Vi är i mitten av 2024, och "experterna" kommer fortfarande inte att ge upp sitt löjliga försvar av Covid-mandaten.
Vid det här laget är bevisen mot effektiviteten av Covid-policyer och så kallade "interventioner" överväldigande. Maskmandaten var ett spektakulärt misslyckande, med de mest maskerade befolkningen som ofta såg sämre resultat än städer, län eller länder med liten eller ingen maskering.
Vaccinmandat och pass var en oförmögen katastrof; Tvång skapade misstro och motstånd och kan i vissa fall ha lett till onödiga, skadliga biverkningar.
Skolnedläggningar, som vi tydligt har lärt oss, var en enorm, världsomvälvande katastrof. Och det gjordes desto mer frustrerande av det faktum att vi hade exempel över hela världen som visade att de inte behövdes.
Inget av det har hindrat dem som är engagerade i att upprätthålla fantasin om Covid-mandat från att desperat försöka validera sitt trossystem. Och den desperationen ledde bara till ett av deras mest absurda påståenden hittills.
Covid social distansering och vacciner räddade 800,000 XNUMX liv, vet du inte?
Två forskare från tidigare välrenommerade institutioner, University of Colorado, Boulder och University of California, Los Angeles, publicerade nyligen en papper hävdar att de har knäckt den fantastiska koden om hur effektiva social distansering, låsningar, maskmandat och Covid-vacciner var för att rädda liv under pandemin.
Och vad vet du? De fann att den politik de stödde var enorma, mycket framgångsrika insatser! Vem skulle någonsin ha gissat?
Enligt rubriken hävdar de att "Förmildrande beteende och vacciner sparas ≈ 800,000 XNUMX amerikanska liv."
Hur kom de fram till denna imponerande slutsats? Med modell såklart!
Mekanism: ≈ 68% av amerikanerna vaccinerade sig före den första infektionen
Första Covid-infektionen mycket mindre farlig efter vaccinationBaksidan av kuvertet uppskattning av räddade liv
Fullständig strukturell modell av epidemi med beteende och vacciner
Det här är vad vi har att göra med här; en modell baserad på en "back-of-the-envelope" uppskattning av räddade liv, med deras uppskattade utbildade gissningar om hur många amerikaner som vaccinerades innan de blev smittade.
Tja, gissningar kanske inte stämmer ... att helt gissa är mer som det. Enligt deras metodik använde de serologiska data om tidpunkten för infektioner och vaccinationer, men naturligtvis, utan direkta kopplingar mellan individer som var infekterade och de som vaccinerades, finns det lite vi kan lära oss av befolkningsomfattande serologidata.
För att inte nämna att för att skapa sin modell om fördelarna med vaccination, undersökte de data från bara 30 stater om "COVID-19-dödsfall efter vaccinationsstatus."
Serologiska data om tidpunkten för infektioner och vaccinationer
30 stater: Covid-19-dödsdata efter vaccinationsstatus
Men som alla med ens överflödiga kunskaper om Covid-data vet, är denna typ av data hopplöst korrumperad.
Tack vare folkhälsoexperter och deras allierade läkemedelsföretag, räknar de flesta jurisdiktioner endast individer som vaccinerade från och med 14 dagar efter deras 2:a dos. De med bara en dos ses effektivt som "ovaccinerade" för datainsamlingsändamål. Denna typ av räkning snedvrider tillförlitligheten av dödsfall efter vaccinationsstatus, liksom det faktum att det gjordes berg av misstag av folkhälsoadministratörer och jurisdiktioner när det gäller datainsamling under hela pandemin.
Men särskilt när det gäller dödsfall efter vaccinationsstatus. För att inte tala om att den förmodade effekten av Covid-vacciner är mycket beroende av när data mättes. Till och med CDC:s egna data i slutet av 2023 erkände effektivt att den ursprungliga vaccinationsserien hade avtagit för att nå noll effektivitet.
Oavsett vilket bevisas den dåliga metodiken som används för att skapa denna modell av ett av deras första exempel på att mäta kombinerad och infektionsseroprevalens.
De blå prickarna på det här fotot representerar "kumulativ procentandel infekterade plus vaccinerade utan infektion" medan de röda och gula är "ackumulerade procent någonsin infekterade."
För det första är dessa siffror beroende av seroprevalensuppskattningar, som även om de är användbara knappast är definitiva. För det andra ignorerar forskarna tydligen att andelen infekterade skjuter i höjden med början i slutet av december 2020 och accelererar avsevärt efter att vaccinerna introducerades.
De föreslår också att beteendeförändringar var ansvariga för att rädda nästan 800,000 XNUMX liv eftersom de försenade infektioner till efter vaccination.
Detta är dock nonsens.
Diagrammen nedan använder den blå linjen som uppskattning av vad som skulle ha resulterat om beteendet hade förblivit detsamma, utan vaccination. Den röda linjen är själva pandemins förlopp.
Men dessa diagram antar som givet att beteendet var ansvarigt för att sänka kurvan för dödsfall 2020 och början av 2021, använd sedan ett felaktigt antagande om vaccinets effektivitet baserat på korrupta data från 30 stater för att antyda att det fanns hundratusentals liv som räddades.
Deras modell bygger på att deras antaganden är korrekta när vi vet att de inte är det. Hur vet vi? Eftersom stater och länder som inte hade liknande beteendeförändringar ofta hade bättre resultat.
De ignorerar detta faktum för att skapa modellen. Bokstavligen.
"Beteendereaktioner hade mycket gemensamt i amerikanska stater", säger de. Men vi vet att det inte är sant. Människor som bor i Kalifornien, särskilt 2021 och 2022, hade mycket annorlunda upplevelser än de som bodde i Florida eller Iowa. Maskmandat och vaccinpass fortsatte i Kalifornien och New York djupt in i 2022, medan Florida förbjöd vaccinpass och hade praktiskt taget ingen maskering i början av mitten av 2021.
De hävdar att beteendeförändringar var ansvariga för att "fördröja dödsfall", men det finns inga bevis för att det är sant eftersom olika områden med olika svar ofta hade liknande resultat.
På något sätt hävdar de också att människor "skulle ha blivit smittade utan skydd av vacciner", en meningslös fantasi med tanke på att vi vet att vaccinerna ger noll skydd mot infektion.
Så de krediterar både beteende med att minska infektioner och fördröja dödsfall, baserat på ingenting, men också tillskriva vaccin för att minska infektioner, och därmed dödsfall. Också baserat på ingenting.
Deras antaganden bevisar deras resultat, ett klassiskt misslyckande med modellering.
Den ignorerar också vikten av mer överförbara, mindre virulenta varianter. Omicron resulterade i en explosion av infektioner, dock med lägre dödlighet. Testningen exploderade också 2021 och 2022, vilket innebär att fler personer kunde testa positivt och därmed räknas som "covid-dödsfall" utan att det var den bakomliggande orsaken.
Detta tar naturligtvis inte heller hänsyn till de skador som dessa policyer orsakade; de ökade dödsfallen från låsningar, förtvivlan och missbruk och missbruk. Skadorna från ökad fetma och inlärningsförlust eller fysisk misshandel som barn inte längre går i skolan.
Denna modell är en fars; ett politiskt motiverat verktyg för media att använda för att rättfärdiga deras förespråkande och aktivismen hos människor som Fauci och organisationer som CDC. "Covid-vacciner och maskering och beteende räddade liv, eftersom vi antog att de gjorde det," skulle vara en korrekt rubrik för forskningsartikeln.
Även om alla bevis tyder på en mycket mer komplicerad bild.
Man skulle kunna tro att dessa ansträngningar skulle ha avslutats vid det här laget, med tanke på att vi har nått mitten av maj 2024. Men så länge det finns forskare som är engagerade i att upprätthålla sina ideologiska fördomar, kommer vi att fortsätta att se dåligt motiverade, vilseledande publikationer.
Och boy oh boy finns det forskare som är engagerade i att upprätthålla sina ideologiska fördomar, nästan som om de återigen skulle införa mandaten för sin nästa pandemi.
Återpublicerad från författarens understapel
Gå med i konversationen:
Publicerad under a Creative Commons Erkännande 4.0 Internationell licens
För omtryck, vänligen ställ tillbaka den kanoniska länken till originalet Brownstone Institute Artikel och författare.
