De afgelopen weken duikt er opnieuw een opvallende discussie op in de cijfers rond corona, vaccinaties en sterfte. Niet omdat er ineens één nieuw rapport alles omver blaast, maar omdat sommige patronen, zeker als je ze in grafieken zet, vragen blijven oproepen.
Data-analist Herman Steigstra is iemand die al langer in die cijfers graaft. Hij legt vaccinatiecampagnes naast weken met oversterfte en ziet daarin een terugkerende verhouding. Zijn uitkomst is stevig, maar hij zegt er zelf ook meteen bij: dit is geen sluitend bewijs, wel een signaal dat volgens hem telkens terugkomt.
Een cijfer dat blijft terugkomen
Steigstra’s kernpunt is simpel uitgelegd: als je kijkt naar grote vaccinatiereeksen en je zet daar de oversterfte in dezelfde periode naast, dan zie je volgens hem meerdere keren een vergelijkbaar patroon. Vooral in de weken kort na toediening verschijnen er pieken die in zijn grafieken opvallend meebewegen.
In zijn berekeningen komt hij uit op ongeveer zeventig extra overlijdens per 100.000 prikken in meerdere grote campagnes. Omgerekend is dat grofweg één extra sterfgeval per 1.500 vaccinaties. Hij stelt dat dit overeenkomt met schattingen die hij eerder al maakte.
De timing die veel aandacht trekt
Wat zijn analyse extra gevoelig maakt, is de timing. In zijn grafieken ligt de hoogste samenloop tussen prikmomenten en extra sterfte rond anderhalve week na vaccinatie. Precies die korte periode wijst hij aan als het meest bruikbaar om mogelijke effecten te zien.
Tegelijk is timing een verraderlijke factor in statistiek. Registraties kunnen vertragen, sterftecijfers kennen seizoensschommelingen en coronagolven kunnen sterfte versnellen of juist verschuiven. Daardoor kan een piek ‘netjes’ in dezelfde week vallen zonder dat er een directe oorzaak is.
Waarom correlatie niet hetzelfde is als bewijs
Steigstra benoemt zelf dat het vooral om correlaties gaat: je ziet twee lijnen die samen oplopen, maar dat bewijst nog niet wat de oorzaak is. Statistici wijzen er al jaren op dat je met populatiecijfers al snel een verband ‘ziet’ dat in werkelijkheid door meerdere factoren wordt gedreven.
Het probleem zit vooral in het ontbreken van persoonsniveau-data. Je weet met weektotalen niet precies wie wanneer gevaccineerd is, welke leeftijdsgroep het betreft of welke onderliggende ziektes iemand had. En zonder doodsoorzaak-koppeling blijft het gissen wat er echt speelt.
Een onrustige periode in de cijfers
In de jaren 2021 tot en met 2023 liep veel door elkaar: covidinfecties, uitgestelde zorg, zorgdruk, griep, hittegolven en veranderingen in gedrag. Dat alles kan oversterfte beïnvloeden. Vooral 2021 wordt vaak genoemd als een statistisch lastige periode, omdat meerdere golven elkaar opvolgden.
Steigstra geeft aan dat hij sommige onderdelen van zijn analyse juist daarom als minder hard markeert. Het is een poging om patronen te vangen met ruwe data, niet om een definitief oordeel te vellen. Maar precies die nuance verdwijnt online soms snel in de discussies.
Wat officiële monitoring tot nu toe laat zien
In Europa en Nederland loopt vaccinveiligheid via meerdere systemen: meldpunten voor bijwerkingen, actieve surveillancestudies en grote registratie-onderzoeken. Daarin zijn zeldzame risico’s bevestigd, zoals myocarditis na mRNA-vaccins (vaker bij jonge mannen) en TTS na vectorvaccins, maar in absolute aantallen blijven die klein.
Grote cohortstudies laten daarnaast zien dat vaccinatie vooral bij ouderen het risico op ziekenhuisopname en overlijden door covid flink verlaagt. Dat betekent niet dat ernstige bijwerkingen nooit voorkomen, maar wel dat de meeste analyses uitkomen op een netto voordeel op sterfte, zeker bij kwetsbare groepen.
Waarom een ratio van 1 op 1.500 zo zwaar weegt
Als één op de 1.500 vaccinaties daadwerkelijk tot extra sterfte zou leiden, dan is dat voor een preventief vaccin uitzonderlijk hoog. Zulke risico’s worden normaal alleen geaccepteerd bij behandelingen voor levensbedreigende aandoeningen, en dan nog onder strikte voorwaarden.
Juist daarom wringt het met wat uit klinische studies, veiligheidsmonitoring en real-world onderzoeken naar voren komt. Daarin blijven fatale bijwerkingen extreem zeldzaam. Het verschil tussen deze werelden maakt dat veel experts vooral roepen: toon het aan met gekoppelde, persoonsgebonden data.
Het ecologische valkuil-effect
Steigstra werkt met geaggregeerde data: hele populaties per week. Dat noemen onderzoekers vaak ‘ecologisch’. Het nadeel daarvan is dat je niet corrigeert voor wie er precies geprikt wordt. En dat maakt veel uit, omdat de oudste en kwetsbaarste groepen vaak als eerste aan de beurt waren.
Als juist die groep in herfst- en wintermaanden vaccins krijgt, dan stijgt de sterfte sowieso sneller door seizoensdruk en bestaande kwetsbaarheid. Zonder correcties kan een grafiek dan overtuigend lijken, terwijl je in feite vooral het bekende sterfteritme en doelgroepselectie terugziet.
Internationale vergelijkingen: interessant, maar niet waterdicht
Steigstra verwijst ook naar analyses buiten Nederland, waarin hij vergelijkbare verhoudingen zegt te zien. Volgens hem wijst dat op een terugkerend patroon dat niet beperkt is tot één land of één registratiesysteem. Dat klinkt indrukwekkend, maar internationale data brengen extra ruis mee.
Landen verschillen in leeftijdsopbouw, zorgbelasting, testbeleid, registratievertragingen en vaccinatiestrategie. Ook kan de timing van vaccinaties net overlappen met infectiegolven. In ecologische analyses kan zo’n overlap alsnog een ‘internationaal patroon’ suggereren, zonder dat de oorzaak vaststaat.
Hoe je dit wel zorgvuldig onderzoekt
De meest betrouwbare aanpak is onderzoek op persoonsniveau, waarbij vaccinatiestatus, ziekenhuisopnames en overlijdens (met doodsoorzaken) aan elkaar gekoppeld worden. Methoden zoals matched cohortstudies of self-controlled case series helpen om leeftijd, seizoen en persoonlijke kenmerken beter mee te nemen.
In veel van dit soort studies zie je soms een tijdelijke risicotoename op heel specifieke, zeldzame aandoeningen rond de prik. Maar je ziet ook een duidelijke daling van ernstige coviduitkomsten. Het echte antwoord zit dus niet in één grafiek, maar in meerdere lagen bewijs.
Waarom dit gesprek blijft terugkomen
Het debat over oversterfte is niet alleen een medisch verhaal, maar ook een vertrouwenskwestie. Mensen willen heldere uitleg: wat weten we zeker, wat is onzeker, en wat wordt nog onderzocht? Als die informatie ontbreekt, vullen grafieken en losse claims het gat.
Een volwassen discussie kan twee dingen tegelijk erkennen: vaccinatie heeft aantoonbaar levens gered, en zeldzame risico’s moeten serieus gevolgd blijven worden. Transparantie en goede data helpen daarbij, maar ook rust en eerlijkheid in de manier waarop we conclusies trekken.
Wat je als lezer hiermee kunt
Wie dit soort claims tegenkomt, doet er goed aan verder te kijken dan één opvallend getal. Zoek naar studies met persoonsdata, controleer of er gecorrigeerd is voor leeftijd en seizoenen, en kijk of bevindingen door onafhankelijke teams zijn herhaald.
Heb je persoonlijke medische vragen, bespreek die dan met je huisarts of specialist, zeker als je in een risicogroep valt. En we zijn benieuwd: hoe kijk jij naar dit soort analyses en het debat over oversterfte? Laat het weten op onze sociale media.
Bron: faqts.net
