Maak nu een eind aan de cijfer-grabbelton

Leestijd: 4 minuten

Maak nu een eind aan de cijfer-grabbelton

Oorzaak

Dit weekend kwam ik weer een prima voorbeeld tegen van de cijfer-grabbelton, die in de afgelopen twee jaar is gemaakt tijdens de Coronacrisis. Terwijl je denkt/hoopt te kijken naar harde cijfers, op basis waarvan je conclusies zou kunnen trekken, blijken ze vaak boterzacht te zijn.

Dat komt door een combinatie van factoren:

• De cijfers die verzameld worden zijn vaak niet eenduidig, omdat het afhangt van de definities en de kwaliteit van data verzamelen. Bijvoorbeeld: als je echt goed de oversterfte zou willen analyseren, zou van alle sterfgevallen de echte overlijdensreden vastgesteld moeten zijn (zowel voor 2020 als erna). Maar het zijn vaak simpele administratieve handelingen, die ruimte bieden voor interpretatie.
• Degenen die de cijfers analyseren en presenteren lijken vaak gericht te zijn op het onderbouwen van het standpunt dat ze al hadden. Dat geldt dus ook voor sterk verschillende uitgangspunten. Dus bijvoorbeeld zowel voor degenen die vinden dat vaccinaties volledig veilig zijn als voor degenen die vinden dat de vaccinaties zeer onveilig zijn. Het is niet altijd makkelijk om dan te vinden wat het onderzoek verhult.
• De brondata zijn vaak niet toegankelijk door een combinatie van redenen. Maar als die brondata wel toegankelijk zijn, dan nog kan je met problemen zitten van definities en kwaliteit van de data-verzameling zelf.

In de afgelopen twee jaar heb ik daar vele voorbeelden van op deze site gegeven. Vorige week nog over de meta-studie over het effect van afstand houden op de kans besmet te raken. As je naar de basisstudies ging kijken, waarop die meta-studie gebaseerd was, merkte je pas hoe nietszeggend de uitkomsten waren. Vaak als ik in een studie duik, lijkt het meer op een toverbal, die regelmatig van kleur verandert. En als ik ongeveer denk te weten hoe het zit, lees ik weer een kritiek met punten, waaraan ik zelf nog niet gedacht had.

En echt, dat betreft cijfermateriaal en analyses van beide kanten van het spectrum.

Overschatting gestorven ongevaccineerden

Dit weekend kwam ik een artikel tegen uit Zweden waarin een groep artsen constateerde dat bij het presenteren van de overlijdenscijfers van Covid-19 geïnfecteerden naar vaccinatiestatus, er door de Zweedse autoriteiten een overschatting had plaatsgevonden van de ongevaccineerde overlijdensgevallen. Het is een boeiend artikel omdat het laat zien welk gevolg het voor de cijferpresentaties heeft als je degenen die net zijn gevaccineerd nog meetelt als ongevaccineerden.  Hun oproep was voor zuivere data, omdat alleen dan goede analyses kunnen worden uitgevoerd.

De officiële cijfers van het Zweedse RIVM rekenden bij de overlijdensgevallen wegens Covid-19 iedereen als ongevaccineerd als men niet gevaccineerd was, of als men korter dan 14 dagen daarvoor de tweede prik had gekregen.

Men vroeg de basisdata op en verdeelde de ongevaccineerden uit het bestand in drie groepen: “ongevaccineerd”,  “binnen 21 dagen na de eerste vaccinatie”, “21 dagen na de eerste vaccinatie, maar nog niet 14 dagen na de tweede vaccinatie”.  Dat geeft interessant materiaal. (Let op: het betreft overlijdensgevallen van degenen, die positief op Covid-19 zijn getest).

In het artikel staat het overzicht van die groep “ongevaccineerden” per maand. Ik zal de maand mei 2021 even als voorbeeld nemen. Het Zweedse RIVM meldde dat er 304 Zweden aan Covid-19 waren overleden, die niet gevaccineerd waren (van de 365 overlijdensgevallen). Maar bij de nieuwe uitsplitsing bleek dat 178 écht ongevaccineerd was en 120 al wel gevaccineerd was, maar nog niet 14 dagen na de tweede prik.

Voor het hele jaar 2021 werd ruim 30% meer overlijdensgevallen aan Covid-19 onder de ongevaccineerden gemeld dan echt het geval was.

Het is zeker niet zo, dat als je die oproep van de Zweedse artsen leest, zij niet onderkennen dat er een soort schemerperiode is tussen het moment dat iemand de eerste vaccinatie krijgt en het moment 14 dagen na de tweede vaccinatie. Maar door die hele groep als “ongevaccineerd” te bestempelen, doe je twee dingen:

• Je geeft de indruk dat het sterfterisico van de ongevaccineerden groter is dan die in werkelijkheid is.
• Je versluiert een op zichzelf belangrijk gegeven dat er een vrij forse sterfte aan Covid-19 is onder mensen die recent zijn gevaccineerd. (In mei betrof dat 67 personen die binnen 21 dagen na hun eerste vaccinatie aan Covid-19 overleden, terwijl dat onder de groep ongevaccineerden 178 was).

Het gaat er zeker niet om dat de artsen die de oproep doen over deze cijfers stellen dat vaccinatie niet in bepaalde mate tegen sterfte door Covid-19 beschermt. Maar zij benadrukken dat goede analyses onmogelijk zijn uit te voeren als er zulke grove indelingen worden gehanteerd. Zij roepen op die tussengroep tussen ongevaccineerd en volledig gevaccineerd uit te splitsen in zelfs 5 groepen. Terwijl natuurlijk ook de leeftijd en de gezondheidssituatie van de betrokken personen een rol spelen.

Geen goede afwegingen te maken

Als je echt goede afwegingen zou willen maken ten aanzien van de risico’s van het niet vaccineren of wel vaccineren, dan is natuurlijk de belangrijkste eis dat de data je daar ook de mogelijkheid toe bieden. Door op de manier met indelingen om te gaan zoals het Zweedse RIVM heeft gedaan (en ook het Nederlandse RIVM doet) zijn die inschattingen niet te maken. De basisdata komen niet ter beschikking. Vanwege argumenten als “privacy”. (Maar dat is eigenaardig want je kunt de data anonimiseren).

Ik heb voor alle zekerheid ook nog een grootschalige studie uit Zweden bekeken over de relatie geïnfecteerd raken, in het ziekenhuis komen en overlijden met/door Covid-19.

Net zoals andere studies in de wereld laat het zien dat de bescherming van het vaccin, die in de eerste twee maanden wordt vastgesteld, daarna duidelijk daalt. Bij ouderen sneller dan bij jongeren. Ten aanzien van infectie sneller dan ten aanzien van ziekenhuisopnames/sterfte. De aanpak van de studie is duidelijk anders dan de basiscijfers van het Zweedse RIVM, die ik hierboven heb beschreven. Maar ook bij dit soort studies hebben keuzes t.a.v. de definities van gevaccineerd of niet duidelijke gevolgen voor de cijfers. En de gevolgen daarvan kunnen groot zijn.

Stel dat bij een bepaalde definitie hiervan het effect van de vaccinatie tegen ziekenhuisopname van 70-plussers na 8 maanden op nul ligt. Bij een andere definitie kan dat nulpunt op 4 maanden liggen.

Minder lang

We lijken inmiddels te weten dat een tweede booster minder lang werkt dan een eerste booster. En we weten dat Omikron tot minder ziekenhuisopnames/IC-opnames leidt dan een infectie met Delta. Maar doordat we aan de hand van die definities van wie nu eigenlijk gevaccineerd is of niet duidelijke verschillende uitkomsten krijgen, wordt besluitvorming lastig als men een afgewogen oordeel wil vormen (vanuit het beleid of als persoon) of wanneer en voor wie het verstandig is om een 1e, 2e, 3e, of 9e booster te nemen. Nog los van de mogelijke nadelen.

Het zo snel mogelijk beëindigen van deze data-grabbelton, mede door de basisdata beschikbaar te maken en bij de data-verzameling opzet onafhankelijke buitenstaanders te betrekken, is in het belang van iedereen!

U heeft zojuist gelezen: Maak nu een eind aan de cijfer-grabbelton.

Volg Maurice de Hond op Twitter | Facebook | LinkedIn | YouTube.

Blijf onze site steunen met af en toe een (kleine) donatie. Klik hier.