Meteen met de deur in huis vallen maar. Een boude uitspraak, die we hier gaan onderbouwen aan de hand van de Kaplan-Meier grafieken uit het rapport van Meester & Jacobs. Het is een voortzetting van het eerder verschenen artikel: Sterf je echt 1200 keer zo snel als ongevaccineerde? In dat artikel werd uitgelegd op welke wijze het HVE en het ontbreken van een flink deel van de registratie van de vaccinaties in CIMS doorwerkt in het verloop van de Kaplan-Meier curve. Een schijnbaar sterk verhoogde sterfte bij de ongevaccineerden is dan al snel de conclusie.

Italië hielp ons

Het aandeel van HVE hebben we kunnen schatten uit de cijfers uit Italië, die daarvoor model staan. Het rechterdeel van de Kaplan-Meier curve is daarmee goed verklaarbaar. Dat geldt in mindere mate voor de achterstand in de registratie van vaccinaties in CIMS. Wel is er destijds een indicatie gevonden voor deze achterstand. Lees bijvoorbeeld: Wanneer ben je gevaccineerd volgens CIMS? Hierin lieten we zien dat er sprake is van een achterstand van 5-10 weken bij het registreren van de vaccinaties in CIMS. Hierbij moeten we meteen aantekenen dat daarbij ook een deel aan HVE moet worden toegerekend.

Wat was de registratiegraad in CIMS?

Stapje verder

In de analyse van vorige week gebruikten we een simpele aanname voor deze achterstand. Een achterstand bij de registratie van gevaccineerden in CIMS, die elke dag met een vast percentage werd verhoogd. Dat simpele model was in staat om het verloop van de sterfte redelijk te beschrijven. Maar nu gaan we een stapje verder en willen we het precies weten. In plaats van te zoeken naar een model voor deze achterstand, gaan we nu de achterstand voor elke dag afzonderlijk berekenen. Of in andere woorden: welke achterstand bij de registratie in CIMS kan het verloop van de Kaplan-Meier curve verklaren, nadat je het HVE al in rekening hebt gebracht. Het eindresultaat is dan per definitie een perfecte fit, want je gebruikt geen model, maar zoekt er de juiste cijfers bij om het verloop exact te verklaren. Dit wordt dan dus de grafiek:

De streeplijnen zijn de gefitte lijnen uit het rekenmodel en we zien hier dat die inderdaad exact samenvallen met de waargenomen sterfte. Dat is de bonus voor het niet gebruiken van een model, maar per dag een waarde berekenen voor wat de registratiegraad geweest zou moeten zijn.

Maar dan hebben we nu dus als resultaat voor elke dag een berekende waarde wat die registratiegraad geweest zou moeten zijn en daar maken we een grafiek van:

Als de registratiegraad geen verband zou hebben met de waargenomen sterfte bij gevaccineerden, dan zou er iets grilligs, onvoorspelbaars en onverklaarbaars uit zijn gekomen. Maar bij deze curve kunnen we ons wel een beeld vormen. Een steeds sneller stijgende registratiegraad, met de snelste toename als de helft is geregistreerd.

Ter informatie is er een streepjeslijn doorheen getrokken, die het beste past bij het verloop in de eerste weken. In statistische termen heet dat een “sigmoïd curve”. De lijn is behulpzaam bij het interpreteren van de berekende lijn.

Wat weten we nu?

Wat leren we van deze berekening?

Belangrijk is dat we ons realiseren dat de betrouwbaarheid van de berekening afneemt met de dagen. Tot 28 dagen na vaccinatie heeft de achterstand in de registratie de overhand boven effecten als HVE. We kunnen dus zeker over de eerste 3 weken goede conclusies trekken. Na 3 weken is 20% opgenomen in CIMS. Na 14 dagen was dat nog maar 10% en na 7 dagen zelfs maar 3%. Als we het gemiddelde over de eerste 7 dagen berekenen, dan is dat slechts 1,3%.

Achterstand en HVE hebben verregaande consequenties

Nadrukkelijk wijzen we er hier op dat dit niet gaat over corona of overlijden waar vaccinatie een rol speelt. Dit gaat over het overlijden ongeacht de doodsoorzaak. Maar deze cijfers hebben wel twee belangrijke consequenties als het gaat om de interpretatie van de sterftecijfers.

1. Nivel stelt vast dat oversterfte (alle oorzaken dus) zit bij de ongevaccineerden. De berekeningen laten een duidelijke achterstand zien bij het registreren van de gevaccineerde overlijdens. In de eerste 3 maanden ontbreekt gemiddeld een derde van de gevaccineerden in de registratie in CIMS. Logisch dat Nivel niet verder komt dan dat de oversterfte bij ongevaccineerden lijkt te zitten.
2. Bekend is dat er veel overlijdens kort na vaccinatie plaats vinden, die een mogelijke relatie met die vaccinaties hebben. Zoals we nu zien, zal 98,7% van die verdachte overlijdens in de boeken terechtkomen als ongevaccineerd. Of anders gezegd, als er ten gevolge van vaccinatie 10.000 overlijdens zouden zijn geweest, dan komen er daarvan maar 130 in de boeken als gevaccineerd.

De administratieve achterstand is dus allesbepalend voor de uitleg van de sterftecijfers. Maar zelfs nu we de achterliggende mechanismen in beeld hebben, kunnen we met deze cijfers nog steeds niets zeggen over de relatie tussen vaccinatie en oversterfte. Daarvoor zijn de cijfers gewoon veel te onbetrouwbaar. Los van de conclusie die Nivel heeft gegeven, zijn ook die cijfers niet terug te voeren op de relatie met vaccinatie.

Wat zien we nog meer?

Er is nog iets wat opvalt in de registratiegraad grafiek. We zien de registratiegraad in de eerste weken dus steeds sneller stijgen. Volgens de sigmoïd voorspelling zou die later weer geleidelijk moeten afbuigen naar de 100% registratiegraad: iedereen die een prik kreeg is bekend. Maar na 28 dagen zien we iets bijzonders. De registratiegraad stagneert en pas na enkele weken stijgt deze opnieuw, om uit te komen op 87% registratiegraad. Dat is bijzonder.

Zien we hier “die 4 weken”?

Een sluitende verklaring is er niet, maar het heeft er de schijn van, dat na 28 dagen de tweede prik werd gezet, waarna de registratie weer even stopgezet werd. Wel met de kanttekening dat de onbetrouwbaarheid van de cijfers toeneemt, naarmate de registratiegraad toeneemt. Het HVE-aandeel en de achterstallige registratie gaan een steeds vergelijkbaardere rol spelen en zijn steeds slechter van elkaar te onderscheiden.

Het beeld bij de ouderen is precies hetzelfde

En de andere leeftijden?

Deze berekeningen zijn uitgevoerd op het leeftijdscohort geboren tussen 1960 en 1970. Maar we hebben ook de cijfers van de geboortejaren 1940-1950. De Kaplan-Meier grafiek daarvan is al eerder uitgewerkt. Maar nu dus met een verbeterd model. De nieuwsgierigheid gaat natuurlijk meteen uit naar de berekende achterstand, want daar verwacht je weinig verschil tussen leeftijden en dat blijkt ook zo te zijn!

Tot 14 dagen een vrijwel exact gelijk verloop! Na 7 dagen ook 3% en na 14 dagen ook weer 10%. Daarna wordt de grens van 50% geregistreerd bereikt na 25 dagen (bij de jongere groep 28 dagen). Een opmerkelijke overeenkomst.

Ook hier zien we na 28 dagen een stagnatie en na nog eens 4 weken de doorstijging naar de registratiegraad van 95%.

Wat ook interessant is, maar wat we niet in deze grafieken kunnen zien, is dat het HVE voor beide leeftijdsgroepen hetzelfde is. HVE heeft een aandeel van 70% van de ongevaccineerde overlijdens. Gelijke percentages dus, ondanks dat de overlijdenskansen bij beide groepen flink van elkaar verschillen.

Conclusies

Door het modelvrij berekenen van de achterstand bij de registratie van gevaccineerden, zien we dat in de eerste week van vaccinatie slechts 1,3% van de gevaccineerden terug te vinden is in CIMS. De overige bijna 99% wordt derhalve beschouwd als ongevaccineerd.

Analyses van plotselinge dood kort na vaccinatie, zullen gefrustreerd worden door de schijnbaar zeer lage vaccinatiegraad. Ook zal door deze datavervuiling een schijnbaar veel te hoge VE worden berekend.

Deze datavervuiling is mede de verklaring dat het Nivel met haar berekeningen tot de conclusie komt, dat oversterfte zit bij de ongevaccineerden. Maar nog belangrijker: bij veronderstelde overlijdens ten gevolge van vaccinatie, zal bij bijna 99% van deze overlijdens in de eerste week de status “ongevaccineerd” toegekend worden. Dit diskwalificeert op voorhand al elk onderzoek dat poogt het verband tussen oversterfte en vaccinatie te ontkennen.