konfedera.org

Système écopolitique consistant en une Confédération d'États souverains, fondés sur le partage des pouvoirs financier et politique.

Gestion des épidémies

email Facebook Twitter
Màj : 5 déc. 2020   –   # pages : 93 [?]

Résumé

https://konfedera.org/gestion-epidemies#resume

Version courte (3 points)

  • Stratégie. Depuis que l'on mesure les épidémies en temps réel, c-à-d depuis 1920 dans la plupart des pays, on avait jamais imposé aux populations la stratégie prétendument préventive, dite "non pharmaceutique" (SNP : confinement, distanciation, masque, lavages), y compris dans le cas de pandémies de virus "nouveaux".

  • Surmortalité. La surmortalité toutes causes, c-à-d le différentiel de mortalité toutes causes par rapport à la moyenne des 3 à 5 années précédentes, est l'indicateur au plus haut contenu informationnel en matière de gestion épidémique. En 2020 les effets pervers de la SNP sont probablement le principal facteur de la surmortalité toutes causes observée dans la moitié des pays européens.

  • Modèles. Les "prévisions" des modèles mathématiques surestiment dans des proportions gigantesques le risque épidémique et infectiologique. Ce fait est lié à la nature écosystémique et complexe des phénomènes épidémiques et infectiologiques, ainsi qu'à la forte propension des paramétrages du modèle à privilégier les "scénarios" catastrophistes.

Version longue (15 points)

  1. Officielle. La thèse officielle concernant l'épidémie de covid-19 est la suivante :

    covid-19 est un virus nouveau. Il en résulte que (i) il n'existe ni médicament spécifique ni vaccin ; (ii) personne n'est immunisé (absence d'anticorps) ⇒ il n'existe pas de barrière physiologique à sa propagation, qui est alors rapide. Par conséquent, pour éviter le risque de surcharge du système hospitalier, il faut imposer le port du masque voire le confinement des populations, ce qui aura pour effet de retarder et d'abaisser le sommet de la courbe épidémique. On gagnerait ainsi du temps pour augmenter la capacité hospitalière et développer des médicaments/vaccins spécifiques avant le pic épidémique.
  2. Réfutation. La thèse officielle peut à priori sembler imparable, et pourtant un simple fait démontre qu'elle est totalement erronée : en 2020 cela faisait plus d'un siècle qu'on avait imposé aux populations la stratégie dite "non pharmaceutique" (SNP : confinement, distanciation, masque, lavages) lors des régulières épidémies, y comprises les pandémies de virus "nouveaux". Et cela pour des raisons évidentes :

    • on sait aujourd'hui qu'une partie de la population est immunisée de naissance et/ou par immunité croisée, de sorte que l'immunité collective serait nettement plus élevé que celle mesurée par les tests sérologiques spécifiques à SARS-CoV-2 ⇒ le seuil d'immunité collective serait donc atteint beaucoup plus rapidement que supposent les prévisions catastrophistes ;
    • certains médicaments non spécifiques sont efficaces ;
    • il est n'est pas possible de développer les capacités hospitalières de façon substantielle en moins de cinq ans, et des médicaments/vaccins spécifiques réellement efficaces en moins de dix ans.
    • pour freiner substantiellement la propagation d'un virus le coût des mesures à appliquer (confinement, distanciation, masques, lavages) est tellement élevé que même en milieu hospitalier – pourtant équipé de tout le matériel nécessaire et où les règles sanitaires sont strictement appliquées par des professionnels avec un haut niveau de formation – on n'arrive pas à neutraliser les infections nosocomiales ; de nombreuses mesures sanitaires en milieu hospitalier sont en réalité appliquées pour des raisons juridiques et d'image de marque (la concurrence joue aussi dans le secteur hospitalier).
  3. Extinction. Les épidémies ont une évolution dont la courbe a la forme d'une cloche, ce qui signifie qu'au début elles montrent en général une croissance exponentielle. Or toutes ces épidémies s'éteignent naturellement (*) avant d'avoir contaminé 100% de la population. Et la plupart avant même d'avoir atteint le taux théorique d'immunité collective, pour des raisons encore inconnues mais très probablement liées au virus lui-même et/ou aux écosystèmes dans lesquels il évolue.

    (*) En réalité la plupart des virus disparaissent seulement des "radars statistiques" mais continuent à circuler de manière endémique, via des porteurs asymptotiques.

  4. Modèles. Le recours à des modèles mathématiques à des fins de suivi épidémique et de prévision est irrationnel car :

    • dans le cas des virus "nouveaux", leur paramètres sont inconnus et ne peuvent être correctement évalués en temps réel (c-à-d en cours d'épidémie) en raison de biais de mesure ne pouvant être corrigés qu'au moins douze mois après le début de l'épidémie;
    • quant aux virus en général, c-à-d connus ou non, leurs caractéristiques (les valeurs attribuées aux paramètres des modèles) ne sont pas stables dans le temps (voire même non plus dans l'espace), en raison de la nature écosystémique et complexe des phénomènes infectiologiques.

    On constate d'ailleurs une très forte propension de ces modèles à produire des "prévisions" qui s'avèrent in fine de gigantesques surestimations du risque épidémique et infectiologique.

  5. Rebonds. En raison de biais statistiques et de mesure, induisant généralement une forte surestimation de la gravité épidémique, le nombre de cas positifs est un très mauvais indicateur épidémique. Notamment il suffit que le nombre de tests augmente (par exemple suite à la surmédiatisation de "prévisions" catastrophiques) pour qu'augmente le nombre de « cas positifs ». D'autre part, en raison de la très grande difficulté de distinguer entre décès par le virus et décès avec le virus, le meilleur indicateur, aussi bien pour mesurer l'évolution que la létalité d'une épidémie, c'est la surmortalité toutes causes (c-à-d le différentiel de mortalité toutes causes par rapport à la moyenne des 3 à 5 années précédentes). Or à l'exception de quelques pays (cf. points suivants) celle-ci révèle une situation qui ne diffère pas substantiellement des années précédentes. En outre sa forme sinusoïdale montre que les rebonds annuels sont habituels et s'expliquent par l'influence du facteur saisonnier (notamment la température et l'humidité) sur la répartition annuelle des décès.

  6. Surmortalité. En Europe, région du monde la plus touchée par covid-19, la mortalité toutes causes sur l'ensemble de l'année 2020 aurait probablement été la plus basse des quatre dernières années s'il n'y avait eu les décès attribués à covid-19, mais principalement causés par les effets pervers de la stratégie non pharmaceutique (SNP : confinement, distanciation, masques, lavages).

  7. Causes. Les pouvoirs médiatique, académique et politique ne s'en sont jamais cachés : pour qu'un maximum de gens appliquent les mesures de la SNP il faut apeuré la population (sic). La SNP implique donc la terreur, or celle-ci provoque de graves effets délétères :

    • la panique, qui inhibe les capacités cognitives :
      • de ministres de la santé qui ont considérablement entravé la capacité des médecins de ville à soigner les patients présentant des symptômes bénins de la covid-19 (notamment en interdisant l'hydroxychloroquine) ⇒ il en a résulté l'aggravation de l'état de certains de ces patients non traités, qui ont du finalement être envoyés en urgence dans le système hospitalier, ce qui eut pour effet de surcharger certains hôpitaux.
      • de directeurs de homes et hôpitaux : ainsi dans de nombreux pays la moitié des décès attribués à covid-19 ont eu lieu en dehors du milieu hospitalier, en l'occurrence essentiellement dans les maisons de repos, alors qu'il restait une large capacité hospitalière non occupée (40% des lits de soins intensifs en Belgique !) ; on peut classer ces décès en deux groupes selon leur niveau d'infection :
        • gravement infectés : décès par manque de soins, ces homes ne disposant ni du matériel ni du personnel formé pour soigner les cas graves ;
        • peu ou pas infectés : nombreux décès provoqués par "l'effet de glissement" : privés d'affection familiale, terrorisés par les messages gouvernementaux ultra-anxiogènes et par les décès autour d'eux, beaucoup de vieillards se sont "laissés partir".
      • de médecins hospitaliers : ainsi plus de 50% de la mortalité attribuée à covid-19 serait causée par les intubations abusives !
    • la peur de la contamination, qui inhibe la demande et l'offre de services médicaux.
    • la sur-hygiénisation, le stress psychique, et la réduction des activités physiques, qui inhibent le système immunitaire, pouvant ainsi démultiplier l'ensemble des effets pervers de la SNP dans un effet "boule de neige" cataclysmique.
    • les effet d'entrave sur le système productif :
      • au niveau micro-économique : le confinement général entrave la production & distribution de biens et services indispensables à la lutte contre l'épidémie (médicaments, respirateurs, ...) ;
      • au niveau macro-économique : il y a une corrélation forte entre revenu national et mortalité : la baisse du développement économique est généralement accompagné d'une hausse de la mortalité.
  8. Précaution. L'invocation du principe de précaution par les conseillers scientifiques de nombreux gouvernements pour "justifier" l'imposition de la stratégie préventive dite "non pharmaceutique" (SNP : confinement, distanciation, masques, lavages) est fallacieuse. En effet le principe de précaution ne consiste pas à appliquer une mesure incertaine sous prétexte qu'elle pourrait peut-être fonctionner, mais au contraire à ne pas appliquer une mesure sans être certain que ses effets pervers ne l'emportent pas sur ses supposés effets positifs ("Primo non nocere").

  9. Dépistage. Le dépistage est utile mais très coûteux :

    • en termes financiers ⇒ il doit être limité aux groupes à risque;
    • en termes démocratiques ⇒ information sans coercition (donc pas de traçage).
  10. Médias. Au cours des dernières décennies, comme de tout temps, des virus considérés comme "nouveaux" se sont répandus sur la quasi totalité de la planète (pandémie). Dans la plupart des cas on a également assisté à une hystérie collective, mais jamais avec une intensité telle que pour covid-19. La perte d'audience des médias "d'information", suite à la concurrence d'Internet, pousse ces entreprises à toujours plus de catastrophisme afin de booster l'audimat. Pour ce faire elles n'ont aucune peine à trouver des scientifiques prêts à cautionner le catastrophisme afin de briller sous les spotlights des plateaux TV, ou encore des médecins hospitaliers pour qui le catastrophisme est l'occasion de revendiquer plus de financement public.

  11. Big pharma. Des articles scientifiques sérieux qui réfutent la vision catastrophiste de la situation sont censurés tandis que des articles d'une médiocrité manifeste sont publiés par les revues scientifiques les plus reconnues. Ces articles propagent des affirmations mensongères : prévisions catastrophistes, prétendue absence de traitement, prétendue efficacité de la SNP pour abaisser et reculer le sommet d'une courbe épidémique. Cela n'est pas étranger au fait que de nombreux chercheurs sont intoxiqués par des sources d'informations "scientifiques" produites par l'industrie pharmaceutique, et souvent ont carrément des conflits d'intérêt avec celle-ci.

  12. Surfeurs. D'autres forces économiques ou politiques ont pu "surfer" sur la vague médiatique, et ainsi l'amplifier, en considérant de façon délirante que le coût économique de la SNP est inférieur aux gains récurrents d'un changement de paradigme économique permis par le choc émotionnel :

    • la croyance écologiste dans la nécessité d'imposer une décroissance économique a facilité l'avènement du covidisme ;
    • le potentiel financier et politique du "Big data" est tel (il concerne la quasi totalité des secteurs économiques) que de très fortes pressions ont pu être exercées sur les décideurs politiques afin que ceux-ci exploitent la vague médiatique catastrophiste pour amener les populations à accepter le traçage de leur vie privée ;
    • alors que jusqu'au début des années 2000 le libre-échange international était la pierre angulaire de l'idéologie atlantiste, on assiste à un rétro-pédalage intégral de la part des pays atlantistes depuis que cette logique se retourne contre eux (concurrence de la Chine) ⇒ la théorie du "nouveau risque épidémique" est l'occasion de "justifier" ce revirement idéologique.
  13. Totalitarisme. Dans les pays où les mesures de la SNP furet appliquées par une large part de la population (dont la France et la Belgique) les gouvernements affirmeront que sans la SNP la mortalité causée par le virus aurait été bien plus élevée. Il suffit pourtant d'observer les précédentes pandémies de virus nouveaux (depuis que les épidémies sont mesurées en temps réel dans la plupart des pays c-à-d depuis 1920) pour constater que cela est faux. Par conséquent, et étant donné que la mutation des virus est un phénomène quasi-permanent, si les populations ne se révoltent pas contre l'imposition de la SNP, des vaccins bâclés et du traçage de nos relations, ces pratiques prétendument "préventives" mais délétères deviendront récurrentes voire permanentes. Ce sera cela la "nouvelle normalité".

  14. Responsabilités. Dans l'hystérie collective autour de covid-19 il y a une immense responsabilité des entreprises "d'information" ainsi que des scientifiques qu'elles médiatisent. D'autre part de nombreux scientifiques conscients de la supercherie ont fait preuve de suivisme en se taisant (ce qui n'est pas sans rappeler la coupable passivité de l'élite allemande lors de la montée en puissance du nazisme durant les années 1930).

  15. Réaction. Des psychoses telles que celle de 2020 se reproduiront s'il n'y a pas de prise de conscience :
    • au niveau individuel : de la nuisibilité de l'info-dépendance;
    • au niveau collectif : de la nécessité d'une prise de contrôle démocratique des moyens de production de l'information et du savoir.

Partagez cette étude en copiant/collant son adresse sur les réseaux sociaux ou dans un email :
https://konfedera.org/gestion-epidemies
et en ajoutant le texte de présentation :
Étude sur l'exploitation médiatique, commerciale ou politique de la peur, et sur l'avènement d'un totalitarisme "sanitaire".

Introduction

https://konfedera.org/gestion-epidemies#intro

Auteur

https://konfedera.org/gestion-epidemies#auteur

Je suis économiste de formation. En tant que chercheur libre, mon approche est fondée sur la transdisciplinarité c-à-d la spécialisation du chercheur dans la pluridisciplinarité – à ne pas confondre avec l'interdisciplinarité, qui est la collaboration de spécialistes dans des thématiques multidisciplinaires. Cette approche est certes ambitieuse voire prétentieuse, mais le lecteur pourra constater son énorme potentiel analytique, confirmé par la montée du présent article – sans équivalent dans son approche transdisciplinaire – dans la plupart des moteurs de recherche (Google, Bing, Yahoo, Qwant, DuckDuckGo, ...), sur la thématique de gestion des épidémies.

J'attire enfin l'attention du lecteur sur un fait important : ayant banni la TV de mon domicile depuis l'année 2000, je ne suis pas info-dépendant.

Pour plus d'information sur mes domaines d'activité voir la page d'accueil de mon site portail jortay.net.

Objectif

https://konfedera.org/gestion-epidemies#objectif

En Chine le taux de mortalité morts / population attribué à covid-19 fut de seulement 0,03 % pour l'agglomération de Wuhan (le foyer de l'épidémie, 11 millions d'habitants) et 0,0002 % pour l'ensemble de la Chine (1,386 milliard d'habitants) [source]. On comparera utilement ce dernier taux avec le taux correspondant de la grippe en France, soit 0,02 % [source].

Taux de mortalité morts / population (%)
covid-19 (Chine) Grippe (France) covid-19 / Grippe
0,03 (Wuhan) 0,02 1,5
0,0002 (Chine) 0,01
  • À noter en outre que les statistiques de mortalité épidémiques sont fortement sujettes à caution en raison de la difficulté voire l'impossibilité de distinguer "décès par l'agent pathogène" et "décès avec l'agent pathogène". C'est donc la mortalité toute causes qui est pertinente comme indicateur.
  • Nomenclature : covid-19 est le nom de la maladie ("COronaVirus Disease 2019") tandis que SARS-CoV-2 est celui du virus ("Severe Acute Respiratory Syndrome COronaVirus 2") [source].

Le gouvernement chinois a imposé le confinement général – NB : dans la seule région de Wuhan (le foyer épidémique) – pour des raisons de politique intérieure et extérieure. Il ne pouvait s'agir de raisons médicales car nous n'avons trouvé aucune étude scientifique datant d'avant 2020, ni aucun manuel d'épidémiologie recommandant l'imposition du confinement général pour neutraliser une épidémie. Le tableau ci-dessus montre ainsi que le confinement général (i) n'a pu empêcher la propagation du virus dans le reste de la Chine, et (ii) que le taux de mortalité y est (très) inférieur alors que le confinement général n'y a pas été appliqué. Il y a donc une forte probabilité qu'une partie considérable du surplus de mortalité dans la région de Wuhan fut causée par les effets pervers du confinement général. Nous verrons qu'il existe de nombreux et solides arguments confirmant cette thèse.

Régulièrement des continents sont confrontés à des épidémies d'agents infectieux dont certains sont "inconnus" (grippes aviaires, H1N1, SARS, MERS, Ebola, chikungunya, Zika, ...) [source], causant des morts, et dont la croissance est exponentielle. À chaque fois il existe un risque plus ou moins élevé que le système hospitalier soit surchargé. À chaque fois les médias d'information ont suscité une atmosphère de panique. Mais jamais on avait atteint un état d'hystérie et de psychose collective tel qu'avec covid-19. En particulier on avait probablement jamais appliqué le confinement général à l'ensemble de la population d'un pays : c'est une certitude pour les cent dernières années, et pour les époques précédentes il existe de sérieux doutes quant à la faisabilité – en l'absence d'un moyen de conditionnement de l'opinion publique tel que la télévision – d'un confinement global effectif tel que celui observé en 2020.

Pourquoi alors la stratégie préventive dite "non pharmaceutique (SNP : confinement, distanciation, masques, lavages) a-t-elle été appliquée lors de l'épidémie de covid-19 en 2020 alors qu'il n'existe pas de critère objectif permettant de déterminer un niveau de risque de mortalité au-delà duquel il faudrait appliquer la stratégie SNP, et en-dessous duquel cela ne serait pas nécessaire.

epidemie.jpeg

Il importe de trouver la réponse à cette question car la similitude du phénomène covid-19 avec la guerre (la vraie), cette autre folie collective, est flagrante. Or en situation de guerre, il n'y a plus de place pour le débat : si vous critiquez le gouvernement, celui-ci et ceux qu'il a rallié à lui grâce à la peur, vous accusent de jouer le jeu de "l'ennemi meurtrier". Cette vision réductrice a pour effet d'inhiber (voir criminaliser) le débat public et partant l'intelligence collective. Cela conduit à l'incapacité collective de s'adapter intelligemment à l'évolution de la situation et des informations disponibles. Il en résulte généralement des catastrophes. Ainsi en cédant à la panique on peut perdre une guerre face à un ennemi même insignifiant (prophétie autoréalisatrice).

Le présent article est composée d'une dizaine de sections :

• Modèles mathématique
• Modèle SIR
• SIR et la grippe
• SIR et covid-19
• Stratégies anti-épidémiques
• Indicateurs et suivi épidémique
• Covid-19 : analyse statistique
• Covidisme
• Neutraliser le covidisme

Conseils de lecture

https://konfedera.org/gestion-epidemies#conseils-de-lecture

On peut aborder de diverses façons cette étude de 93 pages et comportant des sections mathématiques (sections 4 à 6) :

  • soit comme une sorte d'encyclopédie que l'on consulte partiellement et à l'occasion :
    • à partir du sommaire, trouvez la section du sujet qui vous intéresse ;
    • ou faite une recherche dans la page : CTRL+F.

    En principe la lecture d'une section ne requiert pas celle des précédentes. D'autre part des liens internes au document renvoient à des sections précédentes pour le lecteur qui souhaite les approfondir ou les revoir.

  • soit comme un matière à étudier dans son entièreté et dans un ordre chronologique.

Dans un cas comme dans l'autre je recommande vivement de lire deux fois pour vraiment comprendre. Lors de la première lecture évitez, autant que faire se peut, de cliquer sur les (nombreux) liens afin d'éviter la surcharge et de ne pas perdre le fil. Ne consultez éventuellement les liens que lors de la seconde lecture.

Dans la plupart des navigateurs il suffit de pointer sans cliquer sur un lien pour faire apparaître l'adresse (généralement en bas à gauche de la fenêtre). Testez en pointant sans cliquer sur ce lien vers la présente section : lien. La structure d'une adresse web est site.ext / titreArticle voire site.ext / titreArticle # titreSection.

Dans le second cas (matière à étudier) ne vous lancez pas dans une lecture "en une fois". Faites plutôt "un peu, mais chaque jour" : donnez-vous par exemple une semaine voire un mois pour lire cette étude. Si certains passages vous paraissent difficiles lisez-les malgré tout (sans vous attarder), puis passez à la suite. Cela facilitera la seconde lecture et vous permettra d'avoir une vue d'ensemble.

La compréhension des parties mathématiques de cette étude est accessible par quiconque a terminé ses études secondaires. C'est beaucoup plus une question de temps que d'intelligence ou de formation.

Je rappelle enfin que ce document, comme toutes mes publications, est une publication en édition continue (PEC), c-à-d qu'elle fait l'objet de mises à jour quasiment quotidiennes (corrections, améliorations, ajouts, ...). Le rythme et l'importance des mises à jours sont tels qu'après trois mois de nombreuses sections peuvent faire l'objet d'une relecture (ce qui permet de se mettre à jour et d'approfondir la compréhension du sujet).

Modèles mathématiques

https://konfedera.org/gestion-epidemies#modeles-mathematiques

Dans cette section nous allons exposer les principes de base de la modélisation mathématique. Ensuite nous en énoncerons les limites. Enfin nous illustrerons l'influence (très sous-estimée) de l'idéologie sur l'utilisation des modèles mathématiques.

Principes

https://konfedera.org/gestion-epidemies#modeles-mathematiques-principes

La modélisation mathématique d'un phénomène naturel permet au moins trois types d'utilisation :

  1. explication : faciliter l'étude de ce phénomène (enseignement & recherche) en reproduisant son fonctionnement par une simulation simplifiée (en laboratoire ou sur ordinateur);
  2. prévision : prédire son évolution future ... mais cela n'est possible que pour les phénomènes dont la valeur des paramètres est stable dans le temps ainsi que dans l'espace considéré (notion de référentiel);

    Cette stabilité des paramètres est vérifiée dans le cas de phénomènes tels que la chute d'un corps, mais nous verrons que ce n'est pas le cas des phénomènes épidémiques autres que in vitro.

  3. exploitation : élaborer des techniques pour exploiter ou au contraire neutraliser ce phénomène.
y=ax+b.png

Corrélation. Ainsi le modèle M ≡ y = a * x + b décrit une relation (linéaire) entre des variables x et y, les grandeurs a et b étant considérées (à tort ou à raison) comme constantes et par conséquent qualifiées de "paramètres".

Mesure vs calcul. En présentant le modèle comme ci-dessus plutôt que, par exemple, comme M ≡ a * x + b * y = c on suggère que y est la variable déterminée par la variable explicative x, c-à-d que x est la variable d'entrée (input) et y la variable de sortie (output), c-à-d que x est mesurée, tandis que y est calculée. NB : cela n'implique pas nécessairement une causalité entre les deux, mais peut se justifier par exemple parce qu'il est moins coûteux de mesurer x que y, et donc de calculer y plutôt de le mesurer.

Dans y = a * x + b le coefficient b représente l'ordonnée à l'origine de la droite, tandis que le coefficient a représente la "pente" de la droite (Δy/Δx, interprétation géométrique) ou encore la "dérivée" de l'équation (dy/dx, interprétation algébrique), c-à-d la "sensibilité" de y à une variation de x.

Causalité. Tel que formulé ci-dessus, c-à-d sans indices de temps, le modèle ne dit rien quant à une éventuelle causalité soit de x sur y, ou inversement, ou les deux (boucle de rétroaction), ou/et d'une ou plusieurs variables non représentées dans le modèle. Du point de vue physique l'effet d'une relation causale ne peut être instantanée, sauf à supposer qu'un corps peut se déplacer, du lieu de la cause à celui de l'effet, à une vitesse infinie c-à-d supérieure à celle de la lumière, ce qui dans l'état actuel de la science physique est généralement considéré comme impossible. La cause doit donc nécessairement précéder temporellement son effet. Par conséquent une causalité de x sur y devrait être formulée par : yt+k = a * xt + b où k est le temps écoulé entre une variation de x et son effet sur y.

Calcul descriptif ou prédictif. On pourra alors tirer les conclusions suivantes sur les possibilités d'utilisations du modèle M ≡ y = a * x + b :

  • si relation asynchrone yt+k = a * xt + b ⇒ au temps t=0 je peux prédire yk si j'ai la possibilité de mesurer x0;
  • si relation synchrone yt = a * xt + b ⇒ au temps t=0 :
    • je peux calculer y0 après avoir mesuré x0 (/ ou inversement), ce qui est généralement moins coûteux que de mesurer y0 (/ ou x0) ; mais il s'agit d'un calcul descriptif et non pas prédictif ;
    • il m'est impossible de prédire ni xt ni yt car pour cela je devrais connaître la valeur de leur(s) éventuelle(s) variable(s) déterminante(s) (on dit aussi "explicatives") en t=0, or le modèle M ≡ yt = a * xt + b (qui ne contient que cette seule équation) ne contient pas les équations exprimant les relations de ces variables explicatives avec xt et yt (soit parce que le phénomène est stochastique soit parce que le modèle est incomplet).

La valeur calculée y0 (descriptive) ou yk (prédictive) sera d'autant moins proche de sa valeur réelle que les erreurs de mesure de x0 (variable explicative), a et b (paramètres) seront élevées, et que la valeur de chacun de ces deux paramètres a et b ne sera pas constante (ou suffisamment peu variable, puisque dans le monde réel les véritables constantes sont relativement rares).

Dimensions temporelle et spatiale

Les notions de variables et constantes concernent les dimensions temporelle et spatiale : une grandeur change (variable) ou pas (constante) :

  • avec le temps qui passe ⇒ dimension temporelle ;
  • selon le lieu (et donc l'individu) ⇒ dimension spatiale.

À noter que le temps est de dimension 1 (une droite) et ne peut évoluer que dans le sens positif (on ne peut reculer dans le temps), tandis que l'espace est de dimension 3 (voire plus) et un corps peut s'y déplacer dans les deux sens positif (avancer) et négatif (reculer) d'une droite, ainsi que dans toutes ses directions. D'autre part le temps passe inexorablement tandis qu'un corps peut être soit à l'arrêt soit en mouvement.

modele-mathematique.png

Modèle épidémiologique SIR

Un modèle est donc nécessairement une représentation simplifiée de la réalité. Il y a là une rationalité économique : on veut pouvoir reproduire (simuler) un phénomène au moyen d'un système le plus simple possible (petit nombre de variables et paramètres, relations linéaires, ...). Cela ne veut pas dire qu'il n'est pas possible de simuler un phénomène complexe (grand nombre de variables et paramètres, relations non linéaires, effets de rétroactions, ...), c'est même dans ce cas qu'un modèle programmé dans un ordinateur permet de dépasser les limites de l'intuition humaine. Il serait donc injuste d'assimiler ces modèles à l'allégorie de la caverne.

Il importe cependant de faire preuve de prudence dans les modes d'application et l'interprétation des modèles. La relative facilité à les concevoir et "faire tourner" peut rapidement conduire au fétichisme du jouet mathématique voire à un enfermement cognitif (tels qu'observés chez de nombreux adeptes des modèles astrologiques), consistant notamment à croire que la modélisation mathématique constitue la démonstration d'une thèse alors qu'elle n'en est que la formulation.

Ainsi en économie et épidémiologie les modèles mathématiques doivent être constamment reparamétrés (la valeur des paramètres doit être réévaluée) pour qu'ils puissent simplement reproduire les phénomènes observés. L'instabilité temporelle (voire même spatiale) des paramètres – due à la nature écosystémique des phénomènes économiques et épidémiologiques – induit l'impossibilité pour ces modèles de prédire le développement futur de ces phénomènes. Dans ce dernier domaine la mutabilité des virus ou bactéries (qui en font de nouveaux objets biologiques dont les propriétés sont alors supposées inconnues) ne fait qu'accroître cette incertitude.

Limites des modèles mathématiques

https://konfedera.org/gestion-epidemies#limites-modeles-mathematiques

La limite des modèles mathématiques est celle de leur éventuelle incapacité à prédire la réalité future voire à simplement reproduire théoriquement la réalité observée (généralement par une représentation simplifiée, telle qu'une courbe lissée).

Réalité

Neil Ferguson, le physicien converti à l'épidémiologie qui en 2020 a réussi à convaincre de nombreux gouvernements que l'épidémie de covid-19 allait provoquer au moins 55 millions de morts si l'on appliquait pas le confinement général, est pourtant connu pour ses prévisions aussi catastrophistes ... qu'erronées [source] :

  • en 2005 il prédit que la grippe aviaire tuerait 200 millions de personnes : il y eu quelques centaines de victimes ;
  • en 2009, il prédit que la grippe porcine tuerait 65.000 Britanniques : il y eu moins de cinq cents victimes ;

Dans aucun de ces cas les mesures sanitaires de la stratégie préventive dite "non pharmaceutique" (SNP : confinement, distanciation, masque, lavages) n'ont été imposée à la population. Heureusement car sinon les adeptes des modèles épidémiologiques auraient affirmé que la catastrophe a été évitée grâce à la SNP. En 2020, ce fut malheureusement différent : le confinement général a été appliqué ⇒ les adeptes des modèles affirment que la catastrophe a été évitée grâce à l'imposition de la SNP à l'ensemble de la population ...

Théorie

Un principe qu'il est important de comprendre c'est que l'incapacité d'un modèle à simplement reproduire un phénomène (par simulation dans un laboratoire ou sur un ordinateur) autrement qu'en adaptant la valeur des paramètres, implique évidemment l'impossibilité de prédiction (beaucoup plus complexe) par ce modèle.

L'incapacité de reproduction systématique (c-à-d sans devoir adapter la valeur des paramètres) peut avoir trois divers types de causes :

  • phénomène est stochastique (c-à-d soumis au hasard) ⇔ les paramètres du modèles sont variables dans le temps et l'espace.
  • le phénomène est déterministe (c-à-d non soumis au hasard) mais :
    • sensible aux conditions initiales ;
    • ou bien la mesure des valeurs d'entrées (et des paramètres en cas d'instance nouvelle) est l'objet de biais statistiques ne pouvant être corrigés qu'après la réalisation du phénomène (ce qui est le cas des phénomènes épidémiologiques) ;
    • ou bien le modèle est incomplet (réductionnisme voire irréductibilité).

Nous allons ici approfondir les notions de stochasticité, sensibilité, irréductibilité et réalité.

Stochasticité

Un phénomène stochastique (c-à-d soumis au hasard) ne peut-être reproduit qu'en adaptant à chaque fois la valeur des paramètres du modèle puisque ceux-ci sont par nature variables dans le temps et l'espace. Par conséquent il est impossible de prédire l'évolution d'un phénomène stochastique.

Avec le développement des capacités de traitement des donnés (quantité et vitesse) sont apparus des modèles dits "stochastiques". Ils concernent des quantités "macroscopiques" vues comme des moyennes statistiques de quantités microscopiques (par exemple la pression et la température d'un volume gazeux). Le principe est ici que l’instabilité exponentielle du système "microscopique", c-à-d l'imprévisibilité des variables du niveau micro, n'impliquerait pas l'imprévisibilité de moyennes statistiques au niveau macro. Il existe cependant des situations particulières dites "critiques" où l'on observe des phénomènes de type "transition de phase" c-à-d tel que le système "hésite" de façon imprévisible et changeante entre deux chemins possibles [source].

Sensibilité

Les scientifiques avaient l’habitude de penser que si l'on pouvait isoler un système des influences de son environnement et le décrire à l’aide d’un nombre réduit de variables, il serait à la fois déterministe et prévisible. Mais on sait aujourd'hui que pour être prévisible, un système doit être déterministe et stable : de petites incertitudes sur l’état initial du système ne doivent pas s’amplifier trop vite, sinon toute prédiction sur le comportement futur du système devient illusoire [source]. Des systèmes déterministes, c-à-d dont l’état futur est complètement déterminé par leur état présent, peuvent donc être imprévisibles. Et cela n'a rien à voir avec la complexité : ce phénomène de sensibilité aux conditions initiales concerne également les systèmes simples (petit nombre de variables, relations linéaires, ...).

Sensibilité aux conditions initiales

Dans cette animation en boucles (30 sec.), après quelques secondes les deux pendules se désynchronisent brusquement [source].

Un système est dit chaotique si une infime perturbation de son état initial peut bouleverser entièrement son évolution. Un système chaotique n'est pas nécessairement complexe.

Irréductibilité

Les modèles mathématiques reposent sur un certain nombre d'hypothèses – notamment la formulation des relations entre variables (les équations), la valeur des paramètres (les supposées "constantes" de ces équations) et conditions initiales – supposées représenter la réalité.

Voici quelques hypothèses sur les modes de transmission du virus covid-19, tirées de l'article de Neil Ferguson [source], sur base duquel de nombreux gouvernements ont décidé d'appliquer la distanciation sociale (confinement et masque généralisés) lors de l'épidémie de 2020 :

  • "30% des hospitalisés le seront en soins intensifs, et 50% de ceux-ci meurent" ;

  • "le nombre de contacts par individu dans les écoles est le double de celui observé ailleurs" ;
  • "la période d'incubation est de 5,2 jours" ;
  • "l'infectiosité survient 12 heures avant le début des symptômes pour les symptomatiques, et 4,6 jours après l'infection pour les asymptomatiques" ;
  • "le taux de propagation R0=2,4" ! (cf. infra #R-zero-valeur-scientifique);
  • "les symptomatiques sont 50% plus contaminants que les asymptomatiques" ;
  • "deux tiers des symptomatiques le sont suffisamment pour s'auto-confiner dans les 24 heures suivant l'apparition des symptômes, et sont hospitalisés dans les cinq jours" ;
  • "la durée d'hospitalisation est de 8 jours pour les cas non critiques et 16 jours pour les cas critiques" ;
  • "70% des ménages respectent les mesures sanitaires" ;
  • "le taux de contact sur le lieu de travail est diminué de 25% (distanciation)" ; ...

Dans la section #modeles-mathematiques-principes nous avons vu que l'intérêt des modèles réside précisément dans leur simplicité. Mais lorsqu'un phénomène est difficilement modélisable et que par conséquent les modèles n'arrivent pas à simplement reproduire correctement ses instances (ce qui implique évidemment l'incapacité de prédire celles-ci), des scientifiques qui ont investi leur carrière dans la modélisation de ce phénomène peuvent être tentés, plutôt que de changer de domaine de recherche, de s'obstiner en augmentant sans fin le nombre des variables, paramètres et équations (ce qui est le cas des modèles dérivés de SIR). Il en résulte des modèles complexes qui non seulement ne sont pas plus performants mais qui en outre sont beaucoup plus difficiles à comprendre, de sorte qu'ils n'ont plus aucun intérêt (notamment pour l'enseignement). C'est le cas notamment en économie et épidémiologie/infectiologie, qui semblent bien être des phénomènes irréductibles.

L'incapacité prédictive des modèle épidémiologiques (sauf effet du hasard) n'est pas étonnante car la dynamique des maladies transmissibles est extrêmement complexe. On observe ainsi une grande diversité dans la nature et la puissance des vecteurs : tous ne transmettent pas la maladie de la même manière, certains individus étant plus contaminants mais moins malades (par exemple les enfants) tandis que d'autres sont plus sensibles mais moins contaminants (par exemples les personnes âgées).

D'autre part les comportements culturels, comme cracher par terre et consommer peu ou beaucoup de certains aliments, peuvent induire des différences dans la propagation et la létalité d'un virus. Les maladies infectieuses sont donc des maladies d'écosystème. Par conséquent même si un modèle fonctionnait bien pour tel pays il pourrait ne pas fonctionner du tout pour d'autres pays. À cette variabilité spatiale s'ajoute une variabilité temporelle : les écosystèmes sont par nature changeant d'une année à l'autre (cf. la grippe qui chaque année peut changer de nature au niveau de sa virulence ou/et ténacité).

Didier Raoult – premier expert mondial dans le domaine des maladies transmissibles selon le classement expertscape – dénonce « une façon de transformer en mathématiques des phénomènes extrêmement complexes qui n'est jamais lucide » [source]. Il y a une incapacité des modèles mathématiques à représenter la complexité des maladies transmissibles, qui plus est dans le cas de virus nouveaux et/ou à mutations fréquentes. Aucun modèle ne peut prendre en compte toute l'hétérogénéité spatiotemporelle d'un contexte écoépidémiologique, ni même le degré de transmissibilité ou la vulnérabilité à une infection. On notera ainsi le gigantesque réductionnisme consistant à ramener à la seule problématique de propagation d'un virus celle, beaucoup plus complexe, de neutralisation de ses effets sur la santé publique.

Réalité

L'incapacité éventuelle d'un modèle mathématique à représenter un phénomène naturel n'est pas nécessairement liée à la conception (erronée ou incomplète) du modèle, mais peut aussi s'expliquer par l'inexistence du phénomène modélisé. Par exemple est-il certain que les notions "d'incidence épidémique d'un virus", de "maladie virale" ou encore de "taux de mortalité d'une maladie", correspondent à une quelconque réalité ? Ainsi lorsque nous pensons mesurer la durée moyenne d'une maladie virale nous ne mesurons en fait que des indicateurs dont nous supposons qu'il permettent de mesurer le début et la fin d'un concept que nous appelons "maladie virale".

Ainsi la notion de "réalité" est liée à celles de "définition" et de "complexité" : pour comprendre la complexité du monde, c-à-d pouvoir agir sur lui ou par rapport à lui, nous en définissons des objets, dont nous mesurons les valeurs. Ce faisant nous pouvons éventuellement ouvrir des portes sur des applications (R&D), mais peut-être aussi nous éloignons-nous d'autres voies plus intéressantes (enfermement cognitif).

Ces considérations nous conduisent à la dernière partie de la section consacrée aux modèles mathématiques en général, traitant de la dimension idéologique.

Modèles et idéologies

https://konfedera.org/gestion-epidemies#modeles-et-idéologies

Les modèles mathématiques ne sont pas seulement soumis à des contraintes logiques et physiques. Ils sont aussi l'objet d'utilisations abusives, fruits de leur incompréhension ou de motivations non scientifiques (idéologiques, financières, égotiques, ...). Nous allons illustrer ce fait par le cas des modèles épidémiologiques.

Interprétations abusives
https://konfedera.org/gestion-epidemies#interpretations-abusives
Illustrer vs
démontrer

Comprenons bien que les résultats d'un modèle mathématique ne constituent aucunement une démonstration (c-à-d une preuve) de la thèse modélisée ! Un modèle mathématique ne fait rien d'autre que de produire des valeurs (les "résultats du modèle") correspondant à différentes valeurs de ses paramètres. Un modèle permet seulement d'illustrer différents scénarios d'une thèse (par exemple : "le confinement général permet de retarder et abaisser le sommet de la courbe épidémique"), mais cela ne démontre pas cette thèse (ainsi il est certes incontestable que les modèles astrologiques produisent des prévisions, mais cela ne prouve en rien que ces modèles sont effectivement capables de prédire l'avenir).

La plupart des journalistes, décideurs politiques et même des scientifiques tombent dans le piège de cette confusion. C'est alors que peut entrer en jeu la manipulation des paramètres.

Valeurs des
paramètres

Nous avons vu que les résultats d'un modèle sont des scénarios correspondant à différentes valeurs des paramètres. Ces paramètres sont déterminés par les utilisateurs du modèle, mais sont généralement entachés de deux types de biais :

  • estimations erronées : les valeurs initiales des variables d'entrées et les paramètres peuvent être :
    • mesurées sur l'épidémie en cours ; ⇒ ces valeurs sont d'autant moins pertinentes que les biais de mesures seront importants (cf. infra la section "#indicateurs-suivi-epidemique");
    • mesurées sur de précédentes épidémies considérées comme "potentiellement similaires" ⇒ ces valeurs sont d'autant moins pertinentes que les caractéristiques de l'épidémie en cours (le virus, le lieu, l'époque) s'avéreront différentes des celles utilisées comme référentiels (généralement au travers de valeurs moyennes, ce qui éloigne encore plus de la réalité) ;
    • calculées à partir d'autres modèles ⇒ ces modèles ne sont plus alors que des objets divinatoires.
  • intérêts financiers/politiques/égotiques : ce dernier biais ne doit pas être sous-estimé : on peut faire dire beaucoup de chose (ce que l'on veut ?) à un modèle ; or des résultats catastrophistes augmentent les chances de médiatisation d'un modèle, et donc de ses auteurs ...

On passe alors au stade suivant de la confusion voire manipulation : faire passer une valeur calculée pour une valeur observée.

Mesure
vs calcul

Les modèles peuvent être utilisés comme instrument d'analyse descriptive, par exemple pour calculer une valeur (estimation) lorsque sa mesure n'est pas disponible ou trop coûteuse. Il n'y a là rien d'abusif, sauf si on ne le mentionne pas. Or de nombreux articles de presse mélangent sans distinction des données mesurées et des données calculées (donc provenant de modèles), ce qui a pour effet que des valeurs calculées (qui peuvent être très éloignées de la réalité) sont présentées comme valeurs mesurées.

Enfin en toile de fond de ces confusions voire manipulation, il y a la question fondamentale de la causalité.

Corrélation
vs causalité

Une autre pratique abusive est d'interpréter une simple corrélation entre deux variables comme étant une relation de causalité selon laquelle l'une déterminerait l'autre. Exemple : « la vitesse de croissance de l'épidémie a diminué peu après l'implémentation du confinement général », alors que vitesse diminue toujours après une première phase exponentielle ...

Conclusion

Quelques lignes extraites d'une étude scientifique [source], et qui nous rappellent que les modèles doivent être interprétés avec prudence et sens critique :

  • « Certaines études antérieures ont signalé différente valeurs de R0 (de 1,40 à 6,49 avec une moyenne de 3,28) en raison de différentes sources de données, périodes et méthodes statistiques » (p. 16).

    Ces « Certaines études antérieures « représentent-elles l'intégralité des ordres de grandeur de R0 ? (N'y a-t-il pas des études qui mentionnent des valeurs inférieures à 1 ?).

  • « (...) nous avons fixé les valeurs de plusieurs paramètres sur la base d'études épidémiologiques antérieures sans tenir compte de l'incertitude, ce qui pourrait réduire la précision de nos résultats » (p. 17).
  • « L'impact des interventions doit être considéré dans son ensemble et nous n'avons pas pu évaluer les stratégies individuelles par la courbe épidémique » (p. 17).

Dans quelle mesure ces "degrés de liberté" permettent-ils de faire dire ce que l'on veut à une telle étude ?

Neil Ferguson
https://konfedera.org/gestion-epidemies#Neil-Ferguson

Le graphique hyper-catastrophiste ci-dessous est le résultat d'une modélisation mathématique réalisée par le physicien anglais Neil Ferguson de l'Imperial College London. Selon ce graphique – publié le 16 mars 2020 c-à-d au début de l'épidémie de covid-19 en Europe – les malades sévères de covid-19 (c-à-d qui nécessiteront une hospitalisation) représenteront près de 30 fois les capacités hospitalières (3000 % !) en l'absence de stratégie non pharmaceutique (SNP : confinement, distanciation, masque, lavages).

UK : une modélisation catastrophiste de covid-19 (scénarios de prévisions)

covid19-modele.png

Ligne rouge : capacité hospitalière en lits de soins intensifs. Courbes : différents scénarios d’utilisation de la capacité selon la stratégie appliquée. Conclusion : dans tous les cas la capacité hospitalière serait submergée ... [source]. Voir aussi cette interface de simulation.

Le graphique suivant concerne la Suède – pays où la SNP fut nettement plus modérée que dans le reste de l'Europe – et compare la courbe effective des hospitalisations en soins intensifs (en bleu) avec les prévisions du modèle mathématique de Neil Ferguson du Imperial College of London (en tonalités de gris selon le niveau d'intensité de la SNP).

Suède : taux d'hospitalisation en soins intensifs (réel vs prévisions)

sweden-icu.png

Source

Si la courbe en gris le plus foncé est celle de la prévision correspondant au niveau d'application de la stratégie non pharmaceutique effectivement observé (SNP : confinement, distanciation, masque, lavages) que signifie alors la courbe en bleu (courbe épidémique effectivement observée) si ce n'est que les modèles épidémiologiques prévisionnels sont bancals et surestiment, dans des proportions gigantesques, le risque épidémique et infectiologique ?

Même à supposer que les modèles épidémiologiques seraient capables de prédire la date et la hauteur du sommet épidémique d'une épidémie naissance (nous verrons que ce n'est pas le cas) l'ampleur la hauteur prédite du sommet est tellement énorme (cf. supra #Neil-Ferguson) que de toutes façons l'imposition de la SNP ne serait d'aucune utilité : les services hospitaliers seraient totalement submergés et par conséquent hors d'usage en 24h. Imposer la SNP aux populations est donc totalement absurde, et d'autant plus que les prévisions catastrophistes des modèles épidémiologiques ne correspondent à aucune réalité épidémiologique observée depuis que l'on mesure les épidémies en temps réel dans la plupart des pays c-à-d depuis 1920.

Lysensko du
néolibéralisme

Étant donné qu'augmenter les capacités hospitalières dans de telles proportions est quasiment impossible à court et même moyen terme (et cela sans parler de la faisabilité politique et économique d'une surcapacité permanente en dehors des périodes d'épidémies) ces "prévisions" permettent de "justifier" les politiques néolibérales de santé : le recours récurrent au confinement général permettrait d'abaisser le niveau requis de capacité hospitalière [source] ! Le caractère délirant de ces prévisions et de la politique de santé qu'elles impliquent a valu à Ferguson le sobriquet de "Lysenko du néolibéralisme".

Rappelez-vous : au début de l'épidémie le message officiel était que le confinement permettrait de reculer le sommet épidémique et de nous donner ainsi du temps pour augmenter la capacité hospitalière. Or absolument aucun programme de développement de la capacité hospitalière n'a été mis sur pied, ni aucune entreprise publique de fabrication de masques et de respirateurs n'a été créée. Pourtant l'on nous assure que l'épidémie pourrait durer des années et que le pire pourrait être à venir. Il n'y a plus aucune connexion entre le discours politique et la réalité.

Expert en
catastrophisme

Ferguson, qui s'est fait connaître grâce à ses prévisions catastrophistes, a bien compris que ce qui compte le plus ce n'est pas la valeur scientifique mais médiatique des prévisions épidémiques [source] : plus il exagère plus il gagne en notoriété publique, et plus ils obtient des contrats en tant qu'expert, notamment auprès de l'OMS, la Banque mondiale, l'Union européenne et de nombreux gouvernements [source]. Ferguson est devenu un véritable business man du catastrophisme épidémique. En 2008 il fonda le MRC Centre for Global Infectious Disease qui reçut plusieurs dizaines de millions de dollars de la Bill & Melinda Gates Foundation [source].

Ferguson fait évidemment des émules. Et en 2020 il prédit avec l'états-unien Anthony Fauci que la covid-19 devrait tuer au moins 55 millions d’humains dans le monde ! Le nombre final est 50 fois inférieur. Et il s'agit là d'une estimation (octobre 2020) qui sera certainement fortement revue à la baisse, comme le suggèrent les statistiques de mortalité toutes causes (difficulté voire impossibilité de distinguer les décès par covid-19 des décès avec covid-19). Il conviendra également de déterminer la part les décès causés par les effets pervers du confinement général et du climat de terreur qu'il a suscité.

En 2020 Ferguson a réussi à convaincre de nombreux gouvernements, qui ont imposé le confinement général malgré le scepticisme de nombreux scientifiques, comme en témoigne ces extraits révélateurs d'un article du journal Le Monde du 15 mars 2020, concernant l'influence de Ferguson sur la stratégie du gouvernement Français pour gérer la crise covid-19 [source] :

  • « Cette projection évalue le scénario le plus sombre, avec les hypothèses de mortalité les plus élevées et en l’absence de mesures radicales de prévention. » ;
  • « Selon ces modélisations confidentielles, dont Le Monde a eu connaissance, l’épidémie de Covid-19 pourrait provoquer en France, en l’absence de toute mesure de prévention ou d’endiguement, de 300 000 à 500 000 morts. » ;
  • « Précision extrêmement importante : ce scénario a été calculé en retenant les hypothèses de transmissibilité et de mortalité probables les plus élevées, et ce en l’absence des mesures radicales de prévention et d’éloignement social qui viennent d’être prises » ;
  • « Les résultats pour la France ont été présentés jeudi 12 mars à l’Elysée. Quelques heures avant que le président ne prenne solennellement la parole devant les Français pour expliquer « l’urgence » de la situation. » ;
  • « Il existe des incertitudes quant aux hypothèses retenues et au comportement du virus – pourcentage d’asymptomatiques, transmissibilité, impact des mesures de quarantaine » ;
  • « différentes modélisations ont été présentées jeudi matin puis jeudi après-midi à Emmanuel Macron par le conseil scientifique, mais qu’il n’existe pas de consensus parmi les scientifiques qui le composent. » ;
  • « Il y a eu plusieurs documents de travail qui ont été présentés, pas de document de synthèse, explique un conseiller du chef de l’Etat. On ne peut donc pas considérer qu’une étude fournie par l’un de ses membres reflète l’avis du conseil scientifique dans son ensemble. » ;
  • « les chiffres évoqués [de 300 000 à 500 000 morts en cas d’absence de mesures d’endiguement] sont infiniment supérieurs à ceux communiqués par le ministère de la santé, ils apparaissent disproportionnés » ;
  • « C’est toute la difficulté de cette stratégie, qui n’avait jusqu’à présent jamais été envisagée pour un virus circulant de façon globalisée, en raison de son coût économique et social.»
Théoricien
du NRE

Neil Ferguson a pris pour habitude de qualifier ses détracteurs de "théoriciens du complot". Il n'est pourtant nul besoin d'invoquer un "complot" pour expliquer qu'un scientifique arrive à exploiter habilement les processus médiatico-politiques pour promouvoir sa carrière professionnelle. On pourrait par contre qualifier Ferguson d'habile théoricien du "nouveau risque épidémique" (NRE), et de charlatan.

Mais est-il vrai que Ferguson est capable de faire plier des gouvernements ? N'est-il pas plus réaliste de penser que ceux-ci ont simplement sauté sur l'occasion ? Pour répondre à cette question nous préférons ne pas pas brûler les étapes. Passons donc maintenant à l'analyse du modèle SIR.

Modèle SIR

https://konfedera.org/gestion-epidemies#modele-SIR

Le modèle mathématique SIR est le modèle épidémiologique de base. Les modèles mathématiques se distinguent par leur degré de complexité (nombre de variables & paramètres, types de relations), mais leurs principes fondamentaux sont généralement identiques, et sont les plus visibles/compréhensibles dans les modèles les plus simples.

Système d'équations

Le modèle de base de la plupart des modèles épidémiologiques est appelé SIR [source1, source2]. Il sépare la population en trois groupes, des individus du premier passant progressivement au second puis au troisième : "Susceptible" (c-à-d contaminables) ⇒ "Infected" (c-à-d infectés) ⇒ "Removed" (c-à-d retirés, le terme "résistants" est aussi utilisé en français). Pour éviter certaines confusions de notation nous allons ici remplacer le nom "Removed" par "Excluded" (exclus).

Ce dernier groupe – qui en raison de la sous-estimation de certaines de ses composantes, joue un rôle majeur dans la nature catastrophiste des modèles épidémiologiques – comprend :

  • les immunisés :
  • les guéris :
    • naturellement;
    • par traitement en médecine de ville;
    • par traitement en milieux hospitalier (cas sévères).
  • le décédés par le virus (et qu'il s'agira de distinguer des personnes décédées "avec le virus" mais pour d'autres raisons).

N.B. Cette version basique du modèle suppose donc que les personnes guéries sont immunisées. Il n'est pas ici nécessaire de lever cette hypothèse, car nous verrons que l'augmentation du nombre de variables ne change rien à l'incapacité des modèles épidémiologiques à reproduire la réalité autrement qu'en adaptant à chaque fois la valeur de leurs paramètres.

Mathématiquement la relation entre ces trois groupe est :

St + It + Et = 1

En dérivant n_S+I+E=1 par rapport au temps on obtient :

dS/dt + dI/dt + dE/dt = 0

On peut alors décrire la dynamique des flux S --> I --> E au moyen d'un système d'équations différentielles tel que :

dS/dt = - β * It * St
dI/dt = β * It * St - It / λ
dE/dt = It / λ

Lecture : durant la période dt, le flux net de I (c-à-d dI) est égal (au signe près) au flux sortant de S (dS) moins le flux rentrant dans E (dE).

Description des paramètres (on utilise également le terme "coefficient") :

  • β (bêta) est le paramètre épidémiologique (contagiosité) : alors que le produit It * St est une mesure de la probabilité de contact entre un susceptible et un infecté, β est une mesure de la probabilité de contamination du premier par le second, et est (abusivement) dénommé "incidence";

    N.B. β est supposé constant dans le temps. Nous verrons cependant que ce paramètre, en raison de sa variabilité et de biais de mesure en temps réel, constitue l'une des principales causes de l'incapacité des modèles épidémiologiques à prédire le développement d'une épidémie.

  • λ (lambda) est le paramètre infectiologique (létalité) : c'est une mesure de la durée moyenne de contagiosité = maladie = guérison (NB : cette égalité est une simplification) ; plus λ est bas plus il y a de guérisons par unité de temps : à la limite λ = dtdE = I ; 1 / λ est donc considéré comme le coefficient le plus simple pour exprimer dE/dt en fonction de It ;

    Une typologie plus précise consiste à qualifier λ de paramètre médical, le phénomène infectiologique constituant le lien entre le phénomène épidémiologique (β) et la problématique médicale (λ).

Limitations

Il faut bien comprendre que β et λ ne sont que des objets mathématiques, dont la pertinence en tant que représentation des phénomènes physiques qu'ils modélisent (incidence épidémique d'un virus ou d'une bactérie, et durée de maladie/contagiosité) n'est fondée que si les valeurs de ces paramètres, ou leur moyenne, sont constantes dans le temps et l'espace. C'est cette constance spatio-temporelle de la valeur des paramètres qui lie leur objet mathématique au phénomène physique modélisé. Prenons le cas d'un virus saisonnier (par exemple la grippe) : si la stabilité spatio-temporelle théorique des paramètres n'est pas observée dans la réalité, alors on ne peut affirmer que le modèle représente celle-ci. Il ne pourra ainsi systématiquement "reproduire" par le calcul les courbes épidémiques observées (en particulier la hauteur du pic épidémique), avec une marge d'erreur considérée comme "faible", que par l'adaptation récurrente de la valeur des paramètres. Dans ces conditions il est évidemment impossible que le modèle puisse prédire l'évolution d'une épidémie.

  • N.B. Cette problématique de stabilité spatio-temporelle ne doit pas être confondue avec celle des biais de mesure des paramètres (que nous traiterons dans la section #mesure).
  • Arbitrage politique. L'incapacité prédictive des modèles épidémiologiques a comme conséquence que la gestion de la capacité hospitalière doit opérer un arbitrage entre deux objectifs antagonistes : minimiser le risque de surcharge et minimiser la surcapacité hospitalière. Cet arbitrage oppose donc considérations médicales et économiques, et relève par conséquent du choix politique. Nous verrons que la stratégie supposément "préventive", appliquée durant la crise de la covid-19, en refusant l'arbitrage c-à-d en donnant la priorité absolue à la minimisation du risque de surcharge, a provoqué l'effet contraire via un phénomène de prophétie auto-réalisatrice produit par la sous-estimation des effets pervers de cet arbitrage déséquilibré.

On notera ainsi le gigantesque raccourci que représente le modèle SIR, en résumant en trois lignes d'équations différentielles des phénomènes d'écosystèmes complexes, englobant les problématiques :

  1. épidémiologiques : propagation du virus (exemple : SARS-CoV-2);
  2. infectiologiques : contamination d'individus;
  3. médicales : létalité de maladie associée au virus (exemple : covid-19):
    1. développement éventuel de symptômes sévères (c-à-d nécessitant un traitement médical);
    2. traitements médicaux :
      • symptomatiques;
      • curatifs (ou préventif dans le cas de la vaccination);

Bien évidemment ce raccourci constitue l'intérêt pédagogique des modèles épidémiologiques. Cependant il y a abus lorsqu'en outre ceux-ci sont utilisés à des fins prédictives alors que leurs paramètres ne sont pas stables dans le temps (et en l'occurrence ils ne le sont pas même dans l'espace !). Cette supercherie scientifique exploite habilement la notion de taux de reproduction.

Taux de reproduction

https://konfedera.org/gestion-epidemies#SIR-taux-reproduction

À partir de l'équation dI/dt = β * It * St - It / λ n_dI/dt on montre que :

  • il y a croissance du nombre d'infectés dès que (tant que) :
    dI/dt > 0    ⇔
    β * It * St - It / λ > 0    ⇔

    β * St * λ > 1

Le membre de gauche de n_β*St*λ est supposé représenter le nombre moyen de personnes contaminées par individu infecté (*), et est par conséquent appelé "taux de reproduction" (noté Rt) :

Rt = β * λ * St

(*) Ce qui est inexact : il ressort de dI/dt = β * It * St - It / λ n_dI/dt que le nombre moyen de personnes contaminées par individu infecté c-à-d dI / I * λ = ( β * St * λ - 1 ) * dt.

Un épidémie est donc neutralisée dès que Rt < 1.

Le tableau ci-dessous est une réalisation graphique du modèle. On y voit notamment que la valeur de Rt (courbe hachurée orange, échelle de droite) baisse au fur et à mesure de l'épidémie, et que le sommet de la courbe rouge (infectés) correspond au passage de Rt en-dessous de 1. La baisse théorique continue de Rt s'explique évidemment par sa relation positive avec St, qui diminue tout au long de l'épidémie : Rt = β * St * λn_Rt.

sir-60-15.gif

Tableur SIR.ods

Le modèle SIR montre donc bien que le taux de reproduction (Rt) diminue de toute façon c-à-d même sans politique de distanciation sociale (à supposer que celle-ci soit efficace ...). Le modèle illustre un fait observé de façon récurrente : les épidémies s'éteignent naturellement avant extinction de la population. Les entreprises "d'information" et leur conseillers scientifiques vous ont-il informé de ce fait ? Pas vraiment : il vous ont plutôt asséné, jour après jour, que la baisse de Rt était due aux mesures de distanciations sociales. Nous verrons que les articles scientifiques "démontrant" cette affirmation sont en réalité des fraudes scientifiques éhontées.

Immunité collective

https://konfedera.org/gestion-epidemies#SIR-immunite-collective

Le concept théorique d'immunité collective permet d'expliquer pourquoi les épidémies s'éteignent naturellement avant d'avoir contaminé 100% de la population.

Face à n'importe quel virus il y a toujours une partie de la population qui est immunisée : de naissance, par vaccin, par immunité croisée ou par guérison immunisante. Tous ces individus sont repris dans le groupe Et, avec E0 composé des personnes qui en t=0 sont immunisées de naissance, par vaccin ou par immunité croisée.

À partir de St + It + Et = 1 n_S+I+E=1   ⇔
St = 1 - It - Et     ⇒
substitué dans β * St * λ > 1 n_β*St*λ   ⇒
β * ( 1 - It - Et ) * λ > 1    ⇔
Et < 1 - It - 1 / ( β * λ )

L'épidémie est donc neutralisée dès que Et – c-à-d la part de la population qui est immunisée – est supérieure à E*t ("E étoile") qui est tel que :

E*t = 1 - It - 1 / ( β * λ )

C'est pourquoi on appelle Et* : "seuil d'immunité collective" (taux d'immunité collective neutralisante), et Et : "immunité collective".

N.B. D'un point de vue relatif, la sous-estimation de Et est donc équivalente à une sur-estimation de E*t : dans les deux cas cela conduit à surestimer le niveau qu'atteindra le sommet de la courbe épidémique.

Et en particulier l'épidémie ne pourra pas même démarrer – c-à-d I0 = 0 – si E0 est supérieur à :

E*0 = 1 - 1 / ( β * λ )

Autrement dit, si une épidémie s'est déclenchée c'est nécessairement que Et était inférieur à E*0.

Quant au graphique suivant il montre que E*t atteint son minimum lorsque Et lui devient supérieur, et que ce moment correspond au sommet de la courbe des infections.

Immunité collective et son seuil

immunite-collective-2.png

La courbe bleue (E*t) n'est rien d'autre qu'une symétrie de la courbe verte (It)
β=0,60 ; λ=15 [tableur]

On peut également exprimer E*t en fonction des variables plutôt que des paramètres : en substituant Rt = β * St * λ n_Rt1 / ( β * λ ) = St / Rt dans E*t = 1 - It - 1 / ( λ * β ) n_E*(t)

E*t = 1 - It - St / Rt

de sorte que :

E*0 = 1 - S0 / R0

Mécanisme

Il découle de It = 1 - St - Et n_S+I+E=1 une modélisation probabiliste de l'extinction naturelle de toute épidémie (courbe en cloche) avant contamination (et potentielle extermination) de 100% de la population : la valeur de E*t détermine un seuil au-delà duquel la probabilité de propagation du virus est trop faible relativement au nombre de susceptibles St c-à-d de potentiels vecteurs de transfert.

Plus précisément, selon les modèles épidémiologiques, les facteurs explicatifs de l'extinction naturelle des épidémies sont de deux types :

  • la baisse des flux entrant dans It : dS/dt n_dS/dt de dI/dt = β * It * St - It / λ ;
  • la hausse des flux sortant de It : dE/dt n_dE/dt de dI/dt = β * It * St - It / λ .

La forte propension des modèles épidémiologiques (ou faut-il parler plutôt de leurs paramétreurs ?) à produire des prévisions qui s'avèrent ex post de gigantesques surestimations du taux de mortalité des épidémies (cf. Neil Ferguson) peut s'expliquer notamment par la sur-estimation du seuil d'immunité collective E*t = 1 - It - 1 / ( β * λ ) n_E*(t) via :

  • au niveau des variables (dont valeurs initiales) : la sous-estimation de It et de E0 ;
  • au niveau des paramètres : la surestimation de β (virulence) ou de λ (durée d'infection/contagiosité), donc la sous-estimation (en cours d'épidémie) du nombre de personnes immunisées par guérison.;

Parmi les causes de surestimation du risque épidémique, outre les manipulations des épidémiologistes charlatans (cf. infra la section #forces-covidistes-scientifiques), il y a aussi la sous-estimation de l'immunité collective (via E0 dans le paramétrage des modèles épidémiologiques). L'animation suivante montre qu'une sous-estimation de E0 (ici courbe verte démarrant à 0% vs 40%) se traduit par une surestimation du sommet de la courbe des infections (en rouge, 70% vs 30%). À noter qu'en raison notamment de l'immunité de naissance et de l'immunité croisée ce phénomène de sous-estimation de E0 joue même en cas de virus "nouveaux".

Effet de la sous-estimation de E0

immunite-collective.gif

Si en t=0 on suppose un niveau de E0 qui est en fait inférieur à la réalité (sous-estimation), alors le modèle va surestimer la gravité de l'épidémie (mesurée ici par la hauteur du sommet).
NB : ces paramétrages sont arbitraires.
Tableur SIR.ods

Autres causes. Nous verrons plus loin que l'incapacité des modèles épidémiologiques à prédire le développement d'une épidémie (sauf effet du hasard), et en particulier leur propension à surestimer le risque épidémique (où s'agit-il d'une propension des paramétreurs ?), peut avoir des causes exogènes. Parmi ces causes il y a très probablement la non prise en compte de facteurs opérant en amont du phénomène épidémique, et spécifiques aux virus ou aux écosystèmes (le modèle est alors dit "incomplet"). Autrement dit le concept de taux d'immunité collective ne serait pas le seul facteur explicatif de l'extinction naturelle des épidémies avant extinction de la population cible.

Stratégies

https://konfedera.org/gestion-epidemies#SIR-strategies

Nous avons vu supra que la décroissance du nombre de contaminés (seconde partie de la courbe en cloche) correspond à une situation telle que Rt = β * St * λ < 1 n_Rt, et que par conséquent l'on pourrait théoriquement neutraliser une épidémie en appliquant à l'ensemble de la population une stratégie ayant pour effet d'abaisser la valeur de tout ou partie des paramètres β et λ. Pour ce faire on peut distinguer deux types possibles de stratégie :

  • non pharmaceutique (notée SNP) : qui est préventive, ancienne et fortement contraignante;
  • pharmaceutique (notée SP) : qui est curative, moderne et faiblement contraignante.

On notera une contradiction fondamentale dans le chef des adeptes des modèles épidémiologiques : on ne peut à la fois prétendre qu'il est possible d'abaisser la valeur des paramètres, et en même temps affirmer la capacité prédictive du modèle, laquelle est impossible si les paramètres ne sont pas constants par nature.

SNP

Il s'agit d'abaisser la valeur du paramètre β (probabilité ≈ vitesse de contamination) par des mesures telles que confinement, distanciation, masques et lavages. L'animation suivante compare les courbes épidémiques "sans SNP" (β=0,6 ; λ=15) et "avec SNP" (β=0,2 ; λ=15).

sir-beta.gif

β = 0,6 --> 0,2 [tableur].

La stratégie SNP peut être appliquée à au moins deux niveaux d'intensité, selon que son application est générale (c-à-d sur l'ensemble de la population : confinement général) ou ciblée (c-à-d sur les seuls groupes à risque). Mais son application devrait surtout être limitées aux situations (lieux, groupes sociaux, ...) où ses effets positifs supposés l'emportent sur ses effets négatifs.

SP

Il s'agit (i) d'abaisser le paramètre λ (durée de la maladie=contagion) et d'augmenter la variable Et (comprenant les guéris) au moyen de médicaments (traitement), et (ii) d'augmenter la valeur initiale E0 au moyen de vaccins (prévention). L'animation suivante compare les courbes épidémiques "sans SP" (β=0,6 ; λ=15) et "avec SP" (β=0,6 ; λ=5).

sir-lambda.gif

λ = 15 --> 5 [tableur].

Les vaccins pourraient être classés parmi les mesures de la SNP dans la mesure où il s'agit d'une technique préventive. Mais d'un autre côté leur disponibilité est généralement concomitante avec celle de médicaments permettant de traiter la maladie, dans lequel cas il n'existe plus beaucoup d'arguments en faveur de la SNP ...

Comparaison

Les deux stratégies abaissent le sommet de la courbe épidémique (de 68% à 32%), ainsi que le seuil d'immunité collective (de 89% à 67%). La stratégie SNP a en outre pour effet de retarder le pic épidémique (du 30° au 100° jour).

N.B. Ces chiffres sont fonction des valeurs attribuées aux paramètres. Ils n'ont donc pas ici de signification absolue.

Mais corrélativement le confinement général freine l'immunisation collective : dans la simulation du graphique suivant, alors que vers le quarantième jour 50% de la population a été immunisée naturellement, moins de 1% de la population est immunisée si l'on a appliqué plutôt la SNP, et il faut alors attendre jusqu'au début du cinquième mois pour atteindre les 50%.

Immunisation

immunisation-comparaison.png

Référentiel : β=0,60 ; λ=15
SNP : β=0,20 ; λ=15
SP : β=0,60 ; λ=5
[tableur SIR.ods]

Étant donné que la SNP freine l'immunisation collective, il résulte de E*t = 1 - It - St / Rt n_E*(t)=1-I-S/R que, corrélativement, le taux de reproduction baisse nettement moins vite que dans le cas d'une stratégie SP.

Taux de reproduction

taux-reproduction.png

Référentiel : β=0,60 ; λ=15
SNP : β=0,20 ; λ=15
SP : β=0,60 ; λ=5
[tableur SIR.ods]

Hospitalisations

https://konfedera.org/gestion-epidemies#SIR-hospitalisations

On constante à la vue des équations n_dS/dt à n_dE/dt que le modèle SIR ne traite pas le taux d'hospitalisation. Nous proposons donc ici une définition et un mode d'évaluation de cette statistique importante pour la gestion épidémique.

Selon notre définition le taux d'hospitalisation (noté Ht) est la valeur normalisée (en pourcentage de la population) du nombre journalier de lits occupés suite à une infection à l'agent pathogène (les autres pouvant rester à leur domicile). Une façon de le calculer consiste à ajouter à la charge hospitalière du jour précédent les entrants du jour, moins les sortants du jour (vivants ou décédés) :

Ht = Ht-1 + Δ+Ht - Δ-Ht

H1 = H0 = Δ+H0 de sorte que l'on peut calculer une valeur théorique de Ht par :

  • Δ+Ht = σ * Δ+It
    σ ("sigma") est le pourcentage de personnes nouvellement infectées nécessitant une hospitalisation ; pour évaluer σ on calcule à la date n la moyenne σ = 1/n * ∑t=0n Δ+Ht / Δ+It
  • Δ-Ht = Δ+Ht-λ = σ * Δ+It-λ
    λ ("lambda") est la durée de contagiosité = maladie = guérison (NB : cette égalité est une simplification de la réalité) ⇔ le nombre de sortants est égal à celui des entrants d'il y a λ jours.

    NB : dans les statistiques épidémiques publiées par les agences de santé les sorties d'hospitalisation concernent généralement les seules sortes en vie ⇒ il faut leur ajouter la part des décès en milieu hospitalier du jour pour obtenir le Δ-Ht de n_Δ-Ht.

de sorte que :
Ht = Ht-1 + σ * Δ+It - σ * Δ+It-λ    ⇔

Ht ≈ Ht-1 + σ * ( Δ+It - Δ+It-λ )

Enfin la charge hospitalière (notée CHt) est :

CHt = Ht / k

  • k, la capacité hospitalière, est mesurée ici par le taux de lits de soins intensifs c-à-d pour les cas sévères (patients sous respirateur, ...) ou critiques (dysfonctionnement de multiples organes, choc septique, ...) toutes causes confondues.
  • N.B. La moyenne σ, et partant les équations n_Ht≈ et n_CHt, n'ont d'utilité que si σ est stable dans le temps (entre épidémies d'un "même" virus), et dans l'espace (entre différentes régions durant une épidémie). Or nous verrons que cette condition n'est généralement pas vérifiée en raison de la nature écosystémique, et donc complexe, des phénomènes infectiologiques !
  • Alors que le taux de mortalité est de type Stock à flux entrant / Stock fixe (⇒ il augmente constamment puis se stabilise à sa valeur finale de l'épidémie), le taux de charge hospitalière est de type Stock à flux entrant et sortant / Stock fixe.

Résultat. Le graphique suivant montre un résultat notable du modèle SIR : la stratégie SNP (confinement général) a théoriquement pour effet de retarder le sommet de la courbe de charge hospitalière, et par conséquent celui de la charge hospitalière, nettement plus que la stratégie SP.

Charge hospitalière théorique selon la stratégie

SIR-charge-hospitaliere.png

Référentiel : β=0,60 ; λ=9
SNP : β=0,20 ; λ=9
SP : β=0,60 ; λ=3
∀ : μ=0,002 (décès journaliers / nouvelles infections )
∀ : σ=0,001 (taux d'hospitalisation)
∀ : k=0,003 (capacité hospitalière)
Tableur : SIR.ods

N.B. Il est peu probable que les deux stratégies soient également efficaces (SIR.ods > feuille "Synthèse" > lignes 2 et 3 : xβ = xλ). Nous verrons dans la section #efficacite-strategie-non-pharma de nombreux faits suggérant que le taux d'efficacité de la stratégie SNP pourrait être inférieur à celui de la stratégie SNP (xβ < xλ).

Si l'efficacité de la stratégie SNP sur son paramètre β est relativement moins efficace que la stratégie SP sur son paramètre λ – par exemple xβ=2 pour xλ=3 – alors le graphique devient comme suit (cf. ci-dessous) : SNP retarde toujours le sommet mais celui-ci est plus haut que si l'on applique plutôt la stratégie SP !

Hypothèse de faible efficacité relative de la stratégie SNP

SNP-x-faible-hospitalisation.png

Référentiel : β=0,60 ; λ=9
SNP : β=0,30 ; λ=9 ; xβ=2
SP : β=0,60 ; λ=3 ; xλ=3
∀ : μ=0,002 (décès journaliers / nouvelles infections )
∀ : σ=0,001 (taux d'hospitalisation)
∀ : k=0,003 (capacité hospitalière)
Tableur : SIR.ods

Cela constitue un fondement théorique à la thèse selon laquelle la forte mortalité de covid-19 dans les pays ayant appliqué la stratégie SNP (cf. infra : #mortalite-differences-entre-pays) fut causée non pas par le virus mais par le confinement général. Nous verrons que l'effet de faible efficacité de la SNP (cf. infra : #efficacite-strategie-non-pharma) illustré ici est renforcé par ses effets pervers (cf. infra : #effets-pervers-strategie-non-pharma).

On pourra à priori objecter que les deux stratégies SNP et SP pourraient être appliquées complémentairement, mais nous exposerons dans la section #effets-pervers-strategie-non-pharma leur très difficile compatibilité.

Décès

https://konfedera.org/gestion-epidemies#SIR-deces

On constante à la vue des équations n_dS/dt à n_dE/dt que le modèle SIR ne traite pas le taux de mortalité.

Le taux de mortalité n'étant pas central dans la logique des modèles épidémiologiques, leur adeptes ont tendance à focaliser l'attention des gouvernements qu'ils "conseillent" sur le nombre d'infections plutôt que sur la mortalité comme indicateur principal de suivi épidémique. Nous verrons que les conséquences de cette situation en 2020 furent catastrophiques.

Nous proposons donc ici une définition et un mode d'évaluation de cette statistique essentielle pour toute politique de gestion épidémique.

Le taux de mortalité  Mt = Σ ΔMt / Popul. = Σ ΔMt

  • Popul. = 1 en vertu de St + It + Et = 1 n_S+I+E=1 ; les variables sont ainsi dites "normalisées";

Mortalité

mortalite.png

β=0,60 ; λ=9 ; μ=0,2% [tableur SIR.ods]

Une valeur théorique de ΔMt et donc de Mt peut être calculée en évaluant le paramètre μ représentant le ratio du nombre de décès journaliers par rapport au nombre de nouvelles infections :

ΔMt = μ Δ+It    

Pour ce faire on calcule à la date n la moyenne μ = 1/n * ∑t=0n μt = 1/n * ∑t=0n ΔMt / Δ+It

De sorte que :

Mt ≈ ∑t=0n ΔMt = μ * ∑t=0n Δ+It

N.B. La moyenne μ comme paramètre de prévision, et donc la formule n_Mt≈, n'ont d'utilité que si μ est stable dans le temps (entre épidémies d'un "même" virus), et dans l'espace (entre différentes régions durant une épidémie). Or nous verrons que cette condition n'est généralement pas vérifiée en raison de la nature écosystémique, et donc complexe, des phénomènes infectiologiques !

On pourra également calculer un taux de létalité (Lt), défini comme le nombre de morts par rapport au nombre total de personnes étant ou ayant été infectées :

Lt = Mt / ( It + Et - Mt )

Le taux de létalité est donc plus élevé que le taux de mortalité puisque le taux d'infection qui le divise est inférieur à un. Ou, pour dire les choses plus simplement : comparer le nombre de morts à la seule population des infecté donne évidemment un taux plus élevé que si l'on compare le nombre de morts à l'ensemble de la population.

Résultat. Étant donné la formulation du taux de mortalité en fonction de It la courbe de mortalité suit l'évolution de la courbe épidémique (sauf qu'ici il y a accumulation ⇒ pas de courbe en cloche).

Taux de mortalités théoriques selon la stratégie

SIR-mortalite.png

Référentiel : β=0,60 ; λ=9
SNP : β=0,20 ; λ=9
SP : β=0,60 ; λ=3
∀ : μ=0,002 (décès journaliers / nouvelles infections )
Tableur : SIR.ods

Le lecteur pourra vérifier dans le tableur que :

  • si on abaisse la valeur de β les courbes s'abaissent et sont retardées;
  • si on abaisse la valeur de λ dans une même proportion on observe le même phénomène sauf que l'effet retard est plus faible.

Cependant il est peu probable que les deux stratégies soient également efficaces (SIR.ods > feuille "Synthèse" > lignes 2 et 3 : xβ = xλ). Nous verrons dans la section #efficacite-strategie-non-pharma de nombreux faits suggérant que le taux d'efficacité de la stratégie SNP pourrait être inférieur à celui de la stratégie SNP (x β < xλ). Ainsi si xβ=2 pour xλ=3 alors l'effet retard de la stratégie SNP (distanciation sociale) passe de trois à un mois et, surtout, le taux de mortalité final est plus élevé que celui de la stratégie SP (traiter).

Hypothèse de faible efficacité relative de la stratégie SNP

SNP-x-faible-mortalite.png

Référentiel : β=0,60 ; λ=9
SNP : β=0,30 ; λ=9 ; xβ=2
SP : β=0,60 ; λ=3 ; xλ=3
∀ : μ=0,002 (décès journaliers / nouvelles infections )
Tableur : SIR.ods

Voilà probablement une des raisons expliquant la forte mortalité de covid-19 dans les pays ayant appliqué la stratégie SNP (cf. infra : #mortalite-differences-entre-pays). Nous verrons que l'effet de faible efficacité du confinement général (cf. infra : #efficacite-strategie-non-pharma) illustré ici est renforcé par ses effets pervers (cf. infra : #effets-pervers-strategie-non-pharma).

Valeur scientifique du "R zéro"

https://konfedera.org/gestion-epidemies#R-zero-valeur-scientifique

Nous allons ici montrer la nature trompeuse voire fallacieuse de cet objet mathématique cher aux épidémiologistes adeptes des modèles mathématiques.

Le fumigène R0
https://konfedera.org/gestion-epidemies#R-zero-enfumage

Dans la section #SIR-taux-reproduction nous avons vu que la valeur théorique du taux de reproduction (Rt) baisse toujours, quelle que soit la stratégie anti-épidémique appliquée, et même sans stratégie du tout ! La raison, mathématique, est sa relation positive avec St dans Rt = β * St * λ n_Rt, or St diminue tout au long de l'épidémie ⇒ Rt aussi.

Taux de reproduction (valeurs fictives)

taux-reproduction.png

Évolution du taux de reproduction selon la stratégie : non pharmaceutique (SNP c-à-d confinements, distanciation, masque & lavages) ou pharmaceutique (SP c-à-d traitement avec médicaments spécifiques ou non).

Or durant l'épidémie de covid-19 des conseillers scientifiques de nombreux gouvernements ont scandaleusement abusé l'opinion publique en affirmant que la baisse de Rt serait le résultat du confinement !

En Belgique, pays où le taux de mortalité lié à covid-19 est parmi les plus élevés au monde, ce fut notamment le cas du très médiatisé Yves Coppieters, professeur à l'École de santé publique de l'université libre de Bruxelles. Dans cette cette "analyse prédictive" (sic) publiée le 10 avril 2020, Coppieters, constatant une baisse du paramètre β, affirme avec ses coauteurs que « le confinement résulte en une chute spectaculaire de la force d’infection du paramètre β, de 0,594 avant le confinement à 0,156 après confinement (...) » !

Charlatanisme ou incompétence ? Or le graphique suivant montre que déjà avant le confinement βt était dans une tendance baissière, et de plus grande ampleur ! Par conséquent la moyenne avant n'importe quelle date est évidemment supérieure à la moyenne calculée sur la période après cette date arbitraire !

Beta avant et après le confinement (covid-19 Belgique)

beta-preconf.png

Tableur covid19-be, feuille "J90" > colonnes J et K

Plus généralement le graphique suivant montre que le taux de croissance d'une courbe de Gauss, archétype des courbes en cloche, est constamment décroissant (NB : la "droite" rouge est en fait une courbe très légèrement convexe). Ce fait dévoile la supercherie consistant à affirmer que si le taux de croissance d'une épidémie est décroissant c'est nécessairement grâce à la stratégie préventive dite non pharmaceutique (SNP : confinement, distanciation, masque, lavages).

Courbe en cloche et son taux de croissance

courbe-gauss.png

Tableur : courbe-gauss.ods.

Alors, selon vous, le Pr. Yves Coppieters et tous les épidémiologistes qui font ce genre de chose sont-il des incompétents ou des charlatans ... ?

Les charlatans ne sont pas nécessairement des incompétents : c'est parfois même en raison de leurs compétences que certains peuvent "offrir" (sic) leurs services pour servir de "caution scientifique".

Le cas des chercheurs de l'ULB n'est pas du tout isolé. Ainsi cette étude française (22 avril 2020) réalisée par des chercheurs du département de biostatistique du CHU de Rouen, ou encore cette étude chinoise (3 mars 2020) procèdent de la même supercherie pseudo-scientifique : elles ne font rien d'autre que de mesurer, souvent de manière inutilement complexe, la différence entre les prévisions et la réalité finalement observée, pour en conclure que cette différence serait le résultat de la SNP. Or toutes les épidémies "s'éteignent" naturellement (*). Ainsi depuis que les pandémies sont mesurées en temps réel, c-à-d depuis 1920, aucune épidémie n'a provoqué de surcharge hospitalière à la mesure des prévisions apocalyptiques des modèles épidémiologiques. Et cela sans que la SNP ait été imposée à l'ensemble de la population, y compris dans le cas de virus nouveaux.

En réalité la plupart des virus disparaissent seulement des "radars statistiques" mais continuent à circuler de manière endémique, via des porteurs asymptotiques. Le sida semble faire exception mais, justement, sa nature virale est débattue, et la question se pose de savoir si le prétendu "consensus" sur l'origine virale existerait si les contradicteurs n'étaient pas systématiquement salis par des campagnes de diffamation propagées notamment via Wikipédia (ce qui profite évidemment aux entreprises pharmaceutiques produisant les antiviraux HIV ...).

Calcul du R0
https://konfedera.org/gestion-epidemies#R-zero-calcul

De nombreux scientifiques d'autre domaines sont abusés par cet écran de fumée cognitif qu'est le très médiatisé "taux de reproduction de base" ou "R zéro". Le lecteur attentif se demandera quelle est la différence entre le taux de reproduction en t=0 R0 = β * S0 * λ n_Rt et le taux de reproduction "de base". La réponse – hautement ambiguë lorsque l'on utilise la notation R0 plutôt que de dire "taux de base", et R0 plutôt que de dire "taux initial" – est que le taux de base est un type de valeur moyenne (*) des Rt (donc valeurs de βt et λt), calculée sur la période précédant une date arbitraire et de durée arbitraire ...

(*) Il existe divers types de moyenne : arithmétique, géométrique, harmonique, quadratique [source] ...

Voici comment le concept de "R zéro" peut être mathématiquement construit. Partant de dI/dt = β * It * St - It / λ n_dI/dtIt+1 = It + ( β * It ) * St - It / λ on va exprimer βt en fonction du taux de croissance des It :

soit it+1 = ( It+1 - It ) / It    ⇒
it+1 = βt * St - 1 / λ    ⇔

βt = ( it+1 + 1 / λ ) / St

que l'on substitue dans Rt = βt * St * λ n_Rt ⇒ :

Rt = it+1 * λ + 1

Or on peut montrer [approfondir] que le taux croissance moyen d'une variable It entre t=0 et t=n peut être calculé par la formule :

i = ln( It / I0 ) / t   ⇔

It = I0 * e i * t

n_It=I0*e^(i*t) est l'équation d'une courbe (exponentielle) moyenne qui représentera d'autant mieux le nuage des points constitués par la série réelle des It que celui-ci sera proche d'une exponentielle.

Courbe de régression

estimation.png

Δ+It : période pré-confinement en Belgique.
[Tableur covid19-be.ods > feuille "Data"].

Dès lors – pour en revenir au modèle SIR – en remplaçant it par i dans n_Rt=i*λ+1 on obtient le taux de reproduction de base :

R0 ≈ i * λ + 1

De même dans βt = ( it+1 + 1 / λ ) / St n_βt on pourra également remplacer it par i ⇒ si St est proche de 1 (ce qui est le cas durant les premières semaines d'une épidémie, voire même durant toute l'épidémie lorsque celle-ci ne touche qu'une petite partie de la population) on obtient la valeur correspondante de beta (correspondant à cette période) :

β0 ≈ R0 / λ

Alors que le taux de reproduction initial R0 fait sens (du moins en tant qu'objet mathématique), le taux de reproduction de base R0 – et son correspondant β0 c-à-d β (NB : sans indice t) – en tant que moyennes sont des un objets mathématiques sans utilité prédictive dès lors que ces moyennes ne sont pas stables dans le temps voire pas même dans l'espace.

Utilisations du R0
https://konfedera.org/gestion-epidemies#R-zero-utilisations

Nous venons de montrer que la notion de R0 ne fait pas sens. Mais supposons maintenant que ce n'est qu'une autre façon d'écrire R0 ⇔ le taux de reproduction de base c'est le taux de reproduction initial. Nous allons voir que même dans ce cas le concept de R zéro n'a quasiment aucune utilité.

Comparaisons
spatiales ?

Théoriquement ce R0 pourrait être utilisé pour comparer la situation de différents pays dans le cas d'une même épidémie. Cependant en pratique, la pertinence de R0 comme référentiel de comparaison est illusoire pour deux raisons :

  • d'une part il faut pouvoir garantir que la date initiale (le zéro) correspond au même stade de développement de l'épidémie dans chaque pays, ce qui requiert de définir de façon non ambiguë ce qu'est est un "même stade de développement d'une épidémie", et de pouvoir le mesurer avec une marge d'erreur pas trop grande ... ;

    Par exemple ce que l'on considère comme le début des premiers décès liés à tel virus est en réalité le moment à partir duquel on a commencé à attribuer (à tort ou à raison) des décès à ce virus, ce qui très différent.

  • d'autre part il faut tenir compte de la structure sociale et démographique des pays, car les maladies transmissibles sont des phénomènes d'écosystème.
Comparaisons
temporelles ?

On pourrait également utiliser R0 pour comparer les épidémies saisonnières d'un virus connu ... ce qui revient à reconnaître l'instabilité temporelle des paramètres β et λ, et par conséquent l'incapacité des modèles épidémiques à prédire l'évolution d'une épidémie d'un virus "connu" ...

SIR et la grippe

https://konfedera.org/gestion-epidemies#SIR-vs-grippe

La grippe est une des maladies les plus répandues et connues : on connaît tous ses paramètres. Par conséquent on peut tester la cohérence du modèle SIR en y injectant les paramètres de la grippe (aiguë en l'occurrence) et observer si ses résultats sont cohérents avec la réalité. Nous allons faire cet exercice pour le cas de la Belgique car ce pays ayant connu le plus haut taux de mortalité durant l'épidémie covid-19, il sera la référence de la section suivante consacrée à covid-19.

Paramètres de/pour la grippe aiguë :

  • Vaccination : MIN(E0) = 50% [source].

    NB : (i) une partie de la population est immunisée de naissance et (ii) l'ensemble de la population bénéficie de l'immunité croisée.

  • Virulence : β = 0,6 ; durée maladie (infection) : λ = 6 jours ; sommet épidémique : t (Max It) = 90° jour [source];
  • # infectés : ∑Δ+It = 10% de la population; # taux hospitalisation : σ = 0,1% des infectés [source];
  • Mortalité : MAX(Mt) = 0,02 % de la population [source : il s'agit de la moyenne en France car l'agence de sante belge ne semble pas publier cette donnée pourtant fondamentale : vérifier].

Une donnée complémentaire, également fondamentale, est la capacité hospitalière (toutes pathologies), mesurée en nombre de "lits aigus" : k = 0,003 de la population [source].

N.B. Nous faisons ici abstraction de l'importante question de la validité de ces statistiques, qui sont des moyennes concernant des maladies associées à tort ou à raison à la grippe : rhinovirus, virus de la grippe A et B, coronavirus, ...

On peut catégoriser ces paramètres en deux types :

  • paramètres ouverts (ou libres) : E0 et β : leur valeur est difficile voire impossible à mesurer (forte incertitude) ⇒ ce sont les paramètres d'ajustement;
  • paramètres fermés (ou imposés) : λ , ∑Δ+It , t (Max It) , σ , k , Mt : leur valeur est relativement facile à mesurer (faible incertitude) ⇒ ce sont les paramètres de référence;

Dans le modèle SIR la relation de causalité entre ces deux groupes est : E0 et βt (Max It) et ∑Δ+It. Afin de pouvoir calculer des taux d'hospitalisation (Ht) et de mortalité (Mt) théoriques j'ai complété le modèle par ΔMt = μ * Ht n_ΔMt et Ht = Ht-1 + σ * ( Δ+It - Δ+It-λ ) n_Ht≈ de sorte qu'au total :

E0 et βt (Max It et ∑Δ+ItσHtμMt

Nous sommes maintenant parés pour procéder au paramétrage de SIR afin de vérifier sa capacité à reproduire l'épidémiologie grippale telle qu'elle est observée chaque année.

Paramétrage
épidémiologique

Le tableau ci-dessous montre les résultats du modèle SIR. On constate que ∑Δ+It (cellule D12) est près de quatre fois supérieur à la valeur réelle (B12). Le lecteur pourra vérifier dans le tableur SIR.ods que pour abaisser ce montant à environ 10% on peut modifier le paramétrage de diverses combinaisons de paramètres ouverts, notamment :

  • paramétrage "β" (colonne E) : β : 0,60 (D6) ⇒ 0,385 (E6);
  • paramétrage "E0" (colonne F) : E0 : 50% (D5) ⇒ 67% (F5);

Si l'on adapte plutôt I0 : 0% (D4) ⇒ 38% (G4) il y a extinction dès le début : R0<1 (G8). Cette situation ne correspond pas au profil de la grippe ⇒ ce paramétrage est rejeté.

sir-grippe.png

Vert : paramètres ouverts ; rouge : paramètres fermés.
Tableur : SIR.ods

Mais le paramétrage n'est pas achevé car les sommets épidémiques t (Max It (E10 et F10) représentent trois à quatre fois la valeur observée (B10). Nous allons alors procéder à un second tour de paramétrage (tableau ci-dessous) en combinant maintenant deux variables ouvertes :

  • paramétrage "β + I0" : par itérations successives on abaisse β puis on augmente I0 jusqu'à ce que les valeurs théoriques de t (Max It et ∑Δ+It correspondent à leur valeur réelle;
  • paramétrage "E0 + I0" : par itérations successives on augemente E0 puis on augmente I0 jusqu'à ce que les valeurs théoriques de t (Max It et ∑Δ+It correspondent à leur valeur réelle;
sir-grippe-2.png

Tableur SIR.ods

Résultats
politiques

Observons alors les différents résultats au niveau des variables qui déterminent la stratégie anti-épidémique (c'est pourquoi je parle de résultats "politiques") : les taux d'hospitalisation et de mortalité :

  • mortalité : il faut fixer μ (taux de létalité, ligne 13) à environ 0,002 (en moyenne, pour mille nouvelles infections il y a deux nouveaux décès) pour obtenir un taux de mortalité théorique (H14 et I14) égal au taux réel (B14);
  • hospitalisations: qu'il s'agisse du paramétrage β+I0 ou E0+I0, le niveau de charge hospitalière maximale liée à la grippe est inférieur à 1% (H18 et I18).

Ce taux de charge hospitalière ne semble pas correspondre aux statistiques hospitalières affichant des taux de charge hospitalière toutes causes pouvant atteindre 95% durant les épidémies annuelles de grippe [FRA, BEL].

Que faut-il en conclure ? :

  • que dans la simulation ci-dessus les valeurs de St, It et Et sur les premiers jours (disons la première semaine) ne sont pas des valeurs réelles ?
    • mais nous verrons dans la section suivante qu'injecter des valeurs réelles dans le modèle ne démontre toujours pas sa capacité à représenter la réalité infectiologique.
  • que le mode de calcul de la charge hospitalière proposé par nous (#mesure-hospitalisations) n'est pas pertinent ?
    • celui utilisé pour calculer une charge de 95% l'est-il ? [exemple].
  • que les affirmations selon lesquelles le taux maximum de lits occupés approcherait les 100% quasiment chaque année sont mensongères ?
    • ces mensonges, qui pourraient être motivés par la volonté d'éviter une réduction des subsides publics, ne sont possibles que si l'État ne contrôle jamais la validité de cette statistique hospitalière ...;
  • que le modèle SIR n'a aucune valeur scientifique ou que la notion de "paramètres de la grippe" ne représente aucune réalité autre que des valeurs moyennes, variables dans le temps ... ?

Conclusion : rien ici ne permet de conclure à une quelconque pertinence du modèle SIR.

SIR et covid-19

https://konfedera.org/gestion-epidemies#SIR-vs-covid19

Passons maintenant à covid-19. La situation diffère ici de celle analysée dans la section précédente :

  • variables : nous disposons ici de statistiques mesurées pour les variables d'entrée, alors que dans la section précédente consacrée à la grippe il ne s'agissait que de valeurs calculées ;
  • paramètres : les paramètres de la grippe sont plus crédibles car calculés plus d'un an après le début des épidémies, alors que les paramètres de covid-19 dont nous disposons actuellement sont ceux évalués en cours d'épidémie et donc sujets aux importants biais de mesure évoqués supra.

Nous allons ici montrer une façon d'évaluer les paramètres d'un virus en temps réel c-à-d dans l'urgence.

N.B. Nous allons donc faire temporairement abstraction du fait que ce paramétrage en temps réel est irrationnel en raison de biais de mesure des variables, qui ne pourront être corrigés que plus d'un an après le début de l'épidémie. Notons que ce seul fait de biais de mesure en temps réel des variables (cf. infra #mesure) suffit à lui seul pour conclure à l'irrationalité de la stratégie préventive dite "non pharmaceutique" (SNP : confinement, distanciation, masque, lavages).

La présente section est néanmoins très importante car elle permet de comprendre comment les modèles sont utilisés et comment leur interprétation peut être fabriquée. On fera ainsi l'exercice, sur base des valeurs déterminées par le paramétrage, d'évaluer la charge hospitalière théorique ajoutée par covid-19, telle qu'elle était prévue au début du confinement (en J18). On la comparera alors au maximum réellement atteint sur la période finissant à J90, pour constater que la charge hospitalière a atteint un maximum de ... 16% en J35.

Principes de paramétrage
https://konfedera.org/gestion-epidemies#principes-parametrage-modele

La démarche empirique que nous allons développer ici va nous permettre de mieux comprendre (i) la logique du modèle SIR et (ii) la nature des données directement mesurables.

Nous utilisons les données épidémiques de covid-19 et cela pour la Belgique. Ce pays est particulièrement intéressant car le taux de mortalité de covid-19 y fut le plus élevé au monde. Il en résulte que certaines conclusions que nous tirerons de son analyse éclairerons l'impact de covid-19 dans les autres pays.

Première constatation : les données (collectées par l'agence belge de la santé : epistat.wiv-isp.be/Covid/) qui concernent le modèle SIR sont « les nouveaux cas journaliers de contamination ». Ce ne sont donc pas les It du modèle SIR, mais les flux entrants (que nous notons Δ+It) dans It. En effet It est un stock, dont la variation est déterminée par les flux entrants en provenance de St, ainsi que par les flux sortants vers Et (que nous notons Δ-It).

Le système d'équations différentielles présenté plus haut – qui constitue le noyau du modèle SIR – montre que la valeur théorique des Δ+It est β * It * St, et que la valeur théorique des Δ-It est It / λ

dS/dt = - β * It * St n_dS/dt
dI/dt = β * It * St - It / λ n_dI/dt
dE/dt = It / λ n_dE/dt

De sorte que dans notre tableur (covid19-be.ods) les valeurs théoriques de St, It et Et sont calculées comme suit :

St+1 = St - β * It * St
It+1 = It + β * It * St - It / λ
Et-1 = Et + It / λ

Par conséquent on obtient les valeurs pseudo-réelles de St, It et Et en substituant les valeurs observées Δ+It à leur formulation théorique ( β * It ) * St :

St+1 = St - Δ+It
It+1 = It + Δ+It - It / λ
Et+1 = Et + It / λ

Je parle de valeurs "pseudo-réelles" car elles dépendent de la valeur attribuée :

  • aux conditions initiales S0, I0 et E0;
  • aux paramètres β et λ.

Nous allons faire pendant quelques instants abstraction du fait que (i) il n'est pas possible d'estimer correctement les conditions initiales sauf peut-être à imposer un système totalitaire de surveillance permanente de la population, et fondé sur l'abolition de toute forme de vie privée ; (ii) les paramètres β et λ – qui sont des moyennes mesurées sur des périodes spécifiques – ne sont pas stables dans le temps voire non plus dans l'espace.

Puisque nous disposons maintenant des séries pseudo-réelles de St, It et Et nous pouvons alors calculer les valeurs théoriques des Δ+It (valeur observées ou qui seront observées), données par β * It * St. Nous pourrons alors évaluer une valeur théorique du paramètre β par une méthode itérative "essai-erreur" consistant à adapter les valeurs des paramètres β et λ et conditions initiales S0, I0 et E0 jusqu'à ce que les deux courbes correspondent : lorsque ce sera le cas la valeur correspondante de β sera sa valeur de paramètre.

La situation initiale (t=0) est la suivante :

  • au début du confinement on pensait que la valeur de λ (durée de contagiosité) était de 10 jours mais on sait aujourd'hui qu'elle est de 20 jours sans traitement et 6 avec traitement ⇒ on prend la valeur moyenne : λ=(20+6)/2=13 ;
  • nous supposerons I0 = 0,000001 et on testera deux valeurs pour E0 : 0% et 50% ⇒ S0 = 1 - I0 - S0;
  • β sera alors la variable d'ajustement, en commençant à 0.

On pourra alors réaliser les deux paramétrages différents.

covid19-parametrages.png

Tableur covid19-be.ods

Il suffit alors de commencer à β=0 et d'augmenter sa valeur ⇒ la courbe théorique (hachurée dans le graphique ci-dessous) s'approche de la courbe réelle (en bleu) ⇒ on arrête lorsque l'on obtient le meilleur ajustement entre les deux courbes ⇒ on obtient alors la valeur moyenne de β ... telle qu'elle était au début du confinement (18 mars 2020).

Paramétrage itératif de la courbe épidémique de covid-19 : début du confinement

parametrage-covid19-pre.png

Tableur covid19-be.ods

On va maintenant pouvoir comparer les prévisions correspondant à chacun de ces deux paramétrages. Ce qui nous intéresse du point de vue pratique, c-à-d de la gestion d'une épidémie, ce sont les prévisions du taux de charge hospitalière (Rappel : le présent article montre l'impossibilité de prévisions correctes dans le domaine épidémiologique et surtout infectiologique, mais faisons "comme si" afin de bien comprendre la nature de cette impossibilité). Ces prévisions calculées au moment où le confinement fut décidé sont mentionnées dans les cellules D18=3479% et E18=1740% !

Prévisions par paramétrage : début du confinement

covid19-previsions-par-parametrage.png

Vert : paramètres, rouge : prévisions. Tableur covid19-be.ods

k (capacité hospitalière, ligne 14). Si l'on mesure la capacité hospitalière par les seuls lits équipés de respirateurs la valeur de k passe de 0,003 à 0,0001, ce qui a pour effet de faire grimper les taux de charge hospitalière anticipé à respectivement 104374% et 52189% : soit 500 à 1000 fois la capacité hospitalière ! [source : cette source est sujette à caution car le médecin citant k=0,0001, non seulement commet de grossières erreurs de raisonnement par rapport au modèle SIR, mais en outre a dans le même article cité d'autres statistiques erronées].

Paramétrage en début de confinement

https://konfedera.org/gestion-epidemies#SIR-parametrage-debut-confinement

On va lire maintenant le tableau précédent sur base du paramétrage de la colonne D qui, étant le plus catastrophiste, correspond à l'anticipation qui a pu être faite par le gouvernement et ses conseillers scientifiques au début du confinement (18 mars 2020) :

  • capacité hospitalière : les cas de covid-19 représenteront une charge d'environ 3500% de la capacité hospitalière soit 35 fois celle-ci ! (cellules D18) en J88 (cellule D17);
  • mortalité : à la fin de l'épidémie (qui, comme indiqué en D10 durerait environ 2*91 jours soit six mois !) le taux de mortalité aura atteint 3,56% de la population belge (D18), soit environ 400.000 personnes ! Ces chiffres représentent 178 fois la mortalité de la grippe durant ses années les plus létales ! Et en fait la mortalité serait certainement beaucoup plus élevée si, comme le prédit le modèle, les capacités hospitalières sont dépassées.

Comment des chiffres aussi fantasques, n'ayant jamais été observés par le passé, n'ont-il pas attiré l'attention d'une large partie de la communauté scientifique ?

Comme dans tout modèle, l'output est fonction de l'input (paramètres et valeur initiales). Au moment où le confinement général fut décidé (18 mars 2020) les valeurs observées des paramètres justifiaient-elles une telle mesure (jamais appliquée dans l'histoire de la Belgique, malgré les régulières pandémies de virus "nouveaux") ?

Le tableau suivant compare les paramètres d'incidence (β), de létalité μ = 1/n * ∑t=0n ΔMt / ΔI+t n_ΔMt et d'hospitalisation σ = 1/n * ∑t=0n ΔHt / ΔI+t n_Δ+Ht, de covid-19 avec ceux de la grippe (aiguë) :

  1. le taux d'incidence de covid-19 représenterait seulement un tiers de celui de la grippe;
  2. le taux de mortalité de covid-19 (mesuré par μ) serait 20 fois supérieur à celui de la grippe;
  3. le taux d'hospitalisation de covid-19 (mesuré par σ) serait 340 fois supérieur à celui de la grippe.

Paramètres covid-19 vs grippe

parametres-covid19-grippe.png

Sources : covid19-be.ods ; #SIR-vs-grippe.

Il est étonnant de constater que le message propagé par les entreprises "d'information" et les scientifiques de plateau TV disait l'exact contraire de ce tableau, à savoir que la létalité du virus était faible mais que sa virulence était élevée. Quoi qu'il en soit de la nature quantitative (β) ou qualitative (μ) du risque de la catastrophe prédite par le modèle SIR, dans les deux cas les statistiques de mortalité et d'hospitalisation qui nourrissent celui-ci en temps réel (et sur base desquelles de supposées prévisions sont calculées) ne sont de toute façon pas crédibles. En effet nous verrons dans la section #mesure que les statistiques de mortalité et d'hospitalisation collectées en cours d'épidémie c-à-d quasiment en temps réel sont sujettes à de très importantes révisions (généralement à la baisse) lorsqu'on est en mesure de mesurer ces statistiques correctement, ce qui n'est possible qu'au moins douze mois après le début de l'épidémie (ce que rappellent les lignes 2 et 3, concernant la représentativité temporelle et spatiale de l'échantillon de mesure).

D'autre part il est frappant de constater que le ratio COV/GRI(σ) ne se situe pas entre ceux de COV/GRI(β) COV/GRI(μ) mais (largement) au-dessus, alors que σ est pourtant très probablement déterminé par β et μ. Un autre facteur a donc joué. Ne s'agit-il pas du catastrophisme ultra-anxiogène entretenu par l'appareil d'État (gouvernement, entreprises "d'information", scientifiques, ...) qui aurait dopé les hospitalisations, aussi bien dans le chef des patients (demande) que des médecins (offre) ?

Comparons maintenant les prévisions faites en J18 avec la réalité observée en J90.

Paramétrage en fin de confinement

https://konfedera.org/gestion-epidemies#SIR-parametrage-fin-confinement
Mesures

Comme le montre le tableau suivant, il apparaît en J90 que la charge hospitalière de covid-19 a finalement atteint un maximum de 16% (E18) en J35 (E17). L'épidémie n'aura duré qu'environ trois mois (E10 : 42*2=84) au lieu de six. Quant au taux de mortalité il est finalement de 0,08% (E14) de la population.

Ce taux de mortalité de 0,08% est encore trois fois plus élevé que la grippe, mais sera certainement revu à la baisse en raison des biais de mesure statistique en cours d'épidémie évoqués infra (#indicateurs-suivi-epidemique). En outre c'est la mortalité toute cause qui compte, or nous verrons infra (i) que celle-ci n'est pas substantiellement supérieure à celle de 2017 (#mortalite-toutes-causes) et (ii) que le surplus de mortalité attribué à covid-19 pourrait ne pas être causé directement par le virus mais par les effets pervers de la panique induits par le catastrophisme médiatique.

SIR vs réalité (tableau)

SIR-vs-realite-tableau.png

Tableur covid19-be.ods

Mais n'oublions pas les remarques faites dans la section précédente concernant la valeur informative des statistiques collectées en temps réel : ces montants de 16% et 0.08% seront presque certainement revus à la baisse, et de façon substantielle !

Analyse

La validité des mesures n'est que la première partie de la problématique. L'analyse des causalités est la seconde. Ainsi le graphique suivant compare la prévision du modèle en J18 (hachuré rouge) et la réalité constatée en J90 (ligne bleue), concernant les flux entrants journaliers dans le groupe It.

SIR vs réalité (graphique)

SIR-vs-realite-graphique.png

Rouge : prévision en J18. ; bleu : réalité observée en J90. Tableur covid19-be.ods

On pourrait alors être tenté d'en conclure que si la courbe réelle (en bleu) est inférieure à la courbe théorique (hachurée en rouge), c'est grâce au confinement général, ce que ne manquent évidemment pas de faire les gouvernements et leurs conseillers scientifiques (dont nous avons montré qu'ils sont en réalité des cautions "scientifiques" : #R-zero-enfumage).

Cependant ce raisonnement revient à affirmer que les modèles épidémiologiques seraient en mesure de prédire l'avenir. Or l'expérience montre que ce n'est pas le cas. Il ne pourrait d'ailleurs en être autrement car les moyennes sur base desquelles les "prévisions" sont calculées ne sont pas constantes dans le temps, voire pas même dans l'espace. Cette instabilité des paramètres épidémiologiques, les médecins praticiens (à ne pas confondre avec les statisticiens et chercheurs de laboratoire) la constatent régulièrement : les infections virales saisonnières (en particulier la grippe) peuvent changer fortement de nature certaines années, au niveau de leur virulence (β), ténacité (λ) ou/et létalité (μ). Et même à supposer que les moyennes épidémiologiques seraient constantes, on ne les connaît pas pour covid-19 puisque c'est supposément un virus "nouveau".

Enfin, last but not least, force est de constater que le graphique ne montre pas d'effet de retardement, et c'est même le contraire qu'on y voit !. Or nous avons vu supra que le confinement général a théoriquement pour effet non seulement d'abaisser le sommet épidémique mais aussi de le retarder (cf. #SIR-strategies), ce qui est précisément la raison invoquée pour "justifier" le confinement (entre guillemets car nous verrons dans la section #strategie-non-pharmaceutique que cette "justification" est non démontrée, et très probablement fausse). Voilà qui confirme la thèse selon laquelle la SNP n'a pas les effets que la modélisation lui attribue.

Il est à cet égard intéressant de constater les paramétrages réalisés (par ajustement des courbes théoriques à la courbe réelle) en J90, donc à la fin de l'épidémie. Le tableau suivant en montre deux parmi les quatre présentés dans la feuille "Paramétrages". Le premier s'inscrit dans la logique du scénario catastrophiste choisi par le gouvernement. Le second paramétrage par contre suggère que la durée moyenne de la maladie serait nettement inférieure à ce que les catastrophistes prétendaient.

Paramétrage en fin d'épidémie

covid19-ajustements-finaux-tableau.png

Tableur covid19-be.ods

Or l'animation suivant montre que le second scénario correspond à un bien meilleur ajustement des courbes ...

Paramétrage en fin d'épidémie

covid19-ajustements-finaux-graphique.gif

Tableur covid19-be.ods

Rebond de l'enfermement cognitif

https://konfedera.org/gestion-epidemies#SIR-rebonds

Rebonds théoriques. Si en J90 on choisit le paramétrage s'inscrivant dans la logique de celui choisi par le gouvernement en J18, on est alors dans la configuration décrite dans le graphique suivant :

  1. bleu hachuré : prévision faite en J18 (début du confinement);
  2. rouge continu : réalité observée en J90;
  3. rouge hachuré : prévision faite en J90 : selon le modèle un rebond est inévitable.

Prévisions en J18 et J90

rebond-graphique.png

Tableur covid19-be.ods

Pourquoi en J90 le modèle prévoit-il un rebond ? Pour répondre à cette question il faut aller voir dans la feuille "J90+prévision" du tableur le passage de la ligne 92 à 93, c-à-d lorsque l'on passe des valeurs observées aux valeurs théoriques. Or cette transition remplace la valeur semi-réelle de β (0,024 dans K91) par sa valeur théorique (0,1 dans D6 et dans la colonne K à partir de K92), ce qui correspond à une remontée de Rt de 0,3 < 1 à 1,3 > 1, instantanément ! Ainsi le passage de la ligne 92 à 93 dans la colonne J montre que it, le taux de croissance de It, en passant de sa valeur observée, qui est négative, à sa valeur théorique devient brusquement ... positive. Et rappelons-nous que la valeur théorique de β fut calculée sur base d'un ajustement ... exponentiel (cf. supra R-zero-calcul), de sorte qu'apparaît inévitablement une "seconde vague".

En outre il est est extrêmement facile de faire en sorte que ce mécanisme se reproduise indéfiniment (par exemple si le virus est saisonnier) : il suffit de susciter une augmentation du nombre de test (par exemple en propageant des messages anxiogènes) et d'ainsi booster le nombre de cas positifs (et d'autant plus que la méthode de test produira de nombreux faux positifs) pour que la nouvelle estimation de β (à nouveau par ajustement exponentiel) redonne à nouveau un "R zéro" supérieur à 1.

Les "experts" qui prédisent ainsi des rebonds successifs sont donc sous l'emprise de ce qu'on pourrait appeler un "enfermement cognitif" dans un objet mathématique supposé représenter l'ensemble des variables explicatives et les mécanismes par lesquelles elles déterminent le déroulement d'une courbe épidémique. Il s'agit là d'une forme de folie fétichiste (nous verrons plus loin que cette folie devient extrêmement nuisible lorsqu'elle est exploitée par des organisations et individus exploitant cette folie à des fins opportunistes)

Le cas des rebonds théoriques étant réglé, abordons maintenant la question des illusions statistiques.

« Les virus ne font pas de vagues. Ce n’est qu’un mythe fondé sur une mauvaise compréhension de la grippe à la fin de la Première Guerre mondiale, il y a un siècle » [Mike Yeadon].

Micro-rebonds. Le développement des systèmes de suivi épidémique augmente nécessairement le nombre des "alertes", ce qui donne l'illusion que les épidémies seraient plus sujettes à des résurgences que par le passé.

Pseudo-rebonds. Un rebonds épidémique se produit sur une même zone géographique. Il importe donc, au sein d'un même pays, de ne pas confondre cela avec la propagation d'une épidémie à d'autres régions. Cette confusion est fréquente dans des pays de grande taille avec des différences prononcées de température entre régions nord et sud.

"Rebonds" saisonniers. Enfin rappelons que l'évolution de la mortalité toutes causes est relativement régulière, sous la forme d'une sinusoïdale. Cette dynamique est due principalement aux variations des propriétés physico-chimiques de température et d'humidité de l'air, qui influencent le métabolisme des organismes vivants ainsi que la propagation des virus et bactéries. Il est quasiment certain que les adeptes des modèles épidémiologiques vont continuer d'abuser l'opinion publique en associant ces vagues annuelles à des "rebonds".

Mortalité toutes causes en France (janvier 2015 à sept. 2020)

mortalite-toutes-causes-france.png

Source : insee.fr

Il fait peu de doute que les entreprises "d'information" et leur scientifiques de plateau TV vont de plus en plus exploiter tous ces filons pour en tordre la réalité. Où cela va-t-il s'arrêter, alors qu'il existe une vingtaine de virus associés aux seules infections respiratoires qui circulent dans le monde en même temps [source]. On pourrait quasiment chaque année, du début à la fin, focaliser l'opinion publique sur des micro-résurgences de tel ou tel virus, et jouer sur le fait qu'une partie de la population est porteurs de toutes sortes de virus, certains avec symptôme et d'autres sans ...

Typologie des facteurs d'inefficacité

https://konfedera.org/gestion-epidemies#SIR-typologie-facteurs-inefficacite

L'analyse du modèle SIR que nous venons de réaliser dans le cadre de l'épidémie de covid-19 est l'occasion de résumer ici les facteurs d'inefficacité des modèle épidémiologiques comme instruments de prévision et de pilotage de la SNP.

Force est de constater une forte propension de ces modèles, et de leurs paramétreurs, à produire des prévisions conduisant à de gigantesques surestimations de la létalité d'un virus (cf. Neil Ferguson). Ce fait est lié à la nature écosystémique et complexe des phénomènes épidémiques et infectiologiques (large marge d'erreur), ainsi qu'à la forte propension des paramétrages du modèle à privilégier les "scénarios" catastrophistes (marge d'erreur positive), qui ont plus de chance d'attirer l'attention de l'opinion publique sur ces modèles et leurs modélisateurs.

Ces erreurs de prévisions récurrentes peuvent avoir deux types de causes :

  • endogènes :
    • erreurs d'estimation de valeurs initiales :
      • sous-estimation de I0 ;
      • surestimation de S0 ;
      • sous-estimation de E0 (immunité collective), notamment par la sous-estimation du nombre de personnes immunisées de naissance et/ou par immunité croisée.
    • erreurs d'estimation de valeurs de paramètre :
      • surestimation de β (virulence);
      • surestimation de λ (durée d'infection/contagiosité), donc sous-estimation (en cours d'épidémie) du nombre de personnes immunisées par guérison.
  • exogènes : la non prise en compte de causes spécifiques liées aux virus eux-mêmes ou aux écosystèmes (le modèle est alors dit "incomplet") : ainsi il est hautement probable que les épidémies s'éteignent naturellement pour d'autres raisons qu'un trop faible nombre d'individus susceptibles.

Les erreurs d'estimations ont deux grandes causes, cumulables :

  • au niveau des variables épidémiologiques, l'expérience montre (i) que les statistiques épidémiques obtenues en cours d'épidémie sont généralement très éloignées de la réalité (généralement dans le sens d'une surestimation de la gravité et des risques), et (ii) que les erreurs de mesure sont corrigées avec un retard généralement supérieur à une année, en raison du nombre des causes et de la difficulté de les identifier puis d'effectuer les corrections (biais de mesure, données partielles, donnés non conservées ou perdues, ...) ; nous approfondirons ces problématiques dans la section #indicateurs-suivi-epidemique ;

    L'absence de données épidémiques fiables rend d'autant plus absurde l'application de la SNP dans la mesure où celle-ci consiste à "piloter" l'épidémie en fonction des prévisions de modèles nourris par ces données ... fausses.

  • au niveau des paramètres épidémiologiques, leur instabilité (*) dans le temps (et même dans l'espace) rajoute une (grosse) couche d'absurdité au pilotage épidémique par la SNP et les modèles mathématiques.

    (*) Ainsi les médecins praticiens (à ne pas confondre avec ceux des organisations internationales ou des facultés de médecine) constatent régulièrement de substantielles modifications des paramètres, ce qu'ils expriment en langage courant en disant que la grippe fut « plus virulante » (β) telle année ou « moins tenace » (λ) ou encore moins létale (μ) telle autre année ou dans telle autre région du pays.

Stratégies anti-épidémiques

https://konfedera.org/gestion-epidemies#strategies

Nous commencerons cette section par la présentation de principes fondamentaux de la gestion épidémique. Puis nous préciserons le rôle joué en toile de fond par le phénomène d'immunité collective. Ensuite nous développerons une analyse pratique des deux types de stratégie (SNP et SP) dont nous avions présenté les fondements théoriques dans la section #SIR-strategies. Enfin, après avoir présenté la notion (souvent mal comprise) de principe de précaution, nous proposerons une réponse à la question : quelle stratégie appliquer ?

Principes de gestion anti-épidémique

https://konfedera.org/gestion-epidemies#principes

Dans la section consacrée au modèle SIR nous avions défini deux types théoriques de stratégie anti-épidémique :

  • non pharmaceutique (notée SNP) :
    • consistant à abaisser la valeur du paramètre β (incidence épidémique du virus) par des mesures dont les principales sont confinement, distanciation, masque et lavages ;
    • elle est préventive, ancienne et fortement contraignante.
  • pharmaceutique (notée SP) :
    • consistant à :
      • abaisser le paramètre λ (durée de la maladie=contagion) et augmenter la variable Et (comprenant les guéris) au moyen de médicaments (traitement);
      • augmenter la valeur initiale E0 au moyen de vaccins (prévention);
    • elle est essentiellement curative, moderne et faiblement contraignante.

Ces dénominations "pharmaceutique" vs "non pharmaceutique" sont une convention, mais celle-ci n'est pas parfaite puisque :

  • d'une part la SP applique également des "traitements" non pharmaceutiques, en l'occurrence mécaniques (respirateurs, intubation, ...) ;
  • d'autre part la SNP applique également des "traitements" de type pharmaceutique : les vaccins.

La présente section étant consacrée à l'épidémiologie non plus théorique mais pratique, nous allons ici compléter cette typologie en prenant en compte les possibilités et contraintes d'application.

Le tableau suivant synthétise les modalités de stratégies épidémiques :

  • on peut les classer en trois groupes (colonne A) : prévention, dépistage, traitement;
  • chacune peut être implémentée en mode volontaire (colonne D) ou coercitif (colonne E);
  • toutes renforcent l'immunité collective (colonne F), sauf le confinement général qui la ralentit (le dépistage étant neutre sauf s'il conduit au confinement général);
  • l'immunité collective n'est pas une stratégie à proprement parler mais plutôt un phénomène naturel opérant en toile de fond de chacune des stratégies.
strategies.png

Le tableau montre une différence importante entre SP et SNP : dans la première le confinement est limité aux seuls groupes à risque (les personnes les plus susceptible de symptômes sévères s'ils sont infectés), tandis que la SNP impose le confinement plus d'autres mesures contraignantes à la totalité de la population (lignes 3 et 4) !

Immunité

https://konfedera.org/gestion-epidemies#immunite

Nous avons vu que le modèle SIR permet d'expliquer – via le phénomène d'immunité collective (déterminée par la part d'individus immunisés dans la population) – pourquoi les épidémies s'éteignent naturellement, et cela avant d'avoir contaminé 100% de la population [#SIR-immunite-collective]. Nous allons voir ici que le modèle SIR peut sous-estimer considérablement l'ampleur de l'immunité collective (cette sous-estimation opère via le paramétrage de E0, la valeur initiale des exclus), et surestimer le niveau du seuil d'immunité collective. Pour montrer cela commençons par l'immunité individuelle.

immunite-collective-schema.png

Les immunisés (en vert ci-dessus) et les décédés (non repris ci-dessus) constituent la population des "exclus" (le R de SIR). Les immunisés constituent l'essentiel des exclus.

Immunité individuelle
https://konfedera.org/gestion-epidemies#immunite-individuelle

Qu'est ce qui fait qu'un individu est immunisé ? Il y a quatre possibles voies d'immunisation (synonyme "d'exclusion" c-à-d le fait d'appartenir au groupes des exclus du risque de contamination ) :

  • de naissance (on parle alors plutôt de "résistance" plutôt que d'immunisation);

    Ainsi les individus du groupe sanguin O – environ 43% de la population [source] – seraient nettement moins infecté par covid-19 [source].

  • par guérison d'une maladie immunisante;
    • Toutes les maladies ne seraient pas immunisantes.
    • Une guérison peut être naturelle (sans traitement médical) ou non (avec traitement médical).
  • par vaccination;
  • par immunité croisée.

Mais s'il n'existe ni vaccin ni traitement les individus ne peuvent donc être immunisés que :

  • de naissance ;
  • par guérison d'une maladie immunisante :
    • soit naturellement;
    • soit au moyen d'un traitement médical non spécifique.
  • par immunité croisée.

NB : nous verrons cependant que l'absence de traitement est une notion théorique qui ne correspond généralement pas à la réalité car en pratique il existe souvent des médicaments non spécifiques qui s'avèrent efficaces (cf. infra #traitements).

Notre système immunitaire se compose de deux parties, fortement imbriquées [source1, source2] :

  • le système immunitaire congénital, non spécifique, forme une première barrière : peau, salive, suc gastrique, mucus intestinal, cellules ciliées vibratiles, flore commensale… et empêche la fixation des micro-organismes aux tissus ; s’ils se fixent quand-même, les macrophages peuvent provoquer l’encapsulation et la destruction des micro-organismes.
  • Le système immunitaire adaptatif comprend :
    • l’immunité des muqueuses : anticorps IgA, principalement produits par les cellules de l’intestin et de l’épithélium pulmonaire ;
    • l’immunité humorale : les anticorps IgM et IgG produits par les cellules B empêchent les virus de se fixer sur les cellules ;
    • l’immunité cellulaire : si malgré l'action des anticorps des substances étrangères ou de micro-organismes (dont des virus) ont réussi à s'introduire dans des cellules, entre alors en action le dernier (?) rempart du système immunitaire, les cellules T (globules blancs), qui peuvent déterminer de l’extérieur dans quelles cellules le virus se cache pour se multiplier, et détruire ces cellules infectées.

L'action des cellules T peut conduire à une réponse immunitaire exagérée, consistant en une destruction exagérée de cellules par les cellules T : c'est ce qu’on appelle une tempête de cytokines. Très rarement, cela peut également se produire chez les jeunes enfants (syndrome de Kawasaki). Heureusement ce syndrome est facile à soigner : les patients affectés reçoivent des anticorps de donneurs de sang sains, c’est-à-dire de personnes qui ont eu un rhume à coronavirus. L'immunité collective est ainsi utilisée à des fins curatives.

Les anticorps sont des molécules produites par les lymphocytes B (cellules B), qui sont régulés par les lymphocytes T (cellules T), qui sont un type de leucocytes c-à-d de globules blancs. Dans une étude portant sur 23 personnes qui ont survécu au SRAS en 2003, chacune d'entre elles avait des lymphocytes T à mémoire qui ont reconnu le virus du SRAS ... 17 ans plus tard [source]. On a même retrouvé des anticorps de la variole chez des patients vaccinés il y a 50 ans [source] !

Immunité collective
https://konfedera.org/gestion-epidemies#strategie-immunite-collective

Dans la section consacrée au modèle SIR nous avons vu l'équation E*t = 1 - It - 1 / ( β * λ ) n_E*(t) qui exprime le seuil d'immunité collective c-à-d la valeur de Et au-delà de laquelle, la croissance du nombre d'infectés (It) serait impossible.

L'équation n_E*(t) n'exprime pas de causalité mais seulement une corrélation entre E*t et It, c-à-d que lorsque It arrête de croître sa valeur correspond à une valeur de Et égale à E*t. Et inversement lorsque Et atteint la valeur de E*t c'est que nécessairement It arrête de croître. Mathématiquement cela s'exprime par :

E*t = 1 - It - 1 / ( β * λ )  ⇔   It = 1 - E*t - 1 / ( β * λ )

On peut interpréter cette expression mathématique de façon intuitive en disant que si la répartition spatiale de la population It est uniforme (ce qui est une des hypothèses du modèle SIR ... généralement non vérifiée dans la réalité) il existe une valeur minimale de It en-dessous de laquelle – c-à-d une valeur maximale de Et au-delà de laquelle – le virus n'arrive plus à se propager faute de suffisamment de vecteurs. Cette interprétation surlignée en jaune permet d'expliquer pourquoi une épidémie s'éteint naturellement avant que le virus ait contaminé l'intégralité de la population au sein de laquelle il se propage.

La dite "stratégie" d'immunité collective consiste en fait à ne compter que sur la SP. Elle repose sur le pari que le pic de l'épidémie, c-à-d le nombre le plus élevé de personnes contaminées par unité de temps ne dépassera pas les capacités matérielles et humaines du système médical.

Compter sur la seule stratégie SP (avec l'immunité collective en toile de fond) pour gérer une épidémie est donc d'autant plus justifié que le produit incidence x mortalité lié à l'agent infectieux est faible (la plupart des personnes infectée sont peu affectées c-à-d faiblement symptomatique). Avant covid-19 cette stratégie du laisser faire était systématiquement appliquée dans les épidémies et pandémies de virus "nouveaux" (entre guillemets car un virus n'est jamais totalement nouveau puisqu'une mutation est toujours partielle). Ainsi chaque année des épidémies létales et dont la propagation connaît initialement un stade exponentiel, sont finalement maîtrisées sans SNP. Par conséquent, chaque année nous sommes confrontés au risque que le système hospitalier soit surchargé. Et certaines années cela est (légèrement) le cas, ce qui implique que des malades sont moins biens soignés voire pas du tout, et que certains en meurent.

Le nombre de ces décès est implicitement considéré comme "acceptable" au regard des coûts sociaux, économiques et politiques :

  • soit d'une surcapacité hospitalière garantissant une certaine marge de sécurité, et dont le niveau en terme de coût financier est aussi un choix politique ;
  • soit du recours systématique au confinement général (donc même pour les épidémies saisonnières), ce qui aurait pour effet d'instaurer quasiment chaque année le confinement général et le traçage des personnes (mais cela est-il politiquement, économiquement et socialement souhaitable ?) ...

Cette problématique politique fondamentale sera approfondie infra dans les sections #charge-hospitaliere-covid19 et #forces-covidistes-sanitarisme.

Nature
dénigrée

Dans la section #SIR-immunite-collective nous avons vu que d'un point de vue relatif, la sous-estimation du taux d'immunité collective Et est équivalente à une sur-estimation du seuil d'immunité collective E*t : dans les deux cas cela conduit à surestimer le niveau qu'atteindra le sommet de la courbe épidémique. On comprend alors que la sous-estimation de l'immunité hors anticorps pourrait être une des causes de la surestimation du risque épidémique par les modèles mathématiques (ou leur paramétrage).

Chez la plupart des individus infectés présentant peu ou pas de symptômes le système immunitaire neutraliserait le coronavirus par une immunité muqueuse (IgA) et cellulaire (lymphocytes T). Les scientifiques ont pu constater une réactivité des cellules T CD4 du SRAS-Cov-2 allant jusqu’à 60% dans une population non infectée, ce qui suggère des réactions croisées avec d’autres virus du rhume (corona) [source]. Autrement dit, la plupart des gens ont déjà une immunité congénitale ou croisée parce qu’ils ont déjà été en contact avec des variantes du même virus [source].

Il semble donc que la formation d’anticorps (IgM et IgG) par les lymphocytes B n’occupe qu’une part relativement faible de notre système immunitaire. Les tests sérologiques ne livrent qu'une information partielle voire trompeuse : ils ne mesurent ni l’immunité innée ni l’immunité cellulaire non humorale, qui assureraient avec l’immunité croisée les rôles principaux dans la défense antivirale, bien plus que les anticorps. L'immunité collective pourrait donc être atteinte avec "seulement" 15% de la population présentant des anticorps protecteurs [source1, source2, source]. Autrement dit le seuil d'immunité collective serait nettement plus élevé que celui mesuré par les tests sérologiques spécifiques à un virus spécifique.

Voilà une des raisons pour lesquelles la stratégie non pharmaceutique n'a jamais été imposée aux populations depuis plus d'un siècle (*) lors des régulières pandémies de virus "nouveaux" (**).

  • (*) Et les historiens discutent même la réalité exacte de précédents supposés "équivalents" aux mesures hallucinantes que nous subissons (tellement passivement) depuis début 2020.
  • (**) Il y a d'autres raisons. D'une part maintenir un tel mode de vie pendant une si longue période aurait des effets bien plus délétères que l'absence de SNP (à supposer que ses effets théoriques soient réels ...) : impacts de la santé mentale sur la santé générale, de la récession économique sur la mortalité toutes causes, etc. D'autre part le confinement général allonge la durée de R&D, en entravant la production et distribution de biens et services qui lui sont indispensables à la gestion épidémique.

L'application de la SP est un autre facteur explicatif de "l'obsolescence" de la SNP ... à supposer que cette dernière ait jamais été efficace, ce qui est très probablement impossible, comme nous allons le montrer dans la section suivante.

Stratégie non pharmaceutique (SNP)

https://konfedera.org/gestion-epidemies#strategie-non-pharmaceutique

Nous allons ici traiter successivement des principes, de l'efficacité supposée et des effets pervers de la SNP, stratégie préventive dont nous avons exposé supra les principes théoriques dans le cadre du modèle SIR (cf. section #SIR-strategies).

Principes

Les mesures caractérisant cette stratégie préventive sont le confinement, la distanciation, le port du masque voire de gants, et le lavage fréquent des mains.

Depuis 2020 de nombreux appareils d'États (principalement de pays occidentaux) considèrent que dans le cas d'un virus "nouveau" (*) à létalité supposément (**) forte, l'imposition de la SNP aux populations serait non seulement pertinente mais en outre la seule pertinente (exit la SP).

  • (*) Nous verrons que la notion de virus "nouveau" et donc "inconnu" est très relative (#virus-nouveau).
  • (**) Nous verrons qu'en raison de biais statistiques la létalité d'un virus mesurée en début d'épidémie est généralement très supérieure à la réalité (#mesure-mortalite).

Cela constitue un changement à 180° degré par rapport au consensus en vigueur depuis que les épidémies sont mesurées en temps réel dans la plupart des pays c-à-d depuis 1920.

Cette stratégie (dont l'application coercitive à l'ensemble de la population n'est semble-t-il recommandée dans aucun manuel de gestion épidémiologique) s'applique aux épidémies se propageant par contacts interindividuels directs, et non par le biais d'un vecteur tel un moustique. Elle consiste à inciter voire forcer l'ensemble de la population à appliquer des mesures ayant deux types de fonction :

  • limiter le nombre de contacts : confinement général : fermeture des crèches et écoles, isolement des malades, limitation des rassemblements publics, réduction des mouvements de population, ... ;
  • limiter la probabilité de contamination lors de contacts, par des mesures d'hygiène : lavage des mains, port de gants et masques de protection, maintient d'une distance minimale entre individus.

Détail des mesures de confinement général : France ; Belgique.

L'animation suivante illustre un principe commun aux stratégies SNP et SP.

reductionnisme-epidemie.gif

SNP : l'un télétravaille, l'autre ne se rend pas à ce barbecue, une troisième ne voyage pas en avion, et le dernier reste à la maison. SP : l'un est immunisé, l'autre est immunisé, une troisième est immunisé, et le dernier est immunisé.

Nous avons montré dans la section #SIR-strategies que l'effet théorique de la SNP est double :

  • abaisser le sommet de la courbe épidémique ⇒ on réduit la mortalité et le risque que la capacité hospitalière soit dépassée par le nombre de cas sévères  ;
  • retarder le sommet de la courbe épidémique ⇒ on gagne du temps pour :
    • augmenter la capacité hospitalière et en particulier le nombre de lits de soins intensifs (... mais nous avons montré dans la section #SIR-parametrage-fin-confinement qu'en Belgique la SNP n'a pas eu pour effet de retarder le sommet comme le prévoyait le modèle SIR, et d'autre part nous verrons que de toutes façon il est pratiquement impossible d'augmenter substantiellement et effectivement la capacité hospitalière de soins intensifs en moins de trois ans) 
    • développer de nouveaux médicaments et vaccins (... mais cela prend au moins dix ans si l'on veut garantir que les effets nuisibles ne l'emportent pas sur les effets bénéfiques).

    NB : nous avons vu dans #SIR-strategies que, selon la théorie du modèle SIR, la SP a également pour effet théorique d'abaisser le sommet épidémique (dans une proportion équivalente) mais pas de le retarder.

capacites-hospitalieres.png

Selon le positionnement ex post des courbes par rapport à la capacité hospitalière (cf. graphique ci-dessus), ont pourra tirer l'une de trois types possibles de conclusion :

  • Capac. hospit. 1 : le coût social et économique de la SNP a permis de minimiser le nombre de malades ne pouvant être traités : la surface verte au-dessus de la ligne de capacité 1 est inférieure à la surface bleue au-dessus de cette ligne ;
  • Capac. hospit. 2 : le coût social et économique de la SNP a permis de réduire à zéro le nombre de malades ne pouvant être soignés : la surface verte est inférieure à la ligne de capacité 2, de sorte que l'on a pu éviter un nombre de décès équivalent à la surface bleus située au-dessus de la ligne de capacité 2 (on suppose que les malade non traités meurent) ;
  • Capac. hospit. 3 : le coût social et économique de la stratégie de distanciation fut inutile.
Vagues
suivantes

Le confinement général ayant pour effet de freiner le phénomène naturel d'immunisation collective, il en résulte (selon le modèle SIR) que lorsque ce confinement sera levé – parce qu'il aura ramené la valeur de Rt (taux de reproduction) en-dessous de 1, c-à-d que l'on aura dépassé le sommet de la courbe épidémique – celle-ci repartirait à la hausse dès que Rt sera repassé au-dessus de 1. S'il s'avère que covid-19 est une maladie saisonnière récurrente on s'inscrirait alors, selon le modèle SIR, dans un cycle de confinements et dé-confinements qui durera tant que l'on aura pas développé de médicament spécifique ou de vaccin (ce qui est impossible de façon sécurisée en moins de dix ans), ou tant que la réglementation médicale pénalisera l'usage de médicaments non spécifiques pour traiter les malades.

Les adeptes de l'épidémiologie mathématique, prisonniers de leur "logique", sont ainsi conduits dans un enfermement cognitif : c'est le confinement qui neutraliserait l'épidémie, donc si on lève le confinement alors l'épidémie repart à la hausse ! Ces croyants ne "raisonnent" plus que dans le cadre étriqué de leur modèle, malgré que ceux-ci sont connus pour produire des prévisions qui in fine se sont généralement avérées extrêmement exagérées.

Ce cycle de confinements et dé-confinements est un moindre mal, affirment les promoteurs de cette stratégie, car on aura ainsi pu retarder le sommet de la courbe épidémique, ce qui permet selon eux de gagner du temps pour augmenter la capacité hospitalière, ainsi que pour développer un médicament spécifique et/ou un vaccin.

Le problème est ici qu'il n'est actuellement pas possible, en moins de trois ans, ni d'augmenter substantiellement et effectivement la capacité hospitalière (cf. le graphique de Ferguson pour une idée l'augmentation requise), ni de développer un nouveau traitement ou vaccin réellement efficace et sécurisé (il faut pour cela au moins une dizaine d'années).

Capacités
hospitalières

Il n'est pas possible d'augmenter substantiellement en quelques mois la capacité hospitalière d'un pays. Construire les bâtiments est une chose, mais les équiper d'unités de soins intensifs requiert du matériel complexe et surtout du personnel compétent. Or ces ressources ne peuvent être créées en quelques mois, qui plus est si le système productif est entravé par un confinement général. Les affirmations des gouvernements qui en 2020 ont prétendu avoir augmenté substantiellement la capacité hospitalière en quelques semaines (et alors qu'ils n'étaient pas même en mesure de gérer efficacement les seuls stocks de masques de protection) sont donc mensongères et concernent au mieux des lits de soins non-intensifs.

softenon.jpg

Médicament
ou vaccin

Pour développer un nouveau médicament ou vaccin dont les effets thérapeutiques sont substantiels et les effets secondaires connus il faut en moyenne une quinzaine d'années. En 2020 cette durée fut instantanément réduite à une année. La photo ci-contre (effets du thalidomide) illustre un exemple du risque encouru quand on autorise de nouveaux médicaments ou vaccins sans précautions suffisantes.

Les principes de la SNP étant clairement définis comparons maintenant son efficacité théorique à la réalité des faits.

Efficacité de la SNP
https://konfedera.org/gestion-epidemies#efficacite-strategie-non-pharma

L’imposition de la SNP à l’ensemble de la population est le produit de la croyance (erronnée) dans la capacité prédictive des modèles mathématiques : la prédiction induit une stratégie préventive (SNP). Or ces modèles ne constituent nullement la démonstration d’une thèse mais seulement sa représentation. En l'occurrence il convient de confronter la théorie à la réalité des faits.

Interrogé fin mars 2020 par le journal français Le Parisien sur l'efficacité du confinement général, le professeur Didier Raoult, premier expert mondial en maladies transmissibles selon l'indice expertscape, répond en ces termes : « Jamais on n’a pratiqué ainsi à l’époque moderne. On faisait ça au XIXe siècle pour le choléra à Marseille. L’idée du cantonnement des gens pour bloquer les maladies infectieuses n’a jamais fait ses preuves. On ne sait même pas si ça fonctionne. C’est de l’improvisation sociale et on n’en mesure pas du tout les effets collatéraux » [source].

Supercherie

Dans quasiment chaque pays ayant appliqué la SNP en 2020 pour neutraliser la covid-19 des études scientifiques ont prétendu "démontrer" que la SNP imposée par le gouvernement à l’ensemble de la population par le gouvernement avait eu pour effet d'effectivement abaisser et reculer le sommet épidémique, c-à-d que ces études affirment implicitement que contrairement aux régulières pandémies de virus nouveaux mesurées systématiquement dans la plupart des pays depuis 1920, l'épidémie de covid-19 aurait complètement submergé les capacités hospitalières sans l'imposition de la SNP aux populations. Or il n'a jamais été démontré (i) ni que les modèles épidémiologiques sont capables de prédire la hauteur et la date du sommet d'une courbe épidémie, (ii) ni que la SNP a effectivement pour effet d'abaisser et reculer ce sommet. Par conséquent ces études reposent tout simplement sur l'hypothèse (c-à-d qu'il n'y a pas de démonstration !) que ces modèles et la SNP auraient effectivement ces capacités et effets supposés. Les auteurs considèrent alors que la différence observée entre les prédictions catastrophistes du modèle et la réalité observée ex-post est due à l'application de la SNP ! Donc ces études ne font rien d'autre que de mesurer cette différence et d'affirmer, sans le démontrer, que celle-ci mesure l'efficacité de la SNP ! Cela n'est pas de la science mais du scientisme, c-à-d une forme de religion dissimulée sous un glacis pseudo-scientifique.

Dans notre analyse de cette supercherie (cf. supra #R-zero-valeur-scientifique). Les trois études citées (Belgique, France, Chine) reposent sur le même type de fraude scientifique attribuant l'extinction de l'épidémie au confinement alors que, depuis que les pandémies sont mesurées en temps réel, c-à-d depuis 1920, aucune épidémie n'a provoqué de surcharge hospitalière à la mesure des prévisions apocalyptiques des modèles épidémiologiques. Et cela sans que la stratégie supposément préventive, dite non pharmaceutique ait été imposée à l'ensemble de la population, y compris dans le cas de virus nouveaux. On notera à cet égard que l'étude française mentionne ne pas avoir inclus de paramètre saisonnier dans leur modèle, et cela parce que l'impact des variations saisonnières dans la transmission du SRAS-Cov-2 ne serait « toujours pas clair » (par contre l'impact du confinement ne fait quant à lui pas de doute ... pour les auteurs) ! S'enfonçant encore un peu plus dans l'absurdité les auteurs de l'article déclarent que « bien que les données à ce sujet soient très rares, plusieurs experts suggèrent que l'impact de la saisonnalité sur la transmission du COVID-19 pourrait être modeste. Il paraît donc raisonnable de supposer que la grande majorité de la réduction doit être portée au crédit du blocage, même s'il est impossible, pour le moment, de démêler l'effet du blocage et l'effet sous-jacent potentiel de la saisonnalité » ! On notera enfin que le taux d'hospitalisation des symptomatiques est tout simplement repris de la simulation de ... Neil Ferguson, et que les décès hors hôpitaux ne sont pas pris en compte [source] !

Milieu

L'analyse de l'efficacité de la SNP (confinement, distanciation, masques, lavages) doit distinguer deux cas selon que l'on considère :

  • le seul secteur hospitalier, qui est équipé de tout le matériel nécessaire et où les règles sanitaires sont strictement appliquées par des professionnels avec un haut niveau de formation;
  • l'ensemble des lieux publics et privés, où le matériel est moins disponible, où les règles sont appliquées moins strictement, et par des individus à formation de tous niveaux et domaines.

Or l'on constate que même en milieu hospitalier on n'arrive pas à neutraliser totalement les infections nosocomiales. En fait la seule certitude concernant les mesures sanitaires en milieu hospitalier c'est leur fonction juridique [source] et d'image de marque (NB : la concurrence joue aussi dans le secteur hospitalier). Ainsi lors d'une expérience en milieu hospitalier réalisée et 1981 et rapportée par le Royal College of Surgeons of England aucun masque n'a été porté dans un bloc opératoire pendant 6 mois, et aucune augmentation d'infection des plaies n'a été constatée par la suite [source].

Masque

Et concernant l'usage du masque par le grand public, rappelons que le masque est à usage unique, et pour une durée de trois heures. Il doit être posé et retiré sans le toucher (!), ou bien avec lavage des mains avant et après le port (chaque fois !). Il ne doit jamais être porté sur le front, sur le cou ou dans la poche (ce que quasiment tout le monde fait ...), au risque de contaminer son porteur en cas de repositionnement. [source].

Même s'il existait des études démontrant l'efficacité du masque pour bloquer l'émission de particules, et du lavage des mains pour tuer les virus qui se sont fixés dessus, il reste encore à vérifier s'il est réaliste de croire que ces mesures peuvent être appliquée par tous, à tout instant, en tous lieux et en toutes circonstances. Ainsi quel est le pourcentage de la population qui ne porte jamais le masque sur le cou ou en poche ? Quel est le pourcentage de la population qui se nettoie les mains après chaque contact de celles-ci avec un objet ? Et là on n'a même pas évoqué le fait que le principal mode de transmission du virus pourrait être constitué par les particules fines en suspension dans l'air. Toute cette analyse logique est d'ailleurs confirmée par une étude statistique concernant la grippe : les lavages des mains et le port du masque n’ont pas d’effet substantiel sur la transmission de la grippe [source].

Même dans un état totalitaire il ne serait pas réaliste de croire en l'efficacité de l'imposition du masque à l'ensemble de la population. Il est donc particulièrement inquiétant de constater qu'une revue d'articles scientifiques réfutant l'efficacité des masques, réalisée par le physicien Denis Rancourt et publiée en avril 2020 sur researchgate.net fut censurée le mois suivant : archive.org - PDF

Interview de Denis Rancourt avant la censure (42m28s - mai 2020)

L'argumentation de researchgate.net pour "justifier" la censure de cette revue d'articles scientifiques est hallucinante et extrêmement inquiétante : elle ne repose sur aucun critère scientifique mais uniquement sur l'opinion personnelle des administrateurs de researchgate.net, selon qui le contenu de l'article pourrait constituer une menace pour la santé publique ! [email-rancourt-researchgate.pdf]. Voici la réaction de Denis Rancourt.

Réaction de Denis Rancourt après la censure (4m35s - mai 2020)

On notera enfin cette méta-enquête publiée en septembre 2019, réalisée par le Center for Health Security de l'université a John Hopkins, et publiée sur le site de l'OMS, montrant que très peu d'études ont été réalisées sur l'efficacité des masques en dehors des établissements de santé ... [source p. 54]. Nous avons cependant trouvé deux études sur les effets nuisibles du masque. L'une, réalisée en 2015 sur les masques en tissus, montre que la rétention d'humidité, la réutilisation du masque et une mauvaise filtration peuvent entraîner un risque accru d'infection [source]. L'autre étude, réalisée en 2020, montre que le port du masque augmente la concentration en CO2 de 20% durant des activités très physiques [source], de sorte qu'il n'est donc pas recommandé pour des activités physiques dans les lieux où la concentration en CO2 est supérieure à 900/1,2=750 ppm [source].

Confinement

Quant au confinement, on ne peut l'appliquer à une large population sur des périodes de plusieurs semaines car les gens doivent sortir au moins pour aller (i) chercher de la nourriture (sauf à constituer massivement des stocks, ce qui n'est pas gérable globalement) ; (ii) sur leur lieu de travail (les services qui peuvent être réalisés par télétravail ne représentent qu'une partie du PIB). On notera également que durant l'épidémie de covid-19 la fermeture des maisons de repos pour les visites n'a pu y stopper la contamination, qui continuait de s'y propager via le personnel ... [source p. 99].

Il semble qu'avant 2020 le terme "confinement" n'était pas utilisé en matière de gestion épidémique. Les seuls terme utilisés étaient "isolement" (individus contagieux, milieu hospitalier) et "quarantaine" (individus symptomatiques, milieu extra-hospitalier) [source p. 56].

Vaccination

La vaccination peut être considérée comme mesure de la stratégie non-pharmaceutique, en raison de sa nature préventive (alors que la SP est plutôt réactive). Cependant la pertinence de la vaccination comme mesure préventive semble mise en doute par une partie croissante de la population :

  • l'efficacité des vaccins est quasiment nulle pour les personnes de plus de 75 ans [source], ce qui implique la non pertinence coût/bénéfice dans le cas de maladies dont la mortalité concernent essentiellement les plus âgés (cas de la covid-19) ; et pire : selon une étude les personnes âgées ayant été vaccinées préalablement contre la grippe sont davantage décédées de la Covid-19 que celles ne l’ayant pas été [source] ;
  • en raison de la mutation naturelle incessante des virus (constatée quasiment chaque année avec le virus de la grippe) l'efficacité des vaccins diminue avec le temps, ce qui en fait des solutions temporaires ; dans ces conditions le rapport coût/bénéfice pour la société peut être supérieur à 1 (NB : le coût doit prendre en compte les effets polluant de la recherche, production et distribution de la nouvelle version du vaccin, adaptée à la mutation) ;
  • les études supposées démontrer que le rapport effets négatifs / effets positifs serait inférieur à 1 ne sont-elles pas fondées sur une confusion entre corrélation ("le développement des vaccins fut accompagné d'une baisse des mortalités épidémiques") et causalité ? Autrement dit : la baisse des mortalités épidémiques n'est-elle pas le résultat d'autre(s) facteur(s) ?

Rappelons enfin que le virus de la variole est le seul qu'on a pu éradiquer (supposément) grâce à la vaccination [source].

Bilan

Après avoir énoncé ces faits concrets concernant la supercherie théorique, la différence entre milieu hospitalier et le reste du monde, la difficulté pratique de l'imposition généralisée du masque et du confinement, apparaissent des questions fondamentales :

  1. est-il raisonnable de croire que l'isolement, la distanciation, le masque et les lavages sont un obstacle à la propagation d'un organisme microscopique dans un milieu autre qu'un laboratoire ou une salle d'opération ?
  2. est-il raisonnable de croire que ces mesures peuvent être appliquées par tous, en tous lieux, en toutes circonstances, 24h/24 ?
  3. est-il raisonnable de croire que ces mesures sont encore efficaces quand elles ne sont appliquées que partiellement ?
  4. les baigneurs arrêtent-ils les vagues en ouvrant les bras ?

La réponse à ces questions est tout sauf affirmative. Que ce soit sur le lieu de travail, au domicile, ou lors d'activités sportives, culturelles ou associatives, il n'est pas possible d'appliquer en permanence la distanciation (un mètre cinquante), le port du masque (sans le toucher) et le lavage des mains (après chaque contact sans gants). Et à supposer que ces mesures soient appliquées parfaitement sur le lieux de travail (par exemple par le licenciement des réfractaires pour faute grave) il en résulterait un très forte baisse de productivité, de sorte que la production de biens et services vitaux pourraient ne plus être garantie.

La probabilité que la SNP soit une stratégie pertinente est donc très probablement quasiment nulle. Une étude publiée en septembre 2019, réalisée par le Center for Health Security de l'université a John Hopkins, et publiée sur le site de l'OMS, souligne ainsi (i) l'absence d'évidence concernant l'efficacité de nombreuses mesures de SNP, et (ii) les effets pervers qui peuvent en résulter [source p. 58] :

Totalitarisme. À supposer que l'ensemble des mesures de la SNP (confinement, distanciation, masques, lavages) aient un effet substantiel sur la courbe épidémique lorsqu'elles sont appliquées intégralement, il faut pour cela maintenir un niveau minimum de discipline de la population en entretenant en permanence un climat de terreur via les médias "d'information", et en instaurant un régime policier fondé notamment sur la dénonciation des contrevenants. Voulons-nous d'une telle société ?

On notera d'autre part la paradoxale tolérance des gouvernements français [source] et belges [source1] par rapport aux manifestations anti-trump de début juin 2020 (donc avant l'extinction de l'épidémie) contre le racisme de la police US (et contre Trump) : ainsi donc l'interdiction des rassemblements est une question de vie ou de mort ... sauf pour certaines manifestations ! Voilà qui met sérieusement en question la véritable motivation de l'imposition de la SNP à l'ensemble de la population. Ces manifestations, dont de nombreux participants ne portaient pas de masque, n'ont d'ailleurs pas été suivies d'une remontée de la courbe épidémique, ce qui confirme que confinement et masque n'ont pas d'effet substantiel. Et pourtant un mois plus tard (11 juillet 2020) le gouvernement belge a rendu le port du masque obligatoire, sans doute pour "rentabiliser" les stocks achetés (après le sommet épidémique !) par ce même gouvernement qui avait fait déclarer l'inutilité des masques lorsque ceux-ci étaient indisponibles !

Didier Raoult sur le confinement et le masque (0m5s - juin 2020)

Selon le premier expert mondial en maladies transmissibles le confinement et le port du masque en public ne sont pas des décisions scientifiques mais politiques.

Et nous n'avons pas encore évoqué le gros point faible de l'imposition de la SNP à l'ensemble de la population : ses effets pervers ...

Effets pervers de la SNP
https://konfedera.org/gestion-epidemies#effets-pervers-strategie-non-pharma

Les pouvoirs médiatique, académique et politique ne s'en sont jamais cachés : pour qu'un maximum de gens appliquent les mesures de la stratégie non pharmaceutique (SNP : confinement, distanciation, masques, lavages) il faut apeurer la population [exemple1, exemple2]. La SNP implique donc la terreur, or celle-ci induit de graves effets délétères :

  • la panique, qui inhibe les capacités cognitives :
    • de ministres de la santé qui ont considérablement entravé la capacité des médecins de ville à soigner les patients présentant des symptômes bénins de la covid-19 (notamment en interdisant l'hydroxychloroquine) ⇒ il en a résulté l'aggravation de l'état de certains de ces patients non traités, qui ont du finalement être envoyés en urgence dans le système hospitalier, ce qui eut pour effet de surcharger certains hôpitaux.
    • de directeurs de homes et hôpitaux : ainsi dans de nombreux pays la moitié des décès attribués à covid-19 ont eu lieu en dehors du milieu hospitalier, en l'occurrence essentiellement dans les maisons de repos [source p. 104], alors qu'il restait une large capacité hospitalière non occupée (40% des lits de soins intensifs en Belgique : source !) ; on peut classer ces décès en deux groupes selon leur niveau d'infection :
      • gravement infectés : décès par manque de soins, ces homes ne disposant ni du matériel ni du personnel formé pour soigner les cas graves [source];
      • peu ou pas infectés : nombreux décès provoqués par "l'effet de glissement" : privés d'affection familiale, terrorisés par les messages gouvernementaux ultra-anxiogènes et par les décès autour d'eux, beaucoup de vieillards se sont "laissés partir".
    • de médecins hospitaliers : ainsi plus de 50% de la mortalité attribuée à covid-19 serait causée par les intubations abusives ! [source];
  • la peur de la contamination, qui inhibe la demande et l'offre de services médicaux.

    L'agence de santé publique française notait dans son bulletin du 16 avril 2020 que « depuis le début de la période de confinement, l’activité toutes causes aux urgences a fortement diminué pour toutes les classes d’âges » [source].

  • la sur-hygiénisation, le stress psychique, et la réduction des activités physiques, qui inhibent le système immunitaire [source1, source2], pouvant ainsi démultiplier l'ensemble des effets pervers de la SNP dans un effet "boule de neige" cataclysmique.
  • les effet d'entrave sur le système productif :
    • au niveau micro-économique : le confinement général entrave la production & distribution de biens et services indispensables à la lutte contre l'épidémie (médicaments, respirateurs, ...) ;
    • au niveau macro-économique : il y a une corrélation forte entre PIB et mortalité : la baisse du développement économique est systématiquement associée une hausse de la mortalité [source1, source2].
covidisme-pollution.png

Des effets positifs collatéraux dérivés d'une SNP coercitive existent certes, tels que la baisse de la pollution atmosphérique et des accidents de la route. Mais compensent-ils les effets collatéraux négatifs ? Ainsi il faut 400 ans à une masque jetable pour se décomposer ... [source]. Et il apparaît que des pays ont invoqué les effets économiques la crise de la COVID-19 pour alléger les mesures de protections environnementales et leur application [source].

Alors qu'en est-il finalement ? Pour répondre à cette question il suffit d'analyser la surmortalité toutes causes. Le graphique suivant (juxtaposition de deux graphiques par calage des dates de début et de fin) montre que la courbe décrivant la modulation de la SNP en Belgique (pays avec le plus haut taux de mortalité covid-19) durant la crise de la covid-19 est étroitement corrélée avec la courbe de mortalité toutes causes. Or la bosse du milieu ne correspond à aucune reprise de la mortalité covid mais à une période de canicule ! Et cette surmortalité n'a pas été observée avec une telle ampleur dans les pays voisins. D'autre part, les droites verticales hachurées montrent que l'intensification de la SNP est systématiquement suive d'une hausse de la mortalité toutes causes.

SNP et mortalité toutes causes en Belgique (22 jan. - 9 nov. 2020)

SNP-intensite-BEL.png

Sources : ox.ac.uk ; euromomo.eu. Graphique : konfedera.org.

Victimes
de la SNP

Selon une étude réalisée en Angleterre, entre le 7 mars et le 1er mai 2020 les décès non liés au COVID-19 étaient 15% supérieurs aux niveaux moyens quinquennaux pour cette période [source]. Une étude empirique réalisée sur un échantillon de 80.000 brésiliens entre mars et juillet 2020 montre que l'adoption de mesures restrictives augmentant l'isolement social a aggravé la pandémie de covid-19 dans ce pays au lieu de l'atténuer, aggravant le nombre de décès de plus de 10% [source]. Enfin selon une méta-analyse internationale le nombre de décès causés par le seul non recours à l'hydroxychloroquine approchait les 600.000 dans le monde au 1° novembre 2020 [source], soit 48% du nombre total de victime attribuées à la covid-19 [source]. Cela signifie que si l'on ajoute tous les autres effets pervers de la SNP, il en résulte que la quasi totalité de la surmortalité attribuée à covid-19 serait en réalité causée par la SNP !

bel-swe.png

La thèse selon laquelle les effets pervers d'une SNP coercitive l'emportent sur ses supposés effets de retardement et d'abaissement du sommet épidémique, est donc clairement suggérée par la conjonction des faits suivants :

  • les évaluations ci-dessus de la mortalité causées par la SNP ;
  • la SNP n'a pas eu l'effet théorique attendu de recul du sommet épidémique (cf. supra #SIR-parametrage-fin-confinement) ;
  • d'une part le graphique comparant les courbes de surmortalité toutes causes en Belgique (qui a appliqué drastiquement la SNP) et en Suède (qui ne l'a appliquée que très modérément), d'autre part le graphique montrant la corrélation avec l'intensité de la SNP, ne laissent plus beaucoup de doutes quant à la cause principale de la surmortalité en 2020 ...
Conclusion
https://konfedera.org/gestion-epidemies#strategie-non-pharma-conclusion

Analyses logique et statistique convergent vers la même conclusion:

  • d'une part l'efficacité théorique du confinement général est non démontrée, fortement surestimée et peu probable ;
  • d'autre part les effets pervers de la SNP sont considérables et très sous-estimés.

Au total l'effet net de la SNP est largement négatif, raison pour laquelle elle n'avait jamais été imposée aux populations depuis que l'on mesure les épidémie en temps réel dans la plupart des pays c-à-d depuis 1920.

La question demeure donc : pourquoi en 2020 la SNP fut-elle imposée aux populations ? La réponse à cette question n'est pas de nature scientifique mais politique et économique. Il en a résulté que des gouvernements ont fortement aggravé la situation : la mesure historiquement exceptionnelle du confinement général a suscité la panique dans la population ⇒ effets pervers ⇒ aggravation de la létalité du virus. C'est typiquement un phénomène bien connu des économistes sous le nom de prophétie autoréalisatrice ("self-fulfilling prophecy").

La surmortalité toutes causes observée en 2020 dans la moitié des pays européens a donc très probablement été causée non pas par le virus mais par l'effet de panique provoqué par le catastrophisme médiatique et les effets pervers de la SNP. Le graphique suivant suggère que la mortalité toutes causes aurait pu s'avérer la plus faible des quatre dernières années s'il n'y avait eu les effets pervers de la SNP.

Mortalité toutes causes en Europe (janvier 2016 à 29 juin 2020)

mortalite-toutes-causes-europe.png

Source

Stratégie pharmaceutique (SP)

https://konfedera.org/gestion-epidemies#strategie-pharmaceutique
bacterie-vs-virus.png

En moyenne un virus est cent fois plus petit qu'une bactérie (μ=10-6).

Nous allons ici traiter des aspects pratiques de la stratégie pharmaceutique (SP) pour neutraliser les effets d'une épidémie sur la santé publique. Les principes théoriques de la SP (dans le cadre du modèle SIR) ont été exposés dans la section #SIR-strategies.

Ses principes pratiques sont : traitement, dépistage & confinement ciblés. Quant au vaccin, c'est un cas particulier : on pourrait être tenté de le considérer comme élément de la SP en tant que produit pharmaceutique accélérant et amplifiant l'immunité collective, mais on peut aussi le considérer comme élément de la SNP en tant que mesure préventive.

Traitements
https://konfedera.org/gestion-epidemies#traitements

Nous parlons ici des traitements médicaux pharmaceutiques (c-à-d chimiques) et mécaniques (respirateurs, etc.).

Symptomatique
vs curatif

On a souvent pour habitude de distinguer traitements symptomatiques vs curatifs d'une maladie, tout en distinguant ceux de nature préventive. Cependant cette approche dichotomique du traitement médical est simpliste :

  • symptomatiques : on peut favoriser la guérison naturelle en atténuant les symptômes (dans le cas de covid-19 : fièvre, toux et dyspnée) au moyen de médicaments habituels pour ces symptômes, donc éventuellement au moyen de médicaments non spécifiques à la cause des symptômes : selon des estimations le seul traitement symptomatique peut réduire de moitié le taux de mortalité [source].
  • curatifs : le traitement curatif peut être appliqué avant l'apparition de symptômes ; le traitement curatif d'une infection virale ou bactérienne consiste notamment à abaisser sa charge virale ou/et bactérienne en-dessous d'un niveau correspondant à (i) la contagiosité de l'infection et (ii) l'apparition des symptômes de la maladie.
Repositionnement

En situation d'urgence et en l'absence de vaccin ni traitement curatif spécifique, il faut concentrer les ressources scientifiques disponibles sur le "repositionnement" c-à-d la recherche de médicaments existants permettant de traiter le nouveau virus. L'avantage du repositionnement c'est que ces médicaments sont déjà agréés, donc immédiatement disponibles. En outre leurs effets secondaires, posologie et interactions sont connues. Dans le cas de covid-19 le repositionnement fut réalisé avec succès et une rapidité stupéfiante (qui a suscité beaucoup de jalousies ...) par l'équipe du Pr. Raoult (sur base de recherches chinoises sur des médicament antipaludiques). Il a ainsi été confirmé que les pays qui utilisent principalement des médicaments antipaludiques comme traitement de covid-19 voient une dynamique plus lente des décès quotidiens, le nombre de décès parmi les cas critiques étant divisé par deux [source].

Une façon d'identifier des médicaments candidats pour un repositionnement est donnée par le cas de la Chloroquine : en Italie covid-19 se serait répandu essentiellement dans les régions qui avaient été touchées par le paludisme ... dont la Chloroquine est un traitement.

L'efficacité de certains médicaments non spécifiques peut s'expliquer par au moins trois causes :

  • les mutations sont toujours partielles (et la plupart du temps mineures), de sorte qu'un agent pathogène (virus, bactérie, ...) "nouveau" n'est jamais totalement "inconnu" ⇔ la notion de familles de virus, pour lesquelles des médicaments non spécifiques à tous les membres sont efficaces ;
  • des traitements symptomatiques – donc éventuellement au moyen de médicaments non spécifiques à la cause des symptômes – peuvent réduire de moitié le taux de mortalité ;
  • une molécule (naturelle ou pas) peut avoir plusieurs fonctions thérapeutiques, et rien ne garantit qu'elles sont toutes connues ; ce fait constitue un argument majeur en faveur du repositionnement de médicaments dont les effets secondaires sont connus depuis longtemps.

Le repositionnement repose donc sur un savoir qui doit s'accumuler par la pratique. Ce fait plaide en faveur d'une certaine liberté de médication non spécifique, et cela pas seulement en période d'épidémie. Il importe également de mettre sur pieds un modèle économique spécifique aux médicaments: contrairement aux technologies les propriétés thérapeutiques d'une molécule ne sont pas sujettes à l'obsolescence.

Médecine de guerre ? En cas d'épidémie de virus "nouveau" (c-à-d pour lequel il n'existe pas de médicament spécifique) faut-il relâcher la réglementation médicale visant à limiter le risque médical, et dans l'affirmative dans quelle mesure ? Il s'agit là d'une question difficile.

La réponse doit prendre en compte les différents champs d'application du concept de médecine de guerre dans le contexte de la gestion épidémique :

  • réglementation des actes médicaux posés par les médecins, notamment l'usage de médicaments non-spécifiques (problématique complexe notamment en raison de la frontière parfois floue entre traitement symptomatique et traitement curatif dans la pratique médicale) ;
  • réglementation (réplication des résultats par d’autres équipes, étude randomisée en double-aveugle, ...) :
    • de la recherche en matière de repositionnement de médicaments et vaccins existants ;
    • de la R&D de nouveaux médicaments et vaccins.

Virus "nouveau"

Les mutations sont toujours partielles (et la plupart du temps mineures), de sorte qu'un agent pathogène (virus, bactérie, ...) "nouveau" n'est jamais totalement "inconnu" ⇔ la notion de familles de virus, pour lesquelles des médicaments non spécifiques à tous les membres sont efficaces;

Ainsi le premier test d’anticorps disponible dans le commerce pour le Sars-CoV-2 avait été élaboré à partir d’un ancien test d’anticorps destiné à détecter le Sars-1 [source].

Rappelons les premier et second principes de la thermodynamique : rien ne se créé mais tout se transforme. Ce principe reste valable pour le monde vivant, où les mutations sont un phénomène omniprésent et quasiment permanent. Certaines transformations sont majeures mais la plupart sont mineures (qualitativement et quantitativement).

Ressources :

Tests
https://konfedera.org/gestion-epidemies#tests
Types

Les méthodes de testing sont variées. Elle se distinguent notamment par l'arbitrage fait entre sensibilité et spécificité, ou encore par leur coût (fabrication, utilisation, ...) :

  • le test PCR mesure la présence de l'ARN viral, attestant ainsi la contamination, mais sans pouvoir mesurer son intensité c-à-d sa charge virale, sauf indirectement : plus l'amplification doit être élevée plus la charge virale est supposée faible ; il est réalisé sur un prélèvement (par exemple dans le nez ou la gorge);

    N.B. C'est probablement notamment en raison de la nature binaire (oui/non) et non quantitative (si infection, quelle est son ampleur ?) que le fabricant du test PCR a expressément averti que ce test était destiné à la recherche et non au diagnostic [source] !

  • le test sérologique (par exemple ELISA) mesure la présence d'anticorps dans le sang, (et partant l'immunisation du patient);
  • imagerie (par exemple scanning des poumons dans le cas de covid-19) : permet de repérer des symptômes (mais avec encore plus d'incertitude que les tests quant à l'agent pathogène);
  • scanner rapide de la température corporelle; ...
Interprétation

Force est de constater que nombreux sont les médecins et épidémiologistes qui interprètent erronément l'information statistique livrée par les tests d'infection. Voici un problème avec résolution, illustrant le caractère contre-intuitif de ces tests.

Données
• prévalence : # malades / # citoyens = 1 / 1000.
• fiabilité du test : 95%, c-à-d que sur 100 NON malades, les tests donneront 95 vrais négatifs et 5 faux positifs.
Question
Quelle est la probabilité qu'un personne positive soit malade ?
Réponse
Sans doute avez-vous répondu "95%" ... et pourtant la réponse est 2% !
Démonstration :
de même que pour un citoyen la probabilité d'être malade est :
# malades / # citoyens
on a que, pour un positif, la probabilité d'être malade est :
# malades / # positifs
or, soit une population de 1000 citoyens :
# malades = 1
# positifs = 1 + 0,05 * 1000 = 1 + 50 = 51
-->
# malades / # positifs = 1 / 51 = 0,0196 soit environ 2%.
Sur 100 positifs il y a donc 2 malades ...
CQFD

Usages

Il nous semble important d'analyser le principe du testing selon qu'il s'agit de tests de traitement ou de dépistage :

  • le test de traitement est réalisé sur un patient symptomatique;
  • le test de dépistage, dont on peut distinguer deux sous-types :
    • sur une population (d'individus symptomatiques ou non) :
      • pour évaluer l'immunité collective, ce qui requiert soit de tester 100% de la population (ce qui n'est pas souhaitable) soit de tester un échantillon supposé "représentatif de la population" ;
      • pour isoler les personnes infectées.
    • par des individus, symptomatiques ou non, dans le seul but de savoir s'il sont infectés par un agent pathogène particulier (NB : un gouvernement incompétent peut ainsi susciter la panique afin d'inciter les gens à se faire tester).

Cette distinction montre que l'on peut réaliser des test pour diverses raisons : dans le cas du test de traitement, cette raison est exclusivement médicale, tandis que le test de dépistage peut être réalisé aussi à des fins politiques sous couvert de gestion épidémique. Or ces raisons politiques ne sont pas nécessairement fondées sur des critères scientifiques : elles peuvent aussi être motivées par des intérêts :

  • économiques privés, notamment via la corruption de décideurs politiques ou/et les conflits d'intérêt de leurs conseillers scientifiques;
  • purement politique : des gouvernements mal intentionnés peuvent voir dans le dépistage massif un moyen pour augmenter les statistiques épidémiques de cas positifs et ainsi terroriser la population en annonçant chaque jour l'évolution du nombre de cas positifs sans le rapporter au nombre de tests réalisés ; il est alors beaucoup plus aisé pour ces gouvernements de faire accepter des mesures impopulaires telles que le traçage des individus ou le vaccin obligatoire.

Dans la mesure où le dépistage sur population peut être imposé par certains gouvernements il est important d'approfondir son analyse.

Coût

À supposer que ce type de dépistage soit pertinent (c-à-d faisable, efficace et souhaitable) il est cependant très coûteux :

  • en termes financiers ⇒ il doit être ciblé;
  • en termes démocratiques ⇒ son éventuelle obligation doit faire l'objet d'un référendum (organisé en période non épidémique), en particulier l'isolement forcé de personnes non-symptomatiques mais dites "positives" c'est la porte ouverte à tous les abus par des gouvernements mal intentionnés.
Ciblage

Autant pour des raisons d'efficacité que de coût (financier et économique) le dépistage sur population devrait être ciblé sur deux types de "groupes à risque" :

  • type "blanc" : les personnes avec une haute probabilité de développer des symptômes sévères, par exemple des personnes âgées avec polypathologie chronique (hypertension, diabète, maladies cardiovasculaire, cancers, ...) ;
  • type "noir" : les super-contaminateurs : individus avec un grand nombre et une fréquence élevée de contacts, avec des propriétés physiologiques particulières (par exemple les enfants), ...

Il s'agit alors de :

  • isoler les groupes blancs ⇒ dépister au sein de ce groupe et diminuer la charge virale des positifs, même en l'absence de symptômes ;
  • dépister au sein des groupes noirs ⇒ isoler les positifs et réduire leur charge virale.

Les groupes à risque représentent souvent un faible pourcentage de la population.

Les groupes blancs sont immédiatement observables puisque c'est précisément leur apparition (les décès causés par l'infection virale) qui attire l'attention. Les groupes noirs peuvent alors être identifiés puis caractérisés par l'analyse du processus de contamination des membres du groupe blanc.

Si nécessaire les tests peuvent être proposés dans les aéroports, ports et postes frontières. Et des cliniques ambulantes peuvent réaliser des tests partout sur le territoire, avec résultats envoyés par SMS le lendemain. Si possible le test peut être réalisé par les personnes elles-mêmes au moyen d'un kit disponible en pharmacie et dans les grandes surfaces.

Pertinence

La problématique du testing est d'autant plus prégnante que l'utilité des test de dépistage et même la crédibilité des tests de traitement sont sujettes à caution :

  • test de traitement : nombre élevé de faux positifs et de faux négatifs, dont il n'est pas sûr qu'ils se compensent (faux d'un signe substantiellement plus nombreux que les faux de l'autre signe) ; l'utilité des tests PCR comme outil de diagnostic est sérieusement mise en doute [source], confirmant ainsi les recommandations du fabricant ... ;
  • test de dépistage par des individus : la personne qui se fait tester "pour savoir" et dont le résultat est négatif peut très bien être infectée le lendemain du test ⇒ va-t-elle se faire tester chaque jour ... ?
  • test de dépistage sur population :
    • isolement : est-il pertinent d'isoler par la contrainte les personnes infectées mais non malades, et cela alors que le virus est peut-être déjà déjà largement répandu dans la population ? Durant les cent dernières années la réponse consensuelle fut clairement négative ...
    • évaluation immunité collective : le phénomène immunitaire est complexe et ne se résume pas à la seule production d’anticorps ⇒ même en faisant abstraction des faux, les tests sérologiques ne livrent qu'une information partielle voire trompeuse : ils ne mesurent ni l’immunité innée ni l’immunité cellulaire non humorale, or celles-ci jouent avec l’immunité croisée les rôles principaux dans la défense antivirale, bien plus que les anticorps (cf. supra : #SIR-immunite-collective).
Consentement

En Corée du Sud et en Chine, les personnes ayant eu des contacts avec des individus contaminés furent recherchées de manière systématique afin d’être testées à leur tour et confinées de force. Nous pensons cependant que c'est aller trop loin, et fut probablement motivé par des considérations plus politiques que scientifiques. Selon nous le traçage doit être volontaire et ne peut donc être imposé : c-à-d que si Alice accepte d'être tracée et qu'elle rencontre Bob qui n'a pas accepté d'être tracé, un contact entre Bob et Alice ne peut être enregistré.

Diagnostiquer et traiter (18m25s - 16 mars 2020)

Selon Raoult il n'existe dès aujourd'hui aucune barrière autre que politique au dépistage et au traitement de covid-19 [fiches de la présentation].

Principe de précaution

https://konfedera.org/gestion-epidemies#principe-precaution

L'invocation du principe de précaution par les conseillers scientifiques de nombreux gouvernements pour "justifier" l'imposition de la stratégie préventive dite "non pharmaceutique" (confinement, distanciation, masques, lavages) est fallacieuse. En effet le principe de précaution ne consiste pas à appliquer une mesure incertaine sous prétexte qu'elle pourrait peut-être fonctionner, mais au contraire à ne pas appliquer une mesure sans être certain que ses effets pervers ne l'emportent pas sur ses supposés effets positifs.

Autrement dit les covidistes ont remplacé le traditionnel "dans le doute on s'abstient" par "dans le doute on ne s'abstient pas". L'absurdité de cette seconde interprétation apparaît dans le fait qu'elle permet par exemple de justifier le brûlage de cierges pour lutter contre la pandémie, puisqu'en effet il y a des gens qui prétendent que cela pourrait marcher !

Au Moyen Âge le commerce des indulgences a d'ailleurs exploité ce type de croyance.

Ainsi il est absurde de "justifier" l'imposition de la SNP en invoquant le principe de précaution. Le principe de précaution consiste soit à seulement recommander aux gens d'appliquer telle ou telle mesure préventive, soit à les contraindre mais dans ce cas il faut qu'il y ait certitude que des effets pervers ne l'emportent pas sur les effets positifs supposés.

Et ce n'est pas tout : force est de constater que les covidistes invoquent la première interprétation pour "justifier" l'interdiction du repositionnement de médicaments alors qu'ils invoquent la seconde interprétation, contraire de la première, pour "justifier" l'imposition de la SNP à la population !

La vidéo suivante compare l'analyse rationnelle du physicien canadien Denis Rancourt aux propos hallucinants de l'épidémiologiste belge Yves Coppieters.

Covid-19 et principe de précaution : Rancourt vs Coppieters (2020- 2m5s)

Quelle stratégie appliquer ?

https://konfedera.org/gestion-epidemies#meta-strategie

Les recommandations ci-dessous ont été collectées auprès de diverses sources médicales indépendantes, et prennent en compte des considérations sociales, démocratiques et économiques.

Principes généraux
https://konfedera.org/gestion-epidemies#meta-strategie-generale

Une stratégie anti-épidémique rationnelle doit être composée deux volets : préventif et réactif.

Mesures
préventives

La catastrophe sanitaire, sociale, démocratique et économique que fut la crise de la covid-19 fut causée par une incompréhension de ce que devraient être des mesures préventives. Extrêmement mal conseillés, les gouvernements ont voulu freiner l'épidémie, ce qui n'est théoriquement possible qu'en imposant aux systèmes sanitaire, social, politique et économique des contraintes tellement fortes que les supposés effets de retardement et abaissement du sommet épidémique sont plus que compensés par les effets pervers de la SNP, qui eux sont bien réels. On pourrait ainsi qualifier cette stratégie de "réaction préventive" ou de "pseudo-préventive".

Le volet préventif d'une stratégie anti-épidémique doit plutôt prévenir les conséquences des inéluctables maladies transmissibles. La première leçon que nous devons tirer de la mésaventure covidiste est qu'il faut absolument privilégier et faciliter la vie des retraités dans leur domicile plutôt que dans des homes [source].

Mesures
réactives

Nous nous situons ici dans le cas d'une pandémie d'un virus "nouveau", pour lequel il n'existe donc ni traitement spécifique, ni vaccin :

  1. Cette situation n'est pas nouvelle, et fut chaque fois gérée avec succès dans le monde moderne sans recourir au confinement, distanciation et port du masque généralisés.

  2. Toutes les épidémies s'éteignent naturellement avant d'avoir contaminé 100% de la population. Et la plupart avant même d'avoir atteint le seuil théorique d'immunité collective, pour des raisons encore inconnues mais très probablement liées au virus lui-même et/ou aux écosystèmes dans lesquels il évolue (exemple : le parasitage transversal de virus par des éléments génétiques mobiles, exposé dans le cas des transpovirons). Sans ce phénomène comment la population mondiale aurait-elle pu croître ?
  3. Le recours à des modèles épidémiologiques à des fins de suivi épidémique et de pilotage de gestion anti-épidémique doit être absolument rejeté car :

    • dans le cas des virus "nouveaux", leur paramètres sont inconnus et ne peuvent être évalués en temps réel (c-à-d en cours d'épidémie) en raison de biais de mesure ne pouvant être corrigés qu'une année après le début supposé de l'épidémie;
    • pour la plupart des virus, connus ou non, les paramètres ne sont stables ni dans le temps ni dans l'espace, en raison de la nature écosystémique c-à-d complexe des phénomènes infectiologiques.

    On constate d'ailleurs une très forte propension de ces modèles (ou de leur paramétreurs ?) à produire des "prévisions" qui s'avèrent in fine de gigantesques surestimations du taux de mortalité des épidémies.

  4. Il résulte du point précédent qu'il est irrationnel d'appliquer une politique de gestion épidémique d'urgence de type préventive c-à-d la stratégie SNP (confinement, distanciation, masques, lavages généralisés). Est rationnelle la stratégie pharmaceutique (SP), qui est réactive.

    N.B. Aucun manuel d'épidémiologie sérieux ne recommande l'imposition de la stratégie SNP. Il n'existe d'ailleurs pas de critère objectif permettant de déterminer un niveau de risque de mortalité au-delà duquel il faudrait appliquer la stratégie SNP, et en-dessous duquel cela ne serait pas nécessaire.

  5. Dans le cas d'épidémie de virus "nouveau", donc en l'absence de traitement spécifique, il faut utiliser des médicaments non spécifiques ("repositionnement", médecine de guerre). Dans la mesure où il s'agit là d'un savoir qui doit s'accumuler par la pratique, la réglementation devrait veiller à rendre celle-ci possible.
  6. Le dépistage est utile mais très coûteux :

    • en termes financiers ⇒ il doit être limité aux groupes à risque (cf. section précédente);
    • en termes démocratiques ⇒ information sans coercition (donc pas de traçage).
  7. En raison de biais statistiques (cf. supra #mesure), la gestion anti-épidémique doit être pilotée en fonction de la mortalité toutes causes plutôt qu'en fonction du taux d'hospitalisations, et surtout pas en fonction du nombre d'infections (NB : c'est exactement le contraire qui a été fait durant la pandémie de covid-19 ...).

    Prendre en compte l'intelligence collective (juin 2020- 0m52s)

  8. Le "cordon sanitaire", qui s’apparente à une frontière hermétique entre une zone touchée et une zone préservée, n'implique pas en soi une limitation de la liberté de circulation de part et d’autre de cette frontière, ni l’assignation à résidence de la population. Ceci dit il s'agit là malgré tout d'une mesure de type SNP, et qui repose donc sur l'idée qu'il serait réaliste de vouloir contrôler la propagation d'un organisme microscopique sur des zones géographiques.

  9. En matière de santé, le droit au choix individuel devrait avoir la primauté sur tout autre principe, et les politiques sanitaire déterminées en fonction de ce principe.
    sondage-vaccination-obligatoire.png

    Même sous l'influence d'un matraquage médiatique quotidien sans précédent, et distillant la peur du virus, 60% des participants à ce sondage étaient opposés à l'imposition du vaccin [Source].

Covid-19
https://konfedera.org/gestion-epidemies#meta-strategie-covid19
  1. tests et distanciation : uniquement les personnes symptomatiques ;
  2. prévention : renforcement immunitaire par suppléments en vitamine D [source] et zinc [source] ;
  3. traitement :
    • précoce : hydroxychloroquine (200 mg x 3 par jour pour 10 jours) et d'azithromycine (500 mg le 1er jour puis 250 mg par jour pour 5 jours de plus), dans le cadre des précautions d’usage de cette association (avec notamment un électrocardiogramme à J0 et J2), et hors AMM.

      Ce traitement permettrait de réduire le temps de portage moyen du virus (durée entre le début et la fin de l’infection, et donc de la contagiosité possible) de 20 jours à 6 jours. L'efficacité du protocole hydroxychloroquine+azithromycin a été confirmée par plusieurs études [mai 2020 ; juil. 2020 ; sept. 2020].

    • pneumonie sévère : associer un antibiotique à large spectre [source1 ; source2].
Intubations
abusives

Plus de 50% de la mortalité covid-19 serait causée par les intubations abusives ! "L'intubation serait trop facilement pratiquée chez patients Covid-19 selon une reco publiée dans The American journal of Tropical Medicine and Hygiene et citée par Stat, un journal américain en ligne. La sémiologie des pneumonies sévères en cas Sras-Co-2 serait différente de celle observée classiquement. L'hypoxie serait en fait mieux tolérée, notamment chez les patients de moins de 60 ans. Elle ne doit pas conduire à la mise en place systématique d'un respirateur artificiel. Certains médecins ont même recours à des dispositifs utilisés dans l'apnée du sommeil. Au total, les auteurs estiment à une réduction de la mortalité de plus de 50 % chez les patients Covid-19 grâce à la prescription moins fréquente de l'intubation" [source]. "Mortality rates for those who received mechanical ventilation in the 18-to-65 and older-than-65 age groups were 76.4% and 97.2%, respectively. Mortality rates for those in the 18-to-65 and older-than-65 age groups who did not receive mechanical ventilation were 1.98% and 26.6%, respectively" [source].

Indicateurs et suivi épidémique

https://konfedera.org/gestion-epidemies#indicateurs-suivi-epidemique

N.B. La présente section présente d'un point de vue essentiellement théorique la problématique du suivi d'une pandémie au moyen d'indicateurs. Pour l'analyse statistique approfondie de la pandémie de covid-19 voir infra #covid-19-analyse-statistique.

Nous commencerons par un aperçu des ressources statistiques en matière de suivi épidémiologique et infectiologique. Ensuite nous définirons les principaux éléments des indicateurs, et préciserons leur relations.

Ressources

https://konfedera.org/gestion-epidemies#suivi-ressources

Sites de référence en matière de centralisation de statistiques épidémiques de covid-19 en 2020 :

Dans un futur peut-être pas très éloigné les fonctions de centralisation internationale pourraient être assurées aussi par une Confédération des États souverains incitant à la transparence au niveau des sources originelles ainsi que des méthodes utilisées par celles-ci

Définitions

https://konfedera.org/gestion-epidemies#definitions

On ne mesure correctement que ce que l'on a défini précisément. Il importe également de comprendre la nature des relations entre les variables mesurées. Ces deux points sont l'objet de la présente section, qui nous rappelle que l'exposition à un virus n'entraîne pas nécessairement une infection, laquelle n'entraîne pas nécessairement une maladie, laquelle ne produit pas nécessairement d'anticorps détectables.

# soins intensif < # hospitalisés < # symptomatiques < # infectés.

# infectés > # symptomatiques. En général la plupart des personnes infectées ne développent que des symptômes bénins, parfois tellement insignifiants qu'elles ne s'en rendent pas compte (ce qui est problématique dès lors qu'elles sont contaminantes (*), mais d'autant moins que le taux de mortalité est faible). Parmi les symptomatiques une partie ne se présentent pas à un service médical et guérissent naturellement (c-à-d sans traitement). Donc seuls les autres symptomatiques seront traités et enregistrés (par cette voie) dans les statistiques !

(*) Il est probable que les infectés asymptomatiques sont peu contaminants en raison d'une faible charge virale.

# infectés > # testés. Il résulte du point précédent que seule une partie des infectés seront examinés, de sorte que le nombre de personnes diagnostiquées positives ("confirmed cases") sous-estime le nombre réel de personnes infectées (NB : nous utilisons indifféremment les termes "infecté" et "contaminé"). Ce n'est que si 100% de la population a été examinée que le nombre de diagnostiquées positifs est égal au nombre de contaminés (PS : en pratique on testera plutôt un échantillon représentatif de la population).

positif =? infecté Un diagnostic d'infection est déclaré positif si le patient est porteur du virus (charge virale "positive") ou symptomatique (mesure de température, scanner, ...), et négatif dans le cas contraire. On observe systématiquement qu'une partie des diagnostics s'avèrent erronés (faux positifs et faux négatifs), de sorte que si les faux positifs sont substantiellement plus nombreux que les faux négatifs une campagne de détection peut surestimer l'ampleur (quantité) et la sévérité (qualité) d'une épidémie. C'est le cas lorsque (i) la sensibilité du test est suffisamment élevés la dose détectable peut être inférieure à la dose infectieuse ou contagieuse, et (ii) les tests sont incapables de distinguer les sujets malades des personnes guéries.

# infectés > # contagieux. Seule une partie des personnes contaminées sont contagieuses, notamment parce que la période de contagiosité, qui est liée à la charge virale, est généralement inférieure à la durée de l'infection.

Incubation. La période d'incubation est la durée entre la contamination et l'apparition de symptômes. Une question est de savoir si l'individu asymptomatique contaminé est contagieux pendant la période d'incubation, parce que dans l'affirmative, s'il est ignorant de sont état, il n'applique pas de mesures pour ne pas contaminer autrui (à supposer que cela soit faisable et souhaitable).

Charge virale. En général le risque de contagion et la gravité de l’infection sont fonction de la quantité de virus présents dans l’organisme et de leur excrétion dans le milieu extérieur. Quelques copies de virus tapis dans les sinus n’ont pas la dangerosité d’un million projetés par la toux [source]. Par conséquent "traiter" un individu malade c'est notamment abaisser sa charge virale en-dessous d'un niveau correspondant à la disparition (i) des symptômes de la maladie et (ii) de la contagiosité de l'individu (NB : ceci concerne le premier stade de la maladie, or celle-ci peut évoluer vers des pathologies différentes, souvent plus sévères, et alors que la charge virale a disparu).

Guéri ⇒ immunisé. En général les personnes guéries (notion de charge virale négative), que ce soit par traitement ou naturellement, ne peuvent plus ni contaminer ni être contaminées (notion de "maladie immunisante").

Ces définitions étant précisées, nous pouvons maintenant analyser les limites de la mesure en temps réel des taux de mortalité et d'infection.

Mesure

https://konfedera.org/gestion-epidemies#mesure

Nous allons ici exposer la problématique du choix et de la mesure des variables de pilotage de la gestion épidémique : décès < hospitalisations < infections.

Contrairement à ce que font la plupart des entreprises "d'information" et des scientifiques de plateau TV, il ne faut pas suivre les valeurs absolues mais des taux. D'autre part le nombre d'infections est la variable dont la valeur informative est la plus sujette à caution en raison d'importants biais de mesures ne pouvant être corrigés qu'au moins un an après le début de l'épidémie. Nous allons voir que le meilleur indicateur est, et de très loin, la surmortalité toutes causes (c-à-d le différentiel de mortalité toutes causes par rapport à la moyenne des 3 à 5 années précédentes), celle-ci devant être rapportée à la population pour les comparaisons internationales. Cet indicateur est à la fois celui avec les plus faibles biais de mesure et la plus haute valeur informationnelle (car il mesure le niveau de gravité le plus élevé du phénomène infectieux : la mort).

Infections
https://konfedera.org/gestion-epidemies#mesure-infections

De trop nombreux scientifiques utilisent encore les données d'infection comme indicateur d'évolution d'une épidémie. Or nous allons voir que les statistiques d'infection sont très loin de constituer un indicateur pertinent.

Effet de
recensement

Il suffit que le nombre de tests augmente (par exemple suite à la surmédiatisation de "prévisions" catastrophistes) pour qu'augmente le nombre d'infectés recensés, et qu'apparaisse ainsi une "seconde vague" ... qui n'en est pas une puisqu'on ne fait ici qu'éclairer une réalité déjà existante mais qui était non mesurée ("dans l'ombre"). Le nombre de tests positifs ne reflète que les seules infections recensées (nouvelles ou cumulées), or celles-ci peuvent augmenter alors que demeure constant le nombre total des infectés ou ayants été infectés !

Cet effet est illustré par la comparaison des deux graphiques suivants montrant l'absence de corrélation entre nouvelles infections détectées (test positifs) et nouveaux décès.

Infections et décès "covid-19" en Suède

suede-covid19.png

Source

Dans le cas où la hausse du nombre de tests est provoquée par l'annonce de "prévisions" catastrophistes l'effet de recensement induit donc un effet de prophétie auto-réalisatrice.

prophétie-autoréalisatrice.jpg
Relatif
vs absolu

Pour neutraliser l'effet de recensement il importe d'utiliser le taux de positivité Positifs / Tests (valeur relative) à la place de son seul numérateur (valeur absolue) !

NB : le graphique du taux de positivité devrait être systématiquement accompagné par celui du taux de test Tests / Population afin de rappeler le "potentiel" de tests, c-à-d la marge restante que la presse et ses "experts" peuvent exploiter pour entretenir le mythe d'une "seconde vague" en utilisant le seul numérateur du ratio Positifs / Tests.

La suite de graphiques ce-dessous explique pourquoi les médias "d'information" et leurs "experts" – toujours avides de sensationnalisme – préfèrent les valeurs absolues plutôt que les valeurs relatives, c-à-d les infos biaisées plutôt que les infos scientifiques ...

Valeur relative vs valeur absolue (Belgique - 28/2/2020-2/8/2020)

mortalite-covid19.png

Source

Et même en veillant à regarder le taux #positifs / #test plutôt que son numérateur, il reste que la valeur de ce dernier est biaisée :

  • le pourcentage de faux positifs est (considérablement) sous-estimé : si le Ct (nombre de cycles d'amplification) est suffisamment élevé la dose détectable par PCR peut être inférieure à la dose infectieuse ou contagieuse [source] ;
  • une part non négligeable des vrais positifs ne sont ni malades ni contagieux, or ces cas sont repris dans les statistiques d'infections !
Effet de
propagation

Une autre type de biais consiste à interpréter comme une "seconde vague" ce qui n'est en réalité que la propagation de l'épidémie à d'autre zones géographiques. En l'absence de système de suivi épidémique en temps réel corrigeant automatiquement ce type de biais, l'expérience montre qu'il faut plus d'une année avant que les corrections soient opérées, et que celles-ci conduisent à des révisions substantielles de la valeur des statistiques, généralement vers le bas.

Quantitatif
Qualitif

Un bon indicateur épidémique doit être à la fois quantitatif et qualitatif. Or le nombre d'infections (total ou différentiel) non seulement est un mauvais indicateur quantitatif en raison des biais de mesure que nous venons d'analyser, mais en outre il ne dit quasiment rien de la dimension qualitative, et ce qui dit est biaisé. En effet, en raison de la situation "d'urgence" les biais de sélection sont inévitables. Ils jouent aussi bien du côté de la demande que de l'offre de tests : ce sont les individus symptomatiques (de la maladie liée au virus de l'épidémie observée, ou à d'autre maladies) et plus généralement les personnes les plus fragiles physiquement et psychiquement qui vont les premières demander des tests, et c'est d'abord à ces mêmes personnes que les médecins vont prescrire un test. À l'opposé la population des infectés non symptomatiques ne sera pas testée prioritairement, et la majorité ne le sera jamais. Il en résulte une substantielle surestimation de la sévérité de la pandémie du virus SARS-CoV-2 et de sa maladie covid-19. L'expérience montre que ce n'est qu'au moins un an après le début d'une épidémie que les statistiques infectiologiques peuvent être corrigées des substantiels biais des mesures en temps réel.

Immunité
collective

Pour évaluer l'immunité collective il est économiquement et démocratiquement coûteux de tester toute la population. Une alternative consiste à identifier la présence dans le sang d'anticorps contre l'agent pathogène (signe d'un infection passée), chez tous les membres d'un groupe d'individus supposés constituer un "échantillon représentatif de la population". Cependant il est très difficile voire impossible dans un État démocratique de réaliser des tests sur échantillons réellement représentatifs, notamment parce que tout le monde n'accepte pas de passer un test.

Et même en faisant abstraction de cette difficulté pratique demeurent encore deux (gros) points faibles de l'évaluation de l'immunité collective par la séroprévalence. D'une part elle ne prend pas en compte l'immunité croisée. Or celle-ci pourrait suffire à elle seule pour atteindre l'immunité collective ... [source]. D'autre part le phénomène immunitaire ne se résume pas à la seule production d’anticorps ⇒ les tests sérologiques ne livrent qu'une information partielle voire trompeuse : ils ne mesurent ni l’immunité innée ni l’immunité cellulaire non humorale, or celles-ci jouent avec l’immunité croisée les rôles principaux dans la défense antivirale, bien plus que les anticorps (ce point sera approfondi infra à la section #immunite).

Très mauvais
"indicateur"

Malgré ces faits les covidistes persistent à utiliser les statistiques d'infection comme indicateur épidémique. Cela peut s'expliquer de deux manières (non exclusives) :

  • les statistiques d'infection permettent d'exploiter le catastrophisme bien plus fortement que les statistiques d'hospitalisation et de mortalité ;
  • le modèle épidémique de base (SIR) ne traite pas directement de la mortalité mais bien des infections (PS : on a donc un modèle bancal avec des données d'input bancales, ce qui n'améliore évidement pas les choses ...).

De moins mauvais indicateurs épidémiologiques en temps réel sont les statistiques d'hospitalisation et (surtout) de mortalité toutes causes.

Hospitalisations
https://konfedera.org/gestion-epidemies#mesure-hospitalisations

On pourrait considérer que l'indicateur "hospitalisations" ajoute la dimension qualitative par rapport à l'indicateur "infections" puisqu'il s'agit par définition des infectés nécessitant une hospitalisation c-à-d les cas sévères. La valeur informationnelle du taux Hospitalisations / Infections est pour cette raison supérieure à celle du taux Positifs / Tests mais inférieure à celle du taux de mortalité toutes causes.

Qualitatif. Le nombre d'hospitalisation surestime l'incidence d'une épidémie puisque ne sont hospitalisés que les cas les plus sévères.

Quantitatif. D'autre part le nombre d'hospitalisations est également sujet à l'effet de prophétie auto-réalisatrice décrit dans la section précédente. Exemple d'un type de cas possibles : "Suite à une suspicion de contact avec une personne positive un individu est prié de passer un test covid-19. Le résultat s'avère positif mais il n'a aucun symptôme. Cependant comme il a mentionné être asthmatique (ou souffrant de diabète, de maladies cardiovasculaire ou encore d'hypertension) il est hospitalisé en soins intensifs pendant une semaine, par précaution. Dans les statistiques il a été hospitalisé pour Covid-19". À noter que l'augmentation du nombre de tests augmente automatiquement le nombre de ces situations !

La politique sanitaire peut également avoir pour effet de booster artificiellement les hospitalisations. ce fut le cas durant la crise de la covid-19 en 2020 : la réglementation sanitaire avait, de façon incompréhensible, considérablement entravé la capacité des médecins de ville à soigner les patients présentant des symptômes mêmes bénins de la covid-19. Il en a résulté l'aggravation de l'état de certains de ces patients non traités, qui ont du finalement être traités en urgence dans le système hospitalier, ce qui eut pour effet de surcharger certains hôpitaux.

Dècès
https://konfedera.org/gestion-epidemies#mesure-mortalite

Le taux décès / population est un indicateur plus crédible que les taux décès / infections ou décès / hospitalisations car il est beaucoup moins sujet aux biais statistiques qui grèvent ces deux derniers (cf. supra).

D'autre part, étant donné que :
#hospitalisations < #malades < #positifs < #population
il en résulte que :
décès / hospitalisations > décès / malades > décès / positifs > décès / population.

Par conséquent le taux décès / population n'est pas seulement le plus pertinent statistiquement, mais il est en outre celui qui suscitera le moins la panique, ayant la valeur la plus basse. Voilà qui explique pourquoi cet indicateur est le moins cité par les entreprises "d'information" et de ses experts de plateau TV, toujours plus avides de sensationnalisme.

Divers taux de mortalité (France)

GrippeCovid-19
décès / popul.0,02 % [source]0,05 % [source]
décès / positifs0,10,2 % [source]
décès / malades
décès / hospital.

Au niveau des hospitalisations on peut faire la distinction entre soins intensifs (cas sévères tels que sous respirateurs non-intrusifs ou intrusifs) et réanimations (cas critiques : dysfonctionnement de multiples organes, choc septique, ...)

Concernant la létalité attribuée (à tort ou à raison) au virus, le graphique suivant montre qu'elle ne peut être évaluée qu'une fois l'épidémie terminée, et cela quelque soit l'indicateur.

Taux de mortalité de covid-19 en Belgique

mortalite-covid19.png

Tableur covid19-be

Le même principe vaut donc pour le taux de létalitéLt = Mt / (I t + E t - Mt ) – c-à-d le nombre de morts par rapport au nombre total de personnes étant ou ayant été infectées .

Mortalité et létalité de covid-19 (Belgique 2020)

mortalite-letalite-1.png

Tableur covid19-be.

En cours d'épidémie le taux de létalité est un indicateur très biaisé (relativement au taux de mortalité) car il est beaucoup plus difficile et long de mesurer le nombre total de personnes infectées sur l'ensemble de la population nationale, que le nombre de décès. Il en résulte que le taux de létalité estimé en début d'épidémie surestime systématiquement sa valeur réelle.

Enfin la presse, toujours avide de sensationnalisme, préfère évidemment le taux de létalité car il est nettement plus élevé. En outre de nombreux journalistes (et même des scientifiques) parlent indifféremment de "taux de mortalité" sans préciser par rapport à quoi il est calculé (dénominateur du ratio), ce qui sème la confusion et ouvre la porte aux affirmations mensongères et catastrophistes.

Mesure en
temps réel

La mesure en temps réel (c-à-d à des fins de suivi épidémique) de la mortalité attribuée au virus doit être interprétée avec prudence en raison de biais de mesure opérant au niveau du numérateur ou dénominateur :

  • Numérateur :
    • Sélection naturelle : en début d'épidémie, si le nombre de décès augmente exponentiellement la presse et ses "experts" médiatisés se ruent sur l'occasion pour tenter de susciter la panique ; or une croissance exponentielle des décès est un phénomène courant au début d'une épidémie, notamment parce que les individus les plus faibles sont parmi les premières victimes, succombant rapidement et "massivement" ⇒ l'évolution rapide du taux de mortalité en début d'épidémie devrait être comparée avec celle d'autres épidémies, et jamais considérée en valeur absolue (malheureusement cette règle n'est quasiment jamais respectée) ;
    • "Par" vs "avec" : dans de nombreux cas il est difficile voire impossible de faire la distinction entre les décès "par le virus" et ceux "avec le virus" ⇒ c'est la mortalité toute cause qu'il faut regarder, quant au taux décès/population=0,05% pour covid-19 (cf. tabeau supra) il sera certainement revu à la baisse de façon substantielle (PS : la correction des erreurs d'attribution de cause des décès est un processus difficile et long, qui prend plus d'une année).
  • Dénominateur : la problématique concerne ici le taux de létalité, et découle du fait que #infectés > #testés > #positifs ⇒ si l'on prend le nombre de testés positifs comme une estimation du nombre d'infectés on sous-estime le dénominateur du taux de létalité, de sorte que l'on surestime celui-ci. D'autre part les estimations des taux d'infection déduites des études de séroprévalence (plus pertinentes) s'avèrent généralement très supérieures aux estimations originelles faites dans les premiers jours de la pandémie [source, p. 13], de sorte que le taux de létalité s'avère ex-post très inférieur à celui estimé au début de l'épidémie.
Surmortalité
toutes causes

L'indicateur au plus haut contenu informationnel, et par conséquent celui qui devrait être préféré à tous les autres, c'est la surmortalité toutes causes, mesurée par rapport à la population :

  • surmortalité : différentiel de mortalité par rapport à la moyenne des 3 à 5 années précédentes ⇒ permet de déterminer si une épidémie est atypique ou banale ;
  • toutes causes : résout le problème de détermination de la ou des causes d'un décès ;
  • mesurée par rapport à la population : mesure également la létalité d'un virus (en minimisant le risque de panique puisque c'est l'indicateur de mortalité et létalité dont la valeur est la plus faible), et permet les comparaisons internationales.

La catastrophe de la crise "sanitaire" de 2020 est directement liée au fait que le meilleur indicateur, voire le seul indicateur pertinent de gestion épidémique a été quasiment ignoré, aussi bien par les décideurs politiques que par leurs "conseillers scientifiques" (entre guillemets car ils sont manifestement plus cautions que conseillers).

Le graphique suivant suggère que parmi les causes de la surmortalité de 2017 et 2020 il y a probablement la faible mortalité des deux années précédentes (effet de basculement après augmentation du nombre de personnes survivantes mais à santé déficiente).

Mortalité toutes causes en France (janvier 2015 à sept. 2020)

mortalite-toutes-causes-france.png

Source : insee.fr

Mortalité en France : d’où viennent les chiffres ? [source]

L’Institut national de la statistique et des études économiques (Insee) gère le Répertoire national d’identification des personnes physiques (RNIPP) à partir duquel il met à jour mensuellement le nombre de décès en France. Les données d’état-civil relatives aux décès lui sont transmises par les mairies, de manière dématérialisée ou sous forme papier avec un certain délai, de façon encadrée par la loi. Cette source ne comporte pas d’information sur les causes médicales de décès. Les données de mortalité « toutes causes » issues des mairies avec une transmission dématérialisée sont envoyées par l’Insee à Santé publique France pour analyse, à des fins de surveillance et d’alerte. Ce dispositif continu toute l’année permet de détecter et suivre des hausses de mortalité observées dans la population (en tenant compte de l’âge et de la zone géographique).

L’Agence s’appuie sur un échantillon de 3 000 communes, qui enregistre 77 % de la mortalité nationale (de 63 % à 96 % selon les régions) et permet l’utilisation d’un historique d’au moins six années de données. Si ces données ne permettent pas de fournir une quantification exhaustive du nombre des décès sur le territoire, elles permettent en revanche de suivre l’évolution temporelle de la mortalité et d’estimer un nombre attendu de décès afin de quantifier les éventuelles surmortalités engendrées par un menace sanitaire d’origine infectieuse (grippe), environnementale (canicule), accident industriel majeur, etc. Ces estimations s’appuient sur un modèle statistique établi et utilisé par 24 états/régions européens participant au consortium européen EuroMOMO.

L’identification d’une éventuelle tendance à la hausse ou à la baisse de la mortalité nécessite une consolidation minimale des données. Aussi, les données de mortalité issues de cet échantillon nécessitent un délai d’analyse d’une dizaine de jours à 10 jours, permettant de tenir compte des aléas de transmission des données (délais légaux de déclaration d’un décès à l’état-civil, délai de saisie des informations par le bureau d’état-civil, jours fériés, week-end allongés, ponts, vacances scolaires). Pour fournir une estimation de l’excès de décès survenu une semaine donnée, il faut habituellement un minimum de 3 à 4 semaines, délai nécessaire pour disposer de données stabilisées.

Comparaisons internationales

https://konfedera.org/gestion-epidemies#comparaisons-internationales

Pour le suivi épidémique d'un pays particulier il faut veiller à ne pas utiliser des statistiques qui ont été retraitées pour rendre possible des comparaisons internationales. Pour une analyse nationale il faut donc préférer les sources nationales originelles plutôt que celles de sites tels que euromomo.eu (un consortium d'agences nationales européennes basé au Danemark), qui pour comparer les statistiques de mortalité toutes causes recalcule un z-score à partir de chaque source nationale [liste des partenairesméthodologie France]. Le problème est que ce que l'on gagne en comparabilité on le perd en précision.

Mortalité toutes causes en France (janvier 2016 à juin 2020) selon la source

mortalite-toutes-causes-france-comparaison.png

Sources : euromomo.euinsee.fr

Les deux graphiques sont semblables, sauf sur :

  • 2016 : euromomo.eu ne montre pas la bosse visible sur le graphique insee.fr ;
  • 2020 : euromomo.eu montre un pic élevé et concentré sur une courte période, alors que le graphique insee.fr montre un sommet inférieur à celui de 2017 mais avec un second sommet de hauteur intermédiaire en début janvier ;

Pour 2020 les deux sources montrent une certaine surmortalité par rapport à 2017 : il faut comparer la surface en dessous de la courbe pour une période identique Y(t)Q4 - Y(t+1)Q1.

Dans la section #effets-pervers-strategie-non-pharma nous verrons que les causes de cette surmortalité ne se limitent pas au seul virus, et que les effets pervers de la stratégie non pharmaceutique (SNP : confinement, distanciation, masque, lavages) en sont très probablement la cause principale.

Espérance
de vie

Il importe également de tenir compte de l'espérance de vie des pays lorsque l'on veut comparer entre ceux-ci la létalité d'une épidémie. En effet les personnes âgées étant les plus sensibles, les pays avec une espérance de vie plus élevée auront tendance à subir plus durement les effets délétères d'une épidémie. Rappelons à cet égard que l'espérance de vie en bonne santé augmente 4 fois moins vite que l'espérance de vie. Il en résulte qu'au delà d'un certains seuils de développement généralisé à l'ensemble de la population, la proportion de personnes en mauvaise santé tend à augmenter avec le développement économique. D'autre part, concomitamment à une espérance de vie élevée, un niveau de développement élevé est généralement caractérisé par un mode de vie sédentaire et de l'obésité, augmentant ainsi le risque d'hypertension, de diabète et de maladies cardiovasculaires (NB : c-à-d les comorbidités les plus fréquentes associées à covid-19) [source].

Évolution temporelle

https://konfedera.org/gestion-epidemies#mesures-evolution

Le nombre des épidémies est supposé augmenter notamment en raison du développement des moyens de transport, ou encore des mouvements migratoires provoqués par des phénomènes climatiques. Il apparaît effectivement que de 1980 à 2010 le nombre absolu d'épidémies a substantiellement augmenté. Cependant si l'on prend en compte l'augmentation de la population mondiale, il apparaît que le nombre relatif des épidémies diminue considérablement [source]. Or le phénomène épidémique étant par nature lié à la taille de la population l'indicateur relatif a plus de valeur informationnelle que l'indicateur absolu.

Conclusion

https://konfedera.org/gestion-epidemies#mesures-conclusion

L'expérience montre (i) que les statistiques épidémiques obtenues en cours d'épidémie sont généralement très éloignées de la réalité (généralement dans le sens d'une surestimation de la gravité et des risques), et (ii) que les erreurs de mesure sont corrigées avec un retard généralement supérieur à une année, en raison du nombre des causes et de la difficulté de les identifier puis d'effectuer les corrections (biais de mesure, données partielles, donnés non conservées ou perdues, ...)

Ainsi en Belgique les données des certificats de décès ne sont accessibles qu'après deux ans [source p. 6].

À noter que les révisions des statistiques de mortalité ne concernent pas que la cause du décès, mais également des comptages multiples, de sorte que même la mortalité toutes causes peut faire l'objet révisions à la baisse ... mais qui passent généralement inaperçues car publiées plusieurs années après les faits. Étant donné les nombreux cafouillages causés par la panique en 2020, il est hautement probable que les comptages multiples s'avéreront particulièrement nombreux.

L'absence de données épidémiques fiables rend d'autant plus absurde l'application de la SNP dans la mesure où celle-ci consiste à "piloter" l'épidémie en fonction des prévisions de modèles nourris par ces données ... fausses. Nous avons vu supra qu'il faut par contre faciliter les mesures réactives, dont celles liées au traitement des malades (notamment en facilitant le repositionnement de médicaments ainsi que les soins de première ligne par la médecine de ville).

La gestion épidémique ne doit surtout pas être pilotée en fonction de l'évolution du nombre d'infections, mais en fonction du la surmortalité toutes causes (c-à-d le différentiel de mortalité toutes causes par rapport à la moyenne des 3 à 5 années précédentes).

L'ignorance de ces faits par les décideurs politiques et leurs "conseillers scientifiques" a conduit en 2020 à une catastrophe sanitaire, économique, sociale et démocratique sans précédent.

Covid-19 : analyse statistique

https://konfedera.org/gestion-epidemies#covid-19-analyse-statistique

Nous allons ici comparer la réalité statistique avec la relation qui en a été faite par la presse, en nous concentrant sur les indicateurs infectiologiques les plus importants : la charge hospitalière et (surtout) la mortalité. Nous procéderons ensuite à une comparaison internationale de ces statistiques, au regard des choix stratégiques faits par les différents gouvernements.

Charge hospitalière

https://konfedera.org/gestion-epidemies#charge-hospitaliere-covid19

Les experts catastrophistes ont prédit une surcharge des hôpitaux durant l'épidémie de covid-19, en l'absence de stratégie non pharmaceutique imposée à la population (SNP : confinement, distanciation, masque, lavages). Cette prédiction repose sur trois hypothèses :

  1. hospitalisation : 20% des symptomatiques du covid-19 auraient nécessité une hospitalisation, soit 100 fois plus que pour la grippe ;
  2. SP : l'effet théorique de la SNP – abaissement et retardement du sommet épidémique – serait vérifié dans la réalité ;
  3. SNP : il ne serait pas possible de traiter efficacement un virus "nouveau" (et donc il n'y aurait pas d'autre solution de type SP que de développer de nouveaux médicaments et vaccins).

Le troisième argument est inlassablement martelé par la très puissante force de "communication" du lobby pharmaceutique mais ne correspond pas à la réalité de terrain des médecins traitants : la combinaison de traitements curatifs de repositionnement et de traitements symptomatiques, peuvent réduire considérablement le nombre des cas sévères (cf. supra #traitements).

Le second argument se réfute facilement : à l'instar du brûlage de cierge, l'efficacité de la SNP imposée à l'ensemble d'une population n'a jamais pu être démontrée ; d'autre part nous avons montré (i) qu'en Belgique la SNP n'a pas eu pour effet de retarder le sommet épidémique, ce qui confirme la thèse d'une extinction naturelle (cf. supra #SIR-parametrage-fin-confinement) ; (ii) que l'impossibilité d'efficacité de la SNP peut s'expliquer par de nombreux arguments logiques (cf. supra #efficacite-strategie-non-pharma).

Quant au premier argument (taux d'hospitalisation cent fois plus élevé que pour la grippe) :

  • le pourcentage de 20% concerne la Chine [source : rapport de l'OMS, février 2020, p.12], qui est un pays éloigné et culturellement très différent de l'Europe; or la nature écosystémique des phénomènes épidémiques et infectiologiques n'est pas compatible avec la transposition spatiale des paramètres épidémiologiques et infectiologiques ;
  • lorsque l'on prend la peine de lire le rapport de l'OMS sur la Chine on constate que 77% des "laboratory confirmed cases" proviennent de la province de Hubei [p.8] c-à-d là où se situait le foyer épidémique ; en outre en période épidémique (c-à-d d'urgence) il est pratiquement impossible que la population dépistée soit représentative, en raison de biais de sélection jouant aussi bien du côté de l'offre que de la demande de tests ; par conséquent le taux de 20% surestime certainement l'ampleur et la sévérité infectiologique de l'épidémie  ;
  • en raison de biais statistiques et de mesures les paramètres épidémiologiques et infectiologiques ne peuvent être correctement évalués qu'au moins un an après le début de l'épidémie, et les corrections sont substantielles ; par conséquent le taux de 0,2% relatif à la grippe, qui lui est bien évalué ex-post, ne peut être comparé au taux évalué dans les six mois après le début de l'épidémie de covid-19 ;
  • l'OMS est connue pour sa forte propension au catastrophisme, laquelle n'est pas étrangère aux nombreux conflits d'intérêt de ses experts avec l'industrie pharmaceutique ; ainsi en 2010 le British Medical Journal (BMJ) et le Bureau of Investigative Journalism de Londres ont révélé que plusieurs experts ayant participé à la rédaction des directives de l’OMS face à une pandémie grippale ont reçu des rémunérations de Roche et GlaxoSmithKline, deux firmes impliquées dans la fabrication de médicaments ou de vaccins contre la grippe [source1, source2].

Dans la section #SIR-parametrage-fin-confinement nous avons vu que la charge hospitalière ajoutée par covid-19, mesurée par notre indicateur, a atteint un maximum de 16% en Belgique (pays où le taux de mortalité de covid-19 est le troisième plus élevé au monde). Ce taux de 16% correspond aux taux estimés en France : de 4% à 30%, soit une moyenne de 17% [source].

Arrondissons ce taux à 20% pour faire simple, il reste alors 100-20=80% pour les patients hors covid-19. Or il apparaît que la demande et l'offre de services médicaux hors covid-19 a fortement baissé en raison des effets pervers de la SNP (#effets-pervers-strategie-non-pharma). Ainsi le directeur d'un hôpital belge témoigne que dans son établissement, entre la période s'étendant du 16 mars au 10 mai 2019 et celle du 16 mars au 10 mai 2020, les admissions classiques ont diminuée de 54%, les passages aux urgences de 63% et les consultations de 82% (baisse finalement limitée à 70% grâce aux 5.940 téléconsultations réalisées) [source]. Ces statistiques ne permettent donc certainement pas de conclure à une quelconque surcharge du système hospitalier ! Ainsi en octobre 2020 la ministre belge de la santé en charge à l'époque du sommet épidémique (avril 2020) a reconnu que « seul 60% des lits de soins intensifs étaient occupés au pire de la crise » [source].

Principes de gestion nationale de la capacité hospitalière

Chaque année en automne et hiver il arrive des jours où la capacité hospitalière approche la surcharge, et dans certains hôpitaux celle-ci est même dépassée, ce qui peut provoquer une surmortalité.

Planification. D'une part la capacité hospitalière est calculée et planifiée pour minimiser la surcapacité (mesurée par exemple par le nombre de lits inoccupés). Pour ce faire le niveau de la capacité hospitalière peut être calculé notamment par rapport à la courbe de mortalité toutes causes (dont la forme relativement régulière est de type sinusoïdal en raison du fort effet saisonnier dans la répartition annuelle des décès). La ligne que dessinent les sommets annuels de cette sinusoïdale (ligne relativement horizontale sur une dizaine d'années) constitue le référentiel.

Mortalité toutes causes en France (jan. 1994 à août 2020)

mortalite-toutes-causes-france-LT.png

On notera la hausse tendancielle de la mortalité depuis la crise économique de 2008 [source].

Le reste de la problématique n'est pas de nature médicale mais relève de la gestion hospitalière nationale, et concerne la marge de sécurité et les transferts de patient.

Marge de sécurité. Quelle "épaisseur" devrait avoir la marge de sécurité, c-à-d la surcapacité qui sera maintenue de façon quasiment permanente ? La réponse qui a été donnée à cette question depuis la chute de l'union soviétique en 1990, c'est d'abandonner toute planification, de généraliser la privatisation du secteur hospitalier et de laisser le mécanisme des marchés déterminer l'épaisseur de la marge de sécurité via la maximisation des profits (maximisation des recettes et minimisation des coûts). Ce mécanisme semble fonctionner en termes purement financiers (la marge de sécurité est minimale), mais cela au prix d'une surmortalité chez les patients, et d'un stress très élevé du personnel soignant, durant les périodes où la capacité est dépassée.

Transferts de patients. Les surcharges hospitalières sont généralement locales : certains hôpitaux sont surchargés tandis que d'autres sont quasiment vides. La solution consiste alors à transférer des patients d'hôpitaux surchargés vers d'autres disposant de lits inoccupés. Il semble cependant que la gestion des transferts est confrontée à la résistance de certains hôpitaux dont les business-modèles sont parfois incompatibles avec la politique de transferts. Ainsi lors de la crise du covid-19, des hôpitaux ont-ils rechigné à recevoir des "patients covid" en raison du coût d'opportunité (moins de ressources disponibles pour des clients plus lucratifs) et aussi parce que ces patients font fuir la clientèle plus lucrative ? [source-BEL]. D'autre part, les hôpitaux auraient reçu un « soutien financier » (et non des primes par cas covid). Ainsi en France, en avril et en mai 2020, 475 millions d’euros auraient ainsi été versés aux établissements de l’ensemble des régions pour faire face aux surcoûts qu’ils ont supportés. D'autre part Le gouvernement a versé des "primes Covid" destinées aux personnels des « établissements de santé publics et privés » qui ont été mobilisés pendant la crise. Cette prime, destinée à récompenser le dévouement des personnels soignants, peut atteindre 1 500 euros pour les professionnels travaillant dans les départements les plus touchés par le Covid-19. Au 24 septembre 2020 plus de 1,24 milliard d’euros avaient déjà été alloués en primes Covid [source-FRA]. Le problème avec ce type de financement est que soit il est insuffisant et donc peu efficace, soit trop élevé et alors il ne fait que transformer la problématique sans la résoudre : la fuite devant les cas covid se transformant en chasse aux cas covid au détriment des autres cas. Voilà qui illustre la très grande difficulté de gérer des situations suscitées par la peur. Or force est de constater que la politique de la peur a été sciemment appliquée par les gouvernements, et que par conséquent leur responsabilité est énorme (cf. section suivante sur la mortalité).

Libéralisme. La politique "libérale" de l'UE a pour effet d'asphyxier les entreprises publiques du service public en réduisant progressivement leur financement public. Il en résulte des conditions de travail de plus en plus difficiles pour le personnel médical ⇒ dégradation de la qualité des services ⇒ les citoyens sont ainsi poussés vers des entreprises privées plus chères [ France : L'hôpital public au bord de la crise de nerfs (avril 2018) ; Belgique : Hôpitaux publics bruxellois: le ras-le-bol des blouses blanches (juin 2019) ].

La hausse de la mortalité toutes causes observée depuis 2008 en France pourrait donc s'expliquer notamment par cette baisse de la capacité hospitalière, qui en 2008 serait passée en-dessous d'un niveau "suffisant". D'autres facteurs peuvent jouer, dont le ralentissement du développement économique et le vieillissement de la population.

France : hôpitaux débordés en 2020 seulement ? (3m3s)

Les "informations" assénées quotidiennement, selon lesquelles la capacité hospitalière globale (c-à-d toutes causes) était "au bord de la rupture" durant l'épidémie de covid-19 étaient donc biaisées voire mensongères, en ce sens que la situation des hôpitaux n'a pas été rendue plus difficile par covid-19, mais par la panique qui a été sciemment entretenue par la presse et les décideurs politiques. Toute la perversité de la manipulation médiatique repose ici sur un biais de compte rendu journalistique consistant à reprendre le (justifié) discours médical concernant les annuelles surcharges hospitalières, et à le corréler à la crise du covid-19 non pas en tant que cause participante mais comme conséquence de cette crise. En inversant ainsi la relation de causalité la presse a pu faire passer une crise politique pour une crise sanitaire. On comprend alors pourquoi les gouvernements ont allègrement surfé sur cette vague médiatique, participant ainsi à l'amplifier. De nombreux soignants du milieu hospitalier, médecins et infirmières, se sont très naïvement laissés embarquer dans cette opération d'enfumage. Or ils en seront victimes si la contre-productive systématisation du confinement est appliquée comme substitut à une hausse de capacité hospitalière ... ce qui est manifestement ce à quoi conduit le cartel idéologique (cf. infra #covidisme) qui a produit le covidisme [source].

Donc il y a bien finalement une crise sanitaire depuis début 2020, mais elle n'est pas directement liée à un virus. Elle est le résultat de la panique et de la subséquente désorganisation de la société.

covid-19 : hôpitaux débordés ... vraiment ? (1m7s - avril 2020)

La couverture médiatique de la crise covid-19 concernant les décès et hospitalisations correspond-elle à votre vécu dans la vie réelle (familles, amis, collègues) ? Les décès et hospitalisations toutes causes ont-elle augmenté autour de vous ? Concernant les cas "réels" dans votre entourage : (i) êtes-vous en mesure de distinguer ceux par covid-19 de ceux avec covid-19 ? ; (ii) l'hystérie médiatique entretenue autour de covid-19 ne vous conduit-elle pas à surpondérer le poids émotionnel de ces maladies et décès relativement aux années précédentes ? Un appareil d'État (gouvernement, presse, experts, ...) qui est capable de tordre ainsi la réalité ne serait-il pas capable de gonfler artificiellement les statistiques de mortalité ?

Manipulation
statistique ?

Cette comparaison suggère que les statistiques d'hospitalisation seraient artificiellement gonflée de 40% !

anomalie-statistique.jpg

Mortalité toutes causes

https://konfedera.org/gestion-epidemies#mortalite-toutes-causes

L'évolution de la mortalité toutes causes montre une régularité cyclique, sous la forme d'une sinusoïdale calquée sur les saisons annuelles. Cette dynamique est due principalement aux variations des propriétés physico-chimiques de température et d'humidité de l'air, qui influencent le métabolisme des organismes vivants ainsi que la propagation des virus et bactéries.

Ainsi dans le graphique suivant la courbe hachurée inférieure montre que la mortalité globale est relativement constante d'une année à l'autre, avec le sommet en début d'année et le creux en milieu d'année. NB : ce ne sont pas les hauteurs maximales de la courbe qui sont déterminantes mais la surface en-dessous, sur des périodes identiques (mortalité "intégrale"). Si l'on prend chaque fois la période commençant vers octobre de l'année précédente on voit que la surface de 2020 est légèrement supérieure à celle de 2018 ou de 2017.

La tendance sur les pics des années 2017 à 2019, étant baissière, suggère que la mortalité en 2020 aurait été inférieure à celle de 2019 s'il n'y avait eu la panique et le confinement général. Cependant on ne peut ici inférer le futur à partir du passé.

Mortalité toutes causes en Europe (janvier 2016 à 29 juin 2020)

mortalite-toutes-causes-europe.png

Source

Quelle est la cause de ce pic très élevé et très fin de 2020 ? Et pourquoi est-il observé même chez les adultes de moins de 65 ans ?

Pour tenter de répondre à cette question constatons un premier fait atypique : ce pic n'est observé que dans environ 50% des pays européens ! Deuxièmement il apparaît en même temps (troisième semaine de mars 2020) et juste après la mise en confinement et la recommandation faite par l'OMS de préparer les hôpitaux à des afflux massifs de patients nécessitant une aide respiratoire. Ces faits confirment que c'est non pas le virus mais le catastrophisme qui, via des effets de panique, a provoqué le surplus de mortalité ! Des faits documentés confirment cette thèse :

  • en Belgique, où la moitié des décès attribués à covid-19 ont eu lieu en dehors du milieu hospitalier, en l'occurrence essentiellement dans les maisons de repos [source p.10], celles-ci avaient reçu instruction du gouvernement de ne plus hospitaliser leurs résidents quel que soit le problème qu’ils avaient ! [source];
  • plus de 50% de la mortalité covid-19 serait causée par les intubations abusives : « Mortality rates for those who received mechanical ventilation in the 18-to-65 and older-than-65 age groups were 76.4% and 97.2%, respectively. Mortality rates for those in the 18-to-65 and older-than-65 age groups who did not receive mechanical ventilation were 1.98% and 26.6%, respectively » [source].

Étudions maintenant le rapport entre mortalité covid-19 et mortalité toutes causes.

Vieillards et
polypathologies

La grande majorité des patients décédés supposément de covid-19 étaient âgés de plus de 75 an et souffraient de pathologies chroniques (hypertension, diabète, maladies cardiovasculaire, cancers, etc). Or il est extrêmement difficile voire impossible de distinguer décès par covid-19 et décès avec covid-19. Il en résulte que l'indicateur épidémiologique fondamental est le taux de mortalité toutes causes confondues.

Le tableau suivant montre les dix premières causes de mortalité dans le monde. On constate que la plupart sont très impliquées dans la mortalité attribuée, à tort ou à raison, à covid-19.

mortalite-mondiale-causes.png

Source : OMS.

La létalité de covid-19 est très faible pour des personnes saines : le cas du navire de croisière US Diamond Princess suggère ainsi un taux de létalité (morts/infectés) de seulement 1% pour les personnes âgées en bonne santé [source]. D'autre part sur l'ensemble de la population mondiale, la grande majorité des personnes infectées (>95%) ne sont pas ou à peine tombées malades ou ont guéri naturellement.

Didier Raoult – premier expert mondial en maladies transmissibles selon le classement expertscape – rappelle qu'il y a une surmortalité saisonnière, que l'on a attribuée à la grippe pendant très longtemps, et qui en réalité représente probablement toutes sortes de mortalités associées à des infections virales y compris leur conséquences [source]. Ainsi près de 30% des cas suspects de covid-19 seraient en réalité des grippes ... [source].

Regroupement
statistique

Par conséquent, si tous ces décès sont classés comme comme "décès par covid-19" – donc y compris ceux qui sont en réalité des "décès avec covid-19" – il en résulte que le taux de mortalité de covid-19 surestime la réalité, et sera donc revu à la baisse (mais ces corrections prennent parfois plusieurs années). Il est donc possible que les statistiques de mortalité globale de 2020 seront caractérisées par un nombre anormalement bas de décès causés par le diabète, les crises cardiaques, les cancers, etc, qui auront été classés comme "décès par coronavirus" plutôt que "décès avec coronavirus".

Selon l'OMS « est considéré comme un "décès du à la COVID-19" un décès résultant d’une maladie cliniquement compatible, chez un cas probable ou confirmé dela COVID-19, en l’absence de toute autre cause évidente de décès sans lien avec la maladie à coronavirus (par exemple, un traumatisme). Aucune période de rémission complète de la COVID-19ne devrait avoir eu lieu entre la maladie et le décès. Un décès dû à laCOVID-19 ne peut pas être imputé à une autre maladie (par exemple, à un cancer) et doit être comptabilisé indépendamment des affections préexistantes qui sont soupçonnées d’avoir déclenché une évolution grave de la COVID-19. » [source].

Perspective
historique

Ce graphique du nombre de décès mensuel en Suède de 1851 à 2020, révèle que l'année 2020 n'a rien d'exceptionnelle. Ce fait montre que la perspective historique devrait être mentionnée systématiquement dans les rapports de suivi épidémique. Force est de constater que ce n'est malheureusement pas le cas. Pourquoi ... ?

Décès mensuels (par millions) toutes causes en Suède (1851-2020)

sweden-death-histo.jpeg

Source ; voir aussi scb.se-1 ; scb.se-2 (1851-2019) ; scb.se-3 ; scb.se-4 (2020).

Méthodes
de calcul

Rappelons enfin que les statistiques d'euromomo.eu (source du graphique de mortalité toutes-causes en Europe présenté au début de la présente section) doivent être interprétées avec prudence en raison du retraitement des données nationales (#comparaisons-internationales).

La comparaison des graphiques suivants montre une image apparemment très différente pour l'année 2020, relativement aux années précédentes. Cependant si l'on comprend que c'est la surface en dessous de la courbe qu'il faut regarder, alors on conclut des données INSEE que relativement à 2017 il y a bien en 2020 une surmortalité, mais modérée.

Mortalité toutes causes en France (janvier 2016 à juin 2020) selon la source

mortalite-toutes-causes-france-comparaison.png

Sources : euromomo.euinsee.fr

Plus interpellant est le fait suivant : comment se fait-il que le maximum relatif de 2020 pour l'Europe montre un maximum relatif si proche de celui de la France (euromomo) alors que la moitié des pays européens n'ont pas de surplus de mortalité en 2020 (cf. section suivante) ... ?

Différences entre pays

https://konfedera.org/gestion-epidemies#mortalite-differences-entre-pays
Faits

Il est extrêmement étonnant de constater qu'aucun pic notable de mortalité toutes causes n'a été constaté durant la "pandémie de covid-19 dans près de la moitié des pays européens, alors qu'au même moment on observait un pic historique dans les autres pays ... [source] :

  • pas de pic notable : Allemagne, Autriche, Danemark, Finlande, Grèce, Hongrie, Norvège, Portugal;
  • pic historique : Angleterre, Belgique, Espagne, France, Hollande, Italie, Suède, Suisse.

Cette surprenante situation fait n'est-il pas le signe de différences qualitatives et quantitatives dans la gestion de l'épidémie ?

Causes

Les maladies transmissibles constituent un phénomène d'écosystème, c-à-d extrêmement complexe (grands nombre de facteurs, relations non linéaires, effets de rétroaction, etc) qui peuvent expliquer que dans deux pays voisins une même pandémie pourra avoir des effets très différents. Parmi ces facteurs de différenciation il y a probablement :

  1. l'offre de services médicaux (réseau de médecins de ville pour les premiers soins, et capacité hospitalière pour les cas sévères), l'intuition suggérant une corrélation négative avec le taux de mortalité;
  2. la densité de population, l'intuition suggérant une corrélation positive avec le taux de mortalité;
  3. les pratiques culturelles;
  4. les particularités historiques, comme par exemple les nombreuses affections respiratoires chroniques en Chine en raison de la pollution atmosphérique, ou encore en Iran suite aux intoxications chimiques durant la guerre contre l'Irak;
  5. le type de stratégie anti-épidémique appliquée et son intensité; ...

Par conséquent lorsque l'on étudie les causes de différences d'incidence d'une même pandémie entre pays, il faut pouvoir déterminer la part de chacun de ces facteurs. Dans les cinq ci-dessus la dernière a une particularité importante qui la distingue des autres : elle peut être changée relativement rapidement.

Offre
médicale

Sur base des statistiques de mortalité covid-19 de mai 2020 notre sommaire analyse statistique ne révèle pas de corrélation significative de la mortalité avec la capacité hospitalière [source]. Il conviendrait de réaliser une étude détaillée prenant en compte le réseau de médecins de villes (ainsi il y a en Suède 25% de médecins de ville en plus qu’aux Pays Bas et en Belgique ...) et la réglementation médicales pouvant entraver leur capacité à soigner (ce qui fut le cas notamment en Belgique et en France).

Densité de
populations

Sur base des statistiques de mortalité covid-19 de mai 2020 notre sommaire analyse statistique ne révèle pas de corrélation significative de la mortalité avec la densité de la population [source]. Le cas devenu célèbre du navire de croisière Diamond Princess qui a été mis sous quarantaine dès la découverte d'un premier cas, et qui permet ainsi d'avoir un aperçu des caractéristiques épidémiologiques et infectiologiques du virus sur base d'une population confinée, confirme le résultat contre-intuitif de notre analyse statistique : sur 3.700 passagers (pour la plupart retraités) et équipage – ce qui correspond à une densite de population d'environ 24.400 personne/km2 soit 4 fois plus qu'à Hong-Kong – il y a eu 650 infectés (soit 17% des passagers) dont la moitié d'asymptomatiques et 7 décès (soit 1% des infectés et 0,2% de la population du bateau, ce qui représente un taux de mortalité dix fois plus élevé que la grippe) [source]. Il est en réalité extrêmement difficile de tirer des conclusions de cette expérience en l'absence d'informations complémentaires : ainsi le nombre élevé de décès pourrait être plus déterminé par les effets pervers de la panique (les passagers ont été consignés dans leurs cabines pendant au moins 2 semaines !) que par le virus lui-même (cf. #effets-pervers-strategie-non-pharma).

À creuser : ces résultats contre-intuitifs en matière d'offre médicale et de densité de population sont-ils observés chaque année (une possible explication étant la nature multifactorielle des maladies transmissibles) ou bien sont-ils une exception particulière à la crise de la covid-19 ?

Pratiques
culturelles

Une différence dans la consommation d'un aliment particulier peut avoir pour effet que telle substance se retrouvant dans les organismes en quantités moyennes très différentes entre deux pays pourra avoir pour effet des sensibilités différentes par rapport à un virus ou une bactérie. D'autres habitudes culturelles comme les modes de salut (Occident : serrer la main ou embrasser ; Orient : abaisser la tête), ou encore le fait de cracher par terre. Et l'on peut probablement trouver d'autres exemples presque à l'infini. Cependant il n'est pas facile de tirer des conclusions : ainsi en Orient le mode de salut est plus distant, mais par contre cracher par terre est une pratique courante. En outre le mode de propagation du virus est déterminant : si la propagation est notamment par aérosol (particules en suspension dans l'air) le mode de salut n'est peut-être pas déterminant.

SNP

Notre analyse statistique suggère une faible corrélation entre taux de mortalité et stratégie SNP (mesurées en degrés de confinement). En outre cette corrélation est ... positive : les pays ayant appliqué une stratégie de confinement fort (degré 3/3) – c-à-d le confinement général – auraient un taux de mortalité plutôt supérieur à celui observé dans les pays ayant appliqué un confinement faible (degré 1/3) – c-à-d le confinement ciblé sur les seuls groupes à risque.

Mortalité vs stratégie SNP (confinement)

mortalite-SNP.png

Source

Les données du graphique proviennent du tableau ci-dessous : les carrés représentent les pays de la colonne A, les valeurs d'abscisse correspondent à la colonne B, et les valeurs d'ordonnée à la colonne E.

Mortalité vs stratégies

mortalite-vs-strategie-tableau.png

SNP : stratégie non pharmaceutique (confinement)
1 : confin. faible – 2 : confin. moyen – 3 : confin. fort
SP : stratégie pharmaceutique (dépistage & traiter)
Source

Le cas de la Suède est très intéressant : bien que faisant partie du groupe 2 (SNP), son taux de mortalité est relativement élevé, ce qui pourrait s'expliquer par le fait que le taux de dépistage (stratégie SP) dans ce pays est très bas. La Belgique est un autre cas intéressant : ce pays, dont le taux de mortalité attribué à covid-19 est le plus élevé, est passé de SP(1) à SP(2) durant le mois d'avril.

SP

On ne distingue quasiment aucune corrélation entre taux de mortalité et stratégie SP (dont l'intensité est mesurée en nombre de tests par 1000 hab.). Quant au signe négatif de cette corrélation il est cohérent avec le signe positif pour la SNP.

Mortalité vs stratégie SP (dépister & traiter)

mortalite-SP.png

Source

Enfin le graphique suivant confirme le caractère saisonnier de covid-19 (différence entre pays selon l'hémisphère) et suggère que la SNP accentuerait la mortalité.

Nouveaux décès quotidiens "covid-19" par million de personnes

covid19-comparaison-internationale.png

Source

Conclusion

Cette comparaison internationale confirme le résultat de l'analyse logique [#effets-pervers-strategie-non-pharma] : la SNP participerait (modérément) à accentuer la mortalité. Selon l'analyse logique la cause en serait les effets pervers de la SNP. D'autre part on doit en déduire que l'épidémie de covid-19 s'est éteinte naturellement, comme toutes les précédentes épidémies virales. On comparera cette conclusion à celles de deux études (beaucoup plus poussées) montrant l'absence de corrélation entre la dynamique de mortalité attribuée à covid-19 et l'intensité de la SNP [source1, source2].

N.B. À priori cette absence de corrélation n'est pas incompatible avec notre identification des effets pervers de la SNP comme cause principale de surmortalité en 2020 puisque ces corrélations concernent la mortalité spécifique à covid-19 et non la mortalité toutes causes.

Note méthodologique. La présente analyse statistique pourrait être améliorée (i) en mesurant le degré de SP par la liberté de prescription de traitements non spécifiques (oui/non : source) plutôt que par que le nombre de test réalisé ; (ii) en augmentant le nombre de pays repris dans le tableau "Mortalité vs stratégie".

Nous sommes arrivés ici à la fin de l'analyse statistique du phénomène covid-19, qui confirme la thèse selon laquelle c'est la panique et le confinement général, et non le virus, qui constituent la cause essentielle de surmortalité (modérée) de covid-19 dans certains pays.

L'analyse statistique permet ainsi de mesurer rationnellement un phénomène et d'ainsi corriger nos perceptions, qui sont très influencées par les médias de masse. Ce qui nous conduit à la section suivante ...

De dangereux apprentis sorciers

https://konfedera.org/gestion-epidemies#covid19-apprentis-sorciers

La crise de la covid-19 a commencé en supercherie. Dans certains pays celle-ci a conduit à une surmortalité toutes causes, par un effet de prophétie autoréalisatrice.

Supercherie
https://konfedera.org/gestion-epidemies#covid19-supercherie

La fable du virus atypique et meurtrier a été vendue aux populations par les médias dits "d'information", avec la collaboration de scientifiques opportunistes. Ceux-ci ont ainsi fabriqué probablement la plus grande supercherie dans l'histoire de la science. Pour en démonter le mécanisme commençons par observer le graphique suivant montrant les quatre phases d'une courbe épidémique classique (caractérisées par des combinaisons spécifiques des signes des dérivées première et secondaire) :

  1. croissante (f ' > 0) et convexe (f '' > 0) ;
  2. croissante (f ' > 0) et concave (f '' < 0) ;
  3. croissante (f ' < 0) et concave (f '' < 0) ;
  4. croissante (f ' < 0) et convexe (f '' > 0) ;

Phases épidémiques

phases-epidemie.png

Traits hachurés : le sommet de la courbe correspond au changement de signe du taux de croissance [tableur : courbe-gauss.ods].

La forme de cette courbe est assez proche de la moyenne observée depuis que les épidémies sont mesurées en temps réel (c-à-d depuis 1920 dans la plupart des pays) : durée inférieure à une centaine de jours (*), et point d'inflexion entre les phases I et II situé vers J30 (ce point marque le passage d'une courbe convexe à concave, ce qui signifie le ralentissement de la propagation du virus).

(*) La problématique est ici d'identifier une règle objective pour déterminer la "fin" et le "début" d'une épidémie, à supposer que ces notions aient un sens. Dans le cas des virus saisonniers la norme serait d'une dizaine de semaines ... [source].

Extinctions naturelles. Rappelons que durant ces cent dernières années, toutes les épidémies se sont éteintes naturellement, c-à-d sans qu'ait été imposée à l'ensemble de la population la stratégie prétendument préventive, dite "non pharmaceutique (SNP : confinement, distanciation, masque, lavages). Et il n'en a pas résulté de surcharge des capacités hospitalières nationales, y compris dans le cas de virus "nouveaux" !

En réalité la plupart des virus disparaissent seulement des "radars statistiques" mais continuent à circuler de manière endémique, via des porteurs asymptotiques. C'est notamment le cas du sida, qui fait toujours aujourd'hui l'objet d'une surmédiatisation, et cela alors que sa supposée nature virale ne fait l'objet d'un prétendu "consensus" scientifique que par la diffamation systématique des contradicteurs scientifiques, notamment via Wikipédia (ce qui profite aux entreprises pharmaceutiques produisant les antiviraux HIV ; rappelons à cet égard que n'importe qui peut éditer un article Wikipedia, et de façon anonyme ...).

Prévisions erronées. Rappelons également que durant ces mêmes cent dernières années, les prévisions des modèles épidémiologiques, concernant la hauteur qu'atteindra la courbe épidémique, se sont le plus souvent avérées de gigantesques surestimations (cf. #Neil-Ferguson).

On constate donc également que la distribution statistique des erreurs de prévision n'est pas aléatoire : il n'y a pas environ autant d'erreurs de sous-estimation que d'erreurs de surestimation. Il y a beaucoup plus de surestimations que de sous-estimations. La raison en est très simple : si vous êtes un spécialiste des modèles épidémiologiques, et que vous constatez que vos modèles ne fonctionnent pas comme instruments de prévision, vous pouvez alors être tenté de paramétrer vos modèles de telle sorte qu'il vont produire des "prévisions" catastrophistes, car celles-ci attirent l'attention des médias et des décideurs politiques. Ainsi vous "justifiez" les subsides dont vous dépendez.

Exercice
de pensée

Pour démontrer logiquement la supercherie du covidisme nous allons appliquer une méthode scientifique appelée "expérience de pensée". En l'occurrence elle consiste ici à poser certaines hypothèses, puis à en observer les résultats logiques, pour enfin comparer ceux-ci à la réalité observée. S'il y a correspondance on peut alors en conclure que les hypothèses sont hautement probables.

Hypothèses :

  1. les modèles épidémiologiques sont incapables de prédire la hauteur qu'atteindra une courbe épidémique ;
  2. la stratégie non pharmaceutique (SNP : confinement, distanciation, masque, lavages) ne peut ni abaisser ni reculer le sommet d'une épidémie ;
  3. une épidémie apparaît telle que sur le graphique ci-dessus, c-à-d de même type que "l'épidémie moyenne" observée sur les cent dernières années, sauf que cette fois le gouvernement impose la SNP à la population, et cela à partir de J10.

Résultat. Ces hypothèses étant posées il en résulte alors que des scientifiques à la solde du gouvernement pourront montrer, sur base de ce même graphique, que l'inflexion est apparue deux ou trois semaines après l'imposition de la SNP, et en déduire que celle-ci a provoqué l'inflexion. Or, dans le cadre de notre exercice de pensée, cela est impossible puisque la première hypothèse postule précisément que la SNP est sans effet !

En réalité l'épidémie en question s'est éteinte naturellement, comme toutes les épidémies précédentes. Évidemment les scientifiques corrompus ne manquent pas de rétorquer que les modèles mathématiques avaient prévus que la pandémie pourrait atteindre une telle ampleur que les capacités hospitalière nationales seraient surchargées, et que puisque cela n'a finalement pas été le cas, c'est donc que la SNP fonctionne. Mais encore une fois, dans le cadre de notre exercice de pensée, cela est impossible puisque les hypothèses 1 et 2 postulent que ni les modèles ni la SNP sont efficaces ! Une explication plus crédible est tout simplement qu'il suffit de paramétrer le modèle de telle sorte que ses prévisions soient catastrophistes.

Conclusion. Dans le cadre des hypothèses la supercherie selon laquelle les modèles et la SNP seraient efficaces consiste à simplement mesurer la différence entre la réalité observée à la fin d'une épidémie et les prétendues prévisions faite au début, puis à en conclure que cette différence est le fruit de la SNP.

Maintenant confrontons cette conclusion à la réalité. Voici un extrait d'une étude de trois universités flamandes, dont l'université de Leuven, qui est classée première en Belgique et parmi les cent les plus réputées au monde : « Par définition, le nombre d'infections dans une population augmente de façon exponentielle si aucune mesure restrictive n'est prise » (traduit par nous) [source]. Oui, vous avez bien lu : "par définition" ! Il suffit alors pour "démontrer" cette affirmation d'afficher un graphique tel que ci-dessous, et le tour est joué. Voilà ce qu'est devenue la "science" ... (approfondir : #R-zero-valeur-scientifique).

kul.png

Ce phénomène scientiste semble généralisé : ESP de Bruxelles, CHU de Rouen, ...

Fabrication
médiatique

La comparaison entre le catastrophisme médiatique et la réalité statistique illustrée par les graphiques suivants doit nous interpeller sur le rôle extrêmement nuisible joué par la presse et une partie considérable de la communauté scientifique.

Covid-19 phénomène médiatique ...

mortalite-positivite-FRA.png

Sources : santepubliquefrance.fr et insee.fr

La vidéo suivante est une parfaite illustration de la collusion entre milieux journalistique et scientifique pour susciter une tension permanente par :

  • des statistiques dont la valeur informative est quasiment nulle, car non contextualisées (pas de comparaison avec les années précédentes, confusion avec les recrudescences saisonnières, ...) ;
  • des affirmations reposant sur des postulats non vérifiés voire réfutés par les faits empiriques, concernant :
    • la prétendue capacité des modèles mathématique à produire des prévisions théoriques qui s'avéreraient in fine relativement proches des valeurs observées ;
    • la prétendue capacité de la stratégie SNP à abaisser et reculer le sommet d'une courbe épidémique.

Comment médias et experts fabriquent la crise de la covid-19 (2m45s - nov 2020)

Reportage présenté au JT d'une télévision privée belge du 22 octobre 2020. NB : la Belgique est parmi les trois pays avec le plus haut taux de surmortalité toutes causes en 2020 ...

Prophétie autoréalisatrice
https://konfedera.org/gestion-epidemies#covid19-prophetie-autorealisatrice

À cette supercherie s'ajoute en toile de fonds, la négation systématique de l'ampleur dominante des effets pervers de la SNP sur la mortalité toutes causes.

Jouer sur la peur est comme jouer avec le feu : c'est dangereux. Nous avons montré que la courbe de mortalité observée en 2020 aurait très probablement été équivalente voire inférieure à celles de 2018 et 2019 si les appareils d'État (gouvernement, presse, scientifiques, ...) n'avaient attisé la peur et créé ainsi une vague de panique. Il y a eu au sujet de covid-19 en 2020 un phénomène d'amplification, initié par la presse pour booster l'audimat, puis amplifié par du personnel médical hospitalier pour appuyer des revendications financières (moyens matériels et salaires). Des décès avec covid-19 ont été systématiquement enregistrés comme décès par covid-19. Tout cela a enclenché un effet de prophétie auto-réalisatrice via les effets pervers de la panique.

Nous avons ici exposé le rouage du phénomène covidiste, mais il reste à éclairer la zone d'ombre qui masque la nature des forces – de toutes évidences extrêmement puissantes – qui animent ce mécanisme. Comment expliquer la fusion quasi totale entre milieux journalistiques et scientifiques, autour de "raisonnements" et de mesures dont l'absurdité et la nature délétère sont pourtant flagrantes ? Ni l'incompétence ni de possibles complots ne constituent d'explications satisfaisantes. Nous pensons plutôt à une forme d'hypnose collective, probablement liée à la télévision (cf. la notion d'info-dépendance), et mêlée à des forces pas nécessairement coordonnées, mais convergentes. La section suivante a pour objet d'approfondir cette thèse.

Covidisme

https://konfedera.org/gestion-epidemies#covidisme

Nous entendons par "covidisme" le totalitarisme sanitaire instauré à l'occasion de la crise du covid-19 en 2020, et opérant selon un modèle de type religieux, avec ses temples médiatiques et ses prêtres-"experts" (*).

(*) Ce n'est pas la religion en soi qui est critiquée ici mais la confusion des genres. Regretter que la science devienne religion n'implique pas en soi qu'on est opposé aux religions. Ainsi l'on pourrait aussi constater et regretter que le covidisme relève de la science-fiction, tout en étant un lecteur passionné de romans SF.

Car visiblement le covidisme ne se résume pas au seul phénomène de psychose collective ("Etat de panique collective provoqué par un événement ou un fléau vécu comme une menace permanente" – Petit Larousse illustré 2007). Cette situation est aussi le fruit d'une dynamique, dont il importe d'analyser les tenants et aboutissants. Nous allons ici démontrer la réalité du covidisme en tant que construit social, puis tenter d'identifier les possibles "forces tectoniques" qui le sous-tendent.

covidisme-religion.png

Principes

https://konfedera.org/gestion-epidemies#covidisme-principes

Nous allons montrer ici que le covidisme est un construit social, en l'occurrence une fabrication médiatique, qui réunit tous les archétypes d'une religion totalitaire : temples, prêtres, Église, dogmatisme, endoctrinement, répression.

Temples
et prêtres

Nombreuses sont les religions fondées sur le harcèlement psychique (avec péchés, culpabilisation voire punitions) des incroyants comme des pratiquants. Aujourd'hui force est de constater que les mêmes principes sont appliqués par des prêtres-experts dans les temples médiatiques que sont les plateaux TV, et de façon très perverse comme le montre l'extrait vidéo ci-dessous.

Comment un gouvernement terrorise la population (1m07s - mars 2020)

Chaque jour à 11 heures le gouvernement belge organisait une conférence de presse, présentée par des scientifiques, et consistant essentiellement à mentionner des statistiques biaisées (cf. supra #mesure), et à terroriser la population au moyen de messages focalisant sur des cas particuliers ultra-anxiogènes.

Des pratiques telles que celle illustrée par la vidéo ci-dessus mettent gravement en question la crédibilité des gouvernements et de la communauté scientifique (le monsieur qui parle dans la vidéo ci-dessus est un scientifique qui fut ultra-médiatisé par la presse belge, et d'une façon qui n'est pas sans rappeler la création de "héros nationaux" par les régimes totalitaires : exemple). Leur volonté manifeste de manipuler l'opinion publique au moyen "d'informations" biaisées voire mensongères suscite un questionnement légitime : quelles autres pratiques manipulatoires les gouvernements sont-ils prêt à appliquer pour convaincre la population d'accepter, par exemple, le traçage de leurs relations privées ? Ainsi parmi ces autres mesures y a-t-il la modification de statistiques épidémiques "pour le bien de la population" ?

Église

Nous entendons ici par "Église" une organisation religieuse autoritaire à laquelle se soumettent ou sont soumis les fidèles, et entretenant une relation ambivalente de collaboration et concurrence avec d'autres formes de pouvoir : politique, économique ou encore technologique. Dans le phénomène covidiste l'OMS joue un rôle très similaire à celui d'une Église sanitariste, tout comme le FMI est une sorte d'Église financière. Et dans les liaisons incestueuses entre l’OMS et le business pharmaceutique, il y a une similitude flagrante avec le couple "FMI & secteur bancaire" :

  • les conflits d'intérêts de nombreux cadres et conseillers de l'OMS et du FMI avec les entreprises privées des secteurs dont elles sont un lobby officieux  ;
  • importance croissante du “big data”, des modèles mathématiques et de la spéculation dans les business modèles ⇒ déconnexion par rapport au monde réel ;
  • “crises” récurrentes “justifiant” de la création monétaire massive, théoriquement pour “sauver l’économie”, mais qui en réalité enrichit les plus riches (cf. la remontée des écarts de richesse depuis le début des années 2000).
Dogme

La nature dogmatique du covidisme est largement documentée (supra : #R-zero-valeur-scientifique, #efficacite-strategie-non-pharma, #covid19-apprentis-sorciers ; infra : #LancetGate). Elle montre que la communauté scientifique s'est littéralement suicidée, soit par l'action de scientifiques commettant des supercheries manifestes, soit par la passivité d'une partie considérable du reste de la communauté, qui n'a pas eu le courage de dénoncer ces fraudes scientistes.

Endoctrinement

Extrait de la page web d'un groupe d'experts belges "Psychologie et Corona" (sic), proposant leurs conseils pour amener la population, par la manipulation psychique, à accepter la "nouvelle normalité" covidiste : « Le suivi des mesures nécessite un effort particulier de la population. Les mesures constituent une rupture dans notre mode de vie actuel et nous devons les observer pendant longtemps. Bien que le suivi des mesures ait d'abord semblé être un problème temporaire, il devient maintenant clair que nous entrons dans une phase de changement de comportement permanent. Le nouveau comportement va devenir un comportement habituel. Le changement de comportement doit donc conduire à un comportement habituel. Le comportement d'habituation découle principalement de la planification et des répétitions fréquentes, il est donc envoyé dans le cerveau différemment du comportement dirigé consciemment : il n'est plus rendu conscient pour atteindre un objectif et il est en grande partie automatique ou sans réflexion. Différents piliers sont importants pour faciliter cette formation d'habitudes » [source].

Nous sommes manifestement en train de vivre un moment qui fera date dans l'histoire de l'humanité : un partie considérable de la communauté scientifique déraille complètement. Ces scientifiques sont-ils inconscients des forces qui les poussent à de tels actes, ou bien agissent-ils par peur et soumission à ces forces, ou bien encore sont-ils complices ... ?

Répression

Des articles scientifiques sérieux qui réfutent le dogme covidiste ont été censurés (cf. cas du physicien Denis Rancourt), la plateforme vidéo Vimeo a clôturé le compte d'une conférence de médecins US dénonçant la dérive covidiste [source], des médecins travaillant dans des hôpitaux ont été licenciés pour avoir exprimé sur Internet des témoignages personnels contredisant la version officielle (cf. cas de l'urgentiste Pascal Sacré), etc. Dans ces conditions le débat contradictoire ne relève plus que du simulacre.

Forces politiques

https://konfedera.org/gestion-epidemies#covidisme-forces-politiques

Parmi les forces politiques qui ont participé à l'instauration du covidisme nous proposons, par ordre décroissant d'importance : la presse, des scientifiques, des gouvernements et enfin l'OMS qui est un mélange de scientifiques et d'organisations gouvernementales.

Presse
https://konfedera.org/gestion-epidemies#forces-covidistes-presse

La concurrence que représentent les médias sociaux pour les entreprises "d'information" incite ces entreprises à toujours plus de catastrophisme ("infos" biaisées voire mensongères) afin de doper l'audimat et partant les revenus publicitaires. Ainsi dans le cas de l'épidémie covid-19 ces médias "professionnels" ont annihilé chez les infos-dépendants toute capacité d'analyse des faits statistiques, en les matraquant de messages catastrophistes focalisant sur des cas particuliers tels que des décès de jeunes (exemple), en passant sous silence le fait que chaque année on observe de tels cas dits "atypiques" rien qu'avec la grippe saisonnière.

La vidéo suivante montre que la presse belge a commencé le matraquage médiatique avant même l'apparition du premier décès attribué (à tord ou à raison) à covid-19.

covid-19 : la presse avant la "réalité" (3m28s - 2020)

Lecture de la page d'accueil de deux sites belges "d'information" : lesoir.be et rtbf.be le 9 mars 2020. N.B : le premier décès attribué (à tort ou à raison) à covid-19 date du 11 mars ... [source].

Dans la vidéo suivante une journaliste de la RTBF participe à une mise en scène ultra-larmoyante, avec fonds sonores de violons et de piano. Elle y raconte sa visite pour raison de santé au service d'urgence d'un hôpital, alors que visiblement cette personne est très peu symptomatique.

covid-19 : hyper-hystérisation (8m03s - 2020)

Voici le témoignage surjoué de Christine Borowiak, une journaliste de la RTBF (télévision publique belge) qui s'est rendue à l'hôpital pour des symptômes grippaux. Seule différence, le nom de cette maladie est covid-19.

Les médias ont également dénigré des informations contrecarrant le très rémunérateur catastrophisme (audimat = revenus publicitaires). Ainsi le journal Le Monde a accusé Didier Raoult – premier expert mondial en matière de maladies transmissibles – d'avoir propagé des « fake news » dans sa vidéo annonçant la disponibilité d'un traitement de l'infection à covid-19 [source] !

Personnel
hospitalier

Dans le contexte catastrophiste de covid-19, des médecins et infirmières du secteur hospitalier ont amplifié l'effet boule de neige en cédant à la panique (crainte de surcharge au pic de l'épidémie), en faisant passer la surcharge de leur hôpital pour un phénomène généralisé (alors qu'en réalité d'autres hôpitaux étaient en forte sous-capacité) voire carrément en exagérant leur situation, pour revendiquer plus de moyens financiers pour les hôpitaux (cf. supra #gestion-capacite-hospitaliere). La presse a abondamment surmédiatisé ces "témoignages".

Scientifiques
https://konfedera.org/gestion-epidemies#forces-covidistes-scientifiques

Il est frappant de constater que ce n'est pas la communauté scientifique qui a éveillé l'attention des médias "d'information", mais au contraire ceux-ci qui par leur puissance de feu ont suscité au sein de la communauté scientifique un état de sidération donnant l'illusion d'une unanimité scientifique concernant le danger supposé de covid-19.

En l'occurrence il est hallucinant et extrêmement inquiétant de constater que dans une apparente quasi totalité, la communauté scientifique :

  • a "oublié" les récurrentes et gigantesques erreurs de prévision des modèles épidémiologiques ;
  • a inversé la définition du principe de précaution (cf. supra #principe-precaution) ;
  • semble considérer que le principal indicateur de veille épidémiologique n'est pas la surmortalité toutes causes, ni même le ratio positifs / testés mais le numérateur de ce ratio (!) ;
  • serait brusquement devenue favorable à l'imposition d'une stratégie non pharmaceutique (confinement, distanciation, masque, lavages) alors que cela n'avait jamais été le cas depuis que l'on mesure les épidémies en temps réel dans la plupart des pays (c-à-d depuis 1920), et cela même pour les régulières pandémies de virus "nouveaux".
Scientifiques
de plateau TV

Les entreprises "d'information" n'ont aucune peine à attirer sur leur plateau ou dans leurs colonnes des scientifiques considérant être injustement méconnus, et espérant que la fréquentation des plateaux de télévision et les contributions dans les colonnes de la presse écrite, leur permettra – en alimentant le catastrophisme – d'enfin briller sous les spotlights. Il existe d'ailleurs dans le jargon des médias "d'information" professionnels un terme pour dénommer ces experts : des "bons clients" [exemples pour la Belgique].

Le temps d'antenne et l'espace rédactionnel sont limités par de fortes contraintes liées à l'audimat et aux proportionnels revenus publicitaires. Il en résulte que le discours de ces scientifiques est simplifié à outrance, ce qui facilite son détournement en "biased news" à des fins économiques ou politiques.

Compétence. Il ne faut pas sous-estimer la possibilité d'une gigantesque incompétence chez certains scientifiques. Ainsi un sommet d'absurdité fut atteint en Belgique par le très médiatisé Marc Van Ranst, professeur à la Katholieke Universiteit Leuven lorsqu'il s'est exprimé en faveur, si nécessaire, d'un confinement "à la Wuhan" (foyer de l'épidémie en Chine) c-à-d d'un couvre-feux (!) national [source]. Ce faisant le virologue oublie (i) que grâce aux cellules locales du Parti Communiste – dont il n'existe aucune organisation équivalente en Europe – les habitants de toute la province du Hubei étaient dépistés et ravitaillés (nourriture et médicaments) [source], (ii) que cette province était approvisionnée par les provinces chinoises environnantes, ce qui ne pourrait être le cas en Europe, vu l'absence flagrante de solidarité et de coordination au sein de l'UE. C'est donc à un effondrement de la société belge qu'aurait conduit une telle mesure. Comment se fait-il qu'après avoir énoncé de telles inepties cet "expert" ait pu conserver la moindre crédibilité ?

Indépendants ?

On peut légitimement se poser des questions quant à l'indépendance de ces experts catastrophistes par rapport à l'industrie pharmaceutique. Ainsi d’un côté ils poussent à la prudence extrême avec l’hydroxychloroquine alors que celle-ci est connue depuis très longtemps et que ses effets secondaires sont faciles à contrôler. De l’autre côté, ces mêmes experts sont prêts à prendre des risques considérables avec notre santé en nous recommandant des produits au principe contesté (vaccins), tout en brûlant les étapes nécessaires à l’élaboration d’un produit sûr et efficace.

La servilité par rapport au pouvoir politique est flagrante dans le rapport de l'École de Santé Publique de l'université libre de Bruxelles remis le 15 juillet 2020 à la Première Ministre belge [source], qui évoque un « contexte de pandémie extrêmement sévère, ayant entraîné des bouleversements majeurs au niveau économique et social, ainsi que sur la santé physique, mentale et sociale de leurs citoyens ». Ainsi donc ce n'est pas le confinement qui a mis à mal la santé mentale des citoyens et l'économie, mais une « pandémie extrêmement sévère » ! On ne s'étonnera donc pas de voir ces scientifiques "indépendants" conclurent par une affirmation dont nous avons montré (cf. #R-zero-valeur-scientifique) qu'elle relève de la fraude scientifique : « tous les indicateurs démontrent la sévérité de l’épidémie dans notre pays, mais les données ne laissent aucun doute sur le fait que les conséquences auraient été encore bien plus dramatiques en l’absence des mesures drastiques qui ont été prises » .

Autres déclarations fantasques de ce rapport de l'ESP-ULB :

• « Cette épidémie est loin d’être complètement derrière nous ». Or nous avons montré l'incapacité des modèles épidémiologiques à prédire l'avenir (cf. #SIR-typologie-facteurs-inefficacite).

• « L'évolution très atypique d'un virus, qui affecte à peine une grande partie des personnes infectées tandis que d'autres meurent, et parfois après un épisode très douloureux, a fait de Covid-19 un intrus silencieux très difficile à combattre ». Or de nombreux virus "affectent à peine une grande partie des personnes infectées tandis que d'autres meurent, et parfois après un épisode très douloureux" ⇒ cette phrase est de la pure dramatisation de faits certes malheureux mais aucunement atypiques !

Scientifiques
technocrates

Avec le développement de la théorie des jeux ainsi que des techniques de marketing (cf. nudge marketing), s'est propagée au sein du milieu scientifique une dangereuse idéologie élitiste, selon laquelle il serait rationnel d'imposer la supposée "vérité scientifique" par la contrainte psychique plutôt que par le partage du savoir.

Ainsi le concept de nudge a été popularisé en 2008 suite à la publication du best-seller éponyme, puis par le prix Nobel d'économie récompensant en 2017 un de ses auteurs, Richard Thaler.

« De tous les facteurs influençant la rationalité des choix comportementaux, ceux ciblés par le nudge sont l’ignorance, l’inertie, l’acrasie (l’absence de volonté), le mimétisme (l’effet des pairs), la surévaluation du coût de la perte de ce que l’on possède par rapport au gain retiré du changement (endowment effect), l’émulation collective. Pour ce faire, l’environnement est organisé de manière à ce que le choix jugé le plus favorable à la santé ne soit pas contradictoire avec ces biais. Ainsi crée-t-on une "architecture des choix", rendant coûteux (nécessitant de la volonté ou une perte par exemple), compliqué (nécessitant des connaissances par exemple) ou désagréable (nécessitant de se distinguer du comportement dominant par exemple), le choix le moins favorable. »

Parmi les critiques formulée à l'encontre de cette technique d'ingénierie sociale il y a que « le sujet "nudgé" est orienté possiblement en contradiction avec son système général de valeurs ou de préférences (s’il est déterminé) et donc, ce qui le construit. Rien ne dit alors qu’il maintiendra ensuite ce comportement. Il est plus probable qu’il réintègre son système de préférences, conduisant à un risque de désorientation, de compensation et de fragmentation de la personnalité (sujet divisé, contradictoire, illogique) » [source].

OMS
https://konfedera.org/gestion-epidemies#forces-covidistes-OMS

Dans quelle mesure l'OMS n'est-elle pas une façade du lobby pharmaceutique (comme le FMI l'est pour le lobby bancaire) ? Ainsi en 2010 le British Medical Journal (BMJ) et le Bureau of Investigative Journalism de Londres ont révélé que plusieurs experts ayant participé à la rédaction des directives de l’OMS face à une pandémie grippale ont reçu des rémunérations de Roche et GlaxoSmithKline, deux firmes impliquées dans la fabrication de médicaments ou de vaccins contre la grippe [source1, source2].

En septembre 2019 l'OMS publie une étude intitulée "Préparation à une pandémie d'agents pathogènes respiratoires à fort impact", dans laquelle il est souligné avec insistance que cette pandémie pourrait être un acte de guerre non déclarée ou de terrorisme par un "individu scientifiquement avancé" [source]. Cette étude fut réalisée par le Center for Health Security de l'université privée Johns-Hopkins (USA), laquelle école (fondée en 1998) fut la première organisation non gouvernementale à étudier la vulnérabilité de la population civile américaine aux armes biologiques et comment prévenir, préparer et réagir à leurs conséquences. [source].

L'université Johns-Hopkins est tristement célèbre pour sa participation dans les années 1940 à un programme expérimental mené par les États-Unis au Guatemala dans lequel des centaines de cobayes humains composés de soldats, handicapés mentaux, prostitués, détenus de droit commun, ainsi que des orphelins, avaient été contaminés sans leur consentement pour vérifier l’efficacité de la pénicilline sur les maladies sexuellement transmissibles [source].

Pour l'OMS, le débat sur les vaccins doit être combattu, notamment par la diffamation en qualifiant les thèses critiques comme relevant de la "désinformation", et il faut recourir à la propagande afin de faire de la vaccination un dogme incontestable. Bien sûr l'OMS n'utilise par les termes "diffamation", "propagande" et "dogme", cependant c'est bien ce à quoi reviennent ses injonctions : « actions to build broad-based public support for immunizations, while tackling misinformation and hesitancy around vaccines where these exist » [source].

Des point notables de l'étude "Préparation à une pandémie d'agents pathogènes respiratoires à fort impact" :

  • l'importance donnée aux technologies de "surveillance à grande échelle" (dont le traçage) ;
  • utilisation des techniques de sciences sociales pour amener les populations à accepter la stratégie non pharmaceutique et les vaccins : « WHO and national authorities will need to provide strong evidenced-backed reasoning for the necessity of NPIs (N.d.A. : NPIs=SNP) in order to effectively implement them and to communicate their role and necessity to the public, especially for NPIs such as social distancing that inherently limit civil liberties. Therefore, they should under-take directly or support research on NPIs and disseminate their findings on these analyses. » ;
  • ... tout en informant d'autre part les décideurs politiques sur l'absence d'évidence concernant l'efficacité de nombreuses mesures de SNP, et les effets pervers qui peuvent en résulter ! : « It is important to communicate to political leaders the absence of evidence surrounding many NPI interventions and the adverse consequences that may follow them. » ! ;
  • le rôle joué par les agences sanitaires de pays anglosaxons de l'OTAN : « WHO helps coordinate activities across the essential regulatory bodies, including the FDA, the National Institute for Biological Standards and Control in the UK, and the Therapeutic Goods Administration in Australia. »  ;
  • l'importance donnée au financement par de riches privés ("donors and philanthropists").
Gouvernements
https://konfedera.org/gestion-epidemies#forces-covidistes-gouvernement"

Une fois mis au pied du mur par l'hystérie médiatique, la plupart des gouvernements s'y sont soumis. Le phénomène covidiste suggère ainsi un transfert massif de pouvoir, des gouvernements vers la presse.

Mais peut-être les décideurs politiques (ou leurs "sponsors") ont-ils aussi vu dans l'hystérie collective une opportunité pour faire avancer des mesures controversées (vaccination obligatoire, traçage de nos relations, ...). Ce qui nous conduit à la section suivante ...

En France, entre le 1er septembre et le 20 octobre 2020, 7.600.000 tests ont été pratiqués. Sur cette même période, 38.000 individus ont été hospitalisés (0,5 %) et 6.600 ont été admis en réanimation (0,09 %) avec un test positif au Covid [source]. En d’autres termes, la probabilité moyenne pour chaque individu lambda (sans distinction d’âge ou de comorbidité) de ne pas être hospitalisé est de 99,5 % et celle de ne pas être admis en réanimation est de 99,91 % ! C'est sur cette base que le président Macron a décidé fin octobre de 67 millions de français sans distinction d’âge ou de comorbidité en confinement et couvre-feu !

Forces économiques

https://konfedera.org/gestion-epidemies#covidisme-forces-economiques

Parmi les possibles forces économiques ayant participé à l'instauration du covidisme il y a les lobbies pharmaceutiques et du "big data", ainsi que les lobbies de secteurs économiques concurrencés par la Chine.

Pharma et Data business
https://konfedera.org/gestion-epidemies#pharma-data-business

En suscitant une paranoïa collective la décision d'imposer le confinement général a fortement stimulé le marché des vaccins ainsi que celui du big data (le traçage des individus est une source de revenus gigantesques pour les entreprises qui collecteront et revendront ces données). Le "LancetGate" illustre parfaitement les dérives auxquelles peut conduire l'appât du gain.

Pharma
business

LancetGate. Surgisphère est une société de Big Data dont les données mensongères ont été utilisées pour produire (en mai 2020) deux articles scientifiques discréditant l'hydroxychloroquine comme traitement de covid-19 [article-1, article-2]. Parmi les auteurs de ces deux articles figurent Sapan S. Desai, fondateur de Surgisphère, et Mandeep Mehra, qui avait collaboré avec la société pharmaceutique Gilead Science. Mehra a menti en déclarant n'avoir pas de conflits d'intérêts : en avril 2020 il avait participé à une conférence sponsorisée par Gilead et concernant covid-19 [source]. Des conflits d'intérêt entre Mehra et des entreprises pharmaceutiques, dont Gilead et Bayer, avaient été mentionnés en 2013 [source]. Malgré le caractère évident des fraudes (cf. vidéo ci-dessous) les deux articles de mai 2020 furent publiés dans des revues scientifiques réputées : The Lancet pour le premier article et New England Journal of Medicine pour le second. Ces revues furent contraintes de se rétracter [rétractation-1, rétractation-2]. Mais le plus incroyable, c'est que malgré cette rétractation de nombreux gouvernements qui avaient interdit l'hydroxychloroquine suite à l'article du Lancet ont ... maintenu l'interdiction !

Commentaires de Didier Raoult sur le "LancetGate" (15m26s - 2 juin 2020)

Fin juin 2020 l'Agence européenne des médicaments (EMA) publia un avis recommandant l'autorisation du Remdesivir, un médicament concurrent de la Chloroquine (et beaucoup, beaucoup plus cher) produit par ... Gilead [source] ! En avril 2020, la même EMA avait publié un avis défavorable à la Chloroquine [source], alors que sur la seule année 2019 trente six millions de comprimés de ce médicaments avaient été consommés dans le monde, sans ordonnance [source] !

De nombreux chercheurs du secteur médical sont intoxiqués par des sources d'informations "scientifiques" formatées et conditionnées par l'industrie pharmaceutique, et ont en outre des conflits d'intérêt avec elle.

On constate à la lecture de cet article de la RTBF (radio-télévision belge publique) (i) que la réglementation sur les conflits d'intérêt est en réalité la légalisation des conflits d'intérêt ; (ii) l'absence totale de sens critique de la RTBF, qui en outre présente des charlatans notoires comme des références morales.

Selon une étude publiée en 2019 par l'ONG Corporate Europe Observatory (CEO) les groupes pharmaceutiques disposent de dizaines de laissez-passer pour le Parlement européen, et organisent régulièrement des réunions avec des membres haut placés de la Commission européenne. L'ONG souligne que ces groupes industriels du médicament « savent lancer des messages très alarmistes dès qu'un changement de réglementation ne se fait pas à son avantage, et jouer sur l'émotion pour accentuer la pression » [source].

Or force est de constater à quel point la gestion de covid-19 par de nombreux appareils d'État (gouvernement, scientifiques de plateaux TV, presse, ...) est cohérente dans la combinaison de ses effets favorables au business pharmaceutique :

  • dénigrement (*) voire interdiction des médicaments non spécifiques ⇐ qui accepterait de se faire vacciner si un traitement peu coûteux est disponible ... ?

    (*) Cf. l'accusation portée par le journal Le Monde à l'encontre du Pr. Raoult, premier expert mondial en matière de maladies transmissibles selon l'indice expertscape, que le journal a accusé de propager une "fake news" (sic) en annonçant les résultats d'une étude scientifique suggérant l'efficacité d'un traitement non spécifique pour covid-19 : source).

  • "nouvelle normalité" de "l'ennemi invisible et omniprésent" (terreur médiatique) ⇒ distanciation et stress ⇒ inhibition permanente du système immunitaire des individus ⇒ élargissement du marché des vaccins, dans le temps et l'espace.

CEPI. Il importe alors d'évaluer le rôle joué par des organisations telles que la "Coalition pour les innovations en matière de préparation aux épidémies" (CEPI). Cette fondation, créée à l'occasion du forum économique mondial 2017 [source], est dotée par des dons provenant d'États, d'organisations philanthropiques et d'organisations de la société civile, et constituée en vue du financement de projets de recherche pour raccourcir le temps de développement de vaccins contre des agents infectieux émergents [source p.70].

Les vaccins à base d'acide nucléique, par exemple, sont facilement adaptés pour de nouvelles cibles en changeant simplement la séquence nucléotidique. En outre les tests de sécurité sont simplifiés si ces vaccins sont classés comme "produits chimiques à petites molécules" ... [source p. 53].

On notera que le CEPI n'est donc pas intéressé par le développement de médicaments : la préférence est clairement donnée à la prévention plutôt qu'au traitement, c-à-d à l'action massive (puisqu'on ne peut prédire qui sera infecté) plutôt qu'à l'action réactive ciblée sur les seuls individus infectés et symptomatiques. Autrement dit la priorité est donc donnée à la maximisation des profits de l'industrie pharmaceutique plutôt qu'à la santé publique.

GAVI. Quant à l'Alliance du Vaccin (gavi.org) dont les financiers sont l'OMS, l'UNICEF, Bill Gates et la Banque Mondiale [source], sont objectif est d'organiser la vaccination de masse.

Data
business

Le potentiel financier et politique du "Big data" est tel (il concerne la quasi totalité des secteurs économiques) que de très fortes pressions ont pu être exercées sur les décideurs politiques afin que ceux-ci profitent de la vague médiatique catastrophiste de covid-19 pour amener les populations à accepter le traçage de leur vie privée. On notera à cet égard le fait pour le moins surprenant que dans de nombreux pays le "déconfinement" (sic) à été conditionnalisé à l'application du traçage [exemple] !

On notera à cet égard les manipulations sémantiques dans les articles de presse évoquant le traçage "des malades" plutôt que celui "des citoyens" en général [constater]. Or par définition le traçage ne se limite pas qu'aux malades car si ceux-ci étaient identifiables en tant que tels le traçage ne serait plus nécessaire.

Il apparaît en effet que la plupart des citoyens ne participent pas spontanément au traçage. Il est donc plus que probable que celui-ci sera imposé aux populations de façon plus insidieuse. Ainsi dès le mois de juin 2020, alors que l'épidémie était déjà quasiment éteinte, l'accès à des services publics (dont des piscines) fut converti – en un temps record – à la réservation préalable par Internet, en sous-traitant la gestion du système à des entreprises privées (par exemple qweekle.com). Pour réserver il faut obligatoirement mentionner un numéro de téléphone en plus de l'adresse email. Quant à ceux qui n'ont pas accès à Internet, tant pis pour eux (mais de toute façon ils n'intéressent pas les entreprises du data business).

Idem pour le traçage (!), avec des sociétés telles que devside.com, sans véritable contrôle démocratique et dans le silence assourdissant des juristes constitutionnalistes.

Dans tous ces cas, comment les procédures d'appel d'offre ont-elles pu être appliquées correctement dans un délai aussi court ... ?

Ressources :

  • eurosfordocs.fr : base de données sur les conflits d'intérêt dans le secteur médical.
Atlantisme anti-chinois
https://konfedera.org/gestion-epidemies#covidisme-forces-atlantisme

Depuis 2015 la Chine est la première puissance économique mondiale en terme de PIB mesuré en PPA [source]. Il suffit d'observer les messages anti-chinois propagés par les entreprises "d'information" occidentales pour constater que cette concurrence déplaît fortement aux classes dirigeantes des pays atlantistes. Alors que jusqu'au début des années 2000 le libre-échange international était la pierre angulaire de l'idéologie atlantiste, on assiste à un rétro-pédalage intégral de la part des pays atlantistes depuis que cette logique se retourne contre eux. Pour "justifier" ce retournement de veste, la prégnance du réchauffement climatique et le risque épidémique ont manifestement été amplifiés par les entreprises "d'information" occidentales ainsi que par les dites "organisations non gouvernementales".

Sur l'exploitation médiatique du réchauffement climatique : allocation-universelle.net/developpement-durable#rechauffement-climatique.

Forces idéologiques

https://konfedera.org/gestion-epidemies#covidisme-forces-ideologiques

Parmi les forces idéologiques opérant en arrière-plan de l'instauration du covidisme nous avons identifié le sanitarisme et l'écologisme.

Sanitarisme
https://konfedera.org/gestion-epidemies#forces-covidistes-sanitarisme

Pour analyser la thèse de l'idéologie "zéro mortalité" considérons deux cas de figures correspondant chacun à l'une des deux stratégies théoriques SNP et SP (cf. supra #SIR-strategies) :

  • SP : le gouvernement reconnaît le fait que les modèles épidémiologiques ne peuvent prévenir l'avenir d'une épidémie ⇒ la capacité hospitalière est régulièrement adaptée à l'évolution observée de la demande de services de soins hospitaliers, en termes qualitatifs ("quels services") et quantitatifs ("en quelles quantités")
    • ⇒ selon le budget alloué aux soins de santé et la qualité de leur gestion il y aura dans certains pays une surcapacité durant toute l'année, alors que dans les autres pays on observera régulièrement des périodes (généralement assez courtes) durant lesquelles la capacité est dépassée, ce qui se traduit par une légère surmortalité considérée comme "acceptable" au regard du coût démocratique et économique lié à l'objectif "zéro mortalité" (option suivante).
  • SNP : le gouvernement croit dans la capacité (i) des modèles épidémiologiques à anticiper l'évolution d'une épidémie, et (ii) de la stratégie SNP (confinement, distanciation, masques, lavages) pour abaisser et reculer le sommet de l'épidémie ⇒ cette stratégie sera appliquée à chaque fois que l'on découvrira des virus "nouveaux" et aussi longtemps qu'il n'y aura pas de médicament ou vaccin efficace ⇒
    • au niveau santé publique : le gouvernement pourra "justifier" la suppression de la surcapacité hospitalière, ce qui se traduira par de très fréquentes surcharges dès lors que les hypothèses i et ii sont erronées et que les effets pervers du confinement sont avérés ;
    • au niveau politique : régression vers un régime totalitaire;
    • au niveau économique : baisse de la production & consommation.
Éthique et
démocratie

Les forces extrêmement puissantes qui en 2020 ont réussi à imposer la stratégie SNP s'appuyaient sur un argument implicite qu'on pourrait qualifier de "zéro mortalité épidémique" et qui s'oppose au principe (lui aussi implicite) qui était la norme avant 2020, à savoir un "nombre tolérable de victimes". Celui-ci peut à priori paraître scandaleux ou auto-destructeur, et pourtant nous l'appliquons en n'interdisant pas le transport routier (PS : les accidents de la route constituent une des dix premières causes de mortalité).

D'autre part la stratégie SNP risque fort d'être appliquée en permanence. Il y a en effet une vingtaine de virus associés aux seules infections respiratoires qui circulent dans le monde [source], causant tous des victimes. En outre le nombre des virus par continent augmente en raison de la mondialisation, et le nombre des virus connus augmente avec le progrès scientifique [source]. D'autre part des infections peuvent se transmettre pendant plusieurs dizaines d'années, avant de s’atténuer et de disparaître [source].

Écologisme
https://konfedera.org/gestion-epidemies#forces-covidistes-ecologisme

En août 2020 le webzine futura-sciences.com écrivait « Est-ce que l'émergence des maladies infectieuses peut être liée au changement anthropique de l'environnement ? La réponse semble être positive » [source]. Ainsi en une vingtaine de mots l'association est faite entre changement "de l'environnement" (sic), épidémies et activité humaine ...

Décroissants. L'extrémisme vert commence-t-il à prendre des proportions inquiétantes, notamment dans le milieu des universités ? Se pourrait-il que des scientifiques enfermés dans leurs convictions se soient convaincus de la nécessité de manipuler l'opinion publique au nom de ce qu'ils perçoivent comme la "protection de l'environnement" ? J'invite le lecteur qui croirait que j'exagère à lire ce cas que j'ai personnellement constaté et documenté.

Vers une fusion écologisme-libéralisme ? Ainsi les écologistes pourraient voir dans le totalitarisme SNP un moyen d'imposer la décroissance aux populations. On pourrait alors assister en occident à une fusion idéologique entre écologisme et libéralisme atlantistes dès lors que pour celui-ci la décroissance serait le prix à payer pour neutraliser la Chine (cf. supra #covidisme-forces-atlantisme).

PIB jusqu'au second trimestre 2020

pib.png

Entre les deux confinements l'économie française c'est contractée de 4%. La contraction provoquée par le second confinement devrait être du même ordre de grandeur que lors du premier : -20%. C'est de très loin la plus grave crise économique depuis la seconde guerre mondiale. [source].

IPBES.png

Enfin l'IPBES, association intergouvernementale soutenue par l'ONU, estime dans un rapport publié en octobre 2020 que prévenir les pandémies plutôt que les guérir serait "cent fois moins coûteux". Le rapport ne mentionne pas expressément la stratégie préventive dite "non pharmaceutique" (SNP : confinement, distanciation, masque, lavages), citant essentiellement des mesures liées à l'exploitation de l'environnement et au commerce d'animaux. Cependant la photo ci-contre, extraite du rapport [source], évoque sans ambiguïté la SNP. On notera que ce rapport, fruit d’un atelier en ligne organisé en juillet 2020, fut réalisé en urgence par 22 experts sans passer par le processus usuel d’approbation intergouvernementale ... [source]. Selon ce rapport il existerait encore 1,7 million de virus "non découverts" chez les mammifères et les oiseaux - dont près de 850.000 pourraient avoir la capacité d’infecter les humains. Ces experts estiment que des pandémies telles que celle de la covid-19 pourraient devenir récurrentes. On notera le recours systématique au conditionnel, et surtout l'évaluation du nombre de virus ... non découverts ! Ainsi donc on ne connaît pas leur existence mais l'on serait capable de les compter et d'évaluer leur contagiosité pour l'humain !

Notons enfin que l'IPBES est défavorable à l'utilisation de vaccins (ainsi qu'aux traitements pharmaceutiques) comme moyen de lutte anti-épidémique, en raison des effets de leur production sur l'environnement. Ce dernier fait renforce notre thèse que le covidisme ne se résume pas à un complot organisé par big pharma, et qu'il s'agit plutôt d'un phénomène multifactoriel où se mêlent divers intérêts convergents (auto-organisation).

Grand reset

https://konfedera.org/gestion-epidemies#covidisme-grand-reset
Apologiste

Le forum économique mondial est un club privé se réunissant régulièrement pour débattre des affaires du monde. Il se décrit comme « l’organisation internationale qui œuvre à la coopération entre le secteur public et le privé » [source]. Les participant sont des grandes entreprises, des cadres d'institutions internationales, des décideurs politiques ou encore des ONG. Les intentions affichées sont certes bienveillantes (limiter les écarts de richesse, protection de l'environnement, ...), cependant elles reposent sur une conviction tacite : le monde doit être façonné par une élite. Or cette conviction conduit inéluctablement à une société privilégiant une minorité "d'élite" au détriment du reste de la population (c-à-d la quasi totalité). Cela est d'autant plus problématique que cet entre-soit a pour effet de réduire la pertinence des décisions (y compris pour les décideurs), par inhibition de l'effet d'émergence.

Covid-19 et
"Great reset"

Le FEM présente ainsi son initiative de "Great Reset" (sic) : « Contexte. La crise de Covid-19 et les bouleversements politiques, économiques et sociaux qu'elle a causés changent fondamentalement le contexte traditionnel de la prise de décision. Les incohérences, les insuffisances et les contradictions de multiples systèmes – de la santé et des finances à l'énergie et à l'éducation – sont plus exposées que jamais dans un contexte mondial de préoccupation pour les vies, les moyens de subsistance et la planète. Les dirigeants se trouvent à un carrefour historique, gérant les pressions à court terme contre les incertitudes à moyen et long terme. Opportunité. Alors que nous entrons dans une fenêtre d'opportunité unique pour façonner la reprise, cette initiative offrira des informations pour aider à informer tous ceux qui déterminent l'état futur des relations mondiales, la direction des économies nationales, les priorités des sociétés, la nature des modèles commerciaux et la gestion d'une communauté mondiale. Tirant parti de la vision et de la vaste expertise des dirigeants engagés dans les communautés du Forum, l’initiative Great Reset dispose d'atouts divers pour construire un nouveau contrat social qui honore la dignité de chaque être humain. » [source].

Le biais élitiste et anti-démocratique est flagrant dans ce texte, qui n'est pas sans rappeler le concept de "nouvelle normalité" que les médias d'information nous ont asséné dès le début de la pandémie, et alors que nous avons montré l'impossibilité de prédire l'ampleur que prendra une épidémie ...

D'autre déclarations collectées sur le site du FEM [source] :

  • « De nombreuses raisons justifient de lancer cette Grande remise à zéro, mais la plus urgente est la COVID-19. À l’origine de centaines de milliers de morts à ce jour, la pandémie représente l'une des pires crises de santé publique qu’a récemment connue l'histoire. Et, les victimes continuant d’augmenter dans de nombreuses parties du monde, nous sommes loin d'en avoir fini avec cette crise ».
  • « Ceci est notre meilleure chance d'instaurer le capitalisme des parties prenantes ».
  • « Le moment est venu d'appuyer sur le bouton de refondation du capitalisme ».
  • « Un des points positifs de la pandémie est qu'elle a montré à quelle vitesse nous pouvions apporter des changements radicaux à nos modes de vie. Presque instantanément, la crise a contraint les entreprises et les particuliers à abandonner des pratiques longtemps considérées comme essentielles, des voyages aériens fréquents au travail dans un bureau ».
  • « Cela nécessitera des gouvernements plus forts et plus efficaces, sans impliquer une volonté idéologique en faveur de gouvernements plus grands. Et cela exigera l'engagement du secteur privé à chaque étape du processus ».

Ce "grand reset" n'est donc manifestement pas voué à développer la démocratie, mais au contraire à plus de contraintes policières, et toujours moins d'entreprises publiques. On notera enfin que l'interprétation de la crise de la covid-19 par le business de "l'info" est exactement celle du FEM, et très éloignée de la présente étude. Voilà qui illustre à nouveau l'effet d'émergence : une élite n'est véritablement utile à la société que dans le cadre d'une véritable démocratie, telle que définie dans democratiedirecte.net/definition

Conclusion

https://konfedera.org/gestion-epidemies#covidisme-conclusion

Nous allons ici synthétiser les causes et effets du covidisme, puis identifier les principes d'une solution adaptée.

Causes

Un fait difficilement contestable est la puissance des forces qui ont conduit au covidisme. Ces forces, ou du moins leur principal effet, apparaissent dans la fusion quasi totale entre milieux journalistiques et scientifiques, autour de "raisonnements" et de mesures dont l'absurdité et la nature délétère sont pourtant flagrantes. Ni l'incompétence ni de possibles complots ne constituent d'explications satisfaisantes ou du moins suffisantes. Nous pensons plutôt à une forme d'hypnose collective, probablement liée à la télévision (cf. la notion d'info-dépendance), et mêlée à des forces pas nécessairement coordonnées, mais convergentes.

Effet

Quelles pourraient être les conséquences du covidisme ? Selon notre analyse deux possibles scénarios se dégagent :

  • "grand reset" : instauration d'un totalitarisme sanitaire durable et global ;
  • effondrement des États ⇒ les populations vivront alors dans un régime de terreur, exploitées par la tyrannie de bandes armées ; les femmes et les personnes âgées en seront les premières victimes.
Solution

En raison de l'inertie qui caractérise de nombreux phénomènes sociaux, la neutralisation des causes ne suffira pas pour neutraliser rapidement les effets du covidisme. Il importe de mener une double action, c-à-d à la fois sur les causes et les effets :

  1. traitement symptomatique des effets : mettre un terme à l'imposition de la SNP aux populations.
    • caractéristiques : court terme, urgence.
  2. traitement curatif de la cause : assurer le contrôle démocratique des principaux moyens de production du savoir et de l'information, afin de prévenir toute récurrence du covidisme :
    • caractéristiques : long terme, travail de fond.

La dernière section de notre étude présente une stratégie, une méthodologie et des actions concrètes pour neutraliser le covidisme selon ces deux axes.

Neutraliser le covidisme

https://konfedera.org/gestion-epidemies#neutraliser-covidisme

Le covidisme est une idéologie totalitaire meurtrière et globale. Nous devons tout mettre en oeuvre pour l'éradiquer avec la célérité et la détermination dont n'avaient malheureusement pas fait preuve les forces vives de la population allemande au début des années 1930 lorsque le nazisme se profilait comme une "nouvelle normalité" pour le peuple allemand.

Nous allons présenter ici :

  1. des principes généraux de la lutte anti-covidiste ;
  2. des propositions d'actions individuelles ;
  3. des éléments méthodologiques et stratégiques pour une action collective ;

Principes généraux

https://konfedera.org/gestion-epidemies#neutraliser-covidisme-principes

La stratégie de destruction du covidisme peut être synthétisée selon les dimensions spatio-temporelles :

  • axe spatial :

    Dans le monde physiqueDans le monde virtuel
    Action individuelle
    Action collective
  • axe temporel :
    • court terme : neutraliser le covidisme ;
    • long terme : commencer dès maintenant à mettre en place un système évolutif de démocratie directe (pour ce faire une méthodologie de R&D est proposée).
Majorité

Le sondage ci-dessous suggère que, contrairement à ce que nous font croire les entreprises "d'information", plus de 90% de la population serait opposée à la stratégie prétendument préventive, dite "non pharmaceutique" (SNP : confinement, distanciation, masque, lavages). Nous ne le voyons pas parce que la plupart des gens n'osent désobéir ni même seulement s'exprimer publiquement contre la SNP. Tout pourrait donc basculer en quelques jours.

Selon nous les 7% du sondage représentent la population la plus sujette à l'info-dépendance : journalistes, scientifiques, politiciens, avocats, ...

L'action individuelle

https://konfedera.org/gestion-epidemies#action-individuelle

Dans le monde physique. La première action individuelle contre le covidisme consiste à ne porter le masque que lorsque quelqu'un vous le demande expressément. Ne pas porter le masque dans les lieux publics est très important car cela encourage d'autres personnes à faire de même. Ayez-le en poche, et si la police vous fait une remarque sur la voie publique, faites comme si vous aviez oublié et mettez-le ... pour l'enlever dès qu'ils sont partis. Notez que je n'ai à ce jour reçu aucune remarque de la police sur la voie publique ! Et dans les magasins seuls les vigies à l'entrée demandent le port du masque ⇒ je le mets puis l'enlève quelques secondes plus tard. La crainte d'une amende ne doit pas vous empêcher d'appliquer ce principe car la lutte pour la vérité et la liberté implique nécessairement des risques. En outre la probabilité que vous soyez convoqué devant le tribunal de police suite à votre refus de payer l'amende est d'autant plus faible que nous serons nombreux à ne pas porter le masque en rue. Et si vous êtes convoqué alors profitez-en pour lancer un appel à présence à tous vos amis !

Lorsque vous vous engagez dans un dialogue sur le covidisme avec un(e) de ses croyant(e)s, appliquez les conseil de Pascal Sacré, médecin anesthésiste et réanimateur dans une unité de soins intensifs en Belgique. Selon lui, les victimes du covidisme sont sous l'emprise d'une transe hypnotique induite par la terreur d'État. Par conséquent elles ne sont pas réceptives au discours rationnel. Il faut au contraire "aller les retrouver" pour les ramener dans la rationalité au moyen d'un discours sans injonction ni paternalisme (et pour ce faire une bonne façon de faire est de cultiver le doute quant à nos propres convictions) ... [source].

Dans le monde virtuel. Un autre action très efficace consiste à réaliser avec des amis des vidéos telles que celles ci-dessous. Inspirez-vous de leur scénario ou imaginez un autre !

Manifestation Gros Calins (2m18s - oct. 2020)

Action Libre L'expression citoyenne "Sans chaîne" 1/3 (3m5s - oct. 2020)

Idées :

  • Une "famille" de quatre ("père", "mère", fille ado, garçon ado) sort dans la rue pendant le couvre feu et appelle les voisins à les rejoindre, sans masque. Prévoir des complices dans divers immeubles pour rejoindre la famille dans la rue et ainsi constituer l'amorce qui va inciter d'autres habitants à faire de même. Filmer à partir d'un des immeubles de la rue.
  • Long-métrage dont le fil rouge serait le sommaire du présent document.

L'action collective

https://konfedera.org/gestion-epidemies#action-collective

Deux points faibles souvent constatés dans ce qu'il est convenu d'appeler les "mouvements citoyens" sont :

  • une surestimation de leur savoir-faire en matière de gestion de projet (méthodologie, stratégie, ...) ;
  • la stagnation dans la réactivité (contre ceci, contre cela, ...), avec très peu de démarche proactive complémentaire : pas de proposition concrète et de stratégie pour un nouveau paradigme sociétal.

Ces deux manquements ne doivent pas être sous-estimés car ils sont très probablement la cause de l'échec de nombreux mouvements populaires (dont les gilets jaunes sont l'exemple le plus récent).

C'est pour tenter d'y rémédier que j'ai conçu les présentes méthodologie et stratégie pour ces groupes d'action, que j'appelle les "com-K", car ils ont le potentiel pour constituer la base des structures communales/municipales des futurs États de la Konfédération.

Concernant la stratégie, celle-ci consiste à situer l'action anti-covidiste immédiate (objectif à court terme) comme s'inscrivant dans le cadre d'un nouveau paradigme sociétal (objectif à long terme).

Or ce saut vers un nouveau paradigme est précisément l'objet de Konfedera, de sorte qu'une stratégie concrète et cohérente peut être résumée comme suit :

  • objectif à court terme (OCT) : mettre fin au totalitarisme "sanitaire" qu'est le covidisme ;
  • objectif à long terme (OLT) : concevoir et développer collectivement les structures administratives et décisionnelles d'un nouvel État (membre de la Konfédération), fondé sur deux valeurs fondamentales : le partage du pouvoir politique (via la démocratie directe) et le partage du pouvoir financier (via l'allocation universelle).

N.B. La première étape de cette démarche collective (Konfedera) est individuelle et consiste à prendre conscience du phénomène d'info-dépendance. C'est alors que le passage d'une posture réactive à une démarche proactive rendra possible un travail d'intelligence collective.

La complémentarité d'un objectif à long terme (OLT) s'ajoutant à l'objectif à court terme (OCT) n'est certes pas indispensable pour la réalisation de ce dernier. Cependant comprenons bien que cette complémentarité facilite et renforce considérablement la réalisation de l'OCT. En effet, même en jouant avec les mots, il demeure que celui-ci est par nature réactif et négatif ("contre", "anti"), alors que l'OLT est proactif et constructif. La complémentarité OCT+OLT est ainsi bénéfique notamment aux niveaux de l'image et de la dynamique évolutive de la com-K. Par conséquent il ne faut éventuellement abandonner l'ajout de l'OLT qu'après avoir essayé et constaté que l'OLT rend trop difficile la constitution d'une com-K.

Dans la section suivante nous présentons une série d'actions pour réaliser l'OCT d'une com-K (mettre fin au totalitarisme "sanitaire" qu'est le covidisme). Ensuite nous présenterons la méthodologie proposée aux com-K pour réaliser efficacement ces actions. Enfin nous terminerons par un bref développement de l'OLT

Actions pour réaliser l'objectif à court terme
https://konfedera.org/gestion-epidemies#neutralisation-covidisme-CT

L'objectif à CT des com-K est de mettre fin au totalitarisme "sanitaire" qu'est le covidisme. Dans ce contexte le principe de base est que chaque com-K constitue un groupe pour chaque domaine ou type d'action, maximisant ainsi l'efficacité (spécialisation) et la décentralisation.

Pour ce faire on peut distinguer au moins quatre types d'actions : actions sur noeuds, actions de support, actions sur agents, actions de désobéissance :

  1. Actions sur noeuds :
    1. identifier une série de problèmes concrets causés par le covidisme (noeuds) ;

      Il faut identifier un maximum de noeuds, y compris ceux qui peuvent paraître anodins à certains (exemple : l'obligation de réservation pour accéder aux piscines publiques).

    2. constituer un groupe d'action pour chaque noeud ;
    3. chaque groupe d'action a pour mission d'imaginer puis réaliser une série d'actions ciblées sur son noeud :
      • constatation de faits illégaux concernant ce noeud, par courriers recommandés envoyés aux décideurs responsables de ces faits ;
      • actions de conscientisation auprès des salariés d'entreprises servant le covidisme dans le cadre du noeud (exemple dans le cas du noeud "tracing" : agents de tracing, développeurs d'applications de traçage, etc) ; ...
      • actions spectaculaire dans des lieux liés au noeud (exemples dans le cas du noeud "tracing" : devant l'entrée d'entreprises impliquées) ⇒ filmer puis publier sur Internet afin de médiatiser la problématique liée au noeud ; ...
      • faire pression sur des juges pour qu'ils déclarent illégales les mesures abusives concernant le noeud ;

        Avertissement : sachez qu'en pratique la fonction réelle d'un avocat est beaucoup moins de défendre le plaignant (ou l'accusé) que d'être une interface entre celui-ci et le système judiciaire ...

      • ...
    4. créer sur le site web de la com-K une page web pour chaque noeud, décrivant notamment sa problématique, et les actions réalisées ; chaque page devra afficher des boutons de partage (comme en haut de la présente page).
  2. Actions de support : ce groupe a pour mission d'identifier une série de cadres ou personnalités de secteurs les plus touchés par le covidisme (petits indépendant, artistes, ...) et de leur envoyer des messages tels que : « Bonjour XXXXXX, nous avons lu/écouté avec grand intérêt votre article/interview. Nous constatons que vous éprouvez (comme beaucoup de gens) des difficultés à opposer des arguments solides face à la "logique" covidiste. Voici un argumentaire en trois points qui devrait vous aider : https://konfedera.org/gestion-epidemies#resume ».
  3. Actions sur agents : dossier sombre et entartrage :
    • dossier sombre :
      1. identifier une série d'agents de la SNP : leaders d'opinion (scientifiques, journalistes, politiciens, artistes, ...) et décideurs (politiques, économiques, sociaux, artistiques, ...) ;
      2. constituer un groupe d'action pour chaque agent ;
      3. chaque groupe d'action a pour mission de collecter (légalement) des informations sur la vie professionnelle et privée, présente et passée, de son agent-cible afin de constituer un "dossier sombre" : conflits d'intérêts (déclarés et non déclarés), coups professionnels tordus, condamnations antérieures, ... ;
      4. créer sur le site web de la com-K une page web pour chaque agent-cible (nom-prenom.php) ⇒ y mentionner tous les éléments du dossiers confirmés par des liens vers des sources externes crédibles ; chaque page devra afficher des boutons de partage (comme en haut de la présente page).
    • entartage : constituer un groupe d'action spécialisé dans l'entartage des agents du covidisme (NB : l'entartage demande beaucoup de préparation) ; le but de ces entartages est évidemment de les filmer, ce groupe d'action devra donc collaborer étroitement avec l'équipe vidéo (cf. infra).
  4. Actions de désobéissance : des groupes d'action ont pour mission de provoquer la réaction de la police par des actes de désobéissance civile, ces actions sont filmées puis publiées sur Internet ; les membres de ces groupes de désobéissance ne paieront pas les éventuelles amendes ⇒ la com-K lancera un appel massif à présence lors de l'éventuelle comparution devant le tribunal de police. NB : les membres de ce groupe doivent être des "durs à cuire" et conscients du stress qu'ils devront supporter.

Organisation. Il importe que chaque action soit bien préparée : repérage des lieux, plan B, reporting systématique après chaque action pour identifier et corriger les erreurs d'organisation, etc.

Communication. La qualité de la communication est très importante. Chaque com-K doit avoir un groupe spécialisé dans la communication et composé de deux branches : site web et équipe vidéo :

  • site web : chaque com-K doit centrer sa communication sur son site web, plutôt que par divers réseaux sociaux ; ceux-ci peuvent certes être utilisés mais indirectement : chaque membre ou sympathisant du com-K est libre de partager sur son réseau social (donc à titre personnel) des liens vers le site du com-K ; celui-ci doit être irréprochable dans la forme comme dans le fond ; la première action d'une com-K consistera donc à s'adjoindre les services d'un web master bénévole ;
  • équipe vidéo : cette équipe est notamment chargée de filmer les différentes actions réalisées par les autres groupes, de monter les vidéos, et de gérer la chaîne vidéo de la com-K.

Pour le recrutement de bénévoles, prospecter notamment dans les écoles supérieures de communication web. Ces étudiant auront ainsi l'opportunité de marquer dans leur CV ces réalisations dans le cadre de la construction de la future Konfédération.

Méthodologie des com-K
https://konfedera.org/gestion-epidemies#methodologie-com-K
methodologie.jpeg

Nous nous situons ici dans le contexte d'un groupe informel de personnes voulant agir contre le covidisme, au niveau de leur commune. Nous appelons ces groupes des com-K et leurs initiateurs les "rassembleurs".

Une première erreur est – selon mon expérience (qui remonte au mouvement altermondialiste du début des années 2000 : ATTAC, forum social mondial, ...) – de vouloir rassembler d'autres groupes informels ainsi que des organisations, plutôt que des individus. Force est de constater que, dans ces conditions, on assiste systématique à la même dérive.

Dérive. Ça "tire dans toutes les directions" (pour attirer le plus grand nombre de groupes/organisations, chacune défendant son propre agenda) ⇒ il n'y a pas d'objectif précis mais une soupe de revendications ⇒ la communication interne et externe devient vague voire incompréhensible ⇒ l'organisation d'actions efficaces devient impossible sauf si elle est prise en charge par l'organisation dominante (généralement un syndicat voire une personne fortunée), qui va alors neutraliser complètement la dynamique révolutionnaire en poussant vers des actions qui sont de purs produits du système "représentatif" : manifestations, universités d'été, ...

La prise de contrôle par l'organisation dominante se fait généralement via la mise à disposition de locaux de réunion ou encore les publipostages massifs vers ses nombreux membres. Rappelons que les syndicats et ONG sont, avec la presse, les lobbies industriels ou encore le milieu académique, des composants majeurs de l'appareil d'État en régime "représentatif".

Com-K. Les principes élémentaires pour la mise sur pied et le développement efficace d'une com-K visent à éviter ce phénomène de neutralisation. Nous en avons identifié au moins quatre :

  • le nombre et profil des rassembleurs ;
  • les deux objectifs (CT et LT) de la com-K ;
  • les actions de la com-K ;
  • les réunions de la com-K.
Rassembleurs

Il faut certes rassembler le plus grand nombre, mais cela est l'objectif de la stratégie à long terme. Dans les premiers temps d'une com-K les rassembleurs doivent rassembler – par cooptation – non pas le plus grand nombre mais le nombre minimum de personnes nécessaires. En outre celles-ci doivent vérifier deux critères :

  • un savoir faire (vérifié) : gestion de projet, techniques du web (web masters, développeurs, hackeurs), communication, droit,  ....
  • un savoir être (vérifié) : dans les premiers temps de la com-K les rassembleurs doivent impérativement éviter d'inclure dans leur groupe des personnes qui sont dans l'émotionnel et la réactivité.
Objectif

Pour faire partie du groupe des rassembleurs il faut confirmer son approbation à l'objectif à court terme (OCT) et à l'objectif à long terme (OLT) de la com-K. Cette approbation se fait par un acte symbolique ayant lieu durant la première participation d'un nouveau coopté à une réunion. Celui-ci lit à haute voie l'OCT et l'OLT, puis signe le document, qui est alors immédiatement détruit. Cette rapide cérémonie a notamment pour fonction de garantir l'absence de malentendu entre rassembleurs quant aux objectifs de la com-K.

N.B. La définition de chacun des deux objectifs doit se limiter à une seule phrase, et ne pas traiter des moyens pour les réaliser (qui sont déterminés librement par chaque com-K) .

Actions

Les nouvelles organisations ont souvent tendance à surestimer leurs capacités. Elles se lancent immédiatement dans des actions trop ambitieuses au regard de leur expérience et de leurs moyens. Les membres qui y ont investi beaucoup de temps et d'énergie seront alors d'autant plus déçus par les échecs, ce qui se traduit par des défections pouvant conduire à la mort de l'organisation.

C'est pourquoi il est vivement recommandé de fixer des premières actions d'ampleur modeste, dont la probabilité de réussite est élevée. Ainsi chaque groupe d'action aura l'occasion de se faire la main sans stress et d'engranger des résultats positifs, qui nourriront l'optimisme nécessaire pour des actions progressivement plus ambitieuses.

Voilà pourquoi les rassembleurs doivent impérativement éviter d'inclure dans leur groupe des personnes qui sont dans l'émotionnel, la réactivité et la supposée "urgence". À terme les profils émotionnels et réactifs seront certes utiles et même indispensables, mais pas dans la phase de création de la com-K. Il faut investir quelques mois dans la construction de bases solides.

La com-K augmente ainsi progressivement le nombre de ses membres et, partant, le nombre ou l'ampleur de ses actions, sans que cela impacte négativement son efficacité.

À noter enfin que les actions d'ampleur modeste ne sont pas pour autant moins efficace, bien au contraire ! Elles ont en effet pour nature d'être plus ciblées, ce qui augmente leur efficacité locale. Les actions ciblées, pourraient même devenir la norme plutôt que l'exception.

Définition et organisation. L'objectif de chaque action doit être clairement défini. Plus cette définition sera vague ou multiple plus il sera difficile de motiver des participants, et de concrétiser l'action. Quant à l'organisation efficace de toute action elle requiert la plus grande transparence. Sur le site web de la com-K une page web présente les tâches réalisées et celles restant à réaliser (description, échéance, responsable). Si nécessaire l'accès à cette page peut être réservé aux seuls membres de la com-K au moyen d'un mot de passe.

Réunions

On peut distinguer au moins deux types de réunions de travail au sein de la com-K : réunions d'organisation et réunions de réflexion. Il est recommandé de ne pas mélanger ces deux activités au sein d'une même réunion.

Une faiblesse souvent observée est le manque d'assertivité des modérateurs, qui ne font pas assez respecter (i) le temps de parole ni (i) le focus sur l'ordre du jour de la réunion. En réunion physique bannissez les techniques gestuelles, très branchées mais d'une faible efficacité en comparaison avec les rappels à l'ordre verbaux (idem pour les approbations par applaudissements). Les techniques gestuelles ne sont efficaces que dans le cas de visio-conférences où tous les participants peuvent être raisonnablement visibles sur l'écran (soit maximum une douzaine).

Pour être réussie une réunion doit avoir été préparée individuellement par chacun des participants, sur base du rapport de la précédente réunion, qui doit rappeler l'ordre du jour de la réunion suivante (NB : ce principe vaut aussi bien pour les réunions physiques que virtuelles).

La réunion constituante du groupe rassembleur (réunion #0) doit se limiter à :

  • un tour de présentation où chaque membre présente (i) son activité et (ii) ses propositions pour la com-K en création (actions, moyens, ...) ;
  • déterminer l'ordre du jour de la prochaine réunion (en rappelant le point surligné en jaune ci-dessus !).

Dynamique des réunions

gestion-reunions.png Le rapport de la réunion en t-1 contient l'ordre du jour (odj) de la réunion en t. L'ouput de chaque réunion est dont l'input de la suivante. Idéalement l'essentiel du travail est réalisé entre les réunions, celles-ci ne servant qu'a assurer le suivi, et éventuellement corriger le tir. « Une réunion longue (> 1h30) est une réunion qui a été mal organisée et/ou insuffisamment préparée par l'ensemble des participants ».
Objectif à long terme
https://konfedera.org/gestion-epidemies#neutralisation-covidisme-LT

Nous avons vu que les com-K sont actives au niveau local (communes) et concernent les actions à court terme. Elles sont créée à l'occasion de la lutte contre le covidisme. Mais à terme elles devraient devenir les structures communales des États d'une future confédération (la "Konfédération"). Cette évolution se traduirait par la réunion des coopératives de fait que sont les com-K, en des coopératives nationales, que j'appelle les matrices K (une par pays, donc).

Il s'agit de concevoir et implémenter collectivement les structures Internet décentralisées des applications (administratives, décisionnelles, ...) d'un nouvel État, fondé sur le partage du pouvoir politique (via la démocratie directe) et du pouvoir financier (via l'allocation universelle).

Pour réaliser efficacement ce travail colossal, konfedera.org propose un cadre organisationnel dans lequel chacun est invité à s'impliquer. C’est une démarche de fond, que chacun de nous devrait inscrire dans le long terme en en faisant une activité de hobby. Dans cette analyse stratégique nous développons la thèse que plus seront nombreux les citoyens à s'engager dans cette activité, plus ils seront en mesure de convaincre l'armée de participer à la prise du pouvoir, de neutraliser les forces covidistes et d'aider la population à appliquer cette méthodologie pour concevoir, développer et implémenter un système de démocratie directe en cinq ans.

La première étape de l'action à long terme consiste à créer une matrice nationale. Dans un premier temps (cf. actions à court terme ci-dessus) le site web de chaque matrice nationale pourrait notamment servir à centraliser les informations utiles à l'ensemble des com-K du pays (comme par exemple des informations juridiques).

La dimension court terme des com-K concerne donc la gestion journalière de la société, tandis la dimension long terme de la matrice K nationale traite la gestion structurelle de la société (notamment les investissements).

Une matrice K par État de la future Konfédération ? La logique est en fait de constituer une matrice K par langue nationale. Exemples : Canada : une matrice K francophone et une matrice K anglophone ; Belgique : une matrice K francophone et une matrice K néerlandophone. Une fois la démocratie directe installée on pourrait alors éventuellement assister à une reformation des États en États unilingues (exemple : France + Québec + Wallonie + Romandie + ...).

n_check

Infos

konfedera.org

top-of-page.png