Todesfälle und Fälle im Zusammenhang mit COVID-19 Impststoffen – Eine Big Data-Analyse von 145 Ländern:

Politische Entscheidungsträger und Mainstream-Nachrichtensprecher haben der Öffentlichkeit versprochen, dass die weltweite Einführung des COVID-19-Impfstoffs die Symptome und damit Fälle und Todesfälle im Zusammenhang mit COVID-19 reduzieren würde. Während diese Einführung des Impfstoffs noch im Gange ist, ist eine große Menge an öffentlichen Daten verfügbar, die eine Analyse der Auswirkungen der Einführung des Impfstoffs auf Fälle und Todesfälle im Zusammenhang mit COVID-19 ermöglichen.

Hat diese staatliche Behandlung die gewünschte Wirkung erzielt?

Eine Möglichkeit, diese Frage zu beantworten, kann mit der Implementierung einer Bayes’schen Kausalanalyse beginnen, die sowohl Vor- als auch Nachbehandlungszeiträume vergleicht.

Diese Studie analysierte öffentlich verfügbare COVID-19-Daten von OWID unter Verwendung des R-Pakets CausalImpact, um die kausale Wirkung der Verabreichung von Impfstoffen auf zwei abhängige Variablen zu bestimmen, die während der Pandemie kumulativ gemessen wurden:

  • Gesamtzahl der Todesfälle pro Million (y1)
    und Gesamtzahl der Fälle pro Millionen (y2). (Hier geht es um die Übertragung des Virus, also die Anzahl der Infizierten)

Nach Eliminierung aller Ergebnisse aus Ländern mit p > 0,05
gab es 128 Länder für y1 und 103 Länder für y2, die auf diese Weise analysiert werden konnten, was insgesamt 145 einzelne Länder umfasste (Durchschnitt p < 0,004).

Die Ergebnisse zeigen, dass die Behandlung (Impfstoffverabreichung) eine starke und statistisch signifikante Neigung hat, die Werte in entweder y1 oder y2 über das hinaus zu erhöhen, was ohne Behandlung zu erwarten gewesen wäre.

y1 zeigte ein Anstiegs-/Abnahmeverhältnis von (+115/-13), was bedeutet, dass 89,84 % der statistisch signifikanten Länder einen Anstieg der Gesamtzahl der Todesfälle pro Million im Zusammenhang mit COVID-19 aufwiesen, der direkt auf die kausale Auswirkung des Behandlungsbeginns zurückzuführen war.

y2 zeigte ein Anstiegs-/Abnahmeverhältnis von (+105/-16), was bedeutet, dass 86,78 % der statistisch signifikanten Länder einen Anstieg der Gesamtzahl der Fälle pro Million von COVID-19 aufwiesen, der direkt auf die kausale Auswirkung des Behandlungsbeginns zurückzuführen war.

Die kausalen Auswirkungen der Behandlung auf y1 reichen von -19 % bis +19015 % mit einer durchschnittlichen kausalen Auswirkung von +463,13 %.

Die kausalen Auswirkungen der Behandlung auf y2 reichen von -46 % bis +12.240 % mit einer durchschnittlichen kausalen Auswirkung von +260,88 %.

Hypothese 1 Null kann für eine große Mehrheit der Länder verworfen werden. Diese Studie führte anschließend Korrelationsanalysen zu den kausalen Wirkungsergebnissen durch, deren Effektvariablen als y1.E bzw. y2.E dargestellt werden können, mit den unabhängigen numerischen Variablen von:

verstrichene Tage seit Beginn der Einführung des Impfstoffs (n1), Gesamtimpfungsdosen pro Hundert (n2),
insgesamt verwendete Impfstoffmarken/-typen (n3) und die unabhängigen kategorialen Variablen Kontinent (c1), Land (c2), Impfstoffsorte (c3).

Alle kategorialen Variablen zeigten statistisch signifikante (durchschnittlich p: < 0,001) postive Wilcoxon-Vorzeichen-Rangwerte (y1.EV:[c1 3,04; c2: 8,35; c3: 7,22] und y2.EV:[c1 3,04; c2: 8,33; c3 : 7.19]).

Dies zeigt, dass die Verteilung von y1.E und y2.E unter den Kategorien ungleichmäßig war.

Die Spearman-Korrelation zwischen n2 und y2.E war die einzige numerische Variable, die statistisch signifikante Ergebnisse zeigte (y2.E ~ n2: rho: 0,34 CI95 % [0,14, 0,51], p: 4,91e-04).

Diese niedrige positive Korrelation bedeutet, dass Länder mit höheren Impfraten keine niedrigeren Werte für y2.E haben, im Gegenteil.

Die genauen Gründe für diese Unterschiede zwischen Ländern, Kontinenten und Impfstofftypen sind jedoch nicht schlüssig und sollten weiter untersucht werden, sobald mehr Daten verfügbar sind.

Hypothese 2 Null kann für c1, c2, c3 und n2 zurückgewiesen werden und kann nicht für n1 und n3 zurückgewiesen werden.

Die statistisch signifikanten und überwältigend positiven kausalen Auswirkungen nach dem Einsatz des Impfstoffs auf die abhängigen Variablen Gesamtzahl der Todesfälle und Gesamtzahl der Fälle pro Million sollten die politischen Entscheidungsträger höchst beunruhigen.

Sie weisen auf einen deutlichen Anstieg sowohl der COVID-19-bezogenen Fälle als auch der Todesfälle hin, die direkt auf einen Impfstoffeinsatz zurückzuführen sind, der ursprünglich als „Schlüssel zur Wiedererlangung unserer Freiheiten“ an die Öffentlichkeit verkauft wurde.

Die Wirkung von Impfstoffen auf die Gesamtzahl der Fälle pro Million und ihre geringe positive Assoziation mit der Gesamtzahl der Impfungen pro Hundert weist auf eine begrenzte Wirkung von Impfstoffen auf die Verringerung der COVID-19-assoziierten Fälle hin.

Diese Ergebnisse sollten lokale politische Entscheidungsträger dazu ermutigen, politische Entscheidungen auf der Grundlage von Daten und nicht von Narrativen und auf der Grundlage lokaler Bedingungen und nicht globaler oder nationaler Mandate zu treffen.

Diese Ergebnisse sollten die politischen Entscheidungsträger auch dazu ermutigen, neben Massenimpfkampagnen nach anderen Auswegen aus der Pandemie zu suchen.

Einige Variablen, die in zukünftige Analysen einbezogen werden könnten, könnten die Impfstoffcharge nach Land, der Grad der Prävalenz früherer Antikörper gegen SARS-CoV oder SARS-CoV-2 in der Bevölkerung vor Beginn der Impfstoffverabreichung und die kausale Auswirkung von Ivermectin darauf umfassen Variablen, die in dieser Studie verwendet wurden.

Quelle:
https://www.researchgate.net/publication/356248984_Worldwide_Bayesian_Causal_Impact_Analysis_of_Vaccine_Administration_on_Deaths_and_Cases_Associated_with_COVID-19_A_BigData_Analysis_of_145_Countries

0 Kommentare

Hinterlasse ein Kommentar

An der Diskussion beteiligen?
Hinterlasse uns deinen Kommentar!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.