Die genaue Analyse britischer Sterbezahlen fördert fragwürdige Datenqualität zu Tage
Die Corona Pandemie ist eine Pandemie der Zahlen. Seit März 2020 werden wir von Zahlenwellen überrollt die jeweils Interpretationen zulassen. Über die Wirksamkeit einer Therapie Aussagen zu machen ist unter diesen Umständen schwierig. Die Daten zur Übersterblichkeit waren bisher der zuverlässigste Indikator. Stimmt das noch?
Von Gastautor Dr. Hans-Joachim Kremer
Eine Gruppe um den britischen Statistiker Prof. Norman Fenton hat am 17. November 2021 ein Video herausgebracht das es in sich hat. Es trägt den eher drögen Titel „Analysing Covid vaccine efficiency and safety statistics“ (siehe unten) bzw. „Systemic flaws in Covid-19 vaccine efficieny and safety statistics“. Unten zu sehen die Youtube-Version des Videos. Falls dieser Link demnächst ins Leere gehen sollte dürfte man dann auf seiner Homepage fündig werden.
Fenton und seine Leute haben nach eigener Aussage nicht weniger als 29 wissenschaftliche Arbeiten rund um Corona verfasst und eingereicht, aber die letzten 12 wurden alle nicht mehr akzeptiert. Die darin gemachten Aussagen waren den Verlagen offenbar „zu heiß“, d.h. eine Herausforderung für das „official narrative“.
Eine schöne Gegenüberstellung zeigt das Video zum Verlauf der symptomatischen und positiv-getesteten Fälle (Abb. 1). Man erkennt, dass es im März-April 2020 in Großbritannien tatsächlich eine eindeutige Welle an Erkrankungen gab, wo Leute die üblicherweise angenommenen Symptome von Covid-19 zeigten („ill with symptoms“). Die Kurve der positive Getesteten („testing positive“) zeigt aber praktisch keine Gemeinsamkeit. Und noch weniger die gigantisch angewachsene Zahl an Tests („tested“). Diese Verhältnisse zeigen geradezu lehrbuchartig eine Laborpandemie. Nur hört man so etwas eigentlich nicht oder kaum von Politik und Medien, bis auf jene Aussage von Jens Spahn aus dem Sommer 2020 zu „viel testen“.
- Zeitverläufe von Leuten mit Symptomen, positivem Test und überhaupt Tests
Screenshot aus dem besprochenen Video.
Fentons Schlussfolgerung dazu:
„My view is that on the official Covid data for these (infected, hospitalized, deaths; Anmerkung des Verfassers) is essentially useless.“
„Meiner Meinung nach sind die offiziellen Covid-Daten dazu (Infizierte, Hospitalisierte, Tote, Anmerkung des Verfassers) absolut nutzlos.“
Und so zeigt er weitere Beispiele, bei denen die „Propaganda“ falsche Zahlen und Zusammenhänge bringt. Eines der Probleme ist, dass die meisten Leute bei Raten nahe der 0% und ebenso nahe der 100% das Problem vergessen oder übersehen, dass die Verhältnisse asymptotisch werden und für die meisten intuitiv nicht mehr verstehbar. Er bringt dazu das Beispiel von PCR-Pool-Tests, bei denen 10.394 „Pools“ getestet wurden, aber nur 43 „Pools“ waren positiv, d.h. die einzelnen Proben mussten nachgetestet werden: 36 „Pools“ waren dann negativ. Im Ergebnis waren die Falsch-Positiv-Rate zwar sehr niedrig, nämlich nur 0,35%, aber umgekehrt waren eben 84% aller positiven Fälle falsch. Und je mehr man testet, desto größer werden solche Probleme.
Hinzukommt bei Covid-19 die völlig unterschiedliche Teststrategie für Geimpfte (in einem Beispiel aus einem Artikel aus „The Lancet“: nur 1 von 6) und für Ungeimpfte (in jenem Beispiel: jeder zweimal). Und solche Verhältnisse dürften im Prinzip für die meisten westlichen Staaten gelten. Dies führt natürlichen zu einer völligen Verzerrung der Inzidenzen in beiden Gruppen.
Die britischen Daten
Fenton kommt dann zu den offiziellen britischen Statistiken. Man muss hier den Briten hoch anrechnen, dass sie epidemiologische Daten zu Geimpften und Ungeimpften zur Verfügung stellen. Die meisten anderen Länder veröffentlichen nicht einmal solche Daten.
So ging aus den britischen Daten zum 4. bis 31. Oktober 2021 hervor, dass Geimpfte eine höhere Rate an „Covid-19-Infektionen“ zeigt als Ungeimpfte – und dies trotz des Bias (Neigung), der eigentlich den Geimpften eine niedrigere Testrate und dadurch niedrigere „Infektionsinzidenz“ bescheren sollte. Die entsprechende Veröffentlichung führte zu einem recht bösen Tweet von einem der namhaftesten britischen Statistiker, David Spiegelhalter, der meinte, man solle andere Daten (nämlich jene vom Office for National Statistics, ONS) zugrunde legen. Fenton meinte daraufhin:
- War er gar nicht an Impfwirksamkeit interessiert, sondern an der Gesamtsterblichkeit.
- Fand seine Gruppe inzwischen, dass die ONS Daten ebenfalls nicht vertrauenswürdig sind.
Angenommen, Covid-19 wäre wirklich so gefährlich und der Impfstoff so wirksam wie viele denken, dann sollten man ja nach der Impfung weniger Todesfälle im Zusammenhang mit Covid-19 sehen. Dazu käme eine gewisse Anzahl von Impftoten. Zusammen sollte man also von einer sinnvollen Impfkampagne erwarten, dass die Anzahl aller Todesfälle, also ungeachtet der Ursache, abnimmt, jedenfalls im Vergleich zu Ungeimpften. Daher sein Fokus auf „all-cause mortality“ (Gesamtsterblichkeit). Bei dieser Betrachtung braucht man sich auch nicht mehr mit fragwürdigen Falldefinitionen und Todesursachenbescheinigungen herumschlagen.
Ein wohlbekanntes Problem dabei sind die Altersgruppen, weil ja z.B. in der Altersklasse >80 stets viel mehr Menschen sterben als z.B. in der Altersklasse <60. Er zeigt ein Beispiel dafür und bezeichnet das als „Simpsons Paradox“.
Nun deuten manche Daten des ONS schon eine gewisse Übersterblichkeit der Geimpften im Vergleich zu den Ungeimpften an. Fenton meint dazu aber, dass diese grobe Auswertung nicht sinnvoll sei, weil die Altersklassen nicht hinreichend berücksichtigt wurden.
Bei der Aufarbeitung der Daten fiel aber auf, dass fast alle Altersgruppen bei den Ungeimpften einen seltsamen Peak (Spitze) aufwiesen – interessanterweise etwa zu dem Zeitpunkt, an dem diese Altersklasse erstmalig geimpft wurde; siehe z.B. Abb. 2 für die Altersklasse 70-79. Er zeigt ähnliche Verläufe mit ähnlichen Peaks, wenn auch entsprechend des Beginns der Impfungen für die jeweiligen Altersklassen verschoben. Demgegenüber zeigen die Geimpften, also denjenigen mit einer Intervention, eine durchweg flachen Verlauf.
- Zeitverläufe von Todesfallraten bei Geimpften und Ungeimpften, Alter 70-79
Screenshot aus dem besprochenen Video. Die X-Achse zeigt Kalenderwochen.
Diese Peaks bei den Ungeimpften sind aber höchst seltsam („strange“) und werfen weitere Fragen auf. Es gibt an sich keinen sinnvollen Grund für einen Peak in der Gruppe, die keine Intervention erhielt. Und schon gar nicht, wenn der Peak genau zu dem Zeitpunkt auftritt, an dem die gleichaltrige Vergleichsgruppe geimpft wurde. Warum also diese Peaks bei den Ungeimpften? Und warum keinerlei entsprechender Peak bei den Geimpften, obwohl wir wissen, dass die meisten tödlichen Impfzwischenfälle gerade in den ersten Tagen nach der Erstimpfung auftreten?
Die Geimpften sind bei ONS in 3 Kategorien aufgeteilt, die sich tatsächlich (mindestens die meiste Zeit, siehe unten) gegenseitig ausschließen und so in der Summe alle Geimpften umfassen: Tod innert 21 Tagen nach erster Dosis, Tod 21 Tage oder mehr nach erster Dosis (aber nicht in der folgenden Kategorie), Tod nach der zweiten Dosis. Die Sterberaten in diesen Kohorten zeigt die folgende Abb. 3. Fenton betont dabei, dass es einen enormen Unterschied in der Sterblichkeit zwischen diesen Kohorten gibt: Die Doppeltgeimpften zeigen praktisch keine Sterblichkeit – er nennt das das Wunder der lebensrettenden zweiten Dosis („miracle of the 2nd life-saving doe“), dagegen zeigen die Einfachgeimpften eine ganz deutliche Sterblichkeit. Ungewöhnlich ist dabei, dass genau zu Beginn der Impfkampagne, das wäre also links in Abb. 3, es keinerlei Übersterblichkeit gab, sondern erst etwa ab Kalenderwoche 15, d.h. ab dem 12. April. O-Ton Fenton:
„Something is not quite right here.“
„Irgendetwas stimmt da nicht.“
- Zeitverläufe von Todesfallraten in den drei geimpften Kohorten
Screenshot aus dem besprochenen Video. Die X-Achse zeigt Kalenderwochen.
Sodann zeigt er eine Tabelle mit höchst fragwürdigen Abweichungen. Dazu die folgende Abb. 4. Eigentlich sollten die Zahlenkolonnen derart sein, dass die Population der folgenden Woche exakt der Population der laufenden minus aller Todesfälle beträgt. Dies trifft tatsächlich ab dem 2. April genau zu. Nur in den Wochen davor eben nicht. Allerdings liefen die problematischen Erstimpfungen in Großbritannien ja gerade zwischen Mitte Dezember 2020 und Ende März in den höheren Altersgruppen, also sukzessive in den Gruppen >90, >80, >70 und >60jährigen. Genau zu dieser Zeit scheinen die Daten aber unplausibel.
- Zeitverläufe von allen Todesfällen aufsummiert nach zwei Arten
„Deaths, all“ = alle Todesfälle (pro Kalenderwoche), wie vom ONS berichtet.
„Diff Pop“ = Differenzen der vom ONS berichteten Population von Woche zu Woche.
Fenton diskutiert dann eine Reihe von möglichen Ursachen für die Unplausibilitäten. Eine fast sichere Ursache sei, dass der Anteil der Ungeimpften systematisch unterschätzt wurde. Daneben zeigt er einen interessanten Effekt, der dadurch entsteht, dass einfach die Todesfälle um eine Woche später berichtet werden. Selbst diese an sich banal klingende Lässlichkeit kann bei derart untereinander abhängigen Zahlen (die Anteile der Ungeimpften nehmen ja ständig ab, die Anteile der Geimpften ständig zu) zu einem scheinbaren aber dennoch riesigen Unterschied zwischen Geimpften und Ungeimpften führen.
Schließlich zeigt er die ebenfalls im ONS Datenset verfügbaren Zahlen der „nicht-Covid-19-Todesfälle“ sowie noch eine Modelling dazu anhand von historischen Mortalitätsdaten, siehe dazu Abb. 5. In diesem Modelling („adjusted“) zeigt sich, dass die „nicht-Covid-19-Todesfälle“ unter den Geimpften Anfang des Jahres drastisch erhöht gewesen sein müssten. Auf die genaue Methodologie dieses Modellings geht er allerdings im Video nicht ein.
- Tatsächlicher und modellierte („adjusted“) Verlauf der Mortalität
Screenshot aus dem besprochenen Video. Die X-Achsen zeigen Kalenderwochen.
Fenton fast seine Ergebnisse so zusammen:
- Alle Covid-Daten werden durch „Fall = positiver PCR-Test“ getrieben; diese sind leicht manipulierbar und potenziell irreführend.
- Studien* zur Impfwirksamkeit sind generell fehlerhaft, und zwar weil man sich auf eben jene Falldefinition stützt.
- Die einfachste und objektivste Art das gesamte Nutzen-Risiko-Verhältnis von Covid-Impfstoffen zu bestimmen ist der Vergleich der Gesamtsterblichkeit von Geimpften (d.h. alle mit wenigstens einem Stich) und Ungeimpften**.
- Die neuesten ONS-Daten zur Mortalität nach Impfstatus sollten die nötigen Daten zeigen, sind aber in vielerlei Hinsicht fehlerhaft.
- Die unmöglich beobachteten Daten könnten erklärt werden durch: Fehlklassifizierung, verspätetes Berichten, oder Unterschätzung des Anteils der Ungeimpften***.
* Gemeint sind Beobachtungsstudien, nicht die randomisierten Studien, bei denen ein standardisiertes Testen unterstellt werden kann.
** Es sind hier nur tatsächlich Ungeimpfte gemeint. Nicht die pervertierten Definitionen.
*** Fehler auf der Folie, korrigiert nach Rücksprache.
Gastbeiträge geben immer die Meinung des Autors wieder, nicht meine. Ich veröffentliche sie aber gerne, um eine vielfältigeres Bild zu geben. Die Leserinnen und Leser dieses Blogs sind auch in der Lage sich selbst ein Bild zu machen.
Dr. Hans-Joachim Kremer verfügt über mit jahrzehntelanger Erfahrung in der klinischen Forschung und ist als freiberuflicher Medical Writer tätig.
Alle aktuellen News im TKP Telegram Channel
Unterstütze unabhängigen Journalismus mit einer Spende via PayPal
Am Beispiel Irland: 93 Prozent Geimpfte machen Lockdown nötig
Kinder opfern um alte Menschen zu schützen
„Der Wert eines Menschen hängt nicht von seinem Impfstatus ab.“
Negative Wirksamkeit einige Monate nach der Impfung in Studien
