Leugenpers Uitgeperst

Hierbij zou ik het graag hebben over de inzichten van een briljant man en burgerlijk ingenieur. Ik heb het genoegen gehad de heer Eddy van Thielen te ontmoeten op Twitter, met user account @X_pensive_wino . Eddy heeft een zeer indrukwekkende biografie: hij is geboren in de Walen (zeker niet in Vlaanderen tussen zelfverklaarde Vlamingen waar hij een hekel aan heeft), spreekt vlot zes talen, heeft twee of drie diploma's burgerlijk ingenieur (hij is zelf de tel kwijt), rijdt met een Ferrari, heeft een bedrijf met 200+ werknemers in Zwitserland, waar hij woont en de nationaliteit van verworven heeft. Naar eigen zeggen. Zelf ingenieur zijnde, met helaas slechts één diploma, kan ik enkel opkijken naar Eddy als mijn persoonlijke goeroe en wil ik jullie verrijken met zijn kennis en ingenieursinzichten. Een straaljager is gelijk een auto Eddy de Zwitser (of beter zwetser) heeft naar eigen zeggen (minstens) twee diploma's burgerlijk ingenieur, 1. "micro-electronica en IT" en 2.

Hierbij heb ik een aanpassing uitgevoerd aan het SEIR-model dat ik geïmplementeerd heb, gebaseerd op een model dat hier terug te vinden valt op Github. Er kan nu ook een exponentieel verval voor de immuniteit worden gesimuleerd. Een simulatie die hier als Excel-file te downloaden valt , gebruikt een infection fatality rate van 0.23% volgens een WHO bulletin van Ioannidis . De infection fatality rate is een zeer belangrijke parameter om het verloop van een epidemie te kennen en te kunnen simuleren, maar helaas is die slechts zeer benaderend bekend. Volgens Ioannidis "ergens tussen 0 en 1.54%", variërend van land tot land en studie tot studie, volgens Molenberghs en co 1.25% voor België wat compleet onrealistisch is. Voor het verval aan immuniteit werd een eenvoudig exponentieel dalend verband gebruikt met een halveringstijd van 120 dagen. De data van de daling bij de huidige lockdown lijken er immers op te wijzen dat een simulatie met een blijvende immuniteit de data niet kan

In een aantal vorige posts hebben we gezien hoe ergens een biostatisticus van mijn botten voorspellingen maakte voor de tweede golf, niet gebaseerd op enige data of enig eigen model maar op de resultaten van deze paper:  Modeling the early phase of the Belgian COVID-19 epidemic using a stochastic compartmental model and studying its implied future trajectories . Hier wordt een iets complexer (understatement) model gebruikt dan simpelweg een Gausscurve door de data te fitten. Ik vind de inhoud van deze paper zeer interessant en wil deze even bespreken. Methodologie 1. Wiskundig model In deze paper wordt een SEIR-model gebruikt. Dit is een model  waarin personen door vier stadia gaan: Susceptible (S) oftewel ontvankelijk, Exposed (E) oftewel blootgesteld, in de incubatiefase, Infected (I) oftewel geïnfecteerd en Recovered (R) oftewel hersteld / immuun. Doodgaan is natuurlijk ook een mogelijkheid. Zie Wikipedia voor wat meer info.  In deze paper wordt een iets meer uitgewerkt model gebru

In Deel 1 hebben we reeds de voorspellingen besproken van Kurt Barbé voor de tweede golf, in Deel 3 werd de gebruikte modellering voor de tweede golf duidelijk. De waarde van de gebruikte parameters was toen nog niet helemaal duidelijk, vooral aangezien hij tot dan toe beweerde dat de fitting gedaan werd op basis van de reële data en de reële data tot dan toe niet toelieten om een tweede golf te fitten. Nu blijkt dat Barbé de mosterd gewoon gehaald heeft bij de paper  Modeling the early phase of the Belgian COVID-19 epidemic using a stochastic compartmental model and studying its implied future trajectories  van o.a. Hens en het SIMID COVID-19 team. In het artikel van Het Laatste Nieuws werd hierop al gehint dat hij dit eigenlijk had gezien van andere modelbouwers: De overeenkomst met de curve in die paper is iets te groot om toeval te zijn. Kurt Barbé heeft hoogstwaarschijnlijk gewoon een Gausscurve gefit op de curve van de nieuwe hospitalisaties in dit artikel,dit opgeschaald om de

Waarom doxen? Er is heel wat te doen rond het doxen van de gegevens van de Reuzegommers. Hoewel de leden betrokken bij het dopen vanzelfsprekend op weinig sympathie kunnen rekenen, lijkt het toch wat over de top om de namen en (email) adressen van zussen, broers, vaders en moeders eveneens te grabbel te gooien. Verder is niet eens zeker of de informatie wel helemaal juist is, op zijn minst twee vernoemde personen bleken uiteindelijk verkeerd te zijn. De motivatie om mensen te beschadigen, lijkt ingegeven te zijn door verschillende factoren: Racisme: het is heel modieus bij het linkse roomblanke publiek om zichzelf te haten en racistisch te zijn voor mensen met eenzelfde huidskleur. Zogezegd is Reuzegom "een elitaire, blanke vereniging" en bijgevolg was de dood van Dia "een racistische moord". Dit buiten beschouwing gelaten natuurlijk dat twee andere, blanke leden door exact dezelfde doop gingen en presidium lid Zazou Nathan Bindi helemaal niet blank is. Ja

In dit derde deel zal ik proberen te reverse engineeren hoe professor Barbé tot zijn onderstaande doemvoorspelling voor de tweede golf gekomen is. In het tweede deel zijn we er in een confidentiële paper reeds achtergekomen dat hij is overgeschakeld op een ander model en stuksgewijze gausscurves gebruikt. De vergelijkingen die hij deze keer gebruikt, kunnen bijgevolg als volgt samengevat worden. De functie h(t) vormt de uiteindelijke curve. Aangezien ik geen exacte waarden heb en Kurt Barbé typisch geen waarden geeft, zijn onderstaande waarden een vrij goede benadering voor de verschillende parameters die Kurt Barbé gebruikt heeft voor zijn doemscenario. De tijd t wordt gerekend in dagen, waarbij dag 0 overeenstemt met het eerste datapunt voor de ziekenhuisopnames, zijnde 15 maart. Hierbij dient opgemerkt te worden dat de amplitude zowat exact 9000 is, vermoedelijk heeft Barbé zelf deze waarde opgelegd want het is weinig waarschijnlijk dat een numerieke methode op zo een rond