Die Schweizer ExpressZeitung berichtet: Wie man mit Statistiken täuschen kann, ohne explizit zu lügen! «Glaube keiner Statistik, die du nicht selbst gefälscht hast», lautet ein geflügeltes Wort im Zusammenhang mit Statistiken.
Leider ist dieser Satz mehr als nur ein pauschales Vorurteil. Demjenigen, der mit der Präsentation von Daten eine bestimmte Absicht oder bestimmte Interessen verfolgt, stehen zahlreiche Möglichkeiten zur Verfügung, die Aussage einer Statistik in seinem Sinne zu beeinflussen. Nachfolgend ein paar Aspekte, die es bei der Beurteilung solcher Statistiken zu beachten gilt.
Einfluss der Erwartungshaltung auf die Diagnose
Neben grafischen Verzerrungen werden Statistiken vor allem durch eine Verfälschung der Datengrundlage negativ beeinflusst. Ein einfaches und relativ leicht nachzuvollziehendes Beispiel: Solange es keine Masern-Impfung gab, wurden alle Kinder mit einem typischen Masernausschlag auch als Masern diagnostiziert.
Sobald jedoch die Impfung eingeführt wurde, war die Diagnose für die Ärzte komplizierter. Da die meisten Ärzte an die Wirksamkeit der Impfungen glaubten, kamen sie gar nicht auf die Idee, bei gegen Masern geimpften Kindern die Masern zu diagnostizieren. Sie taten dies nur noch bei ungeimpften Kindern (Aluminium in Impfungen: Fehlende Sicherheitsstudien aus ethischen Gründen).
Bei den geimpften Kindern diagnostizierten sie dann Krankheiten, die auch die typischen Symptome von Masern aufwiesen, z. B. Scharlach, Windpocken, Neurodermitis etc. Selbst wenn ein Arzt bemüht ist, sich nicht von seiner Erwartungshaltung leiten zu lassen, wird das Wissen um den Impfstatus seiner Patienten seine Diagnose beeinflussen.
Darüber hinaus wird der Arzt von heute während seiner Ausbildung und von den Gesundheitsbehörden geradezu ermuntert, bei der Diagnosestellung den Impfstatus mit einzubeziehen. Dies hat zur Folge, dass bei Einführung einer Impfung allein schon durch diese Erwartungshaltung bzw. durch dieses Vorurteil bestimmte Diagnosen seltener gestellt werden als vorher (Salvini schafft umstrittene Impfpflicht in Italien ab).
Damit haben wir unter Umständen eine sich selbst erfüllende Prophezeiung: Die Erwartung eines Impfnutzens führt zum Beweis des Nutzens.
Unterschiedliche Datengrundlage vorher und nachher
Ein weiterer Aspekt, der in offiziellen Statistiken gerne übersehen wird, ist die Vergleichbarkeit der Daten vor und nach Einführung der Impfung. Jede Änderung der Erfassungskriterien, der Meldekriterien und der Falldefinitionen muss automatisch einen Einfluss auf die Anzahl der gemeldeten und erfassten Erkrankungen und Todesfälle haben (Der Beweis: Bevölkerungsreduzierung durch Impfungen (Videos)).
Wenn z. B. die Falldefinition vorher auch leichtere Fälle einschloss, danach jedoch nur noch schwerere Fälle gezählt wurden, so muss die Kurve natürlich fallen. Wenn gleichzeitig auch eine Impfung eingeführt wurde, kann die Ursache für den (statistischen) Rückgang fälschlicherweise der Impfung zuerkannt werden.
Einer entsprechenden Manipulation kommt man am leichtesten auf die Spur, indem man sich von der eigentlichen Diagnose löst und überprüft, wie sich die Erkrankungsrate aller Fälle mit einem entsprechenden Symptombild – unabhängig von der Diagnose – entwickelt hat (Putin will weltweit erste Sicherheitsuntersuchung für Impfstoffe).
Die Diagnoseverschiebung
Wenn z. B. eine Influenzaimpfung eingeführt wird und diese wirksam ist, dann sollte nicht nur die Rate der Influenzapatienten sinken, sondern gleichzeitig auch die Summe aller Erkältungskrankheiten (z.B. bakterielle Infektionen) – unabhängig von der Diagnose. Ändert sich die Gesamtzahl nicht spürbar, dann liegt es nahe, dass hier einfach eine Diagnose durch eine andere ersetzt wurde (Vorsicht: ansteckende Geimpfte – so groß sind die Impfrisiken! (Video)).
Dieses Vorgehen nennt sich «Diagnoseverschiebung». Hier kommen wir nun zu dem Phänomen der sogenannten «Erregerverschiebung». Von Erregerverschiebung spricht man dann, wenn die Anzahl der Erkrankten mit der Diagnose «Infektionskrankheit Erreger A» sichtbar zurückgeht, die Gesamtanzahl der Erkrankungen sich jedoch nicht ändert, weil gleichzeitig die Diagnosen «Infektionskrankheit Erreger B» zunehmen, wobei beide Erreger «A» und «B» für die gleichen Symptombilder verantwortlich gemacht werden. Solche angeblichen Verschiebungen können verschiedene Ursachen haben, z.B. eine Diagnoseverschiebung (Enthüllt: Medizinische Sensation – Impfungen „unnötig“).
Zusammenfassend gibt es also eine ganze Reihe von Aspekten, die man bei der Beurteilung von Statistiken im Auge behalten muss. Insbesondere eines ist abschliessend wichtig zu wissen: Der Kurvenverlauf vor Einführung der Impfung lässt eine Aussage darüber zu, dass er definitiv nichts mit der Impfung zu tun haben kann.
Fällt also die Erkrankungshäufigkeit bereits vor der Impfung, kann diese Entwicklung nicht an der Impfung gelegen haben. Der Umkehrschluss, dass der Kurvenverlauf nach Einführung einer Impfung eine Aussage über einen Zusammenhang mit der Impfung erlaubt, ist jedoch verkehrt (Universität verabreichte über tausend Babys Versuchs-Impfstoff, obwohl Affen in Tests nach kurzer Zeit starben).
Denn es gibt es eine ganze Reihe von Faktoren, die neben der Impfung selbst – den Kurvenverlauf beeinflussen können. Hier muss also stets sehr genau hingesehen werden.
Auszug aus der Express Zeitung Nr. 18, S. 23 f. – Autoren: Tilman Knechtel, Hans Tolzin
Literatur:
Das Geschäft mit den Impfungen
Quellen: PublicDomain/expresszeitung.com am 18.10.2018
