928 Het Coronavirus (2)...... waar eindigt dit? Chris Martenson.

Hier mijn eerste verslag van het Corona virus, toen nog op een andere blog.
(Ik ben daar uit boosheid opgestapt en op mijn eigen blog verder gegaan.)



Chris Martenson heeft een phD in een medische studie (pathologie) van Duke University.

Hij is heel bezorgd over het Coronavirus.

Maar ànders dan al die andere 'deskundigen'  legt hij precies uit hoe de zaak in elkaar zit en waarom de MSM  de zaak veel kleiner maken dan het in werkelijkheid is.
( Leuk:  mijn oude vrienden bij Blik beweren dat de MSM het veel gróter maken.)

Attentie:  Martenson toont hoe enorm vernietigend dit virus is als er NIETS wordt gedaan.  Maar er wordt héél veel gedaan: de Isolatie is maximaal: lege straten, geblokkeerde steden. ( Dat wijst er op dat China het virus uiterst gevaarlijk vindt. Dat er misschien in werkelijkheid wel een Ro=3 is. red.)

Het dodental zal dus zeker niet zo hoog worden als Martenson berekent,  maar wel op voorwaarde dat de maatregelen serieus worden genomen, en niet als flauwekul en hoax en 'big Pharma trick om geld te verdienen'   etc. worden afgedaan.
Mijn oude vrienden bij BLIK begrijpen dit niet. Ze zitten vaste geroest in hun vooroordelen. Ze kijken niet meer naar de realiteit. Ze weten het al.
Ze zijn net zo goedgelovig als hun opponenten van de MSM-adepten.
Ze hebben alleen een ànder geloof.  Geen 'Verlichting' te ontwaren.

Hier het filmpje van Martenson 30 januari:

Samenvatting:
Fataliteit   Griep: 0,1
                   nCoV=  3%

Ro   Griep=  1,28
        nCoV = 2,5 - 3,5

Intensive care bedden nodig:  Griep:  1 %
                                               nCov:  20%

nCoV verloopt logaritmisch,zowel qua infecties als qua  dodental.
Het is dus niet alleen erger dan griep,maar ook erger dan Swine flu en SARS.

= Bij CNN en  westerse media word steeds dezelfde fout gemaakt: Met vergelijkt de Sars getallen met de huidige nCoV getallen als men het over fataliteit heeft.
Maar Sars is afgelopen. Àlle infected mensen staan in de grafiek, naast àlle doden.
Maar bij nCoV  staat het aantal doden Nu naast het aantal infected mensen Nu.
Datis misleidend.  De Nu gestorvenen kwamen uit de infected groep van 7 dagen geleden. Die was veel kleiner.  ( Dit legt Christenson uit op min 4)
=
We zitten nu nog in de logaritmische fase.
Maar door de maatregelen in China zal dat straks niet meer zo zijn.

Zou men geen maatregelen nemen, dan zouden er over 30 dagen 115 miljoen doden zijn. Er zouden 30 miljoen mensen in intensive care verzorgd moeten worden....

10 min:  Er is een informatie stop vanuit China.
De  reddit draad is 'gemodereerd tot uselessness....'

 =================================================
Hier het filmpje van Chris Martenson 31 januari:

Het WHO zegt dat we het reizen en de handel niet hoeven te stoppen.
Dit is meer een politiek en economisch geïnspireerd advies, dan dat het op gezondheid is gebaseerd.

Christenson: dit is gevaarlijk, want:  lange incubatietijd,  behoorlijk besmettelijk en behoorlijk dodelijk.

Er zijn nu 8246 zieken en 170 doden.
Maar zijn er wel voldoende test-kits ?   Als je die niet hebt, dan is dit aantal te laag.
Er zijn geruchten dat China vele doden in crematoriums worden  gecremeerd.

Een John McGory is in Wuhan.  Hij toont beelden van totaal verlaten straten.
Hij schrijft:  "Wuhan artsen schatten dat er nu 250.000 zieken zijn."
Hij gaf les op een univ.  Die heeft alles lessen voor 3 maanden gestopt.
Hij zegt:  Er worden hier nu 2 hospitalen gebouwd.

In Maleisië is een 22 jarige man gestorven an Corona ( vermoedelijk)

Een voormalig adviseur van Obama zegt: " Stop met paniek.  De fataliteit si veel lager dan voor Sars! "

Martinson:  Daar klopt niks van !
Op dit moment in de epidemie ( dag 30) is dit nCoV al dodelijker danSars was in dag 30. En nCoV gaat exponentioneel. Sars niet.

CNN met een misleidend bericht: "Er is een besmettelijke zioekte die nu al 15 miljoe Amerikanen heeft besmet: het is Griep."

11 min:
Bloomberg: " Conspiracy  gekkeis zeggen:  bleekwater drinkejn helgt tegern nCoV.
En:  Er staan video's op youtube die zeggen dat MSM  misinformatie geven"

Martinson: dat bleekwater gedoe is om mij te besmeuren.

op 12 min:
Heel duidelijke uitleg wat er gebeurt als je alles doorrekent en géén isloatie als maatregel neemt.  ( Bij Griep nemen we geen maatregelen)

Hoeveel mensen zijn besmet na 10 keer 'doorgeven van de besmetting' ?

Ro= 1:   van 1 tot 10

Ro = 1,28     Van 1 tot 15

Ro=2         Van 1 tot 2000

Ro= 2,5      Van 1 tot 23000

Dus Bloomberg beweert dat griep ( Ro 1,28)  hetzelfde is als R0 2,5 .
15 is gelijk aan 23000 volgens Bloomberg.

===========================================

Hier Chris Martensen met UPDATE van 31 januari

Er is een rapport bekend geworden bij Martensen dat door ongeveer 10 Chinese Instituten werd samengesteld.

De nieuwste wetenschappelijke vermoedens zijn erg verontrustend:

Ro = 4
Fataliteit:  6 %

De hoge besmettelijkheid geldt uiteraard als mensen niet van elkaar ISOLEREN.
Maar dat doen ze WEL.

Zou men geen maatregelen nemen, dan zou over een maand elke Chinees besmet zijn, en 6% van hen gestorven zijn. ( 80 miljoen dode Chinezen op 1 maart....)
(Martensen zegt het anders: Bij een Ro van 4 zijn er na 17 besmettings-cycli 1300 miljoen mensen besmet.   Dus heel China.
Ik weet niet hoe lang het duurt voor de eerste persoon zijn 4 slachtoffers heeft besmet (Stel 3 dagen)  en ik weet niet hoe lang het duurt voor je - eenmaal besmet-  zelf besmettelijk wordt ( stel 4 dagen), maar dan zou 1 cyclus 7 dagen duren.  17 cycli duren dan 17 x 7 =  119 dagen, ofwel 4 maanden.

Het is duidelijk dat de ISOLATIE  al na 1 maand rigoureus is aangepakt in China, dus het zal zeker niet zo ver komen als deze berekeningen tonen, maar het kan toch een groot probleem worden.

Stel dat de ziekte nu 45 dagen oud is en dat een cyclus 7 dagen duurt (  is puur een gok van mij, blogger. ) en dat hij de eerste 30 dagen vrij kon verspreiden omdat er nog vrijwel geen Isolatie  was.  Dan zouden 4 cycli zijn gepasseerd:
1 > 4 >  16 > 48 > 200  (vier cycli, ofwel 28 dagen)
Dat klopt dus niet.
De besmetting is al langer bezig.
1 > 4 >  16 > 48> 200 > 800 > 3200 > 12000  ( 8 cycli ofwel 56 dagen)
We zitten nu tussen cyclus 7 en 8.
Dan zou het virus ca 50 dagen geleden zijn ontstaan.

Dat zou kunnen kloppen. Ik las ergens dat het virus al begin december was gevonden.

Nogmaals:  die  '7 dagen= 1 cyclus'  heb ik zelf uit mijn duim gezogen.
Geen idee hoe lang de werkelijke (gemiddelde)  cyclus duurt.
==========================================

Hier Chris Martensen met UPDATE van 1 februari. ( Niet zo informatief)


NB: Moon of Alabama is niet bang. Denkt dat alles OK is.  ==========================================

Hier Chris Martensen met UPDATE van 2 februari

Martensen zegt dat deze site heel goede info geeft: https://wuflu.live/

NB: 300 doden?  Er is in één stad al een crematorium met 30 ovens, dat 24 uur per dag werkt.

Een burgerjournalist maakt  ( streng verboden!)  beelden, en wordt aan het eind van de video thuis opgepakt.  ( Ik meen dat er 7 jaar gevangenis op staat)
( De video laat niet zo heel veel zien.  Wel een busje waarin hij 8  doden in zakken telt.)

NB:  Een duitser werd ziek en was besmet.  De volgende dag was hij beter.
Maar 2 dagen later zat er nog enorm veel virus ( 100 M virussen per ml)in zij sputum.  Was hij toen nog besmettelijk ?? Zo ja:  dat zou een catastrofe kunnen worden.


=======================================================
Hier Chris Martensen met UPDATE van 4 februari

Martensen zegt dat er nu veelmeer erkening is - internationaal-  voor de ernst van de pandemie. ( Zoals Schopenhauer zei:  eerst maken ze je belachelijk. Dan bestrijden ze je. En daarna verkondigen ze luid wat jij hen hebt verteld.)

Gevaarlijk:  In de rijke noordelijke landen wordt goed op de ziekte gemonitord.  Daar vind je in 33 landen dus ook zieken.

Maar in Latijns Amerika en Afrika is nog niemand ziek!
Heel waarschijnlijk zijn ook daar zieke mensen heen gereisd, en ontstaan daar nu grote nieuwe haarden van de ziekte !

=================
Interview met insider Francis Boyle. 
Hij heeft 3 Harvard diploma's. was decennia lang adviseur van DC. 
Nu is hij zeer negatief over  DC en  CDC etc.
Ik meen dat hij over Ebola wel iets te negatief was destijds. 


Lang artikel (10 pag.)  van een van de meest interessante journalisten van deze tijd, Whitney Webb. 
Ze toont aan dat de vleermuizen zeer in de belangstelling staan van de lieden die bio wapens willen maken. 
Er worden voor vele miljarden aan onderzoek aangedaan. 
Vreemd genoeg tot voor kort dood China en de VS samen.  ( Hoewel de VS zeker ook militair geïnteresseerd is, want die lieden zitten mee aan tafel.) 

==================================================
Hier Chris Martensen met  2e  UPDATE van 4 februari

= Martensen zegt dat de beurzen overal flink omhoog gaan om 'het volk' om de tuin te leiden.     NIKS AAN DE HAND!  is de boodschap. 
= Martensen vertrouwt de Chinese cijfers niet: vele  te laag. 
= Engeland wil dat alle 30.000 Engelsen  repatrieren.  
= Hyundai sluit  AL HAAR FABRIEKEN  in Korea, omdat ze niet genoeg onderdelen uit China krijgen. 



===============================================

Hieronder het volledige document waar Martensen in Update 31 jan naar verwijs, het Ro=4 onderzoek. 

Hier de link: 
https://www.medrxiv.org/content/10.1101.2020.01.27.20018952v1.full.pdf

Download takes a few minutes.  I think Bing works better than google. 
All below in these 2 graphics it looks like 'infection rate' is the same as Sars was in Guangzhou. But mortality is higher.

1  Article Summary Line: This modeling study indicates that 2019-nCoV has a     higher

2 effective reproduction number than SARS with a comparable fatality rate.

3 Running Title: Effective reproduction number of 2019-nCoV

4 Keywords: Epidemiology, Computer Simulation, Disease Outbreaks, Coronavirus

5

6 Estimating the effective reproduction number of the 2019-nCoV in China

7 Authors: Zhidong Cao1

, Qingpeng Zhang1

, Xin Lu, Dirk Pfeiffer, Zhongwei Jia, Hongbing

8 Song, Daniel Dajun Zeng

9 Affiliations:

10 Chinese Academy of Sciences Institute of Automation, Beijing, China (Z. Cao, D.D. Zeng)

11 University of Chinese Academy of Sciences, Beijing (Z. Cao, D.D. Zeng)

12 Shenzhen Artificial Intelligence and Data Science Institute (Longhua), Shenzhen (Z. Cao,

13 D.D. Zeng)

14 City University of Hong Kong, Hong Kong (Q. Zhang, D. Pfeiffer)

15 National University of Defense Technology, Changsha (X. Lu)

16 Peking University, Beijing (Z. Jia)

17 Chinese PLA Center for Disease Control and Prevention, Beijing (H. Song)

18

19

20

21

22

23

24

It is made available under a CC-BY-ND 4.0 International license .

preprint (which was not peer-reviewed) is the author/funder, who has granted medRxiv a license to display the preprint in perpetuity.

medRxiv preprint first posted online Jan. 29, 2020 ; doi: http://dx.doi.org/10.1101/2020.01.27.20018952 . The copyright holder for this

25 Abstract—35 words

26 We estimate the effective reproduction number for 2019-nCoV based on the daily reported

27 cases from China CDC. The results indicate that 2019-nCoV has a higher effective

28 reproduction number than SARS with a comparable fatality rate.

29 Text—799 words

30 As of 01/26/2020, the 2019 novel coronavirus (2019-nCoV), originated in Wuhan

31 China, has spread to 29 mainland provinces, Hong Kong, Macau, Taiwan, as well as 11 other

32 countries (1, 2). Early genome sequence and clinical studies of 2019-nCoV provided the

33 evidence of human-to-human transmission and revealed its similarity to as well as differences

34 from SARS (3-5). However, epidemiological investigations of 2019-nCoV are just

35 beginning, and data-driven studies are critically needed to develop insights into this ongoing

36 outbreak and evaluate the effectiveness of public health strategies, such as the currently

37 implemented lockdown of Wuhan.

38 An important epidemiological understanding of 2019-nCoV is concerned with its

39 transmissibility, quantified by the basic reproduction number and the effective 𝑅0

40 reproduction number . is the expected number of secondary infectious cases generated 𝑅 𝑅0

41 by an infectious case in a susceptible population. is the expected number of secondary 𝑅

42 cases generated by an infectious case once an epidemic is underway (6). , where 𝑅 = 𝑅0

𝑥 𝑥 ∈

43 (0, 1) is the proportion of the population susceptible. Following (7), is calculated as 𝑅

44 follows:

45 𝑅 = 𝐾

2

(𝐿 × 𝐷) + 𝐾(𝐿 + 𝐷) + 1,

46 where is the average latent period, the average latent infectious period, the logarithmic 𝐿 𝐷 𝐾

47 growth rate of the case counts as reported by China CDC. This form of is appropriate 𝑅

48 because 2019-nCoV is still at its early growth stage. According to China CDC, we set 𝐿 = 7

49 days and days. Experiments with varying and values were also conducted. 𝐷 = 9 𝐿 𝐷

It is made available under a CC-BY-ND 4.0 International license .

preprint (which was not peer-reviewed) is the author/funder, who has granted medRxiv a license to display the preprint in perpetuity.

medRxiv preprint first posted online Jan. 29, 2020 ; doi: http://dx.doi.org/10.1101/2020.01.27.20018952 . The copyright holder for this

50 Let denote the number of days since the start of the outbreak and the number of 𝑡 𝑌(𝑡)

51 cases. is estimated based on at six time points. (Time-1) 12/31/2019, when the 𝐾 𝑌(𝑡)

52 authorities reported the first 27 cases with the infection dated as early as 12/16/2019. As

53 such, , . (Time-2) 01/04/2020, , ; (c) 01/21/2020, , 𝑡 = 15 𝑌(15) = 27 𝑡 = 19 𝑌(19) = 41 𝑡 = 36

54 𝑌(36) = 375; (Time-3) 01/22/2020, , 𝑡 = 37 𝑌(37) = 437; (Time-4) 01/23/2020, , 𝑡 = 38 𝑌

55 (38) = 507; (Time-5) 01/24/2020, , 𝑡 = 39 𝑌(39) = 572; (Time-6) 01/25/2020, , 𝑡 = 40 𝑌(40)

56 . = 618 Note that the case data between 01/05/2020-01/20/2020 were discarded due to

57 significant changes experienced in this time period in the case reporting requirements and

58 practice.

59 Using the data described above, is estimated to be 4.08, indicating that an infected 𝑅

60 patient infects more than four susceptible people during the outbreak. This value substantially

61 exceeds WHO's estimate of (supposed to be smaller than ) between 1.4 and 2.5, and is 𝑅0 𝑅

62 also higher than a recent estimate between 3.6 and 4.0 ( 𝑅 8). Compared against the 2003 0

63 SARS epidemic, of 2019-nCoV is higher than that of SARS in both Beijing (2.76) and 𝑅

64 Guangzhou (3.01) (calculated using the same method). To test the robustness of findings, we

65 performed sensitivity analyses by adopting varying values of and , generated from a 𝐿 𝐷

66 Gaussian distribution with and . The resulting mean of R estimates is 𝐿~𝑁(7,1) 𝐷~𝑁(9,1)

67 4.08, as expected, with SD=0.36 (95% CI 3.37~4.77).

68 To predict the future outbreak profile, we developed a model based on the

69 deterministic Susceptible-Exposed-Infectious-Recovered-Death-Cumulative (SEIRDC)

70 structure (9). Overall, our model appears to explain the reported case counts very well during

71 the current early stage of the outbreak. An interesting finding is that by setting the start date

72 to a time earlier than 12/16/2020 (the experimented range is from 12/01/2019—12/15/2019),

73 the SEIRDC model is able to provide a better fit for the case counts. This indicates that

74 human-to-human transmission may have started earlier than what the current prevailing 

It is made available under a CC-BY-ND 4.0 International license .preprint (which was not peer-reviewed) is the author/funder, who has granted medRxiv a license to display the preprint in perpetuity.medRxiv preprint first posted online Jan. 29, 2020 ; doi: http://dx.doi.org/10.1101/2020.01.27.20018952 . The copyright holder for this

75 viewpoint suggests. Obviously, further molecular and epidemiological studies are needed to

76 draw any conclusions in this regard.

77 The SEIRDC model estimates the fatality rate for 2019-nCoV is 6.50%. As a base of

78 comparison, the fatality rate for 2003 SARS was 7.66% and 3.61% for Beijing and

79 Guangzhou, respectively. We used the model to predict the confirmed case counts and death

80 counts in the first 80 days of the ongoing 2019-nCoV outbreak. We simulated these counts

81 for the 2003 SARS outbreaks in Beijing and Guangzhou as well, using the case counts as

82 input. The basic assumption is the absence of any control measures in all these scenarios. At

83 the end of this 80-day period, according to our simulations, the 2019-nCoV case counts

84 (35,454) is close to that of SARS in Guangzhou (37,663) and much higher than that of SARS

85 in Beijing (17,594). The 2019-nCoV death count (1,089) is much higher than that of SARS in

86 Guangzhou (725) and Beijing (690).

87 Our study also suggests that by reducing the average infectious period to <2.3 days,

88 the resulting will decease to a value less than 1, meaning the epidemic can be effectively 𝑅

89 controlled.

90 In conclusion, considering transmissibility and fatality rate, 2019-nCoV poses a major

91 public health threat, at least at the level of 2003 SARS. Epidemiological studies are critically

92 called for to evaluate the effectiveness of stringent measures such as lockdown and help the

93 design of refinements and development of potential alternative strategies for the next phase of

94 the 2019-nCoV outbreak.

95 Acknowledgments

96 This work was supported in part by grants from the Ministry of Science and

97 Technology (2016QY02D0305), National Natural Science Foundation of China (71621002,

98 71771213, 71790615, 71972164 and 91846301), Chinese Academy of Sciences (ZDRW-XH99 2017-3), and the Hunan Science and Technology Plan Project (2017RS3040, 2018JJ1034).

It is made available under a CC-BY-ND 4.0 International license .

preprint (which was not peer-reviewed) is the author/funder, who has granted medRxiv a license to display the preprint in perpetuity.

medRxiv preprint first posted online Jan. 29, 2020 ; doi: http://dx.doi.org/10.1101/2020.01.27.20018952 . The copyright holder for this

100 Disclaimers

101 Nil.

102 Author Bio

103 Dr. Zhidong Cao is a researcher in the State Key Laboratory of Management and

104 Control for Complex Systems, Chinese Academy of Sciences Institute of Automation. His

105 primary research interests are infectious disease informatics, spatio-temporal data processing,

106 and social computing.

107 Footnotes

108 1 These first authors contributed equally to this article.

109 References

110 1. The Lancet. Emerging understandings of 2019-nCoV. Lancet. January 2020.

111 doi:10.1016/S0140-6736(20)30186-0

112 2. Chinese Center for Disease Control and Prevention. The 2019 novel coronavirus.

113 [cited 2020 Jan 26]. http://www.chinacdc.cn/jkzt/crb/zl/szkb_11803/

114 3. Huang C, Wang Y, Li X, et al. Clinical features of patients infected with 2019 novel

115 coronavirus in Wuhan, China. Lancet. January 2020. doi:10.1016/S0140-

116 6736(20)30183-5

117 4. Chan JF-W, Yuan S, Kok K-H, et al. A familial cluster of pneumonia associated with

118 the 2019 novel coronavirus indicating person-to-person transmission: a study of a

119 family cluster. Lancet. January 2020. doi:10.1016/S0140-6736(20)30154-9

120 5. Xu X, Chen P, Wang J, et al. Evolution of the novel coronavirus from the ongoing

121 Wuhan outbreak and modeling of its spike protein for risk of human transmission. Sci

122 CHINA Life Sci. 2020. doi:10.1007/S11427-020-1637-5

It is made available under a CC-BY-ND 4.0 International license .

preprint (which was not peer-reviewed) is the author/funder, who has granted medRxiv a license to display the preprint in perpetuity.

medRxiv preprint first posted online Jan. 29, 2020 ; doi: http://dx.doi.org/10.1101/2020.01.27.20018952 . The copyright holder for this

123 6. Castillo-Chavez C, Feng Z, Huang W. On the computation of R0 and its role on global

124 stability. In: Castillo-Chavez C, Blower S, van den Driessche P, Kirschner D, Yakubu

125 A, eds. Mathematical approaches for emerging and reemerging infectious diseases: an

126 introduction. New York: Springer, 2002: 229–50.

127 7. Lipsitch M, Cohen T, Cooper B, et al. Transmission dynamics and control of severe

128 acute respiratory syndrome. Science (80- ). 2003;300(5627):1966-1970.

129 doi:10.1126/science.1086616

130 8. Read JM, Bridgen JR, Cummings DA, Ho A, Jewell CP. Novel coronavirus 2019-

131 nCoV: early estimation of epidemiological parameters and epidemic predictions.

132 medRxiv. January 2020:2020.01.23.20018549. doi:10.1101/2020.01.23.20018549

133 9. Chowell G, Nishiura H, Bettencourt LMA. Comparative estimation of the reproduction

134 number for pandemic influenza from daily case notification data. J R Soc Interface.

135 2007;4(12):154-166. doi:10.1098/rsif.2006.0161

136

137 Address for correspondence: Daniel Zeng, Chinese Academy of Sciences Institute of

138 Automation, Room 1202, Automation Building, 95 Zhongguancun East Road,

139 Haidian, Beijing 100190, China, email: dajun.zeng@ia.ac.cn.

140

141 Figure. SEIRDC model predictions for (A) cumulative numbers of infected persons and (B)

142 deaths of 2019-nCoV, 2003-SARS in Beijing, and 2003 SARS in Guangzhou in the first 80

143 days after the outbreak.