Wilt u ons werk financieel ondersteunen? Doe een kleine donatie en klik hier

De laatste updates in uw mail!

U hoeft niets te missen. leder weekend krijgt u de hoogtepunten van Maurice van afgelopen week in uw mail. Met opmerkelijke artikelen, meer achtergrond en toelichtingen.

Home » COVID-19 » Verkrachting van cijfers

Verkrachting van cijfers

Samenvatting van het artikel

Bij de interpretatie van de cijfers rondom de verspreiding van Covid-19 zien we hoezeer die cijfers worden misbruikt. Door die patronen te vergelijken tussen gebieden in dezelfde regio is goed op te maken dat de patronen erg op elkaar lijken, terwijl de maatregelen fors kunnen verschillen.

Lees volledig artikel
Leestijd: 3 minuten

Als cijferfreak die ik ben, heb ik in de afgelopen 15 maanden meer verkrachtingen van cijfers gezien, dan in de rest van mijn leven. Zeker ook door mensen met een medische opleiding, waarvan je gedacht zou hebben, dat ze gezien hun opleiding en beroep niet zouden vervallen in enerzijds het misbruiken of van cijfers anderzijds in het oogluikend toelaten van deze ernstige verkrachtingen. En dat geldt zeker niet alleen voor Jaap van Dissel en zijn OMT- kompanen.

Waar ik met name op doel is dat ontwikkelingen rondom de verspreiding van Covid-19 toegeschreven werden aan de genomen maatregelen en in welke mate die maatregelen gevolgd werden. Dus als de cijfers daalden, lag dat aan het succes van de maatregelen. Als de cijfers stegen, kwam dat doordat de mensen zich niet goed aan de maatregelen hielden. Men maakte modellen, met extreme voorspellingen, en als die niet uitkwamen, dan lag het aan de maatregelen en prevelde men “preventie-paradox”. Vanuit Nederland werd weinig gekeken naar andere landen. Zoals naar Madrid, waar men de horeca en de terrassen -met bepaalde voorbehouden- wel had opengehouden of naar Texas, waar drie maanden geleden alle maatregelen werden beëindigd, terwijl de cijfers toen beduidend slechter waren dan die in Nederland nu.

En de toverdoos was het RIVM-model. Met de eenvoudige, en doorzichtige truc, die ik als volgt kan karakteriseren:

In het model voeren we als factor in: “als veel mensen in bomen klimmen, dan stijgt de reproductiefactor met 20%”. Op advies van het OMT wordt door de overheid verboden dat mensen in bomen klimmen. Sinds dat moment zijn de cijfers niet gestegen, zelfs gedaald. En Van Dissel en Walling leggen bij hun gesprek met de media uit, dat dankzij deze maatregel van de overheid ervoor gezorgd is dat de reproductiefactor niet met 20% is gestegen.

Vul naar eigen behoefte elke echt genomen maatregel in (zoals “avondklok” of “handen wassen”) en u zult zien dat ik niet overdrijf.

Iets vergelijkbaars zien we nu bij het beargumenteren dat de daling van het aantal besmettingen met name komt door het vaccineren.  Ik heb vorige week al beschreven, op basis van de ontwikkeling naar leeftijd van de besmettingen en de ziekenhuisopnames, hoe dat effect ongeveer is. Bij ziekenhuisopnames groter dan bij de ontwikkeling van het aantal besmettingen.

Ik stuitte op een interessante grafiek waar de ontwikkeling van landen wordt vergeleken in dezelfde regio, waarbij het ene land een hoge mate van vaccinatie kent en het andere land nog bijna geen vaccinaties. Dan is duidelijk te zien dat de ontwikkeling van het aantal besmettingen in die landen amper een relatie kent met het vaccineren.

Het zijn met name de seizoenspatronen, die je herkent bij landen dicht bij elkaar. In de VS valt dat goed te zien als je de ontwikkeling in diverse staten vergelijkt, die echt niet allemaal hetzelfde beleid hebben gevoerd inzake maatregelen, maar die wel in vergelijkbare klimaatzones liggen (ter informatie, in Nederland liggen we nu op 12 en het daalt snel verder).

Helemaal interessant is de vergelijking tussen Noord- en Zuid-Dakota. In Zuid-Dakota heeft men duidelijk minder maatregelen genomen dan in Noord-Dakota. (O.a. in Noord-Dakota wel en Zuid-Dakota niet een mondkapjesplicht ingevoerd).

Deze grafieken laten goed zien, hoe belangrijk regionale seizoenspatronen zijn bij de verspreidingspatronen van het virus en hoe weinig effect overheidsmaatregelen eigenlijk hebben.

Dat betekent trouwens niet dat ik ontken dat vaccinatie zorgt voor minder ernstig zieken. Dat heb ik al vanuit data-analyse vastgesteld in Israël, en is zeker ook herkenbaar bij de cijfers in Nederland, zoals uit deze grafiek blijkt (van Yorick Bleienberg @YorickB).  De rode lijn (van de groep 50-) kan beschouwd worden als de lijn waarin het overgrote deel niet gevaccineerd is (dus het ijkpunt). En de andere lijnen betreffen groepen waar vaccinatie al in meerdere of minder mate een rol heeft gespeeld.

Gezien de ervaringen in de afgelopen 15 maanden heb ik weinig hoop dat het door mij geconstateerde patroon onderkend gaat worden bij politici en media. Terwijl het heel belangrijk is bij het evalueren van het effect van genomen beslissingen en het bepalen wat en wanneer er wat met de maatregelen moet gebeuren.

Het besluit van het verbod van het kijken naar EK-wedstrijden op grote video-schermen de komende twee wedstrijden is daar (weer) een beschamend voorbeeld van.

U zou ons helpen met een kleine, vrijwillige bijdrage in de kosten van deze gratis, niet commerciële site.

Deel dit artikel: Twitter Facebook Linkedin WhatsApp
REACTIES
Reageer hier, maar met respect.

We verwelkomen respectvolle en relevante opmerkingen. Off-topic commentaren worden verwijderd. Als je illegale dingen doet, zullen we het verbieden.

  • MEER OVER
BEKIJK OOK