Wetenschap in haar blote kont: de illusie van de zekerheid der cijfers. De speurtocht naar Sciensano’s 108.000 verwachte doden.

Inleiding

Reeds maanden tracht ik te begrijpen wat er aan het gebeuren is. Onze mensen- en grondrechten blijken een speeltuin te zijn voor experten en besluitvormers. De grond waarop men zich beroept, is de wetenschap, de cijfers die de ernst van deze situatie in de verf zetten. Daarmee zijn het de cijfers die er voor zorgen dat de maatschappij zoals we ze kenden in razend snel tempo afgebroken wordt.
Elke dag worden burgers platgeslagen met cijfers die doen duizelen. Ze zetten een werkelijkheid neer die vele mensen ‘op het eerste zicht’ terecht angstig maken. ‘Op het eerste zicht’, want wie thuis is in de wereld van de cijfer-makerij, weet dat er vele cijfermolens zijn die op basis van dezelfde cijfers verschillende resultaten produceren. Wat de meeste mensen niet weten of misschien wel weten, maar onvoldoende beseffen, is dat er zich achter de schijn van objectiviteit der cijfers, een subjectief schouwspel aan de gang is. Het zijn wij mensen die cijfers het statuut hebben gegeven van zekerheid en dit terwijl ze eveneens een uiting zijn, een vertaling zijn van onze subjectiviteit. Wat mensen onvoldoende beseffen, is dat wetenschap een realiteit eerder ‘creëert’ dan dat ze de werkelijkheid ontdekt en beschrijft. Om dit aan te tonen, neem ik jullie graag mee in de wondere wereld der berekening van onze oversterfte.

Met dit schrijven streef ik vijf doelen na:

1. Aantonen dat de wetenschap niet zo objectief is als algemeen gedacht wordt.
2. Aantonen dat de berekening van onze oversterfte zoals gepresenteerd door Sciensano dringend in vraag moet gesteld worden.
3. Een (ethisch) debat omtrent de berekening van oversterfte is hoogst noodzakelijk.
4. Een (ethisch) debat omtrent onze maatschappelijke verwachtingen met betrekking tot (het recht op) sterven dient mogelijk te zijn.
5. Een (ethisch) debat omtrent de plaats van wetenschappelijk onderzoek in besluitvorming is fundamenteel.

Ik besef dat ik een delicaat thema – sterfte, oversterfte en diens verschillende berekeningen –aansnijd. Iemand verliezen is altijd pijnlijk en altijd te vroeg. Deze subjectieve waarheid – die ik op geen enkele manier in vraag wens te stellen – vermengt zich in verhitte discussies op sociale media, in de besluitvorming van de experten die aan het woord mogen komen en van onze leidinggevenden. Het is deze subjectieve waarheid die ik in dit schrijven loskoppel van de “objectieve” grond waarop de huidige besluitvorming plaatsvindt (lees: het ondermijnen van onze grond- en mensenrechten) en dus focus ik enkel op deze “objectieve” grond.

Vooraleer ik jullie meeneem naar de wereld der berekeningen van oversterfte, schets ik eerst 2 belangrijke (en in deze tijden minder beladen) bevindingen van de wetenschap in het algemeen.

Het zijn bevindingen die eveneens aangehaald worden door Prof. Dr. Mattias Desmet, enerzijds in zijn must-read boek ‘The pursuit of objectivity in psychology’ en anderzijds in zijn interview op De Nieuwe Wereld van 12/01/2021.

• Bevinding 1: De meetschaal bepaalt mede het gevonden cijfermatig resultaat

Deze eerste bevinding werd aangetoond door een onderzoek van Mandelbrot in 1967. Mandelbrot schreef een artikel met als titel ‘How long is the coast of Britain?’ (Hoe lang is de kustlijn van Groot Brittannië). Hij toonde aan dat als we de kustlijn van Brittannië meten met een schaaleenheid van 200 km, de kustlijn 2.400 km lang  is. Indien de kustlijn gemeten wordt met een schaaleenheid van 50 km, dan is diezelfde kustlijn 3.400 km lang (zie figuur 1). Met andere woorden hoe kleiner de meetschaal, hoe langer de kustlijn wordt. Dit impliceert dat als je de lengte van de landsgrenzen van ons België-land zou opzoeken in verschillende bronnen, het gevonden resultaat verschillend zal zijn, omdat de gerapporteerde lengte afhangt van welke meetschaal de onderzoeker gebruikte. Ene Richardson vond dit inderdaad terug. De gerapporteerde lengtes van gedeelde landsgrenzen van Spanje, Portugal, Nederland en België in verschillende encyclopedieën toonde afwijkingen van zo’n 20%, omdat er verschillende meetschalen gebruikt werden[1].
Wat dus de ‘werkelijke’ lengte is van de grenzen van België, blijft een open vraag omdat er verschillende cijfer-antwoorden zijn. Wat we wel kunnen veronderstellen, is dat hoe fijner we gaan meten, hoe dichter we bij de ‘realiteit’ komen, wat niet wil zeggen dat we de effectieve realiteit ooit zullen kennen, want we hebben niet alleen mm, maar ook een 10^de, een 100^ste, … van een mm. Moest u dus ooit verzeild geraken in een discussie over de lengte van landsgrenzen, weet dan dat uw discussie vrij zinloos is, tenzij u natuurlijk de meetschaal van de bediscussieerde lengte kent.

• Bevinding 2: de nauwkeurigheid en complexiteit waarmee data gepresenteerd en geanalyseerd worden, bepaalt het bekomen resultaat: de Simpsons-paradox

De Simpsons-paradox is een zeer bekende paradox binnen de statistiek. Het gaat over de beïnvloeding van de bekomen resultaten door de manier waarop (lees nauwkeurigheid en complexiteit of de afwezigheid hiervan) data gepresenteerd en geanalyseerd worden. Om dit duidelijk te maken geef ik één van de vele voorbeelden die dit effect en de verregaande (maatschappelijke) gevolgen toont[2]. Google gerust de ‘Simpsons-paradox’ voor een overvloed aan andere voorbeelden.
We bevinden ons in Florida waar onderzoekers het politiek gevoelig thema nagingen hoeveel keer blanke en zwarte mensen de doodstraf kregen. Hier zijn hun resultaten:

Tabel 1 toont dat een blanke dader in 11,9% van de gevallen de doodstraf krijgt, terwijl een zwarte dader in 10,2% van de gevallen de doodstraf krijgt. Op basis van deze resultaten concludeerde men dat zwarte mensen niet méér de doodstraf kregen dan blanke mensen en zelfs dat zwarte mensen bevooroordeeld waren ten opzichte van blanken. Het spreekt voor zich dat deze resultaten bepaalde politici en een bepaalde massa inspireerde en / of ondersteunde in hun gelijk.
Wie als data-leek gaat deze bekomen ‘objectiviteit’ in vraag stellen? De cijfers tonen de realiteit, toch? Wel, niet echt.

Zoals de simpsons-paradox aangeeft…indien de complexiteit van data genegeerd wordt, dan krijgen we een vertekening van onze resultaten. Een statisticus nam dezelfde data onder loep en kwam op basis van dezelfde data tot andere conclusies, simpelweg door de realiteit beter / nauwkeuriger / complexer in kaart te brengen. Dit waren zijn resultaten:

Als een blanke dader een blank slachtoffer heeft, dan krijgt de blanke dader in 12,6% van de gevallen de doodstraf. Als een blanke dader een zwart slachtoffer heeft, dan krijgt de blanke dader geen doodstraf (0%). Indien de dader zwart is en een blank slachtoffer maakt, dan krijgt de zwarte dader in 17,5% van de gevallen de doodstraf, heeft hij een zwart slachtoffer dan krijgt hij in 5,8% van de gevallen de doodstraf. Ik vermoed dat u op basis van deze resultaten, bekomen met dezelfde cijfers, tot een andere conclusie komt?

Ga ik te ver als ik zeg dat op basis van de resultaten uit tabel 2 andere (politieke) besluiten genomen zullen worden dan met de resultaten uit tabel 1? Ga ik te ver als ik zeg dat de (ethische) maatschappelijke consequenties van de manier waarop data gepresenteerd en geanalyseerd worden groot zijn?  Ga ik te ver als ik zeg dat de twee bovenstaande bevindingen, volgende punten aantonen?

1) Het zijn niet noodzakelijk de cijfers die de realiteit tonen, wel de mensen die cijfers in kaart brengen en rapporteren.

2) Cijfers kunnen een realiteit ‘creëren’, eerder dan een realiteit ontdekken en beschrijven.

3) Een bekomen resultaat hangt af van welk meetinstrument (en dus schaal) er gebruikt wordt en van de onderzoeker zelf (welke onderzoeksvragen hij/zij stelt, hoe hij/zij de data in kaart brengt, enz.)

4) Cijfers zijn minder ‘objectief’ dan we denken.

5) Hoe nauwkeuriger (en ethischer) we werken (meten en analyseren) hoe dichter we bij een realiteit kunnen komen (zonder ze ooit volledig te vatten).

Nu ik jullie ‘een glimp’ – een glimp, omdat dit slechts 2 van de vele bevindingen binnen de wetenschappen zijn –  gegeven heb van de wereld achter data-resultaten, kunnen we overgaan naar de berekeningen van verwachte sterfte en over- ondersterfte. Zoals zal blijken, zijn beide bevindingen eveneens van tel op deze berekeningen.

De oversterfte is afhankelijk van de gebruikte meetschaal en manier waarop data gepresenteerd en geanalyseerd worden.

Gaat het bij jullie ook duizelen wanneer de cijfers naar jullie hoofd gesmeten worden? Daggemiddelden, weekgemiddelden, 2-weekse gemiddelden, maandgemiddelden, 18.000 mensen extra gestorven door covid en de hittegolf, 2020 dodelijkste jaar sinds WO II, 108.000 mensen werden verwacht te sterven en dit jaar stierven er meer dan 126.000 mensen, 16,6% oversterfte te wijten aan covid en de hittegolf, enz.
Kan het nog rampzaliger zijn? Beter is, kan het nog verwarrender zijn? Ik haat uit de context gerukte conclusies en zeker als ze gepresenteerd worden als waarheden die rechtstreeks uit een pc zouden rollen als enige echte realiteit, want cijfers liegen nooit. Toch?

Om de proef op de som te nemen, downloadde ik de bevolkings- en mortaliteitsdata, die te vinden zijn op de site van de federale overheid (www.statbel.fgov.be). Mijn dataset bestaat uit de bevolkingscijfers per leeftijd voor de jaren 1992 tem 2020[3] en de sterftecijfers per leeftijd voor de jaren 1992 tem 2020.

Op site van de federale overheid vind je wat prachtige grafieken terug met betrekking tot de oversterfte en een verwijzing naar Sciensano waar men dieper zou ingaan op onze oversterfte[4]. De site van Sciensano vermeldt dan weer: “De tol voor 2020 is zwaar, met in totaal meer dan 126.000 sterfgevallen in het afgelopen jaar. Sciensano schat dat er 17.966 extra doden zijn gevallen, of 16,6% bovenop de 108.000 verwachte sterfgevallen voor 2020.”[5]

Mijn leidraad was geboren! De allereerste vraag die ik mij stelde was hoe Sciensano aan de verwachte 108.000 doden komt? Dit is erg belangrijk, want het ‘verwachte aantal doden’ bepaalt de over- of ondersterfte en hoe groot deze is! De formule voor over-ondersterfte is:

over- ondersterfte = het geobserveerd of daadwerkelijk aantal sterfgevallen – het verwachte aantal sterfgevallen.

Het geobserveerd of daadwerkelijk aantal sterfgevallen kan ik makkelijk terugvinden in de datafiles van de federale overheid[6]. Het verwachte aantal sterfgevallen voor 2020 dient berekend / geschat te worden. De logica achter deze formule zegt, dat indien het verwachte aantal sterfgevallen groter is dan het geobserveerde aantal, we spreken van ondersterfte. Indien het verwachte aantal sterfgevallen kleiner is dan het geobserveerde aantal, dan hebben we te maken met oversterfte. De berekening van het verwachte aantal sterfgevallen is dus erg belangrijk, omdat het bepaalt of we kunnen spreken van over- dan wel ondersterfte én de ernst ervan.

De vraag wordt dan ook hoe we dit verwachte aantal sterfgevallen kunnen berekenen en met welke factoren we rekening moeten houden.

De berekening van verwachte sterfte en dus over-ondersterfte: belangrijke factoren en mogelijkheden der berekening

Zoals ik in de inleiding schetste, is de onderzoeker van dienst erg belangrijk voor het bekomen geanalyseerde resultaat. Hij of zij selecteert de procedure van analyse en het is de procedure (hoe gaan we verwachte sterfte berekenen? Welke factoren nemen we in rekening? Welke leeftijdscategorieën gaan we presenteren? Enz.) die het uiteindelijke resultaat bepaalt.

Mijn standpunt aangaande de procedure, aangaande onderzoek in het algemeen, is de realiteit zo goed mogelijk te benaderen en niet te foefelen met de procedure zodat de resultaten in je kamp passen. Dit foefelen met data in onderzoek heeft soms alleen het effect dat het eigen ego opgekrikt wordt zonder al te veel (maatschappelijke) gevolgen. Echter, in zeer veel gevallen (farmaceutisch onderzoek, medisch onderzoek, psychologisch onderzoek, onderzoek naar over- ondersterfte, enz.) kan dit foefelen verregaande maatschappelijke gevolgen hebben. Denk maar aan de verschillende resultaten van het onderzoek naar de doodstraf van blanke en zwarte daders uit de inleiding.

Mijn zoektocht naar Sciensano’s 108.000 verwachte  doden ging van start en een zoektocht was het! Op hun site lees ik dat ze zich beroepen op de data van de federale overheid en dus zou er voor de berekening van verwachte sterfte geen verschil mogen zijn, aangezien de sterftecijfers van voorgaande jaren – cijfers die nodig zijn voor de berekening van de verwachte sterfte – al lang binnen zijn. Verder lees ik dat men zich baseert op de cijfers van de laatste 5 jaar en dat de verwachte sterfte, de normale / gemiddelde sterftecijfers zijn[7].

Gemiddelde van wat? Van het totaal aantal sterfgevallen van de afgelopen 5 jaar? Hield men rekening met de bevolkingsgrootte? Hield men rekening met de bevolkingsstructuur (= de leeftijdsverdeling van de hele bevolking)? Met de Belgische of de Europese bevolkingsstructuur? Hoe ruim of eng bracht men deze bevolkingsstructuur in kaart? Per 5 jaar? Per 10 jaar? Per 20 jaar? Per 30 jaar?

Is dit allemaal belangrijk? Absoluut, zoals ook aangegeven in de inleiding, bepalen al deze zaken mede het bekomen resultaat, wat ik jullie met zeer veel graagte zal tonen. Laat mij beginnen met het beschrijven en kaderen van 3 essentiële factoren voor het berekenen van verwachte sterfte.

Drie essentiële factoren van verwachte sterfte: bevolkingsgrootte, bevolkingsstructuur en de referentieperiode

1. Bevolkingsgrootte

De eerste belangrijke factor is de grootte van de bevolking (aantal inwoners) en de bijbehorende groeiende bevolking of de bevolkingsgroei. Sinds 1992 is onze totale bevolking van België met 14.7% gestegen. Willen we sterftecijfers tussen verschillende jaren vergelijken, dan moeten we rekening houden met de bevolkingsgrootte. Zo zijn 108.000 doden in 1992 niet hetzelfde als 108.000 doden in 2019, omdat de bevolking in 1992 kleiner was dan de bevolking in 2019[8]. Als cijfers op deze manier gepresenteerd worden, dan spreekt men over een rapportage met ‘absolute’ cijfers. Om een vergelijking tussen verschillende jaren te kunnen maken, dienen we dus rekening te houden met de grootte van de populatie. Op 1 januari 1992 telde België 10.021.997 inwoners en op 1 januari 2019 telde België 11.431.406 inwoners. Willen we een eerste vergelijking qua sterfgevallen maken tussen de verschillende jaren, dan is het correcter te zeggen dat in 1992 1,078% (=(108.000/10.021.997)*100) van de bevolking stierf, terwijl dit in 2019 0,945% (=(108.000/11.431.406)*100) van de bevolking was. Indien de algemene grootte van de populatie in rekening gebracht wordt, dan spreken we over een rapportage van ‘bruto’ cijfers.
Een rapportage met ‘absolute’ cijfers zou tot de conclusie kunnen leiden dat er in 1992 en in 2019 evenveel mensen gestorven zijn, terwijl een rapportage van de ‘bruto’ cijfers een duidelijke daling laat zien. Meer specifiek is de sterfte in 2019 met 12,34% (=(0,945-1,078)/1,078*100) gedaald ten opzichte van 1992. Het gebruik maken van ‘absolute’ cijfers om een vergelijking te maken, is met andere woorden uit den boze, omdat ze niets betekenen.

2. bevolkingsstructuur

Een tweede belangrijke factor in het berekenen van verwachte sterfte, is de bevolkingsstructuur. Met bevolkingsstructuur bedoelt men de leeftijdsverdeling in een bevolking. Het aantal mensen met een bepaalde leeftijd verschilt van jaar tot jaar. Zo is het aantal 10-jarigen in 1992 verschillend van het aantal 10-jarigen in 1993, 1994,…in 2020. Voornamelijk de groep mensen die steeds  ouder wordt, is hierbij belangrijk. In dit opzicht spreken we over de ‘vergrijzing’ van de bevolking, waarmee men bedoelt dat de groep 85+-ers steeds groter wordt en de groep 85- steeds kleiner wordt. Zo is de groep 85-89-jarigen sinds 1992 met 77,5% gestegen, de groep 90-94-jarigen met 137,3% en de groep 95+ met 231,5% gestegen ten opzichte van 2020.
Bij het berekenen van sterftecijfers en het maken van vergelijkingen is dit cruciaal, want als de oudere bevolkingsgroep groeit en de jongere groep daalt, wil dit logisch gezien zeggen dat sterftecijfers zullen stijgen. Het is jammer, maar een mensenleven is nu eenmaal eindig.
Het zo goed mogelijk in kaart brengen van de bevolkingsstructuur (lees: zo nauwkeurig mogelijk) is erg belangrijk en zal een effect hebben op de uitkomst van berekeningen. Zo wordt er vaak gebruik gemaakt, ook door Sciensano, van volgende leeftijdscategorieën: 0-24; 25-44; 45-64; 65-74; 75-84; 85+. Echter, de categorieën zijn vrij ruim en brengen het effect van de bevolkingsstructuur minder nauwkeurig in kaart. Europa vaardigde dan ook een richtlijn uit om gebruik te maken van kleinere leeftijdscategorieën, zijnde: 0; 1-4; 5-9; 10-14;….80-84; 85-89; 90-94; 95+[9] en dit om het effect van de bevolkingsstructuur in het algemeen en de vergrijzing in het bijzonder zo goed mogelijk in kaart te brengen. De effecten van de keuze van grootte van leeftijdscategorieën kan vergeleken worden met de effecten van het gebruik van verschillende ‘meetschalen’ zoals aangegeven in de inleiding. Met andere woorden, hoe nauwkeuriger de bevolkingsstructuur in kaart gebracht wordt, hoe hoger de verwachte sterfte zal zijn en dus hoe lager de oversterfte.
Berekeningen die rekening houden met de bevolkingsstructuur, noemt men ‘voor leeftijd gecorrigeerde sterftecijfers’.

3. De referentieperiode

De derde factor die van invloed is op de berekening van verwachte sterfte, is de referentieperiode of het aantal afgelopen jaar waarop de verwachte sterfte berekend wordt. Op de site van de federale overheid vind je vergelijkingen van 2020 ten opzichte van 2019, maar ook van 2020 ten opzichte van 2017 tot en met 2019 (3 jaar dus)[10]. Sciensano zegt dan weer zich op de sterftecijfers van de laatste 5 jaar te baseren[11]. Om uitspraken te doen over de evolutie van bepaalde aandoeningen baseert men zich soms op de laatste 10 jaar[12] of de laatste 15 jaar[13].
De keuze van de referentieperiode is met andere woorden vrij arbitrair, maar van immense invloed op de berekening van verwachte sterfte en dus over- ondersterfte.
Hoe maken we deze keuze? Waar trekken we de grens? Is 3 jaar of 5 jaar wenselijk of hebben we de laatste 5 jaar geluk gehad qua sterftecijfers? Indien we geluk gehad hebben, zal de berekening van het verwacht aantal doden ook laag zijn en dus stijgt de kans dat er ergens in de jaren nadien oversterfte zal zijn…tenzij we natuurlijk ervan uit gaan dat sterftecijfers alleen maar zullen blijven dalen en dit ook zo verwachten. Dit zou dan meer over onze irrealistische verwachting (gezien de vergrijzing) zeggen, dan over de realiteit.
Is de laatste 10 of 15 jaar als referentieperiode beter of slechter? Het voordeel van langere perioden is dat je natuurlijke schommelingen (betere en slechtere jaren) in sterftecijfers door virussen, door temperatuurschommelingen, enz. beter kunt balanceren, maar er zullen eveneens minpunten tegen ingebracht kunnen worden.
Hoe ver gaan we hierin? In mijn beleving kunnen we niet zeggen dat we in het jaar 2010, 2005 en zelfs 2000 te maken hadden met een gezondheidszorg die zwaar te wensen overliet…hoewel ik ervan overtuigd ben dat technieken verfijnder zijn geworden dan pakweg 20 jaar geleden. Hoe het ook zij, ik denk dat het een interessant en volgens mij ook een noodzakelijk debat is (gezien de immense inbreuken op onze mensen- en grondrechten)…zoals zal blijken uit de berekeningen van over- ondersterfte met verschillende referentieperioden.

Nu ik 3 belangrijke factoren voor de berekening van verwachte sterfte en dus ook van over- ondersterfte geschetst heb, laat ons overgaan naar de zoektocht van Sciensano’s 108.000 verwachte sterfgevallen. 

Verschillende mogelijke berekeningen van verwachte sterfte en dus over-ondersterfte

De 3 bovenstaande factoren maken duidelijk dat het belangrijk is te weten welke cijfers (absolute cijfers, bruto cijfers, naar leeftijd gecorrigeerde cijfers), welke leeftijdscategorieën en welke referentieperiode Sciensano gebruikte voor de berekening van verwachte sterfte.
De site van Sciensano vermeldt dat men zich voor verwachte sterfte baseerde op de ‘normale/gemiddelde sterfte’ van de afgelopen 5 jaar. Gezien ik hier niet kan uit opmaken welk soort cijfers men precies gebruikte, ga ik verschillende mogelijkheden na. Wat betreft de bevolkingsstructuur koos ik voor de door Europa geadviseerde categorieën, later zal ik eveneens Sciensano’s keuze in kaart brengen. Omdat de referentieperiode eveneens een belangrijke factor is, breng ik voor elke berekening verschillende mogelijkheden in kaart, zijnde een periode van de afgelopen 3 jaar (2017-2019); de afgelopen 5 jaar (2015-2019); 10 jaar (2010-2019); 15 jaar (2005-2019); 20 jaar (2000-2019); 25 jaar (1995-2019); en 28 jaar (1992-2019).

Berekeningsmogelijkheid 1: Het gemiddelde van absolute cijfers

Persoonlijk hoop ik vurig dat Sciensano zich voor hun berekening van het verwachte aantal sterfgevallen niet louter baseerde op het gemiddelde van de absolute sterftecijfers. Herinnert u, het zijn de totale sterftecijfers zonder dat er rekening gehouden wordt met bevolkingsgrootte noch met de bevolkingsstructuur. Zoals aangegeven kunnen deze cijfers niet gebruikt worden om vergelijkingen te maken met andere jaren en zeggen ze op zich zeer weinig tot niets over de realiteit. Toch nam ik het zekere voor het onzekere en voerde deze berekeningen uit. De resultaten zijn:

Bovenstaande tabel toont de verwachte sterfte voor 2020 op basis van het gemiddelde van het ‘absoluut’ aantal sterfgevallen van 2017-2019 (1^ste kolom), 2015-2019 (2^de kolom), 2010-2019 (3^de kolom), 2005-2019 (4^de kolom), 2000-2019 (5^de kolom), 1995-2019 (6^de kolom) en 1992-2019 (7^de kolom). De laatste kolom toont de geobserveerde of daadwerkelijke sterfte van 2020.

Op basis van het gemiddelde van ‘absolute’ cijfers van de afgelopen 3 jaar (2017-2019), zouden we 109.673 doden verwachten in 2020, op basis van de afgelopen 5 jaar (2015-2019) zouden we 109.516,6 doden verwachten in 2020, op basis van de afgelopen 10 jaar (2010-2019) zouden we 107.997,6 doden verwachten in 2020, enz.

Op basis van deze gemiddelden kunnen we stellen dat hoe groter onze referentieperiode wordt (aantal jaar waarop het gemiddelde berekend wordt), hoe lager het aantal verwachte doden voor 2020.

De over- ondersterfte wordt berekend door het verwachte aantal doden af te trekken van het geobserveerde aantal doden voor 2020. Volgens de voorlopige sterftecijfers van 2020, is het geobserveerde aantal sterfgevallen 127.134[14]. Over- ondersterfte wordt uitgedrukt in p-scores, wat het percentage over- ondersterfte is. Op basis van de bovenstaande berekende gemiddelden, brengt ons dit tot de volgende cijfers.

Alle groene cijfers in tabel 4 tonen de (leeftijds)categorieën waar er ondersterfte voor berekend werd en de rode cijfers tonen de (leeftijds)categorieën waar er oversterfte voor berekend werd.
Deze tabel vertelt ons dat op basis van het gemiddelde van ‘absolute’ cijfers van de afgelopen 3 jaar (2017-2019),  er 15,92097% mensen ‘meer’ gestorven zijn dan verwacht. Voor de afgelopen 5 jaar (2015-2019), zijn er 16,08651% meer mensen gestorven dan verwacht, voor de afgelopen 10 jaar (2010-2019) zijn er 17,71928% meer gestorven dan verwacht, enz. Ik vermeld alle cijfers na de komma…simpelweg omdat die vele cijfers na de komma veel mensen representeren.

Let wel, zoals ik reeds vermeldde, is het gebruik van gemiddelden van ‘absolute’ cijfers geen ‘realistische’ manier om verwachte en dus ook over- ondersterfte te berekenen, omdat dit soort gemiddelden geen rekening houdt met de bevolkingsgrootte enerzijds noch met bevolkingsstructuur anderzijds!! Deze cijfers zeggen met andere woorden bitter weinig tot niets!

Heeft Sciensano de gerapporteerde oversterfte op deze manier berekend? Ik hoop het niet! Kijkende naar de gemiddelden in tabel 3, zou je kunnen zeggen dat ze het wel deden en dat ze voor een referentieperiode kozen tussen de afgelopen 5 à 10 jaar. Indien ze werkelijk voor de afgelopen 5 jaar gingen en deze berekening van verwachte sterfte hanteerde, dan heeft men overdreven met zo’n 1.516,5 mensen (109.516,6 – 108.000). Keken ze daarentegen naar het gemiddelde van de afgelopen 10 jaar (107.997,6) dan kozen ze voor een afronding naar boven, maar dat wil zeggen dat ze de afgelopen 10 jaar als referentieperiode namen en niet de afgelopen 5 jaar.

Hoe het ook wezen mag, kiezen voor dit soort berekening zou van weinig ethiek en gebrek aan wetenschappelijke integriteit van Sciensano getuigen, omdat men het eventuele gebruik van ‘absolute’ sterftecijfers niet rapporteert noch de beperkingen van het gebruik van ‘absolute’ cijfers.

Iets in mij zei dat het echt niet kan dat een instelling als Sciensano aan deze wetenschappelijke integriteit voorbij zou gaan en dus zocht ik verder naar andere manieren om aan die 108.000 verwachte doden te  komen.

Berekeningsmogelijkheid 2: gebruik maken van de (lineaire) voorspellingsfunctie (forcast) in Excel.

Ik vond een artikel dat mij vertelde dat je veel beter gebruik kunt maken van de (lineaire) voorspellingsfunctie (of forcast functie) in Excel, omdat gemiddelden de neiging hebben om het aantal verwachte doden te onderschatten en dus ‘over’schatten ze de over- of ondersterfte[15].

Wat doet de voorspellingsfunctie in Excel en welke veronderstelling ligt aan de grondslag van deze voorspellingsfunctie? Deze functie volgt een algoritme en voorspelt het verwacht aantal doden voor 2020 op basis van de bevolking binnen een leeftijdscategorie en op basis van het aantal geobserveerde sterfgevallen van de laatste jaren binnen diezelfde leeftijdscategorie enerzijds en voor het totaal aantal anderzijds. Ook hier kan je dus verschillende referentieperioden (op basis van de laatste 3 jaar, de laatste 5 jaar, enz.) definiëren. Excel zoekt een patroon in de data van de afgelopen jaren en doet een voorspelling van het aantal doden voor 2020 gegeven de populatie van 2020.
Deze functie kan je niet zo maar gebruiken, omdat deze (lineaire) voorspellingsfunctie uit gaat van de veronderstelling dat onze data een ‘lineair’ verband vertonen. Dit wil zeer simpel zeggen dat de data een duidelijke stijgende of dalende trend volgen die te situeren zijn op 1 lijn. Indien onze data dus geen lineair verband vertonen, zal de voorspellingsfunctie uit den boze zijn. Lees: de bekomen resultaten kunnen niet als ‘waarheidsgetrouw’ beschouwd worden.

Mijn eerste taak is dan ook na te gaan of onze data een lineair verband vertonen. Het makkelijkst om dit te doen, is door een spreidingsdiagram van onze data te maken. Hiervoor gebruikte ik het programma ‘Power BI Desktop’, omdat het meer grafische mogelijkheden heeft dan Excel. De bekomen spreidingsdiagrammen tonen dat sterftecijfers binnen bepaalde leeftijdsgroepen weldegelijk een lineair verband vertonen (figuur 2 en 3), maar dit is niet zo voor alle groepen noch voor de totaalcijfers en dit is erg problematisch voor de voorspellingsfunctie in Excel. Gezien het me te ver zou voeren om voor elke leeftijdsgroep een spreidingsdiagram te tonen, toon ik naast 2 diagrammen die een duidelijk lineair verband tonen, ook 4 afwijkende diagrammen.

De eerste 2 diagrammen tonen de geobserveerde sterftecijfers van de 95+-ers voor de jaren 1992 tot en met 2019 (figuur 2) en voor de jaren 2015 tot en met 2019 (figuur 3). De 4 volgende diagrammen tonen de sterftecijfers van de totale bevolking voor de jaren 1992-2019 (figuur 4), voor de jaren 2015-2019 (figuur 5), de sterftecijfers van de 65-69-jarigen voor 1992-2019 (figuur 6) en voor de jaren 2015-2019 (figuur 7).
Op de x-as zie je telkens het aantal geobserveerde sterfgevallen, op de y-as staat de bevolking (totale dan wel de bevolking binnen een bepaalde leeftijdsgroep). De bollen geven de verschillende jaren weer.

Figuur 2: spreidingsdiagram sterfte van de 95+-ers voor de jaren 1992 tot en met 2019. De data tonen een stijgend lineair verband, omdat de punten zich op één duidelijke lijn bevinden.

Figuur 3: spreidingsdiagram sterfte van de 95+-ers voor de jaren 2015-2019. De data tonen een stijgend lineair verband, omdat de punten zich op één duidelijke lijn bevinden.

Figuur 4: spreidingsdiagram totale sterfte van de totale bevolking voor de jaren 1992 -2019. Punten wijken af van een duidelijke lijn

Figuur 5: spreidingsdiagram totale sterfte van de totale bevolking voor 2015 tem 2019. Kijk ook naar de locatie van de verschillende jaren, zo bevindt 2015 zich rechts onderaan, 2016 uiterst links, 2017 in het midden, 2018 uiterst rechts boven en 2019 links boven. Het lineaire verband is zoek.

Figuur 6: spreidingsdiagram sterfte van de 65-69-jarigen voor de jaren 1992-2019. Lineair verband is afwezig.

Figuur 7: spreidingsdiagram sterfte van de 65-69-jarigen voor de jaren 2015-2019. Zoek het lineair verband en let op de volgorde van de verschillende jaren.

Gezien de voorspellingsfunctie van Excel het lineaire verband nodig heeft om een ‘realistische’ voorspelling te kunnen doen, mag duidelijk zijn dat gebruik maken van de functie erg bedenkelijke resultaten zal opleveren. Toch wil ik de test uitvoeren, want ik ben nog steeds zoekende naar hoe Sciensano aan een verwachte sterfte komt van 108.000 mensen.

Voor het uitvoeren van deze test, maak ik dus gebruik van dezelfde leeftijdscategorieën en dezelfde referentieperioden zoals ik deed bij de 1^ste berekeningsmogelijkheid. Het nadeel is de afwezigheid van lineaire data, het voordeel (ten opzichte van de gemiddelden van absolute cijfers) is dat deze functie weldegelijk rekening houdt met de populatiegrootte en bevolkingsstructuur. Echter, de resultaten zullen, net zoals bij de 1^ste berekeningsmogelijkheid, betekenisloos zijn. Hier volgen de resultaten:

Tabel 5 zegt ons dat Excel op basis van de laatste 3 jaar (2017-2019) voorspelt dat het aantal doden in 2020 108.721,3 zal zijn. Op basis van de laatste 5 jaar (2015-2019) zouden dit er 109.200,7 mensen verwacht worden te sterven, enz. De vooruitgang ten opzichte van de 1^ste berekeningsmogelijkheid, is dat deze functie rekening houdt met de bevolkingsgrootte (voorlaatste blauwe rij). Meer zelfs, met de voorspellingsfunctie kan je ook de bevolkingsstructuur in rekening brengen. De laatste gele rij laat hiervan het effect zien. Als we dus niet alleen de populatiegrootte in kaart brengen, maar eveneens het effect van de bevolkingsstructuur, dan zegt Excel dat er op basis van de gegevens van de laatste 3 jaar (2017-2019) 109.331,7 mensen voorspeld werden te sterven. Nemen we de laatste 5 jaar dan voorspelt Excel dat het aantal verwachte doden in 2020 111.888,6 zou zijn. Enkel rekening houden met de bevolkingsgrootte, heeft dus weinig effect op de sterftecijfers die vrij stabiel blijven doorheen de jaren (zie voorlaatste blauwe rij voor de verschillende referentieperioden). Het echte effect zit dus in de verschuiving van de bevolkingsstructuur doorheen de jaren (laatste gele rij). Deze vertelt ons dat hoe langer onze referentieperiode is, hoe hoger het verwachte aantal sterfgevallen voor 2020 wordt.

Indien Sciensano dus gebruik maakte van deze voorspellingsfunctie, dan kan de 108.000 verwachte doden (afgerond naar beneden dus, wat zijn immers 721,3 doden?!) alleen verklaard worden als ze zich voor dit cijfer EN baseerden op de laatste 3 jaar (en niet de 5 jaar waar men op hun site naar verwijst) EN men hield geen rekening met de bevolkingsstructuur. Met andere woorden én indien men deze functie gebruikte én men baseerde zich op de laatste 5 jaar, dan doet men een onderschatting van ofwel 1.200,7 sterfgevallen (geen rekening houden met de bevolkingsstructuur, blauwe rij) of een onderschatting van 3.888,6 doden (wel rekening houden met de bevolkingsstructuur, gele rij), wat uiteraard het effect van oversterfte groter maakt!!

Misschien valt er u nog iets op: waar bij de berekening van de gemiddelden van absolute cijfers (tabel 3) het verwacht aantal sterfgevallen voor 2020 lager werd indien we een langere referentieperiode nemen (van 10 jaar, 15 jaar, 20 jaar, 25 jaar en 28 jaar), zien we hier dat indien er rekening gehouden wordt met de bevolkingsstructuur het verwacht aantal sterfgevallen stijgt en dus zal de oversterfte dalen (wat realistischer is)!!! Laat ons dus kijken naar de cijfers van over- ondersterfte op basis van bovenstaande voorspellingen.

Tabel 6 kent dus dezelfde logica als tabel 4. Alle rode cijfers duiden op oversterfte, alle groene op ondersterfte. Op basis van de afgelopen 3 jaar, is de oversterfte 16,28286% of met andere woorden er zijn 16,28286% meer doden geobserveerd dan voorspeld/verwacht. Op basis van de afgelopen 5 jaar, is de oversterfte 13,6255% of er werden 13,6255% meer geobserveerd dan verwacht. De dalende trend indien we langere tijdsperioden nemen voor onze voorspelling mag duidelijk wezen (laatste gele rij). De blauwe voorlaatste rij is het percentage oversterfte, wat rekening houdt met de bevolkingsgrootte, maar niet met de bevolkingsstructuur. Het belang van de bevolkingsstructuur mag duidelijk wezen.

Kijkende naar de referentieperiode 2017-2019, dan zien we een oversterfte van 27,60088% bij de leeftijdscategorie 10-14 jarigen (zie oranje kader). Wat wil dit zeggen? Zoals tabel 5 toont, voorspelt het programma op basis van de cijfers van afgelopen 3 jaar (2017-2019) dat er 48,48901 (afgerond 48 mensen) 10-14 jarigen zouden sterven in 2020. Echter, in realiteit stierven er ‘62’ 10-14 jarigen in 2020. Er zijn dus 14 mensen meer gestorven dan verwacht, wat overeenkomt met 27,60088%. In realiteit stierven er in 2017 ‘66’ 10-14 jarigen, in 2018 ‘55’ en in 2019 eveneens ‘55’, maar het aantal 10-14 jarigen steeg ook elk jaar (zie bijlage 1). Excel herkent dit als een patroon en zegt als de bevolking in die categorie stijgt, dan daalt het aantal verwachte / voorspelde sterfgevallen. Kwestie dat je de logica begrijpt…vandaar ook het belang dat data lineair georganiseerd zijn, maar zoals ik reeds aantoonde in de spreidingsdiagrammen, is dit niet voor alle data het geval, waardoor de voorspellingen van de lineaire voorspellingsfunctie inaccuraat en dus betekenisloos zijn.

Vraag wordt waarom we van dit soort functies zouden gebruik maken als we alle data in handen hebben om de over-ondersterfte op een betere manier te berekenen?

Berekeningsmogelijkheid 3: Gebruik maken van voor leeftijd gecorrigeerde gemiddelden (Belgische bevolkingsstructuur)

Op de site van de statistieken der België[16], op Sciensano[17], op de site http://www.gezondbelgie.be[18], in vooraanstaand wetenschappelijk onderzoek[19] [20] [21] [22] wordt telkens gewezen op het belang te controleren voor de structuur van een bevolking. Zo stelt de site gezondbelgie.be (een site ondersteund door de overheid en Sciensano):

“Het bruto sterftecijfer is het aantal sterftevallen in een bepaald jaar gedeeld door de populatiegrootte. Deze indicator is echter niet zo geschikt om de gezondheid op te volgen, omdat sterfte sterk gerelateerd is met leeftijd. Bruto sterftecijfers in verouderde populaties kunnen daarom toenemen, ook al zou de gezondheidstoestand verbeteren.
Om vergelijking van sterfte-indicatoren tussen verschillende populaties of tijdsperioden mogelijk te maken, dient bijgevolg gebruik gemaakt te worden van schatters die gecorrigeerd zijn voor de leeftijdssamenstelling van de betrokken populaties.”

Controleren voor de structuur van de bevolking, voor leeftijd, wil zeggen dat je voor elke leeftijdsgroep van een bepaald jaar, het gemiddelde gaat berekenen. Op die manier wordt het geobserveerde sterftecijfer vergelijkbaar doorheen de jaren, omdat ze niet meer afhankelijk zijn van de verschillende grootte van een leeftijdscategorie. Bv. in 1992 stierven er ‘991’ 0-jarigen en waren er ‘125.545’ 0-jarigen. In 2020 stierven er ‘228’ 0-jarigen en er waren ‘117.164’ 0-jarigen. Dit zegt niet veel en dus controleren we voor leeftijd. In 1992 stierf 0,789% van de 0-jarigen ((991/125.545)*100) en in 2020 stierf 0,195% van de 0-jarigen ((228/117.164)*100). We kunnen dus met duidelijkheid zeggen dat er in 2020 beduidend minder 0-jarigen stierven in vergelijking met 1992.
Meer specifiek, stierven in 2020 ‘75,28%’ 0-jarigen minder dan in 1992 ((0,195-0,789)/0,789*100).

Wil je dus vergelijkingen maken over de jaren heen, dan dienen we de bevolkingsstructuur in rekening te brengen. Echter, op die manier kunnen we enkel uitspraken doen voor België, maar dit wil niet zeggen dat we deze cijfers kunnen vergelijken met andere (Europese) landen, gezien elk land een andere bevolkingsstructuur heeft. Europa formuleerde dan ook richtlijnen om sterftecijfers Europees te kunnen vergelijken[23]. Voordeel is hierbij dat je Europees kunt vergelijken, maar het bitter weinig zegt over je eigen land. Ik zal dan ook berekeningen doen die zowel van belang zijn voor België en dus breng ik de Belgische bevolkingsstructuur in rekening, maar ik zal dit eveneens doen met de door Europa voorgestelde standaard populatie (=berekeningsmogelijkheid 4). Cijfers zullen verschillen.

Laat mij starten met de berekening van de verwachte sterfte op basis van voor leeftijd gecontroleerde cijfers met de Belgische bevolkingsstructuur. Wederom doe ik dit voor verschillende referentieperioden. Dit levert volgende verwachte sterftecijfers op.

Deze tabel toont het aantal verwachte sterfgevallen voor 2020 per leeftijdscategorie, voor de totale bevolking (enkel rekening houden met de populatiegrootte, blauwe voorlaatste rij) en voor de totale bevolking gecontroleerd voor bevolkingsstructuur (laatste gele rij) op basis van 3 jaar (2017-2020), 5 jaar (2015-2020), enz. De laatste kolom toont de geobserveerde of echte sterfgevallen in 2020.

Indien we dus controleren voor leeftijd (laatste gele rij), dan verwachten we op basis van de cijfers van de afgelopen 5 jaar dat er 116.352,1 mensen zouden sterven in 2020. Op basis van de cijfers van de afgelopen 10 jaar hadden we 120.964,4 mensen verwacht te zullen sterven in 2020, enz. Sciensano’s verwachte 108.000 doden is volledig zoek!

Let wederom op het verschil tussen de 2 laatste rijen! De voorlaatste (blauwe) rij, de verwachte sterfte op basis van de bruto cijfers, houdt dus enkel rekening met de bevolkingsgrootte. De laatste (gele) rij is de verwachte sterfte indien er rekening wordt gehouden met de bevolkingsstructuur EN dus ook de bevolkingsgrootte. Voor de referentieperiode 2015-2019 zorgt deze keuze voor een verschil van 5.171,7 verwachte doden voor 2020!

Vertaald naar over- en ondersterfte:

Nemen we het uitgangspunt van Sciensano waar men zich gebaseerde op de afgelopen 5 jaar voor de berekening van de oversterfte, dan dienen we naar de tijdsperiode 2015-2020 te kijken. Indien we niet controleren voor bevolkingsstructuur dan zien we dat er 14,34934% meer mensen gestorven zijn dan verwacht (blauwe rij), maar indien we wel rekening houden met de bevolkingsstructuur dan hebben we een oversterfte van 9,266646%……..wat een totaal ander cijfer is dan Sciensano vermeldt, zijnde een oversterfte van 16,6%!!!

Berekenen we onze voor leeftijd gecontroleerde gemiddelden op de laatste 10 jaar, dan hebben we een oversterfte van 5,100387%, op de laatste 15 jaar een oversterfte van 0,943675% …en vanaf we 20 jaar en meer…spreken we over een ondersterfte… Misschien is een debat met betrekking tot de keuze van de referentieperiode toch wenselijk, gezien de immense impact van de coronamaatregelen op onze grond- en mensenrechten? (zie ook conclusie) Vergelijk deze cijfers eens met de over- en ondersterfte cijfers uit de andere tabellen …bekomen door andere methoden……welkom in de wereld van de ‘objectieve’ cijfers…maak een keuze…voor ieder een eigen realiteit, welke kies jij?

Hoe kunnen we deze percentages begrijpen? Of welke absolute cijfers zitten achter deze percentages? Voor de periode 2015-2019:

Voor de leeftijdscategorie 10-14, zijn er 62 sterfgevallen geobserveerd en 58,6 voorspeld, een verschil van 3,4 personen (of een oversterfte 5,85%); voor 30-34 jarigen werden er 437 geobserveerd en 436,04 voorspeld, een verschil van 0,96 personen (of een oversterfte 0,21%); voor de 50-54 jarigen werden er 2.478 geobserveerd en 2456,6 voorspeld, een verschil van 21,4 personen (of een oversterfte 0,87%), enz.

Vraag wordt: Heeft Sciensano voor de ‘worst case scenario’ gekozen? Of hebben ze nog een andere manier gebruikt, een manier die geen rekening houdt met de structuur van onze bevolking? Of…???? Zoals ik al schreef, is er nog een optie, namelijk dat Sciensano gebruik maakte van de Europese standaard bevolking (2013).

Berekeningsmogelijkheid 4: Gebruik maken van de Europese Standaard bevolking (2013)

De structuur van een bevolking wordt bepaald door het aantal mensen binnen een bepaalde leeftijdscategorie. Landen zoals Italië en Spanje hebben een grotere oudere (85+) bevolking dan andere landen. Dit wil zeggen dat je bekomen sterftecijfers niet zomaar kan vergelijken met andere landen. Dus net zoals je binnen België de geobserveerde sterfgevallen niet zomaar kan vergelijken over de jaren heen (omwille van het effect van de bevolkingsstructuur in eigen land), kan je de cijfers van België zo maar niet vergelijken met sterftecijfers van andere (Europese) landen. Daarom onderzocht Europa de Europese bevolkingsstructuur en stelde in 2013 een (gereviseerde) Europese bevolkingsstructuur voor. Deze structuur wordt regelmatig herzien, omdat ook binnen Europa de vergrijzing groter wordt. De laatste herziening gebeurde dus in 2013 en dus zal ik voor de volgende berekeningen gebruik maken van de Europese Standaard populatie (2013).

Om dit concreet te maken, geef ik hier de Belgische verdeling in 2020 en de Europese verdeling (2013).

Hoe lezen we deze tabel? De eerste kolom is de echte bevolkingsstructuur van België anno 2020. Deze kolom werd berekend door het aantal mensen per leeftijdscategorie te delen door de totale Belgische bevolking (het zijn de schatters of gewichten van Belgische bevolkingsverdeling). De tweede kolom is de bevolkingsstructuur zoals Europa zou verdeeld zijn (het zijn de schatters of gewichten van de Europese bevolkingsverdeling). Deze waarden zijn terug te vinden in het rapport opgesteld door Europa[24]. Vanaf 2013 kende de Europese bevolking een andere verdeling dan die dateert uit 2010. Op de site van de statistieken van België wordt doorgaans nog steeds deze oudere Europese verdeling gebruikt. Het rapport 2013 maakt het belang van de categorie 95+ duidelijk, die afwezig lijkt te zijn in de verdeling van 2010.
De derde kolom is het aantal mensen per leeftijdscategorie zoals geobserveerd in België in 2020 (dus schatters uit kolom 1 x de totale bevolking). De vierde kolom is de vertaling van de Europese standaard bevolking naar de Belgische bevolking. Deze worden bekomen door het gewicht uit de 2^de kolom te vermenigvuldigen met de volledige Belgische bevolking (bv. voor 0-jarigen: 0,01 x 11.492.641 = 114.926,41). U kunt zien dat ook al lijken de proporties (kolom 1 en 2) sterk op elkaar…de vertaling naar absolute cijfers belangrijke verschillen vertoont, wat het effect is van de vele cijfertjes na de komma.

In mijn zoektocht naar de 108.000 verwachte doden, zoals aangegeven door Sciensano, ga ik dus na of ze misschien gebruik maakten van de Europese Standaard bevolking in plaats van gebruik te maken van de bevolkingsstructuur van België zelf. Zoals reeds aangegeven, heeft dit als voordeel dat je Europees kan gaan vergelijken, maar dat uitspraken voor over- of ondersterfte voor België zelf eigenlijk uit den boze zijn, zoals ook door verschillende wetenschappers aangegeven[25] [26] [27], omdat het schattingen blijven.

Voortgaan op wat Sciensano vermeldt, namelijk dat men zich baseerde op de gemiddelde cijfers van de afgelopen 5 jaar, kom ik wederom niet bij de 108.000 verwachte doden uit. Wel bij 111.744,8 (voor leeftijd gecontroleerde cijfers, laatste gele rij) of 3.744,8 mensen meer dan vermeldt door Sciensano! Vertaald naar onder- of oversterfte krijgen we volgende cijfers:

Indien we gebruik maken van de Europese standaard populatie (2013) is er op basis van de afgelopen 5 jaar een oversterfte van 13,77%, wat zo’n 4,5% hoger ligt dan indien we de bevolkingsstructuur van België zelf in rekening brengen (zie tabel 6, waar de oversterfte 9,26% was).
Zoals reeds gezegd, zeggen deze cijfers bitter weinig over België als dusdanig…het kan enkel iets zeggen over België in vergelijking met andere Europese landen en dan nog dient men voorzichtig te zijn met de interpretatie.

Ik wees reeds herhaaldelijk op het belang van het nauwkeurig in kaart brengen van de bevolkingsstructuur. Het vreemde is dat er zo vaak (oa door Sciensano) gebruik gemaakt wordt van zeer ruime leeftijdscategorieën, waardoor het belangrijk effect van de bevolkingsstructuur gemaskeerd wordt. Zoals de keuze van de meetschaal bij de lengte van landsgrenzen (zie inleiding) ons duidelijk maakte, is de logica dat indien de leeftijdsverdeling ‘ruim’ in kaart gebracht wordt, de verwachte/geschatte sterfte lager zal liggen dan wanneer we deze verdeling ‘nauwkeurig’ in beeld brengen. Laten we dit effect nagaan.

Berekeningsmogelijkheid 5: gebruik maken van ruime leeftijdscategorieën

We gebruiken dezelfde methode als berekeningsmogelijkheid 3, maar passen de leeftijdscategorieën aan naar ruimere categorieën. Waar Europa adviseert om per 5 jaar te werken, wordt er in België vaak gebruik gemaakt van categorieën van 10 en zelfs 25 jaar. Laat ons het effect bekijken.

Vergelijken we bovenstaande tabel met tabel 7 dan zien we dat het gebruik van ruimere leeftijdscategorieën (oranje kader) zorgt voor een lagere verwachte sterfte en dus zal de oversterfte stijgen! Meer specifiek voor de periode 2015-2019 en gebruik maken van nauwkeurige leeftijdscategorieën, dan is de verwachte sterfte 116.352,1 personen (tabel 7). Gebruik maken van ‘ruimere’ leeftijdscategorieën – die het effect van leeftijdsverdeling maskeren – zoals Sciensano doet, levert voor dezelfde periode (2015-2019) 114.684 verwachte doden op (tabel 12). Dit is een verschil van 1.668,1 verwachte sterfgevallen.

Vertaald in over- en ondersterfte krijgen we de volgende cijfers.

Gebruik maken van ruimere leeftijdscategorieën geeft voor de periode 2015-2019 een oversterfte van 10,85593% (laatste gele rij), wat 1,589284% meer is dan indien de bevolkingsstructuur nauwkeuriger in kaart gebracht wordt (tabel 8, laatste gele rij).
Voorts zien we in deze tabel dat er blijkbaar enkel ondersterfte is voor de 2 jongste leeftijdscategorieën (0-24 jaar en 25-44 jaar), wat eveneens een vertekening is zoals blijkt uit tabel 8 die een duidelijker beeld geeft van onder- en oversterfte binnen leeftijdscategorieën.

Gebruik maken van deze ruimere leeftijdscategorie, zegt dat er voor de leeftijdsgroep (45-64), 134,72 meer doden gevallen zijn dan verwacht (tabel 12: geobserveerde aantal – verwacht aantal) voor de referentieperiode 2015-2019. Vergelijken we dit met de resultaten in tabel 7 voor dezelfde leeftijdsgroep (dus van 45 tem 64) en dezelfde referentieperiode, dan zien we dat de oversterfte zich enkel bevindt bij de leeftijdsgroep 50-54 jarigen (de andere groepen tonen ondersterfte) en dat het verschil tussen verwachte sterfte en geobserveerde sterfte 21,375 (afgerond 21) mensen betreft of een verschil van 103,345 verwachte sterfgevallen. Nauwkeurigheid maakt wel degelijk uit! 

Hoe Sciensano aan de verwachte 108.000 doden kwam, blijft mij een raadsel, tenzij zij nog een andere procedure gebruikten om de verwachte sterfte te berekenen natuurlijk. Dat de over- en ondersterfte nog wat kan wijzigen, omdat het aantal geobserveerde sterfgevallen in de eerste maanden van het nieuwe jaar nog kan stijgen omwille van registratie vertragingen, daar kan ik inkomen. Maar de cijfers van voorgaande jaren, waarop de verwachte sterfte berekend wordt, zijn al lang binnen. Mijn vraag dus aan Sciensano, leg uw berekeningen met betrekking tot verwachte sterfte en met betrekking tot over- ondersterfte op tafel aub!

Alle gekheid op een stokje: laat ons nog een effect op over- ondersterfte in kaart brengen, een effect waar we in 2020 mee te kampen hadden…namelijk de hittegolf van augustus. Willen we dichter komen bij het effect van covid, dan lijkt me dit niet oninteressant. Let, hiermee zeg ik niet dat indien we de sterfgevallen van de hittegolf in rekening brengen, we het effect van het ‘virus zelf’ kennen. Het in rekening brengen van de hittegolf geeft enkel een beter zicht op het effect van de hele covid-situatie, zijnde EN het virus EN de genomen maatregelen! In een volgend schrijven zal ik op zoek gaan naar het “ware” effect van het virus zelve.

Berekeningsmogelijkheid 6: verwachte sterfte gecontroleerd voor de hittegolf

Gezien Sciensano zo vriendelijk geweest is de sterfgevallen van de hittegolf van augustus 2020 in kaart te brengen, is het ook niet oninteressant om naar onze oversterfte te kijken indien we de sterfgevallen ten gevolge van deze hittegolf eruit filteren. Reden mag misschien duidelijk zijn, een beter beeld van de oversterfte krijgen, gezien de maatregelen die onze overheid al maandenlang oplegt…met inhakkende inbreuken op onze mensen- en grondrechten. Zie hier de berekeningen zonder de slachtoffers van de hittegolf van augustus 2020.

Op de site van Sciensano[28] lezen we dat de hittegolf van augustus 2020 ‘1.460’ extra doden veroorzaakte in ‘alle’ bevolkingsgroepen, namelijk 742 bij de 85+ bevolking en 600 voor de bevolking in de 65-84 categorie. Dit leert mij dat in de categorie 0-64 er eveneens 118 mensen gestorven zijn ten gevolge van de hittegolf. Het belang van een nauwkeurig zicht op de bevolkingsstructuur mag hopelijk duidelijk zijn en dus zorgde ik voor een verdeling (niet wetende dat deze verdeling effectief klopt) volgens de leeftijdscategorieën zoals voorgesteld door Europa. Sciensano zegt dat er in elke bevolkingsgroep doden vielen ten gevolge van de hittegolf. Ik opteerde dan ook voor een evenredige verdeling.

Het spreekt voor zich dat mijn verdeling uit kolom 1 in realiteit anders verdeeld zal zijn, maar deze gegevens worden nergens gepubliceerd en dus opteerde ik om de aangegeven cijfers van Sciensano evenredig te verdelen over alle categorieën.

De verwachte sterfte is uiteraard dezelfde zoals weergegeven in tabel 7 (berekeningsmogelijkheid 3), enkel de geobserveerde sterfte wijzigt, gezien we de slachtoffers van de hittegolf van de geobserveerde sterfgevallen per leeftijdscategorie aftrekken. Wat is dan de onder- en oversterfte voor 2020?

Als we de oversterfte berekenen op de afgelopen 5 jaar en rekening houden met de bevolkingsstructuur van België, dan daalt de oversterfte met 1,25% indien we de sterfgevallen ten gevolge van de hittegolf in mindering brengen (laatste gele rij). Indien we de oversterfte zouden berekenen op basis van de afgelopen 15 jaar, dan zorgt het in vermindering brengen van de sterfgevallen door de hittegolf niet meer voor een algemene oversterfte, maar wordt het plots ondersterfte. De oversterfte situeert zich volledig bij de 80+-ers.

 
Conclusie en bedenkingen

Laat mij starten met een klein overzicht van de verwachte sterfte en oversterfte voor 2020 met verschillende berekeningsmogelijkheden en enkel voor de referentieperiode 2015-2019 (tabel 16). Het ene cijfer kan als meer ‘realistisch’ beschouwd worden dan het andere cijfer, maar indien de context van de berekening meegegeven wordt, zijn ze in se allemaal “waar”, ook al zijn sommige resultaten niet realistisch. Het probleem is dan ook dat de context van berekeningen niet weergegeven wordt in de rapportage van resultaten, waardoor het maken van vergelijkingen onmogelijk is. Op deze manier krijgen we een getrek en geduw tussen “waar” en “onwaar”, terwijl het over “realistisch” en “onrealistisch” zou moeten gaan.
Welk uiteindelijk resultaat “gekozen” wordt, hangt dus af van de beweegredenen van een onderzoeker, wat de ‘objectiviteit’ van onderzoek in het algemeen en van cijfers in het bijzonder op de helling zet. Misschien begrijpt u nu discussies tussen onderzoekers beter? Misschien begrijpt u nu waarom resultaten van onderzoek zo divers zijn?
Let, ik spreek hier enkel over mogelijke verschillende resultaten met betrekking tot ‘jaar’-gemiddelden en niet eens over dag-, week-, 2-weekse gemiddelden, die door de experten, gesproken en geschreven pers, allemaal door elkaar gebruikt worden. Net zoals je jaarberekeningen niet zomaar met elkaar kan vergelijken, kan je dat ook niet met dag-, week- of 2-wekelijkse resultaten…laat staan dat deze zomaar onderling kunnen vergeleken worden.
Het niet consistent en transparant zijn in rapportage van resultaten zorgt voor veel verwarring en paniek bij een groot deel van de bevolking…en bij onze leidinggevenden van het land. Vraag wordt: Willen we een realistisch dan wel een ‘opgepompt’ resultaat? En wat doen we met onze verwachtingen? Is het realistisch te blijven streven naar ondersterfte terwijl een populatie blijft vergrijzen? Of dienen we onze verwachtingen bij te stellen?
Mijns inziens wordt de noodzaak “ethisch” keuzes te maken hoog dringend, waar ethisch verwijst naar het zo goed mogelijk benaderen van de realiteit. Debat rond de keuze van cijfers (absolute, bruto, voor leeftijd gecontroleerde cijfers), van leeftijdscategorieën en referentieperiode dient zich aan binnen een ruimer en fundamenteler debat, zijnde: Welke soort maatschappij wensen we te creëren en met welk mensbeeld willen we dat doen?

Dit schrijven had als focus de zoektocht naar Sciensano’s 108.000 verwachte doden voor 2020. Op hun site kunnen we lezen dat men zich voor de verwachte sterfte baseerde op de normale/gemiddelde sterfte van de afgelopen 5 jaar. Ik opperde dat er zeer veel berekeningsmogelijkheden zijn, maar dat de ene berekeningsmogelijkheid meer ‘realistisch’ is dan de andere berekeningsmogelijkheid. Indien we de realiteit zo nauwkeurig mogelijk willen benaderen, dan dienen we rekening te houden met de bevolkingsstructuur of leeftijdsverdeling van de Belgische bevolking. Doen we dit, dan kunnen we onmogelijk spreken van een oversterfte van 16,6%, eerder spreken we dan van een oversterfte van 9,3% als we onze berekeningen baseren op de laatste 5 jaar. Controleren we voor het effect van de hittegolf, dan hebben we nog een oversterfte van 8,01%. Nemen we een langere referentieperiode dan de afgelopen 5 jaar, wat bij evoluties van sterfte niet ongewoon is, dan daalt de oversterfte zienderogen. Hiermee lijkt het dat Sciensano een overschatting deed van minstens 7,3% of een overdrijving van bijna 50% van de oversterfte….als het streven de benadering van de realiteit is.

Sciensano’s 108.000 verwachte sterfgevallen werd met geen enkele methode gevonden als men zich – zoals hun site stelt -baseerde op de laatste 5 jaar. Dit is erg vreemd, want sterftecijfers van de afgelopen 5 jaar zijn al lang binnen. De methode die het dichtst aansluit bij hun cijfers, is de methode die gebruik maakt van gemiddelden van absolute cijfers, een methode die erg bedenkelijk is, gezien ze noch de bevolkingsgrootte noch de bevolkingsstructuur in rekening brengt. Wat zeggen deze cijfers dan eigenlijk? Indien berekeningen op absolute cijfers de algemeen aanvaarde manier is, dan wordt het misschien hoog tijd deze manier van berekenen in vraag te stellen? Het is uiteraard mogelijk dat Sciensano nog een andere berekeningsmanier gebruikte voor verwachte sterfte. Indien dit zo is, zou het erg wenselijk zijn dat deze berekening op tafel komt!

Mijn poging te achterhalen hoe over- ondersterfte tijdens andere jaren berekend werd in België, heeft niets opgeleverd. Wel lees ik oa op de site van de statistieken van federale overheid (www.statbel.fgov.be) en op de site gezondbelgie.be, een site ondersteund door de federale overheid en door Sciensano, hoe belangrijk het is om de bevolkingsstructuur in rekening te brengen, willen we vergelijkingen maken tussen populaties en/of verschillende tijdsperioden. Ik kan mij dan ook niet ontdoen van het feit dat Sciensano wel degelijk op de hoogte is van het effect van deze uiterst belangrijke factor in de berekening. Echter, in de pershoek van hun site, vind ik geen enkele omkadering van hun berekeningen noch nuancering van hun gerapporteerde cijfers daterende van 15/01/2021.

Hiermee heb ik mijn tweede doel van dit schrijven omkaderd, namelijk aantonen dat de berekening van onze oversterfte zoals gepresenteerd door Sciensano dringend in vraag moet gesteld worden.

Met betrekking tot het eerste doel, hoop ik dat diegenen die de moeite hebben gedaan zich door dit rapport te worstelen, ten minste vragen beginnen te stellen aangaande de ‘objectiviteit’ van onderzoek. Ik stipte slechts 2 bevindingen van de vele andere bevindingen/bedenkingen binnen wetenschappelijk onderzoek aan, namelijk resultaten zijn afhankelijk van de gebruikte meetschaal (zoals de keuze van leeftijdscategorieën) en resultaten zijn afhankelijk van hoe nauwkeurig data gepresenteerd en geanalyseerd worden (al dan niet rekening houden met bevolkingsstructuur)! Beide zaken hebben rechtstreeks te maken met de ‘subjectieve’ keuzes van onderzoekers en / of instellingen die de resultaten publiceren. Het zijn dus de mensen zelf die resultaten vormgeven en niet de cijfers op zich! Veel hangt af van de ethische houding van een onderzoeker…willen ze de realiteit zo goed mogelijk benaderen of willen ze dat resultaten hun denken zo veel mogelijk ondersteunt, ook al zou dit willen zeggen dat resultaten bitter weinig met de realiteit te maken hebben?

Het is in deze context dat ik stel dat cijfers een realiteit eerder creëren dan een realiteit ontdekken en beschrijven. Het is voornamelijk de persoon achter de data die deze realiteit bepaalt. De veronderstelde ‘objectiviteit’ van data, van onderzoek dient in vraag gesteld te worden. Gezien de immense maatschappelijke consequenties van de “keuze” van resultaten (lees het teniet doen van mensen- en grondrechten) wordt een debat omtrent de plaats van wetenschappelijk onderzoek binnen de besluitvorming hoogst noodzakelijk! Op dit moment lijkt het dat enkel onderzoek dat aansluit bij de besluitvorming, in aanmerking komt op publieke fora, wat voor mij wil zeggen dat de gecreëerde realiteit kost wat kost in stand moet gehouden worden, ongeacht ze realistisch is. ‘Waarom’ is dan de volgende vraag, waar alleen de aan het woord zijnde experten en onze besluitvormers een antwoord op kunnen geven.

De huidige maatregelen, die zijn verantwoording deels vindt in de ernst van de door Sciensano’s gerapporteerde oversterfte, maken kaphout van onze mensen- en grondrechten. Vraag wordt of u op basis van deze gegevens nog steeds dezelfde keuzes zou maken? En zo ja, laat ons verder debatteren rond de manier van berekening van oversterfte in het algemeen. Wenst u een realistisch beeld of wenst u een gecreëerd beeld dat eerder ruikt naar het aanzwengelen en in stand houden van paniek en het grote gelijk van de experten van dienst?

Vooraleer u een antwoord formuleert, sta mij toe deze vragen nog wat extra te kaderen. In 2017 hadden we te kampen met meer sterfte ten gevolge van de griep, ook toen was de heer Van Ranst aan het woord in de media. In Het Laatste Nieuws vond ik volgende verwoording van hem terug: “Het gaat vooral om “stokoude mensen” van 85 jaar of ouder, zegt hij, die door de griep iets vroeger dan normaal sterven. “Het aantal verloren levensjaren is dus niet zo impressionant”, klinkt het.”[29]

Inderdaad, er is nog een andere manier om naar ‘oversterfte’ te kijken en dat is door naar ‘het verlies van potentiële levensjaren’ te kijken, ook bekend als Potential Years of Life Lost (PYLL). In deze berekening worden de “stokoude, stokstokoude en stokstokstokoude” (lees: 85-89 jarigen, 90-94 jarigen en de 95+-ers) mensen niet meegerekend, omdat de redenering is dat elke maand of jaar deze oudjes extra leven, een gewonnen maand of jaar is en geen verloren maand of jaar. De berekening van verlies van potentiële levensjaren heeft dus betrekking op de jongere populatie en zelfs doorgaans de populatie van 0 tem 75 jaar[30] [31]. Alle levensjaren daarboven tellen niet mee in deze berekening. Laat ons stellen dat deze redenering, die amper 3 jaar geleden nog geldig was, in huidige covid-tijden volledig zoek lijkt. Ik presenteer u hier dan ook deze berekeningen.

Gezien de levensverwachting voor de ganse Belgische bevolking (mannen en vrouwen) 81,8 jaar[32] is en gezien ik uitspraken wil doen over de evolutie hiervan voor België, neem ik als bovenlimiet 85 jaar (ruimschoots boven de gemiddelde leeftijd en boven de doorgaans genomen limiet van 75 jaar). Ik kijk met andere woorden naar het verlies van potentiële levensjaren voor de 0 tot 85 jarigen. De logica is dat indien iemand behorende tot de 0-jarigen sterft, er een potentieel verlies is van 84,5 levensjaar (85 jaar – 0,5 jaar). Een sterfgeval dat behoort tot de categorie 1-4 jarigen, heeft een verlies van 83 levensjaren (85 jaar – 2 jaar), enz. Men kijkt dus naar de gemiddelde leeftijd van een leeftijdscategorie en die gemiddelde leeftijd wordt afgetrokken van onze bovenlimiet, hier zijnde 85 jaar. Mensen die jong sterven krijgen op deze manier een zwaarder gewicht in deze berekening, dan oudere mensen. Al de verloren levensjaren worden opgeteld en gedeeld door de totale populatie 0-85 jarigen (= PYLL rate of PYLL verhouding). Dit resultaat wordt dan vermenigvuldigd met (in ons geval) 100.000[33] en zo hebben het verlies aan potentiële levensjaren per 100.000 inwoners. Ik doe dit voor de jaren 1992 tem 2020. Hier zijn de resultaten.

Bovenstaande tabel toont voor elk jaar vanaf 1992 het verlies aan potentiële levensjaren of met andere woorden het vroegtijdig sterven (voor 85 jaar) uitgedrukt in ‘jaren’ per 100.000 inwoners. Ik maak een onderscheid tussen het potentiële verlies met 0-jarigen en zonder 0-jarigen, omdat er in onderzoek nogal wat gediscussieerd wordt of babysterfte (jonger dan 1 jaar) al dan niet moet worden meegerekend. De reden hiervoor is dat er bij babysterfte andere doodsoorzaken verondersteld worden dan bij mensen boven 1 jaar. Onze federale overheid rekent de 0-jarigen er wel bij en dus vermeld ik ze hier ook.

Wat tabel 17 toont, is dat er sinds 1992 telkens een daling te constateren is en dat 2020 een stijging kent die gesitueerd kan worden tussen 2015 en 2016 (indien de 0-jarigen meegerekend worden). Los van de vraag of we – gezien de immer stijgende vergrijzing – ondersterfte kunnen blijven verwachten, is de vraag hier of de geobserveerde stijging van 2020 spectaculair is? Of past het in de redenering dat na ondersterfte, oversterfte kan verwacht worden? En moeten we misschien onze verwachtingen niet dringend bijstellen?

Laat ons kijken hoe spectaculair de stijging van verlies aan potentiële levensjaren is. Ik volg dezelfde berekeningslogica als weleer. Ik vergelijk het verlies aan potentiële levensjaren van 2020 met het verwachte verlies aan potentiële levensjaren voor verschillende referentieperioden (tabel 18) en kijk naar de grootte van winst dan wel verlies (tabel 19) aan levensjaren.

De voorlaatste rij toont het verwachte verlies aan potentiële levensjaren voor de populatie 0-85 jarigen voor verschillende referentieperioden, de laatste rij toont het verwachte verlies aan potentiële levensjaren voor de populatie 1-85 jarigen voor verschillende referentieperioden en de laatste kolom toont het geobserveerde verlies aan potentiële levensjaren voor 2020 (vermenigvuldigen we deze cijfers met 100, dan krijgen we percentages; vermenigvuldigen we deze cijfers met 100.000, dan krijgen we het verlies van potentiële levensjaren per 100.000 inwoners).

Hoe spectaculair is de stijging of daling ten opzichte van andere jaren:

De groene cijfers geven een daling aan, wat wil zeggen dat er voor die categorieën extra winst in potentiële levensjaren is gemaakt in 2020 ten opzichte van de verwachting berekend met verschillende referentieperioden. De rode cijfers geven een stijging aan, of een extra verlies aan potentiële levensjaren in 2020 ten opzichte van de verwachting berekend met verschillende referentieperioden. Ook hier geldt, hoe langer we de referentieperiode nemen, hoe minder het extra verlies of hoe groter de extra winst aan potentiële levensjaren. Ten opzicht van het gemiddelde van de afgelopen 5 jaar (2015-2019) hebben we voor de populatie 0-85 jarigen een daling of een extra verlies van 2,9%; ten opzichte van het gemiddelde van de afgelopen 10 jaar (2015-2019) hebben we een stijging of een extra winst van 1,4%.

Laat mij voor het begrip van deze abstracte cijfers, een vertaling doen naar het concrete verlies van aantal levensjaren enerzijds en het concreet aantal mensenlevens anderzijds. Ik zal dit enkel doen voor de stijgende (rode cijfers) van referentieperiode 2015-2019.

Tabel 19 toont dat er voor de leeftijdscategorie 10-14 jaar (periode 2015-2019) een stijging van PYLL rate is met 5,85%. Deze 5,85% komt overeen met een concreet extra verlies van 248,7 jaar (= (geobserveerde PYLL rate 2020 – verwachte PYLL rate)*bevolking 2020 van de categorie 10-14 jaar). 248,7 jaar onder de categorie 10-14 jarigen, komt overeen met een extra verlies 19,89 mensenlevens van gemiddeld 12,5 jaar (= 248,7 / 12,5 (12,5 is de gemiddelde leeftijd in de categorie 10-14 jarigen)).  Een stijging van 0,21% voor de 30-34-jarigen komt overeen met 743,30 levensjaren, wat dan weer te vertalen valt als een extra verlies van 22,87 mensenlevens van gemiddeld 32,5 jaar (=743,30/32,5 (32,5 is de gemiddelde leeftijd in de categorie 30-34 jarigen)), enz.

Voor het totaal 0-85 jarigen is de geobserveerde stijging van 2,98% te vergelijken met een extra verlies van 677,276 mensenlevens (met een gemiddelde leeftijd van 42.5 jaar) ten opzichte van het verwachte verlies gebaseerd op het gemiddelde van de laatste 5 jaar, voor het totaal 1-85 jarigen is de geobserveerde stijging van 4,8% te vergelijken met een extra verlies van 1.062,05 mensenlevens (met een gemiddelde leeftijd van 42 jaar) ten opzichte van het verwachte verlies gebaseerd op het gemiddelde van de laatste 5 jaar.

Met andere woorden, het desastreuze jaar 2020, kende een extra verlies van 677 mensenlevens met een gemiddelde leeftijd van 42,5 jaar (of 28.784,23 jaar/de gemiddelde leeftijd van 42,5 jaar) voor de populatie 0-85 jarigen in vergelijking met afgelopen 5 jaar. Durven we daarentegen te kijken naar de laatste 10 jaar, dan heeft het desastreuze jaar 2020, een extra winst van zo’n 336 mensenlevens van gemiddeld 42,5 jaar voor de populatie 0-85 jarigen. Rechtvaardigen deze cijfers ons verlies van mensen- en grondrechten?

Zoals ik al zei, wordt er doorgaans voor de PYLL gekeken naar de populatie 0-75 jarigen (zo ook door onze overheid[34]). Ik voerde deze berekeningen eveneens uit, waarvan u de analyse in bijlage 2 terugvindt. Ik geef hier enkel de algemene resultaten mee. Algemeen zien we inderdaad een kleine stijging in het verlies van potentiële levensjaren ten opzichte van 2019, maar niet ten opzichte van alle andere jaren (bijlage 2a). Het nooit geziene jaar 2020 heeft voor de populatie 0-75 jarigen enkel extra winst in potentiële levensjaren opgebracht en dit voor alle referentieperioden (bijlage 2c). Houden we rekening met de slachtoffers van de hittegolf dan wordt deze winst alleen maar groter (bijlage 2d).

Wat verder opvalt, is dat we zeer veel geluk gehad hebben in 2019, die een sterkere daling in sterfte kende dan andere jaren. Hiermee kunnen we veronderstellen dat de grootte van onze oversterfte van 2020 deels te verklaren is door de grote ondersterfte van 2019, omdat verwachte sterfte berekend wordt op het gemiddelde van afgelopen jaren. Als we met andere woorden onze berekeningen uit berekeningsmogelijkheid 3 zouden uitvoeren zonder 2019, dan kunnen we veronderstellen dat de oversterfte wederom daalt. De uitgebreide analyse vindt u terug in bijlage 3, ik schets hier enkel de algemene resultaten:

De grote ondersterfte van 2019 toont zich in een extra overschatting van oversterfte in 2020. Baseren we de berekeningen voor over- ondersterfte op de periode 2016-2018 (3 jaar) en controleren we voor de bevolkingsstructuur, dan zakt het percentage oversterfte van 11,41% (2017-2019) (tabel 8) naar 9,47% (bijlage 3b); voor de periode 2014-2018 (5 jaar) zakt het percentage oversterfte van 9,26% (2015-2019) (tabel 8) naar 7,85% (bijlage 3b); en voor de periode 2009-2018 (10 jaar) zakt het percentage oversterfte van 5,1% (2015-2019) (tabel 8) naar 3,31% (bijlage 3b).
Houden we rekening met de slachtoffers van de hittegolf 2020, dan zakt de oversterfte voor de periode 2016-2018 naar 8,21%, voor 2014-2018 wordt dit 6,61% en voor de periode 2009-2018 zakt de oversterfte tot 2,12% (bijlage 3c).
Moesten we dezelfde redenering toepassen op de PYLL berekeningen dan zal het extra verlies enkel dalen en de extra winst enkel stijgen….

Laat mij opnieuw de vraag stellen: Zijn de genomen maatregelen, die zo inhakken op onze mensen- en grondrechten, in proportie met de cijfers? Of wordt het hoog tijd dat debat mogelijk wordt?

Het standpunt omtrent onze ‘stokoude, stokstokoude en stokstokstokoude’ populatie van de experten van dienst en onze beslissingsnemers is op zijn minst dubieus te noemen. Berekeningen zoals de PYLL, waar enkel de jongere bevolking van tel is, verklaart misschien de houding en dus de (tanende) reacties tijdens de eerste lockdown met betrekking tot woonzorgcentra. Te kort aan materialen, de impliciete en expliciete richtlijnen met betrekking tot ziekenhuisopnames van deze populatie, het opsluiten van ouderen van dagen in hun kamers, de smeekbeden omdat men dorst of honger heeft, omdat men verzorging nodig heeft, enz. We kennen ze nog allemaal die schrijnende verhalen. Verhalen die betekenis krijgen in het licht van berekeningen zoals de PYLL. De oproep van weleer dat we het voor deze mensen deden, strookte niet met de realiteit. Waarschijnlijk hebben de hevige reacties van de bevolking de kar doen keren, met als gevolg dat de ouderen van dagen nog steeds opgesloten worden …hopelijk in betere omstandigheden dan weleer.

Echter, wat er blijkbaar niet beseft wordt, is dat de ommekeer in houding naar de oudere bevolking, slechts een andere broek van hetzelfde laken is. Het toont onze houding naar de ouderen van dagen. Ze tellen simpelweg niet meer mee in onze maatschappij. Van zodra wij mensen een bepaalde leeftijdsgrens overschrijden, verliezen we blijkbaar onze stem, ons mens-zijn. We maken de cirkel terug rond, als kind heb je weinig in de pap te brokken wegens te jong, als oudere verlies je zeggingskracht, je keuzevrijheid wegens te oud en dit is misschien wel het meest wrede wat we als maatschappij kunnen doen. De richtlijnen ten opzichte van onze ouderen van dagen, zowel deze van de 1^ste als van de 2^de lockdown, zetten deze positie van onze maatschappij enkel in de verf.  Wordt het niet hoog tijd dat de ouderen van dagen terug gehoord worden? Wordt het geen tijd dat zij terug een stem krijgen over hun eigen leven? Heeft u zich al af gevraagd of zij het de moeite waard vinden al maanden af- en opgesloten te worden voor een beetje rek in kwantiteit zonder kwaliteit? Wanneer heeft iemand recht om te mogen sterven? Mogen zij niet kiezen hoe zij hun laatste levenstijd wensen door te brengen? Welke keuze zou u voor uzelf en voor uw naaste wensen en maken?

De keuzevrijheid geldt natuurlijk niet alleen voor onze oudere bevolking, maar voor de hele bevolking. Is het niet de taak van leidinggevenden van een democratisch land deze keuzevrijheid als hoogste goed te beschouwen en te beschermen? Diegenen die zichzelf en hun naasten wensen te beschermen moeten daartoe de mogelijkheid hebben, maar diegenen die een andere keuze maken voor zichzelf en hun naasten zouden dit eveneens in alle vrijheid moeten kunnen doen. De taak van de leidinggevenden van ons land ligt in het creëren van beide mogelijkheden. De taak ligt in het beschermen en ondersteunen van onze democratische waarden, een moeilijke opdracht, maar daarvoor tekende u ook op het moment dat u voor deze loopbaan koos. Op dit moment wordt deze taak niet uitgevoerd. Er wordt voor een autoritaire positie gekozen, waarin men de bevolking behandelt als kleine kinderen, die niet in staat zijn beslissingen te nemen over hun eigen leven en dat van hun naasten. De mensen- en grondrechten van de burgers wordt ontnomen, omdat men meent het beter te weten in hun plaats…en dit op basis van dubieuze resultaten.

Het zou correcter zijn te zeggen dat onze rechten ontnomen worden, omdat men meent dat het nemen van deze maatregelen ‘economisch’ minder schade berokkent dan wanneer deze maatregelen niet genomen zouden worden. Hiermee refereer ik naar het rapport daterend uit 2019, zijnde a World at risk[35], van de ‘Global Preparedness Monitoring Board’, een relatief nieuw orgaan van de WHO en de World Bank. Dit rapport schets impliciet en expliciet het invoeren van de huidige (wereldwijd) genomen maatregelen, maar de grondgedachte van dit rapport is hoofdzakelijk ‘economisch’ overgoten door een schijnlaagje humanitaire beweegredenen. Vergeet niet beste besluitvormers dat ook dat rapport gestoeld is op wetenschappelijke “veronderstellingen”, op “voorspellingen”…en zelfs niet op iets wat zich al (in deze veronderstelde schaal) heeft voorgedaan. Dit houdt in dat de onzekerheden en mogelijkheden met betrekking tot onderzoeksresultaten geschetst in hun rapport, nog onzekerder en nog groter zijn….. wat misschien de reden is waarom de WHO en de wereldbank in het rapport duidelijk stellen dat zij niet verantwoordelijk zijn voor de interpretatie van hun rapport en dat zij ook niet verantwoordelijk kunnen gesteld worden voor de eventuele schade die het gebruik zou kunnen teweeg brengen (pagina 1 van het rapport)…. Kort door de bocht gesteld, is de wereld niet op één nacht tijd (start van de epidemie) ethischer geworden.

Naast de experten van dienst en onze leidinggevende wil ik mij ook richten tot de groep mensen die al maandenlang elk debat uit de weggaan, die al maandenlang niet op zoek gaan naar de realiteit, maar een loutere kritiekloze spreekbuis vormen van experten van dienst, namelijk de media in het algemeen en onze journalisten in het bijzonder. Wat ben ik al kwaad geweest op u! Hoe bent u in staat uw essentiële plichten[36] als journalist aan te kant te schuiven? Mijn onbegrip zorgde ervoor dat de term ‘journalistiek’ een scheldwoord werd, eerder dan een eerbare job met een nobele missie.

Maar dan ging er mij iets dagen en de individuele journalist kreeg terug een menselijk gedaante, wat niet wil zeggen dat ik uw praktijken ondersteun. Ik besefte dat u als individu ook maar een radertje bent in een groter systeem, een systeem dat onze mensheid meer en meer de das omdoet. Daarom richt ik mij veel beter tot de CEO’s van onze mediakanalen, want het zijn zij die veel meer tools hebben dit tij te keren.

Beste CEO’s der medialand, richt uw blik op van de financiële balansen, KPI’s (Kritieke Prestatie Indicatoren) en andere Excel-aangelegenheden en kijk naar de wereld der ethiek en essentiële plichten der journalistiek… of tracht althans een balans te vinden, want dat is uw taak. Ik begrijp dat krantenkoppen alla “Bijna 18.000 overlijdens meer dan verwacht: oversterfte 2020 te wijten aan covid-19 en de hittegolf” (De morgen), “De ware impact van corona” (De Tijd), “2020 is nu al het dodelijkste jaar sinds de Tweede Wereldoorlog” (VRT nieuws), “Ruim 16 procent meer overlijdens dan verwacht in 2020” (De Standaard), enz. beter verkopen dan minder spectaculaire titels die eerder blijk geven van een meer realistisch beeld. Toch is het blootleggen van deze realiteit uw job, het zou de job van uw werknemers moeten zijn. U zou de essentiële plichten der journalistiek als hoofd KPI dienen te beschouwen en niet uw financiële balansen. U zou uw journalisten moeten aanmoedigen de realiteit boven water te krijgen, zoals jullie ‘essentiële plichten’ dat ook stellen.

Het zijn de financiële beweegredenen waaronder onze maatschappij lijdt, het blijkt in essentie deze financiële grond te zijn waardoor onze mensen- en grondrechten teniet worden gedaan. En u stelt hier geen enkele vraag bij…of vindt u van wel? En zo ja, hoe komt het dat geen enkel mediakanaal de geponeerde cijfers van Sciensano onderzocht en bevraagd heeft? Beseft u dat u mede verantwoordelijk bent voor het verspreiden van informatie die bitter weinig met de realiteit te maken heeft? Beseft u dat u mede verantwoordelijk bent voor brainwashing van een bevolking?

Aan de individuele journalist in dit land en elders, ik begrijp dat u graag uw job en inkomen wenst te behouden, u zal immers ook monden moeten voeden, leningen en rekeningen moeten betalen. Maar als er in het diepst van uw zijn twijfels rijzen rond de manier van berichtgeving, vraag ik u uw stem te laten horen. Niet alleen, want alleen zult u de dupe zijn van het grotere (kapitalistische) systeem, wel in groep. In groep sta je altijd sterker. Begrijp me niet verkeerd, ik doe geen oproep voor barbaarse en gewelddadige verzetspogingen…want als de geschiedenis in het algemeen en Martin Luther King in het bijzonder ons iets geleerd hebben, dan is het de kracht van en masse ‘geweldloos verzet’.

Of er sprake is van oversterfte en hoe groot deze gezien kan worden, hangt af van subjectieve keuzes der berekening, aannames en verwachtingen. Ook al beslissen we dat er sprake is van oversterfte, dan nog wil dit niet ‘automatisch’ zeggen dat deze oversterfte kan verklaard worden door het virus-zelve, wel door de hele situatie, zijnde EN virus EN maatregelen. Om uit te zoeken hoeveel van de oversterfte kan verklaard worden door het virus zelf, is ander onderzoek nodig. Het is deze lijn van onderzoek die ik in een volgend schrijven onder de loep zal nemen. Wat ik alvast wel kan zeggen is dat het een moeilijke zoektocht zal zijn voor ons België-land daar Sciensano relevante informatie/data aangaande zulk onderzoek niet duidelijk rapporteert. Zo publiceren ze aangaande covid verschillende leeftijdscategorieën voor sterfte en besmettingen, geen leeftijden bij hospitalisaties en tests, geen duidelijkheid of de ‘vermoedelijke gevallen’ van de 1^ste periode uit de dataset verwijderd werden, dan wel in een andere file opgenomen werden, geen duidelijkheid wie enkel getest werd en wie getest en klinisch geëvalueerd werd, geen duidelijkheid rond analyses van PCR-testing in het algemeen en van Ct-waarden (cycle threshold) in het bijzonder, enz. Daarom kunnen we enkel spreken van ‘schijntransparantie’ van Sciensano, maar dit zal mij niet beletten de speurtocht aan te gaan.

Ik heb gezegd.

Bijlagen

Bijlage 1: geobserveerde sterfte en bevolking van de 10-14 jarigen van 1992 tot en met 2020

Bijlage 2: Analyse verlies aan potentiële levensjaren voor de Belgische populatie van 0 tot 75 jaar

Bijlage 3: verwachte sterfte en over-ondersterfte 2020 zonder het jaar 2019 voor verschillende referentieperioden

---

[1] Desmet, M. (2018). The pursuit of objectivity in psychology. Borgerhoff & Lamberigts.

[2] De Nieuwe Wereld 12/01/2021

[3] Bevolkingscijfers dateren telkens van 1 januari van het desbetreffende jaar en niet de halfjaarlijkse data, wat beter zou zijn. Echter de federale overheid liet mij weten geen halfjaarlijkse data te verspreiden. Ik zou de halfjaarlijkse data kunnen berekenen, maar de dienst statistiek liet mij weten dat de bevolkingsdata per leeftijdscategorie pas binnen zouden zijn rond eind juni 2021 en dus zou een berekening voor halfjaarlijkse bevolkingsdata per leeftijdscategorie voor 2020 niet mogelijk zijn. Daarom koos ik voor consistentie en gebruikte ik voor elk jaar de bevolkingsgegevens van 1 januari. Dit zal enkel een effect hebben op de berekeningsmogelijkheden die rekening houden met populatiegrootte en bevolkingsstructuur, maar niet op berekeningen met absolute cijfers (berekeningsmogelijkheid 1 in van dit rapport). Ik kon enkel het effect nagaan voor berekeningen op bruto cijfers (aangezien de algemene populatie van 1 januari 2021 geschat werd). Er was uiteraard een effect, maar niet van die grootorde dat de redeneerlijn en conclusies uit dit rapport niet meer zouden kloppen.

[4] https://statbel.fgov.be/nl/themas/bevolking/sterfte-en-levensverwachting/sterfte#:~:text=Sterfte%20en%20oversterfte,voor%20de%20periode%202017%2D2019.

[5] https://www.sciensano.be/nl/pershoek/analyse-van-de-oversterfte-gelinkt-aan-covid-19-2020

[6] Het aantal sterfgevallen voor 2020 zal nog wijzigen in de eerste maanden van 2021, omdat nog niet alle data binnen zijn. Mijn gedownloadde files dateren van 30/01/2021.

[7] https://epistat.wiv-isp.be/momo/

[8] Fictief voorbeeld

[9] https://ec.europa.eu/eurostat/documents/3859598/5926869/KS-RA-13-028-EN.PDF/e713fa79-1add-44e8-b23d-5e8fa09b3f8f

[10] https://statbel.fgov.be/nl/over-statbel/wat-doen-we/visualisaties/mortaliteit

[11] https://epistat.wiv-isp.be/momo/

[12] https://www.gezondheid.be/index.cfm?fuseaction=art&art_id=9691

[13] https://www.gezondheid.be/index.cfm?fuseaction=art&art_id=17433

[14] Mijn datafile werd gedownload op 30/01/2021

[15] https://crvsgateway.info/file/16908/4128

[16] https://statbel.fgov.be/nl/themas/bevolking/sterfte-en-levensverwachting/sterfte#:~:text=Sterfte%20en%20oversterfte,voor%20de%20periode%202017%2D2019.

[17] https://spma.wiv-isp.be/SitePages/Methods_mortality.aspx

[18] https://www.gezondbelgie.be/nl/gezondheidstoestand/sterfte-en-doodsoorzaken/algemene-sterfte#references

[19] https://www.cdc.gov/nchs/data/statnt/statnt06rv.pdf

[20] Naing, N.N. Easy way to learn standardisation: direct and indirect methods. Malaysian Journal of Medical Sciences. 2000, 7(1), pp. 10-15.

[21] http://www.hullcc.gov.uk/pls/hullpublichealth/assets/Standardisation.pdf

[22]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3406211/#:~:text=Multiply%20the%20age%2Dspecific%20mortality,deaths%20from%20all%20age%20groups.

[23] https://ec.europa.eu/eurostat/documents/3859598/5926869/KS-RA-13-028-EN.PDF/e713fa79-1add-44e8-b23d-5e8fa09b3f8f

[24] https://ec.europa.eu/eurostat/documents/3859598/5926869/KS-RA-13-028-EN.PDF/e713fa79-1add-44e8-b23d-5e8fa09b3f8f

[25] https://www.cdc.gov/nchs/data/statnt/statnt06rv.pdf

[26] Naing, N.N. Easy way to learn standardisation: direct and indirect methods. Malaysian Journal of Medical Sciences. 2000, 7(1), pp. 10-15

[27] http://www.hullcc.gov.uk/pls/hullpublichealth/assets/Standardisation.pdf

[28] https://www.sciensano.be/nl/pershoek/aanzienlijke-oversterfte-tijdens-de-hittegolf-van-augustus-2020#:~:text=Een%20aanzienlijk%20aantal%20extra%20sterfgevallen,13%20augustus%20(488%20overlijdens).

[29] https://www.hln.be/binnenland/opvallend-veel-meer-sterfgevallen-door-griep~aad81d8c/

[30] https://www.healthybelgium.be/en/health-status/mortality-and-causes-of-death/premature-mortality#ref-crude-mort-rate

[31]http://core.apheo.ca/index.php?pid=190#:~:text=The%20PYLL%20due%20to%20death%20is%20calculated%20for%20each%20age,obtained%20for%20each%20age%20group.

[32] https://statbel.fgov.be/nl/themas/bevolking/sterfte-en-levensverwachting/sterftetafels-en-levensverwachting#:~:text=In%202019%20bedroeg%20de%20levensverwachting,79%2C6%20jaar%20voor%20mannen.

[33] Vermenigvuldigen met 100 geeft percentages weer, vermenigvuldigen met 1000 geeft cijfers per 1000 inwoners, enz.

[34] https://www.healthybelgium.be/en/health-status/mortality-and-causes-of-death/premature-mortality#:~:text=This%20rate%20decreased%20by%2027,in%20men%20than%20in%20women.

[35] https://apps.who.int/gpmb/assets/annual_report/GPMB_annualreport_2019.pdf

[36] https://www.rvdj.be/node/62