LOOOL! Es gibt echt seltsame Menschen.

Oh man. Ich freue mich so auf heute Abend. Zweites Zoommeeting mit unserer Projektkoordinatorin. (Haben uns schon auf die Autorenreihenfolge geeinigt.)

Epidemiologic and Molecular Relationship Between Vaccine Manufacture and Autism Spectrum Disorder Prevalence

https://pubmed.ncbi.nlm.nih.gov/26103708/

Norwegens Leiter der Corona-Impfkampagne und Direktor für Infektionskrankheiten in Norwegen ist mit 53 Jahren verstorben. Er war das staatlich-mediale Gesicht für öffentliche Gesundheit in Norwegen. Er war regelmäßig in Norwegens Medien aufgetreten, um die Covid-Impfung zu loben.

➡️ Abonnieren Sie @tkp_news - Blog für Science & Politik

https://tkp.at/2025/08/04/ploetzlich-und-unerwartet-norwegens-impfstoff-chef-tot

Development of Chemical Tags for Universal Lipid Nanoparticle Visualization and Tracking in 2D and 3D Imaging

https://pubs.acs.org/doi/10.1021/acs.nanolett.5c00311

Falls ihr auch nur die Hälfte dieses Papers begreift, begreift ihr, wie man die Leute betreffs LNPs verarscht hat.

Never forget!

ZEITENWENDE IN DER HOCHLEISTUNGSMEDIZIN - INDIVIDUELLE 4-E VERSORGUNG 🌎

Maßgeblicher u. kurzweiliger Vortrag des sehr renommierten Mediziners Dr. med. Thomas Ly 💥 in Bad Nenndorf


"...Ich werde an faktischen Beispielen und Belegen aufzeigen, wie sich das medizinische Versorgungssystem und die verantwortliche Politik in Niedersachsen und in Deutschland in den vergangenen über 15 Jahren einer Optimierung entgegengestellt hat.
Daneben werde ich an Realbeispielen zeigen, wie das hiesige System ohne Verweigerung heute aussehen würde und wie sich die hochleistungsmedizinische Versorgung der Zukunft im Sinne einer optimalmedizinischen Ausrichtung, entwickeln wird.
...
Im letzten Teil wird es einen Gesprächsaustausch mit allen anwesenden Gästen geben ..."

     Dr. med. Thomas Ly



👉🏻 EINLADUNG für DONNERSTAG den 30.10.25 in die WANDELHALLE in 31542 BAD NENNDORF

Einlass ab 18:00 Uhr, Beginn um 19:00 Uhr




Tickets

Ärzte klären auf

Die neue Veranstaltungsreihe Kunst-Wissenschaft-Religion




@WendezeitHannover

Posterpräsentation für Insider: "Studie belegt: Nachts ist es kälter als draußen." Äh, ach ne. C-Impfung schützt vor Krebs:

Corona-Impfung macht Krebs-Immuntherapie wirksamer

https://www.mdr.de/wissen/medizin-gesundheit/corona-mrna-impfung-macht-immuntherapie-gegen-krebs-wirksamer-100.html

‼️Poster Presentations - Proffered Abstracts| April 21 2025‼️

Lest euch wirklich die Methodik durch. Ihr lacht euch nen Wolf:

"SARS-CoV-2 mRNA vaccines sensitize tumors to immune checkpoint blockade "We then generated a preclinical model of ICI-resistance with subcutaneous murine B16F0, and analyzed plasma from a cohort of healthy volunteers (n=5) at baseline and 6 hours, 24 hours, 1 week, and 2 weeks after SARS-COV-2 mRNA vaccination with NULISA-Seq and flow cytometry. Differences were assessed with Wilcoxon rank-sum tests, Cox proportional hazards regression, and Gehan-Breslow-Wilcoxon tests."

https://aacrjournals.org/cancerres/article/85/8_Supplement_1/5841/759150/Abstract-5841-SARS-CoV-2-mRNA-vaccines-sensitize"

Die beobachten für nichtmal 6 Monate (Nö. 2 Wochen reichen doch?!)!!!!!!!

n=5.

Damit machen sie ne Regression ohne den Furz von Power bei dieser Nummer, was schon an Komplettverblödung grenzt und dann nehmen sie auch noch retrospektive Kohortenvergleiche mit modellierten Bullshitkohorten. :-S

Der Trick den diese gesamte Kohortenbullshitnumberslotterie immer wieder anwendet:

Man wirft mit wohlklingenden Worten wie "Wilcoxon, Cox-Regression, Gehan-Breslow-Wilcoxon" um sich und schon steigt jeder aus, weil es echt komplizierte Mathe ist, bei der ich auch nur begrenzt durchsteige, weil ich mir die Rohnummern rausfische um die Methodikrelevanz halbwegs einschätzen zu können.

Zur kurzen Einsortierung, damit jeder es besser verstehen kann:

Wilcoxon: Rangtest. Gut bei n=30+, aber bei n=5? → totale Zufallsstreuung.

Cox-Regression: Modell für Überlebenszeiten mit Kovariaten. → funktioniert nur, wenn du genügend „Events“ hast (Tode, Progressionen etc.). Bei Mini-Kohorten = völliger Overfit.

Gehan-Breslow-Wilcoxon: Variante des Logrank-Tests. → funktioniert bei großen Gruppen mit klaren Hazard-Raten, nicht bei 5 Mäusen oder retrospektiven Krücken.

Schon spannend, dass jeder seit der C-Debatte nun "das eine Wundermittel" denkt, gefunden zu haben. Als ob Signaltransduktion so funktionieren würde.

https://t.me/tkp_news/11427

Dann halt so. Niemand mag Klugscheißer. *murmel*

Ich werf mal ne hübsche Abkürzung in den Raum, die wir in unserem Biest Teil 2 diskutieren werden: CYP450

#InfraRot_KlareSicht

Bundeswehr: Soldat geimpft, erkrankt und abgestellt

Der 43-jährige Fallschirmjäger Roman Jahn berichtet, wie er sich gegen die verpflichtende COVID-19-Impfung in der Bundeswehr wehrte. Trotz Einsprüchen und Beschwerden ließ er sich zweimal impfen und entwickelte daraufhin schwere körperliche Beschwerden – darunter eine Autoimmunerkrankung, einen Herzinfarkt und eine posttraumatische Belastungsstörung (PTBS).

Laut Jahn reagierte die Bundeswehr mit Disziplinarmaßnahmen statt Unterstützung. Bereits vor mehreren Jahren wurde ein Verfahren gegen ihn eingeleitet. Im Rahmen einer Beschlagnahme wurden ihm Passwörter abverlangt, ohne dass er zuvor rechtlich beraten werden konnte. Zudem wurde seine komplette iCloud-Datenumgebung gespiegelt und ausgewertet – ein Eingriff, der derzeit Gegenstand laufender rechtlicher Verfahren ist.

Die von ihm angefertigte Audioaufnahme entstand aus rechtfertigendem Notstand (§ 34 StGB) und in Beweisnot, um seine Grund- und Existenzrechte zu schützen.

Neue Marketingstrategie: Gefährliches Halbwissen kombiniert mit "Allheilmittelchen":

"Complexity, unpredictability and safety challenges of lipid nanoparticles
by Gutschi, Luz Maria, Seger, Falko (Zenodo)

Bitte wiederholen: Spike, Spike, Spike, Spike. Niemals nie nicht wären Membranstörungen das Erste, wo ich die initiale Kaskade unabhängig ob mit oder ohne modRNA, vermuten sollte. *seufz* (Wieso schwirrt mir gerade, als einer der Autoren "Wacht auf, Verdammte dieser Erde" durch den Kopf?)

Ich wünsche viel Glück mit Peptidtherapien wenn CYP450 dysreguliert ist."

https://www.youtube.com/watch?v=uPwq8FXUAp4

CYP450 ist eine der wichtigsten und größten Enzym-Familien zur Entgiftung (Leber und ER). Wenn die runter reguliert oder dysballanciert sind und du mit Peptiden reingehts hast du ne komplexe und kontroverse Schleife:

Zunächst werden Zellprozesse, die bereits durch die LNPs aus der Homöostase geschossen wurden noch weiter runtergekachelt, so dass es eine "heilende Wirkung" vorgaukelt. Bis der Feedbackloop kommt und du noch mehr Schaden angerichtet hast.

https://www.deutschlandfunk.de/immunologe-watzl-mrna-corona-impfung-verlaengert-offenbar-lebensdauer-bei-krebs-100.html

https://t.me/mspezial/20091

Es ist unglaublich aber dieser Scheiß geht viral.

Die volle Bullshitstudie, die ihr gerade in den Medien lest:

SARS-CoV-2 mRNA vaccines sensitize tumours to immune checkpoint blockade


PSM mit caliper = 0.1 und 2:1-ratio, weil Power: klassischer Trick, um die Effektgröße zu „optimieren“:

"Given the small sample size in the stage III NSCLC dataset treatment group, multiple imputation was performed to estimate missing ECOG values using chained equations and the R package MICE, where predictive mean matching (PMM) (with set.seed(2025)) was used to create five imputed datasets. Variables used for imputation were chosen based on large absolute ridge regression coefficients (|β| > 0.3) and clinical relevance to ensure that prediction of ECOG missingness occurred with accuracy. After selection using regression coefficients, age and previous cycles of systemic therapy were included due to clinical importance. To facilitate PSM while maintaining power in patients with stage III NSCLC, the mode of the five imputed ECOG values was used as a single value for each patient (n = 5). This approach was necessary to minimize variance inflation and avoid diluting treatment effects in a very small sample. As PMM is random, small deviations in variable definition, factor levels and row ordering may result in slightly different imputed values. However, sensitivity analyses with slightly different mode selection in the case of ties, different seeds and an increased number of datasets (n = 20 or n = 10 rather than n = 5) revealed similar outcomes (P < 0.05) after subsequent matching. The plausibility of imputed values was assessed using density plots, which demonstrated appropriate range and overlap between observed and imputed ECOG values."


Und mein Favorit: „Patients who progressed before the receipt of mRNA vaccination were included in the vaccination group for this analysis.“

Und es wird noch geiler: Imputation mit „mode of five imputed ECOG values“ – also sie nehmen den Modus aus 5 zufällig generierten Werteketten? Das ist so statistisch fragwürdig, dass es fast schon Kunst ist. Haja. Weil uns halt die Werte fehlten, haben wir mal gedacht, dass...

Ha! Hab endlich die ganze Studie gefunden. Immerhin schafften sie es auf n=180

https://www.nature.com/articles/s41586-025-09655-y#Ack1

Der echte Kracher ist die Imputation:

Damit löscht man die Unsicherheitsinformation der Mehrfachimputation. Und weil ECOG nur wenige Kategorien (0–5) hat, ist der Modus praktisch ein Würfelergebnis. Die anschließenden Sensitivitätsanalysen (auch mit n=10 und n=20 gleiche p<0.05) sagen nichts aus: wenn du Moppelkotze imputierst, bleibt die Moppelkotze deterministisch reproduzierbar.

Kurz noch erklärt:

PMM (predictive mean matching) ist zufallsbasiert: man erzeugt mehrere plausible Werte, die die Unsicherheit abbilden sollen.

Das korrekte Vorgehen:
Man analysiert alle imputierten Datensätze getrennt und kombiniert danach die Resultate (Rubin’s Rules).

Vorgehen dieser verkappten Lappen:

Sie nehmen einfach den Modus dieser fünf Zufallswerte, also den „häufigsten geratenen Wert“, und tun so, als sei das „das Wahre“.

Kurzer Statusupdate, da die Richtung jetzt klar ist, das Manuskript steht und wir in Editrunde 4 sind:

Unser hypothesengetriebenes Review nimmt Gestalt an: Inklusive Abstrakt und Schlussfolgerung. Ich denke noch 2 - 3 Editrunden und wir sind soweit: Unleash the beast.

p.s.: Am liebsten würde ich schon verraten, wer unser Projektleiter und Seniorresearcher ist, mit dem wir publizieren werden. Gnihihihi. Ich muss mir so auf die Finger haun.

Das Hauptproblem: Fehlende Daten wurden „erraten“

Ein wichtiger Parameter bei Krebspatienten ist der sogenannte ECOG-Status (ein Maß dafür, wie krank oder belastbar jemand ist). Viele dieser Werte fehlten – und statt das offen als Unsicherheit zu behandeln, haben die Autoren sie einfach erfunden.

Dazu nutzten sie eine Methode namens PMM (Predictive Mean Matching), die mehrere plausible Werte generiert, um Unsicherheit abzubilden.

➡️ Der korrekte Weg: Man analysiert alle so erzeugten Datensätze getrennt und kombiniert die Ergebnisse statistisch (nach den sogenannten Rubin’s Rules).

➡️ Was sie stattdessen gemacht haben:
Sie haben fünfmal zufällig Werte generiert und dann einfach den häufigsten geratenen Wert (den „Modus“) genommen – als wäre das der „wahre“ Wert. Das ist, als würde man fünfmal würfeln und dann sagen: „Weil die 4 am häufigsten kam, ist das sicher das richtige Ergebnis.“

Damit löschen sie die gesamte Unsicherheitsinformation, die die Methode eigentlich erhalten soll. Das ist statistisch unsinnig und führt zu Scheinpräzision.

Der zweite Trick: Propensity Score Matching (PSM)

Um Gruppen (geimpft vs. ungeimpft) vergleichbar zu machen, wurde ein sogenanntes Propensity Score Matching verwendet.
Dabei werden Patienten mit ähnlichen Merkmalen gepaart, um faire Vergleiche zu ermöglichen.

Die Autoren wählten dabei ein extrem enges Matching-Kriterium (Caliper = 0.1) und ein 2:1-Verhältnis der Gruppen.

Beides kann genutzt werden, um eine gewünschte Effektgröße zu „optimieren“, sprich: man kann so die Gruppen so zusammenstellen, dass der Effekt größer aussieht, als er wirklich ist. Das ist ein klassischer Trick, um kleine Stichproben „schöner“ aussehen zu lassen.

Logischer Bruch: Falsche Gruppenzuordnung

Der absurdeste Punkt:

„Patients who progressed before the receipt of mRNA vaccination were included in the vaccination group for this analysis.“

Das heißt:

Patienten, die sich verschlechtert hatten, BEVOR sie überhaupt geimpft wurden, zählen in der Analyse als „geimpft“. Das ist ein klarer methodischer Bruch, der die gesamte Vergleichbarkeit zerstört. Man weiß nicht mehr, was überhaupt „nach der Impfung“ passiert ist.

6. Schein-Sensitivitätsanalysen

Die Autoren behaupten, sie hätten getestet, ob das Ergebnis stabil bleibt („Sensitivity Analyses“). Aber wenn die zugrunde liegenden Daten zufällig erzeugt und fehlerhaft verarbeitet wurden (was durch die Vermengung der Geimpften geschah), bleibt das Ergebnis natürlich „stabil“ – es ist ja deterministisch reproduzierbar. Mit anderen Worten: Man kann denselben Unsinn beliebig oft wiederholen, das Ergebnis bleibt Unsinn.

Fazit

Diese Studie gehört sofort retractiert (zurückgezogen), weil:

fehlende Daten nicht korrekt imputiert, sondern verfälscht wurden,

Gruppen falsch definiert wurden, Matching-Verfahren zur Effektverstärkung missbraucht wurden, und die angeblichen Robustheitsanalysen keine Aussagekraft haben.

Kurz gesagt:

Die statistischen Methoden wurden nicht zur Fehlerkontrolle, sondern zur Ergebnisgestaltung benutzt. Das macht die Resultate wissenschaftlich wertlos – egal, wie spektakulär sie klingen.

Und noch weitere Kritikpunkte:

- Die Vielzahl der Adjustierungen und das Mischfenster („–100 bis +100 Tage“) machen kausale Interpretationen extrem fragwürdig.
- Die mechanistischen Erklärungsansätze sind übermäßig optimistisch übertragen von Maus- auf Humandaten.
- Die Replikation und externe Validierung fehlen nahezu vollständig.

https://www.nature.com/articles/s41586-025-09655-y#Ack1