Sprookje

In 1982 vond de Britse regering  dat Engelsen niet voldoende beseften dat er een ‘computer’-revolutie aan de gang was. Dus moest de BBC ook een TV-serie produceren. Maar daarvoor moest een ‘computer’ worden gebouwd, die bepaalde kunstjes moest kunnen uitvoeren. Die opdracht ging naar Acorn, een dreumes die pas drie jaar bestond. Die belde en schreef – internet en e-mail bestond nog niet – naar Intel in Californië,  de wereldleider in de productie van CPU’s, central processing units.  Maar Intel nam de telefoon niet op. Dus ontwierp Acorn zijn eigen chip. Die was best goed omdat hij weinig energie verbruikte en weinig hitte produceerde. Dat werd opgemerkt door Apple. Die wilde namelijk een soort draagbare computer maken – de Newton – en je wilt niet een computer die te heet is om vast te pakken…. Nou ja, de Newton flopte in 1993 maar Apple bleef het ontwerp gebruiken en etc – het basisontwerp van Acorn zit nu in de meeste smartphones en game consoles in de hele wereld, en het bedrijf heet nu ARM.

Een paar prachtige verhalen voor onder de Kerstboom, aangedragen door mijn favoriete nieuwsbrief The Browser.

‘Hoe werkt het brein van een schaker?

Siberië is buitengewoon tevreden over klimaatverandering;

en podcast: Tyler Cowen doet een lang interview met oud-CIA-directeur John Brennan over van alles, inclusief UFO’s.

Zelfrijdend kantoor

Toyota wil toch een zelfrijdend busje gaan produceren, dat in de markt wordt gezet als rijdende winkel of kantoor. Het glazen rijdende huis werd al in 2018 als concept onder de naam e-Palette op de Consumer Electronics Show gepresenteerd. Hij is groot genoeg voor 20 passagiers, als er stoelen in moeten. Het was de bedoeling dat hij tijdens de Olympische Spelen afgelopen zomer in Tokio ingezet zou worden. Twaalf exemplaren zouden als een busdienst op vooraf geprogrammeerde routes rijden.

Toch EV  van Apple

Apple wil zich toch in de markt voor elektrische personenauto’s storten. In 2024 moet het model productieklaar zijn. Gebaseerd op een nieuwe accu-technologie, met batterijen van lithium ijzerfosfaat, die veiliger is. Los hiervan staan plannen om zelfrijdende auto’s te maken. De ambitie van Apple lijkt zich nu te richten op het ontwikkelen van de software, die bestaande modellen, van andere fabrikanten, deels of geheel zelfrijdend kan maken

Vaccinvragen

Lezer A. Kaizer stuurde antwoorden op veel gestelde vragen, op basis van eigen onderzoek. Bijv. de vraag ‘Waarom moet ik mij laten vaccineren? Ik ben jong en ik loop weinig risico.’  Of: ‘Deze vaccinontwikkeling gaat wel erg snel, is dat niet verdacht?’ Kaizer heeft 45 jaar bij Philips Research gewerkt.

Waarom vaccineren?

Waarom moet ik mij laten vaccineren? Ik ben jong en ik loop weinig risico.

Daarvoor zijn er twee redenen:

1. Een is dat het vaccin niet alleen besmetting voorkomt, maar dat het ook voorkomt dat je een ander besmet en transporteert naar risico groepen. Dat is erg belangrijk voor het stoppen van de asymptotische (zonder klachten) besmettingen. En dat is een belangrijk signaal dat ook jongeren echt gevaccineerd moeten worden.
2. Medici in de US hebben gevonden dat 2/3 van die asymptomatische jongeren zonder echte klachten wel ernstige longschade (littekenvorming) heeft! Dat is geconstateerd met longfoto’s. Zie https://www.youtube.com/watch?v=ps5IjEmtK0E&feature=youtu.be
   Op latere leeftijd gaat dit wel klachten geven. Het is voor velen een onbekend effect, maar het is natuurlijk niet standaard dat je een longfoto maakt bij jongeren zonder klachten.

Hoe weet ik dat zo een vaccin wel veilig is?

Ook hier zijn er meer redenen:

1. Dat weet men omdat de basis (platform) voor dit vaccin al sinds 1990 in gebruik is voor andere vaccins die zijn goedgekeurd (Ebola, Sars, Mers, etc). Dus er is veel ervaring met dit type vaccin en dit soort virussen.
2. De belangrijkste vaccins (Pfizer/BioNTech, Moderna, CureVac, Oxford/AstraZeneca, Janssen/Johnson) gebruiken niet een verzwakte vorm van het virus, dat was vroeger wel eens oorzaak van problemen. Zij gebruiken alleen een stukje eiwit, dus niet een volledig virus.

Deze vaccinontwikkeling gaat wel erg snel, is dat niet verdacht?

1. Waarom gaat deze vaccinontwikkeling zo snel? Het is een bestaande vaccin basis die je hergebruikt. Men heeft veel kennis van en ervaring met aanverwante virussen (Sars, Mers, etc.) en hun vaccins. Daarmee weet je meteen waar je zo een nieuw virus kunt aanpakken, wat veel snelheid geeft. En iedereen -honderden mensen- heeft alle andere werk gestopt en is ingezet bij deze vaccinontwikkeling
2. Niet alle werk gebeurt achter elkaar, maar ook parallel waar dat kan. Dat geldt voor de laboratoria, maar ook voor de onafhankelijke toezichthouders die een vaccin moeten goedkeuren. Bij die toezichthouders zijn heel veel deskundigen vrijgemaakt en die  deskundigen zijn al vroeg begonnen om mee te kijken en de resultaten van eerdere fases al te beoordelen.
   Normaliter begint de toezichthouder pas als alle testen afgelopen zijn en alle resultaten gedocumenteerd zijn. Ook werkt men dan met een beperkt aantal deskundigen.
3. De fase3 proefperiode wordt veel sneller doorlopen door het grote aantal besmettingen in de proefgebieden

Waarom maakt men vaccinatie dan niet verplicht?.

1. Dat is inderdaad een discussie, omdat bij besmetting veel zeer ernstige complicaties optreden waarbij mensen lang of blijvend ernstige klachten houden of invalide worden.
   Bij verplichte vaccinaties denkt men nu nog aan terroristische biologische aanslagen of bijvoorbeeld Ebola, waarbij meer dan 50% van de besmette personen overlijdt. Maar met de combinatie van ernstige ziektes, overlijdens en maatschappelijke ontwrichting komt die discussie dichterbij.

Maar vaccineren is toch een persoonlijke keuze?

1. Het gaat hier niet alleen over een persoonlijke keuze, want met vaccinatie weigeren breng je ook anderen in gevaar!
   Dat is voor veel mensen een nieuw gezichtspunt, maar vergelijk het met roken.
   Roken is in eerste instantie  een persoonlijke keuze, maar als je anderen laat meeroken dan breng je ze echt in gevaar. Dus dan mag je zeker ingrijpen.
   Die maximale persoonlijke keuze als heilig ideaal is een beetje in de mode, maar je leeft in een maatschappij met veel anderen en daar mag je de boel niet verstieren met je gedrag. Enige loyaliteit en goed burger gedrag mag je dan best vragen.

Wat is verplichte vaccinatie?

Dit onderwerp geeft nogal wat discussie, maar vaak ontbreekt dan de nodige nuance.
Dan bedoel ik het verschil tussen verplichte vaccinatie en gedwongen vaccinatie.
Een eenvoudig voorbeeld kan dit verduidelijken:

In Nederland hebben we de afspraak om op wegen aan de rechterkant te rijden. En als iemand toch links blijft rijden, dan breng je anderen in gevaar en zijn er sancties. Maar er komt geen zware politieauto met een koeienvanger die je met geweld weer naar rechts drukt!
De sancties zijn:

• De linksrijder krijgt een boete,
• Als de linksrijder schade heeft veroorzaakt, dan moet dat vergoed worden,
• En bij aanhoudend linksrijden dan zijn er beperkingen: je raakt het rijbewijs kwijt.

Bij een vaccinatie verplichting is dat niet anders. Bij weigering komt er niet zomaar politie die je met drie man vasthoudt en een spuit in je arm drukt. Maar omdat je toch anderen in gevaar brengt, zijn er sancties:

De sancties zijn:

• De vaccinatie weigeraar krijgt een boete,
• Als de weigeraar aantoonbare schade heeft veroorzaakt, dan moet dat vergoed worden,
• En bij aanhoudende weigering dan zijn er beperkingen: je hebt geen toegang meer tot bioscoop, voetbalstadion, enzovoort.

Nederland heeft wel een wet gedwongen behandeling. Die geldt in bijzondere omstandigheden als je bijvoorbeeld jezelf of anderen in gevaar brengt. Ingrijpen in de persoonlijke integriteit geldt als zeer zwaar en is met de nodige voorzorgen omgeven.

Het is een uiterste redmiddel waarbij de rechter zich moet overtuigen van de noodzaak en toestemming moet geven. Bij infectie ziektes geldt dit alleen voor enkele duidelijk omschreven gevallen.

Vragen over vaccins

Inhoudelijke maar toegankelijke informatie over de verschillende vaccins vindt u op de website van de Koninklijke Nederlandse Vereniging voor Microbiologie:

https://www.knvm.org/vaccinologie/covid-19

Herstel-NL

Een groep van 15 Nederlandse hoogleraren – economen en artsen en zorgmanagement deskundigen – pleit onder de kop ‘Herstel-NL’  voor een ‘risicogestuurd’ beleid. Kortweg: reken nou eens door wat verschillende beleidsopties kosten. Dat leidt tot de conclusie: lockdown werkt niet, groepsimmuniteit duurt te lang. Beide afgewogen tegen de kosten. Dus, stellen zij voor: bescherm kwetsbaren beter (ook financieel) en laat de minder kwetsbaren meer vrij.

Zij vragen het kabinet om met argumenten te komen voor het huidige  strenge lockdown-beleid. Terugkerend thema: vertel waarom je doet wat je doet.

En verder ...

Een paar prachtige verhalen voor onder de Kerstboom, aangedragen door mijn favoriete nieuwsbrief The Browser: ‘Hoe werkt het brein van een schaker?;’   Siberië is buitengewoon tevreden over klimaatverandering;  en Tyler Cowen doet een lang interview met oud-CIA-directeur John Brennan over van alles, inclusief UFO’s.

Hoor en wederhoor (finaal)

‘Hoor en wederhoor’ leverde veel nieuwe vragen op. Die kon ik niet beantwoorden. Ik heb ze opnieuw aan het RIVM voorgelegd. Vrijdagavond 19:45 kwam een mail binnen, waarin modelleur Jacco Wallinga antwoorden op de vragen gaf. Bijgaand (hieronder) de complete tekst, vragen en antwoorden. Ik heb Wallinga’s antwoorden gecursiveerd.

Mijn samenvatting: Wallinga erkent dat de R-berekening op basis van testuitslagen scheef kan lopen als er in korte tijd (vier dagen) een sterke toe- of afname is in het aantal tests. ‘Om die reden doen we allerlei extra analyses achter de schermen om te zien of de berekende Rt niet teveel uit de pas loopt met de werkelijkheid. Zo berekenen we Rt ook met ziekenhuisopnames en met IC-opnames, en hebben we rond de overgang naar asymptomatisch testen de Rt ook nog berekend nadat we de asymptomatische mensen uit de data gehaald hadden,’ schrijft hij. Dit en nog veel meer gedetailleerde antwoorden hieronder.

[vraag lezer]

Ik las het artikel inzake de manier van communiceren van Maurice de Hond met daarbij het verweer van het RIVM. Als ik alleen dit artikel lees: https://www.maurice.nl/2020/12/17/reconstructie-hoe-nederland-de-lockdown-in-werd-gemanipuleerd/ – dan zie ik een koppeling van de tests aan de eerste ziektedag en daarbij de conclusie dat de R nog steeds volgt uit het absolute aantal tests. Dat terwijl het percentage positief getesten daalt. Dus los van de toon van Maurice de Hond, heeft hij het echt bij het verkeerde eind? Ik kan er niet echt wijs uit worden, anders dan dat ik zijn antwoord kan volgen en het antwoord van het RIVM voor mij onvolledig / niet precies genoeg is. Ik ben simpelweg op zoek naar iets van ‘waarheid’ in deze data chaos.

Ik verneem graag.

Antw: Rt wordt berekend met het aantal positieve tests. Omdat Rt grofweg wordt berekend als “# nieuwe ziektegevallen op dag 4″/”aantal nieuwe ziektegevallen op dag 0” kan dit bij verandering van testbeleid tijdelijk een verstoring geven. Om die reden doen we allerlei extra analyses achter de schermen om te zien of de berekende Rt niet teveel uit de pas loopt met de werkelijkheid. Zo berekenen we Rt ook met ziekenhuisopnames en met IC-opnames, en hebben we rond de overgang naar asymptomatisch testen de Rt ook nog berekend nadat we de asymptomatische mensen uit de data gehaald hadden. Bij de toelichting op de cijfers wordt dit ook uitgelegd.

Wij begrijpen de antwoorden en definities van het RIVM niet. Laat het RIVM een voorbeeld geven van recente dagen hoe de berekening tot stand kwam.

Welke teller, welke noemer en waar staan de getallen voor?

Hoe speelt de groep besmette asymptomatische mensen  in deze berekening mee?

Antw: het principe van de berekening is “Rt op dag 0” =  “# nieuwe ziektegevallen op dag 4″/”aantal nieuwe ziektegevallen op dag 0”. Maar in werkelijkheid is het complexer omdat mensen niet exact op dag 4 na eigen besmetting anderen infecteren, en omdat veel van de meest recente gevallen nog moeten worden gemeld, en omdat van sommige gemelde gevallen de eerste ziektedag niet bekend is, en omdat sommige mensen niet ziek worden (asymptomatisch). Hoe we hier precies allemaal mee omgaan, is beschreven in wetenschappelijke publicaties, gemeld op de website van het RIVM. Van asymptomatische personen wordt aangenomen dat de tijd tussen infectie en testafname gemiddeld hetzelfde is als voor mensen met symptomen, waardoor ook zij kunnen worden meegenomen in de analyse.

Ik snap toch de reactie van het RIVM niet helemaal. Of je nou de positieve testen an sich neemt, of eerste ziektedag, er wordt toch nog steeds niet gecorrigeerd voor een toename in het aantal testen?  In een artikel van De Hond van 14 december gebruikt hij overigens wel “positieve testen op basis van eerste ziektedag” https://www.maurice.nl/2020/12/14/foute-beslissingen-op-verkeerde-data/. In dit licht ben ik eigenlijk wel benieuwd naar de reactie van Maurice de Hond op de reactie van het RIVM.

Verder begrijp ik totaal niet waarom het zogenaamde R getal nou zo interessant is, het klinkt allemaal heel wetenschappelijk… Maar het is in weze niets anders dan “het stijgt” of “het daalt” (en de berekening kan iedere basisschool leerling doen). Raar ook dat het RIVM dit eerst doet op basis van ziekenhuisopnames (betrouwbaarder) en nu blijkbaar op basis van aantal positieve testen (afhankelijk van hoeveel je test)

RIVM geeft zelf ook data over de door hun geschatte prevalentie onder de bevolking (door serologisch onderzoek naar antistoffen). Daar zie je juist een consistente afname zie onderstaande grafiek, dit is dus totaal niet te rijmen met toename positieve tests (die dus vooral is toegenomen door meer testen). Niet door toename in positieven (En dit is note bene data van RIVM zelf!

Verder is het vreemd dat het RIVM/GGD meer asymptomatische mensen wil gaan testen. Met een zeer lage prevalentie, zullen daarmee het aantal ‘vals-positieven’ gigantisch oplopen. Zelfs bij een zeer specifieke PCR test van 99% (in de praktijk halen ze dit vaak niet eens) is de kans dat je niet ziek bent maar toch (vals) positief wordt getest groter dan 50%! (Zie figuur) En zon positieve test is ingrijpend, je mag namelijk 10 dagen niks meer, niet werken, geen contact met andere mensen, niet reizen. Bij zo iets ingrijpends moet een test toch betrouwbaar zijn? En volgens het RIVM is de prevalentie op dit moment zelfs minder dan 1% dus het aantal vals positieven nog groter. Ik vind dit allemaal echt onbegrijpelijk…

Antw veel overlap met vorige vragen, bijv over toename in aantal testen.

De oorspronkelijke berekening met ziekenhuisopnames was betrouwbaarder omdat destijds van alle ziekenhuisopnames de eerste ziektedag werd gemeld (door het ziekenhuis, waar de patienten voor het eerst positief werden bevonden). Sinds verruiming van het testbeleid is dat niet meer zo, omdat veel mensen als ze in het ziekenhuis komen al bekend positief zijn. Het ziekenhuis meldt dan niet meer aan het RIVM. Ziekenhuizen melden nog wel aan stichting NICE, maar daarbij wordt geen eerste ziektedag doorgegeven. Ook daarmee berekenen we een Rt (als check op de Rt op de website), met als voordeel dat alle patienten erin komen, maar als nadeel dat we de eerste ziektedag niet weten. Zo heeft elke databron en methode voor- en nadelen en bekijken we zoveel mogelijk voor het best mogelijk beeld.

De PCR-test is veel specifieker dan 99%, anders zouden we inderdaad in de problemen komen. Dat blijkt onder meer uit data uit de zomer, waar groepen van duizenden mensen in gebieden met weinig viruscirculatie allemaal negatief bleken, of soms 1 of 2 positief. Met een specificiteit van 99% zou je altijd tientallen (vals)positief moeten krijgen.

Dankjewel. Om te beginnen, ik zit beslist niet in de fanclub van De Hond.

Je schrijft: ‘Immers: het RIVM vergelijkt niet het absolute aantal positieve gevallen in november met het aantal gevallen in mei; maar de verhouding tussen ziekenhuisopnames op dag x met ziekenhuisopnames op dag x-5.’

Iets verderop schrijf je, op basis van de mailwisseling met Wallinga: ‘De berekening van R is bij benadering de breuk: aantal meldingen met eerste ziektedag 5, gedeeld door het aantal meldingen met eerste ziektedag 1.‘

Correct me if I’m wrong, maar daarmee stel jij ziekenhuisopname en ziektedag aan elkaar gelijk en daar zit de kruks. De eerste ziektedag wordt hoogstwaarschijnlijk teruggerekend vanuit de dag waarop de test heeft plaatsgevonden. Als dat zo is, en daar heeft het alle schijn van, dan wordt het reproductiegetal dus niet gecorrigeerd voor een toename in testen.

Sla er de mailwisseling met Wallinga nog maar eens op na. Jij vraagt: ‘als er meer getest wordt, zullen er onvermijdelijk meer mensen positief testen. Hoe corrigeert RIVM hiervoor?’Het antwoord begint met: ‘Een manier om hiervoor te corrigeren bij de berekening van het reproductiegetal is door te kijken naar hoeveel ziekenhuisopnames er zijn per dag met patiënten die positief testen. Hier is geen effect van grotere testcapaciteit en ander testbeleid. Tot 12 juni werden ziekenhuisopnames met een positieve test gebruikt voor de berekening van het reproductiegetal. De reden waarom het reproductiegetal niet na 12 juni is gebruikt, is dat de informatiebron (Osiris) nu incompleet is en kampt met rapportagevertraging.’ M.a.w.: ziekenhuisopnames doen er sinds 12 juni niet meer toe voor de berekening van het reproductiegetal.

Het enige wat het RIVM terecht corrigeert is dat De Hond in zijn blog blijkbaar schreef over positieve testuitslagen dag 5 / 1 terwijl het moet zijn meldingen eerste ziektedag dag 5 / 1. Maar als die meldingen eerste ziektedag worden afgeleid uit de positieve testuitslagen dan heeft De Hond in essentie wel gelijk: het RIVM corrigeert het reproductiecijfer niet voor het enorm toegenomen testvolume.

Kun jij dit svp ophelderen.

Antw: volgens mij is alles hierboven al beantwoord.

Geintrigreerd door de factcheck, heb ik je artikel over MdH / RIVM gelezen en kom eigenlijk tot een andere conclusie: Het lijkt alsof RIVM toegeeft gebruik te maken van positieve testen, alleen nemen ze als datum niet binnenkomst van de test, maar die van de eerste klachten van de melder. Dit vergelijken ze met hetzelfde getal van een paar dagen eerder. In deze berekening gaat R dus inderdaad omhoog als er meer getest wordt (en ze geven ook aan dat de R lager gelegen zou hebben als ze inderdaad naar ziekenhuisopnames zouden kijken zoals MdH voorstelt).

Antw: volgens mij is alles hierboven al beantwoord

Dat is niet zoals het werkt met de R factor!

Je weet R niet uit deze cijfers, wat je wel ongeveer weet is dat de R factor in de 2e week 1,2X groter is dan die in week 1. Dus: als de R-factor in week-1 0,9 is dan is die R-factor in week-2 1,2*0,9=1,08. Of als in week-1 de R-factor reeds 1,2 is, dan is die in week-2 1,2*1,2=1,44. etc. etc.

En in principe is zelfs dat iets te kort door de bocht, omdat als je meer zieken waarneemt uit dezelfde testgrootte (dan wel relatief tov verschil in testgrootte) dat niet persé betekent dat R is toegenomen. Dat kan ook nog een na-ijl effect zijn.

Want nu, in dit voorbeeld, bepaal je enkel het verschil tussen die twee weken, maar uit deze cijfers, zoals ze er nu staan kun je de R-factor helemaal niet bepalen!!

In dit voorbeeld tel je enkel de nieuwe zieken, terwijl in de R-factor ook de bestaande zieken (minus beter) moeten worden meegerekend. Uiteindelijk is de R-factor namelijk – simpel gezegd – relatief hoeveel nieuwe zieken er voortkomen uit één bestaande.

Antw: dit kan ik niet volgen.

Tussenstand

Ik heb alle vragen van lezers opnieuw naar het RIVM gestuurd. Ik wacht op antwoord. Wat mij betreft is de tussenstand:

Maurice de Hond heeft gelijk als er van de ene week op de andere een forse toename is van het aantal testen. Dan vergelijk je inderdaad appels en peren. Of beter: een appel en een peer.

Ik zeg: op de langere termijn – als we kijken hoe R zich ontwikkelt over een periode van meer dan 5 dagen – maakt het niet uit of er veel of weinig wordt getest. Immers, als fictief voorbeeld:

in week 1 van maart worden 10.000 mensen getest. 100 hebben klachten.

in week 2 van maart worden 10.000 mensen getest. 120 hebben klachten.

120:100=1,2 = R

in week 1 van november worden 200.000 mensen getest. 2.000 hebben klachten

in week 2 van november worden 200.000 mensen getest. 2.400 hebben klachten.

2400:2000= 1,2 = R

En de exacte berekening van R is nou ook weer niet zo belangrijk. Ik heb er spijt van dat ik dit als ‘casus belli’ heb genomen ….

Als we even uitzoomen:

– we hebben toch besmettingen? Of die nou snel toenemen, of afnemen, het probleem is niet weg en we moeten er iets aan doen. Wat zitten we nou toch vliegen af te vangen?

– Wat is het nut van alle druktemakerij en beledigingen door De Hond? Stel nu dat hij gelijk heeft, dat het R-getal geflatteerd is. Hadden we dan van een lockdown moeten afzien? Hij zegt dat we een lockdown ‘in worden gemanipuleerd.’ Maar welke politicus zou nu zo’n impopulaire beslissing willen nemen? Dit is toch niet logisch?

– En welke politicus zou het risico nemen om zo’n impopulaire beslissing te nemen op basis van ondeugdelijk onderzoek?

– Het RIVM dan? Wat voor belang hebben die bij een lockdown?

Ik kom telkens weer tot de conclusie: het Nederlandse beleid is in grote lijnen hetzelfde als dat van tientallen Westerse, hoogontwikkelde landen. Al die overheden hebben toegewijde, intelligente ambtenaren en advies van honderden medische en statistieke specialisten. Als ze allemaal tot dezelfde conclusie komen, hoe groot is dan de kans dat ik iets weet dat zij nog niet hebben ontdekt?

– Zie het verhaal van Brankovic vandaag op www.debicker.eu. In Azië zijn ze veel succesvoller. Waarom? Wij zijn decadent en verwend.

– Het enige wat je zou kunnen zeggen – met Brankovic – is dat we elkaar in het Westen nog veel meer de stuipen op het lijf moeten jagen.

Fake filteren (3)

Reactie Maurice de Hond:

Beste Maarten (sic),

Ik las je blog en de reactie van Wallinga erop. Helaas heeft hij in die tekst de essentie van mijn kritiek (handig) omzeild.

Ik ga op de  punten in:

1. Natuurlijk weet ik ook dat de reproductiefactor wordt bepaald op basis van de (geschatte) eerste ziektedag. Ik update dagelijks mijn excelsheet vanuit de dagelijke update van de database van de RIVM. Al mijn grafieken en berekeningen zijn ook daarop gebaseerd. Maar de eerste ziektedag wordt gebaseerd op het ondervragen van de mensen die positief zijn getest en als die het niet weten dan wordt de dag van de test zelf daarvoor ingevuld.

Het aantal mensen waarvan dus op deze wijze de eerste ziektedag wordt bepaald is 1 op 1 hetzelfde als het aantal mensen dat positief wordt getest. En dat cijfer hangt sterk samen met het aantal mensen dat getest wordt.  Doordat er een forse stijging van dat aantal mensen is de laatste paar weken stijgt ook het aantal mensen met een positieve testuitslag. Het interessante is dat je ook de ontwikkeling kunt zien van het aandeel positieve testen per week. Bijgaand het verloop van dat cijfer tot en met afgelopen week.

Bij het berekenen van de reproductiefactor wordt alleen gewerkt met het de mensen die positief zijn getest. En wordt geen rekening gehouden met de toename (of afname) van het aantal uitgevoerde testen.

Afgelopen week heeft dat zelfs geleid tot de presentatie van een reproductiefactor van 1,24 door Prof. Van Dissel (en dat was de basis voor de lockdown). In werkelijkheid was het percentage positieve testen gestegen van 11,1 naar 11,7%. Maar het aantal uitgevoerde testen was wel met 24% gestegen.

Als je inzoomt op Amsterdam en Rotterdam dan zie je dat Van Dissel aangeeft dat in die veiligheidsregio’s het percentage positieve testen duidelijk afnam. Maar het aantal uitgevoerde testen was ook daar fors gestegen.

Tot 12 juni had het RIVM de reproductiefactor berekend op basis van ziekenhuisopnames. Vanaf juni met aantal positieve getesten. Maar ze hebben het  model op geen enkele wijze aangepast (dus ook niet voor hogere of lagere aantallen testen).

Daarnaast stelde ik ook een weekpatroon vast (doordat er op maandag en dinsdag meer getest werd dan op donderdag en vrijdag). En laat het RIVM nu elke keer de hoogste weekwaarde pakken voor de wekelijkse presentatie. Gemiddeld maakt dat circa 0,04 uit op de reproductiefactor. (Modelmatig zou men die correctie kunnen toepassen).

Maar het was en is duidelijk. Ook in een week waar alles de goede kant op ging meldde het RIVM dat de reproductiefactor was gestegen naar 1,0.

Lees mijn blog van vandaag wat die keuzes van het RIVM betekenden bij de presentatie van de cijfers: Door -onterecht- uit te gaan van een reproductiefactor van 1,24 heeft Van Dissel zondag de boel op scherp gezet.

2. Het model van het RIVM is gebaseerd op de ziekenhuisopnames. Ook om inschattingen te doen t.a.v. achterstallige cijfers. Op 12 juni is men overgeschakeld naar aantal positieve testen. Dat was omdat het aantal ziekenhuisopnames te laag was geworden (terecht besluit). Maar uit de toelichting in de weekrapportage bleek dat het model niet aangepast was aan andere broncijfers. (Dus ook geen correcties voor het aantal uitgevoerde testen).

Sinds september zijn de ziekenhuisopnames (helaas) inmiddels weer op een niveau dat de reproductiefactor daarmee te berekenen is. Dat heeft men om voor mij onbegrijpelijke reden niet gedaan. Wij hebben het wel gedaan (zie ook dat blog van vandaag). Dan zie je dat in de eerste weken van november de reproductiefactor rond 0,95 lag. Het RIVM maakte waardes tussen 1,0 en 1,04 bekend. Zeg maar een verschil van 1,08. Toch niet onbelangrijk, want bij een waarde boven de 1 stijgt het aantal geinfecteerden en onder de 1 daalt het.

Maar het wordt een heel ander verhaal als, zoals per 1 december, het aantal testen dat men uitvoert explosief stijgt. (En men hoopt dat het nog sneller gaat stijgen). Eerste week van december een stijging van 24%, de tweede week vervolgens 36%. In twee weken is dat een stijging van 69%! Omdat de reproductiefactor wordt berekend op basis van 4 dagen kan je dus zeggen dat bij een stijging van het aantal testen met 36% (zoals in de afgelopen week), als het percentage positief getesten gelijk is gebleven, de reproductiefactor ongeveer 1,20  zal zijn. Dat geeft echt een heel ander beeld voor beslissers en media dan als er gemeld wordt dat de reproductiefactor 1,0 is.

Dat is dus de kern van mijn kritiek. En ongetwijfeld weten Wallinga en Timen dat ook.

Iedereen (kabinet,  burgers) hebben er belang bij cijfers te hebben die zo nauwkeurig mogelijk de situatie aangeven om op basis daarvan een goede en transparante beslissing te nemen. Media zouden daar veel meer aandacht aan moeten schenken dan ze nu doen.

Hopelijk kan je mijn reactie ook plaatsen.