… wenn man noch bei Verstand ist.

Die Analysen, an denen die Verantwortlichen kein Interesse haben, weil sie zu feige oder zu bösartig oder zu menschenverachtend oder alles zusammen sind, die Analysen, die zur Folge haben, dass sie die Konsequenzen ihrer Handlungen konfrontieren und die Verantwortung dafür übernehmen müssen, sind wieder angewachsen. Eine weitere Studie zeigt, was jedem, der noch Restverstand bewahrt hat, offensichtlich ist:

Die Massen“impfung“ hat ÜBERSTERBLICKEIT verursacht.

Der „Piks“ schützt nicht, er schadet, zuweilen fügt er dem Geimpften einen finalen Schaden zu. Die Häufigkeit dieser finalen „Pikse“ ist so groß, dass sie sich in Übersterblichkeit niederschlägt, was an sich schon eine Leistung ist, die dadurch, dass nach dem Ende einer Pandemie normalerweise eine Untersterblichkeit zu sehen ist, weil viele derjenigen, die vom pandemischen Pathogen gefährdet waren, verstorben sind, noch größer wird. Diese COVID-19 Spritzbrühen haben ein erhebliches Tötungspotential, eines, das man auf Aggregatdaten in ÜBERSTERBLICHKEIT abbilden kann, das aber natürlich nicht auf die Übersterblichkeit beschränkt ist, denn man muss erst einmal in den Bereich der Übersterblichkeit gelangen. Das setzt eine erhebliche Anzahl von „Vor“-Toten voraus. Sie können sich das vorstellen, wie bei einem Eimer, der Regenwasser auffängt. Damit er mit der Menge an Regenwasser gefüllt werden kann, die für durschnittliche Regentage der Vorjahre gemessen wurden, ist schon einiges an Regen notwendig. Damit er mit mehr Wasser als im Durchschnitt der Vorjahre gefüllt werden kann, ist deutlich mehr an Regen notwendig, indes bringt aller Regen Wasser….

Die Studie, von der wir heute berichten, gehört zum besten, was wir an Aggregatdatenanalyse in den letzten Jahrzehnten gesehen haben. Es macht Spaß zu sehen, dass es wieder Wissenschaftler gibt, die in der Lage sind, mit Aggregatdaten umzugehen, gewandt umzugehen wie die folgenden beiden:

Die beiden Wissenschaftler von der Western Norway University of Applied Sciences in Bergen haben eine Analyse vorgenommen, deren Ergebnis man schon deshalb nicht vom Tisch wischen kann, weil sie den Weg zu alternativen Erklärungen verstellt haben. Wie, das erzählen wir in aller Kürze jetzt.

Ausgangspunkt sind Daten zur generellen Übersterblichkeit für 31 Länder, die komplette EU ergänzt um Island, Norwegen und die Schweiz. Die Daten liegen für den Beobachtungszeitraum auf Basis von Monaten vor.

Übersterblichkeit wird wie üblich, als die Sterblichkeit berechnet, die über dem Durchschnitt der vier vorausgehenden Jahre (2016 bis 2019) für den gleichen Monat liegt. Alle Analysen sind auf Basis der Anzahl der jeweiligen Bevölkerung in den einzelnen Ländern gewichtet. Die Übersterblichkeit, sofern vorhanden, der Jahre 2020 und 2021 fließt als Kontrollvariable in die Analyse ein, ebenso wie die Lebenserwartung.

Warum, dazu kommen wir gleich.

Da es darum geht, den Effekt, den die Massen“impfung“ auf die Übersterblichkeit hat oder nicht hat, zu untersuchen, ist klar, dass eine der Variablen, die zur Erklärung der Übersterblichkeit genutzt wird, ein Anteil der „geimpften Bevölkerung“ ist. Die Autoren entscheiden sich dafür, die Impfquote als den Anteil der Bevölkerung, der zum Ende des Jahres 2021 mindestens zwei COVID-19 Shots intus hatte, zu operationalisieren. Um der Tatsache Rechnung zu tragen, dass Übersterblichkeit sich nicht in einem Monat abspielt, sondern in mehreren fortlaufend, differenzieren die Autoren nach den Monaten, in denen sich die Übersterblichkeit ereignet hat, eine sehr schicke Lösung, denn sie erlaubt, Zeitverlauf in Aggregatdaten abzubilden.

Und nun etwas zum beeindrucken: Die Autoren berechnen …, erst einmal tief Luft holen, los geht’s:

linear multi-level mixed-effect random intercept regressions,

also letztlich linerare Repräsentationen für eine Entwicklung, die in unterschiedlichen Perioden stattfindet, im vorliegenden Fall in Monaten. Ergebnisse, die am Ende solcher Analysen stehen, sind in der folgenden Tabelle zusammengestellt.

Heureka, eine statistische Analyse, in der ein Gütemaß angegeben ist, Wald’s Chi-Quadrat im vorliegenden Fall, statistisch hoch signifikant für alle Modelle. Wir interpretieren also keine heiße Luft, sondern tatsächliche Ergebnisse. Ergebnisse, die sich im Wesentlichen in der Spalte, die mit V*M benannt ist, abspielen. V*M bildet einen kumulativen Effekt ab, der sich aus der Interaktion des Anteils der „geimpften“ Bevölkerung zum Ende des Jahres 2021 und den fortschreitenden ersten neun Monaten des Jahres 2022 ergibt. Und wie die Monate da so fortschreiten, nimmt die Übersterblichkeit zu und produziert einen erheblichen Effekt, der im ersten Model mit dem signifikanten Koeffizienten 0,105 angegeben ist. d.h. für jedes Prozent, mit dem der Anteil derjenigen einer Bevölkerung, die „geimpft“ sind, steigt, steigt die Übersterblichkeit in diesem Land um 0,1%.

In den Worten der Autoren:

„Model 1, Table 3, shows that vaccination uptake has a non-significant direct association with the dependent variable, but the significant monthly association indicates that the overall mortality tends to increase over time. The interaction between vaccination uptake and time passed in months since the beginning of 2022 (V*M) is strongly significant and implies that the mortality increases the higher the vaccination uptake. Specifically, it shows that a one percentage point increase in 2021 vaccination uptake is associated with an increase in 2022 monthly mortality by 0.105 percent (95% CI, 0.075-0.134).“

Um die Größenordnung am Beispiel Deutschlands zu verdeutlichen. In Deutschland hatten Ende des Jahres 2021 72,8% der Bevölkerung zwei COVID-19 Spritzen intus. Wären es nur 71,8% gewesen, die Sterblichkeit hätte sich um rund 8.000 Personen in den ersten neun Monaten des Jahres 2022 reduziert.

Deftig.

Und ein stabiles Ergebnis, denn die vier verbleibenden Modelle präsentieren die Ergebnisse, die sich einstellen, wenn unterschiedliche Variablen, von denen man annehmen kann, dass sie einen Effekt auf die Übersterblichkeit in 2022 hatten, z.B. die Sterblichkeit in den Jahren 2021 und 2020, kontrolliert werden. Relevant ist immer die Zeile, die mit V*M beschriftet ist. Der Wert in dieser Zeile ist weitgehend konstant und in jedem Fall signifikant. Man kann an dem, was die folgenden Abbildungen zeigen, somit wenig wegdiskutieren:

 

Die Abbildung links zeigt, wie im Verlauf des Jahres 2022 die Übersterblichkeit stetigt steigt. Die Abbildung rechts zeigt, wie sich die stetig steigende Übersterblichkeit als Folge des steigenden Anteils der Bevölkerung, der „geimpft“ ist, einstellt.

Sehr deutliche Ergebnisse.

Nun wird es natürlich wieder die Schlaumeier geben, die schon einmal etwas von einem ökologischen Fehlschluss gehört haben, einer durch die Daten nicht getragenen Übertragung eines auf Aggregatdatenebene gewonnenen Ergebnisses auf die Individualebene. Indes, wem diese Idee kommt, der spare seinen Atem, denn die Autoren haben diesen Einwand vorweggenommen und sehr gekonnt gezeigt, dass er nichts an den Ergebnissen ändert.

Ökologische Fehlschlüsse kommen im Allgemeinen in Form von zwei Paradoxa, dem von Robinson und dem von Simpson.

Robinson fand auf Ebene der US-Bundesstaaten einen positiven Zusammenhang zwischen Lesefähigkeit und einem steigenden Anteil von US-Bürgern, die nicht in den USA geboren wurden. Indes, auf Individualebene fand er das Gegenteil, US-Bürger, die nicht in den USA geboren wurden, hatten eine geringere Wahrscheinlichkeit, lesen zu können als in den USA Geborene. Des Rätsels Lösung: nicht in den USA Geborene fanden sich häufiger in US-Staaten mit hohem Bevölkerungsanteil von Personen, die des Lesens mächtig sind. Das Problem ist als Problem „umgekehrter Kausalität“ in die Wissenschaftsgeschichte eingegangen und wäre im vorliegenden Fall dann relevant, wenn es möglich wäre, dass die Übersterblichkeit der Massenimpfung vorausgeht.

Das ist offenkundiger Unfug.

Simpson’s Paradox ist etwas komplexer. Angewendet auf den vorliegenden Fall läge es dann vor, wenn in Ländern mit einem hohen Anteil „geimpfter“ Bevölkerung vor der Impfung sehr wenige Leute gestorben sind, so dass die höhere Sterblichkeit nach „COVID-19 Shot“ nicht auf den COVID-19 Shot zurückzuführen ist, sondern eine Art Aufholjagd des Sensenmannes darstellt. Leicht auszuschließen, wenn man die Sterblichkeit der Jahre 2020 und 2021 kontrolliert. Und genau das haben die Autoren in den Modellen 1 und 3 der Tabelle oben getan. Das Ergebnis, der Zusammenhang zwischen dem Anteil der „geimpften“ Bevölkerung und Übersterblichkeit, STEIGENDER Übersterblichkeit ist geblieben.

Kurz: Das Ergebnis von Aarstad und Kvitastein steht.
Wer behaupten will, dass die Übersterblichkeit des Jahres 2022 NICHTS mit der Massen“impfung“ des Jahres 2021 zu tun hat, der wird sich an dieser Studie die Zähne ausbeißen müssen, wenn er ernstgenommen werden will.

„This study shows that the all-cause mortality during the first nine months of 2022 in 31 European countries increased more the higher the 2021 vaccination uptake. The association is strongly significant …“

---

 

Falls Sie unsere Arbeit unterstützen, und dafür sorgen wollen, dass bei ScienceFiles auch weiterhin das Rad rund läuft, dann kaufen Sie uns doch einen Kaffee:

---

---

Oder unterstützen Sie uns auf einem der folgenden Wege Unser herzlicher Dank ist Ihnen sicher! DENN: ScienceFiles lebt von Spenden. Helfen Sie uns, ScienceFiles auf eine solide finanzielle Basis zu stellen, damit Sie uns auch morgen noch lesen können!

---

Wir haben drei sichere Spendenmöglichkeiten:

Donorbox

Unterstützen Sie ScienceFiles

---

Unsere eigene ScienceFiles-Spendenfunktion

---

Unser Spendenkonto bei Halifax:

ScienceFiles Spendenkonto: HALIFAX (Bitte angeben: Zahlungsempfänger: Michael Klein, Zahlungszweck: ScienceFiles-Spende / Schenkung):

• IBAN: GB15 HLFX 1100 3311 0902 67
• BIC: HLFXGB21B24

---

Folgen Sie uns auf Telegram.

---

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

---