Inte 14 miljoner liv räddade, men över 17 miljoner döda

Denis Rancourt

Denis har en doktorsexamen i fysik (1984, University of Toronto), är en tidigare fast professor (University of Ottawa) och har publicerat över hundra artiklar i ledande vetenskapliga tidskrifter. Denis rapporter och artiklar finns på hans hemsida på denisrancourt.ca.

---

Dr Denis Rancourt

Alla orsakar dödlighet över hela världen och i Rumänien

Okej, jag ska prata om något helt annat. Jag ska prata om dödlighet av alla orsaker. Jag tänker inte bry mig om vad som orsakade dödsfallet. Vi ska bara räkna dödsfall. Och jag ska visa dig data för Rumänien också. Och alla grafer och resultat som jag kommer att presentera finns i flera vetenskapliga rapporter som jag, jag själv och medarbetare har skrivit under de senaste tre eller fler åren. Och de kan hittas på den här webbplatsen, rapporterar de vetenskapliga rapporterna. Och dessa är mina huvudsakliga medarbetare i forskningen om dödlighet av alla orsaker. Och två av dem är i rummet här hos oss. De är från Prag. Och en annan plats som jag sa till dem att jag inte skulle glömma namnet på, och det gjorde jag bara, jag är ledsen för det, Jérémie.

(01:05):

Och så vill jag starta det historiska rekordet, nästan 1900. Jag kommer att visa lite data från 1900. Jag kommer att börja riktigt i början av Covid om du vill. Dödlighet av alla orsaker, du räknar bara dödsfall. Och detta är fallet med Frankrike från 1946 och framåt, strax efter andra världskriget. Och vad du hittar överallt på norra halvklotet är att döden är högre, är större på vintern och den kommer ner på sommaren. Så den har ett säsongsmönster som är väldigt regelbundet.

Denis Rancourt (00:11):

Detta har varit känt i mer än hundra år. Och jag skulle hävda att det inte är helt förstått. Jag skulle påstå att det är långt ifrån helt förstått, men så här ser mönstret ut per månad. Så vi tittar på dödligheten per månad i Frankrike. Och om man integrerar efter år, med cykel år runt varje vinter från sommar till sommar i Frankrike, ser det ut så här. Så det kan bli en intensiv vinter följt av en lägre vinter och så vidare. Och mönstret ser ut så.

(02:17):

Så sedan andra världskrigets slut har dödligheten på befolkningsbasis minskat mestadels. Och det är vanligtvis 1% av befolkningen som dör under ett givet år. Så det här är den typen av data vi kommer att ta itu med. Och att förra året är det första året av den så kallade pandemin. Och nu om vi åker till USA, för att ge ett annat exempel, kan jag göra dödlighet av alla orsaker. Detta är år för en viss åldersgrupp. Detta är åldersgruppen 15 till 24 år. Och jag har separerat i man och kvinna.

Så du har de två färgerna där. Och den här grafen låter oss illustrera vad du kan se när du mäter dödligheten, vilket är en svår siffra. Ingen kan berätta för dig att regeringen inte räknade dödsfallen korrekt eftersom de menar mycket allvar med att räkna dödsfall och det är en legalistisk process. Och så detta är hårda uppgifter. Och det här är vad du ser.

(03:18):

Du ser att det var en händelse 1918, den händelsen återfanns av CDC och kallades Spanska sjukan. Jag vet, och det finns flera vetenskapliga artiklar som visar att detta inte var en virussjukdom i luftvägarna. Ingen över 50 år dog i den enorma dödlighetstoppen. Endast unga vuxna och familjer och tonåringar dog under den toppen. Och de rika dog inte under den perioden. Så det var 1918.

Och sedan i USA har man något som kallas den stora depressionen. Enorm ekonomisk kollaps följt av en ekonomisk relaterad Dust Bowl, som delvis var en miljökatastrof. Och det var de stora svårigheterna, de senaste svårigheterna i USA. Och man kan se dödligheten där hos både män och kvinnor under de perioderna. Sedan under andra världskriget ser man att män har en dödlighet, medan kvinnor inte har det. Och jag tror att vi alla förstår varför. Och under Vietnamkrigsperioden kan du se att det finns en puckel i dödligheten för männen. Detta är vad du kan se i dödlighet av alla orsaker.

(04:30):

Och så sammanfattningsvis, jag har studerat dödlighet av alla orsaker i stor utsträckning i mer än hundra länder på alla kontinenter utom Antarktis uppenbarligen, och mycket detaljerat efter tidsenhet, vecka, dag, månad, åldersgrupp, efter kön. Och jag kan berätta att det enda du kan se i data om dödlighet av alla orsaker är följande. Säsongsvariationer, som jag förklarade. Maximalt på vintern och på södra halvklotet är det omvänt. Deras vinter är vår sommar. Det är då de har maximal dödlighet. I ekvatorialregionen finns ingen säsongsvariation i dödligheten. Det finns inga spikar, det är en platt linje. Så det finns säsongsvariationer som följer hemisfärerna.

Du kan se krig, som jag nämnde. Man kan se ekonomiska kollapser, enorma ekonomiska kollapser som påverkar befolkningar. Man kan se sommarvärmevågor på nordliga breddgrader som inte är vana vid att ha en väldigt varm period på sommaren, som dödar människor, ibland för att de faller ner för trappan när det är riktigt varmt, men det dödar människor. Och du kan se en topp som varar ungefär en vecka i en av dessa heta perioder.

(05:44):

Du kan se jordbävningar. Direkt ser du jordbävningen. Människor blir krossade av byggnader. Du räknar de döda och du ser en topp på grund av jordbävningar. Men vi ser eller upptäcker inte någon av de CDC-påstådda pandemierna som inträffade 1957, '58, '68, 2009. Dessa pandemier, de så kallade pandemierna ger inte upphov till någon överdriven dödlighet av alla orsaker som kan upptäckas i någon jurisdiktion och eller på något sätt. Överdriven död kan inte upptäckas på nationell eller statlig skala för dessa så kallade pandemier. Så de orsakade inte överdriven död, vad de än är. Och så har du... Jag förklarade 1918.

Sedan har vi Covid-perioden. Och under Covid-perioden var det ett enormt överfall. Det var många, ett mångsidigt övergrepp mot människor, utsatta människor i många olika jurisdiktioner. Så beroende på vad staten gjorde innan de tog in vaccinerna... Jag ska också prata om vaccinerna. Men beroende på vad staterna gjorde orsakade de överdödlighet, ibland enorma mängder av det. Och jag ska visa dig exempel på det.

(07:00):

Så först vill jag berätta att något bara händer socialt som en del av propagandan, som innebär att Nobelpriset delades ut för detta så kallade vaccin. Och jag vill visa er hur absurt detta är eftersom alla politiker som stödde detta hävdade att tiotals miljoner liv räddades av vaccinet, detta magiska vaccin som vi hade gett Nobelpriset för.

Jo, vi tittade på det, vi tittade på grunden för det påståendet, och grunden för påståendet är en artikel som förekom i Lancet Infectious Diseases år 2022 av Watson et al. Och de hävdar att mellan 14 och 19 miljoner liv räddades. Så vi som fysiker, som vetenskapsmän, sa vi, "Okej, om det är vad du påstår, låt oss räkna ut och se hur det skulle se ut på skalan av dödlighet av alla orsaker efter tid."

(07:54):

Och så låt oss börja någonstans och låt oss åka till Kanada och se säsongscykeln. Så detta är dödlighet av alla orsaker på en skala som börjar på noll. Och låt oss titta på säsongsvariationen. Den vertikala linjen är förklaringen om pandemin. Den allra första toppen du ser i blått där, är Kanada som dödar äldre människor och utsatta människor på sjukhus och i vårdhem på grund av de aggressiva initiala behandlingarna eftersom de var oroliga över denna så kallade pandemi.

Och detta hände i många hotspots i västländer, men det hände inte i något av de östeuropeiska länderna eller i Ryssland. Så beroende på land, beroende på vad de gjorde, det är grejen. Det hände inte i Tyskland där de inte gjorde detta. Okej. Sedan fortsätter vi och vi tar in vaccinerna och de hävdar att det här vaccinet, som är antalet vacciner, är den där grå kurvan. Det är de kumulativa vaccindoserna som ges i Kanada.

(08:56):

Och vad du ser är att de hävdar att "Tack och lov att vi tog in vaccinerna vid den tiden för annars hade vi haft dödligheten i rött där." De hävdar att deras vacciner räddade oss från att ha den dödlighet i rött som de beräknat. De hävdar att det skulle ha funnits en dödlighet som vi aldrig sett i ett mänskligt samhälles historia.

Och att tack och lov att detta vaccin kom precis vid den tidpunkt då det skulle ha funnits denna otroliga dödlighet och räddat oss och sänkt dödligheten till i princip samma nivå som vi alltid har haft. Det var vad vaccinet gjorde. Inte halvvägs ner, inte någonstans däremellan, utan bara sänkte saker och ting. Detta är magin med vaccinet som förklaras av magin i matematiska modeller skrivna av utköpta forskare som arbetar för utköpta politiker. Så det är inte sant. Vaccinet räddade inte liv.

(09:50):

Faktiskt, och jag ska visa Rumänien. Jag hoppar över några bilder. Det här är Kanada igen. Men istället för att visa obearbetad dödlighet av alla orsaker, har vi korrigerat dödligheten för att bara visa överskottet av dödlighet och därför har du en platt baslinje fram till pandemin och sedan kan du se överskotten som inträffar vid olika tidpunkter beroende på vad regeringen gjorde. Och återigen, kurvan över förutspådda räddade liv.

Nu kan vi göra detta i USA. USA var ett land som har många fler utsatta människor, hälsomässigt än Kanada och behandlade dem väldigt aggressivt. Så baslinjen, om du vill, överskjutande dödlighet av alla orsaker i blått har enorma egenskaper som du inte ser i Kanada. Och det här är ett väldigt konstigt virus som vi har att göra med här eftersom det har ett pass. Det vägrade att passera från USA till Kanada, trots att det är tusentals kilometer från de två största utbytespartnerna på kontinenten.

(11:01):

Vaccinet gick inte över gränserna. Det gick inte in i Tyskland från början. När vi ritar kartor över intensiteten av överdödlighet ser vi att vaccinet har bestämda pass beroende på jurisdiktion. Detta var med andra ord inte en spridande virussjukdom i luftvägarna. Vår slutsats från att studera all dödlighet av alla orsaker, jag ska berätta vår slutsats innan vi kommer dit, är att det finns data, dessa hårda data motsäger tanken att det fanns en särskilt virulent patogen som kom till planeten och som spred sig och det orsakade förödelse i sig.

Vad vi istället ser är att överallt där det finns överdödlighet kan man förstå det i termer av de otroliga aggressiva behandlingarna som gjordes och vaccinerna, som vi kan kvantifiera. Jag gav dig slutsatsen i förväg, jag hoppar framåt lite, men det spelar ingen roll. Så här ser Europa ut, över hela Europa eller de länder som vi kunde ta med här. Det ser ganska likt ut som USA, situationen i USA.

(12:06):

Låt mig nu visa er Rumänien. I Rumänien finns det ingen överdödlighet i början direkt efter att pandemin tillkännagivits, det är bara ett inslag i hotspots i de västeuropeiska länderna. Men sedan är det en massiv överskottstopp som startar. Vi kommer att prata om det lite mer eftersom vi inte... Jag börjar förstå det när jag pratar med människor som vet mer om Rumänien. Och så rullas vaccinerna ut. Och jag vet att rumäner kanske inte vaccinerade sig lika mycket som andra, men ändå är påståendet i denna teoretiska artikel att överdödligheten skulle ha varit den röda linjen om det inte hade funnits vaccinerna.

Men det jag ser när jag tittar på det mönstret är att det finns en topp precis när du börjar rulla ut vaccinerna, sedan kommer det en riktigt stor topp när du rullar ut dem igen och sedan ser du den sista toppen där är direkt kopplad till boostern. doser som vi får. Så jag ska titta på det i detalj i slutet av talet när jag pratar om Rumänien.

(13:11):

Så när vi kommer tillbaka till dödligheten av alla orsaker, inte till den här teoretiska redline-grejen av vad teoretiker berättar för oss, utan när vi kommer tillbaka till de hårda uppgifterna, så här ser det ut i USA. Så på botten har du dödlighet av alla orsaker per månad. Du har den vertikala linjen i varje graf som visar meddelandet om pandemin. Och mystiskt nog, vid tillkännagivandet av pandemin, finns det hotspots synkront på samma gång i hotspots runt om i världen där det finns denna enorma initiala topp av dödlighet. Jag var den första som skrev en artikel om det och påpekade att virus normalt sett inte följer politiska direktiv och det gör de inte, så det måste vara något annat. Och det finns inga bevis för att det var spridning i denna funktion.

(13:58):

Det sker synkront på hela norra halvklotet till exempel. Och det finns inga bevis för att det sedan spred sig. Det var lokaliserat, det stannade där och det berodde mest på extremt aggressiva medicinska behandlingar eftersom de medicinska teamen fick höra att de propaganderades för att det var den här hemska virulenta saken som bara skulle komma över oss. Och nu har vi precis meddelat att det är en pandemi. Så de hade tillstånd att prova all hjälp de kunde ge och ibland skrev de ut för mycket. De intuberar människor med mekaniska andningsskydd, en hemsk sak att göra.

Och de platser som gjorde detta mest aggressivt, dessa behandlingar, och vi kan följa det i våra data, hade de största topparna av denna typ. Norra Italien, till och med Stockholm skyddade särskilt de äldre, och de hade en sådan topp. Och New York City är uppenbarligen välkänt. Så detta är främst New York City-toppen som du ser i USA-data här. Sedan är kurvan i mitten återigen dödlighet av alla orsaker, men nu i veckan, en finare tidsupplösning. Så du kan se mer av detaljerna. Och kurvan på toppen är en blowup av det.

(15:12):

Och det du ser för första gången i nedtecknad historia i USA och dödlighetshistorien är toppar som inträffar på midsommar i USA. Oerhörd. Och så jag satte svarta prickar där för att visa dem. Den första inträffar vid en tidpunkt då de verkligen var aggressiva fattiga människor som bor i de mycket varma sydstaterna. Och den integrerade dödligheten för det korrelerar med fattigdom. Om du var fattig dog du vid den tiden. Om du inte var det, dog du inte. Och sedan bråkade de mot vaccinerna.

Och sommartoppen du får när du rullar ut vaccinet där kommer från vad de kallade vaccine equity, vilket innebar att de anställde tusentals människor i USA för att gå och vaccinera alla som inte hade vaccinerats ännu, som gjorde motstånd eller som var långt borta. borta på ett vårdhem. Och de gick aggressivt och vaccinerade alla dessa människor. Det finansierades av Gates och alla dessa människor och de producerade den där enorma dödlighetstoppen i USA där. Så det är så den amerikanska dödligheten under den senaste tidens Covid ser ut.

(16:19):

Om du tittar på nu dödligheten i USA efter åldersgrupp kan du se åldersgrupperna där, noll till 24 år, 25 till 44 och så vidare, innan de vaccinerar, procenten ökar överdödligheten uttryckt i procent av baslinjen dödligheten för åldersgruppen, ser ut så överst. Och under vaccinationsperioden förändras dödlighetens åldersstruktur dramatiskt och skiftar mot yngre individer. Det betyder inte att de äldre kvantitativt inte dör.

De flesta av dödsfallen är hos äldre som man kan förvänta sig, men detta uttrycks som en procentandel av baslinjen. Så i dessa termer övergår det till yngre människor. Och i USA korrelerar den totala överdödligheten under covid-perioden som helhet perfekt med fattigdomen i staten för de 50 staterna i USA. Du kommer aldrig att se detta inom samhällsvetenskap, en så stark korrelation. Det är väldigt sällsynt.

(17:20):

Och det är inte bara en stark korrelation, vi kallar det... Det kallas tekniskt sett en mycket bra korrelation när det är värdet på korrelationskoefficienten. Och det går igenom ursprunget, vilket betyder att det inte bara är en korrelation, det är en proportionalitet. Ju fler fattiga du hade i staten, desto fler människor dog i den staten. Direkt proportionerlig. Så det här säger dig... Det är en annan sak som virus inte gör. De väljer inte att bara döda fattiga människor. Det händer inte. Det är inte en signatur på en virusinfektion. Så vår modell av vad som har pågått för att orsaka dödlighet i de allra flesta jurisdiktioner som vi såg är följande modell.

Vi betonar litteraturen... Tja, först och främst är det vad regeringar gjorde. Den socioekonomiska påverkan. Många människor förlorade sina jobb, förlorade sina sociala kontakter, förlorade sin vanliga verksamhet, förlorade sin position i samhället. Så otrolig stress relaterad till det. Det fanns reglerande regler av alla de slag. Det fanns institutionell press på människor. Det fanns alla typer av förhållanden som du känner till.

(18:30):

Och i vissa länder var det mycket mer våldsamt än andra. I Peru anställde de 10,000 10,000... De kallade in XNUMX XNUMX militära reservister direkt för att gå och hitta alla människor som kunde hittas som skulle testa positivt för Covid och de skulle extrahera dem från sina familjer oavsett hur gamla de var och isolera dem. Och det finns en enorm dödlighetstopp i Peru som ett resultat av denna praxis. Så det var aggression. Det orsakade psykisk stress och social isolering. Och vetenskapligt är det känt att det sänker immunsystemet dramatiskt. Detta är mycket väl etablerat. Det är ett helt vetenskapsområde att studera detta förhållande till stress.

Och så därför har du den minskningen av immunförsvaret, och så du är mer sårbar för alla typer av infektioner. Och när du i en stor befolkning har nedsatt immunitet, är ett av de organ som är mest mottagliga för att omedelbart infekteras lungorna, eftersom du redan har ett helt ekosystem av bakterier och allt i din egen mun och i dina luftvägar, och många av de kan bli ganska farliga för dina lungor. Så du får bakteriell lunginflammation.

(19:45):

Och min tid är ute och jag kom inte ens till vaccinerna eller Rumänien. Så jag ska bara visa dig Rumäniens uppgifter. Okej. Så återigen, det här är år av arbete, mer än 30 vetenskapliga rapporter om vetenskap relaterad till Covid som du kunde hitta på mina olika webbplatser, på våra webbplatser och den jag gav. Och så om vi tittar på, det här är hur vi bevisar att vaccinerna faktiskt orsakade döden, är att varje gång du rullade ut en dos, fick du omedelbart efter en överdödlighet. Så detta är fallet med Israel. Så doser ett och två, sedan den första boostern, den andra boostern och så vidare. Och du kan göra det efter åldersgrupp som vi gör det här. Man börjar med de mest äldre och man går ner efter ålder.

(20:32):

Och vad du hittar är att efter ålder, vaccinets toxicitet, eftersom vi förstår att vaccinet är ett giftigt ämne som varje person kommer att reagera på olika, precis som i toxikologi, att om du ger fler doser, är det farligare eftersom det är skador från de första doserna. Alla toxikologiska principer följs här förutom det höga åldersberoendet. Så vad vi fann är att det finns en exponentiell ökning av vaccinets toxicitet per dos. Och fördubblingstiden efter ålder är fyra eller fem års ålder. Så din risk att dö per injektion fördubblas vart fjärde eller femte år.

(21:14):

I Israel, till exempel, om du är 80+ år, har du nästan 1 procents dödsrisk när du blir smittad och den är högre i andra länder. Så vi tittade på Peru, du kan se den enorma toppen där i Peru på grund av att militären kommer in. Här är det här åldersgruppen 90+. Du kan se doserna rullas ut. Den i färg är den fjärde dosen, topparna som är förknippade med den. Och så följer vi det som funktion av ålder hela vägen ner. Vi har mycket bra data.

(21:49):

Och sedan gör vi en graf över vad som hände i Peru, och vi kan göra samma sak för Chile. Och vi ser att dessa fyra i båda dessa länder gav den exponentiella ökningen, alltid samma fördubblingstid, fyra eller fem år. Och du drabbas av ett dödsfall per 20 injektioner här hos 90+-åringar. Så det var de äldre som mestadels dödades av vaccinerna när det gäller dödlighet av alla orsaker. Naturligtvis led de unga döden och alla möjliga hemska biverkningar och så vidare. Men när det gäller dödlighet är de stora grupperna som dog och som bidrog till överdödligheten äldre.

(22:28):

Och så det är slutsatserna om vacciner. Så utifrån detta arbete kan vi beräkna hur många människor som skulle ha dött globalt, med tanke på att vi har studerat så många länder nu och vi finner att 17 miljoner människor dödades av vaccinerna på planeten. Det är vårt nummer. Och jag kommer att ignorera den summern för jag vill visa er Rumänien. Detta är uppgifterna för Rumänien per åldersgrupp. Detta är sambandet mellan vaccinutrullningarna i mörkblått och dessa enorma toppar i överdödlighet i Rumänien.

Det finns ingen första topp som du ser i västländerna. Det är den där med frågetecknet som vi har hypoteser om och något väldigt hemskt hände i Rumänien för att förklara det. Vi har idéer om det. Och så har du vaccindödsfallen, och den sista är boostern. Och så i Rumänien gjorde vi en preliminär analys av den boostern och den dödar, du får ett dödsfall per fem eller 10 injektioner hos 80-åringarna i Rumänien från boosterna. Det är vår slutsats, preliminära slutsats om de rumänska uppgifterna. Och det är min slutsats med talet. Och det är allt.

(23:42):

Jag kan ge dig den. Eller så var det faktiskt den sista bilden, som jag glömde visa. Men nej, det kan vara komplicerat. Jag gör inte... Åh, är den påslagen nu? Nej, nej, det går inte, tror jag. Correlation-canada.org. Den här webbplatsen, när du går till forskning, slutar forskningen, det finns peer-reviewed artiklar där, det finns vetenskapliga rapporter och det finns en del fantastiskt arbete, teoretiskt arbete också som bevisar, till exempel... Jag ska berätta detta för dig för det är för viktigt.

Du måste titta igenom dessa papper. Vi har bevisat att om man accepterar teoretisk epidemiologi som den användes av regeringar kan man visa att om man vill skydda äldre människor är det värsta man kan göra att isolera dem på vårdhem och i deras hem. Det är absolut det som kommer att maximera infektioner och dödsfall. Och vi visade att det nu är en referentbedömd uppsats, och vi visade att det var sant i allmänhet för äldre.

(25:43):

Så regeringarna har sagt att vi måste skydda de äldre genom att isolera dem och förhindra att de blir smittade. Och vi bevisade med hjälp av vanliga epidemiologiska modeller med alla möjliga parametrar att motsatsen är sant. Så regeringen har verkligen ljugit på det. De borde veta bättre. Dessa modeller har funnits i ett decennium. Så det är bara ytterligare ett exempel på det arbete vi gör. Det finns många olika saker som vi har gjort under Covid, om du vill studera den webbplatsen.

Återpublicerad från författarens understapel