Medizinische Tests sind in ihren Ergebnissen fehlerbehaftet. Immer. Gute Tests machen wenig Fehler. Schlechte Tests machen viele Fehler.
Aber Fehler ist nicht gleich Fehler. Bei derartigen Tests sind zwei Fehlerdimensionen zu unterscheiden. Zum einen die Genauigkeit, mit der ein Test infizierte Menschen als infiziert erkennt. Hierbei handelt es sich um die sogenannte Sensitivität. Zum anderen die Genauigkeit, mit der ein Test nicht infizierte Menschen auch als nicht infiziert erkennt. Dies ist die sogenannte Spezifität. Beide Größen werden in Prozent angegeben.
Der Vollständigkeit halber sei an dieser Stelle erwähnt, dass sowohl Sensitivität als auch Spezifität eines Tests von weiteren Parametern abhängen, wie z.B. der „Signalstärke“, also von der Anzahl der Krankheitserreger, die sich in einer Probe befinden. Dies spielt aber für die im Folgenden beschriebenen grundsätzlichen Zusammenhänge keine Rolle.
Wenn beispielsweise ein Test eine Sensitivität von 99,7% und eine Spezifität von 98,6% aufweist, ist dies ein sehr guter Test, weil beide Werte nahe 100% liegen.
Bezogen auf 1.000 infizierte Menschen würde eine Sensitivität von 99,7% beispielsweise bedeuten, dass der Test im Durchschnitt 997 von diesen 1.000 Infizierten auch als infiziert erkennt. Das hieße, drei Infizierte würden ein negatives Testergebnis erhalten, obwohl sie infiziert sind, und wären damit falsch-negativ.
Bezogen auf 1.000 nicht infizierte Menschen würde eine Spezifität von 98,6% bedeuten, dass der Test im Durchschnitt 986 Menschen als nicht infiziert erkennt. Das wiederum hieße, 14 Menschen würden ein positives Testergebnis erhalten, obwohl sie gar nicht infiziert sind, und wären damit falsch-positiv.
Im Klartext heißt das, bei jedem Test gibt es eine gewisse Wahrscheinlichkeit, dass infizierte Menschen als nicht-infiziert in die Statistik eingehen und nicht-infizierte Menschen als infiziert in die Statistik eingehen. Diese Fehler müssten aus einer akkuraten Statistik herausgerechnet werden. Wie groß diese Wahrscheinlichkeit ist, wird durch die Sensitivität und die Spezifität des jeweiligen Tests ausgedrückt.
Mit obigem Beispiel wurden bereits die beiden möglichen Extremszenarien beschrieben:
Durchseuchung in der Bevölkerung 100%, d.h. von 1.000 getesteten Menschen sind 1.000 infiziert. Dabei werden 997 Menschen auch als infiziert erkannt und 3 nicht. Die Statistik zeigt 997 Infizierte.
Durchseuchung in der Bevölkerung 0%, d.h. von 1.000 getesteten Menschen sind 1.000 nicht infiziert. Dabei werden 986 Menschen als nicht-infiziert erkannt, aber 14 Menschen erhalten ein als falsch-positives Testergebnis. Die Statistik zeigt 14 Infizierte, die aber gar nicht infiziert sind.
Das heißt im Klartext, je geringer die Durchseuchung in der Bevölkerung, desto mehr treten die falsch-positiven Testergebnisse in Erscheinung.
Dem geneigten Leser sollte mittlerweile deutlich geworden sein, welche Konsequenzen sich daraus ergeben. Eine einmal ausgerufene epidemische Lage von nationaler Tragweite könnte willkürlich und ganz nach Belieben unendlich fortgeführt werden, und zwar selbst dann, oder besser gesagt: gerade dann, wenn die ursprüngliche Krankheit gar nicht mehr existiert, die Durchseuchung also bei 0% liegt. Denn im Durchschnitt würden je 1.000 Tests schließlich 14 positive Testergebnisse erzielt. Dies wären selbstverständlich falsch-positive Ergebnisse, was aber aus der Statistik nicht hervorginge. Bei 100.000 Tests wäre folglich mit 1.400 falsch-positiven Ergebnissen zu rechnen. Und zwar immer. Denn dieses Ergebnis wird nur durch die Güte des Tests bestimmt.
Dem geneigten Leser sollte damit auch deutlich geworden sein, dass die Anzahl der (falsch-) positiven Testergebnisse nur noch über die Anzahl der Tests beeinflusst werden kann, wenn die Durchseuchung bei 0% liegt, das heißt die Krankheit in der Bevölkerung gar nicht mehr vorhanden ist.
Und hoffentlich ist dem geneigten Leser ebenfalls deutlich geworden, was es in diesem Falle mit der Regelung zu den 50 Neuinfektionen pro 100.000 Einwohnern auf sich hat, auf Basis derer die freiheitsbeschränkenden Maßnahmen wieder verschärft werden können. Die Anzahl der „Neuinfektionen“ und damit die Rechtfertigung für die Verschärfung freiheitsbeschränkender Maßnahmen kann nach Belieben durch eine Ausweitung von Tests herbeigeführt werden.
Und abschließend sollte dem geneigten Leser in diesem Falle noch deutlich geworden sein, dass der sogenannte R-Wert, also das Maß für die Ausbreitung von Neuinfektionen, bei nicht mehr vorhandener Krankheit und konstanter Testanzahl immer bei ungefähr Eins liegen muss, weil die Anzahl (falsch-) positiver Testergebnisse im Durchschnitt stets dieselbe ist und nur diese in die Berechnung des R-Wertes eingehen. Denn echt-positive Testergebnisse gibt es mangels tatsächlicher Infektionen praktisch nicht mehr.
Das heißt wiederum, auch der R-Wert kann nach Belieben in jede gewünschte Richtung beeinflusst werden, und zwar allein durch die Anzahl der durchgeführten Tests, die von einem Zeitabschnitt zum anderen verändert werden. Wird die Anzahl der Tests um 10% erhöht, erhöht sich auch der R-Wert von 1,0 auf 1,1. Bei Verdoppelung der Tests erhöht sich der R-Wert gar von 1,0 auf 2,0. Es kann also bei Bedarf ganz nach Belieben eine exponentielle Ausbreitung „herbeigetestet“ werden.
Zusammenfassung
Das relevante Maß für die Güte eines Corona-Tests ist seine Spezifität, d.h. das Maß, mit dem der Test falsch-positive Ergebnisse liefert.
Falsch-positive Testergebnisse treten statistisch in den Hintergrund, wenn viele Menschen infiziert sind, weil es in diesem Falle überdurchschnittlich viele richtig-positive Ergebnisse gibt, sodass die falsch-positiven nur einen geringen Anteil ausmachen.
Falsch-positive Testergebnisse treten umso mehr in den Vordergrund, je weniger Infizierte es gibt, weil sich das Verhältnis von richtig-positiven und falsch-positiven Testergebnissen zugunsten der falsch-positiven verschiebt. Denn es gibt bei abnehmender Durchseuchung immer weniger richtig-positive Ergebnisse.
Für den Fall, dass eine Krankheit gar nicht mehr existent ist, gehen nur noch die falsch-positiven Ergebnisse in die Statistik ein, weil es überhaupt keine richtig-positiven Ergebnisse mehr gibt.
Die Anzahl der Neuinfektionen pro 100.000 Einwohner und der R-Wert hängen in dem Fall ausschließlich von der Anzahl der durchgeführten Tests ab und können damit nach Belieben über die Anzahl der durchgeführten Tests beeinflusst werden.
Fazit
Es fällt mir schwer zu glauben, dass diese statistischen Zusammenhänge weder der Bundeskanzlerin, noch dem Bundesgesundheitsminister, noch den Ministerpräsidenten der Bundesländer, noch den Mitarbeitern im Robert-Koch-Institut, noch den sogenannten „Fakten-Checkern“, noch den Kollegen der Mainstream-Medien bekannt sind. Diese Zusammenhänge wurden schließlich bereits mehrfach an verschiedenen Stellen dargelegt. Allerdings nicht von den vorstehend genannten Quellen, von denen es eigentlich erwartet werden kann und muss.
Damit gibt es nur zwei mögliche logische Schlussfolgerungen:
Die oben genannten Vertreter von Regierung und sonstigen Institutionen haben die Zusammenhänge tatsächlich nicht verstanden. Damit entlarven sie sich als vollständig inkompetent, und zwar nicht nur bei den statistischen Grundlagen des Faches Mathematik, sondern letztlich für ihren eigentlichen Verantwortungsbereich und letztlich für die Führung dieses Landes.
Die oben genannten Vertreter von Regierung und sonstigen Institutionen kennen die Zusammenhänge sehr wohl, aber enthalten sie der Bevölkerung bewusst vor bzw. führen die Bevölkerung bewusst in die Irre. Dann muss es dafür einen Grund geben.
Es kann wohl mit an Sicherheit grenzender Wahrscheinlichkeit davon ausgegangen werden, dass die oben genannten Vertreter von Regierung und sonstigen Institutionen nicht alle gleichermaßen inkompetent sein können.
Der damit im Raume stehende Grund für eine bewusste Irreführung öffnet reichlich Raum für Spekulationen, die in diesem Blog bekanntlich keinen Platz haben. Denn es gilt hier nach wie vor – strictly rational.
Allerdings gibt es unübersehbare Entwicklungen, über die in anderen Beiträgen in diesem Blog bereits berichtet wurde, die bestimmte Schlussfolgerungen nahelegen.
In jedem Falle muss konstatiert werden, dass Transparenz und Aufklärung offensichtlich nicht im Interesse der Regierung und der ihr nahestehenden Institutionen liegen.
Epilog
Damit stellt sich abschließend und immer wieder die Frage: Wann wachen die Menschen endlich auf und hören auf zu glauben, dass Regierungen zum Wohle der Bevölkerung handeln?
Und allen, die die New World Order (NWO) nach wie vor für ein Hirngespinnst oder eine Verschwörungstheorie halten, sei die entsprechende Website der Vereinten Nationen empfohlen.
Die oben beispielhaft angeführten Werte für Sensitivität und Spezifität sind im Übrigen nicht aus der Luft gegriffen, sondern gelten für den PCR-Test von Professor Drosten.