Daten der britischen Regierung zeigen, dass niemandem Covid-"Impfstoffe" gespritzt werden sollten - sie sollten sofort gestoppt werden

Steve Kirsch hat alle gefragt: "Zeigen Sie mir die Daten zur Gesamtsterblichkeit, die beweisen, dass die Impfstoffe sicher sind." Endlich hat er einige Daten bekommen. Sie stammen von der britischen Regierung und sind niederschmetternd. "WIRKLICH verheerend", sagte er.

Die neuen Daten der britischen Regierung ermöglichen es uns, die Daten auf eine Art und Weise zu analysieren, wie wir es vorher nicht konnten. Diese neue Analyse zeigt eindeutig, dass die Covid-Impfstoffe in allen Altersgruppen mehr Menschen töten als retten. Mit anderen Worten: Sie sollten von niemandem verwendet werden. Je jünger man ist, desto weniger Sinn macht es.

"Die Quintessenz ist: Endlich sind die Daten öffentlich zugänglich, die klar zeigen, dass unsere Regierungen uns mit diesen Impfstoffen und Impfvorschriften öffentlich umbringen." - Steve Kirsch

Jeder kann die Daten und die Methodik validieren. Die Ergebnisse machen deutlich, dass die Covid-Impfungen sofort gestoppt werden sollten.

Keine einzige Gesundheitsbehörde in irgendeinem Land wird ein Gespräch mit Kirsch und seinem Team von Impfstoffsicherheitsexperten führen, um ihre Impfstoffempfehlungen zu rechtfertigen oder zu erklären, warum diese Analyse falsch ist. "Ich frage mich, warum?"

Was die Daten zeigen

Hier ist das Ergebnis der Analyse.

Das heißt, wenn Sie 25 Jahre alt sind, tötet der Impfstoff 15 Menschen pro Person, die er vor dem Tod durch Covid bewahrt. Je jünger man unter 80 ist, desto unsinniger ist die Impfung. Die Zellen mit * bedeuten, dass der Impfstoff tatsächlich mehr Covid-Fälle verursacht hat als die Ungeimpften.

Bei über 80-Jährigen waren die britischen Daten zu verworren, um nützlich zu sein. Solange wir diese Daten nicht haben, ist es unverantwortlich, eine Empfehlung auszusprechen.

Im Folgenden beschreibe ich, wie Sie dies anhand der britischen Daten selbst berechnen können.

Einführung

Einer meiner Freunde schickte mir kürzlich einen Link zu den Sterblichkeitsdaten des Office of National Statistics der britischen Regierung für den Zeitraum vom 1. Januar 2021 bis zum 31. Januar 2022. Ich hatte diese Daten noch nie gesehen und analysierte sie.

Was ich herausfand, war absolut verblüffend, denn es stimmte mit der VAERS-Risiko-Nutzen-Analyse nach Alter überein, die ich im November 2021 durchgeführt hatte.

Wo kann man die Daten der britischen Regierung erhalten?

Die Regierungsdaten sind hier archiviert. Öffnen Sie die Kalkulationstabelle und sehen Sie sich die Registerkarte mit der Bezeichnung Tabelle 6 an.

Sie können auch auf die Originalquelle zugreifen unter: ONS dataset, Deaths by vaccination status, England, das Sie oben auf der Seite sehen können.

In beiden Fällen klicken Sie auf die grüne Schaltfläche mit der Aufschrift "xlsx", um die Tabelle zu öffnen, und gehen Sie dann zur Registerkarte "Tabelle 6":

Zur Veranschaulichung: siehe diesen Tweet.

Hinweis: Die Daten beziehen sich nur auf England, nicht auf das gesamte Vereinigte Königreich.

Wo Sie meine Analyse der Daten erhalten

Ich habe die Quelldaten des Vereinigten Königreichs mit Anmerkungen versehen und Sie können sie hier herunterladen. Das macht es einfacher zu sehen, was vor sich geht. Alle Originaldaten und meine Formeln zur Berechnung der ACM-Verhältnisse und der Risiko-Nutzen-Analyse finden Sie auf der Registerkarte Tabelle 6.

Alles ist für jedermann gut sichtbar. Anschließend habe ich die Werte in die Registerkarten Zusammenfassung und Exec Summary kopiert.

Methodik

Ich habe die Gesamtmortalität ("ACM") für Personen, die vor mindestens 6 Monaten 2 Impfungen erhalten haben, mit den nicht geimpften Personen verglichen. Der Zeitrahmen von 6 Monaten bietet einen angemessenen Mindestzeitraum, um die Ergebnisse für die typische "vollständig geimpfte" Person zu beobachten.

Zusammenfassung der Daten

Die nachstehende Zusammenfassung (die ich auf der Registerkarte "Zusammenfassung" rechts neben der Registerkarte "Tabelle 6" eingefügt habe) zeigt die Gesamtmortalitätsraten pro 100 000 Personenjahre für jede Altersgruppe sowie das Risiko-Nutzen-Verhältnis.

Hier ist die Legende für jede Spalte:

1. A: Altersspanne für die Zeile
2. B: ACM-Rate für Ungeimpfte
3. C: ACM-Rate für Geimpfte
4. D: Berechnung des Risikonutzens, d. h. Anzahl der durch den Impfstoff verlorenen Leben von Nicht-Koviden / Anzahl der durch den Impfstoff geretteten Leben von Koviden. Dies ist die beste Kennzahl, um den Einsatz einer Maßnahme zu rechtfertigen. Je größer diese Zahl ist, desto weniger Sinn macht die Maßnahme. Ein Wert >1 bedeutet, dass die Maßnahme niemals eingesetzt werden sollte. Die Zellen mit * bedeuten, dass der Impfstoff tatsächlich mehr Covid-Fälle verursacht hat als die Ungeimpften. Hinweis: Sie müssen sich die vollständige Tabelle ansehen, um die zur Berechnung dieser Zahl verwendeten Daten zu sehen. Sie können dies nicht anhand der zusammengefassten Daten auf diesem Bildschirm tun.
5. E: ACM der Geimpften/ACM der Ungeimpften, d. h., Spalte C/Spalte B. Ein Wert >1 bedeutet, dass die Intervention nicht angewendet werden sollte, da sie Leben kostet. Dies ist ein grobes Maß für die Wirksamkeit einer Intervention, wie wir weiter unten erläutern.
6. F: % der ACM-Todesfälle aufgrund von Covid, d. h. der Anteil aller ACM-Todesfälle, die durch Covid verursacht wurden.

Die Daten zeigen deutlich, dass der Nutzen für die Sterblichkeit, der sich aus der Einnahme des Impfstoffs und der Verringerung des Todesrisikos durch Covid ergibt, durch die Sterblichkeit, die durch den Impfstoff selbst verloren geht, mehr als ausgeglichen wird. Das ist nicht neu. Ich sage das schon seit Mai 2021. Aber jetzt habe ich endlich die Daten gefunden, mit denen ich es zuverlässig berechnen kann.

In der Phase-3-Studie von Pfizer kam es in der geimpften Gruppe zu einem 40%igen Anstieg der ACM. Sie töteten schätzungsweise 7 Menschen pro Person, die sie vor Covid gerettet haben!

In der Phase-3-Studie von Pfizer gab es insgesamt 21 Todesfälle in der Impfstoffgruppe und 15 Todesfälle in der Placebogruppe.

Dieser 40%ige Anstieg der Gesamtmortalität in der Studie (21/15=1,4) wurde natürlich als statistisch nicht signifikant abgetan. Das ist zwar richtig, bedeutet aber nicht, dass wir diese Zahl nicht beachten sollten.

Doch nun wissen wir anhand der britischen Daten, dass das Ergebnis der Phase-3-Studie kein statistischer Zufall war. Ganz und gar nicht.

Wenn wir nämlich den Risikonutzen betrachten, sehen wir, dass wir 1 Leben vor dem Tod durch Covid bewahrt haben (1 Covid-Todesfall in der Behandlungsgruppe gegenüber 2 Covid-Todesfällen in der Placebo-Gruppe = 1 gerettetes Leben), aber es gab 7 zusätzliche Nicht-Covid-Todesfälle (20 - 13).

Die Pfizer-Studie hat also gezeigt, dass für jeden Menschen, den wir durch Covid gerettet haben, 7 Menschen gestorben sind. Die Zahlen waren jedoch zu gering, um diese Schätzung mit großer Sicherheit vornehmen zu können.

Ich würde jedoch argumentieren, dass die Pfizer-Studie ein optimaler Fall war, denn:

1. In die Studie wurden außergewöhnlich gesunde Menschen aufgenommen, deren Sterblichkeitsrate 10-mal niedriger war als die der Bevölkerung (die durchschnittliche Sterblichkeitsrate in den USA liegt bei 1 % pro Jahr, aber in der Placebo-Gruppe mit 22.000 Teilnehmern gab es in 6 Monaten nur 15 Todesfälle, was einer Sterblichkeitsrate von 0,1 % entspricht).
2. Sie waren in der Lage, jeden loszuwerden, der auf die erste Dosis reagiert hatte, ohne ihn zu zählen.

Der wichtigste Punkt ist jedoch, dass das Verhältnis der Todesfälle in der Pfizer-Studie zu den geretteten Personen von 7:1 und das ACM-Verhältnis von 1,4 mit der Hypothese übereinstimmt, dass der Impfstoff mehr Menschen tötet als er rettet.

Meine ACM-Risiko-/Nutzen-Schätzung anhand von VAERS

Dies ist das Ergebnis einer Risiko-/Nutzenberechnung, die ich am 1. November 2021 anhand der VAERS-Daten durchgeführt habe, um das Verhältnis zwischen der Zahl der durch den Impfstoff getöteten Menschen (V) und der Zahl der Menschen, die durch Covid gerettet werden könnten (C), zu berechnen, wenn sie den Impfstoff nehmen und er über einen Zeitraum von sechs Monaten eine Wirksamkeit von 90 % hätte (da wir wussten, dass sie im Laufe der Zeit nachlässt und sich die Varianten ändern würden). Natürlich war das eine konservative Schätzung des Nutzens, aber ich wollte sichergehen, dass ich im Falle eines Angriffs auf festem Boden stehe.

Jetzt wissen wir also, dass meine VAERS-Berechnungen in etwa mit den tatsächlichen britischen Daten in Abbildung 1 übereinstimmen. Da meine Analyse absichtlich konservativ war, sind viele der Zahlen kleiner als die tatsächlichen Werte.

Dies ist ein weiteres Beispiel dafür, dass Leute, die (ohne Beweise) behaupten, die VAERS-Daten seien zu "unzuverlässig, um sie zu verwenden", falsch liegen. Wenn sie so unzuverlässig sind, warum stimmen sie dann so gut mit den realen Ergebnissen im Vereinigten Königreich überein?

Beachten Sie, dass VAERS damals genau denselben Effekt zeigte, den wir gerade aus den Daten aus dem Vereinigten Königreich erfahren haben: je jünger man ist, desto unsinniger ist eine Impfung.

Unsere Spalte V:C nimmt mit zunehmendem Alter ab (von 6:1 auf 1,8:1), genau wie die Spalte E (von 1,9:1 auf 1:1 im gleichen Bereich) in Abbildung 2.

Ist das nicht ein interessanter "Zufall"? Sie liegen innerhalb eines Faktors 3 voneinander.

Bestätigungen von anderen

Ich bin wohl kaum der Einzige, der feststellt, dass die Covid-Impfstoffe mehr Menschen töten als sie retten. Andere Artikel zeigen entweder überhaupt keinen Nutzen oder einen negativen Nutzen.

Sehen Sie sich zum Beispiel an:

1. 99,6 % der Covid-Todesfälle in Kanada ereigneten sich zwischen dem 10. und 17. April unter vollständig geimpften Menschen, was nur möglich ist, wenn die Geimpften einen höheren ACM-Wert haben als die Ungeimpften, da die Impfrate in Kanada nur 86 % beträgt. Dies ist für niemanden zu erklären.
2. Vollständig Geimpfte 6x höhere Gesamtsterblichkeit als Nichtgeimpfte (30. Oktober 2021)
3. Nachbeobachtung der Studienteilnehmer ergab "keine Auswirkung auf die Gesamtsterblichkeit".

4. Horowitz: Das Scheitern der mRNA-Spritzen ist für alle mit offenen Augen zu sehen

Es sei darauf hingewiesen, dass die dänische Studie (die bereits im Lancet veröffentlicht wurde) auf der Grundlage klinischer Studiendaten insgesamt keinen Nutzen für die Gesamtmortalität ergab. Das ist sicherlich optimistischer als die Zahlen aus dem Vereinigten Königreich, aber das Problem für die Impfstoffhersteller ist, dass die Zahlen aus dem Vereinigten Königreich zeigen, dass bis zu 38 % der Todesfälle auf Covid zurückzuführen sind. Wenn die Impfstoffe tatsächlich funktionieren und sicher wären, würde man einen enormen ACM-Vorteil sehen, aber man sah nichts.

Warum schreiben wir einen Impfstoff mit einem ACM-Nutzen von Null vor? Kein Beamter des öffentlichen Gesundheitswesens möchte Fragen dazu beantworten.

Was diese Analyse von früheren Arbeiten unterscheidet

Der hier verwendete Datensatz enthält sowohl Covid- als auch Nicht-Covid-Todesfälle nach Alter. Das hatten wir bisher noch nicht.

Dies ermöglicht es uns zum ersten Mal, die Daten zu validieren, wie wir im nächsten Abschnitt erläutern.

Kurz gesagt, die Daten, die uns in diesem Datensatz vorliegen, sind detaillierter als die häufiger zitierten Zusammenfassungen der britischen Gesundheitsbehörde.

Die Plausibilitätsprüfung

Da es sich nicht um eine randomisierte Studie handelt, ist es wichtig, die Daten auf ihre Stichhaltigkeit hin zu überprüfen, um Verwechslungsprobleme zu vermeiden.

Insbesondere sollte die Gesamtmortalitätsrate (ACM) für NICHT-Covid-Todesfälle in den geimpften Kohorten die gleiche sein wie die Raten für die Ungeimpften bei einem vollkommen sicheren Impfstoff; bei diesem Impfstoff sollte sie mit Sicherheit höher sein, wie wir aus VAERS wissen, das garantiere ich. Wir haben mehr als 10 Möglichkeiten, die zeigen, dass dieser Impfstoff Ihre nicht-covidale ACM signifikant ERHÖHT.

Daher sind die Daten immer dann unzuverlässig (entweder verfälscht oder ernsthaft verwirrt), wenn die ACM bei den Geimpften niedriger ist als bei den Ungeimpften in irgendeiner Alterskohorte. Die von der britischen Regierung vorgelegten Daten zeigen, dass der Wert in den meisten Zeilen niedriger ist. Das ist unmöglich. Es zeigt, dass die Daten unzuverlässig sind. Auch andere haben dies bemerkt.

Das ist der Grund, warum ich diesen Datensatz so sehr mag: Er enthält die nicht-Covid ACM, so dass wir ihn auf seine Richtigkeit überprüfen können.

Diese Prüfung ist der Grund, warum ich mich auf die Zeile "2 Dosen > 6 Monate" konzentriert habe, weil sie diese einfache Prüfung konsequenter bestanden hat als jede andere Zeile.

Wenn man die Prüfung der Vernunft außer Acht lässt und alle Daten der Geimpften in den Bericht des Vereinigten Königreichs aufnimmt, dann sind die Impfstoffe wunderbare Lebensretter, aber NUR, wenn man 25 Jahre alt oder älter ist. Der Impfstoff wird Sie davor bewahren, an Krebs, Autounfällen usw. zu sterben, vor allem, wenn Sie älter sind. Es ist wie ein Jungbrunnen für ältere Menschen, wenn man das tut. Das entspricht überhaupt nicht der Realität, in der Bestattungsunternehmer wie John O'Looney nicht glauben konnten, wie viele Anrufe er erhielt, als die Impfungen auf den Markt kamen.

Im Folgenden finden Sie eine ausführlichere Erläuterung der Verzerrung durch die Überlebenden, die erklärt, warum diese Datensätze für unsere Zwecke nicht geeignet sind.

Alle von uns verwendeten Daten erfüllten die Kriterien unserer einfachen Plausibilitätsprüfung.

Könnte meine Prüfung der Vernunft falsch sein, weil der Impfstoff tatsächlich vor dem Tod durch alle Krankheiten und auch vor Unfällen schützt? Nö. VAERS wäre leer, wenn dieses Medikament die Zahl der unerwünschten Ereignisse reduzieren würde und Ärzte berichten würden, dass ältere Menschen von Krankheiten geheilt werden. Anstelle von Berichten über unerwünschte Ereignisse würden Ärzte nach der Impfung Berichte über nützliche Ereignisse ("BER") einreichen.

Über diesen angeblichen "Jungbrunnen"-Effekt habe ich am 12. November 2021 geschrieben.

Sollten sich Menschen über 80 impfen lassen?

Meine VAERS-Analyse sagt nein.

Die anekdotischen Daten aus Pflegeheimen von Whistleblowern sagen alle nein (siehe Folien 53 bis 59). Dazu gehören Abrien Aguirre auf Oahu, das Pflegeheim Sunnycrest in Kanada und die Erfahrungen von John O'Looney sowie die Erfahrungen von Einbalsamierern, bei denen die meisten Leichen, die einbalsamiert werden, verräterische, durch den Impfstoff verursachte Blutgerinnsel aufweisen.

Ausgehend von der Kurvenanpassung sieht es auch für ältere Menschen nicht gut aus (siehe diesen Leserkommentar für Details).

Der in diesem Artikel verwendete Datensatz aus dem Vereinigten Königreich war zu verworren, um ihn zu verwenden, da die ACM-Rate der Nicht-Covid-Geimpften niedriger war als die der Geimpften, so dass er der Plausibilitätsprüfung nicht standhielt.

Wenn ich also über 80 Jahre alt wäre, würde ich mich nicht impfen lassen, bevor ich nicht zuverlässige, in sich schlüssige Daten aus mehreren unabhängigen Quellen erhalten habe, die einen klaren Nutzen belegen. Haben Sie so etwas in letzter Zeit gesehen?

ACM-Verhältnis vs. Risiko-Nutzen-Analyse

Nachdem wir nun die Grundlagen geklärt haben, möchte ich den Unterschied zwischen dem ACM-Verhältnis und der Risiko-Nutzen-Analyse näher erläutern und erklären, warum wir uns auf letztere konzentrieren sollten.

Toby Rogers schätzte beispielsweise, dass wir für jedes Kind, das wir vor dem Tod durch Covid retten könnten, in der Altersgruppe von 5 bis 11 Jahren 117 Kinder durch den Covid-Impfstoff töten.

Hier, in einer noch jüngeren Altersgruppe (10 bis 14 Jahre), haben wir festgestellt, dass das Verhältnis 1600 zu 1 beträgt. Das Problem bei dieser jungen Altersgruppe ist, dass es so wenige Todesfälle gibt, dass es ein großes statistisches Rauschen gibt, da der Nenner so klein ist (nahe bei 0). Die Daten aus dem Vereinigten Königreich zeigen jedoch eindeutig, dass es unsinnig ist, Kinder unter 20 Jahren zu impfen. Darüber zu streiten, ob es 117 oder 1600 sind, ist wie das Umstellen der Liegestühle auf der Titanic.

Hier ein einfaches Beispiel, um den Unterschied zwischen dem ACM-Verhältnis und der Risiko-Nutzen-Analyse zu verdeutlichen:

1. Nehmen wir an, 100 Menschen pro 100.000 sterben pro Jahr in einer bestimmten Altersgruppe.
2. Wir haben einen Impfstoff, der 1 Leben pro Person rettet, aber 10 tötet. Das ist eine miserable Intervention, denn sie tötet 10 Mal mehr Menschen als sie rettet.

Vergleicht man jedoch die ACM-Raten der beiden Gruppen, so ergibt sich eine Zahl von 100 in der ungeimpften Gruppe und 109 Tote in der geimpften Gruppe. Das ACM-Verhältnis würde also nur 1,1 betragen, was einem Anstieg von 10 % entspricht. Aber das Risiko-Nutzen-Verhältnis ist 10:1 mehr Risiko als Nutzen.

Deshalb ist das Risiko-Nutzen-Verhältnis die Zahl, die man betrachten sollte, und nicht das Verhältnis der ACM der einzelnen Gruppen.

Versuche, dies zu entkräften

Professor Jeffrey Morris hat die Erklärung in seinem Blogbeitrag "UK death data artifacts: "Nachzügler", die Impfdosen hinauszögern, eine ausgewählte Gruppe mit höherem Todesrisiko".

David Wilson, auch bekannt als "Debunk the Funk", zitierte den Artikel von Morris, als ich ihn bat, diesen Artikel zu entlarven. Eine andere Erklärung wurde nicht geliefert.

Morris behauptet, dass Menschen, die sich spät impfen lassen, ein höheres Sterberisiko haben.

Bei Personen, die die zweite Dosis erhalten, kann man zwischen drei Optionen wählen:

1. >vor mehr als 6 Monaten (die "schnellste")
2. vor 21 bis 6 Monaten (die "mittlere")
3. vor <21 Tagen ("die Nachzügler")

Raten Sie mal, welche Reihe ich für die Analyse ausgewählt habe? Die Leute, die am schnellsten reagierten, nicht die Nachzügler.

So viel zu dem handfesten Entlarvungsversuch. Ich war nicht beeindruckt.

Die beste Art, meinen Artikel zu entlarven, besteht darin, darauf hinzuweisen, dass das Ergebnis anders ausgefallen wäre, wenn ich andere Reihen ausgewählt hätte. Das ist richtig. Ich habe diese Zeile ausgewählt, weil sie einen grundlegenden Gesundheitstest bestanden hat. Was aber, wenn es einen Störfaktor gibt, der dazu führt, dass der von mir verwendete Test (der vernünftig erscheint) in Wirklichkeit falsch ist?

Ich bin zuversichtlich, dass ich richtig liege, denn das Ergebnis stimmt sehr gut mit anderen zuverlässigen, unabhängigen Daten überein, die ich kenne. Aber ich kann verstehen, wie andere hier FUD über das Ergebnis erzeugen können, indem sie sagen: "Schau mal da drüben". Mein Gegenargument lautet: "Sie lenken die Aufmerksamkeit woanders hin, anstatt zu erklären, warum diese Analyse falsch ist."

Diese Tabelle aus Morris' Artikel beispielsweise stammt ebenfalls aus dem Datensatz des Vereinigten Königreichs, und sie zeigt, dass man mit der Impfung viel besser dasteht.

Das Problem ist, dass Todesraten, die nur 20 % der nicht geimpften Todesrate betragen (wie in dieser Tabelle angegeben), nicht der Realität entsprechen. In Tabelle 3 der Daten aus dem Vereinigten Königreich heißt es außerdem, dass die Sterblichkeitsrate bei mit Covid geimpften Personen fast halb so hoch ist wie bei ungeimpften Personen (vgl. E23 und E31). Mit anderen Worten: Der Impfstoff ist ein Jungbrunnen, weil er die ACM-Rate bei Nicht-Covid-Kranken um den Faktor 2 reduziert. Das ist einfach nicht glaubhaft. Es gibt keinen Wirkmechanismus, der dies bewirken könnte, und die VAERS-Meldungen wären geringer als bei früheren Impfstoffen.

Die obige Abbildung 5 erklärt nicht die hohe Zahl der Todesfälle in Kanada bei Impfungen, die große Zahl der VAERS-Meldungen, Berichte einzelner Ärzte, Facebook-Gruppen mit Hunderttausenden von Impfopfern usw.

Wer hat Recht?

Es wird immer Studien geben, die anderen Studien widersprechen.

Es wird immer scheinbar glaubwürdige Daten geben, die nicht glaubwürdig sind, wie in diesem Artikel von Joel Smalley festgestellt wird:

Unsere Aufgabe ist es, die zuverlässigen Daten von den unzuverlässigen Daten zu trennen. Wir tun das, indem wir mehrere unabhängige Beweise aus glaubwürdigen Quellen verwenden.

"Zeig mir die DATEN"

Erinnern Sie sich an den Film Jerry Maguire, in dem Rod Tidwell Jerry rät, um ihn als Kunden zu behalten, müsse Jerry nur "das Geld zeigen"?

Wir sollten alle dasselbe von der CDC verlangen, aber statt Geld sollten wir sie bitten: "Zeigen Sie mir die DATEN!"

Warum zeigt uns die CDC nicht die ACM-Studie, die wir brauchen?

Da die klinischen Studien nicht verblindet waren, können wir diese Daten nicht verwenden. Was wir stattdessen brauchen, ist eine retrospektive Studie mit 100.000 Personen in jeder Gruppe, die am 1. Dezember 2020 ausgewählt wurden, bevor die Impfstoffe an die Öffentlichkeit gelangten, wenn wir wissen wollen, ob diese Impfstoffe die Zahl der Todesfälle verringern.

Eine Gruppe lässt sich vollständig impfen. Die andere Gruppe meidet die Impfung vollständig.

Man betrachtet dann die Anzahl der Todesfälle mit und ohne Impfung in jeder Gruppe und berechnet die Risiko-Nutzen-Analyse, wie wir es bereits getan haben.

Das sind die Daten, die ich sehen möchte. Wo sind sie? Niemand hat sie mir bisher zeigen können.

Und ohne diese Daten sollte sich niemand, egal welchen Alters, impfen lassen oder die Impfung empfehlen.

Ich würde sogar noch weiter gehen und sagen:

1. Es ist unverantwortlich, dass die CDC diese Daten der Öffentlichkeit vorenthalten hat.
2. Es ist unverantwortlich, dass die Ärzteschaft nicht verlangt, diese Daten zu sehen.
3. Es ist unverantwortlich, wenn die Ärzteschaft jemanden ermutigt, sich impfen zu lassen, ohne diese Daten zu sehen, insbesondere angesichts der alarmierenden Daten in VAERS und anderen Quellen.
4. Wenn die Impfstoffe nützlich sind, wie erklären Sie dann diese neue Analyse der britischen Daten?

Zusammenfassung

Auf der Grundlage dieser neuen Daten der britischen Regierung können wir endlich ein echtes Nutzen-Risiko-Verhältnis für jede Altersgruppe berechnen. Für alle Gruppen ist es negativ. Je jünger man ist, desto weniger Sinn macht die Impfung.

Die Quintessenz ist: Endlich sind die Daten öffentlich zugänglich und zeigen deutlich, dass unsere Regierungen uns mit diesen Impfstoffen und Impfvorschriften öffentlich in den Ruin treiben.

Auch die Datenanalyse ist nicht angreifbar. Es handelt sich um vollständig gemeldete Daten direkt von der britischen Regierung, und die Berechnungen sind einfach. Die einzige Möglichkeit, die Ergebnisse zu erklären, ist, dass die Impfstoffe mehr Menschen töten als retten.

Es ist bedauerlich, dass die Ärzteschaft nicht einmal nach diesen Daten gefragt hat, bevor sie die Impfstoffe empfahl. Sie stecken bis heute den Kopf in den Sand und verlangen nicht, die ACM-Daten zu sehen.

Erschienen auf dailyexpose.uk

Übersetzt von FreieMedienTV

Zensur meiden/vorsorgen & Newsletter abonnieren
https://freiemedien.substack.com/ 👈

👉 FreieMedien Telegram beitreten

👉 FreieMedien GETTR besuchen