Les vaccins Covid ont-ils sauvé des dizaines de millions de vies ?

Un récent preprint paru dans la revue médicale désormais contestable The Lancet, affirme que l’introduction des vaccins Covid en décembre 2020 a permis d’éviter des dizaines de millions de décès dans le monde.

Cette étude a été soumise par l’équipe de recherche dirigée par le Pr Azra Ghani de l’Imperial College de Londres. Elle a bénéficié du soutien financier de la Global Alliance for Vaccines Initiative (GAVI), de la Bill and Melinda Gates Foundation, du Rhodes Trust, de l’Organisation mondiale de la santé (OMS) et d’autres organismes. Le Pr Ghani est consultante pour HSBC, GlaxoSmithKline, l’OMS et, comme ses autres collègues de l’Imperial College, elle est pour les confinements, la panique, les vaccins depuis plus de deux ans.

Ces antécédents suffisent à eux seuls à nous faire douter du contenu de son article, mais nous allons tout de même l’examiner.

Tout d’abord, comme le titre l’indique, il s’agit d’une étude de « modélisation mathématique ». En termes scientifiques, l’examen d’une modélisation mathématique est l’équivalent d’un article d’opinion. La raison en est que pour comprendre le résultat, il faut comprendre non seulement les entrées mais aussi les algorithmes. Et, comme nous l’avons clairement constaté depuis 2020, les modèles mathématiques ont tendance à se tromper. Ce ne sont que des outils.

Par ailleurs, étudier des algorithmes dont les entrées sont fausses ne présente qu’un intérêt très limité.

1. Prédire la mortalité

Le premier problème de cette étude, et le plus flagrant, est qu’il est presque impossible de prédire la mortalité (future ou passée), surtout avec les virus respiratoires courants. Nous pouvons prédire qu’un certain pourcentage de personnes âgées (de plus de 75 ans) présentant plusieurs comorbidités sont susceptibles de succomber à un virus respiratoire tel que le Covid, mais nous ne pouvons prédire ni qui ni quand. Certains, apparemment des candidats de choix à la mortalité, survivent tandis que d’autres, en meilleure santé à priori, succombent.

Malgré tout, sur la base de données empiriques, et non sur une modélisation, on s’attelle ici à prédire la mortalité due au Covid. À noter que les modèles mathématiques présentés par l’Imperial College se sont toujours révélés totalement erronés.

Même avec des maladies plus établies comme le cancer, la prédiction de la mortalité est délicate. C’est pourquoi des estimations de survie sont établies en fonction du diagnostic et des traitements, mais ce ne sont que des estimations.

En aucun cas, un professionnel de la santé ne déclare qu’en utilisant la radiothérapie, nous sauvons chaque année un nombre X de vies dues au cancer.

Nous pourrions tout autant décider de prédire la mortalité en fonction du style de chaussures que porte une personne ou du type de voiture qu’elle conduit. Par exemple, les jeunes peuvent être plus enclins à porter un style particulier de baskets et, comme les jeunes sont moins susceptibles de mourir du Covid, on pourrais affirmer que porter ce type de baskets sauve des vies.

Sauver des vies est presque toujours un argument fallacieux.

2. Ignorer d’autres facteurs

A. L’immunité naturelle

Au moment où les vaccins ont été introduits en décembre 2020, le Covid s’était déjà propagé sur la majeure partie du monde. Nous savons, grâce aux études de séroprévalence, que le virus original circulait depuis au mi-2019. Nous savons également que l’immunité naturelle s’est avérée plus forte que toute les immunités induites par un vaccin à court terme. Ainsi, un très grand pourcentage de la population avait une forme d’immunité supérieure qui travaillait déjà pour elle, l’immunité naturelle.

B. L’élimination des maladies

Au moment où les vaccins ont été introduits en décembre 2020, les personnes les plus susceptibles de contracter une maladie grave et de mourir y avaient déjà succombé. Les personnes âgées qui avaient été infectées et avaient survécu en 2020 bénéficiaient désormais d’une immunité naturelle. Comme pour toute épidémie annuelle de maladie infectieuse, on observe des années de forte mortalité suivies d’années de moindre gravité, simplement parce que les personnes les plus sensibles succombent précocement tandis que les autres survivent.

C. Susceptibilité de la population

L’article ci-dessus ignore complètement l’énorme gradient de susceptibilité à la mortalité dans la population. Les personnes les plus jeunes ont connu une mortalité par infection très faible au cours des deux dernières années. Les modèles mathématiques supposent le même niveau de susceptibilité à la mortalité dans toutes les populations. Nous savons que cette hypothèse est erronée et annule complètement tous leurs « modèles ».

D. Réduction de la gravité des maladies au fil des variants

Au moment où les vaccins ont été introduits en décembre 2020, les variants delta étaient en train d’émerger. L’évolution naturelle des virus va dans le sens d’une diminution de la létalité. Une augmentation de la transmissibilité est certainement possible puisque le temps filtre les virus qui survivent.

Si on ajoute à cela le fait que les vaccins n’ont été conçus que pour lutter (partiellement par ailleurs) contre le virus initial du Covid, les vaccins n’ont aucune place dans l’équation (de l’évolution de la maladie).

E. Amélioration des traitements

Au moment où les vaccins ont été introduits en décembre 2020, les médecins du monde entier avaient appris à traiter les cas les plus graves de Covid. La grande majorité des gens souffraient encore d’une maladie bénigne et ne couraient pas de danger, mais les cas les plus graves pouvaient être soignés par des traitements efficaces et en évitant les actions dangereuses comme la ventilation.

3. L’utilisation des données

A. La surmortalité comme marqueur

Le modèle part de l’hypothèse que les données de « surmortalité » ne peuvent être que directement corrélées au Covid, alors qu’il s’agit d’une hypothèse erronée. Dans le monde entier, la mortalité due au Covid ne joue qu’un rôle mineur dans la mortalité globale. Il existe donc de nombreux autres facteurs qui peuvent jouer dans toute interprétation de la mortalité.

Mais, pour avoir une quelconque signification, il faut décomposer les statistiques de mortalité en fonction des groupes d’âge ou des groupes à risques, etc.

B. Utilisation de données non fiables

Nous savons maintenant que le nombre réel de décès résultant du Covid lui-même a été surévalué en raison des critères qui ont favorisé les déclarations de Covid par rapport aux véritables causes, ainsi que de l’utilisation des tests PCR comme critère déterminant. Nous savons qu’une personne aurait pu se rétablir complètement du Covid et succomber à quelque chose n’ayant aucun rapport, mais, parce qu’elle avait un test PCR positif dans ses antécédents, elle était enregistrée comme décédée du Covid.

Nous ne connaîtrons probablement jamais le nombre réel de personnes qui ont vraiment succombé du Covid, car les données ont été totalement mélangées et il y a eu de nombreuses manipulations politiques. C’est dommage, car cela signifie que nous continuerons probablement à subir des abus sur la base de chiffres peu fiables, et nous auront droit à des déclarations biaisées quant aux mesures mises en place depuis plus de deux ans maintenant.

Il n’est pas nécessaire d’être un scientifique de haut vol pour comprendre les différents points qui permettent de comprendre en quoi le rapport ci-dessus est totalement erroné.

Tout critique avec un minimum de bon sens n’a qu’un conseil à donner concernant cette « étude » : « Jetez-la à la poubelle. »

De l’Institut Brownstone

***

Chers lecteurs,

Abonnez-vous à nos newsletters pour recevoir notre sélection d’articles sur l’actualité.

https://www.epochtimes.fr/newsletter

Les opinions exprimées dans cet article sont celles de l’auteur et ne reflètent pas nécessairement celles d’Epoch Times.