Goedemorgen,
Twintig jaar geleden werd de wereld geconfronteerd met een virale pandemie, de covid-pandemie (toen nog covid-19), die vooral ouderen trof en buiten proportie werd opgeblazen. Het virus werd in een laboratorium gecreëerd als onderdeel van dwaas en gevaarlijk 'gain-of-function'-onderzoek.
Velen van jullie waren te jong om zich de details te herinneren, maar een belangrijke gebeurtenis was de ontwikkeling van een mRNA-vaccin, nu gentherapie genoemd. Het werd niet alleen snel ontwikkeld, maar ook snel getest en er werd beweerd dat het zeer effectief was tegen de dood door Covid, gebaseerd op wat ze toen "real-world studies" noemden. Er waren geen gerandomiseerde studies met een eindpunt voor mortaliteit.
Zoals we nu weten, was de nieuwe gentherapie verre van effectief. "Real-world studies" waren bevooroordeelde observationele cohorten, en de effectiviteit was op zijn best tijdelijk en middelmatig. Als er veel levens gered werden door die injecties, dan waren dat in hypothetische modellen. niet in sterftestatistieken.
Twintig jaar later bestuderen we nog steeds de langetermijngevolgen van morbiditeit en mortaliteit als gevolg van verspreide lipidenanodeeltjes (de mRNA-dragers), zelfgeproduceerde toxische spike-eiwitten en afwijkende eiwitten in verschillende weefsels, verhoogde niveaus van IgG4-antilichamen na herhaalde injecties en de integratie van vreemde DNA-fragmenten in het genoom.
Vandaag gaan we kijken de eerste studie die een effectiviteit tegen sterfte door Covid rapporteerden van 84%, of 72%, of 62%, of 44% — na de eerste injectie — en daar een paar lessen uit trekken.
Het artikel is gebaseerd op gegevens van de grootste gezondheidszorgorganisatie in Israël en werd in februari 2021 online gepubliceerd, slechts twee maanden na de start van de vaccinatiecampagne.
Eerste les:Je moet altijd de naam van het tijdschrift, de namen van de auteurs en de term "peer-reviewed" negeren. Geen van beide is een indicatie voor geldige resultaten. Biases in observationele studies zijn lastig te detecteren en te verwijderen, en destijds begrepen weinig onderzoekers het belang ervan. het gezonde gevaccineerde fenomeen (een soort verwarrende bias) en differentiële misclassificatie van de doodsoorzaak (een soort informatie bias). Beide zijn tegenwoordig algemeen bekend onder epidemiologen, dankzij langzaam vrijgegeven gegevens over niet-Covid-sterfgevallen per vaccinatiestatus en dankzij beoordelingen van overlijdensaktes uit die tijd in vergelijking met gekoppelde ziekenhuisdossiers.
Tweede lesVertrouw nooit een onderzoek dat schattingen van de effectiviteit tegen sterfte laat zien die variëren van 44% (onderste 95%-betrouwbaarheidsinterval: -36%) tot 84% (bovenste 95%-betrouwbaarheidsinterval: 100%) – binnen een maximale follow-up van ongeveer een maand. De gevolgtrekking is overgevoelig voor analytische beslissingen en de typische reden hiervoor is schaarse data.
Er waren slechts 41 gemelde Covid-doden in het grote cohort (ongeveer 600,000 gematchte paren), of 59 in een andere analyse, en veel daarvan waren geen sterfgevallen door Covid, zoals we later zullen zien. Dat andere eindpunten vaak voorkwamen, doet er niet toe. Geen enkel eindpunt kan de dood vervangen.
U bent waarschijnlijk verbaasd dat de auteurs de effectiviteit hebben geschat op basis van zo'n klein aantal doden en daarmee het volksgezondheidsbeleid voor miljarden mensen hebben beïnvloed. Dat was ongehoord vóór de covid-pandemie en is tegenwoordig ongehoord. Maar u moet de denkwijze van de auteurs in de context van die tijd begrijpen. Uitstekende onderzoekers en de mainstream media waren sterk bevooroordeeld ten aanzien van alles wat zowel de betekenis van de pandemie als het effect van een nieuw vaccin overdreef. Het was acceptabel om gunstige resultaten te publiceren op basis van beperkte gegevens.
Derde les: Wanneer je overweldigd wordt door cijfers, modellen, tabellen, grafieken, aanvullend materiaal en geavanceerde analytische beslissingen, controleer dan wat je vindt in een eenvoudige berekening. Ik zeg niet dat een "ruwe" analyse niet misleidend kan zijn, maar soms vind je hem misschien wel informatief genoeg. Een eenvoudige analyse van de sterftecijfers is wat we nu gaan doen.
Laat me u er allereerst aan herinneren dat elke causale gevolgtrekking gebaseerd is op aannames, waarvan sommige triviaal zijn (bijvoorbeeld de integriteit van databestanden); andere zijn complexer. De vraag is: zijn de data, onder redelijke aannames, verenigbaar met een bijna-nul effectiviteit tegen overlijden, in plaats van 44% tot 84%?
Het antwoord is “ja”.
Ik ga uit van twee veronderstellingen:
1. Binnen de eerste twee weken na een injectie had geen enkele Covid-dode voorkomen kunnen worden. Elk waargenomen voordeel van de eerste dosis vóór dag 14 wordt dus volledig verklaard door vertekening.
2. De vertekeningen die in de eerste twee weken bestonden, bleven ook bij latere vervolgonderzoeken bestaan.
De auteurs accepteerden de eerste aanname. Hun schattingen van de effectiviteit in de belangrijkste analyses sloten de eerste 13 dagen van de follow-up uit. Ze schreven:
“De periode direct na de eerste dosis, wanneer de immuniteit geleidelijk opbouwt, werd uitgesloten in de hoofdanalyses, omdat de risicoverhouding in deze periode naar verwachting dicht bij 1 zal liggen.”
Er werden twee grafieken van de cumulatieve Covid-sterfte gepresenteerd: één in het hoofdartikel (links); een andere in een aanvullende bijlage (rechts). Onder elke grafiek heb ik de risicoratio van overlijden in drie opeenvolgende intervallen van twee weken berekend.
Als we het eerste interval overslaan, varieert de effectiviteit van het vaccin (één minus de risicoratio) van 44% tot 76%, vergelijkbaar met de door de auteurs gerapporteerde schattingsrange (44% tot 84%). In dit geval komt een eenvoudige analyse van de schaarse gegevens grotendeels overeen met geavanceerde analyses. Het was goed genoeg.
In tegenstelling tot de auteurs heb ik de gegevens van de eerste twee weken echter niet verworpen als "een tijdelijke toename van het aantal gevallen onder ongevaccineerden", wat niets meer was dan wensdenken. Ik ging er eerder van uit dat de vooroordelen die toen heersten niet op wonderbaarlijke wijze verdwenen.
Wat ze ook waren, hun collectieve omvang kan worden geschat met de biasfactor – de vermenigvuldigingsfactor die het verwachte nuleffect (risicoratio = 1) in de eerste twee weken herstelt. Deze was 3 (linkertabel) of 2.3 (rechtertabel).
Zoals u hierboven kunt zien, heeft het toepassen van de biasfactorcorrectie op schattingen van de risicoverhouding in de volgende twee weken het pseudovoordeel van het starten van het vaccinatieprotocol met twee doses tenietgedaan. We zien een typische willekeurige spreiding rond een bijna-nulparameter: 0.72, 1, 1.2, 1.3. En als we de schattingen van de auteurs corrigeren voor een biasfactor van 3, krijgen we de volgende spreiding: 0.48, 0.84, 1.1, 1.7.
Welke vooroordelen waren hier debet aan en welk bewijs hebben we om aan te nemen dat ze blijven bestaan?
Er waren er minstens twee: verkeerde classificatie van de doodsoorzaak en het fenomeen van de gezonde gevaccineerden.
In grote lijnen betekent misclassificatie dat sommige Covid-doden ten onrechte als niet-Covid-doden werden geclassificeerd, en sommige niet-Covid-doden ten onrechte als Covid-doden. We zullen ons concentreren op het laatste geval, dat veel vaker voorkwam.
In die tijd was het vanzelfsprekend en financieel aantrekkelijk om sterfgevallen toe te schrijven aan Covid, terecht en onterecht. In Israël bijvoorbeeld, werd de helft van de gemelde Covid-doden toegeschreven aan de vaccinatiecampagne. heeft niet bijgedragen aan oversterfte, wat betekent dat die mensen zouden zijn overleden, ongeacht hun positieve PCR-test. Ze zijn niet aan Covid gestorven, en een Covid-vaccin had hen niet kunnen redden.
Hieruit volgt dat ongeveer 20 van de 41 sterfgevallen in de studie (of 30 van de 59) niet te wijten waren aan Covid. Zo ja, dan heeft de studie de omvang van de biases (het pseudo-effect op niet-Covid-sterfte) net zo goed ingeschat als de effectiviteit (tegen Covid-sterfte)…
Dat veel gerapporteerde Covid-doden niet door het virus werden veroorzaakt, blijkt ook uit de spreiding van de tijd tot overlijden in de studie. De mediaan bedroeg slechts 11 dagen na een positieve PCR-test (bovenste figuur), korter dan de gebruikelijke spreiding na het begin van de symptomen (onderste figuur) – een mediaan van 19 dagen – zelfs als de test 1-3 dagen na het begin van de symptomen plaatsvond. Met andere woorden, de spreiding was naar links verschoven ten opzichte van wat we verwachten bij daadwerkelijke Covid-doden.
Waarom werd het verschoven? Omdat veel sterfgevallen andere oorzaken hadden. Het betrof sterfgevallen van patiënten die om verschillende redenen in het ziekenhuis waren opgenomen en bij opname een incidentele, positieve PCR-test hadden. Houd er rekening mee dat ten minste 50% van de infecties asymptomatisch verliep en dat de vaccinatiecampagne samenviel met een winterse Covid-golf.
We hebben dus duidelijk bewijs van een verkeerde classificatie van de doodsoorzaak, maar het was erger. De verkeerde classificatie was differentieel, wat betekent "afhankelijk van de vaccinatiestatus".
De misclassificatie was differentieel omdat PCR-testen niet uniform werden toegepast. Gevaccineerde mensen werden minder vaak getest dan hun niet-gevaccineerde tegenhangers, om twee plausibele redenen: Ten eerste zouden sommige artsen en sommige gevaccineerde mensen de covid-symptomen kunnen toeschrijven aan "reactogeniteit" – covid-achtige symptomen na vaccinatie – dus werd er geen PCR-test uitgevoerd. Ten tweede, en belangrijker nog, werd aangenomen dat de gentherapie zeer effectief was, dus waarom zou je dan de moeite nemen om een PCR-test uit te voeren bij gevaccineerden? Bovendien werden dergelijke tests openlijk ontmoedigd.
Differentiële misclassificatie van de infectiestatus werd doorgevoerd naar andere eindpunten, waaronder overlijden. Hoewel het aantal Covid-doden destijds over het algemeen te hoog was, werd het aantal gevaccineerden minder vaak geregistreerd dan het aantal niet-gevaccineerden. Ik weet het, het is een beetje ingewikkeld. Hoe dan ook, het resultaat van testbias is duidelijk: een lager aantal gerapporteerde Covid-doden onder gevaccineerden – pseudo-effectiviteit.
Vraagt u naar alle sterfgevallen in het onderzoek?
De gegevens waren beschikbaar voor de auteurs, maar werden niet gerapporteerd. Sterker nog, niet-coviddoden zijn in de meeste artikelen uit die tijd consequent verborgen gehouden. Het onderzoek naar covidvaccins was zwaar bevooroordeeld, bewust of onbewust. Ik weet het, het is moeilijk te geloven.
Differentiële misclassificatie van de doodsoorzaak ging gepaard met een andere sterke vertekening, die we tegenwoordig algemeen erkennen: het gezonde gevaccineerde fenomeenGevaccineerde mensen waren gezonder dan niet-gevaccineerde mensen, en standaardmethoden voor aanpassing konden deze vertekening niet volledig wegnemen.
Veel onderzoekers deden deze vertekening destijds af als een tijdelijke vertekening: zieke mensen stelden de vaccinatie uit totdat ze hersteld waren, en mensen met een korte levensverwachting werden niet gevaccineerd.
Dat klopte natuurlijk, maar het fenomeen van gezonde gevaccineerden is breed en langdurig. Om verschillende psychosociale redenen waren mensen die gevaccineerd waren, tegen griep of Covid, sowieso gezonder. Daardoor hadden ze minder kans om aan Covid te overlijden. en door niet-covidoorzaken, die beide verantwoordelijk waren voor de 41 of 59 sterfgevallen in de studie. Het fenomeen van gezonde gevaccineerden, in combinatie met differentiële misclassificatie, verklaart gemakkelijk het "effect" op sterfte. Geen van beide biases verdween na 13 dagen follow-up.
Misclassificatie werd destijds zelden genoemd, maar iedereen besteedde wel lippendienst aan de mogelijkheid van verwarring door ongemeten gezondheidskenmerken. En er waren andere bronnen van misleidende gevolgtrekkingen, die we vandaag niet zullen bespreken. Er was een ware storm van vooroordelen gaande in die studie en in talloze 'praktijkstudies' daarna. Sterker nog, het fenomeen van de gezonde gevaccineerden alleen al was voldoende om de illusie van effectieve vaccinatie te creëren. vaccin en boosterdosis bij kwetsbare ouderen.
Vraagt u zich af of iets hiervan in “real time” is blootgelegd of vermoed?
Ja, het wasMaar niet in biomedische tijdschriften of in de mainstream media. Degenen die probeerden kritiek te uiten op de nieuwe gentherapie, waarvoor haastig een Nobelprijs werd toegekend, werden antivaxxers genoemd. Twijfelen aan de veiligheid van de injecties werd neerbuigend bestempeld als 'vaccinatietwijfel'. Het grootste deel van de wereld was... gehersenspoeld.
Krachtige krachten hebben de normale gang van zaken in de biomedische wetenschap verstoord, en het heeft jaren geduurd om ons terug te brengen naar waar we nu zijn. Misschien is dat wel de belangrijkste les voor u vandaag. "De wetenschap is vastbesloten" is altijd nepnieuws. Laat niemand het weten. censor opnieuw een wetenschappelijke uitwisseling.
Ik wil de lezing van vandaag afsluiten met een inzichtelijk citaat van Karl Popper, een wetenschapsfilosoof uit de 20e eeuw, met mijn aanvullingen tussen haakjes.
“Er zijn allerlei bronnen van onze kennis; maar niemand heeft autoriteit…De fundamentele fout die de filosofische theorie over de ultieme bronnen van onze kennis maakt, is dat ze niet duidelijk genoeg onderscheid maakt tussen vragen over de oorsprong [bijvoorbeeld, zo schreven data-analisten van Harvard in The New England Journal of Medicine] en vragen over de geldigheid [Heeft hun onderzoek inderdaad een bescherming tegen de dood aangetoond??].”
Opnieuw gepubliceerd van Medium
Doe mee aan het gesprek:
Uitgegeven onder a Creative Commons Naamsvermelding 4.0 Internationale licentie
Stel voor herdrukken de canonieke link terug naar het origineel Brownstone Instituut Artikel en auteur.
