( in Interlingua )
Le traduction esseva facite con instrumentos de software de Intelligentia Artificial.
Traduction
Per Prof. Denis Rancourt, Dr. Marine Baudin, Dr. Joseph Hickey, e Dr. Jérémie Mercier
Global Research, 14 septembre 2024
Abstracto
Diciassette paises equatorial e de hemispherio sud esseva studiate (Argentina, Australia, Bolivia, Brasil, Chile, Colombia, Ecuador, Malaysia, Nove Zelanda, Paraguay, Peru, Philippinas, Singapore, Sud Africa, Suriname, Thailandia, Uruguay), que comprende 9.10% del population mundial, 10.3% del injectiones mundial de COVID-19 (ration de vaccination de 1.91 injectiones per persona, tote le etates), virtualmente omne typo e fabricante de vaccino contra COVID-19, e extendite trans 4 continentes.
In le 17 paises, non existe evidentia in le mortalitate per omnes causas (MOC) per tempore de alcun effecto benefic del vaccinos contra COVID-19. Non existe association temporal inter le vaccination contra COVID-19 e alcun reduction proportionate in le MOC. Occurre le contrapositivo.
Tote le 17 paises ha transiciones a regimenes de alte MOC, que occurre quando le vaccinos contra COVID-19 es displicate e administrate. Nove del 17 paises non ha excessos detectable de MOC in le periodo de circa un anno post le declaration de pandemia le 11 martio 2020 per le Organisation Mundial de Sanitate (OMS), usque le vaccinos esseva distribuite (Australia, Malaysia, Nove Zelanda, Paraguay, Philippinas, Singapore, Suriname, Thailandia, Uruguay).
Picos sin precedentes in le MOC occurre in le estate (januario-februario) de 2022 in le hemispherio sud e in paises a latitudes equatorial, que es synchron in tempore o immediate precedente per rapide distribuitiones de doses amplificative (3e o 4e doses) de vaccinos contra COVID-19. Iste phenomeno es presente in cata caso con datos sufficiente de mortalitate (15 paises). Duo del paises studiate ha datos insufficientes de mortalitate in januario-februario 2022 (Argentina e Suriname).
Datos detaliante de mortalitate e vaccination pro Chile e Peru permitte resolution per etate e numero de dosis. Es improbabile que le picos observate in le MOC in januario-februario 2022 (e adicionalmente in: julio-augusto 2021, Chile; julio-augusto 2022, Peru), in cata de ambes paises e in cata gruppo de etate del ancianes, poterea deber a alcun causa altere que le distribution rapide temporalmente associate de doses amplificative de vaccinos contra COVID-19. Similemente, es improbabile que le transitiones a regimenes de alte MOC, coincidente con le distribution e administration persistente de vaccinos contra COVID-19, in tote le 17 paises del hemispherio sud e a latitudes equatorial, poterea deber a alcun causa altere que le vaccinos.
Le synchronia inter le multe picos in le MOC (in 17 paises, in 4 continentes, in tote le gruppos de etate del ancianes, a differentes tempos) e le distributiones rapidemente associate de doses amplificative permitte iste firme conclusion re le causalitate, e accurate quantification del toxicitate del vaccinos contra COVID-19.
Le ration de letalitate de dosis de vaccino pro tote le etates (vDFR), que es le ration de mortes inferite causate per le vaccino al doses de vaccino distribuite in un population, es quantificate pro le pico de MOC in januario-februario 2022 a cader in le gamma de 0.02% (Nove Zelanda) a 0.20% (Uruguay). In Chile e Peru, le vDFR augmenta exponentialmente con le etate (dupli circa cata 4 annos de etate), e es plus grande pro le ultime doses amplificative, attingente approximate 5% in le gruppos de etate de 90+ annos (1 morte per 20 injectiones de dose 4). Resultatos comparabile occurre pro le hemispherio nord, como trovate in articulos anterior (India, Israel, USA).
Nos quantifica le vDFR global pro tote le etates pro le 17 paises esser (0.126 ± 0.004)%, lo que implicarea 17.0 ± 0.5 milliones de mortes causate per le vaccino contra COVID-19 mundialmente, de 13.50 billiones de injectiones usque a 2 septiembre 2023. Isto corresponderia a un evento iatrogenic in massa que occideva (0.213 ± 0.006)% del population mundial (1 morte per 470 personas vivente, in minus de 3 annos), e non preveniva mensurabilemente alcun mortes.
Le risco global de morte inducite per injectiones con le vaccinos contra COVID-19 in populationes real, inferite del excessos de mortalitate per omnes causas e su synchronia con distributiones, es globalmente omnipresente e multo plus grande que reportate in le essais clinic, monitorisation de effectos advers, e statisticas de causas de morte ex certificatos de morte, per 3 ordines de magnitude (mille vices plus grande).
Le grande dependentia de etate e grande valores de vDFR quantificate in iste studio de 17 paises in 4 continentes, usante tote le typos principal de vaccinos contra COVID-19 e fabricantes, deberea inducer governamentos a terminar immediatemente le politica public de sanitate infundate de prioritizar le residentes ancianes pro injection con vaccinos contra COVID-19, usque analyses valide de risco-beneficio es facite.
Introduction
Le mortalitate per omnes causas per tempore es le datos plus fide dignissime pro detectar e characterizar epidemiologicamente eventos causante morte, e pro evaluar le impacto a livello de population de alcun surge o collapsamento in mortes ex alcun causa.
Tales datos pote esser colligite per jurisdiction o region geographica, per gruppo de etate, per sexo, e assi via; e non es susceptibile a bias de reporto o a alcun bias in attribuer causas de morte in le mortalitate mesme. (Aaby et al., 2020; Bilinski and Emanuel, 2020; Bustos Sierra et al., 2020; Félix-Cardoso et al., 2020; Fouillet et al., 2020; Kontis et al., 2020; Mannucci et al., 2020; Mills et al., 2020; Olson et al., 2020; Piccininni et al., 2020; Rancourt, 2020; Rancourt et al., 2020; Sinnathamby et al., 2020; Tadbiri et al., 2020; Vestergaard et al., 2020; Villani et al., 2020; Achilleos et al., 2021; Al Wahaibi et al., 2021; Anand et al., 2021; Böttcher et al., 2021; Chan et al., 2021; Dahal et al., 2021; Das-Munshi et al., 2021; Deshmukh et al., 2021; Faust et al., 2021; Gallo et al., 2021; Islam, Jdanov, et al., 2021; Islam, Shkolnikov, et al., 2021; Jacobson and Jokela, 2021; Jdanov et al., 2021; Joffe, 2021; Karlinsky and Kobak, 2021; Kobak, 2021; Kontopantelis et al., 2021a, 2021b; Kung et al., 2021a, 2021b; Liu et al., 2021; Locatelli and Rousson, 2021; Miller et al., 2021; Moriarty et al., 2021; Nørgaard et al., 2021; Panagiotou et al., 2021; Pilkington et al., 2021; Polyakova et al., 2021; Rancourt et al., 2021a, 2021b; Rossen et al., 2021; Sanmarchi et al., 2021; Sempé et al., 2021; Soneji et al. 2021; Stein et al., 2021; Stokes et al., 2021; Vila-Corcoles et al., 2021; Wilcox et al., 2021; Woolf et al., 2021; Woolf, Masters and Aron, 2021; Yorifuji et al., 2021; Ackley et al., 2022; Acosta et al., 2022; Engler, 2022; Faust et al., 2022; Ghaznavi et al., 2022; Gobiņa et al., 2022; He et al., 2022; Henry et al., 2022; Jha et al., 2022; Johnson and Rancourt, 2022; Juul et al., 2022; Kontis et al., 2022; Kontopantelis et al., 2022; Lee et al., 2022; Leffler et al., 2022; Lewnard et al., 2022; McGrail, 2022; Neil et al., 2022; Neil and Fenton, 2022; Pálinkás and Sándor, 2022; Ramírez-Soto and Ortega-Cáceres, 2022; Rancourt, 2022; Rancourt et al., 2022a, 2022b; Razak et al., 2022; Redert, 2022a, 2022b; Rossen et al., 2022; Safavi-Naini et al., 2022; Schöley et al., 2022; Sy, 2022; Thoma and Declercq, 2022; Wang et al., 2022; Aarstad and Kvitastein, 2023; Bilinski et al., 2023; de Boer et al., 2023; de Gier et al., 2023; Demetriou et al., 2023; Donzelli et al., 2023; Haugen, 2023; Jones and Ponomarenko, 2023; Kuhbandner and Reitzner, 2023; Lytras et al., 2023; Masselot et al., 2023; Matveeva and Shabalina, 2023; Neil and Fenton, 2023; Paglino et al., 2023; Rancourt et al., 2023; Redert, 2023; Schellekens, 2023; Scherb and Hayashi, 2023; Šorli et al., 2023; Woolf et al., 2023).
Nos ha reportate anteriormente plure casos in le quales picos anomale in le mortalitate de omne causas (ACM) es temporalmente associate con le dispensation rapide de doses de vaccino contra COVID-19 e casos in le quales le initio del campania de vaccination contra COVID-19 coincide con le initio de un nove regime de mortalitate elevate mantenite; in India, Australia, Israel, USA, e Canada, includente statos e provincias (Rancourt, 2022; Rancourt et al., 2022a, 2022b, 2023).
Istos studios nos permitteva facer le prime determinationes quantitativamente del tasso de mortalitate per dose de vaccino (vDFR), que es le ratio de mortes induci per vaccino inferite al doses de vaccino administrate in un population, basate sur le evaluation de ACM in excendentia in un periodo de tempore date, comparate al numero de doses de vaccino administrate in le mesme periodo de tempore.
Le valor de vDFR pro tote le etates e doses era typicamente approximatemente 0.05 % (1 morte per 2,000 injectiones), con un valor extreme de 1 % pro le caso special de India (Rancourt, 2022). Noste labor, usante datos extensive pro Australia e Israel, ha etiam monstrate que vDFR es exponential con le etate (duplication cata 5 annos de etate), attingente approximatemente 1 % pro personas de 80+ annos (Rancourt et al., 2023).
Le exemplo plus clar es illo de un pico ACM relativemente acute occurente in januario-februario 2022 in Australia, que es synchron con le dispensation rapide del dose 3 del vaccino contra COVID-19 in Australia; occurente in 5 de 8 statos australian e in tote le grupos de etate plus ancian (Rancourt et al., 2022a, 2023).
In contrasto, sovente uno debe confrontar le effecto de confusion del variation intrinsecamente seasonal del ACM; tamen, in iste caso pro Australia, le dicite pico de januario-februario 2022 occurre a un tempore in le ciclo seasonal intrinsic quando uno deberea haber un periodo stabile de basse estate (Hemispherio del Sud) o un valle de estate in ACM. Non ha exemplo previe de tal pico in estate in le archivo historic de ACM pro Australia (Rancourt et al., 2022a).
Pauc jurisdictiones national ha le sorta de datos extensivemente stratificate per etate de mortalitate e vaccination disponibile pro Australia e Israel. Duo altere tal jurisdictiones es Chile e Peru. Ci, nos monstra que Chile e Peru, como Australia, ha un pico ACM relativemente acute occurente in januario-februario 2022, que es synchron con le dispensation rapide del dose 4 de Chile e le dose 3 de Peru del vaccino contra COVID-19, respectivemente, occurente pro tote le grupos de etate plus ancian.
Iste characteristic commun inter Chile, Peru e Australia nos portava a cercar plus de exemplos del phenomeno del pico ACM de januario-februario 2022 in le Hemispherio del Sud e in regiones equatorial. Le paises equatorial non ha stationes de estate e hiberno e non ha variationes seasonal in lor patronos de ACM. Nos trovava le mesme phenomeno ubi que le datos esseva disponibile (Australia, Bolivia, Brasil, Chile, Colombia, Ecuador, Malaysia, Nove Zelanda, Paraguay, Peru, Philippinas, Singapore, Africa del Sud, Thailandia, Uruguay), ben que incomplete pro Bolivia e non tanto distinctive pro Nove Zelanda. Ci, nos reporta super iste constatationes.
Datos
Le fontes de datos de mortalitate e administration de vaccinos es date in Appendice A: Fontes de datos de mortalitate e vaccination.
Appendice B: Exemplos de datos de mortalitate pro omne causas e vaccination contine exemplos del datos: ACM nacional pro omne etates per tempore (septimana o mense), de 2015 a 2023, e administration de vaccinos pro omne doses per septimana, usando scalas Y que comencia ab zero, pro le 17 paises considerate in le presente studio: Argentina, Australia, Bolivia, Brasil, Chile, Colombia, Ecuador, Malaysia, Nove Zelanda, Paraguay, Peru, Philippinas, Singapore, Africa del Sud, Suriname, Thailandia, e Uruguay.
Figura 1 monstra le dicite 17 paises considerate, in relation al equator in un mappa mundial.
Figura 1: Mappa mundial monstrante le 17 paises considerate in le presente studio, in relation al equator e le tropicos ― Argentina, Australia, Bolivia, Brasil, Chile, Colombia, Ecuador, Malaysia, Nove Zelanda, Paraguay, Peru, Philippinas, Singapore, Africa del Sud, Suriname, Thailandia, e Uruguay.
Methodo pro Detectar Transiciones Temporal a Regimes de Alta Mortalitate pro Omne Causas Nos implementa le sequente methodo, disveloppate per un de nos (JH), pro detectar cambios de regime in datos ACM per tempore (die, septimana, mense, trimestre).
On es interessate a detectar transiciones temporal (como un avança del tempore de un periodo historic stabile) a regimes de ACM "plus alte que usual" o "plus alte que recente", le qual pote esser associate con le declaration de un pandemia o con lancios de vaccinos. Ben que un oculo ben trainate pote detectar tal transiciones in le datos brute de ACM per tempore mesme, il es utile applicar un transformation statistical disegnate pro eliminar largemente le difficultat confusional del variationes stagional in ACM, que occurre in paises non-equatorial.
Pois que le periodo dominante de le variationes stagional in ACM es 1 anno, e pois que nos desira detectar cambios movente in avant in tempore, nos adopta le sequente approccio. Nos applica un media mobile retractive de 1 anno al datos de ACM per tempore. Cata puncto in tempore del media mobile retractive de 1 anno es simplemente le medie de ACM pro le anno que fini a le dicite puncto in tempore, e nos tracia iste media mobile per tempore. Cambios de regime de ACM appare alora como rupturas (in pendentia o valor) in le media mobile per tempore.
Nota que le methodo del media mobile retractive de 1 anno produce un artefacto significative ma facilemente discerne: Picas relativemente large e acute in ACM causa cades artificial in le media mobile a un anno avante (post) al dicite picas relativemente large e acute in ACM.
Methodos pro Quantificar vDFR ab Mortalitate pro Omne Causas
4.1 Base lineari de tendentia historic pro un periodo (o picco) de mortalitate (Methodo 1)
Nostre prime methodo (Methodo 1) pro quantification de vDFR per gruppos de etate (o omne etates) e per numero de doses vaccinales (o omne doses) es como seque (Rancourt et al., 2022a, 2023), hic meliorate pro ajustar pro effectos stagional systematic:
i. Traçar le ACM per tempore (die, septimana, mense) pro le grupo de etate (o omne etates) super un large scala temporal, includente le annos ante le declaration del pandemia.
ii. Identificar le data (die, septimana, mense) del initio del lancio vaccinal (primo lancio de doses) pro le gruppo de etate (o omne etates).
iii. Notar, pro consistentiantia, que le ACM undergo un incremento gradiente a valores plus grande circa le data del initio del lancio vaccinal.
iv. Integrar (adder) ACM del initio del lancio vaccinal al fin del datos disponibile o termina de vaccinos (omne doses), qual veni primo. Iste es le fenestra temporal basic usate in le calculo, le initio e le datos de termino.
v. Applicar iste fenestra e iste integration super periodos successive e non-superponibile de egal duration, movente tanto retro quanto le datos permitte.
vi. Comenciar cata nova fenestra de integration al mesme puncto in le ciclo stagional como le initio del fenestra de integration basic pro le periodo de vacunas, mesmo si isto introduce interstitios inter successive periodos de integration.
vii. Traçar le valores de integration resultante versus tempore, e notar, pro consistentiantia, que le valor habe un salto ascendente, ben discernebile del tendentia historic o valores, pro le periodo de vaccination.
viii. Extrapolar le tendentia historic del valores integrate in le periodo de vaccination. Le differerentia inter le valores integrate de ACM mesurate e extrapolate (predicite per le tendentia historic) in le periodo de vaccination es le mortalitate excessiva associate con le periodo de vaccination.
ix. Le extrapolation, in practica, es realisate per adaptar un linea recte al punctos de integration pre-vaccinationes seligite.
x. Si troppo pauc punctos es disponibile pro le extrapolation, dando un incerteza troppo grande in le pendentia adaptate, alora imponer un pendentia de zero, illo corresponde a usar un medio de valores recente. In alcun casos, mesmo un sol puncto (habitualmente le puncto pro le fenestra de integration immediate antecedente) pote esser usate.
xi. Le error in le valor extrapolate es le plus sovente overwhelmingmente le fonte dominant de error in le mortalitate excessive calculate. Estimar le “error de exactitude” in le valor extrapolate como le deviation medial del differerentia del valor absolute con le linea adaptate (media del valores absolute del residuos) pro le punctos seligite del adaption. Iste error es un mensura del variationes del periodo de integration ab omne causas super un proche region quam ha un tendentia linear assumite.
xii. Le dicite “error de exactitude” es generalemente plus grande que le “error de precison” (o error statistic) in le valor extrapolate, quia illo representa le variabilitate de anno a anno del ACM integrate in le fenestra de integration in le annos ante le periodos de Covid o vaccination.
xiii. Si il ha troppo pauc fenestras de integration in le annos normal disponibile ante le picco o region de interesse pro obtiner un bon estimate del variabilitate historic de anno a anno, o si le errores statistic in le valores integrate es relative large, alora usar le errores statistic pro melior estimate del incerteza necessari.
xiv. Applicar le mesme fenestra de integration (datos de initio a termino durante vaccination) pro contar omne doses vaccinales administrate in ille tempore.
xv. Dependente del circumstantias particular in le datos, pote esser necessari usar differentes limites de integration (differentes fenestras) pro le ACM e pro le administration de vaccinos. Nos vidava nulle necessitate pro isto, e nos non probava implementar o testar tal optimization.
xvi. Definir vDFR = (mortalitate excesse durante periodo de vaccination) / (doses vaccinales administrate in le mesme periodo de vaccination). Calcular le incerteza in vDFR usante le error estimate in le mortalitate excesse durante le periodo de vaccination.
Le mesme methodo es adaptate a qualcunque region de interesse (tanto como un picco in ACM) de duration subannual, per translatar le fenestra de integration (del region de interesse) retro per incrementos de un anno.
Le methodo describite supra es robust e idealmente adaptate al natura del datos ACM. ACM integrate habera generalemente un error statistic parve.
Un large fenestra de integration temporal (p. ex., pro le integre periodo de vaccination) remove majoritariemente le difficulte resultante ex variationes stagional intrinsec; e iste difficulte es ancora resolvite per initurar cata nova fenestra de integration al mesme puncto in le ciclo stagional qua le initio del fenestra de integration basic pro le periodo de vacunas (puncto-vi, supra).
Le tendentia historic es analysate sin introducer alcun assumptiones de modello o incertezas ultra presupponer que le tendentia de proche reguion pote esser modellar per un linea recte, quand justificate per le datos mesme. Tal un analyse, pro exemplo, prende in conto cambios de anno a anno in le dimension de cohortes per grupo de etate que resulta del structura de etate del population. Le sol assumption es que un tendentia linear local es realistic pro le population non-perturbate (ACM-wise non perturbate).
Durante que le methodo desingate supra es destinate pro casos (jurisdictiones) in le qual il ha nulle evidentia in le datos ACM de mortalitate causate per factors altere que le lancementes de vaccinos, como mesuras Covid (protocolos de tracto, impositiones societarie, isolation e assi aante), illo pote esser facilemente adaptate a casos in le qual mortalitate in le periodo de vaccination es confundite per factores causal additional (del periodo Covid) que non pote esser exclude.
Un approccio es simplemente adaptar le methodo supra a annos calendar, irrespective si il occurre mortalitate excesse ante le lancementes de vaccines de COVID-19. Un obtene ACM excesse per anno calendar, relative al valor expectate ex le tendentia historic deducite per extrapolation linear ab un rango seligite del valores annual de ACM pro < 2020 (pro annos ante 2020, quando le 11 Martio 2020 annuncio de un pandemia esseva facte). Un postea compara le ACM excesse pro 2020 e pro 2021. In multe (le majoritate del) paises, il habe essentialmente nulle vaccination COVID-19 in 2020, e un lancio rapide essencialmente comenciava in Januario 2021.
Caso Special de un Solo Puncto de Integration Historic (Methodo 2)
In casos in le qual non es possibile o practic obtener plus de un valor de integration pro le extrapolation necessari (passos v a ix, supra), alteremente que supponer un pendentia de zero pro le extrapolation (passo x, supra), le sequente secunde methodo (Methodo 2) pote esser applicate.
Si Y(-1) es le solo puncto de integration historic, alora simplemente prender le valor extrapolate necessari, Y(0), esser:
Y(0) = Y(-1) + m ΔT W (1) ubi m es le pendentia del melior adaption de linea recte per le ACM original per unité temporal (die, septimana, mense…) versus unité temporal numerate, ΔT es le numero de unitates temporal inter Y(0) e Y(-1) (isto es, inter le initio de fenestra de integration de Y(0) e le initio de fenestra de integration de Y(-1)), e W es le latitude inclusive del fenestra de integration in numero de unitates temporal.
Isto suppone que le ACM per tempore varia sur un linea recte, nonobstante le variationes stagional, super le segmento proche usate pro obter le melior adaption de linea recte.
Le mortalitate excesse resultante pro le fenestra o periodo de integration, xACM(0), es alora:
xACM(0) = ACM(0) − Y(0) (2) ubi ACM(0) es le ACM integrate in le periodo de interesse:
Le error statistic (deviation standard) in xACM(0) es alora date per:
sig(xACM(0)) = sqrt [ ACM(0) + Y(-1) + (ΔT W sig(m))^2 ] (3) ubi sig(m) es technicamente le error statistic in m.
Si il non ha variation stagional in ACM, como occurre in jurisdictiones de latitude equatorial, alora sig(m) es le error statistic actual in m. Con variationes stagional in ACM, sig(m) extracte ab le minime quadratos adaption a un linea recte non ha un simple significato. In iste caso, sig(m) incorporara incerteza resultante ex variationes stagional, e augmenta con amplitude crescente del variation stagional.
Application del Methodos al Paises Specific
Le parametros pro aplicar le methodos (Methodos 1 e 2) al datos es date in Appendice C: Information technical e specific pro applicationes del methodos al datos.
Le Reporto Complete pote esser discargate de ci:
https://correlation-canada.org/wp-content/uploads/2023/09/2023-09-17-Correlation-Covid-vaccine-mortality-Southern-Hemisphere-cor.pdf
Entradas
