Das Ziel dieses Projektes ist ein öffentlicher und transparenter Diskurs zu statistischen Problemen bei der Rechtfertigung von Maßnamen in der Pandemie. Unsere Grundannahme ist, dass Maßnahmen dem gesamtgesellschaftlichen Ziel der Minimierung von Leid dienen müssen.
Hier geht es zum Aufklärungsbogen für die CoViD-19-Impfung. Diese ist an die impfende Person gerichtet, die mit diesem Bogen aufgeklärt wird und schriftlich einem überwiegenden Nutzen dieses Eingriffes zusichert.
Es ist nicht die Absicht dieser Seite die Maßnahmen gegen die Ausbreitung von CoViD-19 als Ganzes verwerfen zu wollen. Es ist auch nicht die Absicht dieser Seite die Gefährlichkeit von CoViD-19 in Frage zu stellen. Und schon gar nicht ist es die Absicht abzustreiten, dass Menschen an CoViD-19 gestorben sind. Vielmehr ist es die Absicht in einem offenen, transparenten Diskurs massive statistische Probleme anzusprechen, damit die Maßnahmen für das Wohl der Gemeinschaft verbessert werden können. Das Ziel von Maßnahmen ist aus unserer Sicht, das gesamte Leid der direkten und indirekten Auswirkungen durch Corona aus ganzheitlicher Sicht – wie auch immer es gemessen wird – zu minimieren.
Wir haben uns dazu bewusst für die diese Plattform entschieden, da wir der Meinung sind, dass Wahrheit nicht statisch vorliegt, sondern erst in einem kollektiven lebendigen Prozess erarbeitet werden muss. Wenn man auf die historische Entwicklung von Wissenschaften und Weltbildern zurückblickt, dann erkennt man, dass diese erst in einem Prozess entwickelt worden sind. Dieser Prozess war immer mit einem wissenschaftlichen Diskurs verbunden, in welchem unterschiedliche Experten sich ausgetauscht, kritisiert, korrigiert und auch über Sachverhalte gestritten haben. Die Entwicklung wissenschaftlicher Modelle profitierte dabei stets von einem offenen Diskurs, unter welchem ein Konsens erreicht werden konnte. Wir haben die Hoffnung, dass ein offener transparenter Diskurs besonders gut mit Github ermöglicht werden kann. Denn dort kann man sich zu gewissen Fragestellungen austauschen, sogar einzelne Sätze kritisieren, korrigieren, diskutieren, auf Basis dessen verbessern und wenn kein Konsens erzielt werden kann, sogar eine eigene Richtung (oder AbZWEIGung) mittels einem „fork“ und „branch“ einschlagen.
Beiträge welche dem Diskurs klar schaden, haben hier jedoch keinen Platz und werden, wenn es uns nötig erscheint, gelöscht. Dazu zählen:
- Beleidigungen: Jede Form von Beleidigungen und Denunzierungen einer Person oder Gruppe.
- Geschwafel: Das Produzieren von viel Text ohne konkretem Inhalt stört den wissenschaftlichen Diskurs und wird somit bei subjektiver Überschreitung einer gewissen Toleranzgrenze ebenfalls entfernt.
- Themenabweichung: Es ist oftmals nicht einfach den Kern eines Punktes exakt zu verstehen. Wenn Kritik von einem Punkt klar abweicht und somit nicht den Punkt an sich kritisiert, sollte die Kritik eher eigenständig formuliert werden.
Wir stimmen darin überein, dass diese Krise eine Vielzahl von Perspektiven aufweist und mehrere Fachgebiete umfasst: Virologie, Epidemiologie, Medizin, Statistik, Datenwissenschaften, Wissenschaftstheorie, Politikwissenschaften, Psychologie, Gesellschaftswissenschaften, Ethik und Zukunftsforschung. Derzeit liegt der Fokus klar auf der statistisch-mathematischen Seite, bei Bedarf und der dafür nötigen Expertise von Mitwirkenden können jedoch weitere Perspektiven mit aufgenommen werden.
In diesem Kapitel werden einzelne Probleme aus dem statistischen Bereich kurz zusammengefasst. Jedes Problem ist, sobald verfügbar, mit einer ausführlicheren Erklärung mit Quellenangaben verlinkt.
Die Anzahl der durchgeführten Tests wird bei Entscheidungen über Maßnahmen nicht oder nur unzureichend berücksichtigt.
Der Anteil der falsch-positiven Tests unter allen positiven Tests wird bei Entscheidungen über Maßnahmen unzureichend berücksichtigt.
Eine eingetragene Begleitkrankheit von CoViD-19 (U07 im ICD-Code) wird meist als hauptsächliche Todesursache angeführt und führt somit zu einer Verzerrung der Statistik.
Um die Gefährlichkeit von Krankheiten bewerten zu können, sind Vergleiche notwendig. Im Schlimmsten Fall kann der Schaden von Maßnahmen auch den erhofften Nutzen überwiegen.
Maßnahmen sind ein Eingriff in ein System. Wenn die Maßnahmen nur ein Ziel berücksichtigen und dieses kompromisslos minimieren, kann der gesamte Schaden höher sein als der Nutzen.
Auch Modelle welche aus mehreren an sich plausiblen Schritten bestehen besitzen eine hohe Anzahl an Freiheitsgraden und bergen somit die Gefahr, auf zukünftigen Daten nicht erfolgreich zu sein. Daher ist eine gute emprische Validierung unerlässlich.
Zurückblickend waren jene prädiktive Modelle welche vergangene Maßnahmen rechtfertigten nicht erfolgreich.
Oftmals wurden Maßnahmen erst bei stagnierenden Inzidenzzahlen und somit bei bereits sinkendem R-Werte gesetzt. Daher liegt natürlicherweise eine Korrelation zwischen Maßnahmen und einem niedrigen R-Wert vor, aber nicht automatische eine Kausalität.
Die Validierung eines Modells muss auch für Regionen mit abweichenden Maßnahmen und Pandemie-Strategien standhalten.
3.1. Die Annahme der Kausalität, Politiker entscheiden aufgrund von unabhängigen wissenschaftlichen Ergebnissen muss hinterfragt werden
Es gibt eine Vielzahl von Fällen in denen Politiker Druck auf die Forschung ausübten, Expertenteams politisch motiviert besetzt wurden und Wissenschaftler mit nicht erwünschten Ergebnissen politisch ausgeschlossen oder medial verpöhnt wurden.