‘Good’ and ‘public benefit’ are subjective concepts and will vary according to individual perceptions and context. Private and public interest are inevitably intertwined and pitting them against each other creates a false dichotomy. For example, if patients cease to trust their clinicians or more broadly the NHS, public good will suffer. Furthermore, extensive exploration of public attitudes towards sharing medical data has found that people approve in general for their data to be used for medical research and for ‘good causes’, whether environmental, social or medical, but they do not approve of their data to be used for commercial purposes or for powerful companies to profit at society’s expense.
as a lot of articles I read about async in JavaScript, especially those that came out around the time ES2015 (ES6) was new, are just plain wrong. I’m going to clear up the falsehood by presenting a real understanding of the way async works in JavaScript.
Coming from asthma and air pollution research I have supported aerosol research and mask wearing during the COVID-19 pandemic long before the WHO.
Thread. Wenn auch noch nicht bei der WHO, so setzt sich doch beim CDC die Meinung durch, dass Mund-Nasenschutz zusammen mit anderen Massnahmen die Pandemie stoppen könnten https://t.co/GzBe0eXdDL
But wait there is an historical background for the dumb hand washing videos of Maria Van Kerkhove. WIRED has the interesting story that goes far back into history.
Part of medical rhetoric is understanding why certain ideas take hold and others don’t. So as spring turned to summer, Randall started to investigate how Wells’ contemporaries perceived him. That’s how she found the writings of Alexander Langmuir, the influential chief epidemiologist of the newly established CDC. Like his peers, Langmuir had been brought up in the Gospel of Personal Cleanliness, an obsession that made handwashing the bedrock of US public health policy. He seemed to view Wells’ ideas about airborne transmission as retrograde, seeing in them a slide back toward an ancient, irrational terror of bad air—the “miasma theory” that had prevailed for centuries. Langmuir dismissed them as little more than “interesting theoretical points.”
Gute Wissenschaft hängt nicht generell davon ab, ob sie mit einer bestimmten Person verknüpft werden kann – Sachverhalte sollte ja eigentlich objektiv reproduzierbar sein (auch wenn Wissenschaftsfunktionäre das anders sehen).
Cut to 180 years later, and philosophers are again asserting the right to publish under made-up names. But these philosophers, it seems, want to use pseudonyms to do the very thing Kierkegaard accused his contemporaries of doing: abstracting authors out of ethical reality … An “open access, peer-reviewed, interdisciplinary journal specifically created to promote free inquiry on controversial topics,” it will give authors the option to publish their work under a pseudonym “in order to protect themselves from threats to their careers or physical safety.”
In der Tat, nicht alle wissenschaftliche Erkenntnis kann unter gegebenen politischen Verhältnissen veröffentlicht werden. Es wird jedenfalls spannend werden
Pseudonymity is not an inherently bad thing. Apart from focusing the reader on the argument rather than the author, it can, in many cases, give a say to people who could otherwise not participate in public discourse.
Frei nach dem Wahlspruch von Corona Leugner I. Grades Stefan Homburg (“sind ja nur Zahlen”) sagt nun auch Göran Kauermann “wir wussten von Anfang an: Dies ist eine Pandemie der Zahlen. Daher haben wir uns als Statistiker*innen quasi ‘dienstverpflichtet’ gefühlt”.
LMU Experte zu NoCovid
Schauen wir uns also den Sachverhalt an nachdem die Aussagen zu den Schulöffnungen nun überall gedruckt wurden (Merkur, Welt, Spiegel, Ruhr, MÄA).
Aus statistisch-epidemiologischer Sicht ist es nicht richtig, die Schulen wie in Bayern ab einem Inzidenzwert von 100 zu schließen. Unsere Analysen zeigen klar, dass offene Schulen sogar zur Pandemiebekämpfung beitragen, solange dort verpflichtend und dicht getestet wird.
BILD Experte
Während des Höhepunkt einer weiteren Welle einer weltweiten Pandemie soll es nun nicht sinnvoll gewesen sein, Schulen zu schliessen? Mit der aberwitzigen Begründung, Schulen seien Testzentren??
Es galt in Bayern während des Analysezeitraums die Freitagsregel, dass nach LGL Angaben freitags zum Beispiel vom 9.4.21 die Schulen am Montag nur mit Tests öffnen durften, wenn die 7 Tages Inzidenz unter 100/100,000 lag. Damit haben wir aber jede Woche andere Schulen, die aufmachen oder geschlossen werden. Neben Wechselunterricht gab es Ausnahmen bei Prüfungsklassen oder Betreuungsangeboten was eine nachträgliche Bewertung sehr erschwert. Offensichtlich ging auch bei positivem Test EINES Schülers nicht immer die GANZE Klasse in Quarantäne.
Die Datenqualität ist also extrem niedrig, schauen wir sie uns aus gegebenem Anlass trotzdem an.
(klicken zur Vollansicht) Graue Linie Verlauf bei geschlossenen Schulen wegen hoher Inzidenz und rote Linie Verlauf bei offenen Schulen. Rekonstruktion der Landkreise. 12.4.21 ist der erste Tag nach den Osterferien. Ab 19.4. sind fast alle Schulen wieder zu bis auf 4 von 96 Landkreisen. Die offenen Schulen beruhen also auf sehr wenigen Beobachtungen und sind damit nur begrenzt als Referenz geeignet. Eine lineare Interpolation beider Verläufe zeigt denselbem Rückgang der Inzidenz. Die willkürllich gesetzte Grenze von 100/100000 bei Schulschliessungen ist also im Bereich hoher Infektionsraten und lässt sich mit Minderung auf die Gesamtinzidenz nicht begründen.
Damit nun noch einmal dieselbe Auswertung für die Altersgruppe 5-14 Jahre (die einzig passende Altersgruppen in den RKI Daten).
(klicken zur Vollansicht) Graue Linie Verlauf bei geschlossenen Schulen wegen hoher Inzidenz und rote Linie Verlauf bei offenen Schulen. Rekonstruktion der Landkreise. 12.4.21 ist der erste Tag nach den Osterferien. Ab 19.4. sind fast alle Schulen wieder geschlossen Ähnlicher Kurvenverlauf. aber nicht signifikanter höherer Anstieg (durch geringere Dunkelziffer) in den offenen Schulen, Dafür gibt es jedoch höhere Inzidenz in dieser Altersgruppe nach permanenter Öffnung am Ende der Beobachtungsperiode. Die inzidenzberechnung ist nur eine Näherung da RKI die Altergruppe 5-14 aber DESTATIS 6-15 Jahre zur Verfügung stellt.
Die willkürliche Grenze von 100/100,000 ist zu hoch gewählt (der Abfall der Inzidenz kommt schliesslich mit oder ohne Schulschliessung) da wir längst in einem “supramaximalen Bereich” sind. Und ohne Zweifel tragen die offenen Schulen auch zur Weiterverbreitung bei und zwar mehr als die geschlossenen Schulen. Wo liegt nun die Fehlinterpretation von Kauermann et al. ?
Der Bericht CODAG 10 sagt schon (und CODAG 14 bezieht sich ja ebenfalls auf die Vorwoche)
Als Analysemodell benutzen wir ein sogenanntes autoregressives Poissonmodell. Dabei betrachten wir für jede Altersgruppe getrennt die Inzidenzen in der aktuellen Woche und versuchen diese aus den Inzidenzen der eigenen und aller anderen Altersgruppe aus der Vorwoche vorherzusagen. Hierzu ziehen wir Daten auf Kreisebene heran, sprich wir analysieren in den jeweiligen Kreisen, inwieweit die Inzidenzen der Vorwoche das aktuelle Infektionsgeschehen beeinflussen. Grundsätzlich muss bei dieser autoregressiven Analyse angemerkt werden, dass sie Zusammenhänge des Infektionsgeschehens untersucht aber keine kausalen Schlüsse zur Infektionskette zulässt.
Kausale Schlüsse sind in der Tat unmöglich. Damit wäre das Review hier zu Ende, wären in dem SPIEGEL Interview nicht Sätze gefallen wie “Schulen sind aber, so wie es schon oft gesagt wurde, nicht die Treiber der Pandemie”.
Ein autoregressives Modell ist jedenfalls wenig sinnvoll, wenn ein Großteil der Infektionen – sprich die Inzidenz der Vorwoche – nicht bekannt ist. Dunkelziffer, Tagesgang, Verlagerung in andere Altersgruppen, B117 Ausbreitungsmodus, Dispersion oder politischen Massnahmen: es gibt zuviel unbekannte Einflüsse. Leider fehlt auch jede Form der Cross Validierung (an zurückgehaltenen Daten) – die Modelle werden einfach apodiktisch in Raum gestellt. Die Dunkelziffern hat es nun mal an sich dass sie nicht bekannt ist und wirklich hilfreich ist es auch nicht, Datenpunkte einzukringeln – was schon Manipulation grenzt.
Wirklich verzerrend wird es aber dann in CODAG 14
da der jeweilige Bezug immer nur auf die Vorwoche nicht sinnvoll ist, weil er die Änderungen über die Zeit verschleiert
Wo ist denn hier eine 4fache Anzahl in der ersten Schulwoche?
Das ist im übrigen auch keine Alterskohorte, sondern eine Altersgruppe die sich zudem jede Woche ändert.
Daten werden nur wochenweise gezeigt, obwohl wir doch eine tageweise Auflösung haben, also eine unzulässige Reduktion
Wie kann der Effekt einer Schulöffnung mit der Nachbeobachtung von nur 1 Woche überhaupt analysiert werden? Die Inzidenz am Freitag reicht nicht aus, um alle Bestätigung PCRs zu erfassen.
Dazu wurden Kreisen mit Inzidenz über 200 ausgeschlossen. Warum? Weil es so besser zur Story passte?
Warum reden wir überhaupt über PDFs auf irgendeiner Webseite und nicht über eine wissenschaftliche Veröffentlichung?
Und was ist das überhaupt für eine unethische Betrachtungsweise, die Ansteckungen bei Kindern (Long covid, PIMS) so zynisch zu kalkulieren?
Solange die [durch Schulöffnung hervorgerufene] Infektionen keine Ausbrüche mit mehr als drei Ansteckungen nach sich ziehen, ist der epidemiologische Nutzen … größer, als das epidemiologische Risiko, das von falsch-negativ getesteten Schülern ausgeht.
Über die statistische Auswertungsstrategie kann man sicher streiten. Es ist aber eine Grenzüberschreitung, als Statistiker ohne Background in der Epidemiologie viraler Erkrankungen politische Massnahmen zur Infektionseindämmung zu bewerten. Es ist eben mehr Überlegung dahinter als nur ein paar Routinedaten und ein statistisches Standardmodell.
Bei einem positiven Schnelltest eines Schülers wird aktuell in den meisten Regionen weder die restliche Klasse in vorübergehende Quarantäne geschickt (bis das PCR Ergebnis vorliegt) noch werden die Eltern der andern Schüler informiert. Selbst bei einem bestätigten Fall hat dies keine einheitliche Konsequenz, sondern es findet weiterhin Präsenzunterricht statt. Ein Aufdecken von sonst unerkannten Fällen hat aber nur Sinn wenn danach eine vollständige Nachverfolgung mit Quarantäne auch in Schulen stattfindet. Und damit trägt der Schulbesuch mit Tests nur in geringem Ausmass zur Infektvermeidung bei sondern führt eher zur weiteren Verbreitung. Das könnte man im übrigen auch in Studien testen wenn es jemand wirklich interessieren würde.
nachdenkseiten bezichtigt die DIVI Reports zur Intensivbelegung der “kreativen Buchführung“. Dabei sind die nachdenkseiten nicht unumstritten: Lausen tritt mit Bhakdi auch auf kenFm auf.
Die vielfachen Änderungen der DIVI Datenbank sind bekannt (seit kurzem ist auch das Alter der Patienten verfügbar – ein Jahr nach Inbetriebnahme…). Wir kennen die DIVI Fehler in der Darstellung , auch dass sich Verordnungen zur Bettenausweisungen mehrfach geändert haben, Notfallreservekapazitäten separat , Kinder ein- oder ausgeschlossen, alles nichts Neues. Es geht hier ja nicht um eine statische Bettenzahl sondern es ist oft auch die Personalsituation, die sich kurzfristig ändern kann. Und wenn in Rosenheim dringend Betten gesucht werden, ist das Bett in Kiel irrelevant. Ganz abgesehen davon, dass die sogenannte weiche Triage auch schon vor der Vollbelegung einsetzt.
Ob die Bettenzahlen nun willkürlich den aktuellen Infektionszahlen angepasst werden? Schauen wir uns an ob das wirklich bei „sehr vielen Krankenhäusern“ zu beobachten war und in den genannten Städten.
Als Beispiele nannte er Leipzig, Bottrop, Goslar, Starnberg und Eisenach. Eindrücklich demonstriert er am Fall einer Klinik in Pinneberg, wie der „Bedarf“ an Betten je nach Belegungsumfang flexibel und „nach Belieben“ hoch und runter geregelt wurde …
Hier also nun eine Korrelationsanalyse von Intensivbetten und COVID Patienten auf Kreisebene wobei nur die 50 höchsten Korrelationen gezeigt werden.
(klicken zur Vergrösserung) Stand 6.5.2021 RKI/DIVI Daten. Korrelation der täglich ausgewiesenen Bettenzahl seit Beginn der zweiten Welle (Farbe der Punkte geben die Zeitachse an) mit jeweils stationär liegenden COVID-19 Patienten auf der Intensivstation. Einzelkrankenhäuser der Region werden jeweils zusammen dargestellt. Pearson Korrelationskoeffizient dazu Loess Smoother. Darstellung der Regionen mit den 60 höchsten Werten, beachte die unterschiedliche Skalierung in den Regionen.
Neben diversen Artefakten sehe ich einige lineare Anstiege, etwa Landshut, Tirschenreuth oder Lahn-Dill Kreis. Die Regionen Leipzig, Bottrop, Goslar, Starnberg, Eisenach und Pinneberg sind hier allerdings nicht dabei. Auch ist die Verteilung der R Werte nur etwas nach links aber ansonsten nicht zu den Extremwerten verschoben.
Stand 6.5.2021 RKI/DIVI Daten. Korrelation der täglich ausgewiesenen Bettenzahl seit Beginn der zweiten Welle liegenden COVID-19 Patienten auf der Intensivstation. Verteilung der Pearson Korrelationskoeffizienten in den Landkreisen.
Es gibt somit einige wenige dubiose aber keine systematisch falsche Meldung. Die nachdenkseiten betreiben die klassische Legendenbildung um einen wahren Sachverhalt herum – wie auch sonst in der der Corona Leugner Szene üblich.
Die DIVI Datenbank ist sowieso nur begrenzt zur Pandemiesteuerung geeignet. Es ist ja nicht das Ziel die Intensivstationen bis zu einem gewissen Grad zu belegen, sondern möglichst jede Infektionskette zu unterbrechen.
P.S. Es wird auch nicht intelligenter wenn @luebberding (WELT) das nun am 14.5. nachdruckt und Antes es am 15.5. auf Twitter teilt. Ob es wirklich zu #divigate reicht, was die selbsternannte Autorengruppe um Matthias Schrappe in ihrer 3. Ad Hoc Stellungnahme am 16.5. meinen? Die Truppe beklagt sich über fehlende Daten aber schliesst dann daraus welche Daten falsch sind …
Citation from a book review by Sugimoto where the review is better. than the original
Science does not happen in a vacuum. It is a social and intellectual institution, rooted in historical, economic and political contexts. Underplaying these elements has grave con- sequences. Ultimately, Wang and Barabási deliver a dispatch from an era that assumed that science was a meritocracy – despite ample evidence to the contrary.
Hier kommt ein neuer Artikel zu Exposure X6, der Lockdown liess mir Zeit dafür …
Irgendwie ging es dann doch sehr schnell.Als die britische Firma Serif ankündigte, daß ihr neues Affinity Photo Programm nur einen Bruchteil von Photoshop kosten soll, dabei das gleiche Layout behalten und trotzdem fast dieselbe Leistung bieten wird, sind viele Photoshop Nutzer abgewandert. Adobe hatte sich nach Meinung vieler Anwender nicht gerade beliebt gemacht mit seiner europäische Preispolitik, dem bescheidenem Anwendersupport und den Zwangsupdates. Dann kam Adobe auch noch der Quellcode abhanden zusammen mit fast 3 Millionen Kreditkartennummern. Trotzdem konnte der Monopolist dann auch noch monatliche Abogebühren für Lightroom einziehen nachdem die letzte Standalone Version sukzessive den Geist aufgab. Auf Import und Rendern der Bilder einer 64 GB Karte konnte man dabei gerne mal eine halbe Stunde warten, aber gibt es Alternativen?
Mit den aktuellen Behandlungsempfehlungen sollte – solange es keine Triagesituation gibt – die Häufigkeit der Beatmung unabhängig von der Zahl der Neuinfektionen sein. Dem ist aber leider nicht so, wenn wir die tageweise Korrelation von DIVI und RKI Meldungen über die letzten 5 Monate ansehen. Zu Beginn der zweiten Welle, gab es noch keinen Überhang von bereits länger liegenden Patienten, es lagen also pro Neuerkrankten weniger Patienten auf der Intensivstation – die jeweils untere Punktreihe etwa bis zur Mitte der Grafik unten.
Mittlerweile sind die Patienten aber jünger, gesünder und liegen länger, daher die jeweils obere Punktreihe. Was dazu auffällt, dass immer weniger Patienten auf der Intensivstation beatmet werden gemessen an Zahl der Intensivpatienten in Deutschland. Wie die Epidemiologie zu interpretieren ist, kann nur anhand klinischer Daten entschieden werden.
Ich vermute aber, es liegt nicht an den Patienten, da im Augenblick im Bereich von 20.000 – 25.000 relativ stabile Infektionsraten in einer relativ stabilen Ausgangspopulation auf relativ stabile Intensivversorgung trifft. Ich vermute es liegt daran, dass bei nahezu vollen Intensivstationen und nur begrenzt verfügbarem Personal die Entscheidung zur Beatmung später fällt und wovon Patienten profitieren.
