Heute erklärt Oliver Janich den Klimawandel so einfach, dass man es auch mit einer Gehirnzelle und maximalem Widerwillen verstehen kann.
Das WHO-Algorithmus-Dilemma: Wie man Nebenwirkungen weg-definiert
Das WHO-Algorithmus-Dilemma
Wie man Nebenwirkungen weg-definiert
Ah, die WHO – dieser omnipräsente Hüter der globalen Gesundheit, der uns ständig mit seinen „unfehlbaren“ Algorithmen beglückt. Diesmal: die Kausalitätsbewertung von Nebenwirkungen nach einer Impfung mit den heiss diskutierten genetischen COVID-19-Vakzinen. Klingt harmlos, doch wer tiefer blickt, erkennt das eigentliche Problem: ein System, das eher wie ein PR-Instrument der Pharmaindustrie funktioniert, als ein ehrliches Werkzeug zur Aufklärung von Impfschäden.
Die Stolperfallen des WHO-Algorithmus
1. Beweislast umkehren:
Der Algorithmus setzt voraus, dass die Kausalität einer Nebenwirkung nur bewiesen werden kann, wenn sämtliche klinischen und epidemiologischen Daten dies zweifelsfrei untermauern.
Anders gesagt: Wenn es keine absolute Sicherheit gibt (was fast nie der Fall ist), dann war’s wohl nicht der Impfstoff. Praktisch, nicht?
2. Indeterminismus par excellence:
Eine der wichtigsten Kritikpunkte aus der jüngsten Studie von Bellavite, Donzelli und Isidoro (2024) betrifft die Klassifizierung der Fälle. Der WHO-Algorithmus sortiert Fälle in „konsistent“, „inkonsistent“ und „indeterminiert“ ein – mit letzterer Kategorie als Sammelbecken für alles, was nicht klar zugeordnet werden kann. Das führt dazu, dass ein Grossteil der Fälle entweder ignoriert oder falsch interpretiert wird, was die Transparenz in der öffentlichen Debatte massiv untergräbt.
3. Ignorierte Wechselwirkungen:
Der Algorithmus schliesst oft die Möglichkeit aus, dass mehrere Faktoren zusammenwirken. Wie die Studie zeigt, können gerade bei genetischen Impfstoffen – basierend auf mRNA- oder Vektor-Technologie – unerwartete Wechselwirkungen mit vorbestehenden Erkrankungen auftreten. Doch solche Szenarien werden systematisch vernachlässigt.
4. Biologische Plausibilität wird unterminiert:
Die Studie verdeutlicht, dass viele unerwünschte Wirkungen – etwa Myokarditis, Thrombosen oder autoimmune Reaktionen – erst im Laufe der Zeit als plausibel anerkannt wurden. Der Algorithmus versagt hier, weil er initiale Erkenntnisse aus Tierversuchen oder molekularen Mechanismen ignoriert und stattdessen auf epidemiologische Beweise setzt, die Jahre der Beobachtung erfordern.
Vorschläge zur Verbesserung – oder einfach: Wie man ehrlicher wird
1. Ergebnisoffene Bewertung:
Weg mit der „Nicht-beweisbar-ist-nicht-existierend“-Mentalität. Der Algorithmus muss auch Unsicherheiten als Hinweis auf mögliche Zusammenhänge werten, statt diese wegzuwischen.
2. Unabhängigkeit der Daten:
Die Bewertung sollte auf unabhängigen Studien beruhen, nicht auf Hersteller-finanzierten „Papieren“, die alles schönreden.
3. Flexiblere Kategorien:
Die Studie schlägt vor, statt einer dichotomen Einteilung wie „konsistent/inkonsistent“ eine Skala von Wahrscheinlichkeiten einzuführen, um die Unsicherheit klarer zu kommunizieren. Ansätze wie die der Brighton Collaboration oder des koreanischen CoVaSC-Frameworks bieten aus der Sicht der Autoren potenziell bessere Alternativen.
Fazit
Ein Algorithmus, der Vertrauen verspielt und die Justiz verwirrt
In seiner aktuellen Form scheint der WHO-Algorithmus mehr darauf ausgelegt zu sein, Nebenwirkungen statistisch zu verschleiern, als sie aufzuklären. Wie die Studie zeigt, ist dieses System weder der Komplexität neuer genetischer Impfstoffe gewachsen, noch den Anforderungen einer ehrlichen Pharmakovigilanz. Wenn wir wirklich globale Gesundheit wollen, dann braucht es ein System, das nicht die Interessen weniger schützt, sondern die vieler – sprich: der Menschen, die bereit sind, Risiken für die vermeintliche Sicherheit anderer einzugehen.
Doch wenn Gerichte diesen Algorithmus als Goldstandard verwenden, ist das Ergebnis vorprogrammiert: Kein Geschädigter hat eine Chance, Recht zu bekommen. Warum? Weil der Algorithmus so gestrickt ist, dass fast jede Kausalität ausgeschlossen wird, selbst wenn sie offensichtlich ist.
Ein Beispiel für die Richter: Stellen Sie sich vor, Sie hätten einen Autounfall, aber das Gutachten sagt, dass der Baum, gegen den Sie gefahren sind, schon vorher dort stand – also Pech gehabt, nicht der Unfall war schuld.
Genauso läuft es hier: Der Impfstoff kann fast nie direkt „schuld“ sein, weil das System die Verbindung von vornherein kappt. Wenn Sie darauf ein Urteil stützen, unterstützen Sie nicht die Gerechtigkeit, sondern die systematische Vernebelung der Wahrheit.
Das Baum-Beispiel zeigt die absurde, aber anschauliche Parallele zu den Logiklücken im WHO-Algorithmus:
- Unschuld durch externe Faktoren:
Der Algorithmus entlastet den Impfstoff, sobald eine andere mögliche Ursache – egal wie irrelevant – existiert. Im Baum-Beispiel: Der Baum stand schon vorher da, also wird nicht der Unfallhergang, sondern nur der Baum als „alternative Ursache“ gesehen. Dass der Unfall erst durch den Kontakt mit dem Baum entstand, wird ignoriert. Genauso beim Algorithmus: Jede vorbestehende Erkrankung wird als alleinige Ursache herangezogen, auch wenn die Impfung das Problem eindeutig ausgelöst hat. - Kausalität wird abgeschnitten:
Der Algorithmus verlangt quasi, dass der Impfstoff alleiniger „Täter“ sein muss. Doch wie beim Unfall mit dem Baum entstehen die meisten Schäden durch ein Zusammenspiel: Der Baum allein hätte nicht geschadet, genauso wie eine Grunderkrankung ohne Impfung stabil geblieben wäre. Der Algorithmus blendet diese Dynamik aus und erklärt den Impfstoff für „unschuldig“. - Vernebelung statt Aufklärung:
Das Baum-Beispiel zeigt, wie die Logik verdreht wird, um die eigentliche Ursache zu verschleiern. Statt klar zu sagen: „Der Unfall entstand, weil das Auto gegen den Baum prallte“, wird einfach behauptet: „Der Baum stand schon vorher da, also ist er nicht schuld.“ Genauso blockiert der Algorithmus die Möglichkeit, Kausalzusammenhänge zu erkennen und betroffene Menschen zu schützen.
Ergo: Der Algorithmus ist kein Werkzeug der Gerechtigkeit, sondern ein Ablenkungsmanöver, das den Geschädigten den Zugang zu ihrem Recht versperrt. Vielleicht sollten Sie sich als Jurist fragen, für wen Sie wirklich Recht sprechen – für die Menschen oder für die Statistik?
Quelle: Bellavite, P., Donzelli, A., & Isidoro, C. (2024). The WHO Algorithm for Causality Assessment of Adverse Effects Following Immunization with Genetic-Based Anti-COVID-19 Vaccines: Pitfalls and Suggestions for Improvement. Journal of Clinical Medicine, 13, 7291. DOI: 10.3390/jcm13237291.