1. Le Dr P. Alexander signale une surmortalité critique et persistante pour les 🇺🇸 de 15-44 ans. palexander.substack.com/p/soaring-deat…
Par facilité, j'ai utilisé les chiffres d'#euromomo pour comparer avec la situation européenne.
Et bien, l'Europe arrive à faire pire.
2. Pour les 15-44 ans, on a une courbe calée sur un polynome de second degré, donc avec une accélération de la tendance qui est mauvaise depuis 2020.
3. Et pour les 0-14 ans, la courbe serait plutôt parabolique, ce qui n'est guère plus rassurant, avec toutefois une tendance linéaire depuis le point bas du printemps 2021.
Le seul point positif est qu'il n'y a pas cette accélération de la surmortalité constatée chez les 15-44.
4. Même tendance chez les 45-64 et plus de 65 ans, mais depuis le début.
La situation est "constamment mauvaise", sans empirer, mais sans amélioration.
Celui qui arrive à détecter l'impact positif de la vaccination a droit à une invitation sur le plateau de LCI.
5. Ces courbes correspondent au raccordement des courbes 2020 à 2022 telles qu'elles figurent dans la section "Excess mortality" euromomo.eu/graphs-and-map…
6. Je fais rarement usage des données d'euromomo du fait de la divergence entre les chiffres par pays et les chiffres globaux.
Si quelqu'un trouve la méthode précise utilisée au niveau européen…
(Par pays, apparemment, chacun choisit sa recette).
1. Ce qu'on appelle "effet moisson", c'est quand, après un fort épisode d'excès de mortalité, on revient à la tendance de long terme par une période de déficit.
Or, que voit-on pour les pays les plus vaccinés ?
Où est-il passé ?
Commençons la recherche par un retour en 2003…/…
2. En 2003, la première grosse canicule du siècle a provoqué un excès d'environ 15000 décès (et, accessoirement, la ponction d'un jour férié).
Mais si on fait le bilan cumulé sur 2003 & 2004…
Oups, on trouve une nette sous-mortalité !
3. C'est un peu plus équilibré si on se concentre sur la catégorie des plus de 85 ans, de loin la plus touchée.
1. Mise à jour de mon graphe à 2,4 milliards d'individus qui déprime tant les adorateurs de #Pfizer#BNTech & #Moderna
Les différentes versions dépassent maintenant le million de vues et toujours aucun #NoFakeMed à l'horizon🔭
Je vais donc encore #debunker à leur place😩
2. Des stats facilement disponibles permettent d'évaluer les populations à risque suivant l'âge et la prévalence de l'obésité et du diabète.
Là, pas d'échelle logarithmique pour bien visualiser la disproportion entre risque relatif constaté et facteurs de risque. #Dontlookup !
3. Parce qu'on pourrait se dire que les facteurs de risque se cumulent ou s'amplifient.
Mais non, prenons le cas extrême (et absurde) où les différentes populations à risque seraient distinctes pour les Vax+ et confondues pour les Vax-, on trouverait un ratio max… inférieur à 4.
Hier c'était 251 fois plus.
Aujourd'hui c'est 2⃣6⃣2⃣ !
Malgré 🇳🇴🇮🇪🇳🇴🇫🇮🇦🇷🇵🇪… qui semblent avoir de gros soucis pour publier leurs chiffres.
Mais #DontLookUp !
…/…
2⃣5⃣0⃣ more "Covid" deaths in most vaccinated countries compared to least ones.
🤫
Big 🟧 bar is fully explained by little🟦 bars (more population at risk).
And sample is too 🤏🏼 (2,4 bn.) 1/n
1. Cela devrait donner le vertige, non ?
Nos gouvernants restent très sereins🧘🏼♂️
Dans l'hypothèse d'un vaccin évitant les décès Covid, la barre orange devrait être plus petite que les barres bleues.
Moindre exposition au virus dans le 2e groupe ?
Justement non …/…
2. Au Malawi, pays enclavé s'il en est, cette étude indique une séroprévalence au SARS-Cov2 chez environ 80% de la population, y compris dans les zones rurales. Essentiellement par exposition au virus, puisque le pays compte moins de 10% de vaccinés.
3. Si vous pensez que le Malawi est un hub majeur de l'Afrique, consultez cet article Wikipedia.
Les 2 aéroports internationaux voient atterrir moins de 10 vols par jour (7 pays desservis, le plus lointain étant l'Ethiopie). en.wikipedia.org/wiki/Transport…
1. Travail de #debunkage sur ce graphe à 2,4 milliards d'individus qui déprime tant les adorateurs de #Pfizer & #Moderna
Malgré 500k vues et plusieurs signalements, aucun #NoFakeMed n'a daigné s'y attaquer, préférant s'acharner sur le pôv' @Doctolib.
Je vais donc m'y mettre😩
2. Des stats facilement disponibles permettent d'évaluer les populations à risque suivant l'âge et la prévalence de l'obésité et du diabète.
Là, pas d'échelle logarithmique pour bien visualiser la disproportion entre risque relatif constaté et facteurs de risque.
3. Parce qu'on pourrait se dire que les facteurs de risque se cumulent ou s'amplifient.
Mais non, prenons le cas extrême (et absurde) où les # populations à risque seraient distinctes pour les Vax+ et confondues pour les Vax-, on trouverait un ratio max… inférieur à 4.