Long-COVID ist Long-Nebenwirkung der COVID-19-“Impfung” – Unlauterbach muss seine Horrorerzählung neu erfinden

Long Covid, eine ganz üble Sache, obschon niemand so wirklich weiß, wie sich “Long Covid” eigentlich äußert.

Long Covid, die neue Begrünung, die Impfmanische gefunden haben, um ihre Spritzbrühen zu vermarkten: Lasst Euch impfen, so marktschreien Sie, buy one get one free, zwei shots für den Preis von einem, damit Minister Karl seine gehorteten Dosen nicht vernichten muss, nein: damit ihr vor Long Covid sicher seid.

Soweit das Marketing, nun zur Realität, die – wie zumeist – ein ganz anderes Bild zeichnet:

Arjun, M. C., Arvind Kumar Singh, Debkumar Pal, Kajal Das, Alekhya Gajjala, Mahalingam Venkateshan, Baijayantimala Mishra, Binod Kumar Patro, Prasanta Raghab Mohapatra, and Sonu Hangma Subba (2022). Prevalence, characteristics, and predictors of Long COVID among diagnosed cases of COVID-19. medRxiv.

Die Studie von Arjun et al. (2022) stammt aus Indien und, wie der Titel sagt, geht es in der Studie darum, Indikatoren zu finden, die mit Long COVID in einem Zusammenhang stehen, die als Risikofaktoren für Long Covid gelten können, die Long Covid vorhersagen können…

Zunächst das Methodische:

Die Autoren haben letztlich mit 487 Indern, die im Zeitraum von April 2021 bis September 2021 positiv auf SARS-CoV-2 getestet wurden, telephonische Interviews geführt, in denen sie die Befragten retrospektiv zum Verlauf ihrer Erkrankung an COVID-19 und zum weiteren Verlauf nach Gesundung befragt haben, und zwar jeweils vier Wochen nachdem sie positiv auf SARS-CoV-2 getestet worden waren. Im Sample sind somit nur Personen enthalten, die positiv auf SARS-CoV-2 getestet wurden.

Von diesen

  • hatten 111 (22,8%) KEINERLEI Symptome;
  • hatten 415 (85,2%) keine, milde oder moderate Symptome ;
  • hatten 78 (16,0%) Atemschwierigkeiten;
  • wurden 110 (22,6 %) hospitalisiert;
  • sind 68 (14%) schwer an COVID-19 erkrankt (d.h. hier: sie benötigten Sauerstoff);
  • mussten 4 (0,8%) künstlich beatmet werden;

Von den Befragten, waren 287 (58,9%) doppelt geimpft, 81 (17,2%) einmal geimpft und 119 (24,4%) ungeimpft.

  • 142 (29,2%) Befragte berichten Symptome, die Long Covid zugeordnet werden.

Was man sich unter Long Covid vorstellen muss, worin also das Schreckgespenst besteht, das Karl Unlauterbach so gerne bemüht, um den Absatz der Hersteller, für die er “Klinken putzt”, anzukurbeln, das zeigt die folgende Tabelle: Im Wesentlichen Müdigkeit/Schlappheit, Husten und seltener Atemschwierigkeiten. Die Mehrzahl, der an “Long Covid” Leidenden berichten keine Einschränkungen bei physischen Aktivitäten und sagen, Long Covid sie keine schwere Beeinträchtigung. Aber natürlich sind das indische Befragte, die in der Regel die hellen Stunden des Tages nutzen müssen, um ihren Lebensunterhalt zu verdienen, die nicht in sich horchen und ihre Symptome hätscheln können…

Die Forschungsfrage, die die Autoren beantworten wollen, lautet: Welche Variablen stehen mit Long Covid in einem Zusammenhang? Wodurch wird die Wahrscheinlichkeit, Long Covid zu entwickeln, beeinflusst?

Die Antwort findet sich in der folgenden Tabelle, in der wir den entscheidenden Teil rot eingerahmt haben:

Wir haben es hier mit Befragten zu tun, die zu einem Zeitpunkt positiv auf SARS-CoV-2 getestet wurden, zu dem in Indien Delta unterwegs war (das hat sich in dem kleinen Buckel der Kurve in der linken Abbildung am linken Rand niedergeschlagen) und zu dem in Indien die Impf-Kampagne Fahrt aufgenommen hat. Der Sample der Autoren hat einen “formalen Bildungsbias”, d.h. Studenten und formal höher Gebildete sind überrepräsentiert und somit die Gruppe, die die höchste Wahrscheinlichkeit hat, in Indien früh geimpft zu sein.

Was erklärt nun im Modell der Autoren die Long Covid Nachwirkungen, die COVID-19 Patienten berichten? Im Wesentlichen drei Variablen:

  • Vorerkrankungen;
  • Schwere der Erkrankung an COVID-19;
  • Impfstatus;

Mit anderen Worten: Vorerkrankungen, eine schwere Erkrankung an COVID-19 UND zwei oder (etwas geringer) eine Impfung gegen COVID-19 erhöhen das Risiko, von sich zu sagen, dass man an Long Covid leide, beträchtlich.

Wie erklärt man ein solches Ergebnis?

Da die telefonische Befragung durch die Autoren innerhalb eines Zeitfensters von vier Wochen nach einem positiven Test und mitten in der Delta-Welle in Indien stattgefunden hat, kann man davon ausgehen, dass eine große Zahl von Befragten zu dem Zeitpunkt, zu dem sie positiv getestet wurden, geimpft waren. Dennoch [oder gerade deshalb] hat sich eine schwere Erkrankung eingestellt, dennoch haben sie Long COVID Symptome entwickelt. Wie so oft, wenn es um empirische Sozialforschung geht, könnte man auch einen anderen Schuh zimmern und sagen: Die Geimpften wurden von schwerer Erkrankung durch ihre Impfung geschützt, so wie das die Autoren tun, haben diese Rettung aber mit “long Covid” bezahlt.

Folgen Sie uns auf TELEGRAM

Egal, welche der beiden Erklärungen man für die wahrscheinlichere hält, unterm Strich steht: COVID-19 Impfung / Gentherapie erhöht das Risiko von Long Covid, sie reduziert dieses Risiko nicht etwa, wie Karl Unlauterbach so gerne behauptet.

Aber die Daten der Autoren machen zudem deutlich, dass die zweite Erklärung auf Sand gebaut ist, denn NUR 4 der positiv Getesteten sind überhaupt sehr SCHWER erkrankt. Hätte die Impfung einen so großen lebensrettenden Effekt, dann würde man erwarten, dass viel viel mehr UNGEIMPFTE unter den schwer erkrankten zu finden sind. Dasselbe gilt für die nur schwer Erkrankten, worunter die Autoren Personen verstehen, denen Sauerstoff zugeführt wird, in der Regel unter einem entsprechenden Sauerstoff-Zelt. Für 14% der Befragten (N = 68) ist dies der Fall und in den meisten Fällen wird es sich dabei um eine Vorsichtsmaßnahme gehandelt haben. Kurz: Wenn Impfstoffe vor schwerer Erkrankung bewahren sollen, dann ist das in den Daten von Arjun et al. (2022) nicht zu finden.

Würfelt man die erklärenden Variablen: Vorerkrankung, COVID-19 “Impfung”, mehr oder minder schwere Erkrankung an COVID-19 noch einmal durch, dann kann man, letztlich einen Schuh bereitstellen, der mit hoher Wahrscheinlichkeit den Daten passt: Vorerkrankungen zeichnen sich dadurch aus, dass sie einen Organismus belasten. Impfungen und COVID-19 belasten einen Organismus zudem. Kommen zu den Vorerkrankungen, eine COVID-19 “Impfung” und nachfolgend COVID-19 hinzu, dann ist es wahrscheinlich, dass das Immunsystem des betroffenen Organismus Überstunden macht und an der Grenze seiner Leistungsfähigkeit entlang geht, so dass die Frage, die am Ende steht, die Frage ist, ob die Erkrankung an COVID-19 für Vorerkrankte nicht glimpflicher verlaufen wäre, wenn sie nicht geimpft worden wären.

Die Antwort auf diese Frage ist vollkommen unabhängig von dem Ergebnis, dass eine COVID-19 Impfung / Gentherapie, vor allem, wenn sie bei Personen, die an Vorerkrankungen leiden, vorgenommen wird, die Wahrscheinlichkeit erhöht, Symptome, die Long Covid zugeordnet werden, zu berichten.



Texte, wie dieser, sind ein Grund dafür, dass versucht wird, ScienceFiles die finanzielle Grundlage zu entziehen.
Die Deutsche Bank und Paypal haben uns unsere Konten gekündigt.

Aber: Weil Sie uns unterstützen, lassen wir uns nicht unterkriegen.
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
11 Comments

Schreibe eine Antwort zu DonnarossaAntwort 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