este tipo de mensajes, que dicen cuántos seres humanos en España o en el mundo hasta ahora murieron o “se infectaron”.
Eso no significa nada al principio. Un ejemplo: el número de víctimas mortales de tráfico en Alemania en 2019 fue de algo más de 3.000 (y, afortunadamente, ha disminuido en comparación con años anteriores). A nadie se le ocurriría simplemente sumarlos a lo largo de los años. Porque entonces tendríamos 6.000 muertos en carretera el año que viene y 9.000 el siguiente. Todo el mundo puede ver que esto es un disparate, pero así es exactamente como lo hacen con los “casos” de Corona. No hay periodo de tiempo: ¿por día, por mes, por año? Pero aquí sólo los suman, así que el número sólo puede crecer.
El número de personas que se dicen "infectadas" es poco interesante. La pregunta debe ser: ¿Cuántos de ellos enfermaron en primer lugar? ¿Cuántos de los que enfermaron se han recuperado desde entonces? ¿Y cuántos han muerto en la última semana en comparación con las semanas anteriores? Estas son las preguntas relevantes sobre el curso de una epidemia.
La mera acumulación de números de casos no es una estadística honesta. Sólo sirve para sugerir un aumento constante (siempre hay más, nunca menos) y para presentar las cifras más altas posibles con el fin de sembrar el miedo y el terror.
Otro truco que se utiliza muchas veces es el siguiente: si una persona da positivo en varios tests, cada prueba se cuenta por separado en las estadísticas, aunque se trate de la misma persona.
Truco n° 2: Los datos de referencia se les ocultan
Incluso si se da un período de tiempo como: "De nuevo más de 2.000 nuevas infecciones al día" o: "Tenemos el doble de infectados que hace 5 semanas", eso sigue sin decir nada sin el marco de referencia. ¿Cuántas pruebas se hicieron hace 5 semanas? ¿Y cuántos son ahora? Sólo cuando se descubre, tras una larga búsqueda, que se ha hecho el doble de pruebas, es lógico que también aparezcan el doble de "aciertos". Eso no significa que la tasa de infección se haya duplicado, sino que se ha mantenido constante.
Un ejemplo: envías a alguien al bosque a recoger bayas. En el bosque hay muchas moras y también raras frambuesas de bosque. Las moras representan la gran mayoría de los no infectados, las frambuesas representan los infectados. Nuestro amigo ahora recoge todas las bayas que encuentra. A mediodía vuelve con 1.000 moras y una frambuesa. Al día siguiente envías a dos personas a recoger, y ahora traen 2.000 moras y dos frambuesas. Ahora bien, si alguien concluyera de esto que el número de frambuesas en el bosque se ha duplicado desde ayer, entonces tiene un problema de lógica. Pero eso es exactamente lo que quieren que creamos sobre los números de los “casos Corona”.3
No es que los expertos hayan olvidado sus nociones de estadística. Saben muy bien lo que hacen. En una entrevista en la cadena alemana de televisión ARD, el ministro de Sanidad, Jens Spahn, se desahogó advirtiendo que el exceso de pruebas da lugar a muchos más falsos positivos que positivos reales, a pesar de que la incidencia de la infección está disminuyendo. Esto se debe a que la prueba no es cien por cien precisa.4
Aquí, por una sola vez, el caballero tiene razón. Pero la política no se ha ceñido a ella, ya que desde el momento de su entrevista (14.6.2020) hasta finales de agosto se triplicó el número de pruebas5, por lo que lógicamente también se ha triplicado el número de positivos, lo que se nos vende como una "segunda oleada", aunque la proporción de positivos por cada 1.000 pruebas se mantuvo constante. 6
La Canciller Merkel ya había utilizado el mismo truco en marzo para justificar el confinamiento previsto: En sólo una semana, las "cifras de casos" comunicadas por el RKI7 se habían triplicado, pasando de 8.000 a 24.000. Merkel habló de un aumento exponencial y de que las cifras se dispararían. Muy bien, la gente se dijo, donde hay mucho humo, debe haber fuego, y se encerró obedientemente. Pero no había humo, sólo niebla escénica del espectáculo. De hecho, el RKI había "olvidado" anunciar que el número de pruebas por semana también se había casi triplicado: de 130.000 a 350.000.
En realidad, la proporción de resultados positivos de las pruebas apenas había aumentado, del seis al siete por ciento. El virólogo Hendrik Streeck confirmó posteriormente en una entrevista que nunca se había producido un aumento exponencial. 8
Estos trucos también se utilizan con gusto en todo el mundo. El senador estadounidense Ron Paul escribe que en EE.UU. casi se quintuplicó el número de pruebas, por ejemplo, en Houston se ofrecieron pruebas de Corona gratuitos en todas partes, lo que propició una "2a ola" propagandística. 9
Aunque (¿o porque?) está bastante claro que más pruebas traen consigo más cifras de falsos positivos, se exige una y otra vez: "Prueba, prueba, prueba", por ejemplo el jefe de la OMS10 o en el diario de TV.11 Desde el principio, la gente estaba ansiosa por presentar las cifras más altas posibles.
Truco n° 3:
Los falsos positivos se incluyen en el recuento
Todas las pruebas tienen un cierto margen de error, no hay forma de evitarlo. Como resultado, se hacen pruebas como "positivas" a personas que no lo son. Esto se llama entonces "falso positivo". A la inversa, también hay resultados "falsos negativos" en las pruebas, pero éstos sólo serían matemáticamente significativos si la gran mayoría estuviera infectada. Pero como la gran mayoría de las personas no están infectadas en absoluto, pueden ser ignoradas. Esto es matemático porque, por ejemplo, el 2% de una gran mayoría es más que el 2% de una pequeña minoría.
Según los propios fabricantes, la tasa de error se sitúa en torno al 1-2%. Eso suena bien al principio, pero cuantos menos infectados reales hay, más se nota el error.
Podemos hacer las cuentas utilizando el ejemplo de la mora: De nuevo, recogemos 1.000 moras y una frambuesa. Supongamos que nuestro coleccionista ha olvidado sus gafas y tiene un porcentaje de error del 2% al clasificarlas, al igual que la prueba Covid19. Así, clasificará erróneamente 20 moras, el 2% de las 1.000, como "frambuesas" porque pueden parecer un poco rojizas. Así que 21 bayas terminan en el bote de las frambuesas, por lo que hay 20 falsos positivos y uno verdadero.
Ahora la pregunta del cuestionario: ¿Qué probabilidades hay de que, si la prueba ha sido "positiva" (es decir, ha acabado en la cesta de las frambuesas), seas realmente una frambuesa? Sencillamente, 1 de cada 20. En otras palabras, ¡hay 20 falsos positivos por cada uno verdadero! Porque el 2% de 1.000 es mucho más que uno de cada mil. Es increíble, pero es la ley de las matemáticas. Por lo tanto, la precisión de la prueba se reduce a menos del 5% en estas circunstancias.12
Sabiendo esto, y los "expertos" deberían saberlo, habría que hacer una segunda prueba a todos los que dieron positivo para eliminar los resultados falsos, preferiblemente con un nuevo frotis y el test de otra empresa, y en todo caso en otro laboratorio. Pero esto casi nunca se hace, por lo que la gran mayoría de los falsos positivos son estigmatizados, asustados y enviados a cuarentena, ¡sólo para inflar las estadísticas!
Pero ni siquiera la supuesta precisión del 98% se mantiene en la práctica. El ICMR (Consejo Indio de Investigación Médica) de la India, por ejemplo, examinó la prueba de PCR "LightMix Modular" de Roche13 más de cerca y descubrió que las especificidades de dos de los fragmentos de genes probados con ella eran sólo del 67% y el 60% respectivamente.14 Esto significaría que en lugar de 20, al menos 330 moras fueron mal clasificadas. Ahora ya sabemos por qué siempre se dan a conocer cifras tan fantasiosas de todo el mundo. No están necesariamente falsificados, sólo se basan en pruebas defectuosas con una "prevalencia" simultáneamente baja, es decir, la baja distribución real del virus.
Por supuesto, las mismas pruebas defectuosas se aplican también a las personas fallecidas, que
