VERDADERO
FALSO
Este artículo fue publicado originariamente por https://harald-walach.de/.Lea el original.
… Como muestra un nuevo estudio
Señoras y señores de los poderes ejecutivo y legislativo, es hora de que pidan disculpas a los ciudadanos
Estoy cansado de ello, pero la inercia política de los poderes ejecutivo y legislativo no me deja más remedio que repetir una y otra vez mi “ceterum censeo”: la crisis del coronavirus fue casera y las “medidas”, a menudo llamadas “confinamiento”, fueron ineficaces, al igual que las medidas de prevención de la ingeniería genética, eufemísticamente denominadas “vacunas”. A diferencia del “ceterum censeo” clásico-histórico del viejo Catón, el mío no tiene como objetivo la destrucción de nada -en el caso de Catón fue la destrucción de Cartago- sino tener finalmente un discurso político abierto sobre lo sucedido. Y hay muchas razones para esto, que he descrito en mis blogs. Hoy describo uno nuevo:
Un muy buen estudio realizado por un equipo internacional de autores [1], que evaluó los datos de los seis países del norte de Europa Irlanda, Inglaterra, Dinamarca, Suecia, Noruega y Finlandia, muestra:
Las “medidas”, correctamente las “intervenciones no farmacológicas (NPI)” y las “vacunas” no han mostrado ninguna influencia perceptible en los datos sobre número de casos, muertes, ocupación de hospitales y unidades de cuidados intensivos.
No hay ni un rayo de esperanza en los datos para querer leer alguna influencia positiva de las ISFL y las “vacunas”, al contrario. Lo único que “explica” el curso de los datos en el sentido de una explicación científica de la varianza es la estacionalidad de las enfermedades por beta coronavirus, medida por los datos semanales de tales infecciones de 2010 a 2020 (!) en Estocolmo, es decir, en los 10 años anteriores a la pandemia. De ahí el título “Influencia de la estacionalidad y las intervenciones de salud pública en la pandemia de Covid-19 en el norte de Europa: la influencia de la estacionalidad y las intervenciones de salud pública en la pandemia de Covid-19 en el norte de Europa“. Explicaré esto un poco a continuación.
Es acertado que los autores eligieran estos 6 países porque reaccionaron de manera muy diferente a la pandemia y también se habían registrado cursos muy diferentes allí, medidos en términos de número de casos y víctimas. La tentación era obvia de conectar esto con las diferentes reacciones políticas estrictas a través de prohibiciones y otras NPI, y el periodismo alemán pasó semanas trabajando en el presunto culpable Suecia.
Utilizando datos disponibles públicamente, los autores relacionan el llamado “índice de rigurosidad” que un grupo de trabajo de Oxford había actualizado semanalmente para cada país [2] con las métricas que habían extraído para caracterizar la progresión de la pandemia de Covid-19 (sé que deberías decir pandemia de SARS-CoV-2, pero ahora lo estoy haciendo de manera diferente en aras de la simplicidad): números de casos, Muertes por Covid-19, muertes escalonadas en 3 semanas, tasas de positividad (es decir, el porcentaje de los que dieron positivo en comparación con el número de todos los examinados), tasas de hospitalización y ocupación de camas de cuidados intensivos. Por supuesto, todos estos datos están estandarizados para 100.000 personas, de modo que sean comparables entre países. Para su posterior presentación en la publicación, los autores utilizan la serie de muertes, que se retrasa 3 semanas, porque sus datos mostraron que en la primera ola el intervalo entre el pico de infección y el pico de muerte es de 3 semanas. Los demás datos se reproducen en el suplemento.
La ineficacia de las ISFL
El curso de las NPI y las muertes se puede representar fácilmente ópticamente y se ve así (Fig. 1):
Incluso sin un análisis estadístico formal, se puede ver que los picos de las ISFL son siempre después de los picos de muertes. Una excepción son los últimos picos de las curvas azules de Finlandia, Noruega y Dinamarca.
En primer lugar, se puede ver que las NPI en Inglaterra, Irlanda y Noruega fueron relativamente altas en el primer año de pandemia de 2020, casi 80 (de 100 puntos porcentuales posibles). Solo Argentina ha alcanzado estos 100 puntos durante un período de tiempo más largo (y por lo tanto ha esquiado muy mal, como ha demostrado Sagripanti [3]). La muy denostada Suecia también tuvo un índice de rigurosidad relativamente alto entre marzo de 2020 y marzo de 2021. Este índice incluía todas las medidas políticas posibles de cierre de escuelas, cierres de tiendas, toques de frontera y queda, prohibiciones de reuniones, etc., que los países podían promulgar semanalmente.
Para aclarar si hubo un impacto o no, los autores aplicaron un análisis inteligente, que explicaré brevemente, a saber, una correlación con retraso en el tiempo entre la intensidad de las medidas de política (medida por el Índice de Rigurosidad) y el curso de la pandemia de Covid-19 (medida en términos de muertes, pero también en términos de los otros parámetros mencionados anteriormente; estos datos se presentan en el suplemento y se comportan de manera similar). Normalmente, las correlaciones siempre se calculan al mismo tiempo. Una correlación entre el índice de rigurosidad y el número de muertes proporciona información sobre el grado de correlación, si es que se mide alguno, al mismo tiempo. Ahora puede calcular el índice de rigurosidad en un momento determinado con las muertes una, dos o más semanas después. Se trata de un “retraso positivo”, un retraso positivo. También se puede comparar el número de muertes de hoy con el índice de rigurosidad de hace unas semanas. La idea detrás de esto es que si una variable, en este caso el índice de rigurosidad, tiene un efecto causal en otra, es decir, muertes (porque se supone que previene tales muertes, o casos de enfermedad, u ocupación de camas de cuidados intensivos), esta correlación debería volverse negativa y significativa con un retraso, mientras que no debería mostrar tal relación con una correlación con valores pasados. Si una correlación diferida en el futuro se vuelve negativa, entonces significa que la intervención política en un determinado momento en el tiempo se relaciona negativamente con las muertes posteriores y, por lo tanto, ha contribuido a su reducción. Debido a que esta correlación es diferida en el tiempo, idealmente también se podría decir algo sobre la causalidad, porque la causa generalmente precede al efecto.
Y ese no es exactamente el caso. En algunos países, existen correlaciones negativas pequeñas y significativas en el tiempo diferido en los casos y las muertes. Pero debido a que también hay algunas correlaciones positivas con diferido en el tiempo y debido a que las correlaciones negativas ya existían antes de la intervención, los datos se pueden utilizar en el mejor de los casos para concluir (véase la Figura 4 en la publicación original):
No hay indicios de que las NPI hayan reducido los casos y las muertes.
Más bien, parece que las NPI fueron reacciones políticas al crecimiento de casos y muertes. También habíamos encontrado esta conexión en nuestro propio estudio de modelización [4].
La ineficacia de las “vacunas”
Los autores eligieron el mismo procedimiento para las “vacunas” contra el Covid-19. Muestro el resultado en la Figura 2:
En primer lugar, se puede ver que la tasa de mortalidad fue muy diferente en los seis países. Mientras que en Noruega, Finlandia y Dinamarca fue inicialmente inferior o por 1 muerte por cada 100.000 habitantes, los picos en Inglaterra fueron de 12 y en medio en Suecia e Irlanda. En el caso de Irlanda e Inglaterra, las muertes después de la “vacunación” fueron significativas, mientras que en el de Suecia fueron ligeramente inferiores. Pero también en este caso, las muertes no solo desaparecieron, sino que fueron más bajas, mientras que en Dinamarca, Finlandia y Noruega incluso aumentaron después de la campaña de vacunación.
En las correlaciones diferidas, no hay ningún efecto positivo de la “vacunación”. En este caso, cabría esperar una correlación claramente negativa entre la “vacunación” y los casos o muertes por las correlaciones diferidas, es decir, una vacunación hoy y el número de casos o muertes una o varias semanas después. Precisamente no es así, al contrario, estas relaciones son incluso positivas y significativas para algunos países. Esto se puede ver en la Figura 3
De particular preocupación es el hecho de que algunas correlaciones son negativas antes del momento de la intervención y posteriormente se vuelven positivas. En cualquier caso, no se puede mantener ningún efecto de la “vacunación” sobre el número de casos o las cifras de muertes sobre la base de estos datos. Si es así, entonces estas “vacunas” empeorarán, en el mejor de los casos, las cifras de mortalidad.
El estudio concluye con un análisis muy interesante. Los autores utilizan una serie de datos completamente diferente. A saber, el curso de las infecciones por beta coronavirus en el área de Estocolmo de 2010 a 2020. Los autores describen este cíclico con el valor medio de esta serie de 10 años. Y he aquí que tanto en la correlación diferida en el tiempo como en un análisis de regresión multivariante, se puede ver que este cíclico refleja bien los acontecimientos. En un análisis de regresión, este ciclo es la principal variable explicativa.
Esto significa que lo que vimos como cursos en la pandemia de coronavirus fue sobre todo un evento de infección cíclica bien conocido, como es muy conocido por otras epidemias de infección por coronavirus. Este cíclico está relacionado con eventos de temperatura, radiación solar, receptividad del huésped humano, comportamiento, defensa, etc. No está relacionado con las ISFL y tampoco con ninguna “vacunación”.
Para decirlo de otra manera. Las vacunas y las medidas políticas de salud pública no influyeron en el curso de la pandemia de Covid-19. Ni lo más mínimo, a lo sumo las vacunaciones han aumentado el número de muertes.
Por supuesto, esto ahora solo se puede derivar directamente del estudio para estos 6 países del norte de Europa. Pero sería muy sorprendente que fuera diferente en otros lugares.
Los autores discuten sus hallazgos en profundidad. Al fin y al cabo, otros estudios habían afirmado con grandes modelos que se habían salvado millones de vidas con las vacunas. Ahora hemos demostrado que estos estudios eran malos y operaban con datos falsos [5]. El estudio original es tan erróneo que ni siquiera le hago el honor de citarlo. Lo mismo ocurre con el estudio de Priesemann, que es muy elogiado en Alemania. También se basaba en datos falsos y lo demostramos muy pronto y posteriormente lo publicamos [6]. Desafortunadamente, solo lo que se ajusta a la narrativa del gobierno fue y es citado en los medios de comunicación.
El estudio de Quinn y sus colegas se une así a un número creciente de estudios que demuestran que la narrativa del gobierno está equivocada con datos y declaraciones claras. En mi opinión, ha llegado el momento de que los que están en el poder, es decir, el ejecutivo, y los que les han permitido actuar sin control, el legislativo, pidan perdón a los ciudadanos y al menos permitan un discurso político, preferiblemente para iniciar cómo se pudo haber producido este avance hacia un régimen cuasi totalitario. Nos ponemos manos a la obra rápidamente cuando pensamos que tenemos que identificar y etiquetar las acciones totalitarias en otros países, y muy lentamente cuando se trata de culpar a tales estructuras en nuestro país. Después de todo, somos los buenos, ¿no? Bueno, al parecer menos de lo que pensamos.
Fuentes y bibliografía
- Quinn GA, Connolly M, Fenton NE, Hatfill SJ, Hynds P, ÓhAiseadha C, et al. Influencia de la estacionalidad y las intervenciones de salud pública en la pandemia de COVID-19 en el norte de Europa. Revista de medicina clínica. 2024; 13(2):334. PubMed PMID: doi: https://doi.org/10.3390/jcm13020334.
- Hale T, Angrist N, Goldszmidt R, Kira B, Petherick A, Phillips T, et al. Una base de datos de panel global de políticas pandémicas (Oxford COVID-19 Government Response Tracker). Naturaleza, Comportamiento Humano. 2021. DOI: https://doi.org/10.1038/s41562-021-01079-8.
- Sagripanti J-L, Aquilano RD. Progresión del COVID-19 bajo las medidas altamente restrictivas impuestas en Argentina. Revista de Investigación en Salud Pública. 2021. DOI: https://doi.org/10.4081/jphr.2021.2490.
- Klement RJ, Walach H. Identificación de factores asociados a las muertes relacionadas con la Covid-19 durante la primera ola de la pandemia en Europa. Fronteras en Salud Pública. 2022; 6 de julio de 2022. doi: https://doi.org/10.3389/fpubh.2022.922230.
- Klement RJ, Walach H. Modelos SEIR a la luz del realismo crítico: una crítica de las afirmaciones exageradas sobre la eficacia de las vacunas contra el Covid 19. Futuros. 2023:103119. doi: https://doi.org/10.1016/j.futures.2023.103119.
- Kuhbandner C, Homburg S, Walach H, Hockertz S. ¿Fue necesario el confinamiento de Alemania en la primavera de 2020? Cómo la mala calidad de los datos puede convertir una simulación en un disimulo que da forma al futuro. Futuros. 2022;135:102879. doi: https://doi.org/10.1016/j.futures.2021.102879.