De coronajaren blijven een soort naschok geven in onze nieuwsfeeds. Net als je denkt dat het onderwerp langzaam uitdooft, komt er weer een grafiek voorbij, een opvallend getal of een nieuwe interpretatie van oude data. En dan begint het gesprek opnieuw.
De afgelopen weken draait die discussie weer om oversterfte: het aantal mensen dat overlijdt bovenop wat je normaal gesproken op basis van eerdere jaren zou verwachten. Sommige analyses leggen daarbij een link met vaccinatiemomenten. Dat klinkt urgent, maar het vraagt ook om extra precisie, omdat cijfers snel groter lijken dan ze in werkelijkheid zijn.
Waar de ophef nu vandaan komt
Een van de namen die in dit debat weer rondgaat, is data-analist Herman Steigstra. Hij bekijkt vaccinatiecampagnes en legt die naast weken waarin oversterfte zichtbaar is. In zijn grafieken ziet hij herhaaldelijk een patroon dat volgens hem telkens terugkomt.
Belangrijk detail: Steigstra presenteert het zelf niet als sluitend bewijs, maar als een signaal dat volgens hem te vaak opduikt om zomaar te negeren. Online verdwijnt die nuance echter snel, waardoor zijn cijfers soms als harde conclusie worden rondgestuurd.
Het getal dat veel aandacht trekt
In Steigstra’s berekeningen komt een stevige verhouding terug: ongeveer zeventig extra overlijdens per 100.000 vaccinaties, gemeten rond grotere vaccinatierondes. Omgerekend is dat grofweg één extra sterfgeval per 1.500 prikken, een getal dat meteen blijft hangen.
Waarom dat zo hard binnenkomt, is simpel: bij een preventieve prik verwacht je juist dat ernstige bijwerkingen zeldzaam zijn. Als zo’n ratio echt zou kloppen, staat dat op gespannen voet met wat veel andere onderzoeken en veiligheidsrapporten tot nu toe laten zien.
De timing die in grafieken ‘netjes’ kan lijken
Wat zijn analyse extra opvallend maakt, is het moment waarop de piek volgens hem het sterkst samenvalt: rond anderhalve week na vaccinatie. Precies dat korte tijdvenster gebruikt hij als aanwijzing om mogelijke effecten zichtbaar te maken in de totale sterftecijfers.
Alleen is timing in statistiek tricky. Sterfteregistraties komen soms met vertraging binnen, seizoenen drukken elk jaar hun stempel op sterfte, en coronagolven kunnen overlijdens versnellen of verschuiven. Daardoor kan een overlap er strak uitzien zonder directe oorzaak.
Waarom correlatie nog geen oorzakelijk bewijs is
Steigstra’s grafieken gaan in de kern over correlatie: twee lijnen die in dezelfde periode bewegen. Maar een verband zien is nog iets anders dan bewijzen wat de oorzaak is. Zeker bij grote populatiecijfers is het verrassend makkelijk om ‘meebeweging’ te vinden.
De belangrijkste beperking is het ontbreken van data op persoonsniveau. Met weektotalen weet je niet wie precies gevaccineerd is, welke leeftijdsgroep het betreft of welke medische voorgeschiedenis meespeelt. Zonder koppeling aan doodsoorzaken blijft het vooral interpretatie.
De rommelige werkelijkheid van 2021 tot en met 2023
Wie terugkijkt naar die jaren, ziet hoe snel factoren door elkaar liepen: covidinfecties, uitgestelde zorg, overvolle ziekenhuizen, griepperiodes, hittegolven en gedragsveranderingen. Alles bij elkaar kan dat oversterfte omhoog of omlaag duwen.
Vooral 2021 wordt vaak als statistisch ‘lastig’ gezien, omdat meerdere golven elkaar opvolgden en kwetsbare groepen continu in beweging waren. Steigstra zegt zelf ook dat bepaalde onderdelen van zijn analyse daarom minder hard zijn dan ze soms online worden voorgesteld.
Wat officiële veiligheidsmonitoring tot nu toe meldt
In Nederland en Europa wordt vaccinveiligheid via verschillende systemen gevolgd: meldpunten voor bijwerkingen, actieve monitoring en grote registratiestudies. Daaruit kwamen zeldzame risico’s naar voren, zoals myocarditis na mRNA-vaccins (vaker bij jonge mannen) en TTS na vectorvaccins.
Die risico’s zijn bevestigd, maar blijven in absolute aantallen klein. Tegelijk laten grote cohortstudies zien dat vaccinatie—met name bij ouderen en kwetsbaren—het risico op ziekenhuisopname en overlijden door covid duidelijk heeft verlaagd. Dat beeld is breder en consistenter dan één grafiek.
Waarom ‘1 op 1.500’ zo’n zware claim is
Als één extra overlijden per 1.500 vaccinaties daadwerkelijk aan de prik zou toe te schrijven zijn, zou dat uitzonderlijk hoog zijn voor een preventieve maatregel. Zulke risico’s worden normaal vooral geaccepteerd bij behandelingen voor direct levensbedreigende ziektebeelden.
Juist daarom reageren veel experts terughoudend op dit soort ecologische berekeningen. Ze wijzen erop dat fatale vaccinbijwerkingen in klinische data en real-world registraties extreem zeldzaam lijken. Het verschil tussen die lijnen vraagt om beter, gekoppeld onderzoek.
De ecologische valkuil: wat weekcijfers niet vertellen
Steigstra werkt met geaggregeerde data: totale aantallen per week. Dat heet ecologisch onderzoek. Het grote nadeel is dat je niet goed kunt corrigeren voor wie er wordt gevaccineerd. En dat maakt in coronatijd juist enorm uit.
De oudste en kwetsbaarste groepen kregen vaak als eerste een prik, precies in periodes waarin sterfte sowieso hoger ligt door winterdruk en kwetsbaarheid. Zonder correcties kan een grafiek dan overtuigend lijken, terwijl je vooral het seizoenspatroon en de doelgroepselectie ziet.
Internationale vergelijkingen klinken sterk, maar zijn ruisgevoelig
In de discussie wordt ook gewezen op vergelijkbare patronen in andere landen. Dat klinkt indrukwekkend: als meerdere landen hetzelfde laten zien, lijkt het al snel ‘bewijs’. Maar internationale data voegen juist extra ruis toe, omdat landen sterk van elkaar verschillen.
Denk aan leeftijdsopbouw, kwaliteit en snelheid van registraties, zorgdruk, testbeleid en vaccinatiestrategie. Ook kan de timing van prikrondes toevallig samenvallen met infectiegolven. Ecologische analyses kunnen dan een patroon suggereren, zonder dat de oorzaak vaststaat.
Hoe je dit wel degelijk goed kunt uitzoeken
De beste aanpak is onderzoek op persoonsniveau, waarbij vaccinatiestatus, ziekenhuisopnames en overlijdens (liefst met doodsoorzaak) aan elkaar gekoppeld worden. Met methoden zoals matched cohortstudies of self-controlled case series kun je veel beter corrigeren.
In zulke studies zie je soms een tijdelijke risicotoename bij heel specifieke, zeldzame aandoeningen rond vaccinatie. Maar je ziet ook de duidelijke daling van ernstige covid-uitkomsten, zeker bij risicogroepen. Het antwoord zit dus meestal in meerdere lagen bewijs.
Waarom dit debat steeds terugkomt
Oversterfte is niet alleen een medische puzzel, maar ook een vertrouwenskwestie. Mensen willen simpele helderheid: wat weten we zeker, wat is onzeker, en wat wordt nog onderzocht? Als die uitleg ontbreekt, nemen grafieken en losse claims het over.
Een volwassen gesprek kan twee dingen tegelijk erkennen: vaccinatie heeft aantoonbaar veel ellende voorkomen, en zeldzame risico’s moeten serieus gevolgd blijven worden. Transparantie helpt, maar ook voorzichtigheid met grote conclusies op basis van weektotalen.
Wat je als lezer met dit soort claims kunt doen
Kom je een opvallend getal tegen, kijk dan verder dan de kop. Controleer of de analyse persoonsdata gebruikt, of er is gecorrigeerd voor leeftijd en seizoen, en of onafhankelijke teams dezelfde uitkomst vinden. Eén grafiek is zelden het hele verhaal.
Heb je persoonlijke zorgen of medische vragen, bespreek dat met je huisarts of specialist, zeker als je tot een risicogroep behoort. En hoe kijk jij naar het oversterfte-debat en dit soort analyses? Laat het weten via onze sociale media.
Bron: menszine.nl
