Schmierentheater um Impf-Todesfälle aus AfD-Präsentation: korrekte Ergebnisse, dumme Lügen, Versicherungsbetrug oder ein Schrott-Datensatz? Unsere Analyse der Daten

Es war vorhersehbar.
Man kann darauf wetten, wenn man einen Naiven findet, der gegenhält, dass dann, wenn Ergebnisse auf Basis einer Auszählungen von Daten aus öffentlichen Quellen etwas zeigen, was der offiziellen Erzählung widerspricht, z.B. deshalb widerspricht, weil die offizielle Erzählung eine Lügengeschichte ist, dann setzt das System alle Räder und alle “Experten” in Bewegung, derer es habhaft werden kann, um diese Ergebnisse zu diskreditieren, diejenigen zu denunzieren, die diese Ergebnisse produziert haben und mit allem gegenzuhalten, was im eigenen Arsenal zur Manipulation der öffentlichen Meinung vorhanden ist.

Das nimmt dann z.B. solche Formen an:

Elke Bodderas, wir halten jede Wette, die “verantwortliche Redakteurin” der Welt hat noch NIE einen Rohdatensatz aus der Nähe gesehen, verbreitet die neue offizielle Erzählung. Die Ergebnisse der AfD sind falsch [Der Beleg für diese vollmundige Behauptung findet sich angeblich hinter der Bezahlschranke. Pay for Lie, Geld gegen Lüge, so zusagen].

Die Daten, die Tom Lausen für die AfD ausgewertet hat, wurden am 12. Dezember 2022 auf einer Pressekonferenz vorgestellt, die sie hier nachsehen können. Seitdem u.a. die folgende Abbildung veröffentlicht wurde, hagelt es “Experten”:

 

Wir werden im Verlauf dieses Beitrags analysieren, was es mit diesen “Experten”, auf die sich wiederum “verantwortliche Redakteurinnen”, kraft eigener Ahnungslosigkeit verlassen müssen, auf sich hat. Wir sind dazu in einer ausgezeichneten Lage, denn es gibt wenige Datensätze in Deutschland, die wir im Verlauf unserer wissenschaftlichen Karriere nicht analysiert hätten, vom Politbarometer, über den Eurobarometer, das SOEP, diverse Bundestagswahlstudien, das ESS oder den World Value Survey, wir hatten die Rohdaten aller im Laufe unserer Karriere vor uns.

Beginnen wir mit der Feststellung, dass die hier von der AfD präsentierten Zahlen für 2021 abgerechnete plötzlich eingetretene Tode [R96.0, R96.1, R98, R99] zur Übersterblichkeit des Jahres 2021 passt, eines jener Übersterblichkeitsrätsel, die sich seit mit dem Massenimpfexperiment begonnen wurde, jährlich zu wiederholen scheinen.

Aber natürlich hat das, was die AfD oben an Zahlen für plötzlich eintretenden Tod veröffentlicht hat, nichts mit Übersterblichkeit zu tun. Perish the Thought. Am besten wir denken gar nicht und übergeben das Denken, wie “verantwortliche Redakteurinnen” bei der WELT an “Experten”. Die wissen zwar in der Regel auch nichts, aber immerhin kann man für sich reklamieren, mit den Experten in Unkenntnis übereinzustimmen.

Beginnen wir vorne.

Die Daten, die auf der Pressekonferenz vorgestellt wurden, stammen aus einer Anfrage des AfD-Bundestagsabgeordneten Martin Sichert bei fragdenstaat.de. 

Die Daten wurden in einer Form bereit gestellt, die jeder Beschreibung spottet. Man muss es einfach gesehen haben, um es zu glauben:

Das sind Zeilen aus diesem Datensatz. Die erste Spalte enthält den ICD-10-Code der abgerechnet wurde. Die folgenden Spalten enthalten zwei Durchläufe durch die Quartale der Jahre 2016 bis zum ersten Quartal 2022, wobei der erste Durchlauf sich vom zweiten Durchlauf so unterscheidet:

  • code_20174
  • nocode_20174

Was es mit der Unterscheidung von code und nocode, hier für das 4. Quartal 2017 auf sich hat? Dazu kommen wir im weiteren Verlauf.

Die Zusammenstellung, die die Kassenärztliche Bundesvereinigung als Daten auf die Anfrage von Martin Sichert geliefert hat, ist eine Frechheit, und eine, die man als derjenige, der die Daten zur Verfügung stellt, genau dann begeht, wenn man verhindern will, dass die Daten einfach und schnell auswertbar sind, wenn man sicherstellen will, dass die Auswertung erheblich erschwert wird, sicherstellen will, das jeder, der sich den Datensatz antut, abwinkt und nur eine sehr kleine Zahl von Leuten überhaupt versucht, zu verstehen, was das für Daten sind. Kurz: Einen solchen Datensatz stellt zur Verfügung, wer dann, wenn tatsächlich jemand Ergebnisse herauskitzeln kann, diese Ergebnisse in Bausch und Bogen und wohlwissend, dass kaum jemand in der Lage ist, das behauptete nachzuvollziehen, diskreditieren will, so wie das das Zentralinstitut für die Kassenärztliche Vereinigung (ZI) gerade getan hat:

Folgen Sie uns auf TELEGRAM

“Im ersten Schritt waren die Daten aller gesetzlich Krankenversicherten gefordert, die 2021 eine ICD-Kodierung zu Impfnebenwirkungen (Kodierungen T88.1, T88.0, U12.9 und Y59.9) erhalten haben. Für das so identifizierte Versichertenkollektiv sollten im zweiten Schritt die Häufigkeiten aller Diagnosekodierungen für den Zeitraum 2016 bis 2021 nach Quartalen aufgelistet werden. Im dritten Schritt sollte die Häufigkeit aller Diagnosekodierungen für die übrigen gesetzlich Krankenversicherten (abzüglich des unter Schritt 1 fallenden Versichertenkollektivs) für den Zeitraum 2016 bis 2021 nach Quartalen gezählt werden.

Um die Kollektive in den Schritten 2 und 3 vergleichen zu können, muss sich der gesamte Datensatz auf Versicherte beziehen, die im Jahr 2021 mindestens eine ärztliche Leistung in mindestens einem Quartal in Anspruch genommen haben. Von diesen können logischerweise erst im Jahr 2021 Versicherte versterben, für die dann entsprechende Kodierungen erst in 2021 vergeben werden können. Der scheinbare Anstieg der Kodierungen für Todesfälle ist also eine logische Konsequenz der Datenauswahl und methodisch als Kohorten-Effekt bekannt. Bei dem sehr seltenen Auftreten einiger Kodierungen für Todesfälle in vorausgegangenen Jahren kann es sich bei dieser Kohorte hingegen nur um Fehler bei der Eingabe oder Übertragung handeln.“”

Wer auch immer diesen Text verfasst hat, sollte sich kurz in Kenntnis davon bringen, was ein Kohorteneffekt ist. Es ist etwas ganz anderes als der Schreiber meint. Aber das an dieser Stelle, weil irrelevant, nur als Einwurf, um die Qualität des Geschriebenen auf angemessener Basis beurteilen zu können.

Hier versucht jemand, Naive mit Geschwätz zu beeindrucken, für dumm zu verkaufen, in der Hoffnung, dass man, wenn es erst einmal gelungen ist, den sprachlichen Bullshit auf das, was Inhalt sein soll, zu reduzieren, keine Lust oder Möglichkeit hat, das Behauptete zu prüfen. Nun, wir haben Lust und Möglichkeit.

Was in diesen beiden Absätzen behauptet wird, ist folgendes: Die Daten, die der AfD zur Verfügung gestellt wurden, enthalten nur Daten für Leute, die im Jahr 2021 mindestens eine ärztliche Behandlung in Anspruch genommen haben. Das soll deshalb der Fall sein, weil der Datensatz nach Maßgabe der Kodierungen T88.1, T88.0, U12.9 und Y59.9 selegiert worden sei.

Nun, diese Schutzbehauptung ist am einfachsten als Lüge zu entlarven.
Beginnen wir also damit.
Wenn man einen Datensatz selegiert, sagen wir, sie wollen aus einem Datensatz nur die männlichen Befragten auslesen, dann tut man das, indem man eine Bedingung formuliert, die in SPSS z.B. so aussieht: select if sex = “1”. Der Code “1” steht für männliche Befragte. Der resultierende Datensatz enthält nur männliche Befragte und er enthält die Selektionsvariable NICHT mehr. Das würde keinen Sinn machen, denn sie wäre mit der Auswahl identisch.

Im Datensatz, der Martin Sichert zur Verfügung gestellt wurde, sind ALLE Werte für T88.1 und T88.0, nach U12.9 und Y59.9 haben wir nicht gesucht, weil nicht mehr nötig, enthalten. Beide Variablen können somit keine Selektionsvariablen gewesen sein, wie oben behauptet. Vielmehr zeigt die Tatsache, dass beide Variablen im Datensatz enthalten sind, dass sich wer auch immer für diesen File verantwortlich ist, das Leben einfach gemacht und eine VOLLAUSZÄHLUNG einen kompletten ROHDATEN-Satz geliefert hat. Möge, wer auch immer, glücklich damit werden:

Eine kleine Nebenepisode, die zeigt, dass die Daten mit dem Hintergedanken geliefert wurden, die Auswertung maximal zu erschweren und wenn sie doch gelingen sollte, mit Aussagen über den Datensatz, die niemand Zeit und Muse hat, naja, fast niemand, zu diskreditieren, findet sich in der folgenden Beschreibung, die den Datensatz begleitet:

Uns geht es um die beiden letzten Angaben zu “nw” und “onw”. Beide Marker, die die ausgezählten Daten zuordenbar machen sollen, kommen im gesamten Datensatz NICHT vor. Statt dessen findet sich die oben dargestellte Unterscheidung in

  • code_20174
  • nocode_20174

Noch eine kleine Sauerei, die demjenigen, der die Daten auswerten will, die Aufgabe erheblich erschwert. Solche Sauereien nimmt nur vor, wer etwas zu verheimlichen hat. Und das nun ausgerechnet diese kleinen Ferkel des Wegs kommen und für sich reklamieren, die Auszählung von Lausen sei falsch, weil sie nur Daten umfasse, die Abrechungen von Leistungen aus dem Jahre 2021 zum Gegenstand haben, das schlägt dem Fass den Boden aus. Auch, weil es so offenkundig gelogen ist.

Wenn zuträfe, was verklausuliert hier steht:

Um die Kollektive in den Schritten 2 und 3 vergleichen zu können, muss sich der gesamte Datensatz auf Versicherte beziehen, die im Jahr 2021 mindestens eine ärztliche Leistung in mindestens einem Quartal in Anspruch genommen haben. Von diesen können logischerweise erst im Jahr 2021 Versicherte versterben, für die dann entsprechende Kodierungen erst in 2021 vergeben werden können. Der scheinbare Anstieg der Kodierungen für Todesfälle ist also eine logische Konsequenz der Datenauswahl und methodisch als Kohorten-Effekt bekannt. Bei dem sehr seltenen Auftreten einiger Kodierungen für Todesfälle in vorausgegangenen Jahren kann es sich bei dieser Kohorte hingegen nur um Fehler bei der Eingabe oder Übertragung handeln.“”

dann wäre der Datensatz, den die KBV geliefert hat und für die das ZI [nicht zu verwechseln mit dem psychiatrischen Krankenhaus in Mannheim] diese Ausflüchte bringt, entweder eine Ansammlung von so vielen Fehlern, dass er unbrauchbar ist, oder er wäre ein Beleg dafür, dass im großen Stil Versicherungsbetrug begangen wird, dass Abrechnungen für Leute bis 2021 erfolgen, die schon 2016 verstorben sind.

Was sie hier sehen sind die Daten für R96.0, R96.1, R98 und R99 für die Quartale von 1/2018 bis 1/2022. Träfe zu, was die Leute vom ZI behaupten, dann wären all diejenigen, die bis zur fünftletzten Spalte aufgeführt sind, entweder FEHLEINTRÄGE oder BETRUGSFÄLLE, denn – wie behauptet das ZI unter Missbrauch des Begriffs “logisch”: “logischerweise [können] erst im Jahr 2021 Versicherte versterben, für die dann entsprechende Kodierungen erst in 2021 vergeben werden können”. Ergo müssen diejenigen, die in den ersten 12 Spalten in so großer Zahl aufgeführt sind, aber nach der Logik des ZI erst 2021 verstorben sein können, Leute sein, die mehrfach sterben, denn sie sind auch im ersten Quartal 2018 als plötzlich verstorben [R96.0] aufgeführt. Wie oft kann ein Verstorbener in den Daten der Kassenärztlichen Vereinigung eigentlich sterben? Überhaupt, wenn “logischerweise” die Leute erst 2021 sterben können, wieso sind dann im ersten Quartal 2022 [letzte Spalte[] 9.163 Versicherte einfach und ungeachtet der Tatsache, dass sie logischerweise nur 2021 hätten versterben sollen, im ersten Quartal 2022 verstorben?

Seltsamkeiten über Seltsamkeiten.

Besonders schön ist auch die folgende Behauptung:

“Bei dem sehr seltenen Auftreten einiger Kodierungen für Todesfälle in vorausgegangenen Jahren kann es sich bei dieser Kohorte hingegen nur um Fehler bei der Eingabe oder Übertragung handeln.”

Ganz schön frech, diese Behauptung, angesichts der Tatsache, dass der gelieferte Datensatz öffentlich zugänglich und die hier verewigte Lüge leicht als solche erkennbar ist. Die Daten, die oben dargestellt sind, sind keine Fehler bei der Übertragung, sie sind so im Datensatz vorhanden. Bleibt der Eingabefehler, also eine falsche Erfassung bei der KBV: Insgesamt wären dann seit dem ersten Quartal 2018 und bis zum 4. Quartal 2020 1.912 Fehleingaben in der Kategorie R96.0 “plötzlich eingetretener Tod”, 570 Fehleingaben in der Kategorie “Todeseintritt innerhalb von weniger als 24 Stunden”, 196 Fehleingaben in der Kategorie “Tod ohne Anwesenheit anderer Personen” und 14.304 Fehleingaben in der Kategorie “Sonstige ungenau oder nicht bezeichnete Todesursachen” erfolgt. Eine so große Menge von Eingabefehlern macht den kompletten Datensatz hinfällig. Er ist demnach Schrott und man fragt sich, auf welcher Grundlage eigentlich Abrechnungen von Ärzten bei Krankenkassen vorgenommen werden.

Das bringt uns zu der letzten Möglichkeit, bei den seit dem 1. Quartal 2018 hier dokumentierten 16.902 Personen, die 2021 und in einem der vorausgehenden Jahre seit 2018 verstorben sind, könnte es sich um die Spitze eines Eisberges handeln, der mit dem Begriff “Abrechnungsbetrug” beschrieben werden kann.

Was darf es sein?

  1. Sind die Zahlen der AfD korrekt?
  2. Ist der Abrechnungsdatensatz der KBV so schlecht und fehlerhaft, dass man auf seiner Grundlage keinerlei Geld von Krankenkassen also den Beitragszahlern verlangen kann?
  3. Ist der Abrechnungsdatensatz ein Beleg für systematsichen Abrechungsbetrug?

Und natürlich ist es möglich, dass sich die Verantwortlichen davonlügen wollen, was einmal mehr dafür sprechen würde, dass die Ergebnisse der AfD akkurat sind.

Was darf es sein?
Was uns angeht, wir halten Alternative 1 und damit die Daten, die die AfD und Tom Lausen präsentiert haben, für korrekt. Wer auch immer den gelieferten Datensatz erstellt hat, hat keine Auswahl getroffen, sondern eine Vollerhebung vorgenommen und als Rohdatensatz bereit gestellt.



Falls Sie noch nicht wissen, was Sie zu Weihnachten schenken wollen: Machen Sie sich und uns eine Freude.

Unterstützen Sie ScienceFiles, und wir machen im Neuen Jahr in alter Frische weiter.

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


Vielen Dank und eine schöne Adventszeit!
Ihre SciencFiles-Redaktion


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:

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: HLFXG1B21B24


Wenn Sie ScienceFiles weiterhin lesen wollen, dann sind Sie jetzt gefordert.
Print Friendly, PDF & Email
59 Comments

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

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

Liebe Leser,

Robert Habeck hat es auf den Punkt gebracht:

Wenn Sie uns nicht mehr unterstützen, "dann sind wir nicht pleite", hören aber auf zu publizieren.

Damit es nicht soweit kommt, gibt es zwei mögliche Wege für ihre Spende:

  • Unser Spendenkonto bei Halifax
  • Unsere sichere in den Blog integrierte Spendenfunktion.

Sie finden beides hier:
ScienceFiles-Unterstützung

Vielen Dank!