Sinds 2020 is bevestigingsbias een groot probleem in de volksgezondheid. Autoriteiten beweren dat COVID-maatregelen miljoenen levens redden, maar deze claims rusten op wankele gronden. Het is tijd om verder te kijken dan de data en het grotere plaatje te zien.
Sinds het begin van de coronapandemie in 2020 hebben we geleerd hoe sterk bevestigingsbias kan zijn. De volksgezondheidsautoriteiten presenteerden veel data om te bewijzen dat hun maatregelen juist waren en miljoenen levens redden. Deze bevindingen werden zonder veel kritiek overgenomen in beleid, maar de basis blijkt niet erg stevig.
We moeten verder kijken dan alleen de cijfers. Apologeten van het beleid gebruiken selectieve data om hun gelijk te halen. Epidemiecurves laten echter een complexer beeld zien, waarbij natuurlijke factoren en timing een grotere rol spelen dan vaak wordt erkend.
Het grote plaatje toont dat veel claims overdreven zijn. Door alleen te focussen op bevestigende bewijzen missen we de echte lessen uit de pandemie. Een eerlijke analyse van de curves helpt om toekomstige beslissingen beter te onderbouwen.
Originele auteur: Michael Tomlinson | Bron: Brownstone Institute
0.000 SRY