#SHombrg schwurbelt sich Tote durch #Impfung zurecht.
Aus wahren Daten lassen sich Fake News oder schlicht Lügen generieren.
Am einfachsten geht es durch Weglassen der Interpretation (gelb) und unterschieben einer eigenen Fehl-Interpretation. 1/n rki.de/SharedDocs/FAQ…
Setzen wir diese Gesamtübersicht der gemeldeten Todesfälle nach #Impfung in einen Kontext zu den bisherigen #Corona-Todesfällen.
Um nicht ganz so unredlich wie #SHomburg zu sein, habe ich die Corona-Todesfälle nach Altersgruppen aufgeteilt. 2/n Quelle: github.com/robert-koch-in…
BTW: 0,02 pro 1000 sind 2 pro 100.000
Scheinbar ist in der Altersgruppe A0-A14 die Sterbewahrscheinlichkeit nach Impfung höher als im Zusammenhang mit einer Infektion. In Altersgruppe A15-A34 hält es sich scheinbar die Waage.
Warum scheinbar und nicht anscheinend?
3/n
In der Altersgruppe A35-A59 ist der Unterschied ~ Faktor 10 zugunsten der Impfung.
In der Altersgruppe A60-A79 ist der Faktor 100 und ab A80+ 6.000 zugunsten der Impfung.
Wohlgemerkt zum Durchschnitt aller Geimpften
Nur: Es gibt einen Unterschied zwischen den Todesfällen.
4/n
Bei den #Corona-Toten handelt es sich definitiv um Tote mit einem positiven PCR-Test, bei den Toten nach Impfung handelt es sich um gemeldete Fälle, die in einem zeitlichen Zusammenhang (30 Tage) mit der Impfung stehen. Die Impfung muss nicht ursächlich gewesen sein. 5/n
Von 1.919 Fällen wurde in 78 Fällen mit bekannten Impfrisiken ein Zusammenhang mit der Impfung als möglich oder wahrscheinlich bewertet.
D.h. in den anderen Fällen gab es keinen bekannten Impfrisiken.
Die 0,02 gemeldeten Todesfälle pro Impfung ist (erstmal) eine obere Grenze.
6/n
78 von 1.919 sind 4,1 % oder grob 1:25.
Berücksichtigen wir diesen Faktor, ergibt die Impfungen einen Vorteil von 3 bis 6 in den unteren Altersgruppen. 7/n
Damit hätten wir die bekannten Impfrisiken abgehandelt. Möglich wäre, dass sich unter den gemeldeten Todesfällen ein unbekanntes oder sonst wie diffuses Sterberisiko verbirgt.
Ich bin kein Mediziner, ich mache nur Statistik.
8/n
Dieser Frage geht das #PEI in den Tabellen 3 und 4 nach. In Tabelle 3 werden die Fälle bis 42 Tage nach der Impfung betrachtet und die SMR. Was ist die SMR? Das ist die nach Alter, Geschlecht ... standardisierte Sterberate.
Hier wird geschaut, ob mehr Personen gestorben sind, als statistisch zu erwarten ist.
Die Tabelle 3 hat den Nachteil: Sie sind wenig erläutert und auch nicht prüfbar, weil die Daten zur Berechnung der SMR nicht angegeben sind. 10/n
Wir müssen die Tabelle so hinnehmen.
Aber: Die 846 Todesfälle in Tabelle 3 decken knapp die Hälfte der 1.919 gemeldeten Todesfällen. Möglich ist, dass diese nach dem 42 Tag gestorben sind. Wird aber nicht im Text erläutert. Faktor 2 würde aber am Ergebnis nichts ändern.
11/n
Die Berechnung ist aber methodisch fragwürdig. Nach der Erläuterung wurde für die Hintergrundinzidenz die Bevölkerung älter >11 Jahre Ende 2020 genommen. Besser wäre die Jahresmitte zugrunde zu legen. Allerdings liegt der Fehler nur bei 0,05 %.
12/n
Methodisch schwerwiegender ist, dass die Geimpften nicht repräsentativ für die Bevölkerung > 11 Jahre sind.
Hier führt es dazu, dass die Hintergrundinzidenz der Geimpften unterschätzt wird, weil Personen mit hoher Sterblichkeit überproportional vertreten sind. 13/n
Dadurch wird die SMR in der Tabelle 3 zu hoch geschätzt.
Ich kann mir die Tabelle 3 durchaus besser erläutert und mit echter Alters und Geschlechtsstandardisierung vorstellen, aber das ändert das Ergebnis nicht zum schlechteren.
14/n
Nun schätzen SHomburg und seine Freunde gerne eine hohe Dunkelziffer der Todesfälle von 95 %.
Begründet wird die mit einer Meta-Studie, die leider nicht öffentlich verfügbar ist.
Die zweite Quelle ist ein 15/n pubmed.ncbi.nlm.nih.gov/16689555/
Bericht des PEI von 2002, der sich wiederum auf eine Studie von 1991 bezieht.
Zwischen der ersten Studie - als es noch kein öffentliches Internet gab - und heute liegen 30 Jahre. 16/n
Die Welt hat sich weiter gedreht.
Die Meldedisziplin lässt sich erhöhen, wie man bereits wusste. Und es gibt Internet. Mit wenigen Mausklicks kann jeder melden.
Eine Studie aus Nigeria, die belegt, dass das dortige Pflegepersonal mit ADR vertraut ist. 17/n ncbi.nlm.nih.gov/pmc/articles/P…
Warum nicht in DE?
Angesichts der Diskussion in DE bezweifle ich, dass Todesfälle zu 95 % nicht berichtet werden.
Von 1.919 Fällen hält das #PEI bei 4,1 % einen ursächlichen Zusammenhang für möglich. Es werden 25 x mehr Todesfälle gemeldet, als sich bestätigen lassen.
18/n
Fazit
* Es gibt keine Hinweise für ungewöhnliche Sterbefälle bei Geimpften.
* Die Dunkelziffer von 95 % lässt sich nicht von 1991 auf 2021 übertragen.
* Ich wünsche mir eine bessere, verständlicher Aufbereitung der Sterbefälle durch das @PEI_Germany.
Schluss für heute.
GN8
19/n
#SHomburg
Wie man vortäuscht, dass Erkenntnis aktuell sind.
Homburg behauptet, dass 5 bis 10 % der UAW nicht gemeldet werden.
Schauen wir in den Bericht des RKI. Hinter dem Satz stehen 3 Fußnoten als Referenz. Die Studien, auf die sich die Aussage bezieht. 1/5
Die Studien /Berichte und damit die Erkenntnisse stammen von 2010, 2006 und 2002.
Die Studie von 2010 verwaist in den Fußnoten auf die zwei Studien, die wir bereits aus dem Bericht von 2017 kennen.
Diese Erkenntnis muss also mindestens 16 Jahre alt sein. 2/5
Auf nach 2006. Dies ist eine Metastudie, die die älteren Studien zusammenfasst. Durchschnitte einer Metastudie haben aber ihre eigenen Probleme. 3/5 doi.org/10.2165/000020…
#SHomburg schwurbelt wieder mit einer Studie. Diesmal hat jemand eine Studie der @JohnsHopkins gelesen. Genauer einer Metastudie. Bevor wir schauen, was in der Studie wirklich steht, schauen wir uns die Schlagzeile an. 1/n
Danach sollen Lockdowns die #COVID19 Sterblichkeit um nur 0,2 % senken. Das wären auf die ~ 120.000 Todesfälle in DEU 240 weniger. Das entspricht der Zahl, die derzeit pro Tag etwa sterben.
2/n
D.h. die Studie muss nicht nur die tatsächlichen Todesfälle extrem genau gezählt haben, sondern auch die zu erwartenden Todesfälle extrem genau geschätzt haben.
Das @destatis schätzt die zu erwartenden Todesfälle des nächsten Jahres auf ± 1 % genau.
3/n
1/n Die Idee ist im Ansatz sehr gut. Ändern wir die Idee ein klein wenig ab. Nehmen wir an, die Wahrscheinlichkeit bei einer Begegnung mit einem Hund gebissen zu werden ist 1%. Nicht aufs ganze Leben gerechnet, sonder auf eine einzelne Begegnung. Aus einem Versuch wissen wir,
2/n dass ein Leckerli das Risiko um 95% auf 0,05% senkt. Von 2000 Menschen ohne Leckerlie werden als im Schnitt 20 gebissen. Von 2000 mit Leckerli nur einer. Oder: Ohne Leckerli werde ich im Schnitt bei jeder 100sten Begegnung gebissen, mit Leckerli nur bei jeder 2000sten.
3/n Begegne ich jedem Monat einem Hund, werde ich im Schnitt alle 8 Jahre 4 Monat einmal gebissen. Mit Leckerli werde ich einmal in 166 Jahren und 8 Monaten gebissen. Ich habe also gute Chance gar nicht gebissen zu werden. Nun erhöhen wir die Kontakte aus eine pro Tag.
1/n Prof. Frank P. Meyer schreibt häufig Leserbriefe zum absoluten (AR) und relativen Risiko (RR), hat die Unterschiede aber nicht so recht verstanden.
Deshalb spielen wir jetzt russischen Roulette.
Zuerst nehmen wir 6-Schüssige Revolver (Rn). In R1 kommen aerzteblatt.de/archiv/221054/…
2/n 2 Patronen, in R2 kommt 1 Patrone.
Das abs. Risiko bei einem Schuss aus R1 zu sterben ist 0,333, bei R2 ist es 0,166. Die AR-Reduktion(ARR) ist 0,333-0,166=0,166=16,6%. Das RR ist 0,166/0,333 = 0,50 oder 50%. Und die RR-Reduktion auch 50%
3/n Nun erhöhen wir die Zahl der Patronen. In R3 kommen 3 und in R4 kommen 2. Das AR bei einem Schuss aus R3 zu sterben ist jetzt 0,5; aus R4 ist es 0,333. Die ARR ist wieder 0,5-0,333=0,166= 16,6%. Das RR ist 0,333/0,5=0,666. Dh. die RRR nur noch 33,3%.
Das @rki_de berechnet die R-Zahl im Nowcasting. Nach den epidemiologischen Modellen lässt sich die Entwicklung der Fallzahlen durch eine Exponentialfunktion annähern. Aus diese lässt sich dann die R-Zahl berechnen. Zeit diese beiden Ansätze zu vergleichen. 1/6
Die blaue Linie stellt den Punktschätzer des RKI und der hellblaue Bereich das Vertrauensintervall dar. Analog stellt die rote Linie den Punktschätzer aus der Regressionsanalyse dar und der hellrote das Vertrauensintervall.
Die Regressionsanalyse nimmt an, das die R-Zahl
2/6
über einen Zeitraum von 11, 14, 21, 28, 35 oder 42 Tagen konstant war. Leider haben wir bei der R-Zahl selten über längere Zeiträume konstante Verhältnisse. Ferien oder politische Entscheidungen oder Impfungen ändern das Umfeld.
3/6