Systematiske forskelle i antal bivirkninger mellem Covid-19 vaccinebatches på op til 5021 gange

Åbent brev til: Folketinget, Epidemikommissionen, Sundhedsministeren, Statsministeren, Sundhedsstyrelsen og Statens Serum Institut

Systematiske forskelle i antal bivirkninger mellem Covid-19 vaccine batches på op til 5021 gange

af Max Schmeling, Statistiker / Økonom, Cand.merc.(log)

Jeg henvender mig til dem angående et yderst foruroligende fund af forskelle i antallet af bivirkninger mellem Covid-19 vaccinebatches. Fundene viser at der er op til en faktor 3648 i forskelle mellem antallet af bivirkninger i de enkelte Covid-19 vaccinebatches fra Pfizer. For Moderna er der tale om op til en faktor 5021. Selv om at dette fund i sin alvorlighed skulle synes slemt nok, er situationen langt værre, da der i denne forskellighed i bivirkninger ses en systematik relateret til selve batchnumrene.

Indledning

Jeg arbejder som selvstændig uafhængig økonom og statistisk rådgiver, typisk for analysevirksomheder og mediebureauer og større virksomheder. Disse resultater er kommet til mit kendskab gennem Craig Kooper som er en engelsk, researcher ved Kingston University, London. Fordi implikationerne af resultaterne netop er så alvorlige som er tilfældet, har jeg selv reproduceret og verificeret resultaterne og er kommet til samme konklusion. Vigtigheden at disse resultater kan næppe underdrives, hvilket er grunden til min henvendelse. Resultater i det følgende er udarbejdet af undertegnede. Dataene, der analyseres, er fra den Amerikanske bivirkningsdatabase VAERS1.

Dette fordi at den europæiske bivirkningsdatabase EudraVigilance ikke umiddelbart rapporterer vaccinebatch numre. VAERS databasen er ligesom det danske og europæiske bivirkningsrapporteringssystem begrænset på flere måder. De væsentligste
begrænsninger er at systemet er passivt, således at bivirkninger ikke automatisk indsamles, men kræver at en sundhedsfaglig person foretager indberetningen, hvilket leder til andet problem, som er en stor grad af underrapportering. Ingen af disse begrænsninger kan dog antages at påvirke denne analyses resultater nævneværdigt da den bias, begrænsningerne giver må antages at være ens for alle vaccinebatches.

Det største problem ved analysen synes faktisk at være at datakvaliteten for vaccinebatchnummeret er påvirket af at
indrapporteringen af nummeret sker som fritekst og ikke prædefineret. Dette giver noget støj grundet
tastefejl. Alligevel er resultaterne tydelige nok til understøtte de viste resultater. Analysens metode er
beskrevet i bilag 1, således at denne let kan reproduceres.

VAERS – Data Sets (hhs.gov)

Bivirkninger pr. vaccinebatch

Nedenfor ses antallet af bivirkninger pr. vaccinebatch og sorteret efter antal

Som det ses af graferne, er resultaterne ekstremt skævt fordelt. For langt de fleste batches, Pfizer: 95,9% Moderna: 95,6% ses kun op til 10 bivirkninger, men for et mindretal af batchene Pfizer: 4,1% Moderna: 4,4% ses op til Pfizer: 3648, Moderna: 5021 bivirkninger. Det kan altså konstateres, at et mindretal af vaccinebatchene producerer op til 5021 gange flere bivirkninger end hvad man kan kalde baseline. Konsekvenserne af dette resultat er helt åbenbar. Det er umuligt at give informeret samtykke ifm. vaccination mod COVID-19, da risikoen ganske enkelt ikke kan kendes. Dermed bliver vaccination mod COVID-19 jfr. sundhedsloven kapitel 5, §15 formentlig ulovlig. Samtidig vil vaccination under disse forhold stride imod Nürnberg kodekset, specielt punkt 1.

Systematik i forhold til vaccinebatchnumre

Det antages i det følgende, at vaccinebatchnumre er genereret i en fortløbende nummereret sekvens, indeholdende både bogstaver og tal. Den for Pfizer mest forekommende syntaks er formen AB1234, som består af to bogstaver efterfulgt af 4 tal cifre. Dette er ikke fuldstændigt entydigt i data, bl.a. grundet ovennævnte begrænsninger, men det er tydeligt at denne syntaks er den normale form for batchnummer for Pfizer vaccinen.

I figuren nedenfor, er antallet af bivirkninger pr. batchnummer sorteret alphanumerisk ift., batchnummer meget varierende. Dataene er de samme som ovenfor, med den forskel, at alle batches, som ikke overholder syntaksen ovenfor er fjernet. Dette bevirker, at næsten alle fejl indtastninger fjernes, selv om noget reel data også forsvinder. Billedet er helt identisk uanset om man renser data eller ej, men bliver lidt mere overskueligt ift. farverne i nedenstående graf.

Da dataene er identiske ift. tidligere grafer er det alene er relevant at se på systematikken. Farvelægningen er lavet for at adskille de største batchserier ift. bogstavskode. Datapunkterne for de enkelte batches er eks. orange for alle EK#### batches, blå for alle EL#### batches, cyan for alle EN#### batches, osv. Som eksempel kan EN serien (cyan) anvendes. Denne serie består af 320 batches startende med EN0101 og sluttende med EN9899. I EN serien ses 12 batches, der hver har over 2000 bivirkninger pr. batch og for 11 af disse er batchnumrene fortløbende nummereret fra EN6198 – EN6208. Det er helt tydeligt, at vaccinebatches med meget høje antal bivirkninger forekommer som isolerede klynger af batches, der er en del af en størrebatchserie.

Dette skaber et tidsrum mellem hver af disse klynger hvor der kun ses vaccinebatches med meget få bivirkninger. Samtidigt ses der, startende med batchserien EN (cyan), klynger af batches med mange bivirkninger, men som klynge for klynge er faldende i niveau. Dette mønster er tydeligt relateret til batchnumrene og dermed kan det konstateres at der er en systematik i fordelingen af batches med overnormalt antal bivirkninger set i forhold til batchnummeret. Der ses en lignende systematik for Modernavaccinerne, men denne er ikke bragt her, da Pfizer vaccinen er langt den dominerende vaccine i Danmark.

Alvorligheden af dette resultat kan ikke understreges nok, da det skaber et plausibelt argument for at mønstret repræsenterer et forsøg. Den faldende tendens kan ikke forklares ved at man måske skulle forsøge at justere på visse indholdsstoffer for at mindske bivirkninger, da baseline jo viser at det er det, der produceres i 96% af tilfældene. Ej heller kan tendensen forklares som fejlagtige batches grundet mønstret. Tendensen kunne indikere et dosseringsforsøg, selv om at dette selvfølgelig ikke er muligt at bevise ud fra data. Skulle dette være tilfældet foregår der altså en form for forsøg bag ved vaccineprogrammerne. Så utænkeligt som dette forekommer ser jeg ikke umiddelbart andre forklaringer.

Hvorfor skulle bestemte tætte klynger af vaccinebatches producere op til 3648 gange flere bivirkninger end hovedparten af batches i samme batchserie, samt være organiseret i et blokmønster med faldende antal bivirkninger mellem klyngerne? Tilstedeværelsen af mønstret udelukker tilfældighed som forklaring og hvis det ikke er tilfældigt, så er der en årsag. Den umiddelbare indvendig mod resultatet vil utvivlsomt og naturligt være, at resultaterne ikke er repræsentative for Danmark, da VAERS registrerer bivirkninger i USA, men denne kritik kan uden videre tilsidesættes af flere årsager. For det første er Pfizer vaccinen af samme formulering i både USA og EU, så resultaterne må alene ud fra denne observation være overførbare til Danmark.

Hertil skal tilføjes, at det fremgår af tabel DODC1 fra Danmarks Statistik, at der siden 1. maj 2021 har været en uforklarlig, statistisk signifikant og i forhold til de sidste 15 år, rekordsættende overdødelighed på 2928 personer opgjort måned for måned. Sandsynligheden for denne overdødelighed skulle være et tilfældigt udsving er 0,00000000001%. Der findes dermed et bestyrket mistankegrundlag for at resultaterne fra VAERS også vil kunne findes i de danske bivirkningsdata og man bliver derfor, hvis ikke andet lægges til grund, nødt til at antage at dette er rent faktisk er tilfældet.

Jeg skal derfor indtrængende anmode dem om straks af verificere disse resultater, samt undersøge om tilsvarende resultater findes for det Danske COVID-19 vaccinationsprogram. Jeg er naturligvis klar over hvilke implikationer dette vil kunne tænkes at få, samt hvor absurd det må forekomme, at forestille sig at skulle stoppe COVID-19 vaccineprogrammet på nuværende tidspunkt. Men forestil dem alternativet. Stil dem selv spørgsmålet om de ville føle dem tryg ved at lade deres eget barn vaccinere? Hvad skal forældre hvis børn ender med svære skader tænke? Hvad ville de selv tænke? Vi ser samtidig både i Danmark og på verdensplan et hastigt stigende pres på den gruppe af borgere, som ikke har ladet sig vaccinere. I Danmark har statsministeren endda sat sig selv i spidsen for dette pres, mens den danske stat har indgået kontrakter med Pfizer og Moderna der fratager disse for ethvert ansvar. Hvem vil tage ansvaret? Vil de selv tage ansvaret? Hvad vil borgere, der er blevet presset til vaccination med skade til følge gøre?

Personligt finder jeg resultaterne yderst forfærdende, idet at de kan underbygge en opfattelse om at vaccinerne ikke bliver produceret eller givet med et beneficialt formål. Jeg håber at have leveret tilstrækkelig information til at understrege alvorligheden af denne henvendelse og jeg håber at de vil tage de rigtige valg og iværksætte de relevante initiativer i denne situation idet jeg henviser til de konventioner, der i mange år har sikret vores rettigheder i forhold medicinske behandlinger

Aarhus d.14.12 2021
Max Schmeling

Bilag 1 – Guide til reproduktion af resultaterne.

Download datasættene: VAERS DATA (2021VAERSData.csv)og VAERS Vaccine (2021VAERSVAX.csv) fra hjemmesiden: https://vaers.hhs.gov/data/datasets.html? Som er the Vaccine Adverse Event Reporting System (VAERS).

• Lav en Excel fil og åbn denne. Det er nødvendigt, at anvende en 64 bits udgave af Excel grundet
datasættenes størrelse.
• Anvend menuen Data->Get Data -> From text/csv og vælg første fil 2021VAERSData.csv. Tryk derefter Load. Dataene bliver oprettet som en tabel, der har en forbindelse/”connection” til csv filen.
• Gentag ovenstående punkt for filen 2021VAERSVAX.csv
• Begge datasæt en nu importeret i Excel.
• Anvend igen menuen Data->Data tools->Relationships. Anvend dialogboksen til at lave en ny relation mellem de to tabeller, der laver en relation på variablen VAERS_ID fra begge tabeller.
• Anvend menuen Insert->PivotTable->From DataModel
• I den oprettede pivot tabel indsættes VAX_TYPE og VAX_MANU under Filters, VAX_LOT i Rows og VAX_LOT under Values.
• Under filtre vælges for VAX_TYPE værdien COVID19 og for VAX_MANU vælges Moderne og/eller PFIZER/BIONTECH
• Ved at sortere på Values fås de to første grafer, der viser fordeling. Ved at sortere på Row Labels vises systematikken.
Datafilerne kan også sammenkøres i de fleste statistikpakker, ved at matche på variablen VAERS_ID i datafilerne.

Kilde: Danmarks Statistik DODC1²
.
²https://www.statistikbanken.dk/statbank5a/SelectVarVal/Define.asp?ainTable=DODC1&PLanguage=0&PXSId=0&wsid=cftree

Folketinget, Epidemiudvalget, Epidemikommissionen, Sundhedsministeren, Statsministeren, Sundhedsstyrelsen og Statens Serum Institut som også findes her: https://www.ft.dk/samling/20211/almdel/EPI/bilag/195/index.htm