Expert evaluation on adverse effects of the Pfizer-COVID-19 vaccination / Ekspertyza dotycząca negatywnych skutków szczepienia Pfizer-COVID-19

Ekspertyza dotycząca negatywnych skutków szczepienia Pfizer-COVID-19

Expert evaluation on adverse effects of the Pfizer-COVID-19 vaccination

08V2021 version 3

Expert evaluation on adverse effects of the Pfizer-COVID-19 vaccination

Institute of Microstructure Technology, Karlsruhe Institute of Technology (KIT)

Hermann-von-Helmholtz-Platz 1, 76344, Eggenstein-Leopoldshafen, Germany; podarcissicula  @  gmail.com

I, Hervé Seligmann, am writing this evaluation at the request of several people all over the world, for submission to any Court worldwide.

I am a biomedical researcher of Israeli and Luxemburgish nationality, with over 100 peer-reviewed international publications.

My proven record includes detecting in widely known and publicized data phenomena that escaped previous examinations. This includes the descriptions of two previously unknown types of RNA transcriptions, and of unsuspected structures in the genetic code that link gene and protein structures. I worked 5 years with Professor Didier Raoult at the Institut Hospitalo-Universitaire in Marseille, a first rank microbiology institute in the study of infectious diseases. I am an independent researcher with no conflicts of interest.

This evaluation summarizes several articles written with Haim Yativ and published on the nakim.org website and presented in our petition to the Israel Supreme Court.

Ekspertyza dotycząca negatywnych skutków szczepienia Pfizer-COVID-19

Ekspertyza dotycząca negatywnych skutków szczepienia Pfizer-COVID-19

 

08V2021 wersja 3

Ekspertyza dotycząca negatywnych skutków szczepienia Pfizer-COVID-19

Instytut Technologii Mikrostruktury, Instytut Technologii w Karlsruhe (KIT)

Hermann-von-Helmholtz-Platz 1, 76344, Eggenstein-Leopoldshafen, Niemcy; podarcissicula @ gmail.com

 

Ja, Hervé Seligmann, piszę tę ocenę na prośbę kilku osób na całym świecie w celu przedłożenia jej w dowolnym sądzie na całym świecie.

Jestem badaczem biomedycznym narodowości izraelskiej i luksemburskiej, posiadam ponad 100 recenzowanych publikacji międzynarodowych.

Mój udokumentowany dorobek obejmuje wykrywanie w powszechnie znanych i publikowanych danych zjawisk, które wymknęły się wcześniejszym badaniom. Obejmuje to opisy dwóch wcześniej nieznanych typów transkrypcji RNA oraz nieoczekiwanych struktur w kodzie genetycznym, które łączą struktury genów i białek. Pracowałem 5 lat z profesorem Didierem Raoultem na Institut Hospitalo-Universitaire w Marsylii, instytut mikrobiologii pierwszego stopnia zajmujący się badaniem chorób zakaźnych. Jestem niezależnym badaczem bez konfliktu interesów.

Ta ocena podsumowuje kilka artykułów napisanych z Haimem Yativem i opublikowanych na stronie nakim.org i przedstawionych w naszej petycji do izraelskiego Sądu Najwyższego.

Przegląd

Każde leczenie należy ocenić w oparciu o analizę kosztów i korzyści. Żadne leczenie nie jest pozbawione ryzyka. Z tego względu musi być dostępna przejrzysta dostępność danych podzielonych na grupy ryzyka, dotyczących potencjalnych skutków szczepienia, w porównaniu z odpowiednimi grupami niezaszczepionymi. Powinny one zostać przeanalizowane przez specjalistów wolnych od podejrzeń o konflikt interesów. Publikację i bezstronną dyskusję na temat ich wyników należy ułatwiać, a nie utrudniać. Poniżej opisuję kilka potencjalnych negatywnych skutków szczepionek, w tym udokumentowany 3- i 20-krotny wzrost wskaźnika zakażeń i śmiertelności związany ze szczepieniem. Podają one poważne wątpliwości co do pozytywnych wyników wspomnianej wyżej analizy kosztów i korzyści, która wydaje się nieobecna w dyskursie publicznym. Dalsze analizy pokazują, że dla osób w wieku 20-90 lat wzrost śmiertelności związanej ze szczepieniami jest odwrotnie proporcjonalny do wieku, do 60% dla osób w wieku 20-24 lata. Ekstrapolując te wyniki dla osób w wieku poniżej 20 lat przewiduje się, że śmiertelność wzrośnie powyżej 100% w przypadku osób w wieku poniżej 5 lat. 

 

Konieczne jest uwzględnienie niekorzystnych skutków szczepionek w okresie szczepień. Większość publikacji na temat szczepień COVID19 w Izraelu odnosi się tylko do okresu po pełnym szczepieniu. Jest to mylące i równoznaczne z informowaniem pacjentów z rakiem o ich przeżywalności dopiero po udanym leczeniu. Standardowe szacunki powodzenia leczenia obejmują ryzyko podczas leczenia, co często jest okresem zwiększonego ryzyka, jak zasugerowano poniżej.

  Poniżej przedstawiamy szczegółowo analizę kosztów i korzyści skoncentrowaną na zgonach spowodowanych przez COVID19 związanych ze szczepieniami, ale nie uwzględniających zgonów niezwiązanych z COVID19, związanych ze szczepieniami w dwóch zestawach danych opublikowanych przez Ministerstwo Zdrowia Izraela 11 lutego w Ynet i 11 marca w dniu correctiv.org. Z tych ponownych analiz wynika, że ​​zgony występujące podczas 5-tygodniowego okresu szczepień i pierwszych tygodni po pełnym szczepieniu wymagałyby pełnej ochrony szczepionki przeciwko COVID19 w okresie po szczepieniu wynoszącym około 674,31 dnia (1,85 roku lub 22,2 miesiąca) w przypadku danych Ynet i 829,83 dni. (2,27 roku lub 27,3 miesiąca) na dane z correctiv.org w celu zrekompensowania nadmiernej liczby zgonów z powodu COVID19 występujących w trakcie i tuż po szczepieniu. Zakłada to pełną ochronę szczepionkową, co jest nierealne i nie uwzględnia skutków ubocznych niezwiązanych z COVID19. 

Stąd można oszacować, że aby szczepionka przyniosła rzeczywiste korzyści ratujące życie, skuteczna ochrona powinna trwać co najmniej 2,5 (dane Ynet z 11 lutego) lub 3 (dane correctiv.org z 11 marca). Różnice między zestawami danych wynikają z tego, że rozmiary próbek są znacznie większe, a dane dotyczące skutków szczepionek obejmują dłuższy okres czasu po pełnym szczepieniu w drugim przypadku niż w pierwszym. Stąd najprawdopodobniej dłuższy, najmniej optymistyczny szacunek. Z tego powodu analizy kosztów i korzyści szczepień faworyzują szczepienia tylko przeciwko organizmom o stabilnych genomach, co oznacza niskie wskaźniki mutacji. Genomy RNA są najbardziej mutowalnymi ze znanych.

A priori izraelskie szczepienie oparte na RNA wiąże się z kilkoma potencjalnymi zagrożeniami. Szczepienie działa profilaktycznie. Szczepienie osób narażonych na pandemię ma kilka negatywnych konsekwencji. 

1. Procesy szczepienia zwykle wiążą się z przejściowym osłabieniem układu odpornościowego przed uzyskaniem odporności wywołanej szczepionką. W związku z tym szczepieni są wrażliwi podczas procesu szczepienia i są bardziej narażeni na rozwój chorób, przed którymi układ odpornościowy zwykle chroni organizm. Obejmuje to wszelkie infekcje wirusowe i bakteryjne oraz pojedyncze komórki rakowe, które uniknęłyby eksterminacji przez układ odpornościowy w tym osłabionym okresie wywołanym szczepieniem. Może to spowodować raka w perspektywie średnio- lub długoterminowej. 

2. W perspektywie długoterminowej przeciwciała indukowane przez szczepionkę RNA spowodują reakcje autoimmunologiczne na komórki wytwarzające białko wirusowe kodowane przez RNA szczepionki oraz na komórki z naturalnymi białkami ludzkimi przypominającymi białko wirusa kodowane przez RNA szczepionki. 

3. Masowe szczepienia mogą spowodować wyselekcjonowanie odpornych na szczepionki wariantów wirusów z prawdopodobnymi katastrofalnymi skutkami, zwłaszcza u zaszczepionych.   

4. RNA ze szczepionki w niektórych przypadkach zintegruje chromosomy szczepionych, z potencjalnie szkodliwymi konsekwencjami trudnymi do oceny na tym etapie. Wszelkie twierdzenia przeciwne są mylące i błędnie poinformowane. Ludzkie chromosomy zintegrowały genomy retrowirusów, które obejmują geny odwrotnej transkryptazy RNA-> DNA. To był temat nagrody Nobla w dziedzinie fizjologii w 1976 roku i nie mógł być ignorowany przez kompetentnych specjalistów.

Ponowna analiza dwóch oddzielnych zbiorów danych, jednej opublikowanej przez Ministerstwo Zdrowia Izraela (Tabela 1), a drugiej przeprowadzonej przez zespół Dana Balicera z Clalit (nasza ponowna analiza danych z Dagan i wsp. tygodniowy proces szczepień w porównaniu z osobami niezaszczepionymi. Ośmiu na dziesięciu autorów Dagan i wsp. Ujawnia otrzymywanie funduszy na inne projekty od firmy Pfizer. Pfizer jest także głównym fundatorem izraelskiego Ministerstwa Zdrowia. W związku z tym nie są to bezstronne, neutralne i niezależne organy, co jest wymagane w przypadku wszelkich badań, a zwłaszcza badań o tak istotnych konsekwencjach.

Wstępna ocena kosztów i korzyści szczepienia COVID19

Tabele 1 i 2 pokazują, że współczynniki zgonów dla każdego okresu w trakcie i po zakończeniu procesu szczepienia są większe niż dla osób niezaszczepionych, zgodnie z definicją osób, które nie otrzymały jeszcze żadnej dawki szczepionki, oraz biorąc pod uwagę różnice w wielkości próbek i czasie trwania różnych statusy szczepień. Efekt ten może być zakłócony przez różnice wiekowe w różnych grupach. Aby odpowiedzieć na to i inne pytania, wymagana jest przejrzystość, czyli dodatkowe dane w odniesieniu do wieku i klas ryzyka. Tabela 1 to dane Ministerstwa Zdrowia opublikowane w artykule Ynet opublikowanym 11 lutego. Tabela 2 dotyczy danych opublikowanych 11 marca.

Przedstawiamy tutaj szczegółowo analizy kosztów dotyczące zgonów spowodowanych przez szczepienia COVID19 zgodnie z tabelą 1. W przypadku osób powyżej 60. roku życia w ciągu pierwszych 14 dni po podaniu pierwszej dawki zgony są 14,6 razy częstsze dziennie niż w przypadku osób niezaszczepionych.Oznacza to, że aby zrekompensować te nadmierne zgony, 14,6 x 14 dni = 204,4 dni bezwzględnej ochrony przed COVID19 jest konieczne, aby uzyskać korzyści netto w wysokości 0 dla tego pierwszego okresu po wstrzyknięciu pierwszej dawki. Podobne obliczenia pokazują, że przez trzeci tydzień po pierwszym wstrzyknięciu wyrównanie zwiększonej liczby zgonów w porównaniu z osobami niezaszczepionymi wymagałoby dodatkowych 24,23x7 dni = 169,61 dni pełnej ochrony szczepionki przed COVID19. Pierwszy tydzień po drugiej iniekcji wymaga 26,85x7 dni = 187,95 dni pełnej ochrony szczepionki przeciwko COVID19 w celu zrekompensowania nadmiernej liczby zgonów spowodowanych COVID19 w tym okresie. Drugi tydzień po wstrzyknięciu drugiej dawki wymaga 18,38x7 dni = 128,66 dni pełnej ochrony szczepionki. W sumie rekompensata, aby osiągnąć 0 kosztów i korzyści, wymaga 690. 62 pełna ochrona szczepionkowa przed COVID19 dla osób starszych. Należy pamiętać, że nie obejmuje to zgonów wywołanych przez szczepienia niezwiązanych z COVID19, a ochrona szczepionkowa nie jest absolutna. 

 

 Tabela 1. Stan COVID-19 według statusu szczepień i według dwóch klas wiekowych, stan na 11 lutego. Nasze uzupełnienia są wyróżnione. Współczynniki śmiertelności na dzień niezaszczepionych szacuje się na 303 dni od 1 marca do 20 grudnia przed szczepieniem (dane z worldometer: 374760 wszystkich przypadków, 3099 zgonów). Odsetki przypadków i zgonów dla dwóch klas wiekowych (poniżej i powyżej 60 lat) obliczono na podstawie danych ze stratyfikacją wiekową opublikowanych przez firmę Clalit od początku pandemii do 22 marca 2021 r. (Uzupełniające tabele 1 i 2), https: / /www.clalit.co.il/he/your_health/family/Pages/corona_in_israel.aspx (osoby powyżej 60. roku życia stanowią 11,049% wszystkich przypadków COVID19 i 91,62% wszystkich zgonów z powodu COVID19). 

Te same obliczenia dla osób w wieku poniżej 60 lat skutkują minimalnym okresem wyrównawczym wynoszącym 94x7 dni = 658 dni pełnej ochrony szczepionki przed COVID19. Łącząc średnio obie klasy wiekowe, aby nie stracić więcej żyć niż zyskać życie w wyniku szczepienia, ochronne działanie szczepionki, bez kosztów związanych z trójwymiarowymi i większą liczbą zastrzyków, musiałoby być bezwzględne i bez innych szczepionek ale zgony niezwiązane z COVID19 przez okres co najmniej 658 dni. Można by zacząć czerpać korzyści ze szczepień dopiero po nierealistycznie długim okresie co najmniej 658 dni, podczas którego wirus RNA byłby na tyle stabilny, że ochrona szczepionki nie zmniejszyłaby się. Wszystkie te nierealistyczne warunki sugerują, że szczepienie Pfizer nie przyniesie korzyści zaszczepionej populacji.

Szczegółowo przedstawiamy tutaj analizę kosztów i korzyści na podstawie danych z Tabeli 2. Jest to ta sama metoda, która została zastosowana w Tabeli 1. W ciągu 21 dni pomiędzy dwoma wstrzyknięciami, codzienne śmiertelność zaszczepionych COVID19 jest 11,65 razy większa niż w przypadku niezaszczepione, wymagające 11,65x21 = 244,65 dni pełnej ochrony poszczepiennej przeciwko COVID19 w celu skompensowania nadmiernej liczby zgonów występujących w związku z pierwszą dawką. Odszkodowanie stosowane w pierwszych 7 dniach po drugiej iniekcji wynosi 14,82x7 dni = 195,44 dni. W odniesieniu do dłuższego, 26-dniowego okresu po pierwszym tygodniu po drugiej iniekcji, uzasadnienie to pokazuje, że rekompensata wymaga 14,99x26 dni = 389,74 dni.

 

 

Tabela 2. Tabela z https://correctiv.org/faktencheck/2021/03/11/covid-19-in-israel-nein-die-impfung-erzeugt-keine-40-mal-hoehere-sterblichkeit/. Dane Ministerstwa Zdrowia pokazują przypadki COVID-19 w okresie od 20 grudnia do 10 marca. Przetłumaczone z hebrajskiego na angielski. Nasze dodatki są wyróżnione. Wszystkie wzrosty śmiertelności są statystycznie istotne przy P <0,0001.

W związku z tym rekompensata za nadmierną liczbę zgonów związanych ze szczepieniami występujących w okresie objętym tabelą 2 wymagałaby 829,83 dni całkowitej ochrony szczepionki przed COVID19, nie licząc dodatkowych zgonów związanych ze szczepieniami niezwiązanymi z COVID19 i pomijając fakt, że ochrona szczepionkowa nie jest absolutna. Oznacza to, że aby uzyskać korzyści ratujące życie ze szczepienia Pfizer, potrzeba ponad 27,28 miesięcy stabilnej, doskonałej ochrony szczepionki przed mutowalnym koronawirusem RNA. Jest to nierealne i oznacza, że ​​będą tylko koszty, a nie korzyści z tego masowego projektu szczepień dla zaszczepionej populacji.

Ekstrapolacja zwiększonego ryzyka związanego ze szczepieniami dla młodszych, ale niezaszczepionych grup wiekowych

Obecnie nie są dostępne żadne dane dotyczące dzieci w wieku poniżej 15 lat. Jednak najbardziej prawdopodobnej ogólnej reakcji na szczepionki można się spodziewać w następujący sposób. Im silniejszy układ odpornościowy, tym mniej prawdopodobne jest wystąpienie objawów wywołanych przez COVID19. Dlatego osoby starsze są bardziej dotknięte chorobą niż młodzi dorośli, mężczyźni bardziej niż kobiety i osoby z wcześniejszymi schorzeniami, w tym otyłymi, niż osoby sprawne fizycznie. Działania niepożądane szczepionek mają tendencję do zachowywania się w odwrotny sposób. Są proporcjonalne do siły układu odpornościowego, ponieważ wiele działań niepożądanych związanych ze szczepionkami to nadmierne reakcje układu odpornościowego. Są one bardziej powszechne u młodszych dorosłych i kobiet, co jest odwrotnym obrazem demograficznym niż w przypadku COVID19.

Punkt ten można odnieść również do osób bardzo młodych, co pokazuje szczegółowa analiza śmiertelności jako funkcja wieku po zebraniu danych VAERS ze wszystkich szczepionek w latach 1990–2020, ryc. 1A. Śmiertelność z powodu niekorzystnych skutków szczepionek jest większa u osób bardzo młodych niż u osób starszych, nawet w przypadku tradycyjnych szczepionek.

Potwierdza to szczegółowe badanie śmiertelności w wieku od 1 do 75 lat, mając na uwadze, że śmiertelność wywołana szczepieniami rośnie dalej w wieku poniżej 1 roku. Rysunek 1B pokazuje, że śmiertelność wywołana szczepieniami jest najniższa u osób w wieku 33 lat i mniej lub bardziej stopniowo rośnie od tego wieku do młodszego i starszego wieku. Profil śmiertelności wywołanej szczepieniami w funkcji wieku jest z grubsza podobny w przypadku szczepionek COVID19, jak w przypadku innych szczepionek w wieku powyżej 30 lat, z systematycznie większą śmiertelnością w każdym wieku w przypadku szczepionek COVID19 niż w przypadku innych szczepionek, Rysunek 1C. Nie ma powodu, a priori, aby ta analogia nie miała miejsca w młodszym wieku i że śmiertelność z powodu szczepionek COVID19 rośnie w młodszym wieku w porównaniu z osobami po trzydziestce, a to prawdopodobnie na pastę większą niż w przypadku innych szczepionek.

A Rysunek 1. Śmiertelność zaszczepiona jako funkcja wieku. A i B, zbiorcze dane od 1990 do 2020 r. C, styczeń 2021 pobrano luty 2021 w porównaniu z całym rokiem 2020. (Źródło: US VAERS)

Obserwacje te są zgodne z hipotezą, że działania niepożądane szczepionek zwiększają się wraz ze wzrostem siły układu odpornościowego, w tym u osób młodych i bardzo młodych. Oczekuje się tego również w przypadku szczepionek COVID19 dla młodszych grup wiekowych. Śmiertelność wywołana szczepionką COVID19 jest co najmniej dziesięciokrotnie większa niż w przypadku innych szczepionek dla wszystkich osób w wieku powyżej 20 lat, Rysunek 1C. Podobnych wskaźników oczekuje się dla młodszych grup wiekowych, przewidując jeszcze mniej tolerowalne wskaźniki śmiertelności.

 Dane VAERS zgłaszane przez samych siebie są nieobiektywne. Jednak niezależne, obiektywne dane potwierdzają przypuszczalny wzrost śmiertelności wywołanej szczepionką COVID19 u młodych ludzi.

Wiek	20-24	25-29	30-34	35-39	40-44	45-49	50-54	55-59	60-64	65-69	70-74	75-79	80-84	85-89	90+
2020	27	33	40	42	78	127	148	250	397	536	791	725	1218	1332	1700
2021	44	45	49	66	92	123	172	272	435	602	978	899	1284	1371	1770
% zmiana	63	36.4	22.5	57.1	17.9	-3,1	16.2	8.8	9.6	12.3	23.6	24	5.4	2.9	4-1

Tabela 3. Zgony w Izraelu według klas wiekowych powyżej 20 lat w okresie od 4 lutego do marca 2020 r. (Bardzo niewiele zgonów z powodu COVID19 i brak szczepień) oraz w tym samym okresie w 2021 r. (COVID19 ze szczepieniami, Covid19 był dostępny dla wszystkich w wieku powyżej 16 lat w dniu 4 lutego 2021 r.) . W obu latach ten dwumiesięczny okres obejmował blokadę. (źródło: izraelskie Centralne Biuro Statystyki)

 

Względny wzrost liczby zgonów w 2021 r. W porównaniu do 2020 r. Jest najwyższy w przypadku młodszych grup wiekowych (wykres 2). Ekstrapolując do wieku <20 lat (ryc. 2), przewiduje wzrost zgonów w wieku <20 lat, co potwierdza wysoką śmiertelność młodzieży związaną ze szczepieniami obserwowaną w danych VAERS na rycinie 1. Należy zauważyć, że są to wartości minimalne, ponieważ takie dane są często aktualizowane do 1 roku po śmierci. 

Wykres 2. Procentowy wzrost umieralności w Izraelu według grup wiekowych obejmujących 5 lat dla osób w wieku powyżej 20 lat w okresie luty-marzec 2021 w porównaniu z okresem luty-marzec 2020, dane z tabeli 3.

Można spekulować, czy względny wzrost zgonów w okresie luty-marzec 2021 r. W porównaniu z tym okresem w 2020 r. Wynika z COVID19, czy też z synergii między COVID19 a szczepieniami. Korzystamy z danych w tabelach uzupełniających S1 i S2 dotyczących przypadków i zgonów z powodu COVID19 w zależności od wieku z firmy Clalit do przewidywania zgonów spowodowanych COVID19 w zależności od wieku. Dane z tabel S1 i S2 obejmują głównie okres pandemii przed szczepieniem. Ponieważ dane te są gromadzone przez 13 miesięcy, aby porównać je ze wzrostami w okresie luty-marzec 2021 r.w porównaniu z tymi samymi miesiącami w 2020 r., Liczby zgonów związanych z wiekiem COVID19 od 2020 r. Zostały dostosowane tak, aby odpowiadały dwumiesięcznemu okresowi szczepień dla wszystkich. w 2021 r. w tabeli 5. 

Testujemy, czy te zgony związane z wiekiem COVID19 przewidują wzrost zgonów w okresie luty-marzec 2021 r. W porównaniu z rokiem 2020. Zakładamy, że wzrost zgonów jest spowodowany COVID19 lub synergią między COVID19 a szczepieniami.

Na rys. 3 przedstawiono obserwowane różnice między zgonami w okresie luty-marzec 2020 r., Odjęte od tych za 2021 r., Jako funkcję wartości przewidywanych przy zastosowaniu danych z tabel uzupełniających S1 i S2, które dotyczą głównie zgonów z powodu COVID19 w 2020 r. Te zaobserwowane i oczekiwane wartości są proporcjonalne, przy czym 93,79% zmienności w obserwowanych liczbach zgonów wyjaśniono wartościami oczekiwanymi. Oznacza to, że można wykorzystać równanie regresji metodą najmniejszych kwadratów na rysunku 3 do przewidywania nadwyżek zgonów dla klas wieku poniżej 20 lat w 2021 r. W porównaniu z 2020 r.

 

 

Wykres 3. Nadmierne zgony związane z wiekiem w lutym-marcu 2021 r. W porównaniu do 2020 r. Jako funkcja liczby zgonów spowodowanych COVID19 w zależności od wieku, oczekiwanych w ciągu 2 miesięcy na podstawie danych z całej pandemii.

Przewidywane zgony z powodu COVID19 w okresie od lutego do marca 2021 r. Na podstawie równania na wykresie 3 to 18,28 w wieku 0-9 lat i 18,15 w wieku 10-19 lat. To 23,8 i 29,5 razy więcej niż liczba zgonów spowodowanych COVID19 w zależności od wieku na podstawie danych Clalit w tym wieku. Rysunek 4 przedstawia stosunki między danymi w funkcji wieku.

Wyniki ponownie pokazują, że wskaźnik maleje wraz z wiekiem. Oznacza to, że młodsze osoby mają wyższe wskaźniki śmiertelności w okresie luty-marzec 2021 r. Niż w 2020 r., Biorąc pod uwagę współczynniki zgonów z powodu COVID19 w zależności od wieku. Tłumaczymy, że te wysokie wskaźniki wynikają z synergii szczepień przeciwko COVID19. W związku z tym szczepienia zwiększyłyby liczbę zgonów co najmniej 20-krotnie z powodu COVID19. Zgodnie z naszymi obliczeniami, główny względny wzrost liczby zgonów związanych ze szczepieniami wystąpi dla osób w wieku poniżej 40 lat. Powstrzymujemy się od wniosków dotyczących osób powyżej 50. roku życia w okresie luty-marzec 2021 r., Ponieważ większość osób w tych grupach wiekowych została zaszczepiona w okresie od grudnia 2020 r. Do stycznia 2021 r., Oraz dla których śmiertelność wzrosła we wcześniejszym okresie. 

 

Rysunek 4. Stosunek liczby zgonów obserwowanych do spodziewanych w okresie luty-marzec 2021 do 2020 roku. Wskaźnik maleje wraz z wiekiem. Wypełnione kółka to oczekiwane stosunki dla osób w wieku od 1 do 10 lat, puste kółka to obserwowane dane.

Należy pamiętać, że wyniki te zakładają, że liczby zgonów w okresie luty-marzec 2021 r. Są kompletne, a tak nie jest, ponieważ wartości te są aktualizowane nawet rok później. W związku z tym wskaźniki są prawdopodobnie bardziej ekstremalne niż pokazano. Są to prognozy, które należy uznać za minimalne, szczególnie dla młodszych grup wiekowych, prawdopodobnie bardzo niedoszacowujące rzeczywiste skutki szczepionki. Wzrost wskaźników umieralności osób w wieku poniżej 3 lat na wykresie 1 jest tak wysoki, że można oczekiwać, że faktyczny wskaźnik na wykresie 4 dla tej grupy wiekowej jest znacznie wyższy niż zakładane przez nas 23,8.

Zwiększone wskaźniki zakażeń COVID19 między 1. a 2. wstrzyknięciem

Ponownie przeanalizowaliśmy dane przedstawione w tabeli S7 opublikowanej przez zespół Dana Balicera (Dagan i wsp. 2021) w New England Journal of Medicine. Rysunek 3 przedstawia 3-krotny wzrost dziennego wskaźnika wykrywania COVID-19 w ciągu pierwszych 7 dni po wstrzyknięciu pierwszej dawki. Szybkość zmniejsza się do początkowej wartości wyjściowej i stabilizuje się na tym poziomie między 20. a 28. dniem po wstrzyknięciu pierwszej dawki. Następnie zmniejsza się poniżej tego wskaźnika, wskazując na ochronę szczepionką od 35 dnia po wstrzyknięciu pierwszej dawki, czyli 14 dni po drugiej dawce. Wykrywanie COVID-19 jest jedynym zdarzeniem niepożądanym zgłoszonym przez Dagana i wsp. Sugeruje to ogólne osłabienie układu odpornościowego w ciągu 3 tygodni pomiędzy dawkami. Rycina 3 sugeruje, że jeśli ktoś zdecyduje się na szczepienie, twarda 5-tygodniowa kwarantanna jest niezbędna, aby uniknąć narażenia na zakażenie podczas 3-tygodniowej kruchości układu odpornościowego wywołanej szczepionką, a także 2 tygodnie przed wstrzyknięciem pierwszej dawki, aby uniknąć szczepienia osób już zakażonych i uniknąć dalsze zanieczyszczenie innych osób w tym okresie. Zrównoważona ocena krótko- i długoterminowych korzyści wynikających ze szczepień wymaga skumulowania wszystkich rodzajów zdarzeń niepożądanych w trakcie i po procesie szczepienia, w porównaniu z sytuacją przed rozpoczęciem tego procesu.   

 

 

Rycina 5. Częstość występowania COVID-19 zaszczepionych codziennie w porównaniu z dniami od pierwszej dawki. Linia bazowa: zapadalność na COVID-19 w dniu 1. *: P <0,05 w porównaniu z wartością wyjściową. Dane z Dagan i wsp. N Eng J Med 2021; 10.1056 / NEJMoa2101765

Szczepienie przeciwko COVID19 napędza rozprzestrzenianie się COVID19

Zwiększone zakażenia COVID19 w ciągu pierwszych trzech tygodni po pierwszym wstrzyknięciu preparatu Pfizer (ryc. 5) przewidują na poziomie populacji pozytywne powiązania między wskaźnikami szczepień a występowaniem nowych przypadków COVID19 w tym 3-tygodniowym okresie.

Testujemy przewidywany pozytywny związek między dziennymi przypadkami a dziennymi wskaźnikami szczepień, analizując codzienne liczby przypadków od rozpoczęcia projektu szczepień 20 grudnia 2020 r., Dane z worldometer, izraelski COVID: 837 492 przypadki i 6,346 zgonów - Worldometer (worldometers.info) oraz dzienne skumulowane odsetek Izraelczyków, którzy otrzymali co najmniej jeden zastrzyk, szczepienia przeciwko koronawirusowi (COVID-19) - statystyki i badania - nasz świat w danych, oba dane uzyskano 22 kwietnia 2021 r.

Współczynniki korelacji Pearsona r obliczono między dziennymi przypadkami COVID19 w dniach 9-21 kwietnia (188, 137, 122, 225, 176, 170, 202, nieokreślony, 142, 165, 171, 139 i 135) a oknem bieżącym trwającym 13 kolejnych dni dla dziennych wzrostów odsetka zaszczepionych (tabela 4, kolumna 2).

 

Tabela 4. Współczynnik korelacji Pearsona r między codziennymi nowymi izraelskimi przypadkami COVID (9-21 kwietnia) a dziennymi wzrostami odsetka szczepień w okresie wstecznym 13 kolejnych dni, począwszy od 21 kwietnia (kolumna 2), a dla danych z Portugalii (kwiecień 11-23, kolumna 3). *: P <0,05; **: P <0,05 skorygowany o wielokrotność testu (Benjamini i Hochberg 1995), testy 2-stronne.    

Najwyższa korelacja między dziennymi przypadkami a odsetkiem zaszczepionych występuje w 8-dniowym przedziale czasowym między szczepieniami a kolejnymi nowymi przypadkami COVID19 (Rysunek 6). Negatywne powiązania między szczepieniem a przypadkami pojawiają się po upływie 17–20 dni po szczepieniu, co jest zgodne z początkiem ochrony przed szczepieniem przed drugim wstrzyknięciem. Istnieją również pozytywne skojarzenia w przedziałach czasowych 22 i 29, co może być spowodowane drugim wtryskiem.

Wśród krajów, w których ponad 20% zaszczepiono, znaleźliśmy dla Portugalii okres, w którym liczba przypadków dziennych w kwietniu jest w przybliżeniu stabilna w stosunku do czasu (23 kwietnia - 7 marca). Aby uprościć porównania z wynikami z Izraela, codziennie nowe przypadki COVID19 z 13 ostatnich dni (11-23 kwietnia, 566, 271, 408, 684, 501, 553, 649, 441, 220, 424, 610, 636 , 506) i obliczył korelacje ze szczepieniami dziennymi, przesuwając wstecz okno dla szczepień w ciągu 29 dni (Tabela 4, kolumna 3). Odsetki szczepień korelują dodatnio z numerami przypadków siedem i osiem dni później (r = 0,64, P = 0,009; ir = 0,531, P = 0,031, testy jednostronne), zgodnie z wynikami z Izraela. 

Dzienna liczba nowych przypadków COVID19 różni się w stosunku do dni powszednich, a niskie liczby w niedzielę i poniedziałek rosną w pozostałej części tygodnia w większości krajów. Spowodowałoby to dodatnie korelacje przy opóźnieniach, które są wielokrotnościami 7, co nie ma miejsca w przypadku danych w tabeli 4. 

 

 Wykres 6. Codzienne nowe przypadki COVID19 (9-21 kwietnia) jako funkcja dziennego wzrostu odsetka szczepień (1-13 kwietnia). Wartości w pobliżu punktów danych wskazują nowe numery przypadków w dniu wskazanym poniżej wartości, po których następuje data procentu szczepień z osi x.

Dane z kwietnia 2021 r. Z Izraela i Portugalii potwierdzają na poziomie populacji wzrost wskaźnika zakażeń COVID19 wywołany przez szczepionkę siedem do ośmiu dni po wstrzyknięciu i siedem do ośmiu dni po drugim wstrzyknięciu w Izraelu. W Izraelu stosowana jest tylko szczepionka Pfizer, podczas gdy Portugalia używa kilku innych szczepionek oprócz szczepionki Pfizer. 

 Spójność między analizami na ryc. 5 i 6 oraz w tabeli 4 potwierdza krótkoterminowy wzrost liczby przypadków COVID19 wywołany szczepieniami na poziomach dynamiki populacji. Wzmacnia to również podejrzenia, że ​​wzrost ten odzwierciedla uogólnione osłabienie układu odpornościowego wywołane przez szczepionkę, które prawdopodobnie nie ma negatywnych skutków innych niż COVID19. Wzrost liczby przypadków COVID19 zaobserwowano w różnych krajach wkrótce po rozpoczęciu projektów szczepień. Przedstawione tutaj obserwacje sugerują, że nie jest to zwykły zbieg okoliczności i podkreślają, że należy ponownie zbadać masowe szczepienia przeciwko COVID19. Powtórzyliśmy te analizy dla każdego stanu dla Indii (35 stanów) i USA (dane zgodne z tego typu analizą były dostępne tylko dla 40 stanów). W Indiach, 

Te różnice między regionami i krajami w opóźnieniach czasowych między szczepieniami a zwiększoną liczbą przypadków COVID19 mogą wynikać ze stosowania różnych szczepionek. Bardziej prawdopodobne jest, że może to odzwierciedlać różnice genetyczne, różne nawyki życiowe, aktywność fizyczną, pożywienie, a także odporność układu odpornościowego. Ten drugi powód może być spowodowany tym, że w Indiach wzrost liczby przypadków COVID19 po szczepieniu zajmuje 2 tygodnie.   

Rycina 7. Codzienne nowe przypadki COVID19 (12-24 kwietnia) jako funkcja codziennych szczepień pierwszą dawką (8-20 kwietnia). Dla każdego punktu danych wskazane są daty nowych numerów przypadków z osi y, po których następują daty szczepień z osi x.

Ogólne wnioski

Obydwa ciała danych (tabele 1 i 2 z Ministerstwa Zdrowia oraz dane Dagana i wsp. Na Ryc. 2) zostały początkowo przedstawione jako dowody przemawiające za szczepieniami. Jednak proste analizy tych danych wskazują na niekorzystne skutki. Potwierdzają podejrzenia, że ​​szczepienie osłabia układ odpornościowy zaszczepionych, nie tylko w trakcie szczepienia, ale nawet po pełnym szczepieniu (w Tabeli 1 osoby w pełni zaszczepione umierają 15 razy częściej niż osoby niezaszczepione). Surowe dane, na których opiera się publikacja Dagana i wsp. Firmy Clalit, są niedostępne. Dane te są potrzebne do przejrzystej, niezależnej oceny wniosków z publikacji z takimi konsekwencjami. Obecne okoliczności nie spełniają, nawet bardzo, tego podstawowego standardowego wymogu. 

Przed kontynuowaniem projektu masowych szczepień należy zbadać te niekorzystne skutki i dokładnie ocenić w porównaniu z efektami pozytywnymi. Przedstawione powyżej wyniki dotyczące zwiększonych wskaźników zakażeń wywołanych szczepieniami (3-krotnie) i śmiertelności (około 20-krotność wskaźnika zgonów z powodu COVID osób niezaszczepionych) są poważnymi powodami, by podejrzewać, że zrównoważony stosunek kosztów do korzyści nie przemawia za szczepieniem. dla każdej grupy ryzyka. 

Biorąc pod uwagę jedynie zwiększone ryzyko związane z COVID19 podczas 5-tygodniowego okresu szczepień, ochrona wywołana szczepionką musiałaby być absolutna, a nie jest, i trwać znacznie dłużej niż przewidywane 12 miesięcy do następnego wstrzyknięcia szczepionki. Uwzględnienie w obliczeniach niedostępnych dokładnych danych na temat zwiększonego ryzyka związanego ze szczepieniem, niezwiązanego z COVID19, z konieczności wydłuży okres ochrony szczepionki wymagany do zrekompensowania wszystkich zgonów związanych ze szczepieniem, prawdopodobnie ponad 2,5 roku. Nasze obliczenia dla młodszych grup wiekowych przewidują jeszcze bardziej ekstremalną i tragiczną sytuację. Od dawna wiadomo, że szczepienie przeciwko organizmom lub wirusom o wysoce mutujących genomach jest nieopłacalne. Wirusy RNA, w tym koronawirusy i HIV, mają najbardziej zmienne znane genomy.przewidywanie, że szczepienie znacznie zwiększy bardzo niskie ryzyko COVID19, na które narażona jest młodsza populacja . Ekstrapolacje dwóch niezależnych dostępnych zestawów danych potwierdzają tę prognozę.

Zasada ostrożności jest pierwszym priorytetem osób odpowiedzialnych za zdrowie publiczne i konieczne jest jej pilne zastosowanie w tym momencie, zwłaszcza gdy w grę wchodzi cała ludność kraju, w tym jego młodzież.

Ponowna ocena projektu wymaga podania danych dotyczących wieku i statusu szczepień wszystkich osób, w tym zmarłych i tych, którzy nie umarli. Taka klasyczna i przejrzysta analiza kosztów i korzyści mogłaby zapobiec katastrofalnym konsekwencjom, zwłaszcza biorąc pod uwagę, że dane zostały zebrane i opublikowane przez zespoły, które nie są całkowicie niezależne od firmy produkującej i sprzedającej szczepionkę.  Zagrożenia moralne związane ze szczepieniami porównuje się z ostatnimi 20 razy większymi zagrożeniami poniżej 20 roku życia, w porównaniu z bardzo niskim ryzykiem związanym z COVID19 w tej grupie wiekowej, co wymaga najzdrowszego układu odpornościowego.

 8-maja-21

Hervé Seligmann

Tabele uzupełniające. 

oczekiwano co najmniej 2 0 razy dla tej grupy wiekowej korzystających

Tabela S1. Liczby i wartości procentowe przypadków CO VID19 dla towarzystwa ubezpieczeń zdrowotnych Clalit od czasu rozpoczęcia pandemii klasy wiekowe, dane z lutego 2020 r. Opublikowane do 22 marca 2021 r. Od: https: // w ww.clal it.co.il/ on / twoje_zdrowie / rodzina / Strony / corona_in_israel.aspx.

Tabela S2. Liczby i procenty zdrowotne towarzystwa ubezpieczeniowego COVID19 Clalit od czasu wybuchu pandemii zgonów w klasach wiekowych luty 2020 r od: do 22 marca 2021 r. Dane opublikowane przez. https://www.clalit.co.il/he/your_health/family/Pages/corona_in_israel.aspx

 

Overview

Any medical treatment must be evaluated along a cost-benefit analysis. No treatment is risk free. It is in this respect that transparent availability of risk-group-stratified data on potential effects of vaccination, as compared to corresponding unvaccinated groups, must be available. These should be analysed by specialists free of any suspicions of conflicts of interests. The publication and unbiased discussion of their results must be facilitated, not hindered. Below I describe several potential negative vaccine effects, including vaccination-associated, documented 3- and 20-fold increases in infection and death rates, respectively. These cast serious doubts on positive outcomes of the above-mentioned cost-benefit analysis, which seems absent from public discourse. Further analyses show for ages 20-90 that increases in vaccination-associated mortality are inversely proportional to age, up to 60 % for those aged 20-24. Extrapolating these results for ages below 20 expects mortality increases beyond 100 % for those younger than 5. 

It is essential to account for adverse vaccine effects during the period of vaccination. Most publications on COVID19-vaccination in Israel only refer to the period after full vaccination. This is misleading and tantamount to only tell cancer patients their survival rates after they survived a successful treatment. Standard estimations of treatment success include risks during the treatment, which is often a period of increased risks, as suggested below.

  Below we detail a cost-benefit analysis focused on vaccine-associated COVID19 deaths, but not accounting for non-COVID19-associated, vaccination-associated deaths of two datasets released by the Israel Ministry of Health on February 11 in Ynet and on March 11 on correctiv.org. These reanalyses show that deaths occurring during the 5-week vaccination period and the first weeks after full vaccination, would require full vaccine protection against COVID19 over a postvaccination period of about 674.31 days (1.85 years or 22.2 months) for the Ynet data and 829.83 days (2.27 years or 27.3 months) for the correctiv.org data to compensate for the excess in COVID19 deaths occurring during and just after to the vaccination process. This assumes full vaccine protection, which is unrealistic, and does not account for adverse effects unrelated to COVID19. Accounting for these would lengthen the compensatory period required to reach a net cost-benefit balance of zero additional deaths due to vaccination. 

Hence, one can estimate that in order for this vaccine to bear actual life-saving benefits, effective protection should last at least 2.5 (Ynet data from February 11) or 3 (correctiv.org data from March 11) years. The differences between datasets are because sample sizes are much larger and data on vaccine effects span a longer time period after full vaccination in the latter than in the former. Hence, the longer, least optimistic estimate is the most likely. This is why vaccination cost-benefit analyses favour vaccination only against organisms with stable genomes, meaning with low mutation rates. RNA genomes are the most mutable ones known.

A priori, the Israeli RNA-based vaccination has several potential risks. Vaccination works as a prophylactic. Vaccination of individuals while they are exposed to a pandemic has several adverse consequences. 

1. Vaccination processes usually imply temporary immune system weakening, before vaccine-induced immunity is acquired. Hence, the vaccinated are fragilized during the vaccination process, and more likely to develop any diseases against which the immune system usually defends the body. This includes any viral and bacterial infections, and individual cancer cells that would escape extermination by the immune system during this vaccination-induced weakened period. This could cause cancer in the medium- or long-term. 

2. In the long-term, the antibodies induced by the RNA vaccine will cause autoimmune reactions to the cells producing the viral protein encoded by the vaccine RNA, and to cells with natural human proteins resembling the viral protein encoded by the vaccine RNA. 

3. Massive vaccination might select vaccine-resistant viral variants with likely catastrophic effects, especially on the vaccinated.   

4. RNA from the vaccine will in some cases integrate chromosomes of the vaccinated, with potentially harmful consequences difficult to evaluate at this point. Any claim to the contrary is misleading and misinformed. Human chromosomes integrated genomes of retroviruses that include RNA->DNA reverse transcriptase genes. This was the topic of the 1976 Nobel prize in Physiology and could not be ignored by competent professionals.

Reanalyses of two separate bodies of data, one published by the Israel Ministry of Health (Table 1) and one by the team of Dan Balicer from Clalit (our reanalyses of data from Dagan et al 2021), indicate adverse effects due to the 5-week vaccination process, as compared to the unvaccinated. Eight among ten authors of Dagan et al disclose receiving funds for other projects from Pfizer. Pfizer is also a main funder of the Israeli Ministry of Health. Hence, these are not unbiased, neutral and independent bodies, which is required for any study, and especially studies with such crucial consequences.

Preliminary cost-benefice evaluation of COVID19 vaccination

Tables 1 and 2 show that death rates for each period during and after the vaccination process are greater than for the unvaccinated, as defined by those that did not yet get any vaccine dose, and when accounting for differences in sample sizes and durations of the different vaccination statuses. This effect might be confounded by differences in ages for the different groups. Transparency, meaning additional data in relation to age and risk classes, is requested to answer this and other questions. Table 1 are data from the Ministry of Health published in a Ynet article released on February 11. Table 2 is for data released on March 11.

We detail here the cost analyses regarding vaccine-associated COVID19 deaths according to Table 1. For those above 60, during the first 14 days after 1st dose injection, deaths are 14.6 times more frequent per day than for unvaccinated. This means that in order to compensate for these excess deaths, 14.6x14 days = 204.4 days of absolute protection against COVID19 are necessary to have a net cost-benefit of 0 for that first period after 1st dose injection. A similar calculation shows that for the 3d week after 1st injection, compensating increased deaths as compared to the unvaccinated would require an additional 24.23x7 days = 169.61 days of full vaccine protection against COVID19. The first week after the 2nd injection requires 26.85x7 days = 187.95 days of full vaccine protection against COVID19 to compensate the excess COVID19 deaths occurring during that period. The second week after 2nd dose injection requires 18.38x7 days = 128.66 days of full vaccine protection. In total, compensation to reach 0 cost-benefit requires 690.62 full vaccine protection against COVID19 for the elderly. Note that this does not include vaccine induced deaths unrelated to COVID19, and that vaccine protection is not absolute. 

 Table 1. COVID-19 state according to vaccination status and according to two age classes, as of February 11. Our additions are highlighted. Death rates per day for unvaccinated are estimated for the 303 days from March 1 to December 20, before vaccination (data from worldometer: 374760 total cases, 3099 deaths). Percentages of cases and deaths for the two age classes (below and above 60 years) are calculated from age-stratified data published by the health insurance company Clalit since the pandemic started until March 22 2021 (Supplementary tables 1 and 2), https://www.clalit.co.il/he/your_health/family/Pages/corona_in_israel.aspx (those above 60 are 11.049% of all COVID19 cases and 91.62% of all COVID19 deaths). 

The same calculations for those less than 60 years old result in a minimal compensatory period of 94x7 days = 658 days of full vaccine protection against COVID19. Pooling both age classes, on average, in order to not lose more lives than gain lives due to vaccination, the protective effects of the vaccine, without costs associated with 3d and more shots, would have to be absolute and with no other vaccine-related but COVID19-unrelated deaths for a period of at least 658 days. One would start reap benefits from vaccination only after an unrealistically long period of at least 658 days during which the RNA virus would be stable enough so that vaccine protection does not decrease. All these unrealistic conditions imply that Pfizer vaccination will not benefit the vaccinated population.

We detail here the cost-benefit analysis based on the data from Table 2. This follows the same method as applied for Table 1. During the 21-day period between the 2 injections, daily vaccinated COVID19 death rates are 11.65 times greater than for the unvaccinated, requiring 11.65x21 = 244.65 days of full postvaccination protection against COVID19 to compensate excess deaths occurring in association with the 1st dose. Applied to the first 7 days after the 2nd injection, compensation requires 14.82x7 days = 195.44 days. Applied to the longer, 26 days period after the first week after 2nd injection, this rationale shows that compensation requires 14.99x26 days = 389.74 days.

Table 2. Table from https://correctiv.org/faktencheck/2021/03/11/covid-19-in-israel-nein-die-impfung-erzeugt-keine-40-mal-hoehere-sterblichkeit/. Data from the Health Ministry show the COVID-19 cases for the period from December 20 until March 10. Translated from the Hebrew into English. Our additions are highlighted. Mortality rate increases are all statistically significant at P < 0.0001.

Hence, compensation for excess vaccine-associated deaths occurring during the period covered by Table 2 would require 829.83 days of absolute vaccine protection against COVID19, not accounting for additional vaccine-associated deaths unrelated to COVID19, and disregarding that vaccine protection is not absolute. This means that in order to reap life saving benefits from the Pfizer vaccination, more than 27.28 months of stable perfect vaccine protection against the mutable RNA coronavirus is required. This is unrealistic and means there will be only costs, and no benefits to this massive vaccination project for the vaccinated population.

Extrapolating increased vaccination-associated risks for younger, yet unvaccinated age groups

No data are available at this point for children less than 15 years old. However, one can expect their most likely overall reaction to vaccines the following way. The stronger the immune system, the less likely one is to develop COVID19-induced symptoms. Hence, the elderly are more affected than young adults, men more than women, and people with pre-existing conditions, obese included, than the physically fit. Vaccine adverse reactions tend to behave the opposite way. They are proportional to the strength of the immune system, as many adverse effects associated to vaccines are immune system overreactions. These are more prevalent in younger adults and in women, the opposite demographic picture than for COVID19.

This point can be applied also to the very young, as shown by a detailed analysis of mortalities as a function of age after pooling VAERS data from all vaccines for the years 1990 to 2020, Figure 1A. Mortality due to adverse vaccine effects is greater for the very young, than for the elderly, even for traditional vaccines.

A detailed examination of mortalities from 1 to 75 years old confirms this, keeping in mind that vaccine-induced mortalities increase further towards ages younger than 1 year. Figure 1B shows that vaccine induced mortalities are lowest for those 33 years of age, and more or less gradually increase from that age towards younger and older ages. The profile of vaccine-induced mortalities as a function of age is roughly parallel for COVID19 vaccines as it is for other vaccines for ages over 30, with systematically greater mortalities for any age for COVID19 vaccines than other vaccines, Figure 1C. There is no reason, a priori, that this parallel will not hold for the younger age, and that COVID19 vaccine mortalities increase towards younger ages as compared to those in their thirties, and this probably at a paste greater than for other vaccines.

A Figure  1. Vaccine  mortality  as a  function  of age. A  and  B,  pooled  data  from  1990  to  2020. C,  January 2021  downloaded February  2021  compared  to  the  whole  year  of  2020. (Source:  U.S  VAERS)

These observations are in line with the hypothesis that vaccine adverse reactions increase with immune system strength, included for the young and the very young. This is also expected for COVID19 vaccines for the younger age groups. COVID19-vaccine-induced mortalities are at least tenfold those for other vaccines for all ages above 20, Figure 1C. Similar ratios are expected for younger ages, predicting even less tolerable death rates.

 The self-reported VAERS data are biased. However, independent unbiased data confirm the suspected increase in COVID19-vaccine-induced mortality in the young.

Table 3. Deaths in Israel by age classes above 20 for February 4th -March 2020 (very few COVID19 deaths and no vaccination) and the same period in 2021 (COVID19 with vaccination, Covid19 was open to all above age 16 on Feb 4th 2021). In both years this two-month period included a lockdown. (source: Israeli Central Bureau of Statistics)

The relative increase in deaths for 2021 vs 2020 is highest for younger ages (Figure 2). Extrapolating to ages <20 (Figure 2), predicts increases in deaths for ages <20 that confirm the high vaccine-associated mortalities for the young observed in the VAERS data in Figure 1. Note that these are minimal values because such data are frequently updated up to 1 year after death. 

Figure 2. Percent increase in mortalities in Israel by age groups spanning 5 years for ages above 20 in February-March 2021 as compared to February-March 2020, data from Table 3.

One can speculate on whether the relative increase in deaths in February-March 2021 as compared to that period in 2020 is due to COVID19 or to the synergy between COVID19 and vaccination. We use the data in supplementary tables S1 and S2 for age specific COVID19 incidences and deaths from the health insurance company Clalit to predict age-specific COVID19 deaths. The data from tables S1 and S2 span mainly the period of the pandemic before vaccination. As these data are collected over 13 months, in order to compare them to increases in February-March 2021 vs the same months in 2020, numbers of age-specific COVID19 deaths from 2020 were adjusted to correspond to the 2 month period of vaccination for all in 2021 in Table 5. 

We test whether these age-specific COVID19 deaths predict the increase in deaths in February-March 2021 as compared to 2020. The assumption is that increases in deaths are due to COVID19, or to a synergy between COVID19 and vaccination.

Figure 3 plots observed age-specific differences between deaths for February-March 2020 subtracted from those for 2021 as a function of values predicted when applying data from the supplementary tables S1 and S2, which relate mainly to COVID19 deaths in 2020. These observed and expected values are proportional, with 93.79% of the variation in observed deaths numbers explained by expected values. This means that one can use the least square regression equation in Figure 3 to predict excess deaths for age classes below 20 years in 2021 as compared to 2020.

Figure 3. Age-specific excess deaths in February-March 2021 vs 2020 as a function of age-specific COVID19 deaths expected during 2 months according to data from the whole pandemy.

The predicted COVID19 deaths for February-March 2021 using the equation in Figure 3 are 18.28 for ages 0-9 and 18.15 for ages 10-19. These are 23.8 and 29.5 times more than numbers of age-specific COVID19 deaths from the Clalit data for these ages. Figure 4 plots the ratios between the data as a function of age.

Results show again that the ratio decreases with age. This means that younger ages have higher death rates in February-March 2021 than in 2020 considering age-specific COVID19 death rates. We interprete that these high ratios are due to COVID19-vaccination synergy. Hence, vaccination would increase deaths by a factor of at least 20 due to COVID19. The main relative increases in vaccination-associated deaths will occur according to our calculation for ages below 40. We refrain from conclusions for those above 50 in February-March 2021, because most in these age groups were vaccinated in December 2020-January 2021, and for which mortality increased during that earlier period. 

Figure 4. Ratio between observed and expected deaths for February-March 2021 vs 2020. The ratio decreases with age. Filled circles are expected ratios for ages 1 and 10, hollow circles are for observed data.

Note that these results assume that death counts for February-March 2021 are complete, which they are not, as these values are updated up to one year later. Hence, ratios are probably more extreme than shown. These are predictions that are to be considered as minimal, especially for the younger ages, probably highly underestimate the real effects of the vaccine. Increase in death rates for those below 3 years in Figure 1 are so high that one can expect the actual ratio in Figure 4 for this age group is much above our predicted 23.8.

Increased COVID19 infection rates between 1st and 2nd injections

We reanalysed the data presented in table S7 published by the team of Dan Balicer (Dagan et al 2021) in the New England Journal of Medicine. Figure 3 shows a 3-fold increase in the daily COVID-19 detection rate during the first 7 days after first dose injection. The rate decreases to its initial baseline and stabilises at that rate between days 20 to 28 after first dose injection. It decreases below that rate after that, indicating vaccine protection from day 35 on after first dose injection, which is 14 days after the second dose. COVID-19 detection is the only adverse event reported by Dagan et al. This suggests an overall weakening of the immune system within the 3 weeks between doses. Figure 3 suggests that if one decides to get vaccinated, a hard 5-week quarantine is essential to avoid any exposure to contamination during the vaccine-induced 3-week immune system fragilization, as well as a 2-week before 1st dose injection, to avoid vaccinating those that are already infected, and to avoid further contamination of others during that period. Balanced evaluation of short- and long-term vaccine benefits requires cumulating all adverse event types during and after the vaccination process, as compared to before initiating that process.   

Figure 5. Daily vaccinated COVID-19 incidences vs days since 1st dose. Baseline: day 1 COVID-19 incidence. *: P < 0.05 vs baseline. Data from Dagan et al N Eng J Med 2021; 10.1056/NEJMoa2101765

Vaccination against COVID19 drives COVID19 spread

Increased COVID19 infections during first three weeks after the first Pfizer injection (Figure 5) predicts at the population level positive associations between vaccination rates and incidences of new COVID19 cases within this 3-week time frame.

We test the predicted positive association between daily cases and daily vaccination rates by examining daily case numbers since vaccination project started on December 20 2020, data from worldometer, Israel COVID: 837,492 Cases and 6,346 Deaths - Worldometer (worldometers.info), and daily cumulative percentages of Israelis with at least one injection, Coronavirus (COVID-19) Vaccinations - Statistics and Research - Our World in Data, both accessed April 22 2021.

Pearson correlation coefficients r were calculated between daily COVID19 cases, April 9-21 (188, 137, 122, 225, 176, 170, 202, undetermined, 142, 165, 171, 139 and 135) and a running window of 13 consecutive days for daily increases in vaccinated percentages (Table 4, column 2).

Table 4. Pearson correlation coefficient r between daily new Israeli COVID cases (April 9-21) and daily increases in vaccination percentages over a backward running window of 13 consecutive days, starting April 21 (Column 2), and for data from Portugal (April 11-23, Column 3). *: P < 0.05; **: P < 0.05 adjusted for test multiplicity (Benjamini and Hochberg 1995), 2-tailed tests.    

The highest correlation between daily cases and vaccination percentages is for a timelag of 8 days between vaccination and subsequent new COVID19 cases (Figure 6). Negative associations between vaccination and cases occur after a timelag of 17 and 20 days after vaccination, which is compatible with the onset of vaccine protection before the 2nd injection. There also are positive associations at timelags 22 and 29, which could be due to the 2nd injection.

Among countries with more than 20% vaccinated, we found for Portugal a period when April daily case numbers are approximately stable in relation to time (April 23-March 7). In order to simplify comparisons with results from Israel, we used daily new COVID19 cases for the 13 last days (April 11-23, 566, 271, 408, 684, 501, 553, 649, 441, 220, 424, 610, 636, 506) and calculated correlations with daily vaccinations, moving backwards the window for vaccinations over 29 days (Table 4, column 3). Vaccination percentages correlate positively with case numbers seven and eight days later (r = 0.64, P = 0.009; and r = 0.531, P = 0.031, one-tailed tests), in line with results from Israel. 

Daily numbers of new COVID19 cases varies in relation to weekdays, with low numbers on Sunday and Monday increasing during the rest of the week in most countries. This would cause positive correlations at lags that are multiples of 7, which is not the case for data in Table 4. 

 Figure 6. Daily new COVID19 cases (April 9-21) as a function of daily increase in vaccination percentage (April 1-13). Values near datapoints indicate new case numbers at the date indicated below the value, followed by the date of the vaccination percentage from the x-axis.

Data for April 2021 from Israel and Portugal confirm at population level a vaccine-induced increase in COVID19 infection rates seven to eight days after injection, and seven to eight days after second injection in Israel. In Israel only the Pfizer vaccine is in use, whereas Portugal uses several other vaccines in addition to Pfizer's. 

 The coherence between analyses in Figures 5 and 6 and Table 4 confirms short term vaccination-induced increases in COVID19 cases at population dynamics levels. This also strengthens suspicions that this increase reflects a generalized vaccine-induced weakening of the immune system that probably has non-COVID19 negative effects. Increases in COVID19 cases have been observed in various countries shortly after vaccination projects were initiated. Observations reported here suggest this is no mere coincidence and stress that massive vaccination against COVID19 should be reexamined. We repeated these analyses on a state-by-state basis for India (35 states) and the USA (data compatible with this type of analysis were available only for 40 states). In India, a majority of states have positive correlations between vaccination and ulterior COVID19 case numbers with P < 0.05 at time lags 14 to 17. For the USA, most states have positive correlations with P < 0.05 3-5 days after vaccination (Figure 7, Wisconsin, time lag 4 days). 

These differences between regions and countries in time lags between vaccination and increased COVID19 incidences might result from usage of different vaccines. More likely, this might reflect genetic differences, different life habits, physical activities, food, and no least, immune system robustness. The latter reason might be why in India it takes 2 weeks for COVID19 cases to increase after vaccination.   

Figure 7. Daily new COVID19 cases (April 12-24) as a function of daily 1st dose vaccinations (April 8-20). For each datapoint, the dates of new case numbers from the y axis, followed by vaccination dates from the x-axis, are indicated.

Overall conclusions

Both data bodies (Tables 1 and 2 from the Ministry of Health and the data from Dagan et al in Figure 2) were initially presented as evidence favouring vaccination. However, straightforward analyses of these data highlight adverse effects. They confirm suspicions that vaccination fragilizes the immune system of the vaccinated, not only during the vaccination process, but even after full vaccination (in Table 1, the fully vaccinated die 15 times more than the unvaccinated). The raw data on which the Dagan et al publication from Clalit is based are unavailable. These data are required for transparent independent assessment of conclusions of a publication with such consequences. Current circumstances do not live up, even from far, to this basic standard requirement. 

Before continuing the massive vaccination project, these adverse effects must be examined and carefully evaluated vs positive effects. The results on increased vaccination-induced infection rates (3-fold) and death rates (around 20 times the COVID-death rate of the unvaccinated) presented above are serious reasons to suspect that a balanced cost-benefit would not be in favour of vaccination for any risk group. 

Considering only COVID19-associated increased risks during the 5-week vaccination period, vaccine-induced protection would need to be absolute, which it is not, and last much longer than the 12 months projected until the next vaccine injection is required. Including in calculations unavailable precise data on vaccine-induced increased risks unrelated to COVID19 will necessarily increase the vaccine protection period required to compensate for all vaccine-associated deaths, probably beyond 2.5 years. Our calculations for younger age groups predict an even more extreme and dire situation. It is long known that vaccination is not cost-effective against organisms or viruses with highly mutable genomes. RNA viruses, coronaviruses and HIV included, have the most mutable known genomes. Note that vaccine-associated risks increase proportionally to the strength of the immune system, predicting that vaccination will greatly increase the very low COVID19 risks experienced by the younger population. Extrapolations two independent available datasets confirm this prediction.

The precautionary principle is the first priority of those responsible for public health and its urgent application is required at this point, especially when the whole population of a country, including its youth,  is  at  stake.

Re-evaluation  of the  project  requires age and vaccine-status-specific data for all  indyviduals, including  those  who  died  and  those  who  did  not  die. Such a classical  and  transparent cost benefit analysis  could  prevent  catastrophic  consequences,  especially  considering  that  the  data were  collected and  published  by  teams that  are  not  absolutely  independent  of  the  company  that produces  and  sells the  vaccine.  Vaccination-associated  morality risks are compared  to  the last 20 times graeater below age 20 copared to the very low COVID19-associated  risks for this age group enjoing the healthiest immune system.

 8-Mayl-21

Hervé Seligmann

Supplementary  tables. 

expected at  least 2 0 times for this  age  group  enjoying

Table  S1.  Numb ers  and  pe rcentag e s  of CO VID19 case s  for health insurance  company  Clalit since  the pandemic  started the  age  classes , Feb  2020 data  published  by  the until March  22  2021 From: https:// w ww.clal it.co.il/h e/your_health/family/Pages/corona_in_israel.aspx .

Table  S2.  Numbers  and  p health ercentages  of COVID19 insurance  company  Clalit since  the pandemic  started deaths  for  the  age  classes Feb  2020 F r om: , until March  22  2021 data  published  by  the . https://www.clalit.co.il/he/your_health/family/Pages/corona_in_israel.aspx

https://www.americasfrontlinedoctors.org/frontline-news/expert-evaluation-on-adverse-effects-of-the-pfizer-covid-19-vaccination