Die Bilanz der Pandemie-Sterblichkeit

In der anhaltenden Auseinandersetzung um die Geschichte der Pandemiejahre ist nichts wichtiger als die Sterblichkeit – haben uns die Regierungen der Welt vor dem Massensterben bewahrt oder nicht?

Die große Strategie (die, wie ich bereits sagte, weder groß noch strategisch war) bestand darin, die Bevölkerung ganzer Länder als Übergangsmaßnahme einzusperren, „bis ein Impfstoff verfügbar ist“.

Dies war eine neuartige (und völlig unbewiesene) Strategie zur Bekämpfung eines angeblich völlig neuen Virus, basierend auf der Annahme, dass noch nie ein Mensch mit einem Virus wie SARS-CoV-2 in Kontakt gekommen war und daher niemand über eine bestehende Immunität verfügte. Doch der Name gibt den entscheidenden Hinweis: SARS-CoV-2 wurde nach SARS benannt, mit dem es eng verwandt ist und laut einer Studie in Nature etwa 79 % seiner Genomsequenz teilt . Es gehört zu einer Gruppe von Coronaviren, und eine weitere Studie in Nature untersuchte das Ausmaß der Kreuzreaktivität mit diesen Viren, einschließlich der Erkältungsviren, und sogar mit anderen Virusfamilien. Es war zwar in gewisser Weise neuartig, aber nicht einzigartig.

Die politischen Entscheidungsträger hätten also den Anfang 2020 aufgestellten Behauptungen, SARS-CoV-2 würde zu extremen Sterblichkeitsraten führen, skeptisch gegenüberstehen sollen. Dies hat erhebliche Auswirkungen auf die Behauptungen, die große Strategie sei ein Erfolg gewesen, weil diese Sterblichkeitsraten nicht eingetreten seien. Wenn sie nie eintreten würden, dann müssten wir auch nicht davor bewahrt werden.

Der Einsatz von Impfstoffen sollte „das Ende der Pandemie“ herbeiführen. Die klinischen Tests der Impfstoffe zeigten angeblich, dass sie symptomatische Infektionen um über 90 % reduzieren könnten.

Auf Bevölkerungsebene ergibt das keinen Sinn. Wenn über 90 % der Infektionen durch Impfungen verhindert werden sollten und bis Ende Mai 2023 in den USA 270 Millionen Menschen geimpft waren (bei einer Gesamtbevölkerung von rund 340 Millionen), wie kommt es dann laut „ Our World in Data“ zu über 100 Millionen bestätigten Fällen ? Es ist kaum zu glauben, dass fast 100 Millionen der 170 Millionen Ungeimpften infiziert waren. Zumal eine Studie der Cleveland Clinic gezeigt hat, dass im Durchschnitt die Wahrscheinlichkeit einer Infektion mit zunehmender Impfquote steigt.

Man ging davon aus, dass die Verringerung der Infektionen zu einer entsprechenden Senkung der Sterblichkeit führen würde (was jedenfalls nicht der Fall zu sein scheint), doch die klinischen Studien zeigten keine Unterschiede in der Sterblichkeit zwischen den den Impfstoffen ausgesetzten Gruppen und den Placebogruppen. Die gängige Verteidigung lautet, dass die Studien nicht ausreichend dimensioniert waren, um Unterschiede festzustellen, da die Versuchspopulationen nicht groß genug waren. Aus demselben Grund dürfen wir jedoch auch die folgende Schlussfolgerung ziehen: Die klinischen Studien haben nicht nachgewiesen, dass die Impfstoffe die Sterblichkeit senken können.

Im Bereich der Qualitätssicherung beurteilen wir den Erfolg einer Intervention oder eines Programms, indem wir die tatsächlichen Ergebnisse mit den Behauptungen vergleichen.

Tatsächlich setzten sich die Infektionswellen und die erhöhte Sterblichkeit auch nach der Einführung der Impfstoffe im Jahr 2021 fort, wobei es in den USA zwei schwere Wellen gab und die Spitzenwerte Ende Januar des darauffolgenden Jahres erneut erreicht wurden. Es gab zwar einen Trend rückläufiger Spitzenwerte, aber es ist nicht erkennbar, dass sich dieser Trend infolge der Impfkampagne geändert hat, wie dies im Verlauf jeder Pandemie zu erwarten wäre.

Die allgemeine Auffassung möchte uns glauben machen, dass die Impfstoffe zwar die Gesamtinfektionsrate nicht gesenkt haben, aber irgendwie die Zahl der Krankenhauseinweisungen und Todesfälle durch Covid-19 verringert haben. Auch hier widerspricht es der Vorstellung, dass Impfungen die Infektion nicht ausreichend verhindern und dennoch die Zahl der Erkrankungen verringern können.

Diese Erfolgsbehauptungen stützen sich nicht auf handfeste Beweise. 

Eine Reihe aktueller Studien liefert eindeutige Beweise dafür, dass die Gesamtstrategie gescheitert ist. Um es bildlich auszudrücken: Wir müssen genauer hinschauen, denn die gängige Darstellung kommt meist zu dem Schluss, die Strategie sei erfolgreich gewesen. Die Daten zeichnen jedoch mitunter ein anderes Bild. Dies zeigt, dass die Autoren voreingenommen sind und ihre Daten verlässlicher sein können als ihre Darstellungen.

Nehmen wir beispielsweise eine Studie von Bajema et al ., die auf Patientendaten der US-Veteranenbehörde basiert. Sie kamen zu dem Schluss:

Diese Kohortenstudie zeigte, dass in der Saison 2022/2023 eine Infektion mit SARS-CoV-2 mit schwereren Krankheitsverläufen verbunden war als eine Grippe oder RSV, während die Unterschiede in der Saison 2023/2024 weniger ausgeprägt waren.

In beiden Saisons war RSV eine mildere Erkrankung, während COVID-19 mit einer höheren Langzeitsterblichkeit verbunden war. Durch die Impfung wurden die Unterschiede in der Schwere der Erkrankung und der Langzeitsterblichkeit gemildert.

Das scheint schlüssig, nicht wahr?

Die Schlussfolgerungen basieren jedoch auf den in Abbildung 2A zusammengefassten Daten. Diese umfassen:

Diese Zahlen zeigen, dass die Sterblichkeitsrate von Covid-19 in den letzten 180 Tagen tatsächlich höher war – allerdings um weniger als 1 Prozent. Es sollte sich um eine nur alle 100 Jahre vorkommende Pandemie handeln, die eine Schneise der Bevölkerung heimsuchen würde und dramatisch gefährlicher als die Grippe war, sodass die ganze Welt in den Ausnahmezustand versetzt werden musste. War dies gerechtfertigt für eine Krankheit, die eine um weniger als 1 Prozent höhere Sterblichkeitsrate aufwies als die Grippe? In vielen Medienartikeln wurde die Behauptung verhöhnt, Covid-19 stelle eine ähnliche Krankheitslast wie die Grippe dar, doch im Laufe der Zeit hat sich dies als vergleichbar erwiesen.

Wie sehr hat die Impfung geholfen? Abbildung 2 zeigt uns diesen Vergleich für die Covid-19-Patienten.

In einer Studie, die auf einer sorgfältig ausgewählten und verarbeiteten Teilpopulation einer Teilpopulation basiert, lagen die Geimpften nach 180 Tagen um ein halbes Prozent vorn. Ist das das Beste, was sie erreichen können? Ist das statistisch signifikant?

Studien, die auf der Übersterblichkeit in der Gesamtbevölkerung eines Landes basieren, können die methodischen Probleme vermeiden, die durch die Variabilität bei der Zuordnung von Todesfällen zu Covid-19 und die Selektivität der Studienpopulationen entstehen. Erwähnenswert ist ein kürzlich erschienener Preprint von Dahl et al.: „ Covid-19 mRNA-Impfung und Gesamtmortalität in der erwachsenen Bevölkerung Norwegens in den Jahren 2021–20: eine bevölkerungsbasierte Kohortenstudie“ . Auch sie gelangen zu der obligatorischen Schlussfolgerung:

In Norwegen war im Zeitraum 2021–2023 bei geimpften Personen die Gesamtsterblichkeitsrate niedriger.

Aber noch einmal: Wie stützen die Daten diese Schlussfolgerung?

Betrachtet man die Daten für beide Geschlechter und liest sie von rechts nach links, so steigt die Zahl der Todesfälle pro 100,000 Einwohner im Jahr für alle Altersgruppen stetig an, mit Ausnahme der Jüngsten, bei denen Todesfälle selten waren.

Im Gegensatz dazu steigen sie für die älteste Altersgruppe (65+) von 3.40 ohne Dosis auf 7.25 mit 1-2 Dosen und auf 19.21 mit 3+ Dosen. Welche obskure statistische Magie haben sie angewandt, um zu Inzidenzratenverhältnissen zu gelangen, die in die entgegengesetzte Richtung zu den Todesfällen pro Personenjahr gehen? Und warum erklären sie das nicht in der Erzählung?

Bei einer einfachen Lektüre der Zahlen hinter dem Text war die Gesamtmortalität bei den Geimpften in diesem Zeitraum in Norwegen mindestens doppelt so hoch wie bei den Ungeimpften. Sie kamen jedoch zum umgekehrten Schluss.

Deshalb müssen wir von unseren Wissenschaftlern als Erstes verlangen, dass sie zu Schlussfolgerungen gelangen, die eindeutig durch die Daten gestützt werden!

Artikel über Impfungen werden durch Bestätigungsfehler erheblich geschwächt. Der Glaube der Autoren an Impfungen ist so stark, dass sie alle Daten normalerweise als Unterstützung für Impfungen interpretieren, selbst wenn sie dagegen sprechen.

Eine weitere umfassende Studie wurde von Pinheiro Rodrigues und Andrade an allen Patienten durchgeführt, bei denen in Brasilien im Zeitraum von 2020 bis 2023 Covid-19 diagnostiziert wurde . Ihre Schlussfolgerung wurde im Abstract zusammengefasst:

Die Schutzwirkung der COVID-19-Immunisierung konnte bis zu einem Jahr nach Auftreten der ersten Symptome beobachtet werden. Nach einem Jahr war der Effekt jedoch wieder rückgängig gemacht worden und es zeigte sich ein erhöhtes Sterberisiko für die Geimpften.

Dies wird in Abbildung 1 mit der Anzahl der Überlebenstage auf der X-Achse veranschaulicht:

Wir müssen diesen Autoren gratulieren, dass sie zu Schlussfolgerungen gelangt sind, die ihre Daten genau widerspiegeln, was in diesem Zusammenhang ungewöhnlich ist. Dies hat natürlich dazu geführt, dass das Papier nach der Veröffentlichung von der Zeitschrift untersucht wurde, was bei Arbeiten, die zu orthodoxen Schlussfolgerungen zum Thema Impfung gelangen, die normalerweise für bare Münze genommen werden, nie der Fall ist. Publikationsbias ist weit verbreitet – wie werden die angesehenen Peer-Reviewer mit dem Dahl-Papier umgehen? Das Schicksal dieser beiden Papiere wird ein entscheidender Test sein. Nach dem derzeitigen Stand würde man erwarten, dass die Brasilien-Studie zurückgezogen und das Dahl-Papier angenommen wird.

Die Studien, die zu positiven Schlussfolgerungen gelangen, basieren entweder auf ausgewählten Zeiträumen (Varianten des sogenannten Case-Counting-Window-Bias) oder auf Modellierungen.

Nehmen wir beispielsweise Christopher Ruhms Querschnittsstudie zu US-Bundesstaaten , die untersuchen sollte, ob staatliche Covid-19-bedingte Beschränkungen (nicht-pharmazeutische Interventionen oder NPIs + Impfpflicht) die Zahl der Pandemietoten in den USA beeinflussten. Die Studie basierte auf Daten der gesamten US-Bevölkerung und war daher in diesem Sinne umfassend. Ruhm kommt zu dem Schluss:

Diese Querschnittsstudie deutet darauf hin, dass strenge COVID-19-Beschränkungen insgesamt mit einem erheblichen Rückgang der pandemiebedingten Sterblichkeit einhergingen, wobei Verhaltensänderungen plausibel als wichtiger Erklärungsmechanismus dienen.

Der entscheidende Faktor ist jedoch das Zeitfenster: „Die Hauptuntersuchung umfasst den 2-Jahreszeitraum von Juli 2020 bis Juni 2022.“ Was ist mit den früheren Monaten? Dies ist wichtig, da die erste Welle der Covid-19-Sterblichkeit die Nordoststaaten schwer traf und im Zeitfenster nicht berücksichtigt wird. Nachfolgende Wellen trafen die Süd- und Weststaaten, sodass die Schwankungen der Übersterblichkeitsraten im Laufe des Zeitraums stark von der Geografie beeinflusst wurden, was wahrscheinlich ein Störfaktor war. Dies ist in Abbildung 2C für den Untersuchungszeitraum ersichtlich:

Abbildung 2E umfasst den früheren Zeitraum und zeigt deutlich ein umgekehrtes Muster: In Staaten mit schwerwiegenderen NPIs („über dem Median“ – die orange Linie) ist die Sterblichkeit viel höher als in Staaten ohne diese NPIs.

Die Staaten mit weniger strengen Eingriffen hatten nach Juli 2021 etwa einen Monat lang eine höhere Sterblichkeit, was fast den gesamten Unterschied im primären Untersuchungszeitraum zu erklären scheint. Am Ende des Zeitraums geht die orange Linie wieder nach oben – was geschah dann? 

Man erinnere sich an die brasilianische Studie, in der festgestellt wurde, dass die Schutzwirkung der Covid-19-Impfung bis zu einem Jahr nach den ersten Symptomen anhielt, nach einem Jahr war der Effekt jedoch umgekehrt.

Beachten Sie auch die Studie „Estimation of Excess Mortality in Germany During 2020-2022“ von Kuhbandner und Reitzner. Die Autoren weisen zu Recht darauf hin, dass man sich bei der Interpretation von Schätzungen des Anstiegs der Sterblichkeit der Modell- und Parameterwahl bewusst sein muss.

Im weiteren Verlauf ihres Papiers stellen sie die Übersterblichkeit seit März 2020 gegenüber Impfungen in einer Zeitleiste dar. Es ist offensichtlich, dass es sowohl vor als auch nach der Impfkampagne Spitzenwerte der Übersterblichkeit gibt, die gegen Ende des Untersuchungszeitraums stark ansteigen:

Sie schließen daraus:

Im Jahr 2020 lag die beobachtete Zahl der Todesfälle extrem nahe an der erwarteten Zahl, im Jahr 2021 lag die beobachtete Zahl der Todesfälle jedoch weit über der erwarteten Zahl, in der Größenordnung der doppelten empirischen Standardabweichung, und im Jahr 2022 lag sie sogar mehr als viermal so hoch wie die empirische Standardabweichung.

Dies kann nicht als Erfolg der Impfkampagne gewertet werden. Sie hätte übermäßige Todesfälle verhindern sollen, hat dies aber nicht getan.

Alessandria et al. veröffentlichten eine kritische Analyse der Gesamtmortalität während der COVID-19-Impfungen in einer italienischen Provinz (Pescara). Dabei wurde ein bestehender Datensatz neu analysiert, um den „Immortal Time Bias“ zu korrigieren, indem die Bevölkerung auf ein einziges Stichtagsdatum (1. Januar 2021) ausgerichtet wurde.

Sie fanden, dass:

Die Gesamttodesrisikoquoten in der univariaten Analyse für geimpfte Personen mit 1, 2 und 3/4 Dosen gegenüber ungeimpften Personen lagen bei 0.88, 1.23 bzw. 1.21. Die multivariaten Werte lagen bei 2.40, 1.98 und 0.99.

Die Hazard Ratios für die dritte und vierte Dosis sind oft niedriger, da es sich dabei um die jüngsten Impfungen handelt und, wie wir in der brasilianischen Studie gesehen haben, anfängliche Verbesserungen später wieder zunichte gemacht werden.

Alessandria et al. schließen ihren Bericht mit der Untersuchung verschiedener Verzerrungen ab, die Impfstudien beeinflussen können. Dazu gehört eine spezielle Form der Verzerrung durch das Zählfenster, bei der die Ergebnisse der ersten 10–14 Tage nach der Impfung in Beobachtungsstudien für die Impfstoffgruppe nicht berücksichtigt werden, ohne dass es eine entsprechende Kontrollgruppe gibt. Laut Fung et al . kann daher „ein völlig unwirksamer Impfstoff als hochwirksam erscheinen“ (48 % Wirksamkeit in dem von ihnen anhand von Daten der randomisierten Phase-III-Studie von Pfizer berechneten Beispiel).

Während ich meine Rezension abschloss, veröffentlichten die Annals of Internal Medicine die Studie „Wirksamkeit der Covid-19-Impfstoffe XBB.1.5 2023–2024 im Langzeitverlauf“ von Ioannou et al. Diese Studie versucht, eine kontrollierte klinische Studie zu simulieren, indem sie mit XBB.1.5 geimpfte Personen mit passenden ungeimpften Kontrollpersonen vergleicht. Die Ergebnisse sind wenig vielversprechend:

Die Wirksamkeit des Impfstoffs gegen SARS-CoV-2-bedingte Todesfälle nahm kontinuierlich ab, wenn sie nach 60, 90 und 120 Tagen Nachbeobachtung festgestellt wurde (54.24 %, 44.33 % bzw. 30.26 %), und war sogar noch geringer (26.61 %), wenn sie bis zum Ende der Nachbeobachtung verlängert wurde.

Dies wird in Abbildung 3 dargestellt:

Das Fallzählfenster scheint also Tag 10 bis Tag 210 zu sein. Was außerhalb des Fensters passiert, ist nicht bekannt. Wenn selbst bei einem Fallzählfenster-Bias schlechte Ergebnisse verzeichnet werden, muss die Realität noch schlimmer sein.

Wir haben eine Auswahl von Beobachtungsstudien überprüft. Im besten Fall zeigen die Daten darin keinen wesentlichen Vorteil für die Impfung, und im schlimmsten Fall gibt es in der geimpften Gruppe mehr Todesfälle.

Darüber hinaus gab es eine Reihe kontrafaktischer Studien, in denen die Sterblichkeit während des Pandemiezeitraums mit der erwarteten Sterblichkeit verglichen wurde. 

Die erste dieser Studien von Watson et al. schätzte, dass im ersten Jahr der Impfung in 185 Ländern 14.4 Millionen Todesfälle durch Covid-19 verhindert wurden; diese Zahl stieg auf fast 20 Millionen, wenn man die Übersterblichkeit als Maßstab nahm.

Dies sind außergewöhnliche Zahlen, die die Öffentlichkeit stark beeindruckt haben und häufig in den Medien zitiert werden. Sie wurden in einer Studie von Ioannidis et al . aktualisiert. Angesichts der nachlassenden Wirkung der Covid-19-Impfung kommen diese Autoren erwartungsgemäß zu konservativeren Zahlen, die von über 2.5 Millionen geretteten Leben ausgehen.

Beide Studien basieren jedoch lediglich auf Annahmen über die Wirksamkeit der Impfstoffe, die sie in ihre Berechnungen einbeziehen. Ioannidis et al. gehen von einer Impfstoffwirksamkeit (VE) von 75 % vor und 50 % während der Omicron-Phase aus. Diese Werte stützen sich vermutlich auf die in klinischen Studien zu symptomatischen Infektionen ermittelte VE , doch eine empirische Grundlage für die Schätzungen der vermiedenen Mortalität ist nicht ersichtlich.

Modellierung ist kein Beweis und kommt in den hierarchischen Pyramiden der evidenzbasierten Medizin (EBM) nicht vor. Wenn Sie davon ausgehen, dass Ihre Behandlung wirksam ist, und dann ihre Wirkung auf eine bestimmte Population berechnen, werden Sie unweigerlich feststellen: Ihre Behandlung ist wirksam! Die Hypothese ist nicht widerlegbar und die Argumentation ist zirkulär.

Die angeblich extreme Bedrohung durch die Covid-19-Pandemie, die die Regierungen in Panik zu Notmaßnahmen trieb, wurde größtenteils durch Modellrechnungen erzeugt, die davon ausgingen, dass es ohne neuartige Gegenmaßnahmen zu extrem hohen Todesfällen kommen würde. Es kam zu einer Pandemie, die sich nie wiederholen sollte. Rückblickend versuchen die Orthodoxen nun zu zeigen, dass die fiktiven Sterblichkeitsraten auf die Gegenmaßnahmen zurückzuführen sind, weil sie nicht eingetreten sind.

Aus diesen Studien ergeben sich drei mögliche Szenarien für die mittelfristige Sterblichkeit:

1. VE = 50-70%
2. VE = 0 %
3. VE ist negativ

Für das erste Szenario fehlen empirische Belege. Die anderen Szenarien sind inakzeptabel. Szenario 2 ist inakzeptabel, da wir Menschen keine Behandlungen verabreichen können, wenn diese keinen Nutzen bringen und sie möglicherweise Nebenwirkungen ausgesetzt sind. Die Nebenwirkungen der Covid-19-Impfstoffe sind, wie Fraiman et al. gezeigt haben, ungewöhnlich hoch.

Die negativen Auswirkungen der Lockdowns nehmen weiterhin zu, insbesondere auf die psychische Gesundheit und das Bildungsniveau junger Menschen. Laut Ferwana und Varshney :

Die Ergebnisse zeigen, dass der Lockdown die Inanspruchnahme von Einrichtungen der psychischen Gesundheitsversorgung in Regionen mit Lockdowns im Vergleich zu Regionen ohne Lockdowns signifikant und kausal erhöht hat. Insbesondere stieg die Ressourcennutzung in Regionen mit Lockdown um 18 %, während sie in Regionen ohne Lockdown um 1 % zurückging. Frauen waren zudem stärker von den Auswirkungen des Lockdowns auf ihre psychische Gesundheit betroffen. Die Diagnose von Panikstörungen und die Reaktion auf starken Stress nahmen durch den Lockdown signifikant zu. Die psychische Gesundheit reagierte empfindlicher auf die Lockdowns als auf die Pandemie selbst.

Die Pandemie-Strategie war das größte Experiment der öffentlichen Gesundheit in der Geschichte. Als Vorsitzender eines Ethikkomitees für die Forschung am Menschen würde ich gegen jeden Vorschlag stimmen, bei dem der Nettonutzen wahrscheinlich gleich Null oder sogar noch höher ist. Der Nutzen muss nachweislich die Risiken übersteigen.

In meiner Heimatstadt Melbourne im Bundesstaat Victoria wurde die gesamte Bevölkerung insgesamt 262 Tage lang unter Hausarrest gestellt. Anschließend wurden allen „systemrelevanten Arbeitskräften“ strenge Impfvorschriften auferlegt (und es stellte sich heraus, dass fast alle Arbeitskräfte systemrelevant waren), und die Ungeimpften wurden von öffentlichen Orten ausgeschlossen und als Gesundheitsrisiko betrachtet. Wie andere Inselstaaten hat sich Australien während der Zeit der Grenzschließungen recht gut geschlagen, aber die große Strategie hat nicht funktioniert – nach der zwischenzeitlichen NPI-Periode konnte die Einführung von Impfstoffen die Übersterblichkeit nicht wie vorgesehen verhindern:

Ein wesentlicher Grundsatz sollte sein, dass umso mehr konkrete Beweise für die Wirksamkeit von Maßnahmen des öffentlichen Gesundheitswesens erforderlich sind, je schwerwiegender die Eingriffe in die individuelle Freiheit sind, die diese mit sich bringen. 

Regierungen sollten nicht in der Lage sein, individuelle Freiheiten mit Füßen zu treten, weil sie glauben, dass ihre Interventionen theoretisch funktionieren könnten , und sie dann im Nachhinein mit statistischen Tricks zu rechtfertigen.