Data-R0-IFR

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.

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?

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.

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.

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.