#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 Image
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
Wieso kann die JHU das so viel genauer als @destatis, um auf so ein Ergebnis zu kommen?

Die Aussage ist von der Genauigkeit nicht plausibel.

Wäre da nicht eine Studie der @JohnsHopkins, würde ich die Meldung jetzt als Bullshit abtun.
4/n
Kurzer Blick in die Nachdenkenseite.

Die paradoxe Logik dort entbehrt nicht der Komik. Es hätten mehr Menschen sterben müssen, damit die Lockdowns gerechtfertigt wären.

Mit solchem Unfug befasse ich nicht weiter.
5/n Image
Also ein Blick in die Studie:
Über die Autoren Jonas Herby, Lars Jonung und Steve H. Hanke mag sich jeder selbst ein Bild machen.
Im Abstrakt sehen wir das entsprechende Ergebnis.
6/n Image
Insgesamt beruht die Analyse auf nur 24 Studien und einem sehr fragwürdigen stringency index.
Schauen wir uns den Zeitraum an, den die Studie abdeckt, ist dies das 1. Halbjahr 2020.
Da wird es mit der Genauigkeit schwierig, denn in dem Halbjahr hatten wir 9.259 Todesfälle.
7/n
Es wäre also nur 18 Todesfälle vermieden worden. Bei 194.840 Fällen wäre die CFR 4,7521 %, mit einem CI 95 ± 0,1 %-Punkte.

Damit eine Reduktion der Sterberate von 0,2 % zu messen, ist schlicht Unfug.
8/n
Aber wie kommen die Autoren zu der Aussage?

Die erste Lösung ist die Tabelle 4.

Wer sieht jemand den Haken in dieser Tabelle?

Es ist der gewichtete Mittelwert aus mehren Studien. Der gewichtete Mittelwert liegt auch ziemlich weit ab vom Median und arithmetischen Mittel.

9/n Image
Hier der Haken:
Chisadza et al. (2021) werden mit 7.390 Punkten von 7.931 Punkten gewichtet.
Diese Studie dominiert das Ergebnis.
Im Prinzip sind alle anderen Studien statistischer Schmuck am Nachthemd.
Ohne diese Studie wäre da gewichtete Mittel -4,17 %

10/n ImageImage
Fuller et al. (2021) spielt in dieser Berechnung mit einem Gewicht von 11 überhaupt keine Rolle.
Wäre Chisadza et al. (2021) aus der Auswahl rausgefallen, wäre das Ergebnis ganz anders. Ursache des hohen Gewichtes ist der niedrige SE.
11/n
Das wird im Text zwar angesprochen, der Wert ist aber nur eine Fußnote wert.

Ich mach hier jetzt Schluss. Die Meta-Studie ist es nicht wert, weiter gelesen zu werden.
Hier noch der Link zum Original der Meta-Studie der JHU.

Besser wäre es vielleicht zu sagen, die unter dem Label JHU veröffentlicht wurde.

sites.krieger.jhu.edu/iae/files/2022…

• • •

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

Keep Current with Thomas Arend

Thomas Arend 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 @ByggvirOfBarley

Feb 20
#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 ImageImage
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 ImageImage
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…
Read 5 tweets
Jan 19
#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… ImageImage
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… Image
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
Read 20 tweets
Sep 15, 2021
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.
Read 14 tweets
Sep 14, 2021
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%.
Read 13 tweets
Aug 29, 2021
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
Read 7 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

Don't want to be a Premium member but still want to support us?

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

Donate via Paypal

Or Donate anonymously using crypto!

Ethereum

0xfe58350B80634f60Fa6Dc149a72b4DFbc17D341E copy

Bitcoin

3ATGMxNzCUFzxpMCHL5sWSt4DVtS8UqXpi copy

Thank you for your support!

:(