1/x Szczepienia w świetle badań — odpowiedź na komentarz Piotra Witczaka. Komentarz załączam na screenie. Jego autor twierdzi, że w badaniu klinicznym Pfizera wyszło, że więcej osób zmarło w grupie z podaną szczepionką niż w grupie z placebo, wtórne analizy badań wskazują na to, że ryzyko szczepienia przewyższa jego korzyści, analiza nadmiarowych zgonów dowodzi, że w 2021 roku GDY WPROWADZONO SZCZEPIENIA NA SZEROKĄ SKALĘ, zgłoszono najwięcej nadmiernych zgonów, a szereg publikacji naukowych ostrzega przed katastrofalnymi skutkami przyjęcia szczepionki. Wydźwięk całej wypowiedzi jest więc dosyć klarowny i sugeruje, że szczepionki niosą więcej szkód niż pożytku, w badaniu Pfizera więcej osób zmarło po szczepieniu niż bez niego, a świat nauki ostrzegał o „katastrofalnych” skutkach. Zastosowanie tak mocnego sformowania sugeruje, że analizy te także sugerowały, że korzyści będą niższe od ryzyka (w końcu inaczej dlaczego skutki miałyby być katastrofalne?). A jak jest naprawdę? Przyjrzymy się po kolei cytowanym analizom.

2/x Badanie Pfizer — więcej ludzi zmarło po szczepionkach niż placebo? Cytuję: Czy Pan wie, że : -w badaniu klinicznym 💉 Pfizera więcej osób zmarło w grupie badanej niż placebo? Mamy podane badanie 📚 „Forensic Analysis of the 38 Subject Deaths in the 6-Month Interim Report of the Pfizer/BioNTech BNT162b2 mRNA Vaccine Clinical Trial” i bardzo konkretne wnioski. ℹ️Czasopismo Pierwsza czerwona lampka zapala się już, gdy spojrzymy, gdzie została opublikowana analiza — International Journal of Vaccine Theory, Practice, and Research. Co wiemy o tym czasopiśmie? > Powstało w 2020 roku (czyli w czasie pandemii COVID-19). > Nie jest ono indeksowane w renomowanych naukowych bazach danych, takich jak PubMed/MEDLINE, Scopus czy Web of Science, co pokazuje brak zaufania środowiska medycznego. > Czasopismo można śmiało określić mianem drapieżnego lub wręcz ideologicznego. Jest tak ponieważ publikowane tam analiz skupiają się na promowaniu antyszczepionkowej agendy. IJVTPR publikuje artykuły, które mają na celu podważanie bezpieczeństwa i skuteczności szczepionek. Rada redakcyjna składa się głównie z osób znanych ze swoich sceptycznych lub otwarcie wrogich poglądów na temat szczepień. > Redaktor naczelny John Oller to emerytowany profesor lingwistyki na University of Louisiana w Lafayette. Jest on zwolennikiem kreacjonizmu młodej Ziemi i autorem książek krytykujących ewolucję (odrzucanych przez przytłaczającą większość biologów) oraz zaangażowanym członkiem ruchów antyszczepionkowych. Choć nie oznacza to z automatu, że nie ma racji, to trudno traktować poważnie czasopismo, którego celem jest próba udowodnienia konkretnych racji. Nauka powinna być z natury otwarta na różne teorie i podważanie konsensusu nie jest niczym złym, ale nie powinno być ono celem samym w sobie. ℹ️Poważne błędy metodologiczne Wróćmy jednak do samego badania. Mamy kilka odważnych wniosków, ale skupimy się na tych, które wyłuskał Pan Piotr. Czytamy, że w badaniu przebadano 22 tys. zaszczepionych prawdziwą szczepionką i 22 tys. osób, którym poddano placebo. Analiza danych dowiodła, że w grupie zaszczepionych zmarło 21 osób, zaś w grupie placebo 17. Daje to łącznie 38 zgonów, z czego 55% w grupie zaszczepionych. Wnioski te są więc tożsame ze napisanymi przez Piotra Witczaka. W badaniu znajdziemy także wykres, który pokazuje jak z czasem liczba zgonów wśród zaszczepionych zaczyna rosnąć znacznie szybciej niż wśród osób z placebo. Niestety autorzy badania popełnili KARDYNALNY błąd metodologiczny. Początkowo w badanej grupie mieliśmy dwie porównywalne liczebnie podgrupy — zaszczepieni i placebo. Do pewnego momentu liczba zgonów rośnie w podobnym tempie. Po 11 grudnia 2020 roku liczba zgonów w grupie placebo wyhamowała, a wzrosła w grupie zaszczepionych. Dlaczego tak się stało? Jak czytamy w samym badaniu, po tej dacie nastąpiło odślepienie grupy placebo. Uznano, że skoro nie widać niepokojącego wzrostu zgonów (co sugerowało, że jest ona bezpieczna), to można dopuścić ją do użytku. Zgodnie z przyjętymi standardami, zdecydowano więc poinformować osoby, którym podano placebo, że nie przyjęli szczepionki, ale teraz mogą to zrobić. To etyczne zachowanie, ponieważ — jeśli szczepionka jest bezpieczna i może pomóc — to nie należy odbierać prawa do ochrony życia tym osobom. Ostatecznie ok. 90% osób, które otrzymały placebo, zdecydowało się na przyjęcie szczepionki. Nie nastąpiło to rzecz jasna jednego dnia, a był to proces stopniowy. Z czasem jednak grupa placebo znacznie się pomniejszyła (ponieważ dołączyli do zaszczepionych), a liczba zaszczepionych znacznie wzrosła (niemal 2-krotnie). Nie możemy więc już porównywać tych dwóch grup. Przypisywanie kolejnych zgonów do grona osób zaszczepionych to manipulacja. Nawet gdyby wszyscy badani umierali wyłącznie z przyczyn losowych (zero zgonów COVID oraz zero po szczepieniu), to więcej zgonów pojawiałoby się w tej bardziej liczebnej grupie. Na stronach 26-27 czytamy dodatkowo, że autorzy chwalą randomizowane badania kontrolowane placebo (RCT), choć potem podważają jego wyniki, sami łamiąc przy tym podstawowe zasady takich badań (wspominana reklasyfikacja uczestników czy zasada ITT). Problemów z badaniem jest znacznie więcej. W analizie cytowane jest badanie Rancourt et al. (2023), czyli znanego w środowisku antyszczepionkowym fizyka i aktywistę negującego zmiany klimatu oraz autora badań krytycznych wobec medycznego mainstremu w kontekście pandemii COVID-19. Mamy więc próbę wykorzystania efektu potwierdzenia przez cytowanie innych wątpliwych badań. Inny problem to m.in. próba udowodnienia, że w badaniu liczba zgonów jest za mała, ponieważ na bazie prawdopodobieństwa zgonu w USA obliczyli, że umrzeć powinno nie 38 a 222 osoby. Problem w tym, że takie porównanie jest nieuzasadnione, ponieważ osoby ciężko chore (np. chorujące na nowotwór złośliwy) nie mogą brać udziału w takich badaniach, a to właśnie takie przypadki podbijają wskaźnik śmiertelności. Nazywa się to efektem zdrowego użytkownika (ang. healthy user effect). Kolejny problem to próba przekonania o rzekomym tuszowaniu liczby zgonów w grupie osób, z którymi utracono kontakt, mimo że to właśnie w grupie placebo takich przypadków było więcej (a w dodatku takie sytuacje są one całkiem normalne w badaniach tego typu — ludzie zmieniają adres zamieszkania, numer telefonu, nie chcą już brać udziały w badaniu etc.). Dodatkowo autorzy tworzą fałszywe oczekiwanie „pełnej spójności” między dynamicznymi raportami, a następnie wyrażają szok i zaniepokojenie, gdy to (niemożliwe do spełnienia) oczekiwanie nie zostaje spełnione i używają szeregu określeń i figur retorycznych, żeby podprogowo wpłynąć na czytelnika, sugerując, że mamy do czynienia ze skandalem. Manipulacji można wymieniać naprawdę wiele, ale nie ma to sensu, bo nie dotyczą już stricte przedstawionej tezy. Na bazie tych faktów można uznać, że teza z komentarza pana Witczaka jest fałszywa ❌, ponieważ analiza ta oparta jest na krytycznych błędach i nie może dowodzić, że w grupie zaszczepionych zmarło więcej osób, jeśli analizowane są osoby po odślepieniu badania.

3/x Ryzyko szczepień przewyższa potencjalne korzyści? Cytuję: Czy Pan wie, że : -wtórne analizy badań randomizowanych wskazują na ryzyko szczepienia > korzyści Mamy znów konkretne badanie 📚 „Is the Harm-to-Benefit Ratio a Key Criterion in Vaccine Approval?”. Już sam tytuł zapala czerwoną lampkę, bo sugeruje w głowie czytelnika odpowiedź. ℹ️Autorzy Falk Mörl, Michael Günther, Robert Rockenfeller to niemieccy fizycy. Dziwny zbieg okoliczności, że taką analizę wykonują akurat naukowcy spoza środowiska medycznego i daje one inne wnioski niż te wykonywane przez wirusologów? Nie oznacza to oczywiście, że z automatu taka praca jest skazana na porażkę, ale powinno to zwiększyć czujność czytelnika. Autorzy znani są m.in. (w tym samym zespole) z rażących (pod kątem metodologii) analiz nadwyżkowych zgonów. ℹ️Metodologia badania, czyli porównywanie gruszek z jabłkami Aby porównać szkodliwość szczepień do COVID-19, autorzy badania porównali liczbę: > Ciężkie Zdarzenie Niepożądane - SAE (Severe Adverse Event) > Ciężkie przypadki COVID Pojęcie SAE (Ciężkie Zdarzenia Niepożądane) jest niezwykle szerokie. Obejmuje ono każde poważne zdarzenie medyczne, które wystąpiło w określonym czasie po szczepieniu, niezależnie od jego przyczyny. Do tej kategorii zalicza się więc nie tylko problemy, które mogą mieć związek ze szczepionką, jak zapalenie mięśnia sercowego, ale także zdarzenia całkowicie losowe, takie jak zgon w wypadku samochodowym czy zawał serca wynikający z istniejących wcześniej schorzeń. W przeciwieństwie do tego, definicja „ciężkiego przebiegu COVID” jest wąska i ściśle kliniczna. Odnosi się ona wyłącznie do przypadków, w których zakażenie wirusem doprowadziło do poważnych powikłań, takich jak zapalenie płuc, niewydolność oddechowa czy konieczność hospitalizacji. Porównywanie tych dwóch kategorii jest fundamentalnym błędem metodologicznym. Tworzy to fałszywą równowagę, w której każde losowe zdarzenie po szczepieniu traktuje się jako jego skutek, podczas gdy w przypadku COVID-19 uwzględnia się jedynie udowodnione, najcięższe konsekwencje choroby. Taka asymetria w ocenie ryzyka dyskwalifikuje rzetelność każdej analizy opartej na tym założeniu. Badanie porównuje więc jabłka do gruszek. Dodatkowo należy pamiętać, że koronawirus jest przyczyną niewymagającego hospitalizacji zespołu post-COVID (Long COVID). Do powikłań zaliczamy m.in. mgłę covidową (kto sam doświadczył lub ma znajomych, ten wie, że bardzo utrudnia to pracę i naukę) czy zaburzenie rytmu serca. Podsumowując, teza z komentarza pana Witczaka jest fałszywa ❌, ponieważ badanie to porównuje szerokie spektrum zdarzeń medycznych po szczepieniu (także tych zupełnie z nim niezwiązanych) z bardzo wąską i ściśle kliniczną definicją ciężkiego przebiegu COVID-19.

4/x Ryzyko szczepień przewyższa potencjalne korzyści cz. 2 Ponownie zacytuję, ponieważ pod tym wpisem znalazły się dwa badania: Czy Pan wie, że : -wtórne analizy badań randomizowanych wskazują na ryzyko szczepienia > korzyści Kolejną wspomnianą analizą jest badanie 📚 “Serious adverse events of special interest following mRNA COVID-19 vaccination in randomized trials in adults”. Tym razem tytuł, czasopismo czy autorzy nie budzą już takich kontrowersji (choć jednym z autorów jest Peter Doshi, który znany jest z wieloletniej, otwartej krytyki agencji regulacyjnych i firm farmaceutycznych). Badanie zostało zrecenzowane i napisane znacznie lepiej. Praca jest często cytowana, ale także i krytykowana. Dlaczego? ℹ️Problem z AESI i okresem analizy Badanie jest wtórną analizą danych uzyskanych w ramach randomizowanych badań klinicznych III fazy szczepionek Pfizer i Moderna. Autorzy analizy postanowili ocenić ryzyko wystąpienia ciężkich zdarzeń niepożądanych. Wnioski są takie, że szczepionki Pfizer były związane z niewielkim, ale statystycznie istotnym wzrostem ryzyka wystąpienia ciężkich zdarzeń niepożądanych w porównaniu z placebo. Ryzyko to, zdaniem autorów, było wyższe niż redukcja ryzyka hospitalizacji z powodu COVID-19 zaobserwowana w tych samych badaniach. Badanie idealnie wpisuje się więc w tezę wypływającą z komentarza Pana Witczaka. Dlaczego zatem jest krytykowane? Przyczyn jest kilka. Jedna z nich dotyczy samego sposobu porównania zagrożeń związanych z COVID oraz szczepieniami. Autorzy wzięli dane z badań producentów szczepionek. Co ciekawe, jak czytamy w badaniu, po odślepieniu grupy placebo, wyniki przestały być użyteczne, co sprawiło, że autorzy nie brali ich w ogóle pod uwagę. Mówiąc wprost — Pan Witczak przesłał mi badanie, w którym czytamy, że dane po odślepieniu są wątpliwe, więc nie będą brane pod uwagę oraz inne badanie, w którym badacze śmiało analizują te wątpliwe dane. Rzucanie wieloma linkami może wyglądać fajnie, ale trzeba czytać to uważniej, bo potem wychodzą takie babole. Na bazie priorytetowej listy stworzonej przez Brighton Collaboration autorzy badania stworzyli własną, predefiniowaną listę potencjalnych „zdarzeń niepożądanych specjalnego zainteresowania” (AESI — adverse events of special interest). Najważniejszym zarzutem jest stworzenie sztucznej grupy zdarzeń, które analizowano. Autorzy wzięli bardzo szeroką listę potencjalnych zdarzeń niepożądanych (AESI) i zliczyli wszystko, co pasowało do tej listy, niezależnie od prawdopodobieństwa związku przyczynowego (np. wskazuje się policzenie biegunki, ale już nie wymiotów). Lista łączyła ze sobą kompletnie różne stany, np. zaburzenia krzepnięcia, biegunkę, zapalenie trzustki czy psychozę. Traktowanie ich jako jednej grupy „szkód” jest metodologicznym absurdem. To tak, jakby zarzucić sieć na ocean i zliczyć wszystko, co się w nią złapało – ryby, śmieci, stare buty – a następnie stwierdzić, że „sieć łapie dużo rzeczy". Do listy włączono również mało poważne powikłania (jak wysypka czy biegunka). Problemem z liczeniem AESI jest także sumowanie liczby zdarzeń, a nie osób nim dotkniętych. To poważny błąd, ponieważ jedna osoba może mieć wiele AESI, ale z kolei w przypadku hospitalizacji jest ona przypisana do pojedynczej osoby. Jeśli po szczepieniu dostaliście biegunki, bólów głowy oraz wysypki, to liczeni jesteście jak trzy osoby, które w wyniku COVID-19 musiały zostać hospitalizowane. Nie trzeba być lekarzem, żeby dostrzec, że takie liczenie jest dalekie od rzetelnego. Warto także zauważyć, że analiza całkowicie zignorowała zgony oraz długotrwałe powikłania (Long COVID), które są poważnymi konsekwencjami choroby. Skupiono się tylko na hospitalizacji, co sprawiło, że choroba wydawała się mniej groźna. Jeszcze większym problemem wydaje się bardzo krótki okres badania. Jak zaznaczają sami autorzy, biorą pod uwagę okres kilku miesięcy. Badanie Pfizer (Moderna okazała się nieistotna statystycznie) trwało od końca lipca do końcówki listopada, czyli zaledwie 4 miesiące. Uczestnicy otrzymywali drugą dawkę po 21 dniach, więc nawet przy założeniu, że zaszczepienie 44 tys. uczestników badania trwało jedynie kilka dni, to w praktyce od czasu wyszczepienia drugą dawką do końca badania mijają 3 miesiące. Większość powikłań pojawia się w pierwszych dniach po szczepieniu (o czym wspominają kolejne zalinkowane przez Pana Witczaka badania), zaś ich pozytywne skutki są rozłożone na lata. W okresie od początku sierpnia do końca listopada 2020 roku na COVID-19 zmarło w USA (skąd pochodziła zdecydowana większość badanych) 130 tys. osób. W ciągu kolejnych 12 miesięcy (od grudnia 20' do grudnia 21') liczba ta wzrosła o ponad 520 tys. osób (i to pomimo poważnego ograniczenia liczby zgonów przez szczepienia, co udowadnia szereg analiz z wielu państw świata). Cytowanie dziś takiego badania to poważny błąd. Wyobraźmy sobie, że kupujemy czujniki dymu. Autorzy analizy liczą ich koszt i porównują do liczby ograniczonych pożarów w ciągu najbliższego roku. Okazuje się, że czujki się nie opłacają. Gdyby jednak wydłużyć okres analizy na kilkanaście lat, to zwracają się one kilkukrotnie. Należy przy tym pamiętać, że 2x większa liczba hospitalizacji może oznaczać więcej niż 2x więcej zgonów, ponieważ w pewnym momencie zacznie brakować środków na leczenie kolejnych chorych. Gdybyśmy byli w stanie ratować co drugą osobę na intensywnej terapii, gdzie będzie 100 łóżek, to przy 100 pacjentach mamy 50 zgonów, lecz po wzroście do 200 pacjentów, liczba zgonów wzrasta do 150 (ponieważ 100 osób nie znajdzie miejsca w szpitalu). Oczywiście to bardzo uproszczony i przerysowany model (rzeczywistości różnice nie są aż tak duże), ale myślę, że dobrze oddaje to charakter tej nieliniowej zależności. Początkowo w USA dominował pierwotny koronawirus oraz wariant Alfa. Nowy wariant cechowała wyższa transmisyjność, ale porównywalna śmiertelność do pierwotnego. W 2021 roku w USA pojawił się wariant Delta, który cechowała jeszcze wyższa transmisyjność oraz wysoka ciężkość choroby (zarówno późniejsze jak i wcześniejsze warianty były mniej groźne pod tym względem od Delty). To właśnie z powodu tych mutacji, liczba zgonów w USA była w 2021 roku tak wysoka. Tymczasem analiza nie obejmuje okresu, gdy Delta rozprzestrzeniała się w USA. Do samych różnic między wariantami zaraz wrócimy. Jakie wnioski płyną z lektury badania? Choć idea była bardzo słuszna, to porównanie jest dziś krytykowane za sposób liczenia oraz badany okres. To badanie nie może zatem być dowodem na to bilans zysków i strat związanych ze szczepieniem, więc teza Pana Witczaka jest fałszywa ❌.

5/x Analiza nadmiarowych zgonów wskazuje, po wprowadzeniu szczepień liczba zgonów wzrosła Znów zacytuję: (Czy Pan wie, że:) -Analiza nadmiarowych zgonów w 47 krajach świata zachodniego w okresie 2020-2022 wskazuje, że w 2021 r., gdy wprowadzano szczepienia przeciw covid, zgłoszono największą liczbę nadmiernych zgonów? Cóż, sprytna forma. Przecież nie powiedział wprost, że szczepienia przyczyniły się do większej liczby zgonów/okazały się nieskuteczne, no ale nie ukrywajmy — wydźwięk jest jednoznaczny — szczepienia albo musiały okazać się nieskuteczne na COVID albo wręcz szkodliwe same w sobie (to drugie sugeruje zestawienie tych danych z innymi tezami w tym komentarzu). Tym razem bierzemy na warsztat badanie 📚 “Excess mortality across countries in the Western World since the COVID-19 pandemic: ‘Our World in Data’ estimates of January 2020 to December 2022”. Badanie opublikowano w BMJ (British Medical Journal), czyli prestiżowym i szeroko uznanym czasopiśmie. Niestety także tutaj problemów jest tak wiele, że BMJ wydało oficjalną notę redakcyjną typu „wyrażenie zaniepokojenia” (Expression of Concern). Taka nota poprzedzać może nawet wycofanie artykułu. W nocie czytamy, żeby wyniki interpretować z ostrożnością. Nota: bmjpublichealth.bmj.com/cont… Nie wyprzedzajmy jednak faktów i zobaczmy co znalazło się w badaniu. Analiza bazuje na danych z „Our World in Data”. Analizowane są nadwyżkowe zgony (więc wliczające nie tylko COVID-19, ale także związane ze szczepieniami i wszystkie inne). Skupiono się na okresie od 2020 do 2022 roku. Autorzy porównali spodziewaną liczbę zgonów (na bazie trendów sprzed pandemii) do rzeczywistej ich liczby. W analizie wzięto pod uwagę 47 państw świata zachodniego. Liczba nadwyżkowych zgonów wyniosła łącznie 3,098 mln. Jak czytamy w wynikach badania, w 2021 roku, gdy stosowano masowe szczepienia oraz środki mające ograniczyć rozprzestrzenianie się wirusa (lockdown, maseczki, ograniczenie kontaktów międzyludzkich), liczba nadwyżkowych zgonów była najwyższa (1,257 mln). Jednocześnie w 2022 roku, gdy większość środków ograniczających została zniesiona, a szczepienia przeciw COVID-19 były kontynuowane, wstępne dane wykazują 0,808 mln nadwyżkowych zgonów. „Nadwyżkowa umieralność utrzymywała się na wysokim poziomie w świecie zachodnim przez trzy kolejne lata, pomimo wdrożenia środków ograniczających i szczepionek przeciw COVID-19. Rodzi to poważne obawy” - czytamy w podsumowaniu wyników. ℹ️Problematyczne wnioskowanie — błąd ekologiczny i ignorowanie zmiennych zakłócających Myślę, że osoba mająca jakikolwiek kontakt z obróbką danych, już widzi poważne problemy z tą analizą. Co jest nie tak? > Błąd ekologiczny (wnioskowanie o jednostkach na podstawie danych populacyjnych) - sam tylko ten błąd powinien zdyskwalifikować to badanie. Autorzy obserwują dwa zjawiska na poziomie całym państw - łącząc wysoki wskaźnik szczepień i wysoką nadmiarową umieralność. Wyobraźmy sobie sytuację - Polska przyjmuje 1 mln imigrantów z Bliskiego Wschodu. Mimo spadku średniej przestęczności Polaków, na poziomie całego kraju ta rośnie z powodu masowej imigracji. Autorzy tego badania stwierdziliby pewnie, że Polacy popełniają więcej przestępstw. Jeśli analiza ma łączyć szczepienia z liczbą zgonów, to konieczne byłoby oszacowanie śmiertelności wśród osób zaszczepionych oraz niezaszczepionych. Gdyby było w drugą stronę — szczepionki masowo zabijałyby ludzi, a COVID-19 stałby się nieszkodliwy, to czy spadek liczby zgonów dowodziłby skuteczności szczepień? No nie. > Ignorowanie zmiennych zakłócających. Tych było kilka. Skupimy się na głównej. Jest nią zmiana specyfiki kolejnych mutacji koronawirusa. Pierwotny wariant zaczął być powoli wypierany pod koniec 2020 roku przez Alfę. Cechowała ją wyższa transmisyjność, ale śmiertelność pozostała na zbliżonym poziomie. W drugiej połowie 2021 roku dominował z kolei wariant Delta. Był to najgorszy okres, ponieważ cechowała go jeszcze wyższa transmisyjność i znacznie częstsze ciężkie przypadki choroby. Po Delcie przyszedł wariant Omikron (zima 2021/22). Cechowała go bardzo duża liczba zakażonych, ale znacznie niższa śmiertelność. Widać to zresztą bardzo dobrze także na danych z Polski, aczkolwiek przy nich zatrzymamy się w dalszej części wątku. Dalsze subwarianty Omikrona utrzymały wysoką transmisyjność, ale dzięki niskiej śmiertelności wirus ten okazał się mało szkodliwy dla systemu ochrony zdrowia i przyczynił się do niższej śmiertelności. Paradoksalnie, to właśnie w 2021 roku szczepienia zrobiły najwięcej dobrego, ponieważ zredukowały one wtedy śmiertelność najgorszych wariantów. Te w 2022 roku cechowała lepsza ucieczka immunologiczna (więc skuteczność szczepień spadła), ale mniejsza śmiertelność, więc spadek w 2022 roku zawdzięczamy nie tyle szczepieniu, ile właśnie niższej śmiertelności samego wirusa. Wyższa umieralność w 2021 roku jest także skutkiem pierwszego roku pandemii. Zmarło wtedy dużo osób, które wskutek zakażenia COVID-19 w 2020 roku miały uszkodzone narządy. Nie bez znaczenia był także zaciągnięty dług zdrowotny z 2020 roku. Ograniczenie dostępu do ochrony zdrowia nie sprawia, że ludzie umierają od razu (ponieważ ciężkie przypadki są zwykle leczone). Mniej pilne sprawy miały jednak ograniczone możliwości leczenia rozwijających się chorób, co w perspektywie kilkunastu miesięcy może istotnie wpływać na umieralność w grupie pacjentów, którym odmówiono diagnozy lub leczenia na wczesnym etapie choroby. To argument, o którym często wspominają antyszczepionkowcy, ale jak widać w takiej analizie nagle o nim zapominamy. Zwracam w tym miejscu uwagę na jeszcze jeden fakt. Badanie to pokazuje, że najgorszy pod względem liczby zgonów był 2021 rok. Dokładnie o tym samym pisałem w omówieniu poprzedniego badania, które licząc zagrożenia i korzyści płynące ze szczepienia, wzięło pod uwagę bardzo krótki okres. Analogicznie, gdyby skrócić okres po szczepieniu do tygodnia, to dysproporcja byłaby jeszcze większa, ponieważ ryzyko powikłań jest wtedy najwyższe, a szansa na zakażenie jest bardzo niska. Mamy więc kolejne badanie, które podważa wnioski innej analizy. Badaniu wytknąć można także zlekceważenie skutków upałów z 2022 roku (które także zwiększyły nadwyżkową umieralność), ale tutaj to już raczej szczegóły, znacznie mniej istotne od wspomnianych wcześniej. Błąd ekologiczny oraz ignorowanie zmienności wirusa sprawia, że analiza ta nie nadaje się do wyciągania takich wniosków. Tak — technicznie rzecz biorąc, w 2021 roku było więcej zaszczepionych i zmarłych, ale w żaden sposób nie dowodzi to nieskuteczności szczepień. Czy gdyby Bolt wyprzedził mnie w trampkach (gdy ja biegłbym w kolcach), to oznaczałoby, że trampki są lepszym obuwiem? No nie. Jeśli zmieniają się kluczowe warunki (umiejętności biegacza lub „umiejętności” wirusa w postaci jego śmiertelności), to potrzebowalibyśmy grupy kontrolnej, żeby móc ocenić skuteczność danej zmiennej. Ponownie — forsowana przez Pana Piotra Witczaka teza jest nieprawdziwa ❌. Oczywiście — Pan Witczak nie napisał wprost, że to przez szczepienia, tylko że wtedy jak się one zaczęły, ale nie oszukujmy się — to klasyczne pisanie w ten sposób, żeby się wybronić, ale jednocześnie forsować konkretną tezę. W związku z tym można powiedzieć wprost — cytowanie tego badania w tym kontekście to MANIPULACJA.

6/x Katastrofalne skutki szczepień Tradycyjnie, zaczynamy od konkretnego cytatu: (Czy Pan wie, że:) -Jest szereg publikacji naukowych ostrzegających przed katastrofalnymi skutkami tych preparatów. Tutaj ważny jest kontekst. Najpierw dowiadujemy się, że w grupie zaszczepionej umrzeć miało więcej osób niż w placebo (wiemy, że to fałsz), potem, że ryzyko szczepienia przewyższa korzyści płynące z tego tytułu (także wiemy, że badania źle wykonane), potem, że po masowych szczepieniach w 2021 roku zmarło najwięcej osób (wiemy już, że to ponownie źle wykonane badanie), a na końcu, że jest szereg analiz ostrzegających przed KATASTROFALNYMI skutkami. Czy jakiekolwiek skutki uboczne byłyby katastrofalne? Nie. Takie będą, jeśli będziemy mówić o naprawdę niepokojącej skali. Pan Piotr linkuje do 7 badań, ale jeden link chyba źle się wkleił, bo nie prowadzi do żadnej analizy. Sprawdzamy więc 6 prac naukowych: (1)📚 COVID-19 vaccine adverse events: Evaluating the pathophysiology with an emphasis on sulfur metabolism and endotheliopathy (2)📚 Autopsy findings in cases of fatal COVID-19 vaccine-induced myocarditis (3)📚 A Critical Analysis of All-Cause Deaths during COVID-19 Vaccination in an Italian Province (4)📚 Cardiac side effects of RNA-based SARS-CoV-2 vaccines: Hidden cardiotoxic effects of mRNA-1273 and BNT162b2 on ventricular myocyte function and structure (5)📚 Adverse effects of COVID-19 vaccines and measures to prevent them (6)📚 Innate immune suppression by SARS-CoV-2 mRNA vaccinations: The role of G-quadruplexes, exosomes, and MicroRNAs __ __ __ __ __ __ __ __ (1)📚 COVID-19 vaccine adverse events: Evaluating the pathophysiology with an emphasis on sulfur metabolism and endotheliopathy Publikacja jest przeglądem narracyjnym, czyli rodzaje analizy, która ma celu podsumowanie i omówienie aktualnego stanu wiedzy na dany temat. Nie wchodząc w szczegóły — praca jest próbą wyjaśnienia, skąd biorą się powikłania po szczepieniach. Całość jest logiczna, ale nadal opiera się na przypuszczeniach i spekulacjach. W badaniu pojawia się co prawda zdanie „Ryzyko związane z terapią genową i szczepieniami może przewyższać potencjalne korzyści”, ale nie ma ono żadnego potwierdzenia w danych i stanowi jedynie przemyślenie autorów. Autor nie podaje żadnych konkretnych liczb, np. jak częste są powikłania, a skupia się na próbie wyjaśnienia mechanizmu, który do nich doprowadza. Badanie NIE JEST więc publikacją, która ostrzega przed „katastrofalnymi” skutkami, bo to właśnie ich częstotliwość jest tutaj kluczem do określenia, czy są ona katastrofalne (czyli, czy powoduję więcej szkód niż pożytku). (2)📚 Autopsy findings in cases of fatal COVID-19 vaccine-induced myocarditis Autorzy zidentyfikowali 28 zgonów na całym świecie, w których w raportach z autopsji jako możliwą przyczynę wskazano poszczepienne zapalenie mięśnia sercowego. W ocenie autorów tego przeglądu, we wszystkich 28 przypadkach istniało wysokie prawdopodobieństwo związku przyczynowego ze szczepieniem. To badanie analizuje wyłącznie przypadki, w których z góry podejrzewano związek ze szczepionką. Jest to tzw. błąd selekcji (selection bias). Praca dostarcza dowodów na to, że wiązanie zapalenia mięśnia sercowego ze szczepieniem ma sens, ale nie porusza tematu skali tego zjawiska. Cennym wnioskiem, którym można wyciągnąć z analizy jest wyodrębnienie grupy, która jest narażona na to powikłanie bardziej (młodzi, aktywni mężczyźni), ale wskazanie grupy ryzyka nie ma nic wspólnego z przestrzeganiem o „katastrofalnych” skutkach. (3)📚 A Critical Analysis of All-Cause Deaths during COVID-19 Vaccination in an Italian Province Bardzo ciekawa i warta odnotowania reanaliza istniejących badań. Autorzy zarzucają innym badaniom błąd metodologiczny nazywany błędem czasu nieśmiertelnego (ITB). W największym skrócie: błąd faworyzuje grupę szczepioną, ponieważ przez pewien czas po rozpoczęciu badania osoby, które mają się zaszczepić, są „nieśmiertelne” w grupie nieszczepionej (nie mogą umrzeć jako zaszczepieni, bo jeszcze nie przyjęli dawki). Naukowcy doszli do następujących wniosków (1,00 = ryzyko zgonu dla niezaszczepionych): > 1 dawka - 2,40 > 2 dawka - 1,98 > 3/4 dawka - 0,99 Oznacza to, że najmniejsze ryzyko zgonu mieli niezaszczepieni i zaszczepieni kilkoma dawkami. Dziwne wyniki, nieprawdaż? Choć próba zwalczenia tego błędu wydaje się słuszna, to sama może prowadzić do błędu czasu kalendarzowego. Jeśli masowe szczepienia we Włoszech zaczęły się na początku 2021 roku, to szczepienia następowały w „gorącym okresie” z dużym obciążeniem systemu ochrony zdrowia i zgonów COVIDowych (na które narażeni byli także zaszczepieni). Ryzyko zgonu wśród osób młodych i zdrowych jest bardzo niskie, więc gdyby znaleźli się oni w grupie niezaszczepionych, to taka grupa miałaby niskie zagrożenie zgonem z jakiegokolwiek powodu. Masowe szczepienie dodatkowym dawkami następowało w 2022 roku, gdy śmiertelność była już niższa. To sprawiło, że zagrożenie zgonem w tej grupie zmalało. Tłumacząc na prostym przykładzie — dostajemy nowy samochód, żeby przejechać nim autostradę. Jeśli udamy się w czasie największych korków (jeśli przyjmiemy 1 i 2 dawkę w czasie fali zgonów), to przejedziemy trasę w większym czasie (odnotujemy więcej zgonów). Gdyby tym samym samochodem pokonać trasę po godzinach szczytu (czyli w czasie obniżonej umieralności, tak jak przyjęto 3 i 4 dawkę), to pokonamy trasę szybciej (z mniejszą liczbą zgonów), choć jechać będziemy tym samym samochodem. Badanie dodatkowo obarczone jest błędem selekcji. Osoby ciężko chore (a więc narażone na zgon) były szczepione w pierwszej kolejności oraz znacznie częściej od osób zdrowych. Choć autorzy badania starali się uchwycić tę zależność (przez uwzględnianie wieku i kilku chorób), to nie jest to pełni możliwe bez randomizacji. Osoba z zaniedbaną cukrzycą ma znacznie większe ryzyko od tej, która ma cukrzycę, ale dba o dietę i aktywność fizyczną. Badanie jest więc bardzo ciekawe, ale jego wnioski mogą być mylące z wyżej wspomnianych przyczyn. Gdyby więcej analiz potwierdzało taką zależność (a jest na odwrót), to byłby to znak, że faktycznie jest problem z bezpieczeństwem szczepień. (4)📚 Cardiac side effects of RNA-based SARS-CoV-2 vaccines: Hidden cardiotoxic effects of mRNA-1273 and BNT162b2 on ventricular myocyte function and structure Badanie koncentruje się na mechanizmach działania szczepionek mRNA na poziomie komórkowym, a nie na częstotliwości występowania zdarzeń niepożądanych w populacji. Celem tego badania było zrozumienie, dlaczego i jak szczepionki mRNA mogą wpływać na komórki serca, co może dostarczyć wglądu w patomechanizmy rzadko występujących, ale poważnych zdarzeń niepożądanych, takich jak zapalenie mięśnia sercowego. Zrozumienie jest ważne i pomocne, ale nijak ma się do tezy o katastrofalnych skutkach (no, chyba że samo wystąpienie ciężkich NOP jest katastrofalne, ale moim zdaniem — łącząc to z kontekstem — to bardzo naciągana teza). (5)📚 Adverse effects of COVID-19 vaccines and measures to prevent them Tym razem nie mamy do czynienia z badaniem, a komentarzem. Traktowanie listu do redakcji jako pełnoprawnego badania naukowego jest częstym źródłem dezinformacji. Dziennikarze, blogerzy lub osoby w mediach społecznościowych mogą cytować taki list, mówiąc: „naukowcy udowodnili w czasopiśmie X, że...”, podczas gdy w rzeczywistości jest to jedynie opinia lub hipoteza jednego autora, a nie wynik rzetelnych badań. (6)📚 Innate immune suppression by SARS-CoV-2 mRNA vaccinations: The role of G-quadruplexes, exosomes, and MicroRNAs W badaniu stawiana jest kontrowersyjna hipoteza, że szczepionki mRNA przeciwko SARS-CoV-2 mogą prowadzić do supresji wrodzonej odporności organizmu, a w konsekwencji do szeregu poważnych problemów zdrowotnych, w tym chorób neurodegeneracyjnych, zapalenia mięśnia sercowego czy zwiększonego ryzyka nowotworów. Autorzy sugerują, że modyfikacje mRNA w szczepionkach oraz wydzielanie egzosomów zawierających białko kolca i specyficzne mikroRNA, zakłócają prawidłowe funkcjonowanie układu odpornościowego, w szczególności sygnalizację interferonu typu I. Praca ta próbuje stworzyć spójną teorię łączącą te mechanizmy z obserwowanymi w systemach nadzoru farmakologicznego zdarzeniami niepożądanymi, argumentując, że szczepionki wywołują efekt odwrotny do zamierzonego, osłabiając naturalne mechanizmy obronne. Artykuł ten jest obarczony poważnymi błędami metodologicznymi i interpretacyjnymi, które sprawiają, że jego wnioski są szeroko odrzucane przez środowisko naukowe. Przede wszystkim, brakuje w nim solidnych, bezpośrednich dowodów eksperymentalnych na poparcie tak daleko idących twierdzeń – tezy opierają się głównie na spekulacjach i wybiórczej interpretacji istniejącej literatury naukowej. Autorzy często nadinterpretują mechanizmy komórkowe obserwowane w warunkach laboratoryjnych (in vitro), ekstrapolując je w sposób nieuzasadniony na złożone procesy w całym organizmie. Co więcej, w kluczowy sposób błędnie wykorzystują dane z systemów zgłaszania zdarzeń niepożądanych, takich jak VAERS, traktując każde zgłoszenie jako dowód na związek przyczynowy ze szczepionką, ignorując potrzebę rygorystycznych analiz epidemiologicznych i kontekstu. To sprawia, że praca ta, choć często przywoływana przez osoby argumentujące o „tragicznych skutkach szczepień”, w rzeczywistości nie dostarcza naukowo wiarygodnych dowodów na poparcie takich twierdzeń.

7/x Podsumowanie komentarza Pana Witczaka Autor komentarza na bazie 10 analiz tworzy tezę, jakoby szczepienia wiązały się z większym ryzykiem od korzyści. Dobór literatury i określeń każe sugerować, że szczepienia związane są z dużą liczbą zgonów i katastrofalnymi konsekwencjami dla zdrowia. Szczegółowa analiza badań sugeruje jednak, że w większości przypadków mamy do czynienia z kardynalnymi błędami w metodologii. Te badania, które zostały wykonane prawidłowo, nie niosą z sobą przypisanych im wniosków (np. tłumaczą mechanizm, ale nie skalę powikłań). Na tej bazie można stwierdzić, że komentarz ten stanowi zgrabną manipulację i wprowadza czytelników w błąd. Jest jeszcze jeden ciekawy wątek. Pan Witczak uparcie twierdzi, że tylko randomizowane badania są poprawne (i przyjąłem ten punkt myślenia). Ma rację, jeśli chodzi o badania wstępne. W sytuacji, gdy mamy zaszczepione miliony obywateli, możliwe i poprawne są także analizy populacyjne. Tych mamy dziś dziesiątki i niemal wszystkie dowodzą jednoznaczną skuteczność i przydatność szczepień. Pan Witczak przyjął jednak strategię pytania o to, czy są randomizowane badania z grupą kontrolą, przeprowadzone w odpowiednio długim czasie (choć analiza z Włoch już nie była RCT i nie było w tym problemu). Takich nie ma i być nie może. Dlaczego? Jeśli początkowe badania pokazały, że szczepienia są skuteczne, to dalsze okłamywanie pacjentów, że dostali szczepionkę (a nie placebo) jest nieetyczne. Z tego powodu powiadamia się o tym osoby z grupy placebo i odślepia badania. Proszenie o takie badania z dłuższą perspektywą czasową jest więc celowym działaniem, mającym na celu podważenie skuteczności szczepień. - Widzicie! Nie mają na to badań! Czyli kłamali! Wymaganie niemożliwego do spełnienia założenia, to typowa (i tania) manipulacja. Badania RCT były nastawione na skuteczność ochrony przed zakażeniem. W grupie zaszczepionej zaraziło się 8 osób, wśród niezaszczepionych było ich aż 162 (stąd 95% skuteczności szczepionki w pierwszych badaniach ;)). Badania populacyjne są zresztą złe, jeśli pokazują skuteczność szczepień. Gdy jednak chodzi o proponowane przez RFK Jr. badania populacyjne nad skutkami szczepień w USA, to już nie słychać argumentów o tym, że tylko RCT są super. Wybiórczość fajna, gdy możemy wybrać, to co chcemy.

8/x Pandemiczne mity, czyli o tym jak Putin zakończył pandemię, zabijały zamknięte szpitale, a nie COVID-19, a lockdown okazał się nieskuteczny. W najbliższych tweetach przyjrzymy się nieco statystykom z Polski, aby przeanalizować popularne teorie na temat pandemii: 🚩Pandemia COVID-19 była wydarzeniem medialnym. Wystarczył wybuch wojny na Ukrainie, aby ta się skończyła. 🚩Zgony spowodowane COVID-19 były znacznie zawyżone, ponieważ wpisywano je niezdiagnozowanym pacjentom. 🚩Nadwyżkowa umieralność w Polsce była niemal wyłącznie wynikiem zamknięcia systemu ochrony zdrowia. 🚩Lockdown nie ograniczył rozprzestrzeniania się koronawirusa. 🚩W latach 2020-2022 grypa w Polsce magicznie zniknęła, ponieważ wszędzie widziano już tylko COVID-19. Wybrałem teorie, które można sprawdzić z perspektywy danych ogólnopolskich. Nie wykażą one ilu osobom nie-COVIDowym wpisano COVID, ale powinny być w stanie wykazać, że takie zjawisko występowało i miało zauważalny wpływ na liczbę zgonów. Nie spotkałem się jeszcze z analizą tego typu, więc jeśli ktoś uważa, że jestem zmanipulowany przez TV, to z chęcią przygarnę link do telewizyjnych analiz. Zaczynamy!

9/x Nadwyżkowe zgony w Polsce cz. 1 Analizę zaczniemy od danych o zgonach w Polsce. Te są raportowane w trzech interwałach czasowych: ▪️ rocznym ▪️ miesięcznym ▪️ tygodniowym (wg normy ISO-8601) Nas interesować będę dane miesięczne oraz tygodniowe. Szczególnie drugie będą przydatne w analizie zakażeń, szczepień i zgonów, ponieważ fale COVID-19 mogły mieć szczyt na przełomie dwóch miesięcy. Jeśli chodzi o tygodniowe dla zakażeń, zgonów COVIDowych oraz szczepień, to korzystam z excelowej bazy danych przygotowanej przez Michała Rogalskiego. Obejmuje ona dane do marca 2022 roku i dlatego skupię się na analizie do końca lutego 2022 roku. Analiza obejmie więc czas najwyższej umieralności. ℹ️ Zgony w Polsce w czasie pandemii Spójrzmy na 📊 wykres 1. oraz 2. Widoczne dane charakteryzuje typowa roczna sezonowość (pomimo silnych fluktuacji, średnia ruchoma 12-miesięczna/52-tygodniowa jest stała). Kluczowe będzie więc poprawne odsezonowanie, bo inaczej poprawna interpretacja będzie niemożliwa. Postanowiłem zrobić to w prosty sposób. Przeanalizowałem liczbę zgonów w ostatnich latach (📊 wykres 3.) i zauważyłem, że w okresie 2017-2019 była ona niemal stała. Te lata posłużyły mi jako baza. Policzyłem średnią dla każdego tygodnia i miesiąca. Tak krótki okres ma wady i zalety: 🟢 Gdy trendy długoterminowe nie są dynamiczne, to można je pominąć. 🔴 Każde większe losowe odchylenie (nawet w jednym roku) może znacznie zaburzyć średnią. Może to być upalne lato lub duża fala grypy. Sama średnia będzie bardziej nękana fluktuacjami (szczególnie w danych tygodniowych).

10/x Nadwyżkowe zgony w Polsce cz. 2 Postanowiłem wygładzić dane tygodniowe przez zastosowanie trendu (w tym przypadku wielomian 6-stopnia). Uzyskałem w miarę gładki wzorzec sezonowy. Problem 53. tygodnia (tyle miał 2020 rok) rozwiązałem przez uśrednienie wartości z 52. oraz 1. tygodnia roku. Tak odsezonowane dany nie powinny zawierać systematycznie powtarzających się zmian (wzrostów/spadków), bo inaczej oznacza to, że odsezonowanie nie jest poprawne. W tym przypadku widzimy, że wygląda to całkiem w porządku. 📊 wykres 4. oraz 5. pokazują wskaźnik zgonów w Polsce. W tym przypadku 0 = średnia dla lat 2017-2019, a 1,00 oznacza wzrost o 100%. Mam jednak jeden problem z tymi danymi. Odpowiedź kryje się w danych z poprzednich lat. Średnia roczna liczba zgonów w Polsce była w latach 2012-2016 o 22,3 tys. wyższa niż w okresie od 2017 do 2019 roku. Gdy jednak porównamy średnią dla poszczególnych tygodni, to okaże się, że większość tej różnicy (11,4 tys., czyli 51%) zostało zrealizowane w ciągu pierwszych 12 tygodni. Oznacza to, że 23% tygodni odpowiada za 51% wzrostu zgonów. Ta obserwacja prowadzi nas do bardzo śmiertelnego sezonu grypowego w roku 2017 i 2018. Dane o grypie w tym okresie potwierdzają statystyki ECDC (Europejskie Centrum ds. Zapobiegania i Kontroli Chorób) z całej Europy. Uwzględnienie tych fal grypy w średniej sprawia, że uznajemy ją jako „normę”. Na początku 2020 roku grypa nie uderzyła już z taką siłą. Nie była to kwestia wpisywania jej jako COVID, ponieważ jego jeszcze praktycznie nie było. W takim wariancie mamy ujemne nadwyżkowe zgony. Gdybym obniżył wzorzec sezonowy dla wiosny, to dane pokazywałyby nadwyżkową śmiertelność zarówno COVID jak i grypy (bo jej duża fala nie byłaby normą). Właśnie dlatego dokonałem wygładzenia trendu w pierwszych tygodniach roku (korekta pojawiła się tylko dla danych tygodniowych). Trendy liczby zgonów możecie zobaczyć na 📊 wykresie 6. Z kolei dokonane przeze mnie zmiany można prześledzić na 📊 wykresie 7. Widzimy tutaj model oparty na średniej (bez poprawek) oraz ten skorygowany o nadwyżkowe fale grypy.

11/x Ile nadwyżkowych zgonów odnotowano w Polsce w latach 2020-2022? Mamy modelową umieralność. Spójrzmy ile ona wyniosła w kolejnych latach. 🔵 Według nieskorygowanych danych miesięcznych było to: ▪️2020 - 17,5% (71 tys.) ▪️2021 - 27% (110 tys.) ▪️2022 - 9,6% (39 tys.) ▪️2023 - 0,1% (0,4 tys.) ▪️2024 - 0,04% (0,1 tys.) 🔵 Łącznie daje to: ▪️2020-2021 - 181 tys. ▪️2020- luty 2022 - 220 tys. 🟡 Dla danych tygodniowych wynosi ona kolejno: ▪️2020 - 18% (73 tys.) ▪️2024 - 28% (115 tys.) 🟡 Łącznie daje to: ▪️2020-2021 - 188 tys. ▪️2020- luty 2022 - (199 tys.) Dane obrazuje 📊 wykres 8. (tygodnie) oraz 9. (miesiące). 🚩Widzimy więc, że zgony były skumulowane w trzech dużych falach nadwyżkowych zgonów (choć banalna, to bardzo ważna obserwacja!). Dane miesięczne pokazują, że pandemia, jaką znaliśmy z lat 2020-2021, skończyła się w momencie wybuchu wojny na Ukrainie (choć podwyższona śmiertelność pozostawała jeszcze przez kilka miesięcy. Mniejsze zainteresowanie mediów nie jest więc niczym zaskakującym — Polacy przestali masowo umierać, więc zupełnie naturalnie temat został wyparty przez wojnę na Ukrainie. Putin nie zakończył więc magicznie pandemii, bo liczba zgonów już w momencie wybuchu była niska. Kluczowe jest jednak pytanie — dlaczego tak się stało? Odpowiemy sobie na nie w dalszej części wątku.

12/x Masowe szczepienia a nadwyżkowe zgony Zaczniemy od teorii, którą najłatwiej obalić. Część osób forsuje tezę, że to masowe szczepienia przyczyniły się do wielkiej fali zgonów w 2021 roku. Jeśli szczepionka (nazywana także „śmiercionką” przez zwolenników tej teorii) odznaczała się wysoką śmiertelnością, to powinno być to zauważalne w danych. W połowie 2021 roku były TYGODNIE, gdy szczepiło się 2 MILIONY Polaków tygodniowo. Patrząc na dane dotyczące nadwyżkowych zgonów, dostrzegamy, że już wzrost o 1000 byłby zauważalny. Gdyby po zaszczepieniu 2 mln osób, zmarło 1000, to śmiertelność wyniosłaby 0,05%. To chyba trochę mało jak na „śmiercionkę” (szczególnie że koronawirus miał w 2021 rok do 1 do 2% śmiertelności, co daje od 5000 do 2000 zmarłych na milion zakażonych). 🚩 Wyniki? 📊 wykres 10. i 11. jasno pokazuje, że efektów szczepień próżno doszukiwać się zarówno w ciągu tygodnia-dwóch po szczepieniu (a to sugerują np. analizy cytowane przez Pana Witczaka), jak i w późniejszych tygodniach. W czerwcu zaszczepiono 9 mln Polaków. W lipcu nadwyżkowa umieralność wyniosła... 0,2 tys. Gdyby szczepienia działały od razu, to miliony zaszczepionych w czerwcu/lipcu przełożyłoby się na tysiące zgonów w czerwcu. Gdyby po czasie, to dziesiątki milionów zaszczepionych w poprzednich miesiącach sprawiłoby, że umieralność wzrosła. Szczepienia korelują z wyższą umieralnością tylko w czasie, gdy były fale COVID-19. Przypadek? :> Dane te pokazują, że liczba zgonów po szczepieniach była marginesem. Ile wyniosła śmiertelność po szczepieniu? Tego tak zagregowane dane nie powiedzą, ale wątpliwe jest, że było to więcej niż 0,05%. Może było to 0,01%, a może 0,0001%. Tego z tych liczb nie wyczytamy, ale możemy jednoznacznie stwierdzić, że słowo „śmiercionka” nie pasuje do szczepionki na COVID-19, ponieważ duże liczby nie wykazały żadnych niepokojących trendów (a wręcz po masowym wyszczepieniu nadwyżkowe zgony spadły do 0). Analiza bierze pod uwagę same zgony (bez powikłań), ale choćby świeżutkie badania z Danii (gdzie przebadano 1,5 mln zaszczepionych osób i wzięto pod uwagę 29 problemów zdrowotnych) pokazują, że dane nie dają powodu do niepokoju. 📚 Safety of JN.1-Updated mRNA COVID-19 Vaccines Wiemy zatem, że nadwyżkowe zgony są idealnie powiązane z falami COVID-19 (o czym w dalszej części wątku), ale nijak ze szczepieniami. W okresie od marca do czerwca 2021 roku liczba szczepień lawinowo wzrastała, a nadwyżkowych zgonów ubywało. Gdy w czerwcu 2021 roku szczepiono po 2 mln Polaków tygodniowo, nadwyżkowa śmiertelność była najniższa w czasie całej pandemii. W 4. tygodniu czerwca zaszczepiono 1,93 mln osób. Tydzień wcześniej było to 2,06 mln osób, a dwa tygodnie wcześniej 2,334 mln osób.

13/x Niewydolność systemu ochrony zdrowia Tutaj zmierzymy się ze znacznie sensowniejszą i popularniejszą (również wśród zwolenników szczepień) teorią, że to nie sam COVID-19, a zamknięcie szpitali przed pacjentami odpowiada za nadwyżkowe zgony. Tym razem to ja będę spierał się z oficjalnymi danymi (o zgrozo) i wskazywał na ich słabość. Oficjalnie nawet rządowe dane potwierdzają tę tezę. W zależności od zastosowanego przeze mnie modelu nadwyżkowa umieralność w okresie od marca 2020 do końca lutego 2022 (czyli równe 3 lata) można oszacować na 199-207 tys. zgonów. Oficjalne dane mówią, że zgonów COVID-owych było w omawianym okresie zaledwie 111 tys., czyli 54-56% nadwyżki. Mówiąc wprost — ponad 40% nadwyżkowych zgonów (ponad 90 tys.) wynikało z przyczyn innych niż (bezpośrednio) COVID-19. Dane te przedstawia 📊 wykres 12. Osoby podważające rządową narrację, uważają, że i ta liczba zgonów nie-COVIDowych jest niedoszacowana, ponieważ znają przypadki dopisywania COVID-19 w przyczynach zgonu, gdy lekarze nie mieli pozytywnego wyniku. Takie przypadki w czasie pandemii faktycznie występowały. Nie oznaczają one jednak z automatu, że dany liczba zgonów na COVID-19 jest przeszacowana, ponieważ: ▪️ Nie znamy skali tego zjawiska. ▪️ Nie wiemy, czy takie osoby faktycznie nie miały COVID-19 (wiemy, że oficjalnie go nie stwierdzono). ▪️ Nie wiemy ile zgonów COVID-owych nie zakwalifikowano oficjalnie do COVID. Ostatni punkt może wydawać się kontrowersyjny, ale przypomnijmy sobie, jakie były w czasie pandemii problemy z przepustowością laboratoriów. Odpowiedź na to pytanie można jednak znaleźć w dużych liczbach. Nie powiedzą one nam nic o konkretnych przypadkach, ale generalizując wszystkie zgony. Co wiemy z oficjalnych danych? W pierwszej części II i III fali (jesień 2020 i wiosna 2021) oraz w trakcie IV fali (jesień 2021) widzimy bardzo duży wyskok zgonów niezwiązanych z COVID-19. Jednocześnie w okresie przejściowym pomiędzy II a III falą widzimy zanik zgonów poza-COVIDowych (a nawet ujemny poziom). Już na pierwszy rzut oka wygląda to podejrzanie. Dlaczego zgony poza COVIDowe wzrastają nagle w ciągu kilku tygodni z poziomu 1000 do ponad 6000, by ponownie spaść w zaledwie kilka tygodni. Zmierzymy się z tezą o niewydolności systemu ochrony zdrowia, więc spójrzmy na to, jak ona funkcjonowała w trakcie pandemii. Przyjrzymy się liczbie hospitalizacji (które także mają swój sezonowy wzorzec, więc porównamy je do wartości z 2019 roku). Spójrzmy na 📊 wykres 13. i 14. ▪️ Najgłębszy spadek liczby hospitalizacji widzimy na wiosnę 2020 roku. Spadkowi nie towarzyszy wzrost liczby zgonów. Nie ma też fali COVID. ▪️ Duży spadek następuje także w okresie październik-listopad. Towarzyszy mu wzrost zgonów oraz fala COVID. ▪️ W okresie od grudnia do kwietnia poziom hospitalizacji jest w miarę stabilny (choć z lekkimi fluktuacjami), a liczba zgonów najpierw maleje (wraz z liczbą zakażeń), a potem rośnie (wraz z liczbą zakażeń). ▪️ W okresie od czerwca do grudnia poziom hospitalizacji jest względnie wysoki (powyżej 80% stanu z 2019 roku), a liczba zgonów jest stabilna (cze-paź), by gwałtownie wystrzelić w okresie listopad-grudzień (czyli razem z falą zachorowań). ▪️ Liczba hospitalizacji maleje w styczniu, ale ze spadkiem zakażeń spada także liczba zgonów. 🚩 Wnioski są dosyć jasne oczywiste — zgony i hospitalizacje negatywnie korelują z sobą tylko w okresach, gdy notujemy dużo zakażeń. Hospitalizacje nie są więc przyczynowością w sensie statystycznym — nie pozwalają przewidywać liczby zgonów. Pozwalają to robić zakażenia, ale o tym za chwilę. Falowy charakter zgonów w Polsce przy niefalowej zmienności dostępności ochrony zdrowia sugeruje, że to nie zamknięcie szpitali kosztowało nas 200 tysięcy dodatkowych zgonów. Gdyby tak było, to odnotowalibyśmy wzrost po spadku dostępności na wiosnę, czy brak wzrostu (nie-COVIDowych) zgonów pod koniec 2021 roku. 🔔UWAGA - nie oznacza to, że zamknięcie szpitali nie miało swojej ceny. Miało i płacimy ją do dziś. O długu zdrowotnym zaciągniętym w czasie pandemii mówi się zresztą bardzo dużo. Nie należy jednak wykorzystywać długu COVIDowego do umniejszania roli samego COVIDa. Dane te klarownie pokazują, że to nie zamknięcie szpitali było głównym napędzającym wzrosty zgonów w Polsce (choć na pewno kosztowało życie tysiące Polaków). Ważne jest także, aby pamiętać, że czasem było ono konieczne. Wpuszczenie COVID-19 do szpitala onkologicznego mogłoby mieć znacznie gorsze skutki od zamknięcia go na nowych pacjentów. Nie oznacza to oczywiście, że rząd robił wszystko dobrze, ale przy ocenie takich działań trzeba mieć to z tyłu głowy.

14/ Fale koronawirusa w Polsce Warto w tym miejscu przypomnieć, jakie mieliśmy fale koronawirusa w naszym kraju. W omawianym przeze mnie okresie (czyli do wybuchu wojny na Ukrainie), mieliśmy pięć fal: 🔴 I fala (wiosna-lato 2020), mało zakażeń, duże obostrzenia 🟠 II fala (jesień-zima 2020) 🟡 III fala (wiosna 2021) 🔵 IV fala (jesień/zima 2021) 🟢 V fala (wiosna 2022) Widzimy to na poniższym wykresie. Naniosłem fale zakażeń na nadwyżkowe zgony. Najgorzej było w czasie II fali. III była wyraźnie łagodniejsza. Krwawe żniwo przyniosła także IV fala. W przypadku V fali liczba zgonów była już znacznie niższa. Widzimy to na 📊 wykresie 15. i 16. Jak z naukowego faktu wytłumaczyć te fale? 🔴 Pierwsza była ograniczona w skutkach dzięki powszechnym ograniczeniom sanitarnym. To wtedy zorganizowano w Warszawie strajki przeciwko „pandemii”. Ludzie, widząc, że nie mogą robić wiele rzeczy, a zgonów nie ma, uznali, że to spisek. O tym, że zgony jednak są, przekonali się po kilku miesiącach (choć wtedy zaczęto tłumaczyć je grypą, szczepionkami, zamknięciem ochrony zdrowia — wszystkim byle nie COVID-19). 🟠 II fala była czasem większej liczby zakażeń i zgonów. Nie pomagała inne pora roku oraz wariant Alfa. 🟡 III fala nie była już aż tak śmiertelna. Akcja szczepień się zaczęła, szpitale miały wypracowane procedury, a część osób nabyło odporność po przechorowaniu w czasie II fali. 🔵 IV fala mimo większego wyszczepienia, przyniosła jeszcze więcej zgonów niż III. Dlaczego? Wtedy dotarł do Polski wariant Delta. Znacznie bardziej zaraźliwy i śmiertelny. 🟢W końcu mamy V falę — Omikrona. Gdyby uderzyła w nas na początku pandemii, żniwo byłoby bardzo krwawe. Mieliśmy jednak szczepionkę (grupy ryzyka z boosterem), ozdrowieńców oraz procedury. To sprawiło, że mimo bardzo dużej liczby zakażeń, zgonów nie było tak wiele. Zmieniał się nie tylko wskaźnik wyszczepienia, ale również warianty koronawirusa. Przedstawie je w skrócie. ➡️ Pierwotny wariant — niska transmisyjność, niska śmiertelność. 📅 Marzec 2020 - początek 2021 (fale: 🔴) 🟢 Transmisyjność* ~2,5-3,0 🟡 Śmiertelność** ~0,5-1,0% ➡️ Wariant Alfa (B.1.1.7) — średnia transmisyjność, wysoka śmiertelność. 📅 Wiosna 2021 - czerwiec 2021 (fale: 🟠🟡) 🟡 Transmisyjność ok. 4,0-5,5 🟠 Śmiertelność ok. 0,8-1,4% ➡️ Wariant Delta (B.1.617.2) — wysoka transmisyjność, b. wysoka śmiertelność. 📅 Czerwiec 2021 - styczeń 2022 (fale: 🔵) 🟠 Transmisyjność ok. 5,5-8,0 🔴 Śmiertelność ok. 1,2-1,8% ➡️ Wariant Omikron (B.1.1.529) — b. wysoka transmisyjność, b. niska śmiertelność. 📅 Styczeń 2022 - (fale: 🟢) 🔴 Transmisyjność ok. 9,0-12+ (ucieczka immunologiczna — mała skuteczność szczepień) 🟢 Śmiertelność ok. 0,1-0,3% *bazowy współczynnik reprodukcji (R₀) - ile osób w populacji bez żadnej odporności zakażała średnio jedna osoba **IFR dla ogólnej populacji — śmiertelność wśród wszystkich zakażonych, dla niezaszczepionych

15/ Prawdziwa skala pandemii w Polsce cz.1 Jest kilka możliwych wyjaśnień nadwyżkowych zgonów w czasie pandemii: ▪️ Zgony spowodowane COVID-19🔸 ▪️ Zgony spowodowane zamknięciem szpitali🔹 ▪️ Zgony spowodowane szczepionką ▪️ Zgony z innych przyczyn (wojna, wypadki, grypa, upał etc.) 🔸 Takie zgony podzielić można na dwie kategorie — osoby bez chorób współistniejących i z nimi. Ta druga kategoria od zawsze budzi dużo kontrowersji. Mamy osobę chorą na raka, która zakaziła się koronawirusem. Czy jej śmierć to COVID-19 czy rak? Nie zawsze wiemy, czy bez COVID-19 by przeżyła. 🔹 Także tutaj można wyróżnić dwa typy: osoby, którym zamknięto szpital, mimo że miał jeszcze moce przerobowe oraz osoby, które zmarły, ponieważ w szczycie fali COVID-19 lekarze i sprzęt były zaangażowane w leczenie koronawirusa. Postanowiłem nanieść szczepienia, zakażenia, zgony i hospitalizację na jeden wykres. Aby wszystko było w podobnej skali, zakażenia podzieliłem przez 60, a szczepienia przez 600. Widzimy to na 📊 wykresie 17. ▪️ Nadwyżkowe zgony bardzo dobrze pokrywają się z falami zakażeń. ▪️ Nadwyżkowe zgony nie pokrywają się ani ze zmianami w hospitalizacji ani szczepieniami. Z tymi danymi jest jednak pewien problem. Liczba zakażeń w III fali COVID-19 jest porównywalna co w Delcie. Mimo wyszczepienia milionów Polaków, Delta zbiera podobne żniwo. Inna zagadka tyczy się zgonów nie-COVIDowych. Dlaczego były one tak wysokie w kilku okresach, a w innych nie? Jest prosta odpowiedź na tę zagadki. Co robi człowiek, który ma dziwne objawy i podejrzewa u siebie COVID? Niezależnie od tego czy zamierza poddać się testowi, taka osoba sama chce wiedzieć, czy to COVID. Szuka więc objawów w Google. Co by tu wpisać, hmm — może po prostu „objawy COVID”? Z góry uprzedzam — to nie jest żaden przebłysk geniuszu, przewidywanie fali zachorowań na grypę z użyciem Google Trends było badane już wiele lat temu. Ja tylko dostosowałem metodę do COVID-19. Wyniki są rewelacyjne i wyjaśniają wiele problemów. Jeśli wyniki te są poprawne (tzn. dobrze odzwierciedlają nie tylko dynamikę, ale i wielkość populacji zakażonych), to możemy przy ich pomocy dokładnie oszacować liczbę zakażeń w Polsce. Na 📊wykres 18. naniosłem indeks wyszukiwań frazy „objawy COVID” w latach 2020-2022 (0-100, prawa oś). Teraz wszystko zaczyna wyglądać dużo lepiej. Zakażeń w drugiej i trzeciej fali było więcej niż może się wydawać. Te dane kryją w sobie dużo więcej sekretów. Spójrzmy na korelację danych z liczbą nadwyżkowych (wszystkich) zgonów. Ta jest najwyższa po przesunięciu wyników wyszukiwania o trzy tygodnie, co oznaczałoby, że zgon następował 3 tygodnie po pierwszych objawach. Podstawiłem dane nt. liczby wyszukiwań „objawy COVID” z liczbą nadwyżkowych zgonów. Wynik? R^2 na poziomie 0,737, czyli 74% zmienności zjawiska wyjaśnia zmiana indeksu wyszukiwań. Pomalowałem jednak fale na różne kolory i zauważyłem ciekawą zależność — wydaje się, że dla poszczególnych fal R^2 jest znacznie wyższy. Wydaje się to logiczne, ponieważ z czasem zmieniała się świadomość o objawach COVID (początkowo ludzie wyszukiwali z ciekawości), a dodatkowo każde 1000 dodatkowych zakażeń Delty przekładało się na inną liczbę zgonów niż w przypadku Omikrona. Mówiąc najprościej, zależność wyszukiwania/zgony zależała od szczepień czy wirusa, a te zmieniały się w czasie. Porównywanie odczytów z okresu maksymalnie kilku miesięcy powinno uczyć te dane bardziej „porównywalnymi” (ponieważ ograniczamy zmienność innych czynników). Podzieliłem więc dane i analizowałem osobno 2, 3, 4 i 5 falę. Najniższą śmiertelnością objawia się 5. fala — Omikron. Jest to najbardziej pionowa linia, czyli duża zmiana na osi Y (wyszukiwania) przekłada się na mały na osi X (zgony). 3 i 4 fala (druga Alfa i Delta) cechują się wysoką śmiertelnością. Najgorsza jest druga fala. Z czego to wynika? Choć sam wirus nie był aż tak groźny, to brak szczepień, przygotowania infrastruktury (pamiętamy te szpitale polowe?) czy procedur leczenia COVID sprawił, że to ona przyniosła najbardziej krwawe żniwo. R^2 dla każdej z fal to od 0,77 do nawet 0,98, co sugerowałoby, że ze statystycznego punktu widzenia ok. 90% zgonów można wyjaśnić liczbą wyszukiwań w Google (czytaj: zakażeniami COVID).

16/ Prawdziwa skala pandemii w Polsce cz.2 Warto jeszcze odpowiedzieć na jedno istotne pytanie — dlaczego tak wiele zgonów COVIDowych nie zidentyfikowano? Prawdopodobnie problemem była przepustowość laboratoriów w testowaniu, ale nie można wykluczyć także innych czynników (być może wiele osób obawiało się utraty zarobków?). To obszar, który należy dobrze zbadać. Swoich tez nie wymyśliłem na poczekaniu. Zainspirowało mnie kilka ciekawych statystyk. Pierwszą lampkę zapalił mi raport MZ z 2021 roku. Wynikało z niego, że w nadwyżce zgonów (względem 2019 roku) jedynie 43% zgonów było COVID-owych (swoją drogą, według moich wyliczeń było to 41,6%). Dodatkowo aż 27% zgonów miało związek z koronawirusem (tzn. pacjent go miał), ale nie zakwalifikowano go jako głównej przyczyny. Zaledwie 30% nadwyżki nie miało stwierdzonego zakażenia. Dziś uważam, że de facto takich osób było jeszcze mniej. Drugim bodźcem jest badanie Radosława Murkowskiego. W swojej pracy „Nadmierna umieralność w Polsce podczas pandemii COVID-19 w 2020 roku” badacz przyjrzał się zależności między liczbą zachorowań a nadmiarowych zgonów. R^2 z tego badania wyniosło 0,986 co sugerowała niemal idealną zależność. Badacz stwierdził, że jeśli liczba zaraportowanych przypadków zachorowań na COVID-19 wzrośnie o tysiąc, to liczba nadmiarowych zgonów będzie w tym samym tygodniu wyższa średnio o 51,4 przypadku. Dawałoby to absurdalnie wysoką śmiertelność 5,1%. To oznacza, że wykrywaliśmy w tamtym okresie kilkukrotnie mniej zakażeń niż było w rzeczywistości. Inne ciekawe dane to szacunki amerykańskich naukowców z University of Washington (covid19.healthdata.org/polan…). Gdy w 2021 roku czytałem szacunki liczby zgonów w Polsce, to byłem w niemałym szoku. Ich najnowsze szacunki sugerują, że do końca 2022 roku zmarło w Polsce z powodu COVID-19 aż 230 tys. osób (wobec 120 tys. oficjalnie). Do wybuchu wojny na Ukrainie miałoby to być 211 tys. (ps: mój „model” na bazie danych tygodniowych wskazał 207 tys. Zaskakująca zbieżność? :>). Skąd taka rozbieżność z oficjalnymi danymi? Dziś mamy szereg danych i badań, które zdają się pośrednio potwierdzać moją tezę. Trudno mi w racjonalny sposób wyjaśnić, dlaczego tak dużo nadwyżkowych zgonów miałoby się kumulować akurat w czasie szczytów zakażeń i szybko ustępować po spadku liczby nowych zakażeń w Polsce. Jeśli obniżona dostępność do szpitali zmieniała się także w czasie, gdy nie było wielu zakażeń, to dlaczego w tych okresach nie obserwujemy wzrostu liczby zgonów? Wreszcie — skoro szczepienia nie działały, to dlaczego analizy wykazują ich wysoką skuteczność? Warto przyjrzeć się np. badaniu „Nadmiarowe zgony podczas pandemii COVID-19 w Polsce i ocena skuteczności szczepień” (Błażej Kochański, Jakub Sochacki). W danych nie widać za to fali zgonów spowodowanych szczepionką. Chłodne spojrzenie na dane pokazuje również, że Putin nie zakończył magicznie pandemii (jaką znaliśmy z lat 2020-2021), a skończyła się one wraz z nastaniem Omikrona, którego śmiertelność stanowiła zaledwie ułamek śmiertelności Delty.

17/x Co się stało z grypą w Polsce? Na sam koniec chciałbym przyjrzeć się kwestii, która dziś wzbudza najwięcej wątpliwości — lockdown. Czy to skuteczna metoda powstrzymania wirusa? Cóż — proszę czytać do końca przed skomentowaniem. Jedną z najczęściej powielanych teorii jest ta, że COVID w Polsce to była grypa, którą zapisywano jako COVID. Jako dowód często słyszy się o gwałtownym spadku zachorowań na grypę w tym czasie. Doskonale prezentują to dane MZ, w których widać nagły i magiczny spadek chorób układu oddechowego na wiosnę 2020 roku oraz brak grypy w tym okresie. Problem z tymi danymi jest jednak jeden — duże spadki odnotowano także w okresie, gdy COVIDa w Polsce nie było (ani patrząc po liczbie zakażeń, ani wyszukiwań ani w przypadku nadmiarowych zgonów). Dodatkowo spadek hospitalizacji chorób układu oddechowego jest głębszy niż w przypadku innych schorzeń/chorób. To sugeruje, że tutaj faktycznie mogła nałożyć się gorsza dostępność leczenia oraz mniejsza liczba chorych. Jeśli zachorowań nie stwierdzono, a umieralność na wiosnę 2020 była niższa niż wynikałoby to z sezonowego trendu, to oznaczać może tylko jedno — ta grypa naprawdę zniknęła. A dlaczego to się stało? Ponieważ — uwaga — lockdown ogranicza rozpowszechnianie się chorób układu oddechowego. W latach 2020-2021 grypa zniknęła w całej Europie (dane ECDC). Czy Lockdown w Polsce zadziałał? Oprócz dowodów pośrednich (dla zakażeń grypy) mamy także dane COVIDowe, które jasno to sugerują. Pisałem o tym zresztą już w 2021 roku. Szczególnie dobrze widać to na przykładzie województwa warmińsko-mazurskiego, gdzie po wprowadzeniu lockdownu, nastąpiło wypłaszczenie. Tak samo zadziałało to w przypadku kolejnych regionów, gdzie wprowadzano lockdown. Poniższe wykresy idealnie ilustrują jak to działa (liczba zakażeń reaguje po ok. 2 tyg., bo już zakażeni jeszcze o tym nie wiedzą, a od zakażenia do pozytywnego testu mijało wtedy właśnie ok. 2 tygodni). Ten wykres doskonale pokazuje także jak działa słynne wypłaszczenie. W warmińsko-mazurskim, gdzie lockdown wprowadzono w pierwszej kolejności, nie było tradycyjnego szczytu liczby zakażeń, a „płaskowyż”. To szczególnie istotne w państwach ze słabym systemem ochrony zdrowia. Dlaczego? Przedstawię bardzo uproszczony model. Mamy zdolność leczenia na OIOM 1000 osób. Chorobę przeżywa 80% trafiających na OIOM. Jeśli pacjent nie trafi na OIOM, to jego szanse na przeżycie wynoszą 10%. Jeśli mamy 500 osób w stanie krytycznym, to umrze 100 pacjentów. Przy 1000 osób jest to już 200 pacjentów. Po przekroczeniu krytycznego progu, ta liczba zaczyna jednak drastycznie rosnąć. Przy 1500 jest to już 650 pacjentów! Choć jest to duże uproszczenie, to doskonale pokazuje ono, dlaczego rządzący tak bardzo chcieli wypłaszczenia liczby zgonów. Nawet jeśli zarazić miałoby się tyle samo osób, to ostatecznie liczba zgonów będzie znacznie niższa. Pandemia zresztą doskonale pokazała, że respirator jest ważny, ale bardzo ważna jest także dobrze wyszkolona kadra, która potrafi go obsługiwać. Oczywiście należy mieć na względzie koszty lockdownu. Te były gigantyczne. Upadło w Polsce tysiące przedsiębiorstw, które często nie mogły liczyć na wsparcie. Wiele osób straciło majątek życia. Choć dziś łatwo się krytykuje, to należy pamiętać, że w tamtym czasie nie wiedzieliśmy kiedy powstanie szczepionka, a nawet po jej powstaniu nie było pewne jak długo pozostanie skuteczna. Wirus za to stale mutował. W latach 2020-2022 jego śmiertelność wzrosła blisko 2-krotnie, a zaraźliwość niemal 3-krotnie. Czy mieliśmy pewność, że powstanie w końcu znacznie łagodniejszy Omikron? Moim zdaniem nie można nie doceniać zagrożenia powstania groźnych mutacji. O ile początkowo strach był zbyt duży. Uspokajałem wtedy, że nie jest to ebola, a ryzyko kryje się w mutacjach. Przyszło lato 2020, mało zgonów i dużo obostrzeń. Ludzie byli oburzeni, że ich biznesy są zamknięte, a przecież wirus nikogo nie zabija (czytałem wtedy, że zabił mniej osób niż grypa). Nie rozumieli, że nie zabijał masowo, WŁAŚNIE DZIĘKI OBOSTRZENIOM. II fala szybko zweryfikowała te twierdzenia. W kilka miesięcy zmarło o kilkadziesiąt tys. więcej Polaków niż powinno. Niezła grypa :)) Dziś z perspektywy czasu możemy jednak wyciągnąć kilka cennych lekcji. W takich sytuacjach należy skupić się przede wszystkim na grupach ryzyka. Zamykanie siłowni nie było w moim przekonaniu mądrym posunięciem. Każde obostrzenie powinno być optymalne kosztowo. Należy pod uwagę brać korzyści płynące z lockdownu (mniej zachorowań) oraz koszty ekonomiczne (a przy braku wf-u w szkołach i zamkniętych siłowniach, także zdrowotne) takich rozwiązań. Kończąc ten już i tak zbyt długo wątek (a przecież nie poruszyłem bardzo wielu tematów!) - chciałem zauważyć, że w Polsce nadal zbyt mało opieramy się na badaniach i zbyt mało ich robimy. Zbadajmy dokładniej zaszczepioną populację pod kątem specyficznych powikłań. Sprawdźmy jak trzymają się osoby z LONG-COVID i jak możemy im pomóc. Sprawdźmy, w jakim środowisku wirus rozprzestrzeniał się najłatwiej. Poprawmy wreszcie zdrowie Polaków. Gdybyśmy mieli mniej osób otyłych i z cukrzycą, to zmarłoby nas znacznie mniej. Zadbajmy o sprawność dzieci. No i najważniejsze — uczmy się weryfikować treści w sieci. Nie każda teoria spiskowa to bzdura. Samo ograniczone zaufanie do koncernów jest w dużej mierze wynikiem samej polityki tychże koncernów i afer z nimi związanych. Problem w tym, że krąży tutaj po sieci wiele sprzecznych z faktami teorii. Tutaj przede wszystkim mój apel do ekspertów i naukowców — aby brali aktywniejszy udział w debacie publicznej.

18/x Mój błąd Chciałbym też sam przyznać się do błędu. Wywołałem małą burzę po wrzuceniu zdjęcia ministra, pisząc pod nim, że wiele osób kwestionowało w tamtym czasie nawet fakt szczepienia. Tak — rację mają ci, którzy piszą, że na tej bazie nie możemy stwierdzić co dostał. Dlaczego tak napisałem? Cóż, przyczyny są dwie. Po pierwsze, źle ująłem to, co chciałem napisać. Myślałem o kwestionowaniu nawet faktu pojawienia się ministra na punkcie szczepień, ponieważ na pierwszej i drugiej dawce miał to samo polo (!). Byłem na punkcie szczepień tamtego dnia, a jako żołnierze WOT nie tylko pomagaliśmy przy kierowaniu pacjentów i czuwaniu nad osobami zaszczepionymi, ale także wspieraliśmy punkt logistycznie. Składaliśmy szczepionki, które przychodziły do nas w kartonach (w sensie plastikowe elementy, sam preparat był w lodówkach jeśli dobrze pamiętam). Na tej bazie mogłem stwierdzić, że minister dostał szczepionkę (no, chyba że WSZYSTKICH szczepiono solą fizjologiczną) i była to dawka z puli dla wszystkich. Jeśli jednak ująłem to źle, to trzeba przyznać — tutaj to ja napisałem głupotę. Dodatkowo czytałem w komentarzach, że pewien użytkownik (którego nie podejrzewam o wymyślaniu takich historii) w czasie pandemii był świadkiem nieodpowiedzialnych przypadków „szczepień” oficjeli solą fizjologiczną (do zdjęcia, bo szczepieni naprawdę byli wcześniej). W związku z tym z przykrością stwierdzam, że podważanie obecności szczepionki ma swoje uzasadnienie i to ja napisałem głupotę. Cóż — myślę, że czasem należy przyznać się do swoich błędów ;)

19/19 Podsumowanie Zdaję sobie sprawę, że wątek nie poruszył wszystkich istotnych spraw, a jedynie kilka wybranych teorii. Do wszystkiego nie mogę się odnieść z kilku powodów: ▪️ już teraz wyszło niemal 70 tys. znaków — szacun, jeśli ktoś przeczyta całość, ▪️ nie ma tyle wolnego czasu, a nikt mi nie płaci za te treści, ▪️ nie mam wiedzy na każde tematy. Mogę odnieść się do ogólnych kwestii lub zinterpretować statystyki, ale nijak nie znam się na wirusologii czy mikrobiologii. O ile część rzeczy może jeszcze dosyć łatwo znaleźć w sieci (bo są opracowania naukowców na ten temat), to w przypadku części krążących po internecie teorii, potrzebna będzie już własna (i często bardzo szczegółowa i techniczna) wiedza. Mam jednak nadzieję, że tematy, które poruszyłem, wyjaśniłem klarownie i merytorycznie. Samo redagowanie zajęło mi kilka godzin, nie mówiąc o tworzeniu wykresów i opisu tych danych. Tak jak wspomniałem na początku — nie poruszę już więcej teorii, bo nie mam na to zwyczajnie czasu (ten wątek zajął lekko ponad 20 godzin). Z uwagi na objętość tekstu, proszę także o wyrozumiałość w kwestii literówek i drobnych błędów (mam nadzieję, że tylko drobnych...) Będę wdzięczny za feedback — pozytywny jak i negatywny, o ile będzie on merytoryczny. Niezależnie od poglądów, wierzę, że 99% ludzi nie ma złych intencji i gorąco wierzy, że działają w imię prawdy. Z tą myślą Was tutaj zostawiam :)) Dobrego dnia!