Coronaviruset (SARS-CoV-2)

Jag är tämligen säker på att det där är "falsk matematik" som Peps (och sedermera Wilmer X) uttrycker det

Sannolikheten att bli sjuk (dvs smittad + symptom) enligt studiens siffror gäller i så fall under det tidsintervall som studien pågår och med de virusvarianter som förekommer under denna tid. Om vi ser på en befolkningsgrupp (t.ex. invånare i Sverige) som en "homogen" grupp så lär sannolikheten att man som individ blir smittad öka fram tills dess att gruppimmuniteten börja bromsa pandemin. Hur denna smittoriskkurva ser ut i verkligheten är svårt att veta.

Även man nu antar att sannolikheten under detta tidsintervall (2 månader?) som representativ för 24 månader så räknar du på fel data och dessutom fel.

• Av de som fick placebo så gäller siffran 162 för de 18.325 personer som fick Covid-19 symptom 7 dagar efter sista injektionen (tabell 2 i studien), så sannolikheten att smittas under tidsintervallet där är 0,884%, dvs sannolikheten att inte smittas var 99,116% (0,99116).

• Sannolikheten att då klara sig undan att smittas i 12 "2-måndersperioder" blir då 0,99115^12 ~ 0,89892, dvs ca 89,9%. Alltså är risken att smittas ca 10,1%.

Jag är dock tveksam till att man dra dessa slutsatser baserat på denna studie och jag är också tveksam till antaganden om att pandemin varar i 24 månader samt att vi är halvvägs igenom den nu. Vidare är jag osäker på om tidsintervallet för dessa siffror är två månader, det kanske är 6 veckor eller 10 veckor.

Jag är också tveksam till att applicera IFR (Infection Fatality Rate) statistik på denna studie eftersom studien räknar infekterade med symptom. Det finns ett mörkertal med symptomfria smittade utöver de 162 som fick symptom i denna studie.

Edit: Jag hade skrivit ".. sannolikheten att smittas under tidsintervallet där är 0,0884% ...". Det ska givetvis vara 0,884% och jag har uppdaterat inlägget.

Den typen av studier finns nog inte enkelt tillgängligt än, per land eller per miljon. Här är en artikel som kommer nära i omfattning, men har några år på nacken:

Lozano, R., Naghavi, M., Foreman, K., Lim, S., Shibuya, K., Aboyans, V., Abraham, J., Adair, T., Aggarwal, R., Ahn, S.Y. and AlMazroa, M.A. (2012). Global and regional mortality from 235 causes of death for 20 age groups in 1990 and 2010: a systematic analysis for the Global Burden of Disease Study 2010. The lancet, 380(9859), pp.2095-2128.

Här nedan är tre diagram från artikeln som visar komplexiteten och ger en bild vilka svårigheter det kan vara att reda ut vilka dödsfall som faktiskt är orsakat av SARS-CoV-2 eller inte.

YLLs=years of life lost. (A) 1990. (B) 2010

2010 (men left, women right)

Percentage of global years of life lost (YLLs)

Med de dödsfall vi har sedan i mars och två månader kvar så skulle jag gissa att vi hamnar på kanske fem till tio procent av alla dödsfall under den här första tolvmånadersperioden för Sverige. Globalt hamnar det kanske på knappt fem procent av alla dödsfall.

Det här är inget skämt. Jag börjar bli trött på de i media som försöker ställa politiker till svars för det här. Det är är större än journalisters söndertuggade pennor eller kletiga tangentbord. Vad kan en journalist eller politiker göra mot det här. Skapa rubriker hjälper ju inte! Det kan vara mer ohjälpsamt än ansiktsmasker på offentliga platser. Det har vi sett från alla länder i Europa! Journalister har inte gjort någon nytta här.

EDIT 2: Alla data finns tydligen online!

https://vizhub.healthdata.org/cod/

EDIT 3: De har även data för covid-19

https://covid19.healthdata.org/global?view=total-deaths&tab=t...

Nej, du extrapolerar statistik för att föra din egen tolkning utan vetenskaplig grund

Jag brukar inte skriva här men detta tvingar mig till det.

Betänk följande scenario. Du är fast med 99 kompisar i ett rum som fylls med vatten, när halva rummet är fullt har de 2 kortaste drunknat. Du utbrister då att det är inget att oroa sig för eftersom ni är ju halvvägs igenom händelsen och bara 2 har dött, alltså kommer bara 2 till att dö.

Du kan helt enkelt inte extrapolera på det sättet eftersom smittspridning är exponentiell i samhället om man inte stoppar den, samtidigt som dödligheten är kraftigt beroende av sjukvårdens kapacitet. Dina antaganden om samma andel smittade över tid och samma dödlighet oavsett smittspridning är ju helt enkelt verklighetsfrånvända.

Det skrämmer mig faktiskt att du tycker att dina beräkningar på något sätt skulle likna de som används för att säkerställa effektiviteten hos ett vaccin.

Det är fortfarande falsk matematik här. Du antar att smittorisken är densamma genom pandemin, vilket den bevisligen inte är. Vidare antar du att den beräknade risken för att smittas under studien (0,0884%) gäller ett 2-månadersintevall, vilket vi inte heller vet med säkerhet.

Om du vill använda dessa värden för att räkna på risken att bli smittad över 3 år så blir det (1 - 0,99112^18) ~ 14,8%, där 18 är antalet 2-månadersintervall. Om man t.ex. skulle räkna på att den beräknade risken i studien var över 1,5 månader så blir den (1 - 0,99112^24) ~ 19,3%

Sen på detta så försöker du räkna ut hur många som kommer dö genom att multiplicera risken att få Covid-19 med risken att dö och sen multiplicera detta med befolkningsmängden.

Här använder du siffran 0,6% som risken att dö när man är smittad. 0,6% är det IFR estimat som jag sett. IFR är en uppskattning hur många som dör av de som smittats (inklusive de vi inte känner till) och den siffran är i dagsläget en väldigt grov skattning eftersom vi helt enkelt inte känner till hur många som smittats.

Problemet här är att studien som vi baserar hela resonemanget på inte kontinuerligt har testat folk för att se om dom har Covid-19, utan man har väntat till folk har symptom och då testat dom, mao har man inte fångat upp de asymptomatiska, så troligtvis är det fler än 162 personer som smittades i studien. Mao risken som vi beräknat är hur stor risk det är att man insjuknar i Covid-19, inte hur stor risk det är att man blir smittad och därför är det olämpligt att använda IFR.

Då återstår ett annat estimat vi kan använda, CFR (Case Fatality Rate), som är risken att dö vid konstaterad smitta. Senast jag tittade så låg den siffran på typ 2%, men den ändras hela tiden. Inte heller CFR är bra att använda eftersom den inte fångar upp de personer som inte blivit testade (dvs asymptomatiska, haft svaga symptom eller varit sjuka men inte blivit testade) och vi kan väl med fog anta att de som deltog i studien var väldigt uppmärksamma på ev. symptom och blev testade vid minsta misstanke.

Likväl kan vi ju jämföra våra olika risker, IFR och CFR över en 3-årig pandemi:

IFR

• 2-månadersintervall: 10.000.000 x 0,148 x 0,006 ~ 8.800
  Redan här kan vi se att vår beräknade risk och/eller IFR är fel, för i verkligheten är vi i skrivande stund redan uppe i 8.727 döda.

• 1,5-månadersintervall: 10.000.000 x 0,193 x 0,006 ~ 11.580

CFR

• 2-månadersintervall: 10.000.000 x 0,148 x 0,02 ~ 29.600

• 1,5-månadersintervall: 10.000.000 x 0,193 x 0,02 ~ 38.600

I verkligheten är det givetvis betydlig mer komplicerat än såhär, men poängen med denna uträkning är att visa på hur vanskligt det är att försöka uppskatta detta. Som du ser så har små variationer i parametrarna en stor inverkan och vi har en spridning i våra estimat från 8.800 döda (som vi vet är fel) till 38.600 (som jag innerligt hoppas ska vara en massiv överskattning).

Jag håller inte med om detta sätt att tänka eftersom du återigen antar att risken att smittas är konstant och att dödsfallen kommer "med en konstant hastighet" samt är jämt fördelade mellan åldrarna.

I skrivande stund har vi 8.727 döda på 10 månader (~873/månad). Vi har då 26 månader av pandemi kvar, vilket innebär ytterligare 22.698 dödsfall enligt ditt sätt att räkna. 22.698/10.000.000 ~ 0,00227, vilket motsvarar en risk som är mer än dubbelt så hög (1 på 500) som vad du tänker dig.

Edit: Kom på att jag ville kommentera detta också.

Det är inte korrekt att räkna på det du kallar "hela placebogruppen" eftersom de 162 insjuknade är de som insjuknat av de 18.325 personer som återstod av placebogruppen en vecka efter andra injektionen, dvs de utgör den referensgrupp som fanns kvar när väl de som fick vaccin hade ett vaccin som var verksamt. Det har givetvis fallit bort försökspersoner som insjuknat innan denna tidpunkt och som inte ingår i de 162 som redovisas.

Man kan inte stänga ned ett helt land och låsa in befolkningen i 3 år för det kommer en ny influensa. Då skulle världen gå under. Och det bästa vapnet är absolut INTE intuition. Min intuition säger en sak och din säger en sak. Har du eller jag rätt? Så självklart är det inget man kan använda sig av.

Vad ska du göra hösten 2021 när det kommer ett nytt virus? Stänga ned allt igen totalt? Och i mars 2022? Och i juli 2022? Hur länge ska du stänga ned? I 1 månad? I 3 månader? I 4.5 månader? I 1 år? Kommer din super-intuition veta exakt hur farligt varje nytt virus är innan du vet något om det? Måste säga att jag är imponerad av din intuition. Jag ska spela på V75 imorgon. Kan din intuition ge mig rätt rad innan klockan 11.00 imorgon? Vore kul att pricka in det med en enkelrad gånger 500.

Kopplingen mellan D-vitamin och Covid-19 har diskuterats förut i tråden. Det finns en del studier som visar på att låga nivåer av vitamin-D ökar risken för svår Covid-19 om man väl blivit infekterad, men det är viktigt att inse att D-vitamin varken botar Covid-19 eller är ofarligt (man kan överdosera vitamin-D).

Här är länkar till en "undertråd" med inlägg från mig och @lhugo. Det finns relevanta länkar till mer information i dessa inlägg: #18358584, #18697504, #18697699 samt #18698152