Nach Impfung: 48% erhöhte Wahrscheinlichkeit für Alte, an COVID-19 zu erkranken [neue Studie]

Manche Studien machen ärgerlich.

Die Studie mit dem Titel “Early Effectiveness of COVID-19 Vaccination with BNT162b2 mRNA Vaccine and ChadOx1 Adenovirus Vector Vaccine on Symptomatic Disease, Hospitalisations and Mortality in Older Adults in England“, sie ist eine solche Studie.

Verantwortlich für diese Studie sind Jamie Lopzet Bernal, Nick Andrews, Charlotte Gower, Julia Stowe, Chris Robertson, Elise Tessier, Ruth Simmons, Simon Cotrell, Richard Roberts, Mark O’Doherty, Kevin Brown, Claire Cameron, Diane Stockton, Jim McMenamin und Mary Ramsay, die alle bei Public Health England bzw. beim National Instiute fpr Health Research angestellt sind, also mehr oder weniger Teil des britischen Civil Service sind.

Sie sitzen geradezu auf Daten, nach denen sich ein Wissenschaftler die Hände leckt.

Wir reden im Folgenden von Pillar 2 data des National Health Service in England. Das ist wichtig, denn Pillar 2 umfasst VORNEHMLICH Daten von Personen, die sich einem Test auf SARS-CoV-2 unterziehen, weil sie entsprechende Symptome haben, Fieber, Husten, Verlust von Geruchs- oder Geschmackssinn usw.). Hinzu kommen Personen, die im Rahmen eines “Mass Testing Programms”, wie es in der Folge der Verbreitung von b.1.1.7, einer Variante von SARS-CoV-2, die 23 Mutationen im Vergleich zum “Ursprungsvirus” umfasst und in Deutschland gemeinhin als “britische Mutation” bezeichnet wird, getestet wurden.


Daraus ergibt sich eine stattliche Datenbasis:

Folgen Sie uns auf TELEGRAM
  • 174.731 Personen, die im Zeitraum vom 26. Oktober 2020 bis zum 20. Februar 2021 auf SARS-CoV-2 getestet wurden;
  • Darunter 156.930 Personen, für die es möglich ist, den Test für den Getesteten mit seiner Impfgeschichte zu verbinden, also den Daten, die im National Vaccination Register gespeichert sind.
  • Im Untersuchungszeitraum testen 44.590 der 156.930 Probanden positiv auf SARS-CoV-2. Für sie wird zudem eine Verbindung zu den Daten des Emergency Care Data Sets hergestellt und zu Todesdaten des NHS, so dass es möglich ist zu analysieren, wie viele der Geimpften und Ungeimpften positiv getestet, hospitalisiert wurden bzw. gestorben sind.
  • Das Design der Studie erlaubt es zudem, die Daten für Geipmfte mit den Daten für Ungeimpfte zu verbinden und eine Vielzahl von Faktoren zu kontrollieren, darunter Alter, Geschlecht, Ethnie, Region, ob jemand in einem Pflegeheim lebt usw.

Hervorragende Daten, die indes von den Autoren nur dazu genutzt werden, die Effektivität von BNT162b2 und AZD1222, also der Impfstoffe von Pfizer/Biontech und AstraZeneca zu berechnen, und zwar für  Menschen, die 70 Jahre oder älter sind. In diesem Bemmühen, die Effektivität beider Impfstoffe zu testen und zu belegen, gehen die Autoren in einer Nonchallance über ein Ergebnis hinweg, das ihre Studie ebenfalls zu Tage befördert, die sprachlos macht.

Das Ergebnis, von dem wir sprechen, ist in der folgenden Tabelle und der nachfolgenden Abbildung versteckt.


Wie man deutlich sieht, ist die Wahrscheinlichkeit, an COVID-19 zu erkranken, nach einer Impfung mit BNT162b2 für Personen, die zum Impfzeitpunkt 80 Jahre oder älter waren, um bis zu 48% erhöht. Personen, die 80 Jahre und älter sind, haben damit eine fifty-fifty Chance, an genau der Krankheit zu erkranken, vor der sie per Impfung eigentlich geschützt werden sollen. Das ist nicht weiter verwunderlich, denn unter denjenigen, die 80 Jahre und älter sind, finden sich viele Menschen, die gebrechlich sind, die Vorerkrankungen mitbringen, deren – um es auf den Punkt zu bringen: Immunsystem nicht die Leistungskraft hat, die notwendig wäre, um mit dem per Impfung induzierten Pathogen umgehen zu können. Die Folge sind eine hohe Zahl von Erkrankungen unter Geimpften, die 80 Jahre und älter sind. Für das, was Lopez Bernal et al. (2021) aus diesem Ergebnis machen, ist der Hinweis wichtig, dass sich die erhöhte Wahrscheinlichkeit für Geimpfte IM VERGLEICH zu nicht Geimpften ergibt und dass die Ergebnisse nach Alter, Geschlecht, Ethnie und so weiter kontrolliert wurden. Der Effekt ist somit der reine Effekt der bleibt, wenn die Einflüsse, die von Verzerrungen wie sie zwischen der Gruppe der Geimpften und der Ungeimpften bestehen, herausgerechnet werden.

Die um 48% höhere Wahrscheinlichkeit für Geimpfte, an COVID-19 zu erkranken, ergibt sich sieben bis neun Tage nach der Impfung und wird aus diesem Grund von den Autoren schlicht vom Tisch gewischt, und zwar mit der folgenden bemerkenswerten Aussage:

“These data are observational and there are range of factors that influence the odds of testing positive which may also be associated with vaccination, thereby acting as confounders when examining vaccine effectiveness through routine testing, in particular in the early stages of the vaccination programme. A key factor that is likely to increase the odds of testing positive in vaccinees (therefore underestimating vaccine effectiveness) is that individuals initially targeted for vaccination may be at increased risk of exposure to COVID-19.”

Die Autoren versuchen die Beobachtung, dass Geimpfte in den ersten 20 Tagen nach Impfung eine höhere Wahrscheinlichkeit als Nicht-Geimpfte haben, an COVID-19 zu erkranken, dadurch zu erklären, dass sie vermuten, dass es sein könnte, dass zu Beginn der Impfung im Vereinigten Königreich vor allem diejenigen geimpft wurden, die einer Risikogruppe angehören. Das bedeutet, geimpft werden diejenigen, deren Immunsystem nicht mehr zu den besten gehört, deren Immunsystem Probleme haben könnte, mit einer zusätzlichen Belastung, wie sie eine Impfung darstellt, umzugehen.

Dass die Erklärung der Autoren nicht zutrifft, zeigt sich an dem kleinen Buchstaben a, der in der Tabelle in der Überschrift der fünften Spalte vor dem OR zu sehen ist, es handelt sich also um adjusted Odds Ratio, um Wahrscheinlichkeiten, für die all die Effekte, von denen wir oben gesprochen haben, von Alter, Ethnie und was auch immer, herausgerechnet wurden. Es bleiben damit Personen der ersten Impfwelle, die über 80 Jahre alt waren, sowohl unter denen, die geimpft und im Datensatz sind als auch unter denen, die (noch) nicht geimpft und im Datensatz sind. Die Erklärung für die bei Alten, die 80 Jahre und älter sind, erhöhte Wahrscheinlichkeit, an COVID-19 zu erkranken, drängt sich daher quasi von selbst auf: Die Impfung und das kompromittierte Immunsystem, das mit der neuerlichen Belastung durch die Impfung nicht umgehen kann.

Indes ist nicht alles doom und gloom, denn diejenigen, unter den über 79jährigen, die nach der Impfung an COVID-19 erkranken, haben DURCH die Impfung ein um 43% reduziertes Risiko, hospitalisiert zu werden, wenn sie mit BNT162b2 geimpft wurden, 37%, wenn sie mit AZD1222 geimpft wurden, und sie haben ein um ein um 51% reduziertes Risiko, nach Impfung mit BNT162b2 zu sterben, so schreiben die Autoren. Liegt die Impfung weniger als 14 Tage zurück, dann reduziert sich das Risiko, zu sterben, im Vergleich zu Ungeimpften um 26% liegt der Impfzeitpunkt länger als 14 Tage zurück, so reduziert sich das Risiko, zu sterben, um 51%. Indes basieren die Ergebnisse, wie sie z.B. in der folgenden Tabelle zu sehen sind, auf einem Interpretationsfehler, denn die Daten sind zensiert.

Beginnen Sie Ihren Einkauf bei Amazon hier

Eine Impfung ist ein diskretes Datum. Sie findet statt und danach vergeht Zeit. Die Hospitalisierung ist auch ein diskretes Datum. Sie findet zu einem bestimmten Zeitpunkt statt. Wer zu Zeitpunkt X hospitalisiert wird, der kann nicht mehr zu Zeitpunkt X+1 hospitalisiert werden. Mit fortschreitender Zeit wird damit die Anzahl derjenigen im Datensatz, die hospitalisiert werden können, geringer. Deshalb ist der Vergleich, der in der Tabelle oben vorgenommen wird, problematisch. Ein korrekter Vergleich stellt diejenigen, die geimpft wurden, unabhängig vom Zeitpunkt der Impfung, denjenigen, die nicht geimpft wurden, gegenüber. Dann ergibt sich eine Hospitalisierungsrate von 12,2% für BNT162b2, das entspricht einer Hazard-Ratio von ca. 0,73 und von 10.6% für AZD1222, was einer Hazard Ratio von ca. 0,85 entspricht. In jedem Fall scheint Impfung einen Schutz vor Hospitalisierung zu bieten, der zwischen eine um 15% bzw. um 27% geringere Wahrscheinlichkeit ergibt, hospitalisiert zu werden. Sicher, Resistenz gegen SARS-CoV-2 ist ein Prozess. Aber wenn die Vergleichsgruppe es nicht zulässt, diesen Prozess zu modellieren, dann kann man ihn auch nicht modellieren. Entsprechendes gilt für die Sterbewahrscheinlichkeit. 8,9% der Geimpften sind im Beobachtungszeitraum gestorben, das entspricht einer Hazard Ratio von ca. 0,70, also einem um 30% reduzierten Sterberisiko.

Wer somit eine informierte Entscheidung dazu treffen will, ob er sich als über 79jähriger impfen lässt, der muss die folgenden drei Größen in Rechnung stellen:

  • Er hat nach Impfung im Vergleich zu nicht-Geimpften eine um rund 48% höhere Wahrscheinlichkeit, an COVID-19 zu erkranken.
  • Ist er erkrankt, dann hat er im Vergleich zu nicht-Geimpften eine um bis zu rund 27% geringere Wahrscheinlichkeit, hospitalisiert zu werden, also ernsthaft zu erkranken.
  • Ist er schwer erkrankt, dann hat er eine im Vergleich zu nicht-Geimpften um rund 30% geringere Wahrscheinlichkeit, zu sterben.

Nach Lage der Dinge scheint die rationale Entscheidung für einen über 79jährigen die zu sein, sich nicht impfen zu lassen.




Anregungen, Hinweise, Kontakt? -> Redaktion @ Sciencefiles.org


Trotz kleinem Budget stecken wir viel Arbeit in Texte wie diesen.
Was mit einem großen Budget erst möglich wäre.

Unterstützen Sie uns:
Helfen Sie uns, ScienceFiles auf eine solide finanzielle Basis zu stellen:

Entweder direkt über die ScienceFiles-Spendenfunktion spenden [das ist sicher und Sie haben die volle Kontrolle über ihre Daten]:

Zum Spenden einfach klicken

Oder über unser Spendenkonto bei Halifax:

ScienceFiles Spendenkonto:

HALIFAX (Konto-Inhaber: Michael Klein):

IBAN: GB15 HLFX 1100 3311 0902 67
BIC: HLFXGB21B24


Wenn Sie ScienceFiles weiterhin lesen wollen, dann sind Sie jetzt gefordert.

Folgen Sie uns auf Telegram.
Anregungen, Hinweise, Kontakt? -> Redaktion @ Sciencefiles.org
Wenn Ihnen gefällt, was Sie bei uns lesen, dann bitten wir Sie, uns zu unterstützen. ScienceFiles lebt weitgehend von Spenden. Helfen Sie uns, ScienceFiles auf eine solide finanzielle Basis zu stellen.
Wir haben drei sichere Spendenmöglichkeiten:

Donorbox

Unterstützen Sie ScienceFiles


Unsere eigene ScienceFiles-Spendenfunktion

Zum Spenden einfach klicken

Unser Spendenkonto bei Halifax:

ScienceFiles Spendenkonto: HALIFAX (Konto-Inhaber: Michael Klein):
  • IBAN: GB15 HLFX 1100 3311 0902 67
  • BIC: HLFXGB21B24

Print Friendly, PDF & Email
23 Comments

Schreibe eine Antwort zu ChristianAntwort abbrechen

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Entdecke mehr von SciFi

Jetzt abonnieren, um weiterzulesen und auf das gesamte Archiv zuzugreifen.

Weiterlesen

Entdecke mehr von SciFi

Jetzt abonnieren, um weiterzulesen und auf das gesamte Archiv zuzugreifen.

Weiterlesen