Note de l’éditeur : LinkedIn a un autre post de Herman Steigstra lointain. Ensuite, nous le placerons simplement sur Virusvaria, n’est-ce pas ? Partageons-nous ! Sur LinkedIn, vous pouvez également 😉
« La surmortalité va-t-elle de pair avec les vaccinations ? » Cette question est particulièrement interrogée par les critiques de la mon article du 20 janvier La Commission n’a pas droit à une Beaucoup de brouillard est soulevé en se référant à prévalence ou l’argument décisif La corrélation n’est pas la causalité.
Bien sûr, vous pouvez essayer d’établir un lien entre une mortalité suspecte et le statut vaccinal, mais c’est une tâche presque impossible. Il faut une autopsie et c’est certainement fait et oui, on y trouve certainement des confirmations de cette relation. On sait que des restes de l’ARNm peuvent être trouvés dans tous les organes après la mort. Voir, par exemple, le YouTube du professeur Burkhardt. Mais maintenant, je veux parler de notre modèle de calcul, qui est capable de prédire la surmortalité inexpliquée.
Mortalité due à la vaccination modélisée
Déjà en décembre 2022, nous avions publié un article intitulé Mortalité due à la vaccination modélisée. Dans ce document, nous avons décrit un modèle capable de prédire la surmortalité causée par ceux-ci en fonction du nombre de vaccinations administrées. Être capable de décrire des observations a posteriori pourrait toujours être basé sur le hasard, mais si cette prédiction concerne un événement futur, alors elle a une valeur beaucoup plus grande. C’est presque la preuve tangible que la relation existe vraiment, sinon les prédictions seraient sans valeur. Voici le pronostic de la surmortalité aux Pays-Bas selon notre modèle de calcul :
Il s’agit des prévisions actuelles basées sur le modèle de calcul de 2022. Sous le graphique principal, une ligne verte montre le nombre de vaccinations administrées pour le groupe vulnérable des 80+ selon les chiffres du RIVM et de l’ECDC. La ligne pointillée est le pronostic de la surmortalité calculé à partir de celle-ci.
La ligne jaune est la « surmortalité inexpliquée », qui est la surmortalité après déduction de la mortalité du coronavirus lui-même (rouge).
Bien sûr, il y a d’autres vagues à observer. Ceux-ci sont attribuables à la grippe (p. ex. décembre 2022) et aux vagues de chaleur (p. ex. juillet 2023). En ce moment, il y a la grippe qui semble faire de nombreuses victimes.
Comme dans tous les modèles, il y a des « boutons » dessus. En voici deux. Les dommages à court terme sont fixés à 1:3000 décès dans la semaine suivant la vaccination (pour les deux premières vaccinations, le risque semble moindre : 1:10 000 par injection). De plus, il existe un risque à long terme de 1:1650 par injection de mourir entre 4 et 18 mois après la vaccination. Ce dernier est un peu plus incertain, car d’autres effets à long terme peuvent également jouer un rôle. C’est pourquoi nous nous concentrons toujours sur les dommages à court terme, car ils sont plus visibles en tant que conséquence visible.
Une analyse ultérieure montre que le risque est nettement plus élevé pour le groupe des 80+. Nous arrivons à une valeur comprise entre 1:350 et 1:500 par vaccination. Comme ce groupe d’âge est relativement petit, l’incertitude est un peu plus grande que celle de tous les âges.
Pays étranger
Cela ne devient intéressant que si le modèle avec presque les mêmes paramètres des « boutons » serait capable de prédire la surmortalité dans d’autres pays. Et nous avons essayé ça aussi. Lisez notre publication pour plus d’informations Surmortalité de l’autre côté de la frontière. Là aussi, on observe le même schéma dans la plupart des pays, l’Australie étant la « cerise sur le gâteau ».
Une surmortalité inexpliquée en Australie depuis l’introduction de la vaccination. Pas de corona, donc pas de soins reportés et pas de « quelque chose d’autre avec corona ». Ce n’est qu’après la fin de la politique zéro-covid (septembre 2021) que le coronavirus a commencé à frapper là aussi (rouge), malgré la vaccination. Mais la surmortalité inexpliquée y a persisté, suivant assez précisément les prévisions.
Le modèle de calcul est très simple et donc incapable de prédire le parcours en détail. Mais c’est précisément la simplicité du modèle et la synchronisation pendant les vaccinations (à court terme) qui indiquent fortement que le modèle sera proche des processus réels qui se déroulent dans le corps.
Conclusion
Être capable de prédire l’avenir à l’aide d’un modèle informatique avec uniquement le nombre de vaccinations comme paramètre suppose une forte relation de cause à effet. C’est bien plus qu’une corrélation entre deux quantités. La prédiction est d’un ordre supérieur à la simple établissement d’une corrélation. Il est injustifiable que les politiciens continuent d’ignorer cette relation.
Citation : « Être capable de décrire des observations après coup pourrait toujours être basé sur le hasard, mais si cette prédiction concerne un événement futur, alors elle a une valeur beaucoup plus grande. »
Bonjour, je ne vois pas comment ce renversement, de l’ad hoc à la prédiction, conduit 😬 à plus de certitude d’une éventuelle relation de cause à effet. Une explication plus approfondie est-elle possible à l’avenir ? Merci d’avance !
Herman Steigstra fait probablement référence au « test de causalité de Granger ». Dans cette approche, une relation de cause à effet unique entre les séries chronologiques est principalement observée en relation avec la prévisibilité mutuelle. Utilisé beaucoup, par exemple dans la recherche économique.
Voir aussi le Critères de Bradford Hill.