I suppose it’s a desperate attempt to latch onto anything that seems to confirm their opinion. Most of them are too lazy to look up data or too uneducated to understand statistics, data, or studies.
It’s amusing. None of his fans seem to notice that he either just quotes or translates. He ‘explains’ studies using 1:1 translations from accompanying articles. No context, just one-sided presentation.
It‘s so ridiculous.
I wrote the following because a high-reach German fearmonger shared it without context. It’s contextless statistics bingo to legitimize a preconceived opinion. As usual.
bsky.app/profile/scic...
Fazit:
Der angebliche „7-Jahres-Einbruch“ basiert auf…
❌Vermischung alter und neuer Datensätze
❌methodischen Änderungen im Survey
❌kulturellen Antwortunterschieden
❌einer sehr empfindlichen Umfragekennzahl
➡️Ohne diesen Kontext ist der Chart schlicht irreführend.
16/16
In 2024, life expectancy in Sweden reached a record 84.1 years, the highest in the EU alongside Italy. This level exceeds the EU average by nearly two and a half years and represents a near one- year increase since 2019. The gender gap in life expectancy remains among the narrowest in Europe at three years, compared with an EU average of over five years. Moreover, older Swedes enjoy the longest healthy life expectancy at age 65 in the EU, underscoring exceptional health outcomes in later life.
✅OECD‑Profile zeigen dagegen, dass die Lebenserwartung in Schweden im internationalen Vergleich weiter hoch ist und nach dem COVID‑Dip wieder auf Vorkrisenniveau zulief.
www.oecd.org/content/dam/... 15/16
8. Plausibilitätscheck
📌Wenn Schweden wirklich 7 gesunde Lebensjahre verloren hätte, müsste sich das auch bei robusteren Gesundheitsindikatoren wie der Lebenserwartung deutlich zeigen.
❌Das sieht man jedoch nicht.
14/16
📌Wenn man also außergewöhnlich hohe ältere Werte mit revidierten neueren Daten vergleicht,entsteht leicht der Eindruck eines dramatischen Einbruchs.
📌Statistisch kann ein Teil dieses „Crashs“ schlicht Artefakt aus Methodik,Revisionen und geänderter Selbsteinschätzung sein.13/16
📌 Solche Ausreißer nach oben können auch durch kulturelle Antwortmuster, Übersetzung der GALI‑Frage oder Surveydesign beeinflusst sein – nicht nur durch „Übergesundheit“ der Bevölkerung.
ec.europa.eu/eurostat/sta...
www.sciencedirect.com/science/arti... 12/16
➡️Menschen werden im Schnitt älter, verbringen aber teils mehr Jahre mit Einschränkungen.
7. Schweden hatte zuvor außergewöhnlich hohe HLY-Werte
📌Vor 2019 lag Schweden deutlich über fast allen EU-Ländern. www.welt.de/print/welt_k...
11/16
📌 Als Gründe werden u. a. mehr chronische Krankheiten und Risikofaktoren genannt, nicht eine einzelne Infektion.
📌Zu diesen Risikofaktoren gehören u. a. steigende Adipositasraten, Bluthochdruck, ungesunde Ernährung, Bewegungsmangel.
www.oecd.org/en/publicati...
10/16
6. Der Trend begann schon vor COVID
📌 Zwischen 2005 und 2019 zeigten europäische Länder sehr unterschiedliche HLY‑Trends. In einigen kam es bereits vor 2019 zu stagnierenden oder sinkenden gesunden Lebensjahren,obwohl die Lebenserwartung noch zunahm. www.ssph-journal.org/journals/int... 9/16
Aktivitätseinschränkungen mit Sterbetafeln kombiniert.
📌Schon kleine Änderungen im Anteil der Menschen mit „moderaten Einschränkungen“ können so mehrere „gesunde Lebensjahre“ nach oben oder unten verschieben.
ec.europa.eu/eurostat/sta...
8/16
➡️Das ist reine Selbsteinschätzung, keine medizinische Diagnose. kulturelle Antwortmuster und Erwartungshaltungen beeinflussen die Ergebnisse.
5. Kleine Änderungen erzeugen große Effekte
📌HLY wird mit der Sullivan-Methode berechnet. Es werden Prävalenzen von…7/16
4. HLY misst keine objektive Gesundheit
📌Die Kennzahl basiert auf der GALI-Frage: „Inwieweit sind Sie seit mindestens sechs Monaten wegen gesundheitlicher Probleme in Ihren üblichen Aktivitäten eingeschränkt?“
www.ssph-journal.org/journals/int...
6/16
3. Änderungen im EU-SILC-Survey
📌HLY basiert auf der EU-SILC-Erhebung. Änderungen bei Stichprobe, Gewichtung, Erhebungsmethode (z. B. Online vs. Telefon) können Brüche in den Zeitreihen erzeugen, ohne dass sich die reale Gesundheit schlagartig geändert hat.
5/16
📌Schon eine Revision 2012 hat die kompletten Reihen ab 2004 rückwirkend neu berechnet.
➡️Genau solche Eingriffe machen „Vorher‑Nachher“-Vergleiche heikel.
ec.europa.eu/eurostat/cac... 4/16
2. Eurostat weist selbst auf Revisionen hin
📌Eurostat betont, dass HLY regelmäßig revidiert und neu berechnet wird und dass Zeitreihen deshalb mit Vorsicht interpretiert werden sollen.
ec.europa.eu/eurostat/sta...
3/16
1. Alte & neue Datensätze werden vermischt
📌Die oft zitierte Zahl 73,3 Healthy Life Years f.🇸🇪 stammt aus älteren Eurostat-Daten,als🇸🇪 EU‑weit Spitzenwerte hatte.
📌Viele Posts vergleichen diesen Wert mit aktuellen Zahlen (z.B. 2023),als kämen beide aus derselben Zeitreihe. 2/16
Eurostat: Die Anzahl gesunder Lebensjahre bei Geburt ist in Schweden von 73,3 Jahre im Jahr 2019 auf 66,2 Jahre im Jahr 2023 gesunken (Vergleich: Deutschland 66,3 -> 62,5 Jahre, EU 64,6 -> 63,1 Jahre).
Ein Chart wird gerade als „Beweis“ verbreitet, dass Schweden wegen seiner COVID-Strategie 7 gesunde Lebensjahre verloren habe.
🚩Der Schluss ist statistisch kaum haltbar.
Der Vergleich vermischt alte und revidierte Eurostat-Daten und ignoriert zentrale methodische Punkte.🧵1/16
Wenn diese nicht zum eigenen Weltbild passen, muss man sich sofort empören und abwerten.
Quelle: https://podcast.clearerthinking.org/episode/301/carmen-scheibenbogen-long-covid-what-are-the-scientific-facts/ CARMEN: We also have patients who are at risk because of immune deficiency. These are the patients we also recommend to be very cautious and to wear masks. To put it more generally, we know that there are people at higher risk. We know that females in general have a much higher risk. So 80% of our patients are female, and we know that obese patients are at higher risk. We know that patients with other immune diseases, like asthma and allergies, are at a higher risk. But the problem is, what would happen when you wear masks all the time? What we also learned from the years 2021 and 2022 is that by wearing masks all the time, later on, you have a higher risk of getting other infections because you do not continuously train your immune system, for example, with the respiratory syncytial virus, which became much more frequent in younger children. SPENCER: So you might be actually weakening your immune system by doing. CARMEN: So probably your immune system is not made to be protected all the time. If you are otherwise immunologically healthy, I would not recommend protecting yourself all the time. For example, I use a mask when I'm in contact with people who obviously have an infection. Or if I go on public transport and it's very crowded, then I take my mask to protect myself, but I don't use it all the time, and that's probably good advice on how to handle it.
„Studien von schlechter Qualität“, „keine Ahnung von Immunologie“, „Hopium-Akteurin“, „so gefährlich wie Impfgegner“.
Die sich selbst als „Covid conscious“ bezeichnende Bubble hat ein neues Feindbild. 🥁: Scheibenbogen.
Alles wegen dieser absolut legitimen Passage.
Völlig irre.
Habe da Mal etwas nachgerechnet für den Volksverpetzer.
Mit Einschätzungen von @cihancelik.bsky.social und @friedemann.bsky.social.
methodischer Kritik zurückgezogen.
➡️Das bedeutet nicht automatisch, dass jede neue Arbeit falsch ist. Aber es erhöht die notwendige methodische Sorgfalt bei der Bewertung.
pmc.ncbi.nlm.nih.gov/articles/PMC...
jamanetwork.com/journals/jam...
www.jclinepi.com/callback?red...
16/16
einer methodisch schwachen Referenzgröße und ist epidemiologisch wie immunologisch nicht robust.
Addendum zum Autor:
❗️Harald Walach ist seit der Pandemie eine polarisierende Figur. Frühere Publikationen (u. a. zur angeblichen Impf-Übersterblichkeit) wurden nach…15/16
Fazit:
Es fehlt…
❌eine umfassende Sensitivitätsanalyse
❌waning-adjusted modelling
❌eine externe Validierung an Kohortendaten
❌eine robuste Unsicherheitsabschätzung
📌Damit bleibt die 14 %-Zahl stark modellabhängig.
📌Die zentrale Schlussfolgerung beruht auf…14/16
5. Realitätscheck: B. Deutschland
Wenn 86 % der PCR‑Positiven falsch gewesen wären, hätte man gesehen:
- PCR‑Wellen ohne Krankenhauswellen
- keine Übereinstimmung mit Übersterblichkeit
➡️Das Gegenteil war der Fall (z.B. link.springer.com/article/10.1...; academic.oup.com/eurpub/artic...). 13/16
- Bayes‑Analysen zeigen: Bei realistischen Infektionsraten ist ein positives PCR‑Ergebnis meist korrekt (link.springer.com/article/10.1...).
➡️Eine „Trefferquote“ von nur 14 % wäre statistisch extrem unwahrscheinlich. 12/16
4. Bedeutet das: PCR ist unzuverlässig? Nein.
- PCR‑Tests haben in der Praxis eine sehr hohe Spezifität (≈ 99 % oder mehr); Falschpositive sind selten (www.degruyterbrill.com/document/doi...).
11/16
3. Was passiert im Paper verwendeten Modell?
Wenn man eine Messgröße benutzt, die Infektionen unterschätzt, diese als „Wahrheit“ definiert…,dann wirken andere Daten automatisch „zu hoch“.
➡️ Das ist ein Modellbias, kein Nachweis falscher PCR‑Tests. 10/16
unvollständig trennbar sind (N‑Ak gehen zudem oft verloren), spiegeln Antikörperkurven zunehmend Immunexposition wider,nicht das tatsächliche Infektionsgeschehen.
Deshalb sagen aggregierte IgG‑Zeitreihen immer weniger darüber aus,wie viele Menschen tatsächl. infiziert waren. 9/16
