There is a provable causal connection!

I remember well when in university I was first explained what a mock relationship is. In Denmark there was a strong correlation between the birth rate and the number of storks that had their nests there.

The explanation was that there are more storks in the countryside, where also more children are born than in the city. But of course storks do not bring babies.

A good lesson to realize that if certain things are numerically connected, it doesn’t have to be because there is a causal connection.  So if you find a numerical connection, then the next task is to find out if there is a causal connection. By changing one variable, the other one should change as well.

So I briefly go through the steps that have been taken and the evidence that has been found. With the links to where that information comes from.

A. There is a numerical correlation between the specific humidity and the number of deaths caused by COVID-19. This was already found in this study in early March. In the meantime, a statistical analysis of 69 areas in Italy, the US and the Netherlands has also been carried out. In this research report.

you will find the numerical analysis of those regions, which shows, among other things, that if the specific air humidity was between 4 and 6 g/kg on average in the previous 3 weeks, a region reached 1 death per million inhabitants per day, twice as fast as if that value was higher or lower. So the correlation has been established. But that does not mean a causal connection.

  1. Several scientists are giving explanations, which could lead to this. Two possible explanations that are given are:

In this article, Prof. Evengalista (microbiologist and virologist) gives this possible explanation:


And there is also this explanation suggested by a group of scientists mentioned in this article.

In the U.S., the government commissioned research at the University of Utah to investigate both possibilities in the lab. I hope they come up with their results soon. Personally, I think it’s quite possible that both statements are valid, but time will tell.

In 2013 there has been large-scale research, based on data from 48 locations around the world, into the relationships between the development of a flu epidemic at those locations and the weather. For each location, several years of information was used. The result of this research was, that based on the specific air humidity, it could be predicted with more than 80% accuracy, that there would be a flu epidemic one month later. This is the graph that shows this relation well. It can be found in this article.

We see as well, that there is a clear relation between the specific humidity (the grey columns) and the start of the flu epidemic (the black dot). And that the limit of 6 g/kg is really visible.

But this is still no proof that there is a causal relationship. Other factors may play a role as well.

D. Subsequently, evidence has been provided in various ways, that a viral infection can occur via micro drops in the air (aerosols). The Japanese chairman of the association of virologists shows this in a video. Ejected micro droplets remain in the air for a long time and can infect those present.  Here I report on it.

This would be an excellent explanation for the large-scale distribution (super spread events) at après-ski, carnival, large church gatherings, choir rehearsals, the distribution within care institutions (the air circulation system) and the distribution on cruise ships and navy ships. Incidentally, this is a way of distribution that is not (yet) recognized by the WHO and RIVM.

In that video, the Japanese professor indicates that ventilation is a good way to make these micro drops disappear.  Based on the previous three findings, it is now very plausible that humidity also has an influence, on whether or not those drops float for a long time. Prof. Evangelista (see point B) says this literally.

The final proof came from animal experiments in which it was established that animals that released the influenza virus, at varying levels of humidity, infect other animals and the extent to which they do so. Professors of micro-biology and virology in Switzerland and at Yale University have recently written an article in which they report on past experiments on air humidity and the spread of the influenza virus. I am reporting on this here. (I now have intensive contact with them).

Several researchers have conducted experiments with mice, guinea pigs and ferrets. Some of the animals were infected with influenza. The uncontaminated animals were separated from the sick animals. So there was no direct contact. So the only possibility of infection was through the air (micro drops).

In the experiment the infection of the other animals was measured at different humidity levels. The researchers found that there was a clear correlation between the air humidity and the degree of spread of the virus. This picture shows their findings.

These experiments demonstrate conclusively that there is a causal relationship between the humidity and the extent to which one can be infected with a virus via aerosols.

So the correlation found, mentioned under A, is not a mock correlation but a causal relationship: the degree of specific humidity has a direct influence on the speed of spread of the virus.

Nevertheless, there may also be other factors that influence the speed of the virus spreading. Many possibilities have been put forward: the vitamin D level of the population, the UV content of the sun, pollen in the air and the fact that one is more indoors in winter.

I don’t explicitly exclude those, but there might just as well be a mock correlation with humidity (as I think is the case with pollen). And it would be nice if also with regard to those alternative explanations an equally hard proof would come, as through the evidence given by me.

Because any well-founded knowledge of how the speed of the virus spreading is slowed down is an important weapon in this battle.

Er is bewijsbaar een causaal verband!

Ik kan me nog goed herinneren toen mij op de universiteit voor het eerst werd uitgelegd wat een schijncorrelatie is. In Denemarken was er een sterke samenhang vastgesteld tussen het geboortecijfer en het aantal ooievaars die er in dat gebied hun nest hadden. Lees meer

Het bewijs: Luchtvochtigheid vertraagt of versnelt verspreiding van virus

(Dit is een sneak preview van onze uitgebreide paper in voorbereiding)

Op dit moment zijn we met een groep wetenschappers bezig om een paper te maken over de bevindingen van ons onderzoek, naar de relatie tussen het weer en de snelheid van de verspreiding van het COVID-19 virus.

De resultaten zijn echter zo belangwekkend dat ik via deze weg, al een sneak preview geef van onze bevindingen. In 69 regio’s hebben we gezocht naar een cijfermatige relatie tussen het aantal doden ten gevolge van het virus en het weer in de periode daaraan voorafgaand. Hieronder een kort verslag van de uitkomsten.


De input voor de analyse

  1. Er zijn 69 regio’s genomen: 18 regio’s in Italië, 50 Amerikaanse Staten en Nederland totaal. In totaal betreft dat 403 miljoen inwoners.
  1. Om regio’s te kunnen vergelijken, zijn we gaan tellen vanaf de dag dat in die regio’s de 10e COVID-19 besmetting werd geregistreerd.
  2. Per dag namen we het aantal overlijdensgevallen als indicatie van het aantal besmettingen in het gebied van ongeveer 3 weken ervoor. Om toeval per dag uit te sluiten werd per dag het voortschrijdende gemiddelde genomen van 3 dagen. Dat werd gedeeld door het aantal inwoners per regio. Het gaat hier dus om het aantal sterfgevallen per 1 miljoen inwoners.
  3. Van elke locatie is de weersinformatie per dag opgehaald tussen 1 februari en 31 maart 2020, via het weerstation dat het dichtst lag bij de grootste stad in de regio. Per station werd de temperatuur genomen in Celsius, de relatieve luchtvochtigheid in percentage en de specifieke luchtvochtigheid in gram water per kilo lucht, op een tijdstip dat zo dicht mogelijk lag bij 14 uur.
  4. Voor iedere regio zijn de onderstaande waarden dagelijks bepaald vanaf 28 dagen tot 8 dagen voorafgaand aan dag 1:
  • De gemiddelde temperatuur
  • De gemiddelde relatieve luchtvochtigheid
  • De gemiddelde specifieke luchtvochtigheid
  • Het aantal dagen dat de temperatuur onder de 0 graden was.
  • Het aantal dagen dat de specifieke luchtvochtigheid tussen de 3 en 6 g/kg was.

Deze informatie is geanalyseerd met een Random Forest analyse gevolgd door diverse  CHAID-analyses. Dit laatste is een statistische analyse waarbij de interactie tussen variabelen wordt vastgesteld via een boomanalyse. In de analyse is vastgesteld wat de relatie is tussen het gemiddelde sterftecijfer per dag (tellende vanaf de aangegeven dag 1) en 10 weervariabelen (5 met gemiddelden van 3 weken en 5 met gemiddelden van 4 weken).


De resultaten

Er zijn dus twee soorten analyses uitgevoerd:

  1. Op verschillende dagen na dag 1 is per regio de CHAID-analyse uitgevoerd. Bekeken werd de relatie tussen 10 weervariabelen en het aantal sterfgevallen in de betrokken 69 regio’s.
  2. Er is gekeken hoeveel dagen het duurde voordat in een regio 0,75 dode per miljoen inwoners werd gehaald.

In principe had ieder van de 10 variabelen(5 met gemiddeldes van 3 weken en 5 met gemiddeldes van 4 weken) een gelijke kans om er via de analyse als de belangrijkste bepalende variabele uit te komen. De praktijk leerde dat de gemiddelde temperatuur in die periode amper een rol speelde. De specifieke luchtvochtigheid was steeds de variabele die eruit kwam als de meest bepalende!


Analyse A. Het gemiddelde aantal doden per miljoen inwoners

Dit is het resultaat van deze CHAID-analyse na 10 dagen. (Die na 15, 20 en 25 dagen kwamen hier goed mee overeen). Dus na 10 dagen was in de 69 gebieden het gemiddeld aantal doden per inwoner 0,37.

De CHAID-analyse gaf aan dat  de samenhang met specifieke luchtvochtigheid het sterkst was.

Als de specifieke luchtvochtigheid onder de 4,4 g/kg lag in de periode van 3 weken, dan was het gemiddeld aantal doden 0,33. Bij een specifieke luchtvochtigheid tussen 4,4 en 5.7 was het gemiddeld aantal doden 3,71. Bij een specifieke luchtvochtigheid van meer dan 5,7 daalde het aantal doden naar 0,76.

Dat sluit naadloos aan op de bevinding van M.M. Sajadi e.o van 4 maart 2020,  dat alle grote uitbraken (zoals in Wuhan, Teheran, Madrid, Bergamo en Seattle), lagen in een zone tussen 30 en 50 Noorderbreedte, met een temperatuur doorgaans tussen 5 en 11 graden en een specifieke luchtvochtigheid tussen 3 en 6 g/kg.

Het lijkt ook op dit plaatje uit onderzoek met dieren naar de verspreiding van het influenza virus. Kijk naar de stippellijn. In het midden (dat gelijk staat aan 6 g/kg) is ook bij die experimenten geconstateerd dat de overdracht van het virus dan het kleinst is. Dat komt dus goed overeen met de bevindingen van onze CHAID-analyse.


Analyse B: Hoeveel dagen duurde het tot 1 dode per 1 miljoen inwoners werd bereikt.

Ook deze manier van analyseren levert hetzelfde beeld. De snelheid van het bereiken van dit aantal doden heeft een duidelijke relatie met de specifieke luchtvochtigheid in de 3 weken ervoor.

In de 45 gebieden waar 1 dode per miljoen inwoners werd gehaald, duurde het gemiddeld 12,2 dagen tot dit moment werd bereikt.

Als de specifieke luchtvochtigheid in die 3 weken ervoor gemiddeld onder 4,6 g/kg had gelegen dan duurde het 15,4 dagen. Als die specifieke luchtvochtigheid tussen 4,6 en 5,4 had gelegen dan werden de 1 miljoen doden al in 6,4 dagen bereikt. 2 keer zo snel dus! Bij een specifieke luchtvochtigheid boven de 5,4 duurde het gemiddeld 11 dagen.

Deze resultaten ondersteunen de hypothese dat als de specifieke luchtvochtigheid tussen 4,5 en 5,5, g/kg ligt, de verspreiding van het COVID-19 virus beduidend sneller gaat dan als die specifieke luchtvochtigheid hoger of lager is.


Wat betekent dit voor het beleid?

Bij de strategieën om de verspreiding van het virus te vertragen moet deze informatie een belangrijke rol gaan spelen.

De hoeveelheid water in de lucht kan het beleid om de verspreidingssnelheid te vertragen, dus zowel helpen als tegenwerken. Deze video van de voorzitter van de vereniging van Japanse virologen, laat goed zien wat er binnenshuis door micro-druppels kan gebeuren, namelijk het besmetten van alle aanwezigen in de ruimte.

Zorg dus binnenshuis (zeker ook winkels, kantoren, ziekenhuizen, verzorgingstehuizen en scholen) voor een goede ventilatie en een luchtvochtigheid van 6 a 7 g/kg. Hier is de omrekeningscalculator van relatieve-, naar specifieke luchtvochtigheid.

En pas binnen je intelligente exit strategie je maatregelen aan als het weer buiten “ongunstig” of “gunstig” is.  Zoiets als gebeurt met hooikoorts.

(Overigens moet ook zo snel mogelijk onderzoek gedaan worden naar het effect van de luchtvochtigheid buitenshuis. Mijn inschatting is dat het effect van besmetting via micro-druppels buitenshuis miniem is, omdat die druppels dan opstijgen. Maar dat zou proefondervindelijk dienen te worden aangetoond).

Met dank aan Irma Doze (bedrijfsconomie) en Ramona Boes (Applied Mathematics) van No Ties-AnalitiQs.

Het bewijs is geleverd; dit is de impact van luchtvochtigheid

Bij mijn constatering dat er een samenhang is tussen de verspreiding van het COVID-19 virus en het weer (met name de specifieke luchtvochtigheid), riep ik op om nader wetenschappelijk onderzoek te doen naar de gevonden relatie. Lees meer