Guten Morgen,
Vor zwanzig Jahren erlebte die Welt eine Viruspandemie namens Covid-Pandemie (damals Covid-19), die vor allem ältere Menschen betraf und deren Ausmaß übertrieben wurde. Das Virus wurde im Labor im Rahmen törichter und gefährlicher Gain-of-Function-Forschung erzeugt.
Viele von Ihnen waren zu jung, um sich an die Einzelheiten zu erinnern, aber ein bedeutendes Ereignis war die Entwicklung eines mRNA-Impfstoffs, der heute als Gentherapie bezeichnet wird. Er wurde nicht nur schnell entwickelt, sondern auch rasch getestet und galt als hochwirksam gegen Todesfälle durch Covid, basierend auf sogenannten „Real-World-Studien“. Es gab keine randomisierten Studien mit einem Mortalitätsendpunkt.
Wie wir heute wissen, war die neue Gentherapie alles andere als hochwirksam. Die „Realweltstudien“ waren voreingenommene Beobachtungskohorten, und die Wirksamkeit war vorübergehend und bestenfalls mittelmäßig. Wenn durch diese Injektionen viele Leben gerettet wurden, geschah dies nur in hypothetischen Modellen. nicht in der Sterbestatistik.
Zwanzig Jahre später untersuchen wir immer noch die langfristigen Folgen für Morbidität und Mortalität durch die Verbreitung von Lipid-Nanopartikeln (den mRNA-Trägern), durch selbstproduziertes toxisches Spike-Protein und abweichende Proteine in verschiedenen Geweben, durch erhöhte Konzentrationen von IgG4-Antikörpern nach wiederholten Injektionen und durch die Integration fremder DNA-Fragmente in das Genom.
Heute untersuchen wir die erste Studie die eine Wirksamkeit gegen Todesfälle durch Covid von 84 %, 72 %, 62 % oder 44 % – nach der ersten Injektion – berichteten, und daraus einige Lehren ziehen.
Der Artikel stützte sich auf Daten der größten Gesundheitsorganisation Israels und wurde im Februar 2021, nur zwei Monate nach Beginn der Impfkampagne, eingereicht und online veröffentlicht.
Erste Stunde: Sie sollten den Namen der Zeitschrift, die Namen der Autoren und den Zusatz „peer-reviewed“ immer ignorieren. Beides ist kein Indikator für valide Ergebnisse. Verzerrungen in Beobachtungsstudien sind schwer zu erkennen und zu beseitigen, und damals verstanden nur wenige Forscher die Bedeutung von das Phänomen der gesunden Impflinge (eine Art von Störfaktor) und unterschiedliche Fehlklassifizierung der Todesursache (eine Art von Informationsverzerrung). Beides ist heute unter Epidemiologen allgemein bekannt, dank der nur langsam veröffentlichten Daten zu Todesfällen ohne Covid-19 nach Impfstatus und der Überprüfung von Sterbeurkunden aus dieser Zeit anhand der zugehörigen Krankenhausunterlagen.
Zweite Lektion: Vertrauen Sie niemals einer Studie, deren Wirksamkeitsschätzungen gegen Todesfälle zwischen 44 % (unteres 95%-Konfidenzintervall: -36 %) und 84 % (oberes 95%-Konfidenzintervall: 100 %) liegen – innerhalb einer maximalen Nachbeobachtungszeit von etwa einem Monat. Die Schlussfolgerung ist übermäßig empfindlich gegenüber analytischen Entscheidungen, und der typische Grund dafür sind spärliche Daten.
In der großen Kohorte (etwa 41 Paare) wurden nur 600,000 Covid-Todesfälle gemeldet, in einer anderen Analyse waren es 59. Viele davon waren, wie wir später sehen werden, keine Covid-Todesfälle. Dass andere Endpunkte häufig waren, spielt keine Rolle. Kein Endpunkt kann den Tod ersetzen.
Sie sind wahrscheinlich überrascht, dass die Autoren die Wirksamkeit auf der Grundlage einer so geringen Zahl von Todesfällen schätzten und damit die öffentliche Gesundheitspolitik für Milliarden beeinflussten. Das war vor der Covid-Pandemie undenkbar und ist es auch heute noch. Man muss jedoch die Denkweise der Autoren im damaligen Kontext verstehen. Exzellente Forscher und die Mainstream-Medien waren stark voreingenommen gegenüber allem, was sowohl die Bedeutung der Pandemie als auch die Wirkung eines neuen Impfstoffs überhöhte. Es war akzeptabel, positive Ergebnisse auf der Grundlage spärlicher Daten zu veröffentlichen.
Dritte LektionWenn Sie von Zahlen, Modellen, Tabellen, Grafiken, Zusatzmaterial und komplexen analytischen Entscheidungen überwältigt sind, prüfen Sie, was Sie in einer einfachen Berechnung finden. Ich sage nicht, dass eine „grobe“ Analyse nicht irreführend sein kann, aber manchmal kann sie informativ genug sein. Als Nächstes werden wir eine einfache Analyse der Sterblichkeitsdaten durchführen.
Ich möchte Sie zunächst daran erinnern, dass jede kausale Schlussfolgerung auf Annahmen beruht, von denen einige trivial sind (z. B. die Integrität von Datendateien); andere sind komplizierter. Die Frage ist: Sind die Daten unter vernünftigen Annahmen mit einer nahezu Null-Wirksamkeit gegen Todesfälle vereinbar, anstatt mit einer Wirksamkeit von 44 bis 84 Prozent?
Die Antwort lautet „Ja“.
Ich gehe von zwei Annahmen aus:
1. Innerhalb der ersten zwei Wochen nach einer Injektion hätte kein Covid-Todesfall verhindert werden können, sodass jeder beobachtete Nutzen der ersten Dosis vor dem 14. Tag vollständig durch Verzerrung erklärt werden kann.
2. Die Verzerrungen, die in den ersten beiden Wochen wirksam waren, blieben auch in späteren Nachuntersuchungsintervallen wirksam.
Die Autoren akzeptierten die erste Annahme. Ihre Schätzungen der Wirksamkeit in den Hauptanalysen schlossen die ersten 13 Tage der Nachbeobachtung aus. Sie schrieben:
„Der Zeitraum unmittelbar nach der ersten Dosis, in dem sich die Immunität allmählich aufbaut, wurde in den Hauptanalysen nicht berücksichtigt, da das Risikoverhältnis in diesem Zeitraum voraussichtlich nahe 1 liegen wird.“
Zwei Grafiken zur kumulativen Covid-Sterblichkeit wurden präsentiert: eine im Hauptartikel (links); eine weitere in einem ergänzenden Anhang (rechts). Unter jeder Grafik berechnete ich das Sterberisikoverhältnis in drei aufeinanderfolgenden Zweiwochenintervallen.
Lässt man das erste Intervall aus, liegt die Impfstoffwirksamkeit (eins minus Risikoverhältnis) zwischen 44 % und 76 %, ähnlich der von den Autoren berichteten Schätzspanne (44 % bis 84 %). In diesem Fall stimmt eine einfache Analyse der spärlichen Daten weitgehend mit anspruchsvollen Analysen überein. Das war gut genug.
Anders als die Autoren habe ich die Daten der ersten zwei Wochen jedoch nicht als „vorübergehenden Anstieg der Fälle unter Ungeimpften“ abgetan, was nicht mehr als Wunschdenken war. Vielmehr ging ich davon aus, dass die damals bestehenden Vorurteile nicht auf wundersame Weise verschwunden sind.
Wie dem auch sei, ihr kollektives Ausmaß lässt sich anhand des Bias-Faktors abschätzen – dem Multiplikator, der den erwarteten Nulleffekt (Risikoverhältnis = 1) in den ersten zwei Wochen wiederherstellt. Er lag bei 3 (linke Tabelle) bzw. 2.3 (rechte Tabelle).
Wie Sie oben sehen, hat die Anwendung der Bias-Faktor-Korrektur auf die Schätzungen des Risikoverhältnisses in den nächsten zweiwöchigen Intervallen den Pseudovorteil der Einleitung des Zwei-Dosen-Impfprotokolls eliminiert. Wir beobachten eine typische zufällige Streuung um einen nahezu Null-Parameter: 0.72, 1, 1.2, 1.3. Und wenn wir die Schätzungen der Autoren um einen Bias-Faktor von 3 korrigieren, erhalten wir folgende Streuung: 0.48, 0.84, 1.1, 1.7.
Welche Vorurteile waren schuld und welche Beweise liegen uns vor, die auf ihre anhaltende Existenz schließen lassen?
Es gab mindestens zwei davon: eine falsche Klassifizierung der Todesursache und das Phänomen des gesunden Impflings.
Im Großen und Ganzen bedeutet Fehlklassifizierung, dass einige Covid-Todesfälle fälschlicherweise als Nicht-Covid-Todesfälle und andere Nicht-Covid-Todesfälle fälschlicherweise als Covid-Todesfälle klassifiziert wurden. Wir konzentrieren uns auf den letztgenannten Fall, der weitaus häufiger vorkam.
Damals war es selbstverständlich und finanziell lukrativ, Todesfälle – ob richtig oder falsch – Covid zuzuschreiben. In Israel beispielsweise war die Hälfte der gemeldeten Covid-Todesfälle während der Impfkampagne trug nicht zur Übersterblichkeit bei, was bedeutet, dass diese Menschen unabhängig von ihrem positiven PCR-Test gestorben wären. Sie sind nicht an Covid gestorben, und ein Covid-Impfstoff hätte sie nicht retten können.
Daraus folgt, dass etwa 20 von 41 Todesfällen in der Studie (oder 30 von 59) nicht auf Covid zurückzuführen waren. Wenn dem so ist, hat die Studie das Ausmaß der Verzerrungen (den Pseudoeffekt auf Todesfälle ohne Covid) ebenso geschätzt wie die Wirksamkeit (gegen Todesfälle durch Covid)…
Dass viele der gemeldeten Covid-Todesfälle nicht durch das Virus verursacht wurden, zeigt sich auch an der Verteilung der Zeit bis zum Tod in der Studie. Der Medianwert lag bei nur 11 Tagen nach einem positiven PCR-Test (obere Abbildung) und damit kürzer als die typische Verteilung nach Symptombeginn (untere Abbildung) – ein Medianwert von 19 Tagen –, selbst wenn die Tests 1–3 Tage nach Symptombeginn erfolgten. Mit anderen Worten: Die Verteilung war im Vergleich zu dem, was wir bei tatsächlichen Covid-Todesfällen erwarten, nach links verschoben.
Warum wurde die Frist verschoben? Weil viele Todesfälle andere Ursachen hatten. Es handelte sich um Todesfälle von Patienten, die aus verschiedenen Gründen hospitalisiert waren und bei der Aufnahme einen zufälligen, positiven PCR-Test aufwiesen. Bedenken Sie, dass mindestens 50 % der Infektionen asymptomatisch verliefen und die Impfkampagne mit einer Covid-XNUMX-Welle im Winter zusammenfiel.
Wir haben also klare Beweise für eine Fehlklassifizierung der Todesursache, aber es war schlimmer. Die Fehlklassifizierung war differenziell, d. h. „abhängig vom Impfstatus“.
Die Fehlklassifizierung war unterschiedlich, weil PCR-Tests nicht einheitlich durchgeführt wurden. Geimpfte Personen wurden seltener getestet als Ungeimpfte, und zwar aus zwei plausiblen Gründen: Erstens könnten manche Ärzte und manche Geimpfte Covid-Symptome auf „Reaktogenität“ – Covid-ähnliche Symptome nach der Impfung – zurückgeführt haben, weshalb auf PCR-Tests verzichtet wurde. Zweitens, und wichtiger, ging man davon aus, dass die Gentherapie hochwirksam sei. Warum also sollte man bei Geimpften einen PCR-Test durchführen? Darüber hinaus wurde von solchen Tests ausdrücklich abgeraten.
Die unterschiedliche Fehlklassifizierung des Infektionsstatus übertrug sich auf andere Endpunkte, einschließlich Todesfälle. Obwohl Covid-Todesfälle damals insgesamt übererfasst wurden, war die Wahrscheinlichkeit geringer, dass die Geimpften erfasst wurden als die Ungeimpften. Ich weiß, es ist etwas kompliziert. Das Ergebnis der Testverzerrung ist jedenfalls offensichtlich: eine niedrigere gemeldete Covid-Todesrate bei Geimpften – Pseudowirksamkeit.
Fragen Sie nach allen Todesursachen in der Studie?
Die Daten lagen den Autoren vor, wurden aber nicht veröffentlicht. Tatsächlich wurden in den meisten Arbeiten aus dieser Zeit Todesfälle, die nicht auf Covid zurückzuführen waren, konsequent verschwiegen. Die Covid-Impfstoffforschung war stark voreingenommen, bewusst oder unbewusst. Ich weiß, es ist schwer zu glauben.
Die unterschiedliche Fehlklassifizierung der Todesursache ging mit einer weiteren starken Verzerrung einher, die heutzutage allgemein anerkannt ist: das Phänomen der gesunden Impflinge. Geimpfte Menschen waren gesünder als ihre ungeimpften Gegenstücke, und herkömmliche Anpassungsmethoden konnten diese Verzerrung nicht vollständig beseitigen.
Damals taten viele Forscher diese Verzerrung als vorübergehende Verzerrung ab: Kranke Menschen zögerten mit der Impfung, bis sie wieder genesen waren, und Menschen mit geringer Lebenserwartung wurden nicht geimpft.
Das stimmte natürlich, aber das Phänomen der gesunden Geimpften ist weit verbreitet und langanhaltend. Aus verschiedenen psychosozialen Gründen waren Menschen, die gegen Grippe oder Covid geimpft wurden, von vornherein gesünder. Infolgedessen starben sie seltener an Covid. und aus nicht-Covid-Ursachen, die beide die 41 bzw. 59 Todesfälle in der Studie ausmachten. Das Phänomen der gesunden Geimpften, gepaart mit der unterschiedlichen Fehlklassifizierung, erklärt den „Effekt“ auf die Sterblichkeit leicht. Keine der beiden Verzerrungen verschwand nach 13 Tagen Nachbeobachtung.
Fehlklassifizierungen wurden damals selten erwähnt, aber jeder sprach zumindest Lippenbekenntnisse zur Möglichkeit einer Verwechslung durch nicht erfasste Gesundheitsmerkmale ab. Und es gab andere Quellen irreführender Schlussfolgerungen, auf die wir heute nicht näher eingehen werden. In dieser Studie und in unzähligen späteren „Realweltstudien“ war ein perfekter Sturm von Vorurteilen im Gange. Tatsächlich reichte allein das Phänomen der gesunden Impflinge aus, um die Illusion einer wirksamen Impfstoff und Auffrischungsdosen bei gebrechlichen älteren Menschen.
Fragen Sie sich, ob irgendetwas davon in „Echtzeit“ aufgedeckt oder vermutet wurde?
Ja, es war. Aber nicht in biomedizinischen Fachzeitschriften oder in den Mainstream-Medien. Diejenigen, die versuchten, die neuartige Gentherapie zu kritisieren, für die hastig ein Nobelpreis verliehen wurde, wurden als Impfgegner bezeichnet. Zweifel an der Sicherheit der Injektionen wurden herablassend als „Impfskepsis“ bezeichnet. Der Großteil der Welt war gehirngewaschen.
Mächtige Kräfte haben den normalen Verlauf der biomedizinischen Wissenschaft aus der Bahn geworfen, und es hat viele Jahre gedauert, bis wir wieder dort waren, wo wir heute sind. Vielleicht ist das die wichtigste Lektion für Sie heute. „Die Wissenschaft ist sich einig“ ist immer eine Falschmeldung. Lassen Sie sich nicht von jemandem zensieren wieder ein wissenschaftlicher Austausch.
Lassen Sie mich die heutige Vorlesung mit einem aufschlussreichen Zitat beenden von Karl Popper, ein Wissenschaftsphilosoph des 20. Jahrhunderts, mit meinen Ergänzungen in Klammern.
„Es gibt alle möglichen Quellen unseres Wissens; aber keiner hat Autorität…Der grundlegende Fehler der philosophischen Theorie der ultimativen Quellen unseres Wissens besteht darin, dass sie nicht klar genug zwischen Fragen des Ursprungs unterscheidet [z. B. schrieben Datenanalysten aus Harvard dies in The New England Journal of Medicine] und Fragen der Gültigkeit [Hat ihre Studie tatsächlich einen Schutz vor dem Tod gezeigt??].”
Veröffentlicht von Verwendung
Tritt dem Gespräch bei:
Veröffentlicht unter a Creative Commons Namensnennung 4.0 Internationale Lizenz
Für Nachdrucke setzen Sie bitte den kanonischen Link wieder auf das Original zurück Brownstone-Institut Artikel und Autor.
