Реч на чешкия математик Томаш Фюрст, публикувана от Brownstone Institute, прави остра равносметка на ковид периода: според него пандемията е разкрила институционален провал на западните общества, прекомерна зависимост от неточни математически модели и сериозни неясноти около ефективността на mRNA ваксините. В изказване пред конференция в чешкия парламент Фюрст настоява за задълбочен анализ на данните, институционални реформи и публичен дебат за уроците от кризата.
Фюрст е чешки математик, преподавател по приложна математика в Университета „Палацки“ в Чехия, специалист по математическо моделиране и наука за данните, съосновател на Асоциацията на микробиолозите, имунолозите и статистиците (SMIS) и на независимото списание dZurnal.
„Трите периода“ на ковид кризата според Томаш Фюрст
В началото на изложението си Фюрст описва пандемията като „мач“ от три периода. Първият е „глобална загуба на разум“, в който според него се провалят основни стълбове на западните общества. Изпълнителната власт ограничава произволно основни права, законодателната власт предоставя извънредни правомощия без достатъчен контрол, а съдебната система – с малки изключения – не защитава естественото право.
По думите на Фюрст медиите също са се провалили, като вместо да контролират властта, са разпространявали официалната линия. Той критикува и част от медицинската общност и държавно финансирани учени, които според него са придали научна легитимност на спорни политики. Вторият период той нарича „Голямото ковид мълчание“, когато обществото се е опитвало да забрави случилото се, а третият – все още започващ – трябва да бъде период на „катарзис и научени уроци“.
Как математическите ковид модели повлияха на политическите решения
Съществена част от речта на Томаш Фюрст е посветена на ролята на математическите модели. Той твърди, че значителна част от ограничителните мерки са били оправдавани с прогностични модели, базирани на т.нар. SIR системи (податливи–заразени–възстановени). Според него тези модели опростяват реалността до „компютърна игра“, в която хората се третират като частици без социален и пространствен контекст.
Като пример Фюрст посочва прогноза на чешкия Институт за здравна информация и статистика, представена пред депутати през 2021 г., според която броят на новите случаи е можел да достигне 37 000 на ден до края на март – около 370 случая на 100 000 души население. По думите му подобни стойности дотогава не са били регистрирани никъде по света, където максимумът е бил приблизително 170 на 100 000. Той предупреждава за проблема с „overfitting“ – нагласяване на параметрите така, че моделът да съвпада с минали данни, без това да гарантира надеждни прогнози.
Авторът прави паралел и с климатичните модели, като твърди, че и там съществува риск обществото да залага стратегически решения върху несигурни прогнози.
Какво показват данните за ефективността на mRNA ваксините
Друг централен акцент в изложението е въпросът за ефективността на mRNA ваксините. Фюрст разглежда клинично изпитване с приблизително 20 000 участници във всяка група, на базата на което е изведена 95-процентна ефективност срещу симптоматична инфекция. В активната група симптоматично са се разболели 8 души, а в плацебо групата – 162. Това означава намаляване на абсолютния риск от около 0,88% до 0,04%, или с 0,84 процентни пункта. Според него публичната комуникация е акцентирала върху относителното намаляване на риска, което е довело до широко разпространено погрешно тълкуване.
Вижте още – Милиони за ваксини без приложение: ЕС още плаща цената на COVID договорите
Фюрст отбелязва, че регистрационното проучване е проведено по време на доминирането на първоначалния вариант на вируса и не е давало информация за ефективността срещу по-късни варианти. Той се позовава и на публикации в British Medical Journal за предполагаеми нередности в част от изпитванията.
По думите му след началото на масовата ваксинация не са провеждани нови големи рандомизирани проучвания за тежки крайни точки като хоспитализация и смърт. Наблюдателните данни са трудни за интерпретация, тъй като ваксинираните и неваксинираните групи се различават съществено. В Чехия са поставени близо 19 милиона дози ваксини, но според Фюрст въпреки огромния обем данни все още липсва ясен консенсус за реалната ефективност по клинично значими показатели.
Вижте и това – „Безопасни и ефективни“: Ваксиналният COVID мит рухва
Демографски данни и въпроси без окончателен отговор
Фюрст обръща внимание и на демографски тенденции в Чехия. По негови данни общият коефициент на плодовитост е спаднал от 1,83 деца на жена през 2021 г. до под 1,3 към края на 2025 г., като намалението е било около 10% годишно. Той цитира анализ, според който ваксинираните жени са имали приблизително с една трета по-малко раждания спрямо очакваното за техния дял в населението.
В същото време Фюрст подчертава, че остава открит въпросът дали тази връзка е причинно-следствена или отразява поведенчески фактори. Той посочва и данни за докладвани нежелани реакции, при които се наблюдават значителни разлики между отделни производствени партиди, което според него изисква по-задълбочено изследване.
Припомняме – Наоми Улф: COVID ваксина увреди неродени бебета
Какви уроци според Фюрст трябва да бъдат извлечени
В заключителната част на речта, публикувана от Brownstone Institute, Томаш Фюрст призовава за институционални промени. Той настоява за връщане към принципите на доказателствената медицина, реформи в образованието с акцент върху критичното мислене и работа с данни, както и за намаляване на зависимостта на научните изследвания от държавно финансиране.
Фюрст предлага създаването на независима платформа за анализ на ковид периода, която да изясни какви решения са били взети и защо. Според него обществото дължи подобна равносметка както на жертвите на пандемията, така и на бъдещите поколения.
Речта завършва с предупреждение, че ако обществото не се опита да разбере случилото се, съществува риск същите грешки да бъдат повторени при бъдещи глобални кризи.
Ако решите да подкрепите КритичноБГ, може да го направите тук. Предварително благодаря!
Дарения Revolut: @mariyatkwa
Дарения PayPal: @MariyanIvIvanov
