De balans van de pandemiesterfte

In de voortdurende strijd om de geschiedenis van de pandemiejaren te schrijven, is niets belangrijker dan sterfelijkheid: hebben de regeringen van de wereld ons gered van massasterfte of niet?

De grote strategie (die, zoals ik al eerder zei, noch groots noch strategisch was) was om de bevolking van hele landen op te sluiten als tijdelijke maatregel 'tot er een vaccin beschikbaar is'.

Dit was een nieuwe (en volledig onbewezen) strategie om een ​​zogenaamd volledig nieuw virus te verslaan, op grond van het feit dat geen mens ooit eerder iets als SARS-CoV-2 was tegengekomen, dus niemand zou er al immuniteit voor hebben. Maar de aanwijzing zit in de naam – SARS-CoV-2 is vernoemd naar SARS, waaraan het nauw verwant was en dat volgens dit papier in NATUURHet bevindt zich in een cluster van coronavirussen en ander NATUUR papier besprak de mate van kruisreactiviteit met deze inclusief de verkoudheidsvirussen, en zelfs met andere families van virussen in het algemeen. Het was enigszins nieuw, maar niet uniek.

Beleidsmakers hadden dus sceptisch moeten zijn over de beweringen die begin 2020 werden gedaan dat SARS-CoV-2 extreme sterftecijfers zou opleveren. Dit heeft gevolgen voor de beweringen dat de grote strategie succesvol was omdat deze sterftecijfers niet zijn uitgekomen. Als ze nooit zouden gebeuren, hoefden we er niet van gered te worden.

De verspreiding van vaccins zou 'het einde van de pandemie' betekenen. Klinische proeven met de vaccins zouden hebben aangetoond dat ze symptomatische infecties met meer dan 90% konden verminderen.

Op bevolkingsniveau klopt dit niet. Als meer dan 90% van de infecties voorkomen zou moeten worden door vaccinatie, en 270 miljoen mensen in de Amerikaanse bevolking waren gevaccineerd tegen eind mei 2023 (van een totale bevolking van ongeveer 340 miljoen), hoe kan het dan dat er toen meer dan 100 miljoen bevestigde gevallen waren, volgens Onze wereld in data? Het tart alle verbeelding dat bijna 100 miljoen van de 170 miljoen ongevaccineerden degenen waren die besmet waren. Vooral omdat een onderzoek van de Cleveland Clinic toonde aan dat hoe meer vaccinaties mensen gemiddeld hadden, hoe meer waarschijnlijk waren ze besmet:

Er werd aangenomen dat er een consequente vermindering van de mortaliteit zou zijn door het verminderen van infecties (wat in ieder geval niet lijkt te zijn gebeurd), maar de klinische proeven lieten geen verschillen in mortaliteit zien tussen de groepen die aan de vaccins werden blootgesteld en de placebogroepen. De orthodoxe verdediging is dat ze niet voldoende power hadden om verschillen te detecteren, omdat de proefpopulaties niet groot genoeg waren. Maar om dezelfde reden hebben we het recht om de volgende conclusie te trekken: de klinische proeven hebben niet aangetoond dat de vaccins de mortaliteit kunnen verminderen.

In de kwaliteitsborgingssector evalueren we het succes van een interventie of programma door de werkelijke resultaten te vergelijken met de gemaakte claims.

De realiteit is dat de infectiegolven en oversterfte na de inzet van de vaccins in 2021 aanhielden, met twee ernstige golven in de Verenigde Staten, en eind januari van het jaar daarop weer een piek bereikten. Er was een trend van dalende pieken, maar het is niet duidelijk dat deze trend veranderde als gevolg van de vaccinatiecampagne, zoals je zou verwachten in de loop van een pandemie.

De gangbare mening wil ons doen geloven dat de vaccins, hoewel ze het totale aantal infecties niet hebben verminderd, op de een of andere manier het aantal ziekenhuisopnames en sterfgevallen door Covid-19 hebben verminderd. Nogmaals, het tart het geloof dat vaccinatie tekort zou kunnen schieten in het voorkomen van infecties en toch succesvol zou kunnen zijn in het verminderen van ziekte.

Deze beweringen over succes berusten niet op harde bewijzen. 

Een aantal recente papers zijn smoking guns die ons laten zien dat de grand strategy niet werkte. We moeten echter onder de motorkap kijken (om van metafoor te wisselen), want de verhaal concludeert meestal dat de strategie een succes was. gegevens vertellen echter soms een ander verhaal. Dit laat zien dat de auteurs bevooroordeeld zijn en dat hun gegevens betrouwbaarder kunnen zijn dan hun verhalen.

Neem bijvoorbeeld een onderzoek van Bajema et al. gebaseerd op patiënten van de US Veterans Health Administration. Zij concludeerden:

Uit deze cohortstudie bleek dat infectie met SARS-CoV-2022 tijdens het seizoen 2023-2 gepaard ging met ernstiger ziekte-uitkomsten dan influenza of RSV, terwijl de verschillen minder uitgesproken waren tijdens het seizoen 2023-2024.

Tijdens beide seizoenen bleef RSV een mildere ziekte, terwijl COVID-19 geassocieerd werd met een hogere langetermijnmortaliteit. Vaccinatie verminderde verschillen in ernst van de ziekte en langetermijnmortaliteit.

Dit lijkt doorslaggevend, toch?

Maar de conclusies zijn gebaseerd op de gegevens samengevat in Figuur 2A, die het volgende omvatten:

Op basis van deze cijfers is het letterlijk waar dat de Covid-19-sterfte ernstiger was over 180 dagen – maar met minder dan 1 procent. Dit was bedoeld als een pandemie die eens in de 100 jaar zou voorkomen en een groot deel van de bevolking zou treffen en die dramatisch gevaarlijker was dan influenza, waardoor de hele wereld in een noodtoestand zou worden gebracht. Was dit te rechtvaardigen voor een ziekte die minder dan 1% hogere sterfte had dan influenza? Veel media-artikelen hebben de beweringen belachelijk gemaakt dat Covid-19 een vergelijkbare ziektelast vormde als influenza, maar in de loop van de tijd is gebleken dat het vergelijkbaar is.

Hoeveel hielp vaccinatie? Figuur 2 geeft ons deze vergelijkingen voor de Covid-19-patiënten.

Dus, in een paper gebaseerd op een zorgvuldig geselecteerde en verwerkte subpopulatie van een subpopulatie, waren de gevaccineerden een half procent voorsprong over 180 dagen. Is dit het beste wat ze kunnen doen? Is het statistisch significant?

Artikelen gebaseerd op de oversterfte in de gehele bevolking van een land kunnen de methodologische problemen vermijden die worden veroorzaakt door variabiliteit in de toeschrijving van sterfte aan Covid-19 en de selectiviteit van proefpopulaties. Opmerkelijk is een recente preprint van Dahl et al: Covid-19 mRNA-vaccinatie en totale sterfte onder de volwassen bevolking in Noorwegen in 2021-20: een op de bevolking gebaseerde cohortstudieOok zij komen tot de verplichte conclusie:

In Noorwegen was het sterftecijfer door alle oorzaken tussen 2021 en 2023 lager bij gevaccineerde personen.

Maar nogmaals, hoe ondersteunen de gegevens deze conclusie?

Als we ons richten op de gegevens voor beide geslachten en van rechts naar links lezen, zien we dat het aantal sterfgevallen per 100,000 jaar gestaag toeneemt voor elke leeftijdsgroep, behalve voor de jongsten, waar sterfgevallen zeldzaam zijn.

Daarentegen stijgen ze voor de oudste leeftijdsgroep (65+) van 3.40 zonder doses, naar 7.25 met 1-2 doses, naar 19.21 met 3+ doses. Welke obscure statistische magie hebben ze ingezet om incident rate ratio's te bereiken die de andere kant op gaan dan sterfgevallen per persoonsjaar? En waarom leggen ze dit niet uit in het verhaal?

Bij een simpele lezing van de cijfers achter de tekst was de totale sterfte onder gevaccineerden in deze periode in Noorwegen minstens twee keer zo hoog als onder ongevaccineerden. Maar ze concludeerden het tegenovergestelde.

Het eerste wat we dus van onze wetenschappers moeten eisen, is dat ze conclusies trekken die duidelijk door de data worden ondersteund!

Artikelen over vaccinatie worden ernstig verzwakt door bevestigingsbias. De kracht van het geloof van de auteurs in vaccinatie is zodanig dat alle gegevens doorgaans worden geïnterpreteerd als ondersteunend voor vaccinatie, zelfs als ze het tegenovergestelde zijn.

Een ander breed onderzoek werd uitgevoerd onder alle patiënten die in Brazilië in de periode 19 tot en met 2020 de diagnose Covid-2023 kregen. Pinheiro Rodrigues en AndradeHun conclusie werd samengevat in het abstract:

Het beschermende effect van COVID-19-vaccinatie werd waargenomen tot een jaar na de eerste symptomen. Na een jaar was het effect omgedraaid, wat een verhoogd risico op overlijden liet zien voor degenen die gevaccineerd waren.

Dit wordt geïllustreerd in Figuur 1, met het aantal dagen overleving langs de X-as:

We moeten deze auteurs feliciteren met het bereiken van conclusies die hun gegevens nauwkeurig weerspiegelen, wat in deze context ongebruikelijk is. Dit heeft er vanzelfsprekend toe geleid dat het artikel na publicatie door het tijdschrift is onderzocht, wat nooit gebeurt voor artikelen die orthodoxe conclusies trekken over vaccinatie die normaal gesproken voor waar worden aangenomen. Publicatiebias is wijdverbreid - hoe zullen de vooraanstaande peer-reviewers omgaan met het Dahl-artikel? Het lot van deze twee artikelen zal een belangrijke test zijn. In de huidige vorm zou je verwachten dat de Braziliaanse studie zou worden ingetrokken en het Dahl-artikel zou worden geaccepteerd.

De onderzoeken die tot positieve conclusies komen, zijn gebaseerd op geselecteerde tijdsperioden (variaties op de zogenaamde case-counting window bias) of op modellering.

Neem bijvoorbeeld Christopher Ruhm's dwarsdoorsnedeonderzoek van Amerikaanse staten die tot doel had vast te stellen of de Covid-19-gerelateerde beperkingen van de staat (niet-farmaceutische interventies of NPI's + vaccinatiemandaten) van invloed waren op het aantal pandemiedoden in de VS. De studie was gebaseerd op gegevens van de gehele Amerikaanse bevolking, dus was deze in die zin inclusief. Ruhm concludeert:

Uit dit cross-sectionele onderzoek blijkt dat strenge COVID-19-beperkingen als groep verband hielden met een substantiële daling van de sterfte door de pandemie, waarbij gedragsveranderingen aannemelijk een belangrijk verklarend mechanisme vormden.

De giveaway is echter het tijdsvenster: 'Het primaire onderzoek bestrijkt de periode van 2 jaar van juli 2020 tot juni 2022.' En wat met de eerdere maanden? Dit is belangrijk omdat de eerste golf van Covid-19-sterfte de noordoostelijke staten zwaar trof en uit het venster is weggelaten. Latere golven troffen de zuidelijke en westelijke staten, dus variaties in oversterftecijfers gedurende de periode werden sterk beïnvloed door de geografie, wat waarschijnlijk een verwarrende factor is geweest. Dit is duidelijk te zien in Figuur 2C voor de onderzoeksperiode:

Figuur 2E omvat de eerdere periode en laat duidelijk een omgekeerd patroon zien, waarbij staten met ernstigere NPI's ('boven de mediaan' - de oranje lijn) een veel hogere sterfte hebben dan staten zonder NPI.

De staten met minder ernstige interventies hadden een hogere mortaliteit gedurende een maand of zo na juli 2021, wat bijna het gehele verschil in het primaire onderzoeksvenster lijkt te verklaren. Aan het einde van het venster tikt de oranje lijn weer omhoog – wat gebeurde er toen? 

Denk maar eens aan het Braziliaanse onderzoek waaruit bleek dat het beschermende effect van vaccinatie tegen Covid-19 tot een jaar na de eerste symptomen werd waargenomen, maar dat het effect na een jaar weer was teruggedraaid.

Denk ook aan de Schatting van de oversterfte in Duitsland in de periode 2020-2022 door Kuhbandner en Reitzner. De auteurs erkennen terecht dat 'bij het interpreteren van schattingen van de toename in sterfte, men zich bewust moet zijn van de model- en parameterkeuzes.' 

In de latere delen van hun paper brengen ze de oversterfte sinds maart 2020 in kaart ten opzichte van vaccinaties in een tijdlijn. Het is duidelijk dat er pieken zijn in oversterfte zowel voor als na de vaccinatiecampagne, die sterk toenemen tegen het einde van de studieperiode:

Ze concluderen:

In 2020 lag het waargenomen aantal sterfgevallen extreem dicht bij het verwachte aantal, maar in 2021 lag het waargenomen aantal sterfgevallen ver boven het verwachte aantal, in de orde van grootte van twee keer de empirische standaarddeviatie, en in 2022 zelfs boven het verwachte aantal van meer dan vier keer de empirische standaarddeviatie.

Dit kan niet worden geïnterpreteerd als een triomf voor de vaccinatiecampagne. Het zou overmatige sterfgevallen moeten voorkomen, maar dat deed het niet.

Alessandria et al. publiceerden Een kritische analyse van alle sterfgevallen tijdens COVID-19-vaccinatie in een Italiaanse provincie (Pescara), waarbij een bestaande dataset opnieuw werd geanalyseerd om de onsterfelijke tijdsbias te corrigeren door de populatie op één indexdatum (1 januari 2021) af te stemmen.

Ze ontdekten dat:

De all-cause death hazard ratios in univariate analyse voor gevaccineerde mensen met 1, 2 en 3/4 doses versus ongevaccineerde mensen waren respectievelijk 0.88, 1.23 en 1.21. De multivariate waarden waren 2.40, 1.98 en 0.99.

De hazard ratio's voor de derde en vierde dosis zijn vaak lager, omdat dit de meest recente doses zijn. Bovendien blijken de aanvankelijke verbeteringen later weer teniet te worden gedaan, zoals we in het Braziliaanse onderzoek hebben gezien.

Alessandria et al. ronden hun rapport af door verschillende soorten bias te onderzoeken die vaccinatiestudies kunnen beïnvloeden, waaronder een bepaald type case-counting window bias, waarbij resultaten van de eerste 10-14 dagen na vaccinatie worden uitgesloten van de vaccinatiegroep in observationele studies, zonder equivalent voor de controlegroep. Volgens Fung en anderenOp deze basis kan 'een volledig ineffectief vaccin substantieel effectief lijken' (48% effectief in het voorbeeld dat zij berekenen met behulp van gegevens uit de gerandomiseerde fase III-studie van Pfizer).

Terwijl ik de laatste hand legde aan mijn recensie, Annals of Internal Medicine uitgebracht Effectiviteit van de 2023-2024 XBB.1.5 Covid-19-vaccins tijdens een langetermijnfollow-up door Ioannou et al. Deze studie probeert een gecontroleerde klinische proef na te bootsen door XBB.1.5-gevaccineerde individuen te matchen met gematchte ongevaccineerde deelnemers. De conclusies zijn weinig inspirerend: 

De effectiviteit van het vaccin tegen SARS-CoV-2-geassocieerde sterfte nam geleidelijk af toen dit werd vastgesteld na 60, 90 en 120 dagen follow-up (respectievelijk 54.24%, 44.33% en 30.26%) en was zelfs nog lager (26.61%) toen het werd verlengd tot het einde van de follow-up.

Dit wordt weergegeven in Figuur 3:

Dus, het case-counting window lijkt dag 10 tot dag 210 te zijn. Wat er buiten het window gebeurt, is niet bekend. Als er slechte resultaten worden geregistreerd, zelfs met case-counting window bias, moet de realiteit nog erger zijn.

We hebben een selectie van observationele studies bekeken. In het beste geval laten de gegevens in deze studies geen materieel voordeel zien van vaccinatie, en in het slechtste geval zijn de sterfgevallen groter in de gevaccineerde groep.

Er zijn ook een aantal contrafactische onderzoeken uitgevoerd, waarin de sterfte tijdens de pandemieperiode wordt vergeleken met de verwachte sterfte. 

De eerste van deze Volgens een schatting van Watson et al. zijn in het eerste jaar van vaccinatie in 14.4 landen 19 miljoen sterfgevallen door Covid-185 voorkomen. Wanneer het aantal oversterfgevallen als maatstaf wordt gebruikt, loopt dit aantal op tot bijna 20 miljoen.

Dit zijn buitengewone cijfers, die een buitengewone impact hebben gehad op de publieke verbeelding en waar in de media veelvuldig naar wordt verwezen. Ze zijn bijgewerkt in een overzicht door Ioannidis et alHet is niet verrassend dat deze auteurs, gezien het afnemende effect van de Covid-19-vaccinatie, tot conservatievere cijfers komen, met meer dan 2.5 miljoen geredde levens.

Maar beide studies zijn slechts ervan uitgaan de effectiviteitspercentages van het vaccin die ze in hun berekeningen invoeren, waarbij Ioannidis et al. uitgaan van een VE van 75% vóór de Omicron en 50% tijdens de Omicron-periode. Deze zijn vermoedelijk gebaseerd op de VE die is gevonden in de klinische onderzoeken voor symptomatische infecties, maar een empirische basis voor de schattingen van sterfte afgewend is niet evident.

Modelleren is geen bewijs en verschijnt niet in hiërarchische piramides van evidence-based medicine (EBM). Als u ervan uitgaat dat uw behandeling effectief is en vervolgens het effect ervan op een bepaalde populatie berekent, zult u onvermijdelijk ontdekken dat uw behandeling effectief is! De hypothese is niet falsifieerbaar en de redenering is circulair.

De zogenaamd extreme dreiging van de Covid-19-pandemie die regeringen in paniek bracht en noodmaatregelen nam, werd grotendeels gecreëerd door modellering, die ervan uitging dat er extreem hoge aantallen doden zouden vallen zonder nieuwe tegenmaatregelen. Er ontstond een pandemie die zich nooit meer zou mogen herhalen. Achteraf gezien proberen de orthodoxen nu aan te tonen dat omdat deze fictieve sterftecijfers niet uitkwamen, dit kwam door de tegenmaatregelen.

Uit deze onderzoeken komen drie mogelijke scenario's voor sterfte op de middellange termijn naar voren:

1. VE = 50-70%
2. VE = 0%
3. VE is negatief

Empirisch bewijs voor het eerste scenario ontbreekt. De andere scenario's zijn onacceptabel. Scenario 2 is onacceptabel omdat we geen behandelingen kunnen toedienen aan mensen als er geen voordeel is en ze mogelijk worden blootgesteld aan bijwerkingen, en de bijwerkingen van de Covid-19-vaccins zijn ongewoon hoog, aangezien Fraiman en anderenl. hebben getoond. 

De negatieve effecten van lockdowns blijven zich ook opstapelen, vooral op de mentale gezondheid en het opleidingsniveau van jongeren. Volgens Ferwana en Varshney:

Resultaten tonen aan dat lockdown het gebruik van geestelijke gezondheidszorgfaciliteiten in regio's met lockdowns aanzienlijk en causaal heeft doen toenemen in vergelijking met regio's zonder dergelijke lockdowns. Met name het gebruik van hulpbronnen nam met 18% toe in regio's met een lockdown, vergeleken met een daling van 1% in regio's zonder lockdown. Ook zijn vrouwelijke populaties blootgesteld aan een groter lockdown-effect op hun geestelijke gezondheid. Diagnose van paniekstoornissen en reactie op ernstige stress aanzienlijk toegenomen door de lockdown. Mentale gezondheid was gevoeliger voor lockdowns dan voor de aanwezigheid van de pandemie zelf.

De pandemiestrategie was het grootste volksgezondheidsexperiment in de geschiedenis. Als voorzitter van een commissie voor menselijke onderzoeksethiek zou ik tegen elk voorstel stemmen waarbij de nettovoordelen waarschijnlijk nul of slechter zouden zijn. Voordelen moeten aantoonbaar de risico's overtreffen.

In mijn geboortestad Melbourne, Victoria, zat de hele bevolking 262 dagen lang in huisdetentie. Er werden toen strenge vaccinatieverplichtingen opgelegd aan alle 'essentiële werknemers' (en bijna alle werknemers bleken essentieel te zijn), en de ongevaccineerden werden buitengesloten van openbare plaatsen en werden beschouwd als een gezondheidsrisico. Net als andere eilandstaten deed Australië het vrij goed in de periode dat het de grenzen sloot, maar de grote strategie werkte niet - na de interim NPI-periode voorkwam de komst van vaccinatie niet de oversterfte zoals het zou moeten:

Een essentieel principe zou moeten zijn dat hoe ernstiger de inbreuken op de individuele vrijheden zijn die door maatregelen op het gebied van de volksgezondheid worden veroorzaakt, hoe meer hard bewijs voor de effectiviteit ervan nodig is. 

Overheden mogen de individuele vrijheden niet met voeten treden omdat ze denken dat hun interventies macht werken in theorie, en ze vervolgens achteraf rechtvaardigen met statistische magie.