(pre-publish versie, wordt misschien nog aangepast. Gebruik gerust de comment sectie)
Een Franse cohortstudie volgde bijna 28 miljoen volwassenen (onder de 65 jaar) vier jaar lang. Ze verdeelden de bevolking in gevaccineerd en ongevaccineerd en berekenden de kans om te overlijden. Het hoofdresultaat haalde alle kranten: gevaccineerden hadden een hazard ratio van 0,26 voor overlijden aan COVID‑19. Volgens het model betekende dat 74 % bescherming ten opzichte van ongevaccineerden. Een fors getal.
Maar dezelfde tabel laat ook iets anders zien: de gevaccineerden deden het beter op bijna alle doodsoorzaken. Minder hartinfarcten, minder ongevallen, minder verdrinkingen, zelfs minder zelfmoorden (Weighted Hazard ratio: 0.88).
Critici die dit opwerpen worden bestraffend toegesproken: dat zou komen door sociaal‑economische verschillen. Wie zich laat vaccineren zou gemiddeld gezonder, verstandiger en beter opgeleid zijn. En zeker zelfmoord komt minder voor onder ‘beter gesitueerden’. Dat klinkt plausibel – het klopt alleen niet met hun eigen data. De studie registreert wel SES-verschillen (27% vs 19% in het meest achtergestelde kwintiel), maar biologische en gedragsmatige markers die daar onlosmakelijk mee samenhangen ontbreken volledig. Beide kunnen niet tegelijk waar zijn.
1. Ontbrekende SDI-indicatoren
Er is een verschil tussen gevaccineerden en ongevaccineerden zichtbaar in de ‘Social Deprivation Index’: 27% van de ongevaccineerden zit in het meest achtergestelde kwintiel, tegen 19% van de gevaccineerden: relatief 42% meer. Dat lijkt op het eerste gezicht de SES-verklaring te ondersteunen. Maar dat maakt de rest van de data nog raadselachtiger. Het is dan epidemiologisch onmogelijk dat we geen verschil zien in roken, obesitas, diabetes en alcoholverslaving. Die zouden 2-3x hoger moeten zijn bij ongevaccineerden.
Deze basistabel laat zien dat belangrijke SES-gerelateerde verschillen juist ontbreken in de groepsverdeling:
| Kenmerk | Gevaccineerd | Ongevaccineerd |
|---|---|---|
| Alcoholverslaving | 1,4 % | 1,5 % |
| Tabaksgebruik | 5,0 % | 4,5 % |
| Obesitas | 0,9 % | 0,7 % |
| Diabetes | 2,0 % | 2,0 % |
Het patroon is niet alleen minimaal; het loopt zelfs deels de verkeerde kant op: er zijn meer rokers en meer gevallen van obesitas bij de gevaccineerden!
Het druist in tegen alles wat epidemiologisch bekend is:
- Alcoholverslaving komt 2 tot 3 keer minder voor onder de beter gesitueerden Bron: Lancet
- In Frankrijk (en Nederland) rookt de laagste inkomensgroep 2–2,5x vaker dan de hoogste. (Bronnen: WHO, Eurostat)
- Obesitas komt ongeveer 2x vaker voor bij lage SES. (Bronnen: OECD, ObÉpi)
- Type‑2‑diabetes is in de laagste SES-kwintielen 2–3x zo frequent (in Nederland bijvoorbeeld 11,2 % versus 4,3 %).
Dus er zijn drie opties:
- de SDI meet niet wat we denken, ofwel
- de risicofactoren zijn ernstig ondergeregistreerd bij precies één groep, of
- het model heeft de groepen zo gecorrigeerd dat de realiteit is verdwenen.
Geen van deze opties is geruststellend voor de betrouwbaarheid van de studie.
Dat die SES-gerelateerde verschillen ontbreken, betekent dat de veronderstelde “SES‑artefacten” door het model worden gecreëerd. Een zinvolle weging corrigeert verschillen om groepen vergelijkbaar te maken. Hier lijkt juist het omgekeerde te gebeuren.
2. De verdubbeling van suïcide
Nog opmerkelijker: volgens het model hadden gevaccineerden 12 % minder kans op suïcide (HR = 0,88). Maar onderzoek laat al decennia zien dat zelfdoding in hogere sociale klassen ongeveer 60 % minder voorkomt dan in lagere. Dat is een HR van rond 0,4 of 0,5, geen 0,88.
In deze studie plegen gevaccineerden, die juist meer uit die hogere lagen zouden komen, dus twee keer zo vaak zelfmoord als verwacht.
Dat is een harde aanwijzing dat er iets niet klopt. Het model corrigeert verkeerd of de groepen zijn in werkelijkheid heel anders samengesteld dan gedacht.
Tenzij we natuurlijk bereid zijn te geloven dat vaccinatie toch echt zélf leidt tot meer zelfmoorden.
En als we weigeren dat bij deze regel aan te nemen, moeten we ons ook afvragen hoe betrouwbaar de andere regels in de tabel zijn. Je kunt niet cherry-picken uit de resultaten: die geloof ik wel, die niet.
Wat doet zo’n Cox‑analyse eigenlijk?
De studie gebruikt een Cox proportional hazards‑model. Dat model vergelijkt de kans om op ieder moment te overlijden tussen twee groepen, met de aanname dat die verhouding constant blijft.
In werkelijkheid verandert die verhouding vaak juist: na vaccinatie kan het risico tijdelijk hoger zijn (ook door stress, ontsteking, of toevallig samenlopende ziekten) en daarna weer normaal. Een Cox‑analyse smeert zulke tijdelijke pieken uit tot één vriendelijk ogend gemiddelde. Zelfs als het verschil in sociaal‑economische status maar beperkt is, zorgt de structureel lagere achtergrondsterfte van de hogere kwintielen ervoor dat de hazard ratio over de hele periode scherp daalt. en zelfs lager dan 1 kan worden terwijl er per 100.000 personen meer sterfte is.
De hazard ratio beantwoordt dus niet de vraag: wie sterft vaker binnen vier jaar? Maar: hoe verhouden de momentane sterftekansen zich gemiddeld over de tijd, onder vaste aannames? Als die aannames niet kloppen, klopt de uitkomst ook niet. Nog los van het feit dat het primair gaat om de eerste vraag: de sterfte-uitkomst.
3. Ruwe cijfers vs. modelcijfers
Voor suïcide, misschien wel de hardste en de best geregistreerde en bestudeerde doodsoorzaak, zijn de feitelijke aantallen in de studie: 229 per miljoen gevaccineerden tegenover 222 per miljoen ongevaccineerden – een ratio van 1,03. In het model wordt dat juist “12 % minder risico”.
Hetzelfde patroon komt terug bij andere oorzaken: de ruwe incidentie verschilt amper, maar de gewogen HR’s springen naar 0,7–0,8. Hoe meer er wordt “gecorrigeerd”, hoe beter het eruitziet. Zo krijg je een tabel waarin het lijkt alsof vaccinatie beschermt tegen alles van valpartijen tot zelfmoord. Dat is geen biologisch effect, maar een optelsom van modelaannames, SES‑vereffening en tijdmiddeling.
Het prioriteren van werkelijke sterfteaantallen boven hazard ratio’s is geen simplificatie maar een bewuste en juiste keuze van een effectmaat die past bij de onderzoeksvraag.
Het is methodologisch volkomen legitiem om bij sterfteonderzoek de incidence rate en absolute overleving zwaarder te laten wegen dan hazard ratios. Wanneer de onderzoeksvraag draait om wie de eindstreep haalt, is het feit dát iemand overleden is bepalend, niet het exacte tijdstip binnen de levensloop en gemiddelde risico’s. Hazard ratios beschrijven tijdsafhankelijke risico’s en zijn -uiteraard- model-afhankelijk.
Dus?
Als de veronderstelde sociaal‑economische verschillen niet zichtbaar zijn omdat de ruwe cijfers nauwelijks verschillen
en als het model vervolgens voor élke doodsoorzaak een voordeel berekent, dan ligt het probleem niet bij het gedrag van mensen of bij vaccinaties maar bij de rekenmethode zelf.
Een model dat structureel in één richting corrigeert, produceert een illusie van bescherming. Het enige wat werkelijk telt zijn de absolute uitkomsten: wie leeft er nog, wie niet.
De Franse megastudie laat dus minder over de bevolking zien dan over het effect van de toegepaste statistiek. Wie de berekende COVID‑19‑bescherming voor waar aanneemt, moet ook erkennen dat volgens hetzelfde model de zelfmoorden onder beter gesitueerde gevaccineerden grofweg verdubbeld zijn.
Kortom: “Deze bevindingen suggereren dat voorzichtigheid is geboden bij interpretatie van de Hazard Ratio’s”, een constatering die je ook héél anders zou kunnen formuleren.