ARD-Mutanten-Erkenntnis: Ist b.1.1.7 tatsächlich tödlicher? Drosten versteht nichts von Statistik

Bei der ARD sind wieder tödliche Mutanten unterwegs.

Vermutlich Killer Klowns from Outer Space.

Tatsächlich geht es bei der ARD um Mutationen, nicht um Mutanten, aber die Faktenfinder der ARD kennen offenkundig den Unterschied nicht. Aber sie haben sich modernisiert. Sie berichten seit kurzem über wissenschaftliche Studien, natürlich nur wenn die Ergebnisse zu dem passen, was die Faktenfinder finden wollen, naja, berichten ist zuviel gesagt. Sie nennen die Studien, die das bestätigen, was die Faktenfinder der ARD verbreiten sollen, um die Corona-Hysterie in Deutschland am Laufen zu halten, und sie verweisen darüber hinaus auf einen, den sie für eine Autorität halten, der die Qualität der Studien lobt und hoffen, dass ihre Leser auf Fehlschlüsse ad auctoritatem hereinfallen, etwa so:

“Wesentlich bedeutsamer sind jedoch die neuesten Erkenntnisse, was die Gefährlichkeit von B.1.1.7 angeht. Anfangs hieß es, die Mutante sei nicht tödlicher als die bisherigen Coronavirus-Formen. Doch mittlerweile sind in Großbritannien drei Studien erschienen (ein Preprint aus London , eine Studie aus Exeter und eine auf “Nature” veröffentlichte und bereits begutachtete Studie), die ein alarmierendes Bild zeichnen. Demnach ist die britische Variante nicht nur ansteckender, sondern auch deutlich häufiger tödlich. Das Risiko, innerhalb von 28 Tagen nach der Infektion zu versterben, ist – je nach Studie – um 58 bis 67 Prozent erhöht gegenüber einem Patienten, der eine der bisherigen Corona-Varianten hat. […] “Let’s face it. Das ist die Situation. Ob wir das jetzt gerne glauben mögen oder nicht”, warnte Drosten, der die Studie als “statistisch hervorragend” bezeichnet. “Wir haben 60, 70 Prozent erhöhtes Risiko, zu sterben oder ins Krankenhaus zu kommen nach Diagnose.” Das Virus sei nicht nur übertragbarer geworden, sondern auch gefährlicher. “Das ist keine gute Botschaft, gerade in diesen Zeiten.””

Falls Sie es noch nicht gewusst haben: Christian Drosten hat von Statistik und von der Interpretation statistischer Ergebnisse offensichtlich überhaupt keine Ahnung, oder er interpretiert die Hazard Rate absichtlich falsch – das soll man ja nie ausschließen. Wir haben die drei Studien, die Drosten lobt und Dominick Lauck, der immer für die ARD am Finden von Fakten ist, verlinkt hat, angesehen und kommen zu einem etwas anderen Urteil als der ARD-Schreiber und sein Experte.



Der Reihe nach.
Die drei Studien aus Großbritannien, die sich mit b.1.1.7, der “britischen Mutation [Mutante für die Klowns der ARD]” befassen, sind die folgenden:

Challen, Robert, Brooks-Pollock, Ellen, Read, Jonathan M., Dyson, Louise, Tsaneva-Atanasova, Krasimira & Danon, Leon (2021). Risk of Mortality in Patients Infected with SARS-CoV-2 Variant of concern 202012/1 [=b.1.1.7]: Matched Cohort Study. British Medical Journal.

Davies, Nicholas G., Jarvis, Christopher I., Edmunds, W. John, Jewell, Nicholas R. Diaz-Ordaz, Karla & Keogh, Ruth H. (2021). Increased Mortality in Community-tested Cases of SARS-CoV-2 Lineage B.1.1.7. Nature.

Grint, Daniel J. [und zu viele andere, als dass wir sie nennen könnten/wollten] et al. (2021). Case Fatality Risk of the SARS-CoV-2 Variant of Concern B.1.1.7 in England. medRxiv.


Folgen Sie uns auf TELEGRAM

Alle drei Studien stammen aus dem Vereinigten Königreich. Alle drei Studien basieren auf einem umfangreichen Datensatz. Alle drei Studien kommen zu dem Ergebnis, dass die Variante of Concern (VOC), b.1.1.7, das Risiko, an SARS-CoV-2 zu sterben IM VERGLEICH zu den anderen Varianten von SARS-CoV-2, die im Vereinigten Königreich unterwegs sind, erhöht. Das ist die erste wichtige Einschränkung der Ergebnisse, die den Unfug, den Christian Drosten erzählt, deutlich macht. Wenn ein erhöhtes Sterberisiko als Ergebnis der Studien errechnet wurde, dann bezieht sich das erhöhte Risiko auf die Vergleichsgruppe anderer SARS-CoV-2 Varianten in der jeweiligen Studie. Es ist ein RELATIVES Risiko, kein ABSOLUTES. Drosten tut so, als sei ein absolutes Risiko berechnet worden: “Wir haben 60, 70 Prozent erhöhtes Risiko, zu sterben oder ins Krankenhaus zu kommen nach Diagnose.” Das ist Unfug.

Was das entsprechende Risiko also aussagt, ist zunächst unklar, denn wenn das Risiko an A zu sterben 1% beträgt und das Risiko an B zu sterben, 70% erhöht ist, dann ist das Risiko an B zu sterben 1,7%. Relevant sind also absolute, nicht relative Risiken. Dazu gleich. Berichten wir zunächst von der hervorragenden Datenbasis aller drei Studien.

Davies et al., (2021) die ihren Beitrag in Nature untergebracht haben, beeindrucken mit Zahlen: 2.245.263 zwischen dem 1. November 2020 und dem 14. Februar 2021 positiv Getestete, darunter 1.146.534 positiv auf b.1.1.7 Getestete. Das ist üppig. Die eigentlichen Analysen basieren dann, wie man aus Figure 1 der Arbeit herauslesen muss, auf 674.539 positv Getesteten, die einen negativen Test auf das S-Gen vorweisen, bei denen also einer von drei genutzten Primern zur Feststellung von SARS-CoV-2 in PCR-Tests negativ ist, während die beiden anderen (ORF1a und N-Gen) positiv sind [in den Texten ist generell von SGTF die Rede, S-gen Target Failure] und 471.995 positiv auf eine andere Variante von SARS-CoV-2 Getesteten. Unter denen, die positiv auf b.1.1.7 getestet wurden, sind innerhalb von 28 Tagen 3.358 verstorben, unter denen, die positiv auf eine andere Variante getestet wurden, sind es 2.173. Die Gewichte zwischen beiden Varianten haben sich im Verlauf der Analyse erheblich verschoben: Waren am 21. November 2020 5,8% der positiv Getesteten b.1.1.7-positiv, so waren es zum 14. Februar 2021 94,3%. Im Zeitverlauf steigt somit die Verbreitung von b.1.1.7 und zwangsläufig steigt damit die Anzahl derer, die an b.1.1.7 sterben. Das wird bei der statistischen Analyse noch wichtig. Deshalb soll an dieser Stelle der Hinweis genügen, dass Extended Data Table 2 zeigt, dass die Sterbewahrscheinlichkeit offenkundig mit der Entwicklung der Fallzahlen im Vereinigten Königreich konfundiert ist. Mit anderen Worten: Wenn die Zahl der Infektionen steigt und die Anteil der Infektionen mit b.1.1.7 steigt, dann steigt zwangsläufig auch die Zahl derjenigen, die an b.1.1.7 sterben, während die Sterbewahrscheinlichkeit für andere Varianten zurückgeht. Um etwas über die Wahrscheinlichkeit aussagen zu können, an b.1.1.7 zu sterben, müsste man entsprechend Annahmen darüber machen, wie sich die Sterbewahrscheinlichkeit OHNE b.1.1.7 entwickelt hätte. Oder man muss in einem statistischen Modell annehmen, dass beide sich konstant entwickelt haben, um Abweichungen in der Realität als erhöhte Sterbewahrscheinlichkeit interpretieren zu können. Dazu kommen wir gleich.

Davies et al. und die beiden anderen Autorenkollektive aus dem Vereinigten Königreich rücken ihren Daten mit Cox Regressionen zu Leibe. Cox-Regressionen berechnen auf Basis stetiger Daten für Zeitpunkte unterschiedliche Sterbewahrscheinlichkeiten. Bei Analysen wie denen, die die Autoren vornehmen, bietet es sich an, die Zeit nach einem positiven Test auf Tagesbasis abzubilden und Personen, die innerhalb von 28 Tagen nach einem positiven Test gestorben sind, als so genannte Ereignisse abzutragen. Das ist, was Davies et al. und die anderen getan haben. Sie haben auf Basis von Tagen nach einem positiven Test und im Zeitverlauf seit November analysiert, wie sich von Tag zu Tag die Wahrscheinlichkeit, mit COVID-19 zu sterben, für Personen, die positiv auf b.1.1.7 getestet wurden, im Vergleich zu Personen, die auf eine andere Variante von SARS-CoV-2 positiv getestet wurden, entwickelt hat. Das Ergebnis einer solchen Rechnung sieht dann so aus:

Die untere der drei Abbildungen zeigt den Verlauf der berechneten Wahrscheinlichkeiten. Die Kurve für SGTF (S-gen target failure) fällt schneller als die Kurve für non-SGTF. Das bedeutet, das Risiko, an b.1.1.7 zu sterben, ist höher als es für andere Varianten von SARS-CoV-2 ist. Jedenfalls ist das in den Daten von Davies et al. so. Indes zeigt die oberste Abbildung, die die Anzahl der jeweiligen Tests, die in die Analyse eingehen, abbildet, ein bedenkliches Muster. Zu späteren Zeitpunkten gibt es nur noch SGTF, also positiv auf b.1.1.7 Getestete im Datensatz, keine anderen Varianten mehr. Das ist ein Problem für die Cox Regression, zu dem wir noch kommen.

An dieser Stelle das, was die Herrschaften, die Panik verbreiten wollen, am meisten interessiert. Die Ergebnisse von Davies et al. (2021) deuten auf eine höhere relative Mortalität durch b.1.1.7 hin. Ob die Ergebnisse valide sind, ist eine andere Frage. Relevant für das Verhalten im täglichen Leben ist jedoch nicht das relative Risiko, sondern das absolute Risikom, und das absolute Risiko ist für die meisten Menschen, die keiner Risikogruppe angehören, verschwindend gering, wie schon die Infection Fatatlity Rate im Datensatz von Davies et al., die alle positiv Getesteten und Gestorbenen für das Vereinigte Königreich seit dem 1. November 2020 und bis zum 14. Februar 2021 umfasst. Die Wahrscheinlichkeit, nach Infektion mit SARS-CoV-2 zu sterben, beträgt 0,87%. Anders formuliert: Die Überlebenswahrscheinlichkeit beträgt 99,13%. Dies schlägt sich natürlich im absoluten Sterbe-Risiko, das mit einer Erkrankung an COVID-19 nach Infektion mit b.1.1.7 verbunden ist, nieder. Die folgende Tabelle aus Davies et al. stellt das entsprechende Risiko dar:

Für Infizierte zwischen 1 und 69 Jahren ist das Risiko, an der b.1.1.7 Variante von SARS-CoV-2 zu sterben, zu keinem Alters-Zeitpunkt höher als 0,3%. Das Risiko, an COVID-19 zu sterben, es besteht fast ausschließlich für alte Menschen, wobei die Tatsache, dass die Sterbefälle sich vornehmlich unter alten Menschen finden und die Tatsache, dass über Zeit Sterbefälle fast ausschließlich auf b.1.1.7 zurückzuführen sein werden, das Vertrauen in die Ergebnisse von Davies et al. nicht erhöht, eher im Gegenteil, denn die Cox-Regression ist zwar ein einfach anzuwendendes Verfahren, sie kommt aber mit einem Nachteil, nein mit zweien: Zwei Annahmen, die erfüllt sein müssen, damit die Ergebnisse der Cox-Regression überhaupt interpretiert werden können:

Starten Sie Ihren Einkauf bei Amazon hier!
  • Proportional hazard assumption: Das Verhältnis der kumulierten Risikoraten (hazard rate) das sich zu einem bestimmten Zeitpunkt zwischen den beiden Gruppen in der Cox Regression ergibt (SGTF und non-SGTF) muss konstant sein. Die Proportion zwischen beiden Risiko-Raten muss gewahrt bleiben. Wir haben erheblichen Zweifel daran, dass diese Annahme, deren Einhaltung Vorraussetzung dafür ist, dass Ergebnisse einer Cox-Regression überhaupt interpretiert werden können, in der Analyse von Davies et al. (2021), deren Ergebnisdarstellung in der oben gezeigten Abbildung offenkundig geglättete Kurven enthält (was es schwieriger macht, einen Verstoß gegen diese Annahme sofort zu erkennen) eingehalten ist. Die Tatsache, dass im Zeitverlauf die non-SGTF positiv Getesteten aus dem Datensatz verschwinden, spricht eindeutig dagegen.
  • Annahme nicht linearer Beziehungen zwischen Co-Variaten: In der Cox-Regression wird davon ausgegangen, dass jede Variable einen linearen Erklärungsbeitrag zum “Ereignis” leistet. Ist dies nicht der Fall, weil z.B. Variablen durch eine dritte Variable überlagert werden und mit dieser eine lineare Korrelation vorhanden ist, dann ist das Ergebnis von Cox-Regressionen Junk.

Wie es der Zufall so will, bestätigen die beiden anderen Studien, die statistisch so toll sein sollen, genau diese Zweifel, die wir am Ergebnis von Davies et al. (2021) haben. Die beste der drei Studien, Challen et al. (2021), bei der gematched wurde, also 54.906 positiv Getestete SGTFs mit 54.906 positiv Getesteten non-SGTFs über Ähnlichkeiten auf soziostrukturellen Variablen verbunden wurden, ist auch die Studie, die den Zweifel, den wir oben geäußert haben, bestätigt. Die Studie ist auf Personen beschränkt, die 30 Jahre und älter sind, d.h. sie ist im Ergebnis nicht mit der Studie von Davies et al. (2021), die ALLE Altersgruppen berücksichtigt haben, vergleichbar. In der Studie von Challen et al. (2021) findet sich ein Sterberisiko nach Infektion mit SARS-CoV-2 in welcher Variante auch immer, von 0,33%, also eine Überlebenswahrscheinlichkeit von 99,67%. Insgesamt sterben im Zeitraum vom 1. Oktober 2020 bis zum 29. Januar 2021, den Challen et al. (2021) untersuchen, 367 Personen, davon 227 in der SGTF und 141 in der non-SGTF-Gruppe. Diese 367 Personen, sind die “Ereignisse”, deren Eintreten in der Cox-Regression genutzt wird, um Sterbewahrscheinlichkeiten zu berechnen. Die Sterbewahrscheinlichkeit ist in älteren Altersgruppen höher und – wie wir oben geschrieben haben – ist im Zeitverlauf ein Ersetzen derjenigen, die mit einer anderen Variante als b.1.1.7 sterben, durch diejenigen, die mit b.1.1.7 sterben, zu beobachten. Dieses Verteilung stellt ein Problem für Cox-Regressionen dar, denn sie verstößt gegen die erste oben erwähnte Annahme und in der Tat schreiben Challen in ihrem Text:

“The proportional hazards assumption of the Cox model was therefore violated as the hazard ratio was not constant over time.”

Damit ist die Analyse vom Tisch. Dass Challen et al. versuchen, die Analyse dadurch zu retten, dass sie ihr Ergebnis in einen verlässlichen und einen unzuverlässigen Teil teilen wollen, macht entweder Verzweiflung oder statistische Unkenntnis deutlich. Letzteres ist aufgrund der Untersuchungsanlage, die – wie gesagt – die beste der drei Studien ist, unwahrscheinlich. Die Studie der drei Autoren ist von öffentlichen Stellen finanziert worden. Ob die Tatsache, dass sie ihre Ergebnisse an einer Stelle ihres Textes als uninterpretierbar ausweisen, dann aber dennoch interpretieren, etwas mit diesem Umstand zu tun hat, ist uns nicht bekannt.

Die zweite oben genannte Annahme, auf der Cox-Regressionen basieren, soll letztlich ausschließen, dass ein Artefakt interpretiert wird, das sich z.B. aus der Komposition der Grundgesamtheit oder daraus ergibt, dass die analyisierten Variablen nur Ausdruck einer sie beeinflussenden, aber nicht gemessenen Drittvariablen sind. Dass diese Annahme verletzt ist, wird in der Studie von Grint et al. (2021) deutlich. Auch Grint et al. (2021) klotzen mit Daten: 184.786 SGTFs finden sich in ihrem Datensatz. Auch Grint et al. (2021) kommen zu dem Ergebnis, dass sich mit b.1.1.7 ein höheres Sterberisiko verbindet als mit anderen Varianten von SARS-CoV-2. Auch Grint et al. (2021) gelangen mit einer Cox-Regression zu diesem Ergebnis. Auch Grint et al. (2021) scheinen die erste Annahme, auf der eine Cox-Regression basiert, wie Davies et al. (2021) nicht zu kennen oder zu ignorieren, und dies obwohl ihre eigenen Ergebnisse den Schluss nahelegen, dass das erhöhte Sterberisiko, das sie für b.1.1.7 berechnen, ein statistisches Artefakt ist, das sich aus der Tatsache ergibt, dass die genannte Annahme dadurch verletzt wird, dass es im Zeitverlauf zu einem vollständigen Ersetzen der vor-b.1.1.7 Varianten durch b.1.1.7 kommt. Erschwerend bei Grint et al. (2021) kommt hinzu, dass sie auch nicht bemerken, dass ihre Ergebnisse dafür sprechen, dass die zweite Annahme verletzt ist, dass nicht b.1.1.7 der Faktor ist, der erhöhte Sterblichkeit erklärt, sondern KOMORBIDITÄT. Eigentlich ist das deutlich in der folgenden Tabelle von Grint et al. (2021) zu sehen. Warum es die Autoren aus dem Dunstkreis von Public Health England und der London School of Hygiene and Tropical Medicine nicht sehen oder sehen wollen, das wissen wir nicht:

Es handelt sich hier um absolute Risiken und man sieht mehr als deutlich, dass der Treiber des Risikos, an COVID-19 zu sterben, Ko-Morbiditäten nicht b.1.1.7 sind. Und zudem kann man den Unfug, den Leute wie Lauck und Drosten mit Blick auf b.1.1.7 verbreiten, auf der Basis der Zusammenschau dieser Studien vollständig entlarven, wenn man die tatsächlichen Sterbedaten hinzufügt:

Alle drei Studien betrachten einen Zeitraum, der im Oktober oder November beginnt und bis Mitte Januar (Grint) bzw. Mitte Februar reicht. Wie man der Abbildung entnehmen kann, ist die Anzahl der Toten im Zeitverlauf erheblich zurückgegangen, d.h. mit zunehmender Zeit sterben immer weniger Menschen, entweder, weil sich weniger infizieren oder weil die Menge der potentiellen Todesopfer geringer wird, in jedem Fall wird der Pool der potentiellen Toten immer kleiner und es bleiben nur noch die harten Fälle, diejenigen, die nicht sterben, weil sie sich mit einer bestimmten Variante von SARS-CoV-2 angesteckt haben, sondern weil SARS-CoV-2, egal, in welcher Variante, auf Menschen gestroffen ist, deren Immunsystem durch eine Reihe von Ko-Morbiditäten erheblich in Mitleidenschaft gezogen ist und deshalb welcher Variante von SARS-CoV-2 auch immer, wenig entgegen zu setzen hat.

Die ganze Aufregung über b.1.1.7 oder all die anderen Varianten ist ein Hoax, der genutzt wird, um ein ganz anderes Ziel, als den Schutz vor COVID-19 zu verfolgen. Welches das genau ist, das ist eine Frage, die jeder für sich selbst beantworten kann. Dass es ein “ulterior motive” gibt, das nicht mit dem Schutz der Bevölkerung identisch ist, das zeigt auch das konzertierte Vorgehen, das nun wieder zu beobachten ist, nun, da sinkende Todeszahlen und steigende Fallzahlen (weil Tests verschleudert werden) dazu führen, dass der Ruf nach Lockdowns, also dem, was schon in der Vergangenheit nichts genutzt hat, wieder intensiviert wird.

Offenkundig ist der wirtschaftliche, psychologische, gesundheitliche, soziale Schaden, der bislang eingetreten ist, noch nicht ausreichend.
Und übrigens: Drosten hat keine Ahnung von Statistik.


Haben Sie Informationen, Anregungen für uns oder wollen einfach nur Kontakt zu uns aufnehmen: Redaktion @ sciencefiles.org


Seit Ende Januar 2020 besprechen wir Studien zu SARS-CoV-2. Damit gehören wir zu den wenigen, die das neue Coronavirus seit seinem Auftauchen verfolgt und den Niederschlag, den es in wissenschaftlichen Beiträgen gefunden hat, begleitet haben.
Eine Liste aller Texte, die wir zu SARS-CoV-2 veröffentlicht haben, finden Sie hier.

Gutes, so hieß es früher, muss nicht teuer sein. Aber auch ein privates Blog muss von irgend etwas leben.

Deshalb unsere Bitte: Tragen Sie mit einer Spende dazu bei, dass wir als Freies Medium weiterbestehen.

Vielen Dank!


  • Deutsche Bank 
  • Michael Klein
  • BIC: DEUTDEDBCHE
  • IBAN: DE18 8707 0024 0123 5191 00
  • Tescobank plc.
  • ScienceFiles / Michael Klein
  • BIC: TPFGGB2EXXX
  • IBAN: GB40 TPFG 4064 2010 5882 46


Bleiben Sie mit uns in Kontakt.
Wenn Sie ScienceFiles abonnieren, erhalten Sie bei jeder Veröffentlichung eine Benachrichtigung in die Mailbox.

ScienceFiles-Abo

Print Friendly, PDF & Email
24 Comments

Bitte keine Beleidigungen, keine wilden Behauptungen und keine strafbaren Inhalte ... Wir glauben noch an die Vernunft!

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Translate »

ScienceFiles-Betrieb

Was uns am Herzen liegt ...

 

Ein Tag ScienceFiles-Betrieb kostet zwischen 250 Euro und 350 Euro.


 

Wenn jeder, der ScienceFiles liest, uns ab und zu mit einer Spende von 5, 10, 20, 50 Euro oder vielleicht auch mehr unterstützt, vielleicht auch regelmäßig, dann ist der Fortbestand von ScienceFiles damit auf Dauer gesichert.


Wir bedanken uns bei allen, die uns unterstützen!


ScienceFiles-Spendenkonto

Vielen Dank!

Holler Box