Un article récent résout ce casse-tête en identifiant une faille systémique des données dans la convention de déclaration qui obscurcit l’impact fatal immédiat des injections de #Covid_19, où d’importants décès par « vaccin » ont été attribués à tort aux « non vaccinés »
Dépliez
Dépliez
Récemment, @realDrBirx , coordinatrice du Groupe de travail de la Maison Blanche sur le coronavirus (WHCTF), qui a défini les stratégies pour les premières réponses américaines à la #Covid_19 copiées par une grande partie du monde, a publiquement déploré la mauvaise qualité
des données américaines sur la #Covid_19 et a déclaré « C’était une pandémie motivée par des hypothèses et des perceptions, plutôt que par des données et de la science ».
En ce qui concerne les agences de santé, elle a également déclaré: « Des données pour la publication, pas des données pour le changement de mise en œuvre ». C’est-à-dire que les données #Covid_19 sont collectées, non pas pour informer, guider et mettre en œuvre des changements
de politique, mais pour gérer la perception du public, ce qui pourrait signifier que les données peuvent être manipulées pour induire le public en erreur, comme nous le montrerons ci-dessous.
Le #CDC définit le « statut vaccinal » comme un décalage de 14 jours par rapport à la dernière injection de #Covid_19 , avec la justification qu’il faut au moins 14 jours pour que l’injection prenne effet.
Par exemple, un « cas décisif » d’une personne « vaccinée avec une série primaire » est spécifié par :
« Cas vacciné avec une série primaire: #ARN ou antigène du SRAS-CoV-2 détecté dans un échantillon respiratoire prélevé ≥14 jours après avoir terminé de manière vérifiable la série primaire d’un vaccin #Covid_19 autorisé ou approuvé par la #FDA. »
Ces données recueillies ne sont pas des données brutes, mais des données manipulées parce que les données ajustées peuvent fausser l’interprétation des résultats.
Les données ajustées sont une faille de données à la vue de tous, car l’adoption d’un décalage de 14 jours, bien que largement acceptée, n’a pas été justifiée par la recherche scientifique ou par le débat sur son potentiel d’induire en erreur.
Scientifiquement, le concept de « statut vaccinal » est totalement inutile dans les données brutes; il suffit d’enregistrer la « date d’injection ».
Il a été impossible de déterminer scientifiquement quand les injections prennent effectivement effet alors qu’il est déjà préjugé par le « statut vaccinal » des données collectées.
La distinction importante entre les données brutes et les données manipulées, dans ce cas, vient du fait que les événements indésirables et les décès se sont produits fréquemment peu de temps après les injections de #Covid_19,
beaucoup moins de 14 jours, comme le montre la base de données du SYSTÈME DE DÉCLARATION DES ÉVÉNEMENTS INDÉSIRABLES DES #CDC (VAERS) rapportée par @OpenVAERS
Les données du @OpenVAERS, qui dépendent de rapports volontaires, donc sous-déclarés et incomplets, montrent clairement l’existence d’un effet létal immédiat des injections de #Covid_19, très probablement en moins de 14 jours.
Ces preuves ont été ignorées comme non représentatives en raison d’un nombre insuffisant de décès par rapport au grand nombre d’injections.
Cependant, les preuves montrent que le décalage de 14 jours a un impact déroutant et significatif sur les définitions du « statut vaccinal », ce qui pourrait avoir des ramifications importantes.
Par exemple, si quelqu’un meurt immédiatement après un rappel de #Pfizer, les données ne seront pas rapportées comme le décès d’une personne stimulée, mais comme la mort d’une personne à double dosage.
Les données enregistrées masqueraient les effets mortels du #booster puisque le décès ne serait pas attribué au #booster.
Cet ensemble de données #NSW est encore plus déformé, car une personne peut être considérée comme « non vaccinée » jusqu’à 21 jours après la première injection.
Les données suggèrent que de nombreuses personnes sont mortes au cours de cette fenêtre de 21 jours, mais ont toutes été classées comme des décès de « non vaccinés ».
Notre méthode pour exposer la faille de données analyse les augmentations et les diminutions dans les populations de différentes doses comme indiqué dans le tableau suivant.
Après la 1ere grande campagne d’injection en Nouvelle-Galles du Sud pendant plusieurs semaines, la population à double dose (deuxième colonne) a augmenté de quelques millions, au détriment des populations à dose unique et non dosée (les chiffres négatifs sont entre parenthèses)
Les 2 colonnes jaunes mettent en évidence une anomalie de données : les nouveaux chiffres de décès pour les « vaccinés » apparaissent désordonnés et potentiellement erronés (colonnes grises), avec quelques résurrections (en dehors de Pâques) des populations à dose unique et X2.
Le schéma d’anomalie des données s’est produit dans chaque campagne d’injection ultérieure, du premier rappel (troisième dose) au deuxième rappel (quatrième dose). Les preuves empiriques de ces campagnes ultérieures sont décrites dans l’article original
Toutes les données examinées suggèrent que les injections de COVID ont systématiquement un impact létal significatif et immédiat en accord avec les preuves du rapport @OpenVAERS cité ci-dessus.
Un nombre important de décès dans les 14 à 21 jours suivant les injections ont été signalés non pas comme causés par les injections ou liés à celles-ci, mais plutôt comme décès liés à la #Covid_19 de ceux qui n’ont pas encore reçu ces injections.
Les données #Covid_19 recueillies ont conduit à deux affirmations fausses et trompeuses pour conduire les campagnes d’injection.
Les nouvelles injections étaient sûres et associées à peu de décès signalés;
Les nouvelles injections étaient nécessaires, en raison de la « diminution » des injections précédentes avec une augmentation rapide du nombre de décès liés à la #Covid_19 .
Les nouvelles injections étaient nécessaires, en raison de la « diminution » des injections précédentes avec une augmentation rapide du nombre de décès liés à la #Covid_19 .
La vérité est tout le contraire: les nouvelles injections étaient dangereuses et associées à de nombreux décès, mais attribuées à tort à ceux qui n’avaient pas encore été injectés, créant l’illusion d’un fléau mortel pour les craintifs d’obtenir le premier jab et
par la suite une illusion de « déclin » ou de « nouvelles variantes » pour les « vaccinés » pour obtenir plus de jabs.
La raison en est que les proportions des deux populations se sont stabilisées, avec relativement peu de premières doses administrées et donc l’attribution erronée des décès aux « non vaccinés » a largement cessé.
De nouvelles injections ont été administrées aux « vaccinés » comme rappels. Les décès dus à ces nouvelles injections ne peuvent désormais être attribués qu’aux populations « vaccinées ».
Sur une comparaison de la mortalité « vaccinée » par rapport à la mortalité « non vaccinée », le risque de mourir pour les « vaccinés » a été vu augmenter fortement, parce que ces décès ne pouvaient plus être attribués aux « non vaccinés ».
Si le système de gonflage des décès des « non vaccinés » devait se poursuivre, alors le recrutement d’autres « non vaccinés » pour obtenir les premiers jabs est nécessaire.
Peut-être que faire campagne contre « l’hésitation à la vaccination », légiférer sur les « mandats de vaccination » et recommander des injections chez les enfants sont toutes des tentatives pour maintenir le programme d’injection des « non vaccinés ».
En conclusion, nous avons montré qu’une faille de données existe à la vue de tous dans une collecte de données officielle.
Nous avons avancé l’hypothèse du rasoir d’Occam selon laquelle la létalité des injections de COVID, non officiellement reconnue, peut expliquer plusieurs observations importantes, mais déroutantes.
Nous encourageons les autres à enquêter de toute urgence sur cette faille de données.
• • •
Missing some Tweet in this thread? You can try to
force a refresh
