getestet, die zuvor keinen PCR-Test gemacht hätten. Es wurde gerade die junge Personengruppe getestet, die meist asymptomatisch ist (Schüler und Kita-Kinder). Ein positives Ergebnis wird mittels PCR-Test verifiziert. (3/11)
Read 11 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Too expensive? Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal Become our Patreon

Thank you for your support!

Follow Us on Twitter!

:(