Ich habe mich über diese Rohdaten (!) auch gewundert. Aus der von dir geposteten Tabelle geht aber auch hervor, daß das adjustierte Risiko (letzte Spalte) anders aussieht als das unadjustierte Risiko (vorletzte Spalte). Solange du nicht argumentieren kannst, daß diese Adjustierung falsch berechnet wurde oder daß Adjustierungen grundsätzlich methodisch fragwürdig sind, kannst du es jedenfalls keine Falschberichterstattung nennen.
Formulieren wir dieses Studienergebnis andersherum:
"In der größten Untersuchungsgruppe der 16 - 74-Jährigen lag das errechnete Risiko von Severe COVID-19 (Hospitalisierung oder Tod) in der Gruppe mit "vaccine deficit = 0" um ein Drittel niedriger als in der Gruppe mit "vaccine deficit = 3".
Trotzdem waren in ersterer Gruppe die verzeichneten Fälle von Severe COVID-19 (Hospitalisierung oder Tod) gegenüber "vaccine deficit = 3" fast doppelt so hoch und die Autoren ordneten dies anderen Faktoren zu."
Oder:
"Das von uns nach Dutzenden undurchschaubaren Regressionen und Ableitungen errechnete Risiko für schwere Verläufe bei 16-74jährigen ist in der Gruppe mit "vaccine deficit = 0" um ein Drittel geringer, obwohl die Rohdaten eine komplett gegenteilige Situation zur Schau stellten. Die Autoren ordneten dies anderen Faktoren zu, die aber nicht thematisiert oder erklärt werden."
Das wirft Fragen auf.
Das in den Rohdaten größere Risiko für Severe COVID-19 bei "vaccine deficit = 0"wurde also auf andere Faktoren ausgelagert.
Zusammen mit "vaccine deficit" wurden gleichzeitig weitere multiple Variablen mit deren Einfluss auf den Zielwert mathematisch errechnet und für die isolierte Betrachtung von "vaccine deficit" in Abzug gebracht.
So etwas ist komplex und hochanfällig nicht nur hinsichtlich ausgelassener Einflussfaktoren und Beeinflussungen der untersuchten Variablen untereinander.
Kannst du die Adjustierung in der ansatzweise beschriebenen Vielfalt an Regressionen und Faktoren-Berechnung aus teilweise nicht-vorhandenen und teilweise abweichend erfassten Daten und folgender Cox-Modellierung und Taylor-Expansion verstehen und nachvollziehen?
Findest du alle diese Berechnungen der Autoren in deren Anhang? Legst du deine Hand dafür und für alle zugrundeliegenden Datenerhebungen ins Feuer?
Kennst du unter den verwendeten Variablen
Das der "Anzahl der Personen im Haushalt" zugerechnete Risiko?
Den errechneten Einfluss von der "Anzahl der PCR-Tests in den letzten 6 Monaten" und "Anzahl der positiven PCR-Tests in den letzten 6 Monaten"?
Dessen Sinnhaftigkeit in diesem Zusammenhang?
Gleiches für vorhergehende Hospitalisierung für Covid-19 oder anderer Ursache?
Die Verteilung der QCovid-Risikogruppenberechnung oder der alternativen Verwendung von Einträgen aus der Arzneitmittelverordnungsdatenbank?
Ist es bei Fehlen der QCovid risk group oder BFN Einträgen (bei den vermutlich weniger eifrigen Arztgängern aus vaccine deficit=1-3) angemessen, die Vorerkrankungen mit Risiko=0 einzubeziehen anstelle eines Medians der Bevölkerung?
Ist es ordentliches Verhalten der Autoren aus diesen komplex erstellten Assoziationen einen Kausalzusammenhang aufzustellen für ca. 7200 Covid-19 Hospitalisierungen oder Tode?
Ist es ordentliches Verhalten der Autoren auf solcher Basis und deswegen bei der Anzahl von 26 985 570 "undervaccinated" insgesamt ca. 40-80 Millionen zusätzliche invasive Eingriffe
vorzunehmen zu fordern und dabei anzunehmen, dass die auf andere Faktoren ausgelagerten Erkrankungenrisiken davon unbeeinflusst blieben?
Auf 6 statt 4 Monatszeiträume gerechnet ergibt das ein Verhältnis der zusätzlich geforderten invasiven Behandlungen zur Anzahl mutmaßlicher Vermeidung von Severe Covid-19 von überschlägig 7.400-3.700 : 1.
Ist es eine glaubhafte Angabe der Autoren, trotz ihren Mitgliedschaften in relevanten Beratungsgremien der Regierung davon keinerlei Vergütungen, Entschädigungen oder indirekte Vorteile zu erhalten?
Ist es ordentliches Verhalten der Autoren trotz dieser regelhaften innigen Tätigkeiten ihre Unbeeinflussung anzugeben?
Die Autoren weisen für die Gruppe der undervaccinated erhöhte Armutsverhältnisse, nicht-weiße Ethnizität und verringerte Vorerkrankungen aus, was für die Erklärung der verringerten Fälle an Severe Covid-19 trotz undervaccination vorgestellt wird.
Gehen weniger Vorerkrankungen nun erst oder schon immer einher mit erhöhten Armutsverhältnissen?
Schützt auch Armut vor Severe Covid-19?
Die von den Autoren so nebenbei aufgeworfenen Implikationen wären gewaltig, falls sie stimmen und im Berechnungsausmaß offengelegt wären.
Die Winkel neuer und alter Details auf die zu achten sind, sind zahlreich und man kann sich leicht darin verzetteln.
Bei Kurzzeitbetrachtungen fallen nicht zuletzt stark variierende Rahmenbedingungen ins Gewicht u.a. bzgl. welche Gruppe wann, wie getestet und wann, welchen bevorzugten Behandlungen und welchen Zählungen zugeführt wurde.
Die Erhebungsmethodiken für Rohdaten über den Zeitverlauf weichen enorm ab.
Für eine gleiche Verknüpfung im anderen Zeitraum benötigt man möglicherweise ein anderes Berechnungsmodell. Müsste man alle Zeiträume mit gleichem Modell ineinander vereinen, wäre das Ergebnis vermutlich futsch.
In mancher sensationsträchtiger Studie der letzten Jahre konnte man beispielhaft
überlesen, wie die statistische Relevanz bei Verwendung eines einzelnen Zwischenschritts einfach nicht gegeben war.
Die musterhaften t-Tests auf vorhergehende und nachfolgende Schritte wurden aber lauthals angepriesen.
Schon heute oder übermorgen kann man für eine neue Veröffentlichung bereits alles wieder durcharbeiten.
Peace out.