Schwerwiegende Nebenwirkungen der Corona-Impfstoffe bis hin zu Todesfällen

Mich würde der Volltext interessieren, aber scheint nicht verfügbar auf sci-hub.

Insbesondere: Wie viele Vorfälle gab es insgesamt und wie teilen die sich auf die verschiedenen Altersgruppen auf. Durchschnittswerte über verschiedene Altersgruppen finde ich nicht sehr aussagekräftig. Statistische Signifikanz ist eine Sache, aber bei Ereignissen, die sehr selten sind und nicht genügend großer Stichprobe ist die Aussage, dass es keine statistisch signifikante Häufung gibt ggfs. nicht viel wert.

Korrekt wäre m.E. ohnehin die Bezeichnung "die Nullhypothese kann auf dem gegebenen Signifikanzniveau nicht abgelehnt werden", was aber von Medizinern fast immer gleichgesetzt wird mit einer Kausalität. z.B. bei Medikamenten wird aus einem "gab keinen statistisch signifikanten Unterschied" ein "wirkt nicht". Und dieser Schluß ist unzulässig.

Auswertung für Myokarditiis nach Impfung bei jungen Leuten wäre sehr interessant. Gibts sowas?
 
Mich würde der Volltext interessieren, aber scheint nicht verfügbar auf sci-hub.
In D haben offenbar nur vier Unis einen Zugang zu dem Journal. Ich habe keinen.

Insbesondere: Wie viele Vorfälle gab es insgesamt und wie teilen die sich auf die verschiedenen Altersgruppen auf.
Das steht in Tabelle 1:
1661949887734.png

Auswertung für Myokarditiis nach Impfung bei jungen Leuten wäre sehr interessant. Gibts sowas?
Ja, dazu gab es doch eine gefühlte Million Studien. Ich weiß nicht, ob es da einen aktuellen Review der Studien gibt.
 
In D haben offenbar nur vier Unis einen Zugang zu dem Journal. Ich habe keinen.
Unter dem Link kann man den Volltext lesen. Entweder wurde das umgestellt oder ich habe es vorhin übersehen.
Ich sehe aus der Studie jetzt spontan nicht, dass man da innerhalb der Alterskohorten Vergleiche gemacht hat. Also mich würde interessieren zum Beispiel in der Altersgruppe 18-29, wie viele da geimpft vs. ungeimpft waren bei den verschiedenen Vorfällen. Wenn man das über alle Altersklassen mittelt kann man da sehr verzerrte Ergebnisse bekommen. Die Myokarditiden traten ja auch erst so stark in Erscheinung nachdem man sich die Untergruppe der jungen Männer speziell angeschaut hat. Ich finde es auch immer wieder schade, dass fast nie die Rohdaten solcher Studien zum Download angeboten werden, damit man selbst mal etwas rumspielen kann.
 
Die Überschrift des Artikels lautet: "Kein erhöhtes Schlaganfallrisiko durch die Impfung gegen SARS-CoV-2". Das war genau das, was ich in meinem Beitrag meinte, dass solche Fehlschlüsse praktisch immer gezogen werden in der Medizin. Hier sogar die DGN.

Das Thema nennt sich Fehler zweiter Art, wird in dem Büchlein "Der Hund, der Eier legt" auch ausführlich thematisiert. Dort schreiben die Autoren zu der Problematik unter anderem: "Man kann lediglich behaupten, dass man einen tatsächlichen vorhandenen Unterschied nur mit einer bestimmten Wahrscheinlichkeit, nämlich der für den Fehler zweiter Art, übersehen hätte."
 
Ich kenne einige Leute die sehr oft Infekte haben seit der Impfung und mein Onkel hatte einen "leichten" Herzinfarkt, zum Glück kenne ich selbst keine Todesfälle in meinem Umfeld.

Bei C. ist es ebenso, eine Frau kenne ich die schwerer erkrankt ist (vorerkrankt und wohl wie viele auch zu spät (medikamentös) behandelt), ansonsten nur leichte bis mittlere grippeähnliche Fälle.

Ich selbst hatte es sehr mild ausgeprägt (habe aber ein gutes Immunsystem) und bin und bleibe ungeimpft (nicht nur, aber vor allem was C. betrifft).
Denn ich bin als Kind genügend durchgeimpft worden was sicher zu einigen Baustellen beigetragen haben könnte.
 
Zuletzt bearbeitet:
Die Überschrift des Artikels lautet: "Kein erhöhtes Schlaganfallrisiko durch die Impfung gegen SARS-CoV-2". Das war genau das, was ich in meinem Beitrag meinte, dass solche Fehlschlüsse praktisch immer gezogen werden in der Medizin. Hier sogar die DGN.
Das verstehe ich noch nicht, hier geht es doch nicht darum, daß das Signifikanzniveau nicht erreicht wird. Denn diesen Fall meint doch deine Bemerkung
Korrekt wäre m.E. ohnehin die Bezeichnung "die Nullhypothese kann auf dem gegebenen Signifikanzniveau nicht abgelehnt werden"
oder?

Hier ist das Signifikanzniveau doch erreicht. Oder verstehe ich dich falsch?
 
Ich sehe aus der Studie jetzt spontan nicht, dass man da innerhalb der Alterskohorten Vergleiche gemacht hat. Also mich würde interessieren zum Beispiel in der Altersgruppe 18-29, wie viele da geimpft vs. ungeimpft waren bei den verschiedenen Vorfällen. Wenn man das über alle Altersklassen mittelt kann man da sehr verzerrte Ergebnisse bekommen.
Ja, korrekt. Man hat das aber offenbar gemacht:
This association was consistent across age groups (Supplement Table 5▹).
Das Supplement ist leider nicht frei zugänglich.
 
Zuletzt bearbeitet von einem Moderator:
Oder verstehe ich dich falsch?
Also mal generell (was du vermutlich selbst weißt): Man formuliert ja eine Nullhypothese, in diesem Fall: "Es gibt keinen Unterschied zwischen Geimpften und Ungeimpften in der Rate der [Schlaganfälle, Herzinfarkte, Todesfälle,...]".

Zudem wird ein Signifikanzniveau definiert, ab welchem ein Unterschied statistisch signifikant ist (i.d.R. p < 0.05). Wenn man nun einen Unterschied in den Gruppen findet, der ein p < 0.05 oder < 5% ergibt, spricht man davon, dass der Unterschied statistisch signifikant ist, also mit hinreichender Wahrscheinlichkeit kein Zufall ist. (Nebenbei: Dies sagt aber erst mal nichts über die Effektstärke aus, also ob das Ergebnis überhaupt relevant ist - aber das wäre wieder ne andere Diskussion.)

Ergibt sich ein p > 0.05, so kann die Nullhypothese auf dem gegebenen Signifikanzniveau (hier <0.05) nicht verworfen werden. Man kann aus den Daten also nicht den Schluß ziehen, dass es zwischen den beiden Gruppen einen Unterschied gibt.

Umgekehrt kann man aber auch nicht den Schluss ziehen, es gäbe keinen Unterschied zwischen beiden Gruppen, was aber fast immer gemacht wird (siehe Titel "Kein erhöhtes Schlaganfallrisiko durch die Impfung gegen SARS-CoV-2"). Man kann in so einem Fall schlicht keine Aussage treffen, lediglich, dass die Nullhypothese nicht verworfen werden konnte. Das bedeutet aber nicht, dass die Nullhypothese auch wahr ist.

Soweit mein Verständnis. Vielleicht kann @Kate mal sagen, ob sie das auch so sieht.
 
Zuletzt bearbeitet:
Umgekehrt kann man aber auch nicht den Schluss ziehen, es gäbe keinen Unterschied zwischen beiden Gruppen, was aber fast immer gemacht wird (siehe Titel "Kein erhöhtes Schlaganfallrisiko durch die Impfung gegen SARS-CoV-2"). Man kann in so einem Fall schlicht keine Aussage treffen, lediglich, dass die Nullhypothese nicht verworfen werden konnte. Das bedeutet aber nicht, dass die Nullhypothese auch wahr ist.
Irgendwie stehe ich immer noch auf dem Schlauch. Natürlich bedeutet "Ein Effekt hat sich nicht nachweisen lassen" nicht "Einen Effekt gibt es nicht" (das ist eigentlich banal), genausowenig wie "ein Effekt hat sich mit 99% Sicherheit nachweisen lassen" bedeutet "einen Effekt gibt es". Die Differenz ist doch nur, daß der Fehler 2. Art nicht oder nicht so leicht zu berechnen ist. Seine Höhe wäre aber entscheidend. Und es muß doch einen Unterschied machen, ob ich die Nullhypothese deshalb nicht verwerfen kann, weil ich zuwenige Fälle habe, oder deshalb, weil ich zwar sehr, sehr viele Fälle habe, sie aber keinen Unterschied zeigen. Man möchte also hier gern eine Abschätzung des Fehlers 2. Art haben. Ich bin in Statistik zu unwissend, um aus der Studie herauslesen zu könne, ob das hier berücksichtigt ist.
 
Und es muß doch einen Unterschied machen, ob ich die Nullhypothese deshalb nicht verwerfen kann, weil ich zuwenige Fälle habe, oder deshalb, weil ich zwar sehr, sehr viele Fälle habe, sie aber keinen Unterschied zeigen. Man möchte also hier gern eine Abschätzung des Fehlers 2. Art haben.
So sehe ich das auch. Den Fehler 2. Art kann man wohl nicht wirklich berechnen, evtl. kann man es aus den Rohdaten abschätzen, die wir aber nicht haben. Es ist keine triviale Frage, da ich das Thema für eine Gerichtsverhandlung schon mal benötigt hatte und mir da in einem Mathematikforum/Statistik auch nicht wirklich weitergeholfen werden konnte.

Man gibt normalerweise beim Studiendesign einen Fehler zweiter Art bzw. statist. Power vor, verbunden mit einer erwarteten Effektstärke und bekommt dafür dann die notwendige Teilnehmerzahl. So macht man das bei Medikamentenstudien und gibt da meist power 0,8 vor, d.h. dass der Fehler 2. Art 20 % beträgt. Und wenn ich dann so eine Studie mache und die ist negativ, kann ich eben nicht behaupten, das Medikament wirke nicht. Wobei die Wahrscheinlichkeit, dass man die angenommene Effektstärke übersieht dann lediglich 20 % beträgt. Aber hier kennen wir den Fehler 2. Art eben nicht und insbesondere in kleinen Gruppen mit jungen Leuten mit seltenen Ereignissen könnte die statist. power unzureichend sein. Und das wäre etwas was ich gerne angeschaut hätte. Ich vertraue jedenfalls nach der Lektüre des o.g. Buches sicher keiner statistischen Auswertung von Medizinern.

Dass man sich bei der DGN über solche Dinge Gedanken macht, bevor man eine Überschrift "Es gibt keinen Unterschied..." formuliert kannst du aber wohl getrost ausschließen. Aber es ist wie beim letzten Thema, dass man da als Laie nur schwer weiterkommt und selbst Mathematiker da überfragt sind, wenn das nicht gerade deren Spezialgebiet ist.
 
Ja, das leuchtet mir alles ein. Da wäre es doch wirklich sinnvoll, wenn in den Studien genau das auch berichtet würde. Die haben ja Statistiker an Bord, die im Idealfall Spezialisten für genau dieses Problem sind. (Im Nicht-Idealfall hat einer der Studienautoren mal einen Kurs Statistik vor 20 Jahren im Studium absolviert.)

Ich bin auch (intuitiv) ziemlich sicher, daß hier die einzelnen jungen Altersgruppen (in Zehnerschritten) zahlenmäßig nicht ausreichen, weder für Signifikanz noch umgekehrt für ausreichende "power", selbst wenn die Gesamtheit mit mehreren Zehntausend Fällen vermutlich ausreicht. Aber was will man, rein technisch, viel mehr machen als ein ganzes relativ großes Land anzuschauen? Allenfalls ein viel größeres Land zugrundelegen, aber China impft keine mRNA und Indien hat vermutlich nicht die nötige einheitliche Datenerhebung für so etwas.

Ich gebe dir recht, daß in den Redaktionen und Pressestellen grundsätzlich zu wenig Statistikwissen vorhanden ist.
 
Ja, das leuchtet mir alles ein. Da wäre es doch wirklich sinnvoll, wenn in den Studien genau das auch berichtet würde.
Wie gesagt, den Fehler 2. Art kann man nicht berechnen und den kennen auch die Autoren selbst nicht. Allenfalls könnte man es mit speziellen Methoden abschätzen. Ich hatte genau so ein Problem, nämlich 4 Studien mit geringer Probandenzahl, zwei positiv und zwei negativ. Meine Argumentation vor Gericht wäre so gewesen: die zwei negativen Studien belegen nicht, dass die Therapie unwirksam ist, da die statistische Power zu gering/Fehler 2. Art zu groß ist. Und das war schon nicht mit vertretbarem Aufwand möglich. Mal abgesehen davon, dass das Gericht solche mathematischen Argumentationen (zumal von mir als Kläger) eh nicht begreifen würde und einfach dem Gutachter (der davon keine Ahnung hat) glaubt, wenn er sagt, der Nutzen ist nicht erwiesen.

Die haben ja Statistiker an Bord, die im Idealfall Spezialisten für genau dieses Problem sind. (Im Nicht-Idealfall hat einer der Studienautoren mal einen Kurs Statistik vor 20 Jahren im Studium absolviert.)
Ich glaube, dass der Idealfall sehr unwahrscheinlich ist und eher letzteres zutrifft. Dubben und Beck-Bornholdt sind ja Spezialisten und forschen und lehren viele Jahre auf dem Gebiet und sagen halt klar, dass der größte Teil der med. Literatur auch in den Top-Journalen diese und viele andere Fehlschlüsse aufweisen. Das ganze ist einfach auch sehr intransparent in der Medizin, weil man fast nie die Rohdaten bekommt.
Ich gebe dir recht, daß in den Redaktionen und Pressestellen grundsätzlich zu wenig Statistikwissen vorhanden ist.
Das Problem sind nicht die Pressestellen, sondern die Wissenschaftler selbst. Mag sein, dass ein Gerd Antes das drauf hat, aber wie viele von dem Schlag haben wir in Deutschland? Also das dürfte eher die Ausnahme sein, dass ein wirklicher Spezialist solche Studien begleitet. Und dann kommt bei solchen Themen noch dazu, dass ich schon aufgrund der politischen Brisanz gerne selbst die Rohdaten sehen würde und welche Auswertung da genau gemacht wurde.
 
Dubben und Beck-Bornholdt sind ja Spezialisten und forschen und lehren viele Jahre auf dem Gebiet und sagen halt klar, dass der größte Teil der med. Literatur auch in den Top-Journalen diese und viele andere Fehlschlüsse aufweisen.
Das ist sicher richtig, aber man kann es schon auch an der Autorenliste erkennen, ob überhaupt kein Statistiker dabei ist oder eben doch. In diesem Fall ist ein externer Autor dabei, der zur School of Mathematics and Statistics, The Open University, Milton Keynes, United Kingdom, gehört (P.F.), dem man nicht von vornherein unterstellen muß, daß er keine Ahnung von Studiendesign hat. Man kann auch nicht von häufigen Fehlern anderer auf Fehler in dieser Studie schließen. (Das hast du auch nicht getan, ich will nur ausschließen, daß jemand diesen Schluß aus unserer Diskussion zieht.)

Grundsätzlich dürften bevölkerungsweite epidemiologische Studien fast immer besser mit statistischem Knowhow versorgt sein als kleine Behandlungsstudien.

gerne selbst die Rohdaten sehen würde und welche Auswertung da genau gemacht wurde.
Wahrscheinlich stehen diese Daten nicht einmal den Peer Reviewern zur Verfügung, die ja die erste Bremse für statistisch unzulängliche Arbeiten sein sollten.

Aber um noch einmal zu dieser konkreten Studie zurückzukehren: Die im einzelnen nicht signifikanten Häufigkeiten liegen vielfach nach Impfung niedriger (es gab z.B. seltener einen Herzinfarkt in den zwei Wochen nach der Biontech-Impfung als sonst). Daraus kann man natürlich nicht schließen, daß die Impfung z. B. die Herzinfarktgefahr konkret verringert, weil der Effekt eben nicht signifikant war, aber es ist doch bei relativer Indizenz kleiner 1 unwahrscheinlicher, daß hier eine tatsächlich bestehende Wirkung in die andere Richtung (also eine Vermehrung von Infarkten) nicht erkannt werden konnte, obwohl sie vorlag (also ein Fehler 2. Art), als wenn die Inzidenz erhöht ist und z.B. bei 1,1 liegt.

Alles unter 1 ist eine Verringerung der Fälle, alles mit † ist statistisch signifikant:

1662031653026.png
 
Wuhu,
DANKE Kayen für die Verlinkung dieses
Dieses Video beschreibt schwere Nebenwirkungen (Post Vac Syndrom) die nach der Corona-Schutz Impfung auftreten können:

youtube.com/watch?v=gIfRSobbJEw
Videos einer MDR-Doku! Das muss sich jede/r selbst ansehen und hoffentlich den entsprechenden Eindruck erhalten, die Beschreibungen alleine hier reichen nicht aus, welches Leid viele Menschen nach Impfungen (und nicht nur Infektionen) erdulden müssen - ohne Hilfe von Stellen, die diese vorher versprachen, nein im Gegenteil, werden sie von allen Seiten sogar als Simulanten / Lügner hingestellt... :mad:
 
Soweit mein Verständnis. Vielleicht kann @Kate mal sagen, ob sie das auch so sieht.
Hallo Grantler,

ich verlinke hier mal etwas, das ich vor ca. 4 Jahren dazu geschrieben habe - ich weiß dazu jetzt auch nicht mehr. Das, was Du schreibst, klingt für mich aber korrekt.


Gruß
Kate
 

Ähnliche Themen

Oben