3/ Als erstes fällt auf das keine zeitliche Abgrenzung genau definiert wird.
Die 8. KW ist die noch nicht beendete Woche.
WTF - worauf bezieht man sich hier.
4/ Es bleiben 2 plausible Möglichkeiten für die Daten, die akkumuliert für 8 bzw. 2 Wochen berichtet werden.
- Wochenende Mittwoch (23.2).
- Kalenderwochen 52-07 (bzw. 06–07)
Welcher Praktikant war hier am Werk?
5/ Das schlecht dokumentiert Bild in (1/) verleitet den Leser anzunehmen das wir in der zuletzt berichteten Woche 14#Covid19 Patienten auf #ITS hatten in #RLP.
Aber Achtung „aufgrund Covid19“.
Die #Querdenker Formulierung die jeden Arzt/Pfleger auf #ITS zur Weißglut bringt.
6/ Nochmal für @LUArlp erläutert.
Wenn ein Patient aufgrund der Krankheitsschwere auf #ITS ist, dann ist „aufgrund“ und „mit“ egal, da eine weitere wesentliche Belastung im Ergebnis den Tod des Patient bedingt.
„Leider hat ihr Vater/Mutter eine weiter Komplikation: Grippe, …“
7/ „Ja – aber wir wollen die Belastung der #ITS durch #Covid19 messen.“
Nein macht ihr gerade nicht. Jeder #Covid19 infizierte Patient erfordert Hygiene/Absonderungmaßnahmen um die anderen höchst vulnerablen #ITS Patienten nicht zu gefährden.
8/ Finden wir Daten für einen Wochenzeitraum im Wochenbericht?
Nein - das beste was wir finden sind #ITS *aufgrund* #Covid19 für „letzte 2 Wochen incl. laufender Woche“ - WTF (→ 4/)
Siehe S. 7 lua.rlp.de/fileadmin/lua/…
9/ Also keine Daten für (laufende KW08) sondern für ?? Tage?
Aber sind die wenigstens passend und plausibel?
„an das LUA übermittelte Meldungen mit fehlender Angabe zum Impfstatus wurden von der Analyse ausgeschlossen“
Dieser Filter ist im Bild nicht erwähnt.
10/ „Macht nichts – der Fehler ist vernachlässigbar“
Schauen wir zuerst in die Spalte „PCR pos. Fälle mit Symptomen“ (mit Filter 9/).
In 2 Wochen nur 2106 bestätigte Infektionen – mit bekanntem Impfstatus.
Wie hoch ist der „Verlust“ durch „Impfstatus-Filter“?
11/ Es reicht auf die Tagesmeldung von gestern zu schauen.
WTF: 8 Tsd. statt 2 Tsd.
Faktor: ~4
Da aber 14 Tage in Wochenbericht
Faktor: 14*4 = 56
Bei so einer Selektion einfach statistisch extrem Grenzwertig (Dies ist ein wohlwollender Euphemismus).
12/ Ein solch „willkürlicher“ Datensatz neigt zu extremer Streuung. Ein Anstrich von Seriosität wäre gewahrt wenn sie die 3. Gruppe (unklarer Impfstatus) bei den Kennzahlen mit ausweisen würden.
Cherry-Picking bei Statistik ist ****
13/ Zum Glück gibt es auch unabhängige vertrauenswürdige Datenquellen, die öffentlich zugänglich sind. → Divi Intensivregister intensivregister.de
13/ „Ja wir haben aber nur die gemeint dies sich in den letzten 2 Wochen infiziert haben und nun auf Intensiv sind“.
Nein jetzt verliere ich die Lust. Wenn dies zutreffen würde, kann es kein Fehler sondern nur absichtliche #Desinformation sein.
Der #Meldeverzug wäre extrem.
14/ @LUArlp@MWGRLP@clemenshoch
Solch eine Kommunikation wie im kritisierten Tweet bedarf der Richtigstellung.
15/ Besser hätten sie die Inzidenz von hochbetagten Ü90 in den Mittelpunkt gestellt.
Hospitalisierung bis Tod haben in dieser vulnerablen Gruppe schon bei Grippe extreme Folgen.
Eine #Inzidenz von 839 ist erschreckend fatal, d.h. tödlich.
Der Anstieg erfolgt in ähnlich steilen Tempo wie vor Wochen die Inzidenzen der anderen Altersgruppen. In einer Woche Anstieg um 80% von 297 auf nun 532.
1/ #Faktencheck zu Betrug im Testcenter – etwas Mathematik ;-)
Spoiler: 0 Prozent ist nicht hinreichend als Beweis für Betrug/Qualitätsprobleme, aber ein „Verdachtsfall“.
Über einen Zeitraum von mehr als 10.000 Tests jedoch schon ein starker Hinweis – Fehlurteil dennoch möglich.
2/ Eingangswahrscheinlichkeit für positive Tests korreliert mit der Inzidenz.
Diese müssen wir um die Dunkelziffer korrigieren. Der Faktor 3 ist eine gute, aber derzeit unterschätzender („im Zweifel für den Angeklagten“) Wert.
Im folgenden setze ich Inzidenz 1000 (i:=1%).
3/ Weiterer Parameter ist die Sensibilität es Tests.
Hier sind 2 Faktoren: 1. theoretische Sensibilität auf Basis von Zellkulturen und aktueller Variante
Siehe link.springer.com/article/10.100… – ich wähle s := 30% 2. Anwendungsqualität
Die real erreichbare Sensibilität.
Freie Betten nach @DIVI_eV Intensivregister:
Kreis: 1,00 je Station
Region Mittelrhein-Westerwald: 25,51%, 2,52 je Station #Covid19 Anteil: 11,86% [RLP: 9,21%]
Bei einer Inzidenz von ~1000 scheint die Messkapazität gesättigt zu sein.
Die wahre Inzidenz wird weit höher liegen.
Tendenzen sind IMHO erst bei einer Inzidenz im ø des Landkreises von unter 900 ablesbar – bis dahin: Messnebel durch beschränkte Testkapazitäten. #DontLookUp
Freie Betten nach @DIVI_eV Intensivregister:
Region Mittelrhein-Westerwald: 28,09%, 2,73 je Station #Covid19 Anteil: 12,38% [RLP: 9,05%]
Auf Intensivstation im Kreis: 0
Bei einer Inzidenz von ~1000 scheint die Messkapazität gesättigt zu sein.
Die wahre Inzidenz wird weit höher liegen.
Tendenzen sind IMHO erst bei einer Inzidenz im ø des Landkreises von unter 900 ablesbar – bis dahin: Messnebel durch beschränkte Testkapazitäten. #DontLockUp
3/ Für Schattenfamilien und andere die sich vor einer Infektion mit #Covid19 schützen wollen ist der #FreedomDay ein Albtraum.
Die Isolation (und die psychischen Auswirkungen!) werden hierdurch nur höher.
Psychische Auswirkungen steigen, wenn die Situation Alternativlos wird.