Maßnahmen und Impfungen haben weder SARS-CoV-2-Fälle verhindert noch damit verbundene Todesfälle …

… wie eine neue Studie zeigt

Meine Damen und Herren aus Exekutive und Legislative: Es wird Zeit, dass Sie sich bei den Bürgern entschuldigen

Ich bin es schon leid, aber die politische Trägheit der Exekutive und Legislative lässt mir keine andere Wahl als mein „ceterum censeo“ immer neu zu wiederholen: Die Coronakrise war hausgemacht und die „Maßnahmen“, gerne auch „Lockdown“ genannt, waren wirkungslos, genau wie die gentechnologischen Präventionsmaßnahmen, euphemistisch als „Impfungen“ bezeichnet. Anders als das klassisch-historische „ceterum censeo – im Übrigen meine ich“ des alten Cato zielt meines nicht auf die Zerstörung von irgendwas ab – bei Cato war es die Zerstörung Karthagos – sondern darauf, dass endlich ein offener politischer Diskurs über das geführt wird, was da passiert ist. Und dazu gibt es viele Gründe, die ich in meinen Blogs beschrieben habe. Heute beschreibe ich einen neuen:

Eine sehr schöne Studie eines internationalen Autorenteams [1], das Daten für die sechs nordeuropäischen Länder Irland, England, Dänemark, Schweden, Norwegen und Finnland ausgewertet hat, zeigt:

Die „Maßnahmen“, korrekt die „nicht-pharmakologischen Interventionen (NPIs)“, und die „Impfungen“ haben keinerlei in den Daten wahrnehmbaren Einfluss auf Fallzahlen, Todesfälle, Belegung von Krankenhäusern und Intensivstationen gezeigt.

Es ist nicht einmal ein Schimmer Hoffnung in den Daten, irgendeinen positiven Einfluss von NPIs und „Impfungen“ herauslesen zu wollen, im Gegenteil. Das Einzige, was im Sinne einer wissenschaftlichen Varianzaufklärung den Verlauf der Daten „erklärt“ ist die Saisonalität von Beta-Corona-Viruserkrankungen, gemessen an den wöchentlichen Daten solcher Infektionen von 2010 bis 2020 (!) in Stockholm, also in den 10 Jahren vor der Pandemie. Daher wohl auch der Titel „Influence of Seasonality and Public-Health Interventions on the Covid-19 Pandemic in Northern Europe – der Einfluss der Saisonalität und von Interventionen aus dem öffentlichen Gesundheitsbereich auf die Covid-19-Pandemie in Nordeuropa“. Ich will das im Folgenden etwas erläutern.

Es ist klug, dass sich die Autoren diese 6 Länder ausgesucht haben, weil diese sehr unterschiedlich auf die Pandemie reagiert haben und dort auch sehr unterschiedliche Verläufe, gemessen an Fall- und Opferzahlen registriert worden waren. Die Versuchung lag nahe, dies mit den unterschiedlich strikten politischen Reaktionen durch Verbote und anderen NPIs in Verbindung zu bringen und die deutsche Publizistik hat sich damals wochenlang an dem vermeintlichen Übeltäter Schweden abgearbeitet.

Die Autoren verwenden öffentlich zugängliche Daten und bringen den sogenannten „stringency index“, den eine Arbeitsgruppe aus Oxford für jedes Land wöchentlich aktualisiert hatte [2] in Verbindung mit den Kennziffern, die sie für die Charakterisierung des Fortschreitens der Covid-19-Pandemie (ich weiß, man sollte SARS-CoV-2-Pandemie sagen, aber ich mache das jetzt der Einfachheit halber anders) extrahiert hatten: Fallzahlen, Covid-19-Todesfälle, Todesfälle um 3 Wochen versetzt, Positivitätsraten (also Prozent der positiv Getesteten verglichen mit der Zahl aller Getesteten), Hospitalisierungsraten und Intensivbettenbelegung. Alle diese Daten sind selbstverständlich auf 100.000 Personen standardisiert, sodass sie über die Länder hinweg vergleichbar sind. Für die weitere Darstellung in der Publikation verwenden die Autoren die Reihe der Todesfälle, die um 3 Wochen zeitversetzt ist, weil sich in ihren Daten gezeigt hat, dass in der ersten Welle der Abstand von Infektionsspitze zu Todesfallspitze 3 Wochen beträgt. Die anderen Daten sind im Supplement wiedergegeben.

Die Unwirksamkeit von NPIs

Den Verlauf der NPIs und der Todesfälle kann man zunächst einfach optisch deskriptiv darstellen und das sieht dann so aus (Abb. 1):

Abbildung 1 (entspricht Fig. 3, aus [1] https://www.mdpi.com/2077-0383/13/2/334) – Covid-19-Todesfälle mit einer 3-wöchigen Verzögerung nach Infektion, auf 100.000 Einwohner standardisiert, für Irland, England, Schweden, Dänemark, Finnland und Norwegen (rote Kurven; Zahlen y-Achse links) und Stringenz-Index der NPIs (blaue gestrichelte Kurve und y-Achse rechts)

Man erkennt auch ohne formale statistische Analyse: Die Spitzen der NPIs liegen jeweils nach den Spitzen der Todesfälle. Eine Ausnahme bilden die allerletzten Spitzen der blauen Kurven für Finnland, Norwegen und Dänemark.

Man erkennt zunächst, dass die NPIs in England, Irland und Norwegen im ersten Pandemiejahr 2020 relativ hoch, nahezu bei 80 (von 100 möglichen Prozentpunkten) waren. Nur Argentinien hat diese 100 Punkte für längere Zeit erreicht (und ist damit sehr schlecht gefahren, wie Sagripanti [3] gezeigt hat). Auch das viel geschmähte Schweden hatte von März 2020 bis März 2021 einen relativ hohen Stringency-Index. In diesem Index wurden wöchentlich alle möglichen politischen Maßnahmen von Schulschließungen, Ladenschließungen, Grenz- und Ausgangssperren, Versammlungsverboten etc. eingerechnet, die Länder so erlassen konnten.

Um zu klären, ob es einen Einfluss gab oder nicht, wendeten die Autoren eine kluge Analyse an, die ich kurz erläutern will, nämlich eine zeitversetzte („time-lagged“) Korrelation zwischen Intensität der politischen Maßnahmen (gemessen mit dem Stringency Index) und dem Verlauf der Covid-19-Pandemie (gemessen an den Todesfällen, aber auch an den anderen oben erwähnten Parametern; diese Daten sind im Supplement dargestellt und verhalten sich ähnlich). Normalerweise werden Korrelationen immer zeitgleich berechnet. Eine Korrelation zwischen Stringency-Index und Anzahl der Todesfälle gibt Auskunft darüber, wie hoch der Zusammenhang ist, falls es einen gibt, und zwar zum gleichen Zeitpunkt gemessen. Man kann nun den Stringency-Index zu einem bestimmten Zeitpunkt mit den Todesfällen eine, zwei oder mehr Wochen später berechnen. Das ist ein „positiver lag“, eine positive Verzögerung. Man kann auch die Anzahl der Todesfälle heute mit dem Stringency-Index einige Wochen zuvor vergleichen. Dahinter steht die Idee, dass dann, wenn eine Variable, hier der Stringency Index, eine kausale Wirkung auf eine andere, also die Todesfälle entfaltet (weil sie angeblich solche Todesfälle, oder Krankheitsfälle, oder Intensivbettenbelegung) verhindern soll, diese Korrelation mit einer Verzögerung negativ und signifikant werden sollte, während sie bei einer Korrelation mit vergangenen Werten keine solche Beziehung zeigen sollte. Wenn eine verzögerte Korrelation in die Zukunft negativ wird, dann heißt das: Die politische Intervention zu einem bestimmten Zeitpunkt steht in negativem Zusammenhang mit den Todesfällen später und hat damit zu ihrer Verringerung beigetragen. Weil diese Korrelation zeitversetzt ist, könnte man im Idealfall auch etwas über die Kausalität aussagen, weil die Ursache der Wirkung im Normalfall vorausgeht.

Und genau das ist nicht der Fall. Es gibt für einige Länder zwar kleine und signifikante zeitversetzte negative Korrelationen bei Fällen und Todesfällen. Aber weil es zum anderen auch ein paar positive zeitversetzte Korrelationen gibt und weil die negativen Korrelationen auch schon vor der Intervention bestanden haben, lässt sich aus den Daten allenfalls folgern (siehe Figure 4 in der Originalpublikation):

Es gibt keinen Hinweis darauf, dass die NPIs Fälle und Todesfälle reduziert hätten.

Vielmehr scheint es eher so gewesen zu sein, dass die NPIs politische Reaktionen auf das Anwachsen von Fällen und Todesfällen waren. Diesen Zusammenhang hatten auch wir in unserer eigenen Modellierstudie gefunden [4].

Die Unwirksamkeit der „Impfungen“

Das gleiche Vorgehen wählten die Autoren für die Covid-19-„Impfungen“. Das Ergebnis stelle ich in Abbildung 2 dar:

Abbildung 2 (aus [1] https://www.mdpi.com/2077-0383/13/2/334 Figure 5) – Anzahl der Todesfälle standardisiert (um 3 Wochen zeitversetzt, rote Kurve, linke y-Achse) und die Impfquote (grüne Kurve, rechte y-Achse) in den sechs Ländern

Man erkennt zunächst, dass die Todesrate in den sechs Ländern sehr unterschiedlich war. Während sie in Norwegen, Finnland und Dänemark anfangs unter oder um 1 Todesfall pro 100.000 Einwohner lag, waren die Spitzen in England bei 12 und lagen bei Schweden und Irland dazwischen. Für Irland und England waren die Todesfälle nach der „Impfung“ deutlich, für Schweden leicht niedriger. Aber auch hier blieben die Todesfälle nicht einfach weg, sondern waren niedriger, während sie für Dänemark, Finnland und Norwegen nach der Impfkampagne sogar anstiegen.

Bei den zeitversetzten Korrelationen zeigt sich kein positiver Effekt der „Impfung“. Hier würde man einen deutlich negativen Zusammenhang zwischen „Impfung“ und Fällen bzw. Todesfällen für die zeitversetzten Korrelationen erwarten, also einer Impfung heute und Anzahl der Fälle oder Todesfälle eine bis mehrere Wochen später. Genau das ist nicht der Fall, im Gegenteil, diese Beziehungen sind sogar positiv und signifikant für manche Länder. Das sieht man an der Abbildung 3

Abbildung 3 (entspricht Figure 6 in [1] https://www.mdpi.com/2077-0383/13/2/334; zeitversetzte Korrelationen zwischen Impfzeitpunkt und Fällen (a) und Todesfällen (b); gestrichelte Linien sind nichtsignifikante Korrelationen, durchgezogene sind signifikant; y-Achse Höhe des Korrelationskoeffizienten; x-Achse Anzahl der Wochen vor (minus) oder nach (plus) der Intervention; die Farben kodieren die Länder; Zeitpunkt 0 ist der Impfzeitpunkt; mit minus sind Wochen davor und mit plus Wochen danach bezeichnet

Besonders bedenklich ist die Tatsache, dass manche Korrelationen vor dem Interventionszeitpunkt negativ sind und anschließend positiv werden. Auf jeden Fall lässt sich anhand dieser Daten keinerlei Effekt von „Impfung“ auf Fallzahlen oder Todesfallzahlen aufrechterhalten. Wenn, dann verschlimmern diese „Impfungen“ die Todesfallzahlen allenfalls.

Den Abschluss der Untersuchung bildet eine sehr interessante Analyse. Die Autoren verwenden eine komplett andere Datenreihe. Nämlich die Verläufe der Beta-Corona-Infektionen im Raum Stockholm aus den Jahren 2010 bis 2020. Corona-Viren sind altbekannt und kommen immer wieder, jedes Jahr, zyklisch vor. Diese Zyklik bilden die Autoren mit dem Mittelwert dieser 10-jährigen Reihe ab. Und siehe da: sowohl in der zeitversetzten Korrelation als auch in einer multivariaten Regressionsanalyse zeigt sich, dass diese Zyklik das Geschehen gut abbildet. In einer Regressionsanalyse ist diese Zyklik die hauptsächliche erklärende Variable.

Das bedeutet: Was wir bei der Corona-Pandemie als Verläufe gesehen haben, war vor allem ein altbekanntes zyklisches Infektionsgeschehen, wie es sehr gut von anderen Corona-Infektionsepidemien bekannt ist. Diese Zyklik hängt zusammen mit Temperaturgeschehnissen, Sonneneinstrahlung, Empfänglichkeit des menschlichen Wirts, Verhaltensweisen, Abwehrlage, etc. Es hängt nicht zusammen mit den NPIs und auch nicht mit irgendwelchen „Impfungen“.

Nochmals anders ausgedrückt. Impfungen und politische Public Health Maßnahmen hatten keinen Einfluss auf den Verlauf der Covid-19-Pandemie. Nicht den geringsten, allenfalls haben Impfungen die Zahl der Todesfälle verstärkt.

Direkt kann man dieses jetzt natürlich nur für diese 6 nordeuropäischen Länder aus der Studie ableiten. Aber es würde sehr verwundern, wenn es anderswo anders sein sollte.

Die Autoren diskutieren ihren Befund aufwändig. Denn andere Studien hatten ja mit großen Modellierungen behauptet, man hätte mit den Impfungen Millionen Leben gerettet. Dass diese Studien schlecht waren und mit falschen Daten operiert haben, haben wir inzwischen gezeigt [5]. Die Originalstudie ist so falsch, dass ich ihr nicht mal die Ehre antue sie zu zitieren. Das Gleiche gilt für die in Deutschland hochgelobte Priesemann-Studie. Auch sie beruhte auf falschen Daten und wir haben das recht bald gezeigt und anschließend auch publiziert [6]. Dummerweise wurde und wird in den Medien nur das zitiert, was dem Regierungsnarrativ in den Kram passt.

Die Studie von Quinn und Kollegen reiht sich also ein in eine wachsende Zahl von Studien, die das Regierungsnarrativ mit klaren Daten und Aussagen als falsch erweisen. Jetzt ist es aus meiner Sicht Zeit, dass sich die Regierenden, also die Exekutive, und die, die sie unkontrolliert haben walten lassen, die Legislative, bei den Bürgen entschuldigen und einen politischen Diskurs zumindest zulassen, am besten anstoßen, wie es zu diesem Durchbruch in ein quasi totalitäres Regime hatte kommen können. Wir sind ja schnell bei der Sache, wenn wir in anderen Ländern totalitäres Vorgehen meinen ausmachen und brandmarken zu müssen und sehr langsam, wenn es darum geht, solche Strukturen bei uns anzukreiden. Denn wir sind ja schließlich die Guten, oder? Nun, offenbar weniger, als wir denken.

Quellen und Literatur

  1. Quinn GA, Connolly M, Fenton NE, Hatfill SJ, Hynds P, ÓhAiseadha C, et al. Influence of Seasonality and Public-Health Interventions on the COVID-19 Pandemic in Northern Europe. Journal of clinical medicine. 2024;13(2):334. PubMed PMID: doi: https://doi.org/10.3390/jcm13020334.
  2. Hale T, Angrist N, Goldszmidt R, Kira B, Petherick A, Phillips T, et al. A global panel database of pandemic policies (Oxford COVID-19 Government Response Tracker). Nature Human Behaviour. 2021. doi: https://doi.org/10.1038/s41562-021-01079-8.
  3. Sagripanti J-L, Aquilano DR. Progression of COVID-19 under the highly restrictive measures imposed in Argentina. Journal of Public Health Research. 2021. doi: https://doi.org/10.4081/jphr.2021.2490.
  4. Klement RJ, Walach H. Identifying factors associated with Covid-19 related deaths during the first wave of the pandemic in Europe. Frontiers in Public Health. 2022;6th July 2022. doi: https://doi.org/10.3389/fpubh.2022.922230.
  5. Klement RJ, Walach H. SEIR models in the light of Critical Realism – a critique of exaggerated claims about the effectiveness of Covid 19 vaccinations. Futures. 2023:103119. doi: https://doi.org/10.1016/j.futures.2023.103119.
  6. Kuhbandner C, Homburg S, Walach H, Hockertz S. Was Germany’s Lockdown in Spring 2020 Necessary? How bad data quality can turn a simulation into a dissimulation that shapes the future. Futures. 2022;135:102879. doi: https://doi.org/10.1016/j.futures.2021.102879.