Als je het nieuwe RIVM IFR-rapport aandachtig bestudeert en vergelijkt met andere beschikbare informatie dan besef je hoezeer je de harde conclusies die getrokken worden met vele korreltjes zou moet nemen.
Lees volledig artikel: De vele korreltjes zout van het nieuwe RIVM IFR-rapport
De vele korreltjes zout van het nieuwe RIVM IFR-rapport
En daar gaan we weer….
Er is een nieuw wetenschappelijk rapport verschenen vanuit het RIVM dat gaat over de ernst van de Corona-infectie in de periode 2020 tot half 2021. “Age specific severity of SARS-COV-2 February 2020 – June 2021 in the Netherlands”.
Dat rapport leidde o.a. tot deze tweet van Maarten Keulemans.
Maar als je je echt verdiept in het – op zichzelf best interessante – rapport dan blijkt, hoewel het lijkt dat het om “harde data” en dus ook “harde conclusies” gaat, dat de data behoorlijk “zacht” is en volledig afhankelijk is van keuzes die er gemaakt zijn. Keuzes waarvan de auteurs aan het eind van hun studie ook de betrekkelijkheid ervan onderkennen, en terecht.
Daarom nu een uitgebreide beschrijving van de kwaliteit en de “hardheid” van de data. En ook -wederom- een bewijs met welk gemak er naar buiten toe goede sier wordt gemaakt met een bepaalde studie, terwijl de basis veel minder hard is dan wordt gepretendeerd. Iets waar trouwens beide kanten in deze gepolariseerde wereld last van hebben.
Ernst van de Covid-infectie
Naast de tweet schreef Maarten Keulemans ook een uitgebreid artikel over dit rapport. Dit is een fragment van het artikel:
En nog een fragment:
Maar hoe hard zijn de data echt?
De griepgolf van 2017-2018
Aan de hand van een overzicht van het RIVM zelf over de griepperiode 2017-2018 kan goed geïllustreerd worden hoe belangrijk de kwalitet van de data is, welke keuzes je daarbij maakt en hoe betrekkelijk de conclusies zijn. Dit komt dus uit dat RIVM rapport:
Hier zien we staan dat er in die griepwinter 16.000 ziekenhuisopnames waren wegens de complicaties van griep, en dat er een oversterfte was van 9.500 die, zoals het er staat, “waarschijnlijk” samenhangt met de griep.
Als je het aandeel van de geïnfecteerden wil berekenen dat in het ziekenhuis terecht is gekomen en is overleden (dat laatste is dus de “IFR”, de infection fatality rate) dan is het van belang te weten door welk cijfer je het aantal overledenen (9.500) gaat delen.
In dit overzicht staat dat 900.000 mensen ziek zijn geworden door een infectie met het virus. Dat was op dat moment ruim 5% van de Nederlanders. Als je dat als noemer gebruikt om de overlijdensgevallen te bepalen, dan is de IFR van deze griepepidemie 9.500 gedeeld door 900.000: ruim 1%.
Kopt dit wel?
Maar is die 900.000 echt de juiste noemer voor deze berekening? Zijn er niet meer mensen geïnfecteerd geraakt met influenza maar niet (erg) ziek geworden? Welke virussen waren er nog meer verantwoordelijk voor het extra overlijden van 9.500 personen?
Volgens de tweet van Maarten Keulemans zou bij griep de IFR 0,1% zijn (“Covid was 12 keer zo dodelijk als griep”). Om op dat cijfer uit te komen, uitgaande van 9.500 griepdoden in 2017/2018, zouden er 9.5 miljoen mensen besmet zijn geraakt. Maar volgens het RIVM waren er toch “slechts” 900.000 ervan “ziek”?
Zowel die 900.000 van het RIVM als deze “12 keer zo dodelijk” van Maarten Keulemans zijn cijfers die je met een korreltje zout moet nemen. Beide cijfers zijn niet bepaald via een onderzoek op basis waarvan je kan zeggen dat de cijfers vrij hard zijn. Nu is via Peil.nl in mei 2018 een steekproefonderzoek gedaan onder de bevolking met de vraag of men in die bewuste periode griep had gehad. 30% van de ondervraagden antwoordde bevestigend (dat zou rond de 5 miljoen zijn). Bij het doorvragen geeft ruim de helft aan dat ze koorts hadden gehad en daarvan weer de helft boven de 39 graden.
Dit is dan wel een steekproefonderzoek. Maar toch ook slechts een subjectieve beoordeling van de ondervraagden of men al dan niet griep heeft gehad. En was dat echt zo?
Dus ook hier moet je vervolgens een aanname doen. Als ik bijvoorbeeld alleen de mensen neem die melden dat ze koorts hebben gehad kom ik op een percentage van 15%. Dat is bij een bevolking van ongeveer 17 miljoen rond de 2,5 miljoen. Als we dit cijfer zouden gebruiken om de IFR te bepalen is dat dus 9.500 doden gedeeld door 2,5 miljoen, dat betreft dan een IFR van de griep in 2017/2018 bijna 0,4%. (En het aandeel dat in het ziekenhuis is terecht gekomen is dan 16.000/2,5 miljoen = 0,64%.)
De belangrijkste les die het ons leert is dat de berekening van de IFR volledig afhangt van de data en definities die je hanteert en de keuzes die je maakt.
Dat kan nog best interessante gegevens opleveren, maar je moet heel erg oppassen die uitkomsten te absoluteren!
Het RIVM onderzoek 2020-2021
Als je met de lessen die je hierboven geleerd hebt het rapport van het RIVM bekijkt dan zie je hoe de gepubliceerde resultaten het gevolg zijn van de keuzes die gemaakt zijn. En hoezeer de uitkomsten en conclusies daar weer mee samenhangen. Nogmaals: op zichzelf kan dat een interessante exercitie zijn, maar dan moet de relativering ervan correct mee in beschouwing worden genomen.
In het wetenschappelijk rapport worden de cijfers naast elkaar gezet van drie periodes
- Periode 1: Maart-juni 2020
- Periode 2: Juli 2020- half februari 2021
- Periode 3: Half februari 2021-eind juni 2021
De drie belangrijkste cijferreeksen zijn:
- De schatting van het aantal geïnfecteerden met Covid in ieder van die drie periodes (vanuit een bepaalde subset van het Pienter-onderzoek)
- De ziekenhuisopnames met Covid in ieder van die drie periodes (uit de officiele NICE-cijfers)
- De oversterfte in ieder van de drie periodes (die dan gezien wordt als een goede indicatie van de Covid-sterfte)
Alle cijfers zijn (gelukkig) uitgesplitst naar de 10-jarige leeftijdsklassen van 0-9 jaar tot en met 80+. Juist dat deel van het rapport (de – enorme – verschillen per leeftijdsgroep) zijn uiterst interessant.
Maar als je naar die cijfers kijkt en naar de drie afzonderlijke periodes dan zijn er nogal wat waarschuwingssignalen die je mee in beschouwing zou moeten nemen, zeker als je stelt dat er dus sprake geweest is van een IFR van 1,2%, die veel hoger is dan van de griep.
Ik zal de drie cijferreeksen apart de revu laten passeren.
Schatting van aantal geïnfecteerden
Het aantal geïnfecteerden is voor het berekenen van de IFR (en de ziekenhuisopnames) cruciaal. We hebben dat goed kunnen zien bij de berekening over de griep in 2017-2018. Bij een twee keer zo hoog aantal geïnfecteerden in het sommetje halveert de IFR.
Het aantal geïnfecteerden met Covid is bepaald, door uit een steekproef van de deelnemers van het Pienteronderzoek te vragen of ze bloed konden prikken en een vragenlijst wilden beantwoorden. Zo hebben ze drie keer rond het eind van de drie periodes op basis van circa 6.500 deelnemers per keer het aantal nieuw geïnfecteerden per periode bepaald. Per periode zou dat volgens het rapport zijn:
- 4,5% (800.000)
- 8,4% (1,5 miljoen)
- 7,5%. (1,3 miljoen)
Aan het eind van het rapport wordt door de auteurs aangegeven dat deze aanpak niet representatief hoeft te zijn. (In hoeverre lijken de deelnemers aan het Pienter onderzoek, die ook hun eigen bloed willen prikken, op de gemiddelde Nederlander?).
Maar ook via andere invalshoeken zijn er vraagtekens te zetten bij de hardheid van deze cijfers!
Ik doe het via een aantal aanvliegroutes:
Rioolwatercijfers
Van september 2020 zijn de rioolwatercijfers bijgehouden. Die worden beschouwd als de beste “onafhankelijke” indicatie van het aantal Covid-gevallen in Nederland. Die cijfers zijn bekend voor vrijwel de gehele periode 2 en de hele periode 3 van het RIVM onderzoek. Hieronder ziet u de grafiek van de rioolwaterdeeltjes en de cijfers van het Pienter onderzoek, zoals in het RIVM rapport.
De rioolwatercijfers laten zien dat het aantal Covid-infecties in periode 3 ongeveer de helft was van dat in periode 2. Maar in het Pienter onderzoek in het RIVM rapport zien we dat het aandeel infecties in periode 3 ongeveer 85% is van die van periode 2! Een belangrijk verschil want in het rapport wordt juist de derde periode aangemerkt als de periode met een forse daling van de IFR ten opzichte van periode 2 (en periode 1).
Maar dat zou zeker (mede) veroorzaakt kunnen zijn doordat de Pientercijfers uit Periode 3 ten opzichte van periode 2 een stuk hoger zijn dan de rioolwatercijfers indiceren. Is het echt zo geweest dat in de lente (maart-juni 2021) het aantal geïnfecteerden bijna net zo hoog was als het aantal geïnfecteerden in de herfst/winter van 2020-2021??
Daarbij is het ook belangrijk je af te vragen of periode 3 een stuk te hoog is of misschien periode 2 een stuk te laag. Want als periode 2 een totaal aantal van 2,6 miljoen geïnfecteerden had laten zien dan klopte het wel met de rioolwaterdeeltjes cijfers uit deze periodes.
Er zijn meerdere indicaties dat juist Periode 2 en Periode 1 in het RIVM-rapport via die Pienter aanpak een onderschatting laten zien van het aandeel geïnfecteerden.
Ziekenhuiscijfers
Via de ziekenhuisopnames naar een aantal leeftijdsklassen is een gevoel te krijgen hoe de ontwikkeling is geweest bij de infecties onder de bevolking. Daarbij is het belangrijk te weten dat in periode 3 de Alpha (Britse) variant dominant was en dat er was begonnen met vaccineren. Het kan ook zijn dat het beleid t.a.v. de ziekenhuisopnames wat verschilde tijdens de drie periodes.
Dit is het patroon van ziekenhuisopnames naar leeftijd in de leeftijdsklassen tussen 40 en 70 jaar. De oudste groepen heb ik er buiten gehouden, omdat die in periode 3 al in grote mate gevaccineerd waren/werden.
Goed is te zien dat het patroon van de drie leeftijdklassen in de drie periodes vrijwel identiek is. Alleen is te zien dat 60-69 in de derde periode sneller daalt (vermoedelijk omdat in die leeftijdsklassen men al was begonnen met vaccineren).
Ook deze grafiek geeft een duidelijk signaal dat de Pienter cijfers van periode 2 ten opzichte van periode 3 veel hoger zouden dienen te zijn. Vergelijken we periode 1 met periode 2 dan is de onderlinge verhouding inderdaad conform de Pienter cijfers. Dus periode 2 bijna 2 keer zo hoog als periode 1.
Maar de sleutelvraag is dan natuurlijk: is periode 3 op de één of andere manier te hoog of zijn periode 2 en periode 1 te laag (of is beide het geval)?
Internationaal IFR-onderzoek
In oktober 2022 verscheen er een grote studie van o.a. John Ioannadis waar, vanuit studies in een groot aantal landen uit de pre-vaccinatie periode, de IFR is berekend voor de leeftijdsgroepen onder 70 jaar. In het rapport wordt uiteengezet welke procedures gevolgd zijn bij het kiezen en analyseren van die grote aantallen studies.
Voor de totale IFR-berekening in een land is het met name van belang hoeveel ouderen zijn geïnfecteerd. Daar zijn de meeste ziekenhuisopnames te vinden en de meeste doden. In het RIVM rapport wordt aangegeven voor de periode 1 en 2 dat ongeveer 1 op de 25 Covid-geïnfecteerden tussen 70 en 79 jaar in periode 1 en 2 gestorven is, terwijl dat bij de geïnfecteerde tussen 50 en 59 jaar 1 op de 1000 is.
Bij het onderzoek van Ionnadis in een groot aantal landen wordt voor de leeftijdsgroep tussen 60 en 69 jaar uitgekomen op een IFR van 0,5% (1 op de 200 geïnfecteerden). Het RIVM onderzoek komt echter op een IFR voor de periode 1 en 2 samen voor deze leeftijdsgroep op 0,9%. Nu kunnen er specifieke redenen zijn waarom Nederland een gemiddeld hoger cijfer heeft in die leeftijdsklasse, maar het zou ook kunnen zijn dat het aantal geïnfecteerden voor periode 1 en 2 te laag is ingeschat/bepaald waardoor de IFR te hoog is in die hogere leeftijdsklassen. (En die tellen weer fors door bij het totaalcijfer).
Sanquin kwam op basis van hun bloeddonors in maart 2021 ook met een schatting van het aantal mensen dat al een infectie had doorgemaakt. Dat was 20%. Maar bij het Pienter onderzoek van het RIVM is het percentage dan 13%. Bij de Sanquin-cijfers moet nog rekening gehouden worden met het feit dat ook die groep niet een representatieve steekproef van alle Nederlanders hoeft te zijn. Als je Covid-klachten had of onlangs had gehad mocht je niet als donor komen. Plus dat de gemiddelde gezondheidssituatie van donoren vermoedelijk wat beter is dan die van de gemiddelde Nederlander. De Sanquin-cijfers laten 40% hogere cijfers zien dan de Pienter cijfers die het RIVM in haar rapport gebruikt!
Concluderend t.a.v. de infecties
Op basis van het bovenstaande kan geen harde conclusie getrokken worden wat nu de echte cijfers van het aantal geïnfecteerden zijn geweest in de periode 1, 2 en 3. Er zijn zeer sterke aanwijzingen dat de Pienter cijfers voor de periode 1 en 2 een duidelijke onderschatting hebben gegeven en voor periode 3 wellicht een overschatting.
Dit heeft gevolgen voor de IFR die uit het onderzoek van het RIVM voortkomt voor de periodes 1 en 2 die zal dalen en voor periode 3 die zal stijgen!
Schatting van het aantal Covid-doden
Een andere belangrijke component voor de berekening van de IFR is het aantal Covid-doden. In de studie hanteert het RIVM de definitie dat alle oversterfte wordt gezien als Covid-sterfte. Ook dat is een keuze met grote gevolgen voor de te berekenen IFR. Ook over deze keuze staat in de studie zelf dat een dergelijke keuze diverse gevolgen heeft voor de uiteindelijke cijfers. Zeker, influenza was misschien verdwenen maar geldt dit voor alle luchtweginfecties die tot de griep behoren?
Uit wereldwijd onderzoek blijkt natuurlijk wel dat in heel veel gevallen sprake is van andere gezondheidsproblemen die een rol spelen bij het overlijden. Covid-19 is dan een extra element dat bijdraagt aan het – eerdere? – overlijden.
Elke keuze van de definitie van het aantal Covid-doden heeft forse gevolgen voor de berekende IFR. En als je je daarvan bewust bent en die ook omschrijft dan geef je direct aan hoe betrekkelijk de uitkomsten zijn. En dat je ze dan zeker niet mag gaan verabsoluteren, zoals o.a. Maarten Keulemans doet. Juist de eerste periode waar Maarten de IFR van 1,2% vandaan haalt (en die dus niet de eerste coronajaren zijn zoals zijn tweet aangeeft), is als enige periode in het onderzoek niet geverifieerd!
De oversterfte van ongeveer 10.000 in periode 1 (tussen maart en juni 2020) lijkt vrijwel in zijn geheel aan Covid toe geschreven te kunnen worden. Maar ten aanzien van de 12.000 doden in periode 2 en zeker de 2.500 doden in periode 3 kan je duidelijke vraagtekens plaatsen.
Dit is het overzicht van de (over-)sterfte over de bewuste periode zoals het CBS het laat zien voor alle leeftijdsklassen samen
Deze tijdsperiode kan verdeeld worden over de drie periodes van het RIVM. (De hittegolf is eruit gehaald).
De blauwe golfbeweging van de verwachte sterfte hangt samen met het zomer en winterpatroon.
Vervroegd
Wat aan het eind van periode 1 en in de 2 maanden erna goed te zien is dat na een periode van hoge oversterfte een periode van ondersterfte volgt. De sterfte is als het ware in de tijd vervroegd.
Omdat er in de winter van 2020-2021 geen Influenza is geweest zou het best zo kunnen zijn dat in periode 2 de sterfte van 12.000 waar Covid een rol bij speelde een onderschatting is van de “Covid-sterfte” in die periode. Besef daarbij dat rond 65% van de oversterfte personen van 80+ zijn geweest en meer dan 90% 70+
Maar dan komen we bij periode 3. Die zou “maar” een oversterfte hebben van 2.500 personen. Maar als je goed kijkt naar die periode 3 dan is het vooral de periode die volgt op een forse oversterfte vanaf oktober 2020 tot en met half februari 2021. Rond 1 april 2021 zien we dat de sterfte dan wel weer continu ligt bij de grenswaarde van de oversterfte.
Als je in het RIVM rapport naar de oversterfte kijkt per leeftijdsklasse dan valt op dat in periode 3 het er heel anders uitziet dan de twee periodes ervoor. Er was vrijwel geen oversterfte boven de 80 jaar (nog geen 500, terwijl het in de twee periodes ervoor gemiddeld 7000 was). Maar als je naar het CBS/RIVM rapport kijkt over de oversterfte in de jaren 2020 en 2021 dan valt op dat er voor die periode 3 boven de 80 jaar al meer dan 1000 Covid-doden worden gemeld, meer dan in dat nieuwste RIVM rapport als oversterfte. De Covid-sterfte is niet gelijk aan de oversterfte die in het RIVM rapport gebruikt wordt.
Concluderend
De keuze om de oversterfte als indicatie te zien van de Covid-sterfte lijkt voor ieder van de drie periodes andere consequenties gehad te hebben. Met name periode 3 is volledig a-typisch.
Eindconclusie
De cijfers waarop het recente RIVM rapport zich baseert hangen sterk af van de keuzes die gemaakt zijn bij de opzet van het onderzoek. En de consequenties zijn ook nog eens verschillend voor de drie periodes.
Het aandeel geinfecteerden lijkt in periode 1 en 2 onderschat te zijn en in periode 3 waarschijnlijk overschat. De Covid-sterfte wordt in periode 3 vanuit de oversterfte fors onderschat.
De berekening van de IFR’s en met name het vergelijken van de IFR’s in de drie periodes zegt daarmee weinig. Het is vooral een resultante van de gemaakte keuzes.
Een vergelijking van deze IFR’s met die van influenza, zoals in 2017-2018, is eveneens een hachelijke zaak, zoals het eerste deel van dit artikel heeft laten zien.
U heeft zojuist gelezen: De vele korreltjes zout van het nieuwe RIVM IFR-rapport.
Volg Maurice de Hond op Twitter | Facebook | LinkedIn | YouTube.
Op deze site willen we geen paywall introduceren. Iedereen die dit wil kan al onze artikelen lezen. Welk onderwerp het ook betreft. Maar wij draaien wel op de vrijwillige bijdragen van onze bezoekers. Daarvoor is deze link beschikbaar. Hartelijk dank alvast.
