Wie man eine Forschungsstudie manipuliert

Print Friendly, PDF & Email


Top-Tipps, um den Erfolg von Impfstoffen (und anderer Behandlungsfehler) sicherzustellen

Es gibt Möglichkeiten, um sicherzustellen, dass eine Studie die gewünschten Ergebnisse liefert. Hier sind die sechs wichtigsten Methoden zur Manipulation von Forschungsergebnissen mit Impfstoffen.

1. Die Studie durchführen, wenn die Fallzahlen sinken

Ein beliebter Trick, der während der gesamten Pandemie wiederholt angewendet wurde. 
Die Impfung ist ein Prozess, der Zeit braucht. Zu Beginn der Studie werden alle Teilnehmer als Ungeimpfte eingeschrieben. Im Laufe der Zeit wechseln die Teilnehmer in die geimpfte Kohorte. Dies hat zur Folge, dass die Ungeimpften zu Zeiten mit höherer Prävalenz und über einen längeren Zeitraum exponiert sind. Die Geimpften sind erst ab einem späteren Zeitraum und weiter unten in der Kurve exponiert. Bei den Geimpften ist die Wahrscheinlichkeit, dass sie sich anstecken, daher geringer, und man kann den Eindruck erwecken, dass der Impfstoff wirkt. 

Das ONS (Office for National Statistics in England) hat diesen Trick kürzlich angewandt, um eine um das 32-fache niedrigere Sterblichkeit unter den Geimpften zu behaupten. Dabei handelte es sich um eine extreme Datenmanipulation, bei der die meisten Todesfälle im Winter vor der Impfung erfasst wurden, anstatt mit dem Frühjahr zu beginnen, wenn ein fairerer Vergleich möglich gewesen wäre. Das “Office for Statistics and Regulation” hat einer Beschwerde über die Datenmanipulation durch das ONS in diesem Fall stattgegeben.

2. Keine Einbeziehung aussagekräftiger Ergebnisgrößen wie Todesfälle

Die Impfstoffversuche haben die Verhinderung von Todesfällen nicht nachgewiesen.
Der Tod durch Covid war zu selten, als dass die Studien eine Wirkung hätten zeigen können. Unter den 44 000 Teilnehmern der Pfizer-Studie gab es zum Beispiel insgesamt 
29 Todesfälle, bevor die Placebogruppe selbst geimpft wurde. 15 davon betrafen die Geimpften, darunter einer der drei Covid-Todesfälle. In dem von Pfizer bei der FDA eingereichten Antrag auf Notfallzulassung wurden nur 20 schwere Fälle von Covid-19 gemeldet, darunter auch solche, die keine Krankenhausbehandlung erforderten. Anstatt schwer zu verfälschende Ergebnisse wie Todesfälle zu verwenden, wurden Testergebnisse herangezogen.

3. Messung der Ergebnisse nur für einen Teil der Zeit nach der Impfung

Geimpfte Personen haben in den ersten zwei Wochen nach der Impfung ein erhöhtes Risiko für eine Covid-Infektion. Nach den ersten zwei Wochen haben die empfänglichen Personen eine natürliche Immunität erworben. Wenn man die ersten zwei Wochen außer Acht lässt, ergibt sich ein verzerrtes Bild der Gesamtwirkung von Impfungen. Wenn die Impfstoffe lediglich bewirken, dass die Anfälligen ihre Infektionen früher bekommen, muss der gesamte Zeitraum ab dem Zeitpunkt der Impfung in die Bewertung des Nutzens einbezogen werden.

4. Verwenden Sie modellierte Daten

Die zuverlässigsten wissenschaftlichen Arbeiten stellen sicher, dass die untersuchte Population repräsentativ für die Gesamtbevölkerung ist. Manchmal ist dies schwer zu erreichen, und es müssen nachträglich Anpassungen vorgenommen werden, um etwaigen Unterschieden Rechnung zu tragen, z. B. wenn die Stichprobe jünger ist als die Gesamtbevölkerung. Diese Anpassungen sind sinnvoll, um kleine Probleme in der Stichprobe zu korrigieren.

Wenn sich die Stichprobe jedoch so sehr von der Allgemeinbevölkerung unterscheidet, dass massive Anpassungen vorgenommen werden müssen, basiert die Studie nicht mehr auf realen Erkenntnissen. Stattdessen ist sie zu einer weiteren Vorhersage geworden, die auf modellierten Daten beruht.

In dieser CDC-Studie wurde beispielsweise behauptet, dass Personen mit einer früheren Infektion entgegen allen anderen Belegen ein fünfmal höheres Risiko haben, sich zu infizieren, als Personen, die doppelt geimpft wurden. Die tatsächlichen Ergebnisse der Studie zeigten eine um 70 % höhere Rate, aber die Anpassungen machten daraus 500 %. Die Studie wies weitere schwerwiegende Mängel auf, so dass selbst die Behauptung von 70 % höchst zweifelhaft ist.

5. Ignorieren einer wichtigen Untergruppe

Wenn die Ergebnisse für den größten Teil der Bevölkerung nicht eindeutig sind, kann die Modellierung ausreichen, um das gewünschte Ergebnis zu erzielen. Wenn es jedoch eine Untergruppe gibt, die eindeutig gegenteilige Ergebnisse aufweist, kann diese ganz weggelassen werden. Bei dem Versuch, die Auswirkungen der Impfung auf die Übertragung im Winter zu berechnen, hätte man am ehesten die stark geimpften Pflegeheimbewohner untersuchen können. Die PHE (Gesundheitsministerium England) hat diese Gruppe ohne Angabe von Gründen in ihrem Papier ausgelassen. Die Folge war, dass die Gesamtübertragungsrate in den Haushalten in der Realität viel höher war (siehe Abbildung 1) als in der Studie. Unter Verwendung der veröffentlichten Daten zu den durchschnittlichen nationalen Übertragungsraten pro Woche hätte die erwartete Rate in der Studie 12,4 % in den ungeimpften (die überrepräsentiert waren, als die Übertragungsraten am höchsten waren) und 11,7 % in den geimpften Kohorten betragen. In der Studie wurde jedoch nur eine Rate von 10,1 % bei den Ungeimpften und nur 6 % bei den Geimpften ermittelt. Die von der PHE-Studie ausgeschlossene Bevölkerung trug eindeutig zu den wesentlich höheren realen Übertragungsraten sowohl bei den Ungeimpften als auch bei den Geimpften bei.


Abbildung 1: Reale Übertragungsraten, gemessen am Anteil der Kontakte, die sich infizieren, der Sekundärinfektionsrate.

6. Verwendung der falschen Dosis des Medikaments

Ein Medikament kann in einer Studie diskreditiert werden, wenn das Protokoll absichtlich so gestaltet ist, dass ein Medikament zu einem ungeeigneten Zeitpunkt oder in einer ungeeigneten Dosis verabreicht wird. So soll die RECOVERY-Studie beispielsweise gezeigt haben, dass die Behandlung mit Hydroxychloroquin bei Covid nicht hilfreich ist. In der Studie wurde eine Hydroxychloroquin-Dosis verwendet, die im toxischen Bereich lag und möglicherweise für den Tod der Studienteilnehmer in der Behandlungsgruppe verantwortlich war. Hydroxychloroquin-Dosen über 1500 mg werden mit kardiovaskulären und neurologischen Problemen in Verbindung gebracht und können potenziell tödlich sein. In der Studie wurde eine Dosis von 2000 mg in den ersten 18 Stunden und 400 mg alle 12 Stunden danach verwendet. 

Schlussfolgerung

Wissenschaftler sind auch nur Menschen und stehen unter dem Druck, in ihren Arbeiten Ergebnisse zu erzielen, da dies die Chancen auf eine Veröffentlichung erhöht, die für den beruflichen Aufstieg und die Sicherung von Forschungsgeldern erforderlich ist. Es gibt zahlreiche Möglichkeiten, wie Daten verändert werden können, um eine Geschichte zu erzählen, und viele davon wurden während der Pandemie genutzt. Dramatische Ergebnisse haben für Schlagzeilen gesorgt, aber oft war die Wahrheit viel banaler. Wenn ein Ergebnis zu gut klingt, um wahr zu sein, sollten Sie es nicht glauben.


Quelle: https://www.hartgroup.org/how-to-manipulate-a-research-study/

HART ist eine Gruppe hochqualifizierter britischer Ärzte, Wissenschaftler, Wirtschaftswissenschaftler, Psychologen und anderer akademischer Experten. Wir haben uns zusammengeschlossen, weil wir gemeinsame Bedenken hinsichtlich der Politik und der Empfehlungen zur COVID-19-Pandemie haben.

(Visited 928 times, 928 visits today)