20201211 Interpretation von Corona-Statistiken

DE | EN
Sitemap | Impressum

11.12.2020 Interpretation von Corona-Statistiken

Sorry, most articles are not available in English yet

Statistiken zu Corona-Infektionen und ihre Manipulation

Auch die Aktiven bei Aktion Freiheit statt Angst beschäftigen sich mit den Auswirkungen der Corona-Maßnahmen und ihren Begründungen. Hier ein weiterer Beitrag zu den bereits über 80 Artikeln zu dem in diesem Jahr alles überschattendem Thema. Das Thema der beiden Autoren ist hier ein Ein- und Überblick über die sich scheinbar widersprechenden Statistiken und ein Versuch diese zu interpretieren. Das Thema Grundrechtseinschränkungen wird in diesem Artikel nicht behandelt, dies geschieht in diesen Artikeln.

Inhaltsverzeichnis

Vorwort
1. Wie ist eine Statistik zu lesen?
2. Was ist eine Infektion?
3. Was ist ein PCR-TEST?
4. Beispiele für den Umgang mit Daten und Statistiken
4.1. Ein Beispiel, wie aus völlig unzureichendem Datenmaterial Schlüsse gezogen
werden
4.2. R-Wert
4.3. Wie ist es zu verstehen, dass sich durch Verdoppelung der Tests die
Infektionszahlen verdoppeln?
4.4 Beispiele für Falsch-Positive
5. Ist Covid-19 eine Pandemie?
5.1 Was ist eine Pandemie und wer bestimmt die Kriterien?
5.2. Vorwurf des Einflusses der Pharmaindustrie auf die WHO, die Pandemie-
Kriterien zu ändern
5.3. Sterberaten und Ursachen im Vergleich
6. Manipulation mit Zahlen und Begriffen
6.1. Manipulation mit Zahlen
6.2. "Große Demos gefährden die Gesundheit"
6.3. Manipulation mit Begriffen
Glossar

Vorwort

Wir haben es uns zur Aufgabe gemacht, dass Gewirr der Zahlen um die Corona-Krise herum für diejenigen verständlich zu machen, die schon immer Angst vor Zahlen und Statistiken hatten. Im Folgenden werden wir erklären, was eine Statistik überhaupt ist und wie man sie lesen sollte. Bei jedweden Zahlen ist es immer wichtig zu prüfen, in welchen Zusammenhang sie gestellt werden.

Im Weiteren werden wir klären, was eine Pandemie* ist und ob die Kriterien dafür unumstößlich sind, bzw., wer die Kriterien überhaupt aufstellt. Zu klären gilt es auch den Begriff Infektion*, der in den Medien fast durchgängig mit Erkrankung gleichgesetzt wurde und teilweise immer noch wird. Diese Gleichsetzung hat bei der Bevölkerung große Angst und Panik ausgelöst.

In diesem Zusammenhang müssen wir auch den PCR-Test* untersuchen, zu dem am Beginn der sogenannten Krise sich widersprechende Angaben gemacht wurden, was ebenfalls zu einer großen Verunsicherung in der Bevölkerung geführt hat. Anschließend gehen wir ins Detail - siehe Gliederung/Inhaltsverzeichnis: wir vergleichen die Statistiken von März bis Oktober. Wie mit diesen Zahlen, die täglich in allen Medien verbreitet wurden, die Bevölkerung manipuliert und in Panik getrieben wurde, zeigen wir am Ende des Artikels. Der * bezeichnet Begriffe, die im Glossar erklärt werden.

Um möglichen Anwürfen wegen der scheinbaren „Kühle“ unserer Untersuchungen entgegenzutreten: auch wir bedauern jeden Toten, ob mit oder an Corona oder aus anderen Gründen gestorben.

1. Wie ist eine Statistik zu lesen?

Zunächst sehe ich mir die y- und x-Achsen an. Im Diagramm* wird eine Abhängigkeit der Werte y von x dargestellt. Zum Beispiel Anzahl der Infizierten ( y-Achse) über einen bestimmten Zeitraum ( x-Achse); eingeteilt in Tage, Wochen oder Monate. Wichtig ist, WOHER die Daten kommen: die Quelle sollte vertrauenswürdig und seriös sein.

Die Wertepaare* x und y bilden eine Tabelle; diese werden von Laboren und Gesundheitsämtern deutschlandweit an das RKI gemeldet und nach zwei Tagen veröffentlicht. Dabei werden die einzelnen Wertepaare aus der Tabelle als Punkte (x,y) in das Diagramm* eingetragen.

Zum Beispiel am Montag sind 10 Infizierte gemeldet worden, am Dienstag 16, am Mittwoch 27 usw.
Siehe dazu folgendes Beispiel: x-y-Wertetabelle zur Graphik auf der nächsten Seite:

x 0 1 2 3 4 5 6 7 8 9 10 11
y 10 16 27 34 37 46 55 52 59 52 42 40

Eine Kurve ergibt sich aus der Verbindung der einzelnen Punkte miteinander. Die einfachste Verbindung ist ein Polygon* ( jeder Punkt -rot- wird mit dem nächsten verbunden -grüne Linie). Möglich ist es auch, eine Ausgleichskurve* (blau) zu legen, um „Ausreißer“ im Diagramm unsichtbar zu machen oder ihre Wichtigkeit zu nivellieren. Sie stellt lediglich eine Tendenz dar. Entscheidend für die Auswertung des Diagramms ist die Festlegung der Skalierung*. Bei unserem Beispiel-Diagramm ist es sinnvoll, die y-Achse von 0 bis 60 zu skalieren, um alle Wertepaare anschaulich darzustellen. Wenn man allerdings verschiedene Diagramme vergleichen will, dann sollte man den gleichen Maßstab wählen.

Durch die Wahl des Maßstabs kann der Betrachter leicht manipuliert werden: der Maßstab 1:1 käme der Realität am Nächsten. Wählt man aber den Maßstab 1:10, dann werden die Punkte ( Daten) „gestaucht“ und wirken weniger dramatisch. Wenn jedoch die Y-Achse „gedehnt“ wird, d.h. zum Beispiel, Zahlen von 0 bis 60 anstatt von 0 bis 600, dann erscheint der Verlauf der Punkte dramatischer.

Ein Beispiel für die Vergleichbarkeit durch eine gemeinsame Skalierung zeigt folgendes Diagramm.

Um die Vergleichbarkeit der Mortalitätsrate* von Schweden und England zu zeigen, werden die Werte der Todesfälle auf jeweils 1 Million Einwohner umgerechnet. Das zeigt deutlich, wie wichtig die Auswahl des Maßstabs ist. Wir erkennen, dass zwischen März 3/19und April die Todesrate in Schweden auch OHNE Lockdown HALB so hoch ist wie in England, das einen Lockdown hatte.

In keiner der veröffentlichten Graphiken gibt es Informationen darüber, ob die Verstorbenen MIT oder AN Corona verstorben sind. Diese Differenzierung, die nur durch eine pathologische Untersuchung möglich ist, machte erstmals der Hamburger Pathologe Dr. Püschel der Öffentlichkeit bekannt ¹

Ein Beispiel, wie man es nicht machen darf:

Die Tagesschau zeigt eine Grafik über Covid-19 Patienten in Kölner Krankenhäusern. Die y-Achse zeigt die Anzahl der Patienten. Anstatt den Achsen-Schnittpunkt, wie üblich bei (x=0,y=0) zu zeichnen, wird die y-Achse um 50 Einheiten (hier: Patienten) nach oben geschoben. Damit fällt weniger auf, dass im Juni/Juli fast keine Patienten mit Covid-19 in den Krankenhäusern lagen. Eine Berechtigung für diese Verschiebung gibt es nicht, da eine negative Anzahl an Patienten nicht möglich ist.

Kritik an den Statistiken: Sie werden teilweise in keinen Zusammenhang mit der Anzahl der Bevölkerung gestellt. So werden die Infektionszahlen in den USA stets absolut angegeben, ohne zu berücksichtigen, dass dort 350 Millionen Menschen leben. Das heißt, die Anzahl der bisher (Ende Oktober 20) Infizierten von 10.311.361 wird nicht ins Verhältnis zur Einwohnerzahl gesetzt. Die Infektionsrate würde bei korrekter Darstellung 0,029 pro Einwohner betragen. Das sind 12 Infizierte pro Tag und pro 100.000 Einwohner über den Zeitraum von März bis Anfang November 2020 = 240 Tage, also weit entfernt von einem Inzidenzwert* von 50 pro 100.000 Einwohner ² .
( Rechenschritte: 10.311.361 / 350.000.000 x 100.000 / 240 = 12,27 )

2. Was ist eine Infektion?

"Eine Infektion bedeutet: ein Erreger dringt in einen Körper ein, der Erreger siedelt sich dort an, und der Erreger vermehrt sich dort. Nur wenn diese drei Bedingungen erfüllt sind, spricht man medizinisch korrekt von einer Infektion.

Laut Wikipedia³ :

„Eine Infektion (...) aus lateinisch īnficere ‚anstecken‘, ‚vergiften‘; wörtlich ‚hineintun‘) oder Ansteckung ist das (passive) Eindringen von Krankheitserregern in einen Organismus, wo sie verbleiben und sich anschließend vermehren. Konkret handelt es sich bei den Krankheitserregern um pathogene* Lebewesen (z. B. Bakterien, Pilze, Parasiten) oder um Moleküle (z. B. Viren, Transposons und Prionen), die zum Überleben einen Wirt benötigen. Krankheiten, die durch Ansteckung mit Krankheitserregern (Pathogenen) ausgelöst werden, werden als Infektionskrankheiten bezeichnet.

Infektionen werden grundlagenwissenschaftlich von der Infektionsbiologie erforscht und von der klinischen Infektiologie behandelt. Die statistische Erfassung von Infektionskrankheiten in einer Population* ist ein Teilbereich der Epidemiologie. Der Nachweis des Zusammenhangs zwischen einem Infektionserreger und einer Infektionskrankheit wird bis heute durch Überprüfung der Henle-Koch-Postulate* erbracht.

Ob es zu einer Vermehrung der Keime kommt und wie heftig die Infektion verläuft, hängt vom Verhältnis zwischen dem Keim („Gast“) und dem Immunsystem des Menschen (Wirt) ab. Bei den meisten Erregern ist für eine Infektion eine bestimmte Anzahl notwendig (Minimale Infektionsdosis), die in den Körper gelangen muss, häufige Begleiterscheinungen einer Infektion sind Immunreaktionen und eventuell auch eine Pathogenität bis hin zur Letalität, statistisch wird dies in einer Population durch die Morbidität* und die Mortalität* ausgedrückt.“

Das heißt also auch, dass ein Infizierter nicht unbedingt erkranken muss. Ein Mensch, dessen Immunsystem intakt ist, wird deshalb in Kontakt mit Viren und Bakterien NICHT notwendigerweise erkranken. Wenn es anders wäre, gäbe es keine Gesunden mehr auf diesem Planeten.

Es ist festzuhalten, dass Infektionen nicht gleichbedeutend mit Erkrankungen sind. Damit kommen wir zum nächsten Thema: dem PCR-Test.

3. Was ist ein PCR-TEST?

Der PCR-Test weist ein kleinstes Teilstück eines Virus nach. "Die Abkürzung PCR steht für 'Reverse Transkription Polymerase-Chain-Reaction'. Damit gelingt es, aus einer sehr kleinen Menge von 'etwas' mit einem eleganten, aber anspruchsvollen biotechnologischen Verfahren eine größere Menge dieses 'etwas' herzustellen, es also zu vervielfältigen zu einer Menge, mit der sich weiterarbeiten lässt.

Das untersuchte Material kann zum Beispiel ein Genabschnitt des Coronavirus sein, eine Sequenz von Nukleinsäuren. Da es im menschlichen Sekret (gewonnen durch einen Abstrich) in extrem kleiner Menge vorliegt – falls überhaupt– kommt der Bioreaktor oder Replikator scheinbar wie gerufen.

Doch wie lässt sich das vervielfältigte Material zweifelsfrei identifizieren? Eine heikle Sache. Aber nur mit eindeutigen, validierten und verifizierbaren Standards ließe sich der Replikator in ein Testgerät verwandeln und das PCR-Verfahren als Test etablieren. (...) Die Wissenschaftler sagten sich nun: Wenn wir in dieser langen Schlange zwei Sequenzen* finden – zum Beispiel am Kopf und am Schwanz –, die ausschließlich in diesem Genom* vorkommen und in keinem anderen der verwandten Coronavirus-Familie, dann haben wir immerhin zwei Merkmale zur Identifikation.

Und so wird das gemacht: Mit Reagenzien und einem komplizierten biochemischen Verfahren können diese zwei Sequenzen zum Fluoreszieren, zum Aufleuchten gebracht werden. Dieses Licht lässt sich messen. Und allein damit wird das PCR-Verfahren zur Testtechnologie erhoben.

Anders als bei einem Schwangerschaftstest – Ergebnis: ja oder nein –, ist die im Replikator produzierte Menge jedoch abhängig davon, wie viele Zyklen durchgeführt wurden. Doch ab welcher Anzahl Zyklen – und somit einer mehr oder weniger großen Materialmenge – soll denn nun das Ergebnis positiv oder negativ gewertet werden?" Dazu ein Beispiel ⁴ : "Der PCR-Test als Hühnerstall Stellen wir uns einen luftigen Tierstall aus Latten mit Abständen vor. Nachts leuchten wir mit einer Taschenlampe hinein und sehen im Lichtstrahl: eine Feder – gewissermaßen eine Sequenz des vermuteten Federviehs. Was heißt das nun? Ist ein Federvieh drin? Ist das Federvieh lebendig oder tot? Sind es mehrere? Vermehren sie sich? Oder ist der Stall unbewohnt und es sind bloß noch ein paar Federn übrig?

Keine einzige Frage lässt sich korrekt beantworten.

Also umrunden wir den Hühnerstall mehrmals – das sind die berühmten Zyklen* – und leuchten immer wieder zwischen den Latten hinein. Nach etwa 35 Umrundungen haben wir zwar noch immer kein ganzes Huhn oder einen Hahn gesehen (das kann das PCR-Verfahren nicht, da es bloß Gensequenzen* misst), aber wir haben doch mittlerweile ein gutes Dutzend Federn gesichtet.

Nehmen wir an, dass viele Federviecher im Stall waren oder sind. Damit steigt die Wahrscheinlichkeit, dass wir schon nach ein paar Rundgängen (Zyklen) ziemlich viele Federn im Lichtstrahl sahen.

Auf den PCR-Test übertragen: Ist die Virenlast in einer Probe hoch, so erhalten wir schon bei 25 Zyklen ein deutliches Signal. Was aber, wenn wir bei 25 Zyklen noch kein eindeutiges Signal haben? Wir müssen die eingangs gestellte Frage wiederholen: Ab welcher Anzahl Zyklen soll das Ergebnis positiv oder negativ gewertet werden?

Wir beschließen: Wenn beispielsweise nach rund 33 Zyklen die Federsichtungen ansteigen und wir insgesamt 13 Federn gesehen haben, soll gelten: Ein Huhn ist da, Ergebnis positiv. Wenn es nur sieben Federn sind, gilt: kein Huhn vorhanden, Ergebnis negativ.

Diese Grenze, da wo der Sichtungsanstieg beginnt, ist nicht scharf und mithin willkürlich gewählt, sowohl im Hühnerbeispiel als auch in der Realität des PCR-Tests." Aus der Art der Probenahme AUF der Grenzfläche zwischen Körper und Umwelt - den Nasen- und Rachenschleimhäuten, können wir also nur eine Wahrscheinlichkeit bestimmen, ob Teile des Virus vorhanden sind.

Um von Infektion sprechen zu können, fehlen also ALLE MERKMALE, nämlich:

Nachweis eines GANZEN, kompletten Virus
Eindringen IN den Körper (also in lebendige Zellen des Körpers)
Vermehrung im Körper

Sind "PCR-Test-Positive" gleich Infizierte? NEIN !
"Test-positiv" und infiziert ist nicht gleichbedeutend. Von den "Test-Positiven" ist nur eine Teilmenge infiziert.

Kleine Anmerkungen am Rande:

Das RKI gibt für die KW*36 eine Infektionsrate von 0,74% an, d.h. 99,26% der Tests werden an "Gesunden" durchgeführt. Jeder Test wird mit 50€ honoriert.
Die Labore, denen das noch nicht reicht, führen inzwischen teilweise Sammeltests durch (auch wegen der 99% sinnloser Tests), in dem sie z.B. 10 Proben mischen, dann messen sie 9-mal nichts, können aber 90 Tests abrechnen und müssen nur den 10. Test noch mal für die 10 Proben einzeln wiederholen, um darin den Positiven zu finden. Dabei werden wegen der Verdünnung die Zahl der Durchläufe (Zyklen) erhöht. Die WHO empfiehlt 10-20 , es werden dann über 30 durchgeführt (Vervielfachung um mehr als 1 Milliarde ⁵ ) und dadurch werden u.U. noch Virenkonzentrationen gefunden, die längst nicht mehr ansteckend sind.

4. Beispiele für den Umgang mit Daten und Statistiken

4.1. Ein Beispiel, wie aus völlig unzureichendem Datenmaterial Schlüsse gezogen werden

aus: Datenbasis verbessern, Prävention gezielt weiterentwickeln, Bürgerrechte wahren - Thesenpapier 2.0, Prof. Dr. med. Matthias Schrappe, ehem. Stellv. Vorsitzender des Sachverständigenrates Gesundheit, 03. Mai 2020, S.17 ⁶

Die Zahl der „Genesenen“ muss auf die Anzahl der symptomatisch Erkrankten bezogen werden und nicht auf die Anzahl der "Infizierten", denn Nicht- Erkrankte (Gesunde) können nicht genesen.

4.2. R-Wert

Der R-Wert* (Reproduktionszahl) ist definiert als Zahl, die angibt, wie viele Menschen ein einzelner Infizierter durchschnittlich ansteckt.

In einer Publikation des RKI wird in der folgenden Graphik der Verlauf des R-Wertes über den Zeitraum vom 9.3.-9.4. wiedergegeben. Aus der Abbildung ist ersichtlich, dass der R-Wert bereits zwei Tage vor der Verkündung des Lockdown durch die Bundesregierung unter 1 gefallen war (am 21.3.2020) und seitdem bis in den Spätsommer auf diesem Niveau geblieben ist, was keine Gefahr für die Bevölkerung darstellte.

Die Bundesregierung verkündete am 28.3. den Lockdown, obwohl der R-Wert unter 1 gefallen war. Am 17.4.2020 berichtete BM Spahn in einer Pressekonferenz, dass „der Ausbruch - Stand heute, wieder beherrschbar und beherrschbarer geworden“ ist, dass der „Ansteckungsfaktor“ (R-Wert) jetzt bei 0,7 läge (FAZ vom 18.4.2020). Der R-Wert lag aber bereits seit dem 21.3. unter 1.

aus: Datenbasis verbessern, Prävention gezielt weiterentwickeln, Bürgerrechte wahren - Thesenpapier 2.0, Prof. Dr. med. Matthias Schrappe, ehem. Stellv. Vorsitzender des Sachverständigenrates Gesundheit, 03. Mai 2020, S.33

4.3. Wie ist es zu verstehen, dass sich durch Verdoppelung der Tests die Infektionszahlen verdoppeln?

Zur Erklärung ein simples Beispiel:

Du gehst am Montag mit einem leeren Korb in einen Wald, um dort Pilze zu sammeln. Du sammelst deinen Korb voll Pilze und ziehst daraus den Schluss, dass der Wald 500 gr Pilze hergibt. Am nächsten Tag gehst du mit einem Freund in den Wald, der auch einen Korb mit Pilzen sammelt. Du und dein Freund behaupten nun, der Wald enthalte heute 1000 gr Pilze.

Einen weiteren Tag später kommt deine Freundin mit, die ebenfalls einen Korb voller Pilze sammelt. Du, dein Freund und deine Freundin haben nun gemeinsam 1500 gr Pilze gesammelt und stellen fest, dass der Wald am Mittwoch 1500 gr Pilze enthält. Das könnte man rechnerisch weiterführen. Tatsache ist - und das ist vielen nicht klar - der Wald hat alle drei Tage lang die gleiche Anzahl an Pilzen! Je mehr Menschen die Pilze suchen, je mehr Kilo Pilze werden gefunden. Natürlich ist klar, dass nicht unendlich viele Pilze im Wald wachsen, jedoch zeigt das Beispiel die in der Folge falsche Berechnung der Sterblichkeit, wenn man die wirkliche Zahl der Infizierten nicht mal annähernd bestimmen kann (s.S.15).

Die Anzahl der Tests wurde seit März von 30.000 bis zum Juli auf 1,4 Millionen pro Woche um das 40-fache erhöht. Dennoch wurden in den Sommermonaten nur 0,5-1,5% positiv getestet. 99% aller Test sind negativ. ⁷

Von der KW11 zur KW12 (vom 9.-16.3.) wuchs die Testkapazität um das 2,7-fache, folglich müsste sich die Anzahl der positiven Tests bei gleichbleibendem (!) Infektionszustand mindestens ebenfalls um das 2,7-fache erhöhen. Gemessen wurde das 3-fache, also nur eine kleine Zunahme. Ab KW15, also Anfang April, kann auch die Erhöhung der Tests keine Zunahme der Infiziertenzahlen "erzeugen" - im Gegenteil, diese nehmen exponentiell* ab.

4.4 Beispiele für Falsch-Positive*

Wir gehen von einer angenommenen Anzahl von 1.000.000 Tests aus. Darin enthalten sind 100 Proben mit dem Virus und 999.900 ohne das Virus. Ein PCR-Test kann in Proben mit dem Virus einen kleinen Teil dieses Virus zu 95,7% nachweisen. Das ergibt in unserem Beispiel einen echt-positiv Test bei 94 Personen und 6 Proben werden fehlerhaft nicht als positiv erkannt.

Ein PCR-Test mit der üblichen Falsch-Positiv-Rate von 0,7% findet in Proben OHNE das Virus 6999,3 falsch-positiv Getestete und richtigerweise 992.900 Nicht-Infizierte. In der Statistik tauchen dann jedoch 7094 positiv Getestete auf, obwohl es real nur 94 Test-Positive (infiziert) gibt.

Fazit: Obwohl eine Fehlerrate von 0,7% verschwindend gering wirkt,können sich bei 50 Millionen Tests bereits mindestens 350.000 falsch-positiv Getestete ergeben. Bei solchen Fehlerraten können Corona-Ampeln auf rot gehen, ohne eine einzige wirkliche Infektion (weit über 50 angeblich Infizierte bei 100.000 Tests). ⁸

Anfang Juni wurde in den öffentlich-rechtlichen Nachrichten zusätzlich berichtet, dass 20% der PCR-Tests falsch negativ sind, allein wegen schlechter Probenentnahmen durch ungeschultes Personal.

5. Ist Covid-19 eine Pandemie?

5.1 Was ist eine Pandemie und wer bestimmt die Kriterien?

Laut Wikipedia ⁹ : Pandemie (...) bezeichnet eine „neu, aber zeitlich begrenzt in Erscheinung tretende, weltweite starke Ausbreitung einer Infektionskrankheit mit hohen Erkrankungszahlen und i.d.R. auch mit schweren Krankheitsverläufen. Im Unterschied zur Epidemie ist eine Pandemie örtlich nicht beschränkt, es kann aber auch bei Pandemien Gebiete geben, die nicht von der Krankheit betroffen werden. In Bezug auf die Influenza hat die Weltgesundheitsorganisation (WHO) in ihren zuletzt im Mai 2017 überarbeiteten Leitlinien zum Pandemic Influenza Risk Management festgelegt, dass die Ausrufung einer Pandemie – also der Übergang von einer Epidemie zur Pandemie – durch den Generaldirektor der WHO erfolgt."

Bis 2009 besagte "Influenza-Pandemie" laut der damaligen WHO-Website dieses:

P1. An influenza pandemic occurs when ( Eine Grippe-Pandemie tritt auf, wenn ...)

[i] a new influenza virus appears against which the human population has no immunity,
      ( i - eine neues Influenzavirus erscheint, gegen das die menschliche Bevölkerung keine Immunität besitzt)
[ii] resulting in several simultaneous epidemics worldwide
      ( ii - mit der Folge mehrerer gleichzeitiger Epidemien weltweit )
[iii] with enormous numbers of deaths and illness.
      ( iii – mit einer enormen Zahl von Todesfällen und Erkrankungen )

Nach Prof. Dr. Georg Meggle zitiert 10 : "2009, einen Monat vor dem Ausbruch der "Schweinegrippe" (H1N1 influenza), wurde diese Begriffserläuterung so geändert, dass der 3. Satz [iii] ersatzlos gestrichen wurde.

Dass durch Streichung der bis dahin als notwendig angesehenen Bedingung [iii] die neue Definition um Dimensionen umfassender ist als P1, ist evident. Im Prinzip kann nach der neuen Definition jede jährliche Grippewelle, egal wie viele oder auch wie wenige Tote diese Welle hervorruft, von der WHO zu einer Pandemie erklärt werden. Ohne diese Erweiterung hätte die Schweinegrippe von der WHO 2009 nicht als eine "Pandemie" bezeichnet werden können; und so auch nicht - am 11. März 2020 - unsere derzeitige CORONA-Influenza.

David Ozonoff, ein Professor für Umweltgesundheit an der Boston University, hatte schon am Tag dieser Begriffsänderung (04. Mai 2009) diese exakt auf den Punkt gebracht. 'Definition of the word 'pandemic' is not set in stone. Pandemic (in der neuen Definition) refers to how widely dispersed a disease is, not (wie bei P1) how severe.'
(Die Definition des Wortes "Pandemie" ist nicht in Stein gemeißelt. Pandemie (in der neuen Definition) bezieht sich darauf, wie weit eine Krankheit verbreitet ist, nicht (wie bei P1) wie schwer sie ist. )

Auch der Titel des ersten Berichts (von CNN-Atlanta), der diese Änderung gemeldet hatte, traf diese Begriffsverschiebung perfekt: When a pandemic isn't a pandemic ( Wenn eine Pandemie keine Pandemie ist...). (...)

Sogar der Europäische Rat hatte gegen diese "kleine" Sprachänderung, deren gigantische Auswirkungen uns und die ganze restliche Welt durch die CORONA-Pandemie-Panik betrafen, erstaunlich schnell Bedenken geäußert. 11

Eine Starke Pandemie ist wegen den 'enormous numbers of deaths' ganz klar eine Katastrophe; eine Schwache Pandemie im Vergleich dazu ebenso klar keine.“

5.2. Vorwurf des Einflusses der Pharmaindustrie auf die WHO, die Pandemie-Kriterien zu ändern

Laut einer 2015 vom deutschen Arzt Wolfgang Wodarg publizierten Kritik 12 wurde der Pandemie-Plan der WHO 1999 von industriegesponserten Experten verfasst und 2007 als Internationale Gesundheitsvorschrift (IHR 2) vorgeschrieben. Wodarg initiierte dazu eine Untersuchung des Europarates. Ähnliche Kritik äußerte 2015 Thomas Gebauer, Sprecher von Medico international, und auch die Wissenschaftlichen Dienste des Deutschen Bundestages¹³ schrieben im März 2019 in einem Sachstandsbericht zur WHO: „In der Vergangenheit sah sich die WHO zunehmend Kritik ausgesetzt, wonach externe nicht-staatliche Akteure wie Unternehmen oder Stiftungen Einfluss auf das operative und normative Geschäft der WHO ausübten und diese für ihre eigenen Zwecke instrumentalisierten.

Frage dazu: Was wäre, wenn von der WHO die Kriterien für eine Pandemie, nach deren Seuchen-Klassifikationen sich alle Länder dieser Erde richten müssen, 2009 nicht geändert worden wäre?

Dann hätte der Ausbruch von CORONA (dem von den Medien verwendeten Namen für den mit der COVID-19-Atemwegserkrankung verbundenen SARS-CoV-2-Virus) im März 2020 mit Sicherheit nicht so leicht als eine Pandemie ausgerufen werden können. So kann jetzt jede auftretende Grippewelle mit einem neuen unbekannten Erreger als Pandemie bezeichnet werden.

Mit geschätzten 20 bis 50 Millionen Toten war die Spanische Grippe von 1918 nach alter, wie auch neuer Definition eine Pandemie, während die Schweinegrippe von 2009 mit 200.000 Toten nach der alten Definition keine Pandemie gewesen wäre. Sie war eine der leichtesten jährlichen Grippewellen der letzten Jahre.“ ¹⁴

5.3. Sterberaten und Ursachen im Vergleich

Will man die Stärke einer Pandemie messen, so muss man die Todesraten ins Verhältnis zu den anderen Todesursachen setzen. In Frankreich sterben pro Tag durchschnittlich 2600 Menschen, in Deutschland sind es trotz höherer Bevölkerungszahl mit 2616 nur wenige mehr.

Als Todesursachen in Deutschland werden diese Gruppen vom Statistikamt 15 für 2018 angegeben (Ausschnitt):

Hinzufügen sollte man die letzten drei Todesraten, die in der obigen Liste nicht explizit aufgeführt waren.

Zu den infektiösen und parasitären Krankheiten gehören die Grippe und auch COVID-19. Durchschnittlich sterben daran in Deutschland 49 Menschen am Tag. Die Grippewellen erreichen uns meist in den Wintermonaten, sodass dort die Todesraten höher liegen (Übersterblichkeit*) und im Sommer entsprechend niedriger. Zum Vergleich: An Erkrankungen des Kreislaufsystems sterben in Deutschland täglich 946 Menschen (s. Tabelle).

Die Europäische Kommission gibt in ihrem Bericht zur Luftverschmutzung an ¹⁶ , dass durch die übermäßig hohen Konzentrationen von Luftschadstoffen jährlich etwa 400.000 Menschen vorzeitig das Leben verlieren, das sind 1.111 Tote pro Tag. Für Deutschland sind das bei 60.000 Toten im Jahr auch bereits 164 Tote pro Tag.

Die Todesraten "an und mit" COVID-19 für Deutschland weisen für den Zeitraum vom 10.3.-27.10. 10.345 Verstorbene, also 28 pro Tag, auf. ¹⁷

"An und mit-Corona Verstorbene" sagt nichts darüber aus, ob der Tote ursächlich an COVID-19 verstorben ist oder an einer seiner Vorerkrankungen. Dies kann nach Aussage von Dr. Püschel nur durch eine Obduktion festgestellt werden. ¹⁸

Aus der Sentinelerhebung* des RKI für dieses Jahr (bis zur KW 42) ersieht man, dass die COVID-19 Viren nur in der Zeit von März bis Mitte April in relevanter Zahl nachweisbar waren. Erst ab Mitte September sind sie in der Grafik wieder sichtbar. Zu Beginn der Maskenpflicht ab KW 18 (Ende April) ist COVID-19 in der Grafik nicht mehr zu finden.

Das heißt, dass sämtliche der Restriktionen nicht notwendig gewesen wären und notwendig sind. Das bedeutet, dass Menschen, die nicht zum Arzt oder ins Krankenhaus gegangen und gestorben sind aus Angst vor Ansteckung, noch leben könnten. Dass Suizide aus Verzweiflung über finanziellen Ruin und oder Einsamkeit nicht stattgefunden hätten. Einer Vorabstudie des Klinikums Hochrhein in Waldshut-Tiengen zur Corona-Übersterblichkeit zufolge starben 45% an den Folgen des Lockdowns und nicht an Covid-19. ¹⁹

Wenn man bedenkt, dass täglich 26 Menschen durch Selbsttötung sterben und diese Zahl auch ungefähr den "an und mit" COVID-19 Verstorbenen entspricht, kann man nur hoffen, dass sich die Zahl der Suizide durch die Corona-Maßnahmen nicht wesentlich erhöht, denn die Untersuchung bei Heise/Telelpolis "Gesichtslose und distanzierte Menschen" ²⁰ warnt vor den Folgen von Einsamkeit, Abschottung und Distanzierung durch die verhängten Maßnahmen.

6. Manipulation mit Zahlen und Begriffen

6.1. Manipulation mit Zahlen

Es werden Zahlen ins Verhältnis gesetzt, die in der Realität nichts miteinander zu tun haben (s.S.7). Und es werden Zahlen nicht in ein Verhältnis gesetzt; z.B. zur Bevölkerungszahl, die zum Verständnis dringend notwendig wären.

Wie schon in der obigen Statistik über Todesursachen in Deutschland (s.S.12) gezeigt, ist es wichtig, Zahlen in einen Zusammenhang zu setzen; und nicht nur absolute Zahlen zu nennen.

Hohe absolute Zahlen, z.B. 250.000 Tote (mit und an Corona Verstorbene von März bis Oktober) in den USA, die nicht in einen Zusammenhang zur Bevölkerungszahl und nicht in einen festgesetzten Zeitraum gestellt werden, können Panik auslösen. Denn bei einer Bevölkerungszahl von 350 Millionen sind dies 0,07%.

In Deutschland sterben pro Tag 2600 Menschen aus den verschiedensten Gründen (s.S.12). Die nebenstehende Grafik zeigt die Todesursachen für Baden-Württemberg.

6.2. "Große Demos gefährden die Gesundheit"

Als Anfang Juni 15.000 Menschen auf dem Alexanderplatz gegen Rassismus demonstrierten, wurde der Untergang Berlins vorausgesagt. Massenweise würden sich die Menschen ohne Mindestabstand und ohne Masken angesteckt haben.

Gleiches hörte man zu den Corona-Demos am 1. und 29. August. Hier noch mit dem Tenor, dass die angeblichen Corona-Leugner absichtlich Risiken eingehen würden. Die inzwischen vom RKI veröffentlichten Zahlen ²¹ sprechen dagegen.

Das RKI veröffentlicht täglich die Zahlen der Neuinfektionen in jedem Bundesland als Mittelwert der letzten 7 Tage.

Über die Teilnehmerzahlen der Corona-Demos wird heftig gestritten. Die Zahlen 20.000 (1.8.) und 38.000 (29.8.) sind mit Sicherheit zu niedrig. Alle 3 Kurven stellen die gemeldeten Infiziertenzahlen in Berlin in den 12 Tagen nach der Demonstrationen dar.

Alle Kurven zeigen nur den üblichen Anstieg der Zahlen in den Monaten Juni-September. Bei der größten Demo am 29.8. haben die Infektionszahlen sogar den niedrigsten Anstieg. Ein großer oder sogar exponentieller Anstieg wegen eines "Super-Spreader-Events" wie vorhergesagt, ist nicht zu festzustellen.

Update Oktober 2021, 20 Tage nach der Klima-Demo mit über 500.000 Teilnehmern in Berlin

Obwohl schon Demos mit wenigen Hundert Teilnehmern von der Polizei zum Tragen von Masken angehalten werden, wurde uns zum obigen Kapitel gesagt, dass Demos mit einigen Zehntausend Teilnehmern bei der Berliner Bevölkerungszahl von 3,5 Millionen zu gering seien, um einen Ausschlag in den Kurven zu erzeugen - dann irrt die Polizei bei ihrer Forderung.

Nun gab es am 24. September 21 in Berlin die große Demo zum Klimastreik mit über 500.000 Teilnehmern, die Veranstalter haben 640.000 gezählt. Jetzt, 20 Tage danach haben wir uns die Infektionszahlen des RKI angesehen und für Berlin, Sachsen und Bayern gegenübergestellt. Wie man auch hier sieht, haben Klimademonstrationen einen positiven Einfluss auf die Infektionszahlen, denn die Berliner Zahlen steigen jahreszeitlich bedingt weniger stark als die bei den zu Hause gebliebenen Sachsen und Bayern ;-)

6.3. Manipulation mit Begriffen

Seit März 2020 werden wir mit dem Begriff "Übersterblichkeit" konfrontiert, der besagt, dass über die durchschnittliche Sterblichkeitsrate hinaus, Menschen gestorben sind. RKI-Chef Wieler behauptet, z.B. wörtlich, dass die Covid-19 Erkrankungen etwa „fünfmal tödlicher" als die Grippe Erkrankungen seien. ²²

Dasselbe behauptet auch Christian Drosten. Anfang Mai veröffentlichte ein Forschungsteam um Prof. Dr. Hendrik Streeck und Prof. Dr. Gunther Hartmann von der Universität Bonn die sogenannte Heinsberg-Studie ²³ , die durch die Ergebnisse von Massentests und Befragungen einer großen Zahl von Einwohnern in der Ortschaft Gangelt auf eine Sterblichkeit von nur 0,37% kamen.

Prof. Dr. Ioannidis hat in einer weltweiten Vergleichsstudie für die WHO nun festgestellt, dass die Letalität (Sterblichkeit) für Covid-19 mit 0,2% in derselben Größenordnung liegt wie die bei einer Grippe. ²⁴

Wie die Sterbefälle in Deutschland für die jeweils ersten 43 Kalenderwochen im Vergleich aussehen, zeigt die Grafik von statista.de für 2018 und 2020, sowie einen Mittelwert für 2016-2019. Eine Übersterblichkeit ist eventuell im Winter 2018 auszumachen.

Fast von Beginn an wurde von einem "Killer-Virus" in den Medien und von einigen Politikern gesprochen, was ebenfalls große Angst in der Bevölkerung hervorrief. Korrekturen des Begriffs „Killer-Virus“, von z.B. Prof. Dr. Bhakdi ²⁵ wurden nicht nur ignoriert, sondern Prof. Bhakdi wurde als Person und Wissenschaftler diffamiert. Ebenso wurde auch Dr. Wodarg medial die Kompetenz abgesprochen, sich als Experte zu äußern, der von Beginn der ausgerufenen Pandemie an Sachlichkeit anmahnte.

Nicht selten wurde von Politikern -weltweit- vom "Krieg gegen das Virus" gesprochen, was die Medien aufgriffen und damit die Bekämpfung des Virus in einen zusätzlich angst-und panikverbreitenden Kontext setzten.

Der Begriff "Infektion" wurde durchgehend mit dem Begriff "Krankheit" in den meisten Mainstream-Medien und in offiziellen Verlautbarungen gleichgesetzt. Seit März berichtet die Tagesschau fast täglich undifferenziert über die Zunahme der Infektionen, ohne über die tatsächlich Erkrankten, die Genesenen und die Infizierten ohne Symptome zu berichten. Auch dadurch wurde und wird in der Bevölkerung Panik erzeugt.

Sehr schnell tauchte auch der Begriff "Gefährder" auf, der denjenigen stigmatisierte und in die Nähe des Terrorismus stellte, der sich scheinbar nicht an die verordneten Regeln der Regierung hielt. So wurden beispielsweise Menschen ohne „Mund-Nasen-Schutz“ aber mit Attest, beleidigt und bedroht.

Es gibt noch sehr viel mehr Beispiele für das panikerzeugende Wording, das mitverantwortlich dafür ist, dass viele Menschen sich nicht mehr um Fakten kümmern, sondern Hamsterkäufe tätigen, sich Sorgen um ihre Kinder und ihre Zukunft machen, ihre Nachbarn beobachten und jeden, der nicht wie sie selbst mit einem „Mund-Nasen-Schutz“ behaftet ist, für ihren persönlichen Feind halten.

Die Grundmanipulation liegt in der Einheitlichkeit der Medien. Über Jahrzehnte war der Westen im Systemvergleich stolz auf seine Medienvielfalt: unterschiedliche, abweichende Meinungen galten als Beleg für Demokratie. Heute sind unsere Medien im Thema Corona geschlossen wie nie zuvor.

Andere Meinungen werden verächtlich gemacht ( siehe u.a. Prof.Bhakdi, Dr.Wodarg ) und Gegner der „Corona-Maßnahmen“ werden als Antisemiten, Verschwörungstheoretiker oder Spinner gebrandmarkt.

Ein besseres Verständnis von Statistiken hilft, Manipulationen zu durchschauen. Möge diese Arbeit dazu beitragen, Licht in das „Dunkel der Zahlen“ zu bringen.

Dr. Rainer Hammerschmidt
Siera P. Siemering

Fußnoten:

1 https://youtu.be/170lOpoIu-k
2 https://en.wikipedia.org/wiki/2019%E2%80%9320_coronavirus_pandemic_by_country_and_territory
3 https://de.m.wikipedia.org/wiki/Infektion
4 https://corona-transition.org/was-der-pcr-test-kann-und-was-nicht
5 https://en.m.wikipedia.org/wiki/Polymerase_chain_reaction
6 https://www.bmcev.de/wp-content/uploads/thesenpapier2_corona_200503_endfass.pdf
7 https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Testzahl.html
8 corona for ever https://multipolar-magazin.de/artikel/warum-die-pandemie-nicht-endet
9 https://de.m.wikipedia.org/wiki/Pandemie
10 https://www.heise.de/tp/features/Die-CORONA-Panik-Ein-Irrtum-4841490.html
11 http://assembly.coe.int/Documents/WorkingDocs/Doc10/EDOC12283.pdf
12 https://www.wissenschaftsladen-dortmund.de/wp-content/uploads/2020/04/2020-03-25-Wodarg-Die-Schweinegrippe.pdf
13 https://de.wikipedia.org/wiki/Wissenschaftliche_Dienste_des_Deutschen_Bundestages
14 https://www.heise.de/tp/features/Die-CORONA-Panik-Ein-Irrtum-4841490.html
15 https://www.destatis.de/DE/Themen/Gesellschaft-Umwelt/Gesundheit/Todesursachen/Tabellen/ gestorbene_anzahl.html
16 https://op.europa.eu/webpub/eca/special-reports/air-quality-23-2018/de/#chapter10
17 https://www.worldometers.info/coronavirus/#countries
18 https://youtu.be/170lOpoIu-k
19 https://www.aerzteblatt.de/studieren/forum/138620 und
https://www.heidelberg24.de/baden-wuerttemberg/coronavirus-lockdown-toedlich-studie-baden-wuerttemberg-waldshut-klinikum-hochrhein-aerzte-patienten-tote-schock-zr-90096799.html
20 https://www.heise.de/tp/features/Gesichtslose-und-distanzierte-Menschen-4930633.html
21 https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/ Gesamt.html
22 https://www.handelsblatt.com/video/politik/coronavirus-sterberate-ist-aktuell-fuenf-bis-zehnmal-so-hoch-wie-bei-der-grippe/25589542.html?ticket=ST-1855505-zebzQYKkElxOHV6VbpuK-ap4
23 Heinsberg-Studie, https://www.uni-bonn.de/neues/111-2020
24 https://www.who.int/bulletin/online_first/BLT.20.265892.pdf und
https://www.statnews.com/2020/03/17/a-fiasco-in-the-making-as-the-coronavirus-pandemic-takes-hold-we-are-making-decisions-without-reliable-data/
25 Corona Fehlalarm, Dr. Karina Reiss und Dr. Sucharit Bhakdi

Glossar

Ausgleichskurve       Kurve mit gleichen Abweichungen der Messpunkte nach oben wie nach unten
Diagramm                   Darstellung der Abhängigkeit von Messpunkten y als Funktion von x
Exponentielles Wachstum    Eine Menge wächst pro Einheit (Zeit, Entfernung, Schritt ...) zunehmend stark.
False Positives positiv gemessene Probe, die real keine Viren enthält
Falsch-Positiven-Rate    Anteil der positiv gemessenen Proben aus der Gesamtheit der negativen Proben; bei PCR Tests ca. 0,7%
Genom                                 Biologischer Informationsspeicher für Erbinformation
Gensequenzen                     charakteristische Abfolge der genetischen Bausteine einer Erbanlage
Henle-Koch-Postulate         Henle-Koch-Postulate beschreiben bei einer Infektionskrankheit die Ursache-Wirkungs-Beziehung zwischen einem
                                             Parasiten und dem Wirt
Infektion       Eindringen von Krankheitserregern in einen Organismus, wo sie verbleiben und sich anschließend vermehren.
Infektionsrate                     Anzahl der Infizierten pro Gesamtheit (Bewohner pro Land oder Stadt)
KW                                       Kalenderwoche
Morbidität                         Die Morbidität gibt an, wie viele Individuen einer Population in einem bestimmten Zeitraum eine bestimmte Erkrankung
                                            erlitten haben.
Mortalität         Mortalität. von lateinisch: mors, mortis - Tod Synonyme: Sterblichkeit, Todesrate
Mortalitätsrate                     Anzahl der an einer bestimmten Krankheit Gestorbenen pro Gesamtheit (Bewohner pro Land oder Stadt)
Pandemie                            Pandemie bezeichnet eine „neu, aber zeitlich begrenzt in Erscheinung tretende, weltweite starke Ausbreitung einer
                                             Infektionskrankheit mit hohen Erkrankungszahlen und i.d.R. auch mit schweren Krankheitsverläufen. krankheitserregend
pathogen                              in der theoretischen Biologie eine replizierbare Einheit, beispielsweise ein Gen oder Mem
PCR-Test                             Eine Nachweismethode mit der real-time quantitative Reverse-Transkriptase-Polymerase-Kettenreaktion, abgekürzt auch
                                            als qRT-PCR, RT-qPCR oder nur als PCR-Test bezeichnet. Sie basiert auf der Detektion von zwei Nukleotidsequenzen,
                                            bezeichnet als E Gen und RdRp Gen. Ein positiver PCR-Test ist nicht gleichbedeutend mit Infektiosität: Der PCR-Test
                                            ist bei der empfohlenen Abstrich-Technik stets, in einigen Fällen mehrere Wochen, länger positiv als vermehrungsfähige
                                            Viren nachweisbar sind. (https://de.wikipedia.org/wiki/COVID-19#RT-PCR-Test )
Population             wird in den Biowissenschaften die Gesamtheit aller Individuen, in der Regel derselben Art, bezeichnet, die in einem
                                            bestimmten Areal vorkommt.
Polygon                               Replikator Verbindung von Messpunkten durch Geradenabschnitte
R-Wert                                 Anzahl derjenigen, die ein Infizierter ansteckt ein Werkzeug der epidemiologischen Überwachung
Sentinelerhebung              Anteil der positiv gemessenen Proben aus der Gesamtheit der positiven Proben
Sensitivität                         bei PCR Tests ca. 95,7%
Sequenzen                        steht für eine lineare Abfolge oder Reihenfolge Skalierung Zuordnung nach Größenordnung
Übersterblichkeit erhöhte Sterberate
Virenkonzentration          Anzahl der Viren pro Volumeneinheit, bzw. pro Probe
Wertepaare                       Messwerte x und y aus einem Versuch, einer Messung
Zyklen    regelmäßige Wiederkehr, Kreislauf

Anmerkung: Die Worterklärungen wurden überwiegend aus Wiki und dem Duden übernommen

Alle Artikel bei Aktion FsA zum Thema Corona https://www.aktion-freiheitstattangst.org/cgi-bin/searchartl.pl?suche=corona&sel=meta

Kommentar: RE: 20201211 Interpretation von Corona-Statistiken

Schönes Beispiel für missverstandenen Ordnungswahn gestern in der Tagesschau:
Glühwein trinken auf dem Weihnachtsmarkt ohne Maske - erlaubt
anschließend küssen ohne Maske - Mitarbeiter des Ordnungsamts schreitet ein
... was danach im Schlafzimmer passiert - nicht in der Tagesschau ;-)

Olaf, 11.12.20 11:17