PEI Nebenwirkungsdaten mit Chargennummern
Wie man auf Sekretärinnenniveau grob auswertet
Ich bin kein Datenanalyst wie Tom Lausen.
Meine “Datenanalysefähigkeiten” sind auf dem “Niveau” einer Institussekretärin, die DFG, EU oder BMBF Projekte mittels Pivot kameralistisch analysiert.
Die kameralistische Buchhaltung ist ein Thema für sich.
https://de.wikipedia.org/wiki/Kameralistik
Ich kann also auch kein BWL oder Buchhaltung, ich kann ein wenig Kameralistik mit PIVOT.
Meine Analyse ist NICHT verlässlich.
Meine Vorgehensweise soll nur zeigen, das kann man mit mittlerem Abschluss, wenn man Excel hat und ein wenig mit PIVOT spielt.
Damals, als Projektmamanger, habe ich auf diese Weise ca. 12 Millionen Euro für ca. 15 Arbeitsgruppen nach verschiedenen Buchungsnummern verwaltet.
Heute versuche ich mich an den PEI Nebenwirkungsdaten und erkläre Schritt für Schritt, wie dilettantisch ich dabei vorgehe und trotzdem Signale erkenne, die das PEI mit seinen Statistikern nicht bemerkt hat.
Datengrundlage:
Es gibt noch einen Datensatz ab 2024, der ist mir aber wurscht, man hätte schon 2021 eingreifen müssen.
Ich habe also die Dateien erst einmal heruntergeladen.
Analyse und Verbreitung scheint man über Copyright einschränken zu wollen.
Im Übrigen haftet das PEI auch nicht für die Richtigkeit seiner Daten und schreibt, dass amtliche Bekanntmachungen maßgeblich sind. Politik steht also über dem PEI.
Danach habe ich die erste Zeile mit dem vielen, nervigen Text gelöscht, bzw. die Daten in eine neue Tabelle kopiert.
Danach in der obersten Zeile, die benennt, was für Daten in den Spalten sind, Filter einfügen:
Erste PIVOT Übersicht:
Alle Spalten mit Inhalt markieren, zu “Einfügen” gehen. PIVOT Tabelle einfügen als neues Blatt.
Was man an diesem Bild auch sieht:
VIELE MELDUNGEN ZU EINER CASE_ID (1000101) ALSO VIELE NEBENWIKRUNGEN BEI EINER PERSON.
https://x.com/dr_fmh/status/1866594163602366730
Man muss also FALL und NEBENWIRKUNG unterscheiden. Da bin ich aber mit meinen PIVOT Sortierfähigkeiten raus. Bei mir gibt es nur Sekretärinnen “Niveau” Anzahl Nebenwirkungen.
Erster grober Überblick: Unterschiedliche Menge an Nebenwirkungen bei Männern und Frauen, direkt aus den groben Daten:
Und Schupps erstes Signal: 694572/270362 = 2,57
Und das sind noch komplett unbereinigte Daten.
112 Fälle in 2020?
Per Sortierreiter in der XLS Tabelle auf 2020 einschränken, die Daten rauskopieren und PIVOT Tabelle erstellen wie beschrieben. Nur diesmal mit Tabelle im Arbeitsblatt, weil es nur wenige Daten sind. Damit die Tabelle im Arbeitsblatt eingelegt wird irgendwo bei Ziel in die leeren Felder klicken, da wird die PIVOT Tabelle eingefügt.
Absteigend sortieren:
Klingt mir teilweise irgendwie auffällig nach CARPA Reaktionen, wie man sie von LNP Formulierungen her kennt.
https://doi.org/10.1016/j.molimm.2014.06.038
Danach ein kurzer Check, ob die Daten sauber beschriftet sind:
Und schon hier ist klar, da muss gesäubert werden. Bei den Chargen stehen unterschiedliche Hersteller. Da muss gesäubert werden. Das hätte eigentlich nicht so unsauber sein sollen.
Also ersten Filter setzen indem man eine Charge auswählt und schaut, welches Produkt da hauptsächlich drinnen steht. Diesen Namen im Impfstoff Filter herausnehmen und die verbleibenden falschen Bezeichnungen mit der korrekten ersetzen. Wenn die Chargennummer fehlte, habe ich drinnen stehen lassen, was drinnen stand, daher diese Omicron XBB, BA1 Einträge. Ist eigentlich auch Comirnaty, war mir aber egal, weil ohne Charge ziemlich nutzlos.
Bei einigen Chargen war das so chaotisch, dass ich diese Seite zur Hilfe nehmen musste:
https://knollfrank.github.io/HowBadIsMyBatch/HowBadIsMyBatch.html
Das PEI Formular hat also nicht automatisch den Hersteller zur Charge automatisch ausgefüllt und auch keine Plausibilitätsprüfung durchgeführt oder überhaupt einmal die Datensätze bereinigt.
Das Ganze dauerte von Hand, ca. eine Stunde, weil ich keine Skripte schreiben kann. So viele Chargen sind das aber nicht und anhand der Bezeichnungsweise konnte man schon teilweise erkennen, von dem die Charge war.
Mit dem gesäuberten Datensatz kann man nun mit PIVOT spielen, und schauen, was rauskommt, ohne wirklich zu verstehen, was man da tut. Genau wie die Sekretärin das auch macht.
Dabei kommen interessante Ergebnisse zu Stande.
Ich betone noch einmal!
Dafür braucht man kein Datenanalyst zu sein.
Das ist das Niveau einer Institutssekretärin, die kameralistische Buchhaltung macht.
Da können Fehler drinnen sein, das ist ein grober Überblick.
Top 50 der auffälligsten Chargen
Fetaler Tod
Fetale sonstige Probleme
Suchwort Fetal.
Zeilen in eine neue Tabelle kopieren. PIVOT Auswertung wie gehabt.
Tod
Todesstichworte im Filter auswählen.
Daten in neues Tabellenblatt. PIVOT Auswertung bei der ich Excel nicht dazu überreden konnte von groß nach klein zu sortieren, obwohl ich es angegeben habe.
Alle oben benannten Stichpunkte summiert auf die jeweiligen Chargen. Da man nur einmal stirbt (im Normalfall) dürfte es hier schätzungsweise mit Case_ID und Nebenwirkungstyp keine Probleme geben.
Herzprobleme
Suchworte: Herz, Myok, Perik
Anschließend die entsprechenden Zeilen gemeinsam in ein neues Tabellenblatt kopieren.
Hatte man 2021 schon ein Signal bezüglich der mittlerweile im Beipackzettel stehenden Highlights der Herzprobleme?
Unter 18 Jahren alt
Wertefilter: Nur Werte über 2, also ab 3 Meldungen pro Nebenwirkung pro Altersgruppe und Produkt. Alles, was nur einmal oder zweimal vorkam ist also rausgefiltert.
Stichworte: Herz. Myok, Perik. Daten in neue Tabelle kopieren. PIVOT Auswertung, wie man das mittlerweile kennt.
Die 246 Myokarditis Fälle waren aber bestimmt nur die Röteln (nach der COVID-Spritze?)
Oder lag es vielmehr doch an der COVID-Injektion?
Beim RKI liest man vielleicht die Schwurbler vom Ärzteblatt nicht.
SARS-CoV-2: Impfbedingte Myokarditis könnte langfristige Folgen haben
Vielleicht liegt es auch daran, dass gerader dieser Artikel hinter einer Bezahlschranke versteckt ist.
Immerhin, die DOI kann man lesen und anschließend das Paper dazu heraussuchen, welches NICHT hinter einer Bezahlschranke ist.
Wann waren welche Chargen im Umlauf
Man kann die Chargen auch nach Impfdatum sortieren, um zu schauen, was zum jeweiligen Zeitpunkt unterwegs war.
Normalisierung nach Chargengröße
Jetzt müsste man noch auf Chargengröße normieren. ICAN hat Chargengrößen herausgeklagt:
EXCLUSIVE: Pfizer Lot and Dose Data Release - ICAN - Informed Consent Action Network
EXCLUSIVE: Moderna Lot and Dose Data Release - ICAN - Informed Consent Action Network
EXCLUSIVE: J&J (Janssen) Lot and Dose Data Release - ICAN - Informed Consent Action Network
EXCLUSIVE: J&J (Janssen) Lot and Dose Data Release - ICAN - Informed Consent Action Network
EX8679 ist in den ICAN Daten vorhanden, aber nicht mit hilfreichen Daten versehen:
Daraus schließe ich, dass CH-B- für BioNTech Chargen steht, daher hat Pfizer keine Daten dazu hinterlegt.
Für EX8679 gibt es Impfdatumseinträge von 01.05.2021 - 31.05.2021. Kann sein, dass es auch davor und danach noch genutzt wurde, das waren aber die Tagen, an denen jene gespritzt wurden, die Nebenwirkungen berichteten.
BioNTech hat nur Deutschland und Türkei hergestellt, Pfizer für den Rest der Welt.
„BioNTech-Vermarktungsgebiet“ bedeutet (a) Deutschland und die Türkei, bis zu dem Zeitpunkt, an dem BioNTech für eines oder beide dieser Länder eine BioNTech-Territorial-Exit-Option ausübt, und (b) die Länder, die zu Pfizer-Exit-Ländern werden (falls zutreffend), je nach Land.”
https://www.sec.gov/Archives/edgar/data/1776985/000156459021016723/bntx-ex444_416.htm
50/50 Split: BioNTech and the Pfizer Illusion ⋆ Brownstone Institute
“Wenn ein Impfstoffkandidat zugelassen wird, planen wir, die Marktzulassungen für diesen Impfstoff im gesamten Pfizer-Gebiet zu halten und können den Impfstoff ausschließlich in Deutschland und der Türkei vermarkten, ebenso wie in Deutschland und der Türkei sowie in bestimmten Entwicklungsländern (zusammenfassend als BioNTech-Territorium bezeichnet) vermarkten, solange wir oder eine Drittfinanzierungsorganisation den Impfstoff in diesen Ländern vermarkten und vorbehaltlich künftiger Vereinbarungen mit der Drittfinanzierungsorganisation. Wir haben die Möglichkeit, aus der Vermarktung des Impfstoffs in Deutschland und/oder der Türkei auszusteigen, woraufhin diese Länder Teil des Pfizer-Gebiets werden.”
https://www.sec.gov/Archives/edgar/data/1776985/000119312520195911/d939702df1.htm
Oder wie Ugur Sahin das in seinem Buch “Projekt Lightspeed” auf Seite 250 beschreibt:
“Die Vereinbarung mit Pfizer sah vor, dass der ameri kanische Pharmariese für die Vermarktung in den meisten Ländern verantwortlich sein würde, aber Uğur und Özlem wollten, dass BioNTech den Impfstoff nach Deutschland und in die Türkei selber verkaufen durfte.”
Was die Chargengrößen der BioNTech Chargen angeht, da verweigert das PEI die Herausgabe. Wir haben nur die ICAN Daten.
Chargengröße nach Batchnummer - FragDenStaat
Weiteres Problem:
Was bringt mir jedoch die Chargengröße, wenn ich nicht weiß wie viele davon wirklich im Umlauf waren?
Corona-Impfstoff: Bundesregierung muss Millionen abgelaufener Impfdosen vernichten | ZEIT ONLINE
#Faktenfuchs: Bund muss 36 Millionen Corona-Impfdosen entsorgen | BR24
Rund 132 Millionen Dosen Coronaimpfstoff entsorgt
Welche Chargen und wie viele Fläschchen dieser Chargen muss ich somit abziehen?!
Kann es sein, dass einige Chargen unauffällig sind, weil ein Großteil davon in einem Lagerhaus verrottete und anschließend vernichtet wurde?
Welche Chargen und wie viele Fläschchen sind noch irgendwo eingelagert und verfallen langsam?
Habe ich bei ZEPAI daher nachgefragt:
2023 ließ das Gesundheitsministerium insgesamt 132 Millionen Impfstoffdosen vernichten.
Zuständig war laut BMG das ZEPAI, das am PEI angesiedelt ist.
(https://fragdenstaat.de/anfrage/chargennummenr-und-menge-der-jeweils-vernichteten-impfdosen-bis-30-09-2024/#nachricht-940071)
1. Ich möchte eine Aufstellung der betroffenen Chargennummern und wie viele Vials der jeweiligen Charge betroffen waren.
2. Des Weiteren möchte ich Belege auf welche Art und Weise diese Substanzen und von wem fachgerecht entsorgt wurden.
Chargennummern und Menge der jeweils vernichteten Impfstoffdosen bis 30.09.2024 - FragDenStaat
Aktualisierungen:
09.12.2024: Suchbegriff Herz, Myok, Perik / Suchbegriff fetal / Unter 18 Jahre alt
So lustig, ich mußte so an meine Zeit mit Excel-Tabellen und Pivot-Analysetools denken. Meine Chargennummer habe ich zumindest auch gefunden. Das ruft natürlich geradezu nach Tom Lausen und ich denke, er ist sicher auch dran. Die zarten Versuche, mal die Informationen zumindest in Selbsthilfegruppen zusammen zu suchen hat meine Sympathie. Dort träumt man noch von Sammelklagen und hofft auf staatliche Unterstützung… Wer bin ich, der ihnen diese Hoffnung nehmen könnte, Vielleicht liege ich ja falsch. Mich kotzen die Millionen von Plörredosen an, die vom Regal in die Verbrennung gehen. Nicht nur weil hier Geld verbrannt wird sondern jede Menge Beweise in Rauch aufgehen.
ich habe die Datei etwas aufbereitet, das ist schon an der Grenze, was Excel so mag oder man so einfach frei hin und herschieben mag
https://www.filemail.com/d/qyglcahoozxlwvh