Data-R0-IFR

De reproductiefactor die nu bepaald wordt, houdt geen rekening met het grotere aantal uitgevoerde tests. Er worden foute correctiefactoren toegepast. Gezien de ontwikkelingen van de laatste dagen ligt de reproductiefactor eerder onder de 1 dan op de 1,4 die nu gemeld wordt. Zo wordt het R-cijfer van het RIVM geen reproductiefactor, maar een ratjetoefactor.

Op basis van alle studies die ik gelezen heb, geef ik mijn “best guess” van het belang van de verschillende besmettingsvormen en hoe je daar de risico’s van kunt minimaliseren. Ik denk dat we met deze “best guess” veel verder komen met het bestrijden van het virus en het in standhouden van onze samenleving.

De informatievoorziening rondom deze crisis wordt "gepresenteerd" om het gewenste doel te bereiken. Een treffend voorbeeld is de presentatie aan de Tweede Kamer op 25 juni door Prof. Van Dissel. Dit artikel analyseert de data die daar aan bod kwam met enkele zorgwekkende observaties tot gevolg.

Op 27-6 verscheen er een uitgebreid interview met mij in het AD. Ook nog eentje met prof. Van Dissel, plus dat net de afgelopen week de sites van het Duitse RIVM en Europese RIVM aangepast waren. Achter elkaar geeft dit een hele goede indruk van de stand van zaken.

Rutte neemt aan dat de vele besmettingen rond de wedstrijd Valencia - Atalanta in het stadion hebben plaatsgevonden. Een snelle rekensom leert echter dat deze stellige aanname ongefundeerd is. Een illustratie van de erbarmelijke kwaliteit van de informatie waarop hele belangrijke beslissingen worden genomen.

Door de slechte berichtgeving van het RIVM en de media overschat een groot deel van de Nederlandse bevolking de kans om ernstig ziek te worden van corona enorm met alle gevolgen van dien. Daarom een uitgebreide beschrijving van de feitelijke risico's die je in Nederland loopt.

Goede, actuele informatie is essentieel tijdens een crisis maar het RIVM faalt jammerlijk. Dit artikel illustreert aan de hand van twee voorbeelden hoe we worden misleid met data. Zeker nu er zoveel belang wordt gehecht aan "het dashboard", wordt het tijd dat de autoriteiten rekening houden met het GIGO-effect: garbage in, garbage out.

Het RIVM zegt geen duidelijke verklaring te hebben voor de relatief hoge aantallen besmettingen en ziekenhuisopnames in Zuid-Holland. In dit artikel zet ik die verklaring heel eenvoudig uiteen. Maar als het RIVM dit overneemt, kunnen de autoriteiten niet blijven roepen dat het aan onze discipline ligt als het virus weer toeneemt.

De wet van de grote getallen zegt dat uitschieters minder effect hebben als je met grote aantallen te maken hebt. Dit werkt ook andersom: bij kleine aantallen kunnen irrelevante uitschieters zwaar doorwerken. Dit artikel laat zien hoe op dit vlak compleet de plank wordt misgeslagen om eventuele stijgingen te kunnen blijven wijten aan ons gedrag.

Een prachtig voorbeeld van hoe de data wordt misbruikt om een alarmistisch beeld te schetsen. Wallinga waarschuwt dat de reproductiefactor weer boven de 1 is uitgekomen, maar als je de data goed bekijkt, besef je dat er simpelweg sprake is van een wekelijkse fluctuatie waarbij op maandag meer mensen worden opgenomen dan op zaterdag of zondag.

Het is in de huidige crisis cruciaal om goed met getallen om te gaan en cijfers correct te interpreteren. Dat is zeker het geval nu het aantal tests enorm is toegenomen. Dit artikel laat zien hoe onze autoriteiten de invloed van zgn. "false positives" negeren bij hun weergave van de situatie.

Een correcte berekening van het reproductiefactor op basis van ziekenhuisopnames toont aan dat deze al geruime tijd niet boven de 1 is geweest. Professor Wallinga is hiervan op de hoogte, maar kiest ervoor, om op basis van foutieve cijfers deze boven de 1 uit te laten komen. Een schandalige vorm van bangmakerij.

Aan de hand van de problemen met de dagelijkse opgave van ziekenhuisopnames en de data in relatie tot het testen, is het duidelijk te zien dat zowel beleidsmakers als betrokken uitvoerders zo weinig verstand hebben van data-analyse dat het ook nog steeds een complete puinhoop is.

In Noorwegen lieten ze sinds begin mei al veel meer toe. En toch zijn er daar tussen 21 en 27 mei maar 10 nieuwe besmettingen per dag geconstateerd en is het aantal sterfgevallen gestegen met nul. In dit stuk beargumenteer ik hoe dit komt en waarom Nederland dus een enorme fout maakt door sportscholen, bijvoorbeeld, dicht te houden.

Norway eased its restrictions considerably in the beginning of May. And yet, they counted just 10 new infections between 21 and 27 May, and the dead toll has increased by zero. This article explains why that is, and how the Netherlands are making a huge mistake by keeping gyms, for example, closed.

In een achteruitkijkspiegel kunnen objecten dichterbij of verder weg lijken dan ze zijn. Dit maakt de vergelijking die Van Dissel op 20 mei maakte, treffender dat hij zelf moet hebben gedacht. Niet alleen loopt de reproductiefactor sowieso al 14 dagen achter op de feiten, maar de informatie waarop dit getal is gebaseerd komt ook nog vertraagd binnen.

Een grafische vergelijking van het aantal corona doden in de provincie Stockholm en de provincie Noord-Brabant toont een opvallende gelijkenis. De Zweedse economie is echter maar met 0.3% gekrompen in verhouding tot de Nederlandse 1.7%.

Veel Nederlanders denken, mede door de wijze van berichtgeving, dat hun kans om besmet te worden vele male groter is dan hij in werkelijkheid is. Aan de hand van enkele simpele aannames valt te berekenen dat ongeveer 1 op de 8500 mensen die je tegenkomt jou zal besmetten.

Onderzoek onder 2659 personen die zichzelf hebben aangemeld en besmet zijn geweest met corona verdeeld in de categorieën: - Wie heeft je besmet? - Waar ben je besmet? - Met hoeveel mensen ben je tegelijkertijd besmet?

Prof. Streeck's research in the heavily impacted Heinsberg/Gangelt area just across the German border, is the most complete randomized study I've seen so far. Unfortunately, the Netherlands doesn't seem intent on following this example and/or learning from this type of research. That is why I will give you an overview of its main conclusions.

De studie van Prof. Streeck in het zwaar getroffen Heinsberg/Gangelt net over de Duitse grens is het meest complete random onderzoek dat ik tot dusverre heb gezien. Helaas lijkt het er niet op dat Nederland de ambitie heeft om dit voorbeeld te volgen en/of te leren van dit soort studies. Daarom geef ik hier de belangrijkste conclusies tot nu toe.

Wanneer je de drie belangrijkste maten van de verspreiding van het virus in één grafiek geplaatst, het drie daags voortschrijdend gemiddelde van de ziekenhuisopnames, IC-opnames en sterftgevallen per dag en corrigeert voor het aantal doden in zorginstellingen zie je dat de R0 ruim onder de 1 ligt.

What do the numbers say, are we doing well or not? In the past few days we heard in the various talk shows on TV, that the R0 (reproduction factor) is on the rise again towards 1. That gives you the feeling that “we” are going in the wrong direction again, despite all the strict […]

De afgelopen dagen horen we dat de R0 (reproductiefactor) weer oploopt naar 1. Als je wat dieper in de feitelijke data duikt, zie je hoe wankel die observatie is, en dat die stijging, als die er echt zou zijn, op dit moment weinig betekent.

Interesting international comparisons about Covid-19 Financial Times has a page with a nice way to read international comparisons regarding the changes in the spread of the virus. It is important to understand what figures they show in those international comparisons. They use the average number of deaths over the last 7 days. As day zero […]

Dit artikel bespreekt een opinieonderzoek van Peil.nl op basis van: de wens om af te bouwen met maatregelen, de kans om besmet te worden zoals men dat voor zichzelf inschat, hoeveel mensen iemand kennen met griep of Corona, hoeveel mensen op een plek zijn geweest waar ze iemand kennen met Corona en hoe lastig de 1,5-meterregel is voor bedrijven.

Op basis van de data van de EDCD heb ik berekeningen gemaakt per land. Deze geef ik weer in 1 tabel en 3 wereldkaarten. Met name ben ik geïnteresseerd in de cijfers per inwoner, om zo regionale trends te kunnen ontdekken.

What if the spread rate of COVID-19 almost reaches 0? It’s currently estimated that, without any special measures taken to reduce the spread, the COVID-virus has an R0 of 2,2. This means that 1 infected person will infect 2.2 others. Needless to say, if you make sure that an infected person has reduced or no […]

In dit artikel toon ik met behulp van een vergelijking tussen New York, San Francisco, Bergamo en Napels aan dat de specifieke luchtvochtigheid een grote invloed heeft op de reproductiefactor van het virus. Er moet met spoed vervolgonderzoek worden uitgevoerd om het beleid voor binnens- en buitenshuis aan te passen.

Een overzicht van wat er momenteel wel en niet bekend is. Onderwerpen die aan bod komen zijn, onder andere: seizoenspatronen, een vergelijking met de reproductiefactor van griep, sterftecijfers, verschillen in maatregelen tussen landen en de noodzaak van strenge maatregelen inclusief, wellicht, een totale lockdown.