Overblog
Editer l'article Suivre ce blog Administration + Créer mon blog

Contact : Administrateur@Henrydarthenay.com

  • : Vouillé un peu d'Histoire
  • : Histoire, politique historique comparée, économie, finance, généalogie, techniques Moyen âge,
  • Contact

vous êtes 152 000 visiteurs 248 000 pages et je vous en remercie vues , merci de votre visite

contact :henry.darthenay@hotmail.fr
 
Facebook :
 
https://www.facebook.com/people/Henry-Darthenay/1649294905
 
Musique (un florilège d'oeuvres musicales) :
 
 http://www.youtube.com/user/henrydarthenay
 
 

Recherche

6 décembre 2021 1 06 /12 /décembre /2021 18:13

De nombreux articles ont été publiés montrant à quel point les vaccins protègent les personnes après la deuxième dose. Une partie de cet effet est une illusion. L'effet se produit en raison d'une mesure inexacte et d'un phénomène appelé  biais de survie .

Pourquoi cacher ce qui se passe dans les deux premières semaines après la vaccination ?

Biais de survie se produit lorsqu'un groupe est comparé à deux moments, mais que les membres du groupe changent entre les moments. Ce serait comme évaluer la qualité d'une école de natation qui privilégie la technique consistant à jeter les gens au milieu de l'océan, à les laisser quelques heures et à revendiquer le mérite de savoir à quel point les élèves restants savent nager. Au bout de deux heures, il ne restait plus que ceux qui savaient déjà nager et peut-être quelques-uns qui ont appris à nager à la dure ! Les pauvres âmes qui se sont noyées entre-temps ne comptent même pas. Attribuer la capacité de natation des personnes restantes à l'entraîneur qui est arrivé 2 heures plus tard donnerait évidemment une image très trompeuse. Souligner que personne ne s'est noyé dans les leçons ultérieures serait tout aussi trompeur pour déterminer le succès de la « technique d'enseignement ». 

 

Avec la vaccination contre le covid,  il y a une période de deux semaines après la vaccination qui n'est pas incluse dans les données . La raison invoquée est que les vaccins mettent un certain temps à induire des anticorps et que, par conséquent, les données des deux premières semaines ne sont pas pertinentes. De toute évidence, cela est défectueux. Et si les vaccins avaient des effets délétères visibles d'emblée, qui n'ont rien à voir avec la production d'anticorps ? Un exemple est le taux élevé de  zona  observé après la vaccination contre le covid, suggérant qu'il existe un problème de réactivation virale. Cela peut expliquer pourquoi les taux d'infection au Sars-CoV-2 sont en fait  plus élevés  chez les vaccinés que chez les non vaccinés au cours des deux premières semaines suivant la vaccination.

L'élimination des deux premières semaines a pour effet un biais de données trompeur. Si des personnes sont infectées et meurent pendant cette période, cela doit être inclus. La possibilité que le vaccin lui-même puisse exercer un effet sur le taux d'infection ne peut être ignorée et l'ensemble des données doit être inclus afin d'évaluer avec précision l'efficacité. En ne mesurant que la période après le risque plus élevé d'infection (0-14 jours), il est possible de se tromper. Tout signal serait manqué.

En plus d'être absurde en termes de risque individuel de supprimer cette période de temps, il y aura également un impact sur la communauté au sens large. Si le vaccin provoque en fait un  pic d'infections au  cours des deux premières semaines, cela augmentera inévitablement la propagation et entraînera une augmentation du nombre d'infections dans cette communauté pendant cette période. Par conséquent, l'évaluation de l'impact du programme de vaccination doit inclure non seulement l'effet sur l'individu, mais l'impact sur la communauté au sens large.

 

 

Ce point est particulièrement pertinent pour les communautés très unies où beaucoup sont vaccinées en même temps, comme les écoles et en particulier les communautés avec un nombre élevé de personnes vulnérables telles que les maisons de soins et les hôpitaux. Ce que nous faisons effectivement, c'est « accélérer » la vague d'infections (et de décès). Finalement, à la fin de la saison virale, le même nombre de personnes sont décédées. En raison de l'exclusion des décès antérieurs (1-14 jours), nous sommes induits en erreur en pensant que les vaccins étaient plus efficaces qu'ils ne l'étaient en réalité. En ne regardant que la dernière période et en voyant moins de morts pendant cette période, l'illusion a été créée que des vies ont été sauvées. Cela est évident dans les données de nombreux pays après le déploiement du vaccin. Le graphique ci-dessous montrant le Royaume-Uni par rapport à l'Europe illustre ce point, car le Royaume-Uni a été le plus rapide à déployer le vaccin.Le nombre total de décès, représenté par la zone sous la courbe, était similaire à celui d'autres pays, mais est juste comprimé sur une période plus courte.

Figure 1 : Décès de Covid en hiver au Royaume-Uni et dans l'Union européenne

Examinons maintenant quelques exemples précis, par exemple cette  étude  sur les résidents de maisons de soins infirmiers aux États-Unis. Les  résultats  montrent qu'au cours de l'étude 6,8 % de la population vaccinée ont été infectés et 6,8 % de la population non vaccinée ont été infectés. Cependant, en décidant que les 14 premiers jours après la vaccination doivent être exclus, la zone grise pour le groupe vacciné est comparée à la zone noire et grise combinée pour les non vaccinés. Cela pourrait conduire à l'affirmation d'une efficacité de 66% du vaccin contre l'infection. Les auteurs de cette étude ont été assez honnêtes pour partager les données brutes et n'ont pas revendiqué 66% d'efficacité.

 
 
 
 

Figure 2: Les données de  papier américain  indiquant le pourcentage de la population à domicile de soins infirmiers à être infecté par le temps après la clinique est venue à leur domicile et par la vaccination quo s

Cependant, de nombreuses études se sont appuyées sur cette astuce pour revendiquer l'efficacité du vaccin. Les exemples les plus évidents en sont l' étude d'essai originale de  Pfizer  et l'   essai d' AstraZeneca .

 

Figure 3 : Graphique de l'  essai AstraZeneca  montrant la censure de la première période (« période d'exclusion »)

Pour prendre un deuxième exemple, un   article danois a mesuré le nombre d'infections chez les travailleurs de la santé et les résidents des maisons de soins. Avant le début du programme de vaccination, 4,8 % des travailleurs de la santé avaient été infectés et 3,8 % des résidents des maisons de soins l'avaient été. L'étude s'est terminée à la fin de la vague d'hiver danoise après que 95 % des résidents des maisons de soins aient été vaccinés et 28 % des travailleurs de la santé l'aient été. Compte tenu de la pire position au début et du taux de vaccination plus faible chez les travailleurs de la santé, vous pouvez vous attendre à ce qu'ils soient globalement moins bien lotis. Cependant, le pourcentage d'infectés à la fin de la vague était de 7,0% chez les travailleurs de la santé mais de 7,7% chez les résidents des maisons de soins.

Figure 4 : Données d'un   article danois montrant le pourcentage de la population infectée parmi les résidents des maisons de soins et les travailleurs de la santé

 
 

Dans quelle mesure l'efficacité du vaccin dans la recherche rapporté Covid est vraiment une mesure de biais de survie associée à  n immunité acquise aturellement? C'est une question critique. Aucune allégation d'efficacité du vaccin ne doit être faite sans d'abord aborder ce point.

 

Rapport publié à l'origine par l'équipe d'avis de santé et de rétablissement. HART est un groupe de médecins, scientifiques, économistes, psychologues et autres experts universitaires britanniques hautement qualifiés. 

Partager cet article
Repost0

commentaires

Pages