Publicatie peer review GEMS-rapport 19.02.21____
Viruswaanzin is geen groep complottheoretici noch virusontkenners of antivaxxers.
Wij zijn een vereniging die ernstige vragen heeft over de strategie die de regering gebruikt en steeds hardere twijfels heeft over het bestaan van correcte wetenschappelijke onderbouwing om vrijheidsbeperkende maatregelen op te leggen en te bestendigen. Wij voeren hiervoor rationele argumenten aan die niet gebaseerd zijn op natte-vinger-werk. Spannen gerechtelijke procedures aan om dit onrecht te bestrijden en eisen een stem in het wetenschappelijk debat over en de politieke aanpak van deze crisis.
De beschuldigingen als zouden we aan stemmingmakerij doen, radicaliseren en daarmee opruien zijn onterecht en veeleer uitingen van angst voor onze opgebouwde technische expertise over COVID-19 sinds april 2020. Het beschimpen van Viruswaanzin kadert in een strategie om ons weg van de debattafel te houden. Ingegeven eerder uit vrees voor het verliezen van de eigen geloofwaardigheid dan uit een wetenschappelijke benadering van een complexe gebeurtenis en dito management.
Opdat men ons niet zou kunnen beschuldigen van het verspreiden van schadelijke onzin die het menselijk brein kan besmetten, zoals virussen het menselijk lichaam besmetten (dixit De Celaer en Boudry) en in reactie op een openbaar, legitiem verzoek, delen we met u de "peer review", die werd uitgevoerd op vraag van TEAMCOVIDRATIONNEL, over 4 pagina's i.v.m. de contactberoepen, van het GEMS-rapport van 19/01/2021, toegezonden aan een wetenschappelijk tijdschrift voor peer review. Een klein extract dus uit het GEMS-rapport gericht op een snelle publicatie op onze site van een wetenschappelijke review van het rapport dat toch belangrijke impact heeft voor de gemeenschap.
Zet u schrap en oordeel zelf of u, als door de regering officieel aangesteld expertencomité dat niet schuw is van enige belerende ironie naar ons en U toe, met dergelijk rapport naar huis zou durven gaan? Laat staan minister adviseren om burgers hun vrijheden te (blijven) ontnemen?
"peer review" is standaard in wetenschappelijk onderzoek, het is bedoeld om de wetenschappelijke kwaliteit van een paper of de kwaliteit van onderzoek in twijfel te trekken.
Eigenlijk zou de regering dat ook moeten doen met elk rapport van de GEMS voor de neus krijgen.
De aangeschreven recensenten geven een objectieve, onafhankelijke wetenschappelijke mening. Die kan verschillen van de andere, omdat hij/zij zich richt op het ene of het andere deel van het document dat bij hem/haar de meeste vragen oproept. De aanpak is bedoeld om auteurs een recht van antwoord te geven en de mogelijkheid om hun tekst te verbeteren. In dit geval, in de huidige crisis, is het gemeenschappelijke doel van de auteurs en de uitgever om op een zo nauwkeurige en ondubbelzinnige mogelijke manier het reële risico van de heropening van contactberoepen op korte termijn aan te tonen en te kwantificeren.
Onderstaand de peer reviewers:
Vinciane Debaille ULB
Melanie Dechamps UCLouvain/Cliniques Saint-Luc
Guillaume Derval UCLouvain
Christine Dupont UCLouvain
Damien Ernst ULiège
Denis Flandre UCLouvain
Raphael Jungers UCLouvain
Pierre-Francois Laterre UCLouvain/Cliniques Saint-Luc
Raphael Lefevere Université de Paris
Quentin Louveaux ULiège
Yves Moreau KULeuven
Bernard Rentier ULiège
Pierre Schaus UCLouvain
____
Onderstaand de verrassende reacties van de reviewers op wat de GEMS opnam in haar rapporten. Een adviescomité die haar dogma's unisono mag gebruiken naar de ministers toe:
Reviewer 1:
De gegevens die de auteurs in hun figuur 9 presenteren zijn origineel en verdienen publicatie, maar hiervoor moeten ze geconsolideerd worden. Het artikel vereist daarom de volgende substantiële herzieningen:
1 ° Auteurs moeten de referentie van hun RSZ-databank vermelden. Dit is bij voorkeur openbaar of op zijn minst de gegevens bevatten die nodig zijn voor de argumentatie van de paper. In het bijzonder moet tabel 1 worden aangevuld met cijfers voor alle sectoren die als vergelijkingsbasis dienen.
2 ° De methodologie en de volledige gegevens (exact aantal mensen, cases, tests, enz.) die gebruikt worden om de incidentie in elk van deze sectoren te berekenen, moeten ook worden toegelicht.
3 ° De gegevens in Fig. 9 zijn onvoldoende om tussen de punten, lijnen die representatief zijn voor de werkelijkheid, er meer dan één punt per week nodig is voor alle curven en meer nog voor de significante rode curve dan voor de anderen, aangezien het een van de belangrijkste documenten is. Hier zijn slechts 3 punten met een interval van 2 weken beschikbaar voor de meest kritieke periode. Dit maakt het onmogelijk om een precies onderscheid te maken tussen de piek-, de stijgings- en dalingsfase. De bespreking van de vergelijking met andere curves is daarom niet voldoende onderbouwd.
4 ° In het bijzonder, gezien het zeer kleine aantal beschikbare meetpunten, lijkt de rode curve mij niet in staat te stellen ondubbelzinnig te concluderen dat de incidentie voor de betrokken beroepen gedurende 3 weken groter was dan 1000, of zelfs groter vin vergelijking met anderen.
5 ° Gezien de beperkte beschikbare cijfers en de onzekerheden over de positie van de punten op de y-as en in de amplitude, moeten de statistische betrouwbaarheidsintervallen (boxplots) worden berekend en weergegeven.
6 ° De risicoberekening maakt gebruik van een aantal mensen die contact opnemen met professionals die waarschijnlijk besmet raken, willekeurig vastgesteld op 50%. Dit cijfer moet worden gevalideerd door een erkende referentie. De Amerikaanse studie waarnaar in [1] hieronder wordt verwezen, geeft inderdaad, met maatregelen, een percentage aan dat vrij dicht bij 0% ligt, op een beperkte steekproef. Met betrekking tot dergelijke onzekerheid moet absoluut een betrouwbaarheidsinterval worden vastgesteld.
[1] Afwezigheid van schijnbare overdracht van SARS-CoV-2 door twee stylisten na blootstelling aan een kapsalon met een universeel beleid voor gezichtsbedekking - Springfield, Missouri, mei 2020 Weekly / 17 juli 2020/69 (28); 930-932 .
_____
Recensent 2:
Ik vind de analyse die is uitgevoerd in figuur 9 relatief teleurstellend. Enkele opmerkingen en verbeterpunten:
De impact kan een vertekening verbergen in de manier waarop de tests zijn uitgevoerd. Misschien zijn kappers vaker getest dan de rest van de bevolking? Hierover valt niets te ontkennen of te bevestigen.
Het zou daarom interessant zijn om parallel het aantal uitgevoerde testen per professional te laten zien (dus in de vorm van een test / inwoner ratio). Een verschil tussen het aantal uitgevoerde testen per kapper (bijvoorbeeld) en het aantal uitgevoerde testen per medewerker (db RSZ / ONSS) zou een probleem zijn; integendeel, aantonen dat de ratio (positiviteitspercentage) vergelijkbaar is, zou het argument versterken.
Het zou ook interessant zijn om het absolute aantal tests op deze populaties te tonen, om een hypothetisch willekeurig effect te vermijden door een te laag aantal tests.
De vergelijking met de algemene populatiecurve is niet nodig omdat deze misleidend is. Allereerst zegt u er niet veel over in de tekst; en de algemene bevolking bevat veel mensen die niet / niet meer werken (jongeren, gepensioneerden).
De vergelijking met de incidentie in de beroepsbevolking (db RSZ / ONSS) is interessant, maar is misschien niet goed genoeg: er is aangetoond dat er een sociaaleconomische bias bestaat in de mechanismen van besmetting. Rekening houden met de verschillen in leeftijd, geslacht, bezoldiging, studies, beroepen, ... zou het punt ondersteunen.
Om het vorige punt te ondersteunen: leeftijd lijkt hier een belangrijke factor te zijn. Ik heb geen gegevens voor België gevonden, maar de leeftijdspiramide van Franse kappers lijkt heel anders dan die van de algemene of actieve bevolking (https://www.inrs.fr/dms/inrs/CataloguePapier/DMT/ TI-TC-99 / tc99.pdf, pagina 2). Het zou daarom nodig zijn om te vergelijken met een vergelijkbare steekproef van de bevolking. De leeftijdspiramide van Belgische kappers zou uit de RIZIV-databank moeten kunnen worden gehaald.
Idem voor de verschillen in% mannen en vrouwen in contactberoepen; Bij de beroepsbevolking tussen de 20 en 59 jaar oud zijn de gevallen van Covid-19 bij vrouwen echter 20 tot 30% hoger zijn dan bij mannen.
Omvat de RIZIV-databank de zelfstandigen of enkel werknemers? En de lijst met tests die worden toegeschreven aan "kappers"?
Meer specifiek: hoe verloopt de kruiscontrole tussen de RIZIV-database en de testdatabank?
Kleine opmerking: Gelieve RIZIV aan te geven in plaats van RSZ, het is niet gemakkelijk te begrijpen bij het lezen.
Geef daarnaast een referentie aan die het percentage van 20% effectieve besmetting aangeeft.
____
Recensent 3:
Bedankt voor deze belangrijke bijdrage. Ik raad de volgende kleine wijzigingen aan:
Kunt u de zin "Slaat personeelsscores op onder de algemene RSZ-populatie" uitleggen?
Bespreek alstublieft de redenen voor deze zeer belangrijke opmerking.
De kwaliteit van de grafiek in Fig. 9 moet worden verbeterd. Het voldoet niet aan de gebruikelijke kwaliteitsnormen.
Beschrijf met betrekking tot de risicoberekening ook de situatie buiten de epidemiepiek. Momenteel ligt de incidentie van 7 dagen dichter bij 130 gevallen per 100.000 volgens Sciensano. Rond uw discussie af en werk uw conclusie verder uit. Het zou interessant zijn om de impact te bespreken van het verkregen cijfer (+/- 185 per dag) op het totaal aantal gevallen in België (ongeveer 2000 per dag) en op het relatieve risico van bijkomende ziekenhuisopnames en overlijden.
Kunt u een maatstaf geven voor het effect van haardrogers op de aerosolverspreiding van Covid-19? Anders uitleggen of intrekken.
Corrigeer "de helft van de 14-daagse incidenten" met "met de helft van de 14-daagse incidenten".
_____
Recensent 4:
Deze analyse van de contactberoepen heeft het voordeel dat er gebruik wordt gemaakt van gegevens die specifiek zijn voor België. De recensent heeft echter ernstige bedenkingen bij de geldigheid van de gekwantificeerde conclusies om de hieronder beschreven redenen.
Het belangrijkste argument dat wordt aangevoerd om de risico's van contactberoepen in te schatten, is de volgende formule:
Aantal risicovolle contacten gedurende een bepaalde periode gegenereerd door klantcontacttaken = NP x I x N x D x C
NP = aantal professionals (unit = mensen)
N = aantal overwogen weken in de periode (eenheid = weken)
I = incidentie (eenheid = mensen / 100K / week)
D = aantal besmettelijke dagen zonder symptomen (eenheid = dagen)
C = aantal klanten per dag (eenheid = mensen per dag)
Laten we nu eens kijken naar de kapper die besmet is door zijn klanten (en niet andersom).
Met dezelfde formule kunnen we het aantal risicovolle contacten schatten dat de kapper tegenkomt. Het volstaat om de incidentie van de algemene bevolking te gebruiken. De incidentie die in het GEMS-rapport wordt gebruikt, is 1000 voor contacttransacties.
Laten we voorzichtig zijn en 750 gebruiken voor de incidentie van de populatie. Volgens de formule leden de contacthandel 50.000 x (750 / 100.000 x 3) x 2 x 10 = 22.500 gevaarlijke nauwe contacten gedurende 3 weken. Ga er, zoals in het rapport, conservatief van uit dat 20% van deze gevaarlijke contacten tot besmetting leidde. Dit betekent 4.500 extra infecties gedurende drie weken, of 1.500 per week, of een extra incidentie van 3.000 (bovenop de normale populatie-incidentie!) Per week (omdat NP = 50.000). Dit lijkt niet verenigbaar met de incidentie gerapporteerd in de curve in Figuur 9, die uitkomt op maximaal 2100 voor de week van 10/27. Het lijkt ons dat het argument van de auteurs aantoont dat het model, volgens hun eigen curve en hypotheses, de feitelijke besmettingen in de "haar- en schoonheidsberoepen" lijkt te overdrijven.
We zouden ook graag een motivering willen hebben voor de 20% besmettingen in vergelijking met risicovolle contacten ondanks maatregelen. Kan er naar een onderzoek worden verwezen om deze parameterwaarde van de formule te ondersteunen?
We zouden op zijn minst een beschrijving willen krijgen van enkele kenmerken (leeftijd, geslacht, enz.) Waardoor we mogelijke vooroordelen kunnen kennen en deze eventueel kunnen corrigeren, als ze significant zijn volgens de methodologie die in de Noorse studie wordt gebruikt.
Ten slotte dienen de gegevens (eventueel op aanvraag) beschikbaar te worden gesteld om de berekening van grafiek 9 reproduceerbaar te maken. We hebben geen idee hoe groot de steekproefomvang van de dataset is. Pp basis van Sciensano-gegevens (hieronder) is dat niet te berekenen. Waarom zou je het per week presenteren in plaats van per dag met een verschuifbare en gecentreerde grafiek? U kunt bijvoorbeeld resampling gebruiken om een foutmarge voor deze impact te berekenen. Dit is erg belangrijk om betrouwbare vergelijkingen mogelijk te maken.
Concluderend bevelen we een grondige herziening aan, rekening houdend met de opmerkingen, om het vertrouwen in de gevorderde conclusies te kunnen versterken.
______
Bijlagen:
____