Weltweite Bayes’sche Kausalanalyse von Covid-19 Impfstoffen zu Todesfällen und Erkrankungen: Eine BigData-Analyse von 145 Ländern

Status: Preprint – Not Peer Reviewed

Abstrakt
Politische Entscheidungsträger und Mainstream-Nachrichtensprecher haben der Öffentlichkeit versprochen, dass die weltweite Einführung von Covid-19 Impfstoffen die Symptome und damit verbundene Fälle und Todesfälle verringern würde. Während diese Einführung des Impfstoffs noch im Gange ist, gibt es eine großen Umfang der verfügbaren öffentlichen Daten, die eine Analyse der Auswirkungen der Einführung des Impfstoffs ermöglichen
zu Fällen und Todesfällen im Zusammenhang mit COVID-19. Hat diese öffentliche Zwangsbehandlung den gewünschten Effekt gebracht?
Eine Möglichkeit, diese Frage zu beantworten, kann mit der Implementierung eines kausalen Bayesian Analyse beginnen, die sowohl Vor- als auch Nachbehandlungszeiträume vergleicht. Diese Studie wurde öffentlich analysiert
mittels verfügbaren COVID-19-Daten von OWID (Hannah Ritchie und Roser 2020) unter Verwendung des R Causal Impact-Paket (Brodersen et al. 2015) zur Bestimmung der kausalen Wirkung der Verabreichung von Impfstoffen auf zwei abhängige Variablen, die kumulativ gemessen wurden während der Pandemie: Gesamtzahl der Todesfälle pro Million (Jahre 1) und Gesamtzahl der Fälle pro Million (Jahre 2).

Nach Eliminierung aller Ergebnisse aus Ländern mit p> 0,05 gab es 128 Länder für y1 und 103 Länder für y2 auf diese Weise zu analysieren, darunter 145 einzelne Länder in insgesamt (Durchschnitt p <0,004). Die Ergebnisse zeigen, dass die Behandlung (Impfstoffverabreichung) eine starke und statistische Wirkung hat mit der deutlichen Neigung, die Werte entweder in y1 oder y2 kausal darüber hinaus zu erhöhen was ohne Behandlung zu erwarten gewesen wäre. y1 zeigte ein Anstiegs-/Abnahmeverhältnis von (+ 115 / -13), was bedeutet, dass 89,84 % der statistisch signifikanten Länder eine zeigten Anstieg der Gesamtzahl der Todesfälle pro Million im Zusammenhang mit COVID-19, die direkt auf die Ursache des Behandlungsbeginns zurückzuführen ist.

y2 zeigte ein Zunahme / Abnahmeverhältnis von (+ 105 / -16). bedeutet, dass 86,78 % der statistisch signifikanten Länder einen Anstieg der Gesamtzahl der Fälle pro verzeichneten Millionen von COVID-19, die direkt auf die kausale Auswirkung des Behandlungsbeginns zurückzuführen sind. Auswirkungen der Behandlung auf y1 reichen von -19 % bis + 19015 % mit einer durchschnittlichen kausalen Auswirkung von + 463,13 %. Kausale Auswirkungen der Behandlung auf y2 reichen von -46 % bis + 12240 % mit einer durchschnittlichen kausalen Wirkung von + 260,88 %. Hypothese 1 Null kann weitgehend verworfen werden Mehrheit der Länder. Diese Studie führte anschließend Korrelationsanalysen zu den kausalen Wirkungsergebnissen durch, deren Effektvariablen als y1.E bzw. y2.E dargestellt werden können, mit dem unabhängigen Numerische Variablen von: seit Beginn der Impfstoffeinführung verstrichene Tage (n1), Gesamtimpfung Dosen pro Hundert (n2), insgesamt verwendete Impfstoffmarken / -typen (n3)

Yle Kyle A. Beattie ist ein Doktorand der Politikwissenschaften mit einem Schwerpunkt auf Korruptionsstudien.
Ein Vorabdruck – 15. November 2021 kategoriale Variablen Kontinent (c1), Land (c2), Impfstoffsorte (c3). Alles kategorisch Variablen zeigten einen statistisch signifikanten (durchschnittlich p: <0,001) postiven Wilcoxon-Vorzeichenrang
Werte (y1.E V: [c1 3.04; c2: 8.35; c3: 7.22] und y2.E V: [c1 3.04; c2: 8.33; c3: 7.19]). Dies zeigt, dass die Verteilung von y1.E und y2.E unter den Kategorien ungleichmäßig war. Die Spearman-Korrelation zwischen n2 und y2.E war die einzige numerische Variable, die zeigten statistisch signifikante Ergebnisse (y2.E ~ n2: ρ: 0,34 CI95 % [0,14, 0,51], p: 4,91e-04). Diese niedrige positive Korrelation bedeutet, dass Länder mit höheren Impfraten dies nicht tun haben niedrigere Werte für y2.E, eher das Gegenteil. Dennoch sind die Besonderheiten der Gründe hinter diesen Unterschieden zwischen Ländern, Kontinenten und Impfstofftypen ist nicht schlüssig und sollten weiter untersucht werden, sobald mehr Daten verfügbar sind. Hypothese 2 Null sein kann für c1, c2, c3 und n2 zurückgewiesen und kann für n1 und n3 nicht zurückgewiesen werden.

Die statistisch signifikanten und überwältigend positiven kausalen Auswirkungen nach dem Einsatz des Impfstoffs auf den abhängigen Variablen Gesamttodesfälle und Gesamtfälle pro Million sein sollten sehr besorgniserregend für politische Entscheidungsträger. Sie zeigten einen deutlichen Anstieg bei beiden COVID-19 verwandte Fälle und Todesfälle, die direkt auf einen Impfstoffeinsatz zurückzuführen sind, an den ursprünglich verkauft wurde die Öffentlichkeit als „Schlüssel zur Wiedererlangung unserer Freiheiten“. Die Wirkung von Impfstoffen auf die Gesamtzahl der Fälle pro Million und seine geringe positive Assoziation mit der Gesamtzahl der Impfungen pro Hundert bedeutet a begrenzte Wirkung von Impfstoffen auf die Verringerung von COVID-19-assoziierten Fällen.

Schreibe einen Kommentar