Quel pourrait être le lien entre les injections contre la Covid-19 et les décès ?

TRIBUNE / ANALYSE - De nombreux auteurs ont décrit, avec beaucoup de pertinence, les liens entre la surmortalité et les injections sensées préserver contre la maladie Covid-19. Une rapide recherche sur Internet permet de les retrouver simplement. Je n’en citerai que quelques-uns : Dr Hervé Seligmann, Mr Pierre Chaillot, Dr Jean-Marc Sabatier. Il en existe beaucoup d’autres partout sur la planète. 

Ce qu'il faut retenir 

Comme le précise le site Euromomo, la mortalité est un indicateur fondamental de la santé. On ne saurait le contredire. 
Grace à un outil mathématique puissant et très largement utilisé dans le monde, il est possible de faire apparaitre des liens entre injections contre la Covid-19 et mortalité en Europe. 
Les conclusions sont claires ; il existe un lien fort entre les injections et les décès pour toutes les tranches d’âge. 
Les cas où plus on injecte, plus la mortalité augmente sont très majoritaires. Ce résultat va clairement à l’encontre du but recherché par les injections. 

Pourquoi une nouvelle étude ?
Les réseaux sociaux font part d’une forte implication des produits à ARN messager dans un futur proche. La grande majorité de ces produits ont été injectés à un très grand nombre de personnes, notamment en occident. Leur déploiement s’est fait de manière extrêmement rapide. Peut-être devrions-nous faire une pause et étudier de manière très précise leurs effets sur le corps humain. D’autant plus que de nombreuses alertes ont été publiées par des scientifiques de renom. 
Cette étude se base, comme de nombreuses autres, sur des données officielles, provenant de 2 sites européens indépendants. Ces 2 sites ont déjà été utilisés largement par certains auteurs. 

• Eurostat. De ce site, j’ai extrait les données de mortalité toutes causes confondues et disponibles pour plusieurs tranches d’âge. 
• ECDC. De celui-ci, j’ai extrait les données des injections, également disponibles pour des tranches d’âge pratiquement identiques. 

Seule une tranche d’âge ne correspond pas tout à fait. Un algorithme très simple a été développé pour les mettre en correspondance. 

Temporalité 

Cette étude se repose sur un laps de temps très grand, fin 2020 à fin 2023. Ce laps de temps correspond à la période d’injection qui a commencé fin 2020 et qui se termine fin 2023 date à laquelle pratiquement plus aucune dose n’est injectée. La granularité temporelle est la semaine. En moyenne, 145 semaines sont disponibles. 

Spatialité 

Du point de vue spatial, cette étude utilise les données de 30 pays du continent européen (Allemagne, Autriche, Belgique, Bulgarie, Chypre, Croatie, Danemark, Estonie, Espagne, Grèce, Finlande, France, Hongrie, Irlande, Italie, Liechtenstein, Lituanie, Luxembourg, Lettonie, Malte, Norvège, Pays-Bas, Pologne, Portugal, République tchèque, Roumanie, Slovaquie, Slovénie, Suède). En fait, pour les tranches d’âge les plus jeunes, le nombre de pays est réduit à 16. 
Nous avons à notre disposition une population très importante, environ 450 millions de personnes. 

Technicité 

La technique utilisée est basée sur le calcul des corrélations entre les taux de décès et les taux d’injections de chaque semaine, ainsi que les taux d’injection pour toutes les semaines précédant les décès. Cet outil, déjà ancien (moitié du 19ᵉ siècle), a fait ses preuves jusqu’à nos jours. Le calcul des corrélations est un outil largement utilisé en IA et en biologie ; entre autres. La difficulté principale n’est pas la complexité des calculs mais le nombre de calculs. J’ai été amené à calculer environ 2 millions de corrélations (2 méthodes de calcul ont été utilisées). J’ai donc créé un programme informatique pour effectuer ces calculs. Il est disponible ici. 
Chaque corrélation est associée à son test de signification. Le niveau de signification a été fixé classiquement à 5 %. Pour plus ample renseignement, je vous invite à consulter ce site. 

Résultats 

Je propose ces résultats sous forme d’histogrammes empilés. Toutes les colonnes empilées ont une altitude de 100%, chaque colonne donne le pourcentage de la force de corrélation. Chaque empilement représente donc la force de la corrélation définie par les seuils précisés dans la légende sur le graphique. 
Le terme « ascendante » signifie que plus le nombre d’injections croit, plus le nombre de décès croît et son opposé « descendante » signifie que, plus le nombre d’injections croît, plus le nombre de décès décroit. Cette dernière partie devrait logiquement être majoritaire puisque c’est le but recherché par les injections. Vous verrez que cette affirmation est loin d’être vérifiée. Cette corrélation correspond à un nombre compris en -1 et +1.  

• +1 signifie une corrélation parfaite, ascendante (ou positive) 
• 0 pas de corrélation 
• -1 signifie une corrélation parfaite, descendante (ou négative) 

Par exemple, une corrélation très forte ascendante correspond à l’intervalle [0,7, 1[. 
Remarque : les corrélations font appel à des hypothèses dirigées et non-dirigées. J’ai choisi la forme stricte, dirigée. Toutefois, beaucoup de statisticiens effectuent des calculs en utilisant les hypothèses non-dirigées. Ils ne s’occupent pas de la pente descendante. Effectivement dans ce cas, plus le nombre d’injections augmente plus les décès diminuent. Même dans ce cas, l’existence de la corrélation est toutefois établie. 

Les résultats sont présentés de manière synthétique pour toutes les tranches d’âge. 

 
On remarque que les corrélations ascendantes (jaune au rouge) sont très majoritaires.  Les corrélations descendantes sont représentées par la teinte bleue à violet. 
Les 3 dernières colonnes sont des groupements de tranches d’âge et sont plus difficiles à interpréter. 
Pour rappel, les corrélations ascendantes signifient que plus le nombre d’injections augmente, plus le nombre de décès augmente. Ce qui va clairement en contradiction avec les préconisations des injections. Ces résultats montrent qu’un arrêt immédiat des injections suivi d’une étude approfondie est absolument nécessaire. Beaucoup de personnes ont publié dans ce sens depuis deux ou trois ans.  
Ce graphique n’affiche que les corrélations qui ont passé le test de signification de 5%. Toutes les autres ont été rejetées comme non-significatives. Il faut remarquer que les corrélations faibles sont pratiquement inexistantes. Cet état renforce la validité de ces calculs. 
Prenons par exemple, les corrélations calculées pour la tranche d’âge 70-79 ans et la dose 1. 

 
Il faut remarquer que dans le cas de la corrélation très forte  (rouge), le test de signification moyen est de 1‰, donc très en dessous du seuil de 5% choisi. Les hypothèses prises pour le calcul sont très pertinentes. De plus, la validité des hypothèses est très forte également pour les autres seuils de corrélations. 

Le logiciel fournit aussi la possibilité de visualiser les corrélations au cours du temps. 
Pour la même tranche d’âge (70-79 ans) et la dose 1, je présente les corrélations calculées pour chaque semaine et semaines antérieures d’injections, aux décès. 
Techniquement, c’est la matrice de corrélation qui est représentée à l’aide d’une gamme de couleurs décrites sur le graphique précédent. Les axes horizontaux et verticaux sont gradués en semaines. 

 
Il faut remarquer les très fortes corrélations, printemps 2021, début d’été 2021 et surtout fin 2021 début 2022. Les bandes se répètent fin 2022 et milieu 2023. 
Je pense qu’une étude très précise s’impose. Il ne faut pas perdre de vue qu’au-delà des chiffres, il s’agit de personnes décédées en Europe. 

Pour achever ce paragraphe, je souhaite mettre en évidence un phénomène qui apparaît suite aux nombreux calculs de corrélations que j’ai effectués. 
Les résultats précédents concernent les décès et les injections pour une même tranche d’âge. Il est tout à fait possible d’effectuer les mêmes calculs en choisissant les décès d’une tranche d’âge, et en calculant les corrélations avec les injections des autres tranches d’âge. Les résultats sont surprenants. 
Voici l’histogramme représentant les décès des 5-9 ans avec les injections de toutes les autres tranches d’âge. 

 
Ici aussi, comme précédemment, on remarque une grande prédominance des corrélations ascendantes fortes voire très fortes, notamment pour la tranche d’âge immédiatement inférieure (0-4 ans). 
Une autre constatation s’impose, les corrélations faibles et nulles sont pratiquement inexistantes. Le modèle de calcul choisi s’en trouve renforcé. 
Si on songe que les 0-4 ans et les 5-9 ans ne sont pratiquement pas vaccinés, comment des injections à d’autres personnes peuvent-elles être en relation avec les décès de cette tranche d’âge ? 
Dans la littérature, quelques personnes se sont déjà intéressées à ce problème. J’en citerai seulement 2, Pierre Cory et Hervé Seligmann. Elles font mention de shedding, appelé aussi alloeffet ou excrétion des injections.  
 

Principale limite de cette étude 

Cette étude qui utilise un très grand nombre de données, tant spatiales que temporelles, permet de mettre en évidence que quelque chose ne fonctionne pas dans la stratégie de vaccination contre la Covid-19. Toutefois, sa principale limite est qu’elle fournit des résultats pour l’instant qualitatifs. Il existe bien une relation forte entre les décès et les injections. 
Pourtant, les techniques employées devraient permettre l’accès à des résultats quantitatifs. Ce serait probablement la suite à donner à cette étude.

Je tiens tout particulièrement à remercier le Docteur Hervé Seligmann, biologiste et statisticien. Sa disponibilité m’a été précieuse pour les aspects théoriques. Nos nombreux entretiens ont permis d’affiner l’interprétation des résultats.