Les mesures prises contre la propagation de l’épidémie ont-elles vraiment sauvé des vies ?

16/03/2021 (2021-03-16)

[Source : AgoraVox le média citoyen]

par Décoder l’éco

Nous sommes en 2021 et des mesures de restrictions continuent d’être appliquées dans une grande partie des pays occidentaux. Pour les gouvernements, il s’agit de la bonne façon de protéger les gens de l’épidémie. Dans les vidéos précédentes, nous avons vu de plein de manières différentes que la mortalité sur l’année 2020 n’est finalement pas impressionnante. On a vu que le nombre de décès en France en 2020 s’explique d’abord par le vieillissement des français.

---

Le nombre de décès en France augmente tous les ans depuis 2010 du fait du vieillissement de la génération des baby-boomers.

De plus, il n’y a pas eu d’épidémie sérieuse en 2019 et donc c’est une année avec très peu de décès.

C’est un peu pareil pour 2018 en atténué. L’année 2020 est donc ce que l’on appelle une année moisson pendant laquelle nous avons eu beaucoup de décès de personnes qui d’habitude seraient décédées un an ou deux ans plus tôt. Il s’agit donc d’un phénomène de rattrapage des années 2018 et 2019. Les années moissons ont lieu tous les 2 à 3 ans. Ce phénomène est détaillé dans cette vidéo.

C’est notamment pour cette raison que l’âge des personnes décédées de la Covid est très élevé.

Enfin, jusqu’ici la forte mortalité des années moissons était en partie compensée par une baisse régulière de la mortalité ce que l’on résume en disant que l’espérance de vie augmente. Depuis quelques années l’espérance de vie a commencé à stagner, comme si nous étions arrivés à une sorte de palier. Ce palier est peut-être naturel ou est peut-être le signe que la politique de santé reposant sur la rentabilité financière n’est pas la bonne. On détaille aussi ce phénomène dans cette vidéo.

Tous ces éléments sur la mortalité 2020 pour la France sont détaillés dans une dizaine de vidéos de ma chaîne. Le même type d’analyse commence à arriver dans des papiers scientifiques français ou d’autres pays comme la Belgique ou la Suisse par exemple. Puisque le phénomène des baby-boomers, la faible mortalité de l’année 2019 et la stagnation de l’espérance de vie ont touché quasiment tout le monde occidental, ces analyses vont se démultiplier avec l’arrivée des chiffres définitifs et complets pour l’année 2020.

Si vous lisez ou regardez les médias, vous avez pu voir les discours des politiques et des journalistes changer. Au fur et à mesure que tombent toutes les analyses de la mortalité dans les pays occidentaux, tout le monde se rend compte aujourd’hui que la catastrophe annoncée n’est finalement pas arrivée du tout. Pour mémoire, la catastrophe a été annoncé par des illuminés comme Neil Ferguson qui annonce la fin du monde à chaque grippe un peu sérieuse. En France, 400 000 morts de la Covid étaient annoncées sur l’année quelles que soient les mesures. Ajoutées aux 600 000 décès habituels, cela aurait dû faire 1 million de morts en France en 2020. On en a finalement eu 660 000. Pour le plaisir des yeux, on peut aussi se remémorer la prédiction du personnage à la levée du confinement.

A la fin de chaque confinement, il prévoit une reprise de l’épidémie qui entraîne un nouveau confinement. Pour lui, cette maladie est éternelle et ne respecte pas les codes des autres épidémies, elle continue donc l’été.

La réalité a été bien évidemment complètement différente. Voici les décès quotidiens qui ont finalement été enregistrés en France en 2020. On voit bien l’épidémie de printemps et l’épidémie de novembre.

On peut voir en rouge les périodes de confinement qui montrent que l’effet rebond n’a absolument pas eu lieu. On a eu en 2020 deux périodes épidémiques complètement distinctes. On verra en détail ce qu’on peut déduire de l’impact des mesures.

La plupart des politiques et journalistes ont arrêté de prétendre que 2020 a été une hécatombe, mais affirment maintenant que si le monde s’en est aussi bien sorti, c’est grâce à l’efficacité de leurs mesures. Ils se servent donc de ce raisonnement pour continuer à maintenir les restrictions en tout genre. Plutôt que de devoir prouver que les restrictions servent à quelque chose, ils les appliquent et annoncent la fin du monde si jamais on les enlève. Il faut bien se rendre compte de la stupidité et de la dangerosité de ce raisonnement. Si des gens coulent du nez et qu’un charlatan leur donne de la mort au rat en guise de médicament, vous aurez la moitié des gens qui vont mourir et le charlatan va en déduire : « ouf, heureusement que je leur ai donné mon médicament, vous avez vu comme ce virus était dangereux ! ». 

C’est ce type de raisonnement qui a justifié les saignées pendant des siècles. Heureusement depuis, on est passé à autre chose. Avec ce type de raisonnement, on peut aussi faire un sacrifice tous les jours pour que le soleil continue à se lever.

Il suffit de promettre la catastrophe si on arrête. Ce principe de faire peur, c’est la base du charlatanisme. Juste si on réfléchit 2 minutes. Lorsque l’on a une épidémie, que l’on prend des mesures et qu’au final on a plus de décès que d’habitude sur une courte période, on n’en déduit pas que les mesures sont bonnes et que le virus est dangereux. A minima, on en déduit que la combinaison virus-mesure n’est pas bonne du tout. Donc il serait peut-être temps de remettre en question les mesures prises.

Les défenseurs de ces mesures s’appuient toutefois sur des études scientifiques pour annoncer le nombre de vies sauvées grâce à leurs décisions. Dans cette vidéo, on va commencer par montrer que les études défendant les mesures et quantifiant les vies sauvées sont basées sur une arnaque intellectuelle. Les chiffres et modèles mathématiques ne sont pas utilisés pour comprendre un phénomène, mais ils sont dévoyés pour faire la promotion des mesures. On verra en détail l’arnaque dans un article publié dans la revue NATURE considérée comme l’une des plus grandes revues scientifiques de notre époque.

Dans la deuxième partie , on va regarder, ce qu’il se passe en France pendant les périodes épidémiques et ce que l’on peut déduire des mesures prises en 2020.

1. Casser la propagande des mauvaises études « scientifiques »

Aujourd’hui, l’idée que les mesures ont forcément un impact positif est durement ancrée dans tous les esprits. A la fois, le côté intuitif de se dire que si on empêche les humains de se voir, ils vont moins se contaminer influence notre jugement objectif, mais, bien plus grave, un certain nombre d’articles parus dans de grands journaux scientifiques défendent cette thèse. Tous les articles que j’ai pu lire sur le sujet ont la même structure et les mêmes erreurs de raisonnement. Il me paraît assez étonnant de constater que soit, personne ne comprend rien à ce qu’est une modélisation, soit tout le monde ferme les yeux et fait semblant de ne pas voir que tout le raisonnement est pris à l’envers.

Pour vous le montrer, je vais partir d’un exemple qu’une personne m’a envoyé en commentaire d’une de mes vidéos.

 Je vous invite à lire cette étude qui respecte parfaitement les codes des articles scientifiques et qui a été diffusé par le très grand journal Nature. Cette étude fait le constat que les mesures appliquées depuis un an maintenant par une grande partie des pays du monde, en tout cas, ceux qui vivent au rythme de la télé, ont eu des coûts économiques et sociaux énormes. Cette étude prétend donc faire un exercice pour évaluer le nombre de vies sauvées par les mesures prises et ainsi démontrer l’intérêt des gestes barrières ou du confinement.

Les chercheurs utilisent pour cela une méthode qui estime le nombre de personnes qui n’ont pas été contaminées grâce à la mise en place des mesures.

Il faut saluer la volonté de recherche, parce que c’est une vraie question. En revanche, on va voir que la méthode utilisée met des paillettes plein les yeux, mais que c’est une arnaque intellectuelle.

Premier problème : l’utilisation de données de mauvaise qualité

Si vous suivez mes vidéos, vous savez que je n’utilise qu’un seul type de données : les décès remontés à l’état civil français. Pour cela j’ai 2 sources. Le site de l’Insee propose les statistiques des décès quotidiens, avec plein de croisements possibles. Sur data.gouv.fr, on peut récupérer directement les fichiers sources, à savoir les enregistrements des décès à l’état civil depuis 1970.

Avec ces sources, j’ai tous les décès, tout français qui décède est compté. C’est donc la même méthode qui s’applique depuis 1 demi-siècle pour tous les français. Sur ces décès, depuis 50 ans, on voit des pics qui correspondent aux épidémies ou aux canicules. A chaque fois j’ai l’âge des gens et l’endroit où ils sont morts. Cette méthode permet de faire de la statistique sérieuse sur long terme. En plus, avec les données du recensement de la population, on sait aussi de manière très précise le nombre de personnes vivantes en France depuis 50 ans. Pareil, pour faire des comparaisons ou des modèles, on est très solides.

Dans l’article de NATURE, les données utilisées ne sont absolument pas solides et ne peuvent être comparées à rien de connu. Il s’agit du nombre de personnes considérées comme infectées par la Sars-Cov2 remontés par les différents pays.

Pour savoir qui est infecté par ce virus, il n’y a pas d’autre solutions que de se fier aux résultats des tests remontés par les différents pays.

Dans la vidéo précédente, j’ai expliqué dans le détail pourquoi les résultats des tests ne permettent pas de connaître le nombre de personnes infectées dans un pays. C’est un très mauvais indicateur qui rend d’emblée fausse l’analyse.

Pour mémoire on ne peut pas du tout additionner les résultats de tests sur un même pays ni faire des comparaisons dans le temps avec ces données et encore moins comparer ce qu’il se passe d’un pays à l’autre :

1. Les tests ne sont pas du tout réalisés tous les jours sur toute la population. A partir du moment où on commence à trouver des personnes positives, on en a fait un peu plus tous les jours. Fatalement plus on fait de test, plus on trouve de cas positifs et de faux positifs.
2. En plus du nombre, la stratégie des tests a aussi évolué. Au début, en mars-avril on ne testait que les personnes pour qui on avait des soupçons. Donc on trouvait un taux de positivité bien plus élevé que la réalité dans la population, puisqu’on ne testait que ceux dont on pensait déjà qu’ils étaient positifs. Ensuite l’été en choisissant de tester tout le monde après l’épidémie, on a trouvé beaucoup de négatifs et les positifs étaient certainement pour beaucoup de faux positifs. En septembre, nous avons eu une pénurie de tests et la stratégie est redevenue ciblée donc ne reflétant pas la population totale. Cet hiver tout le monde a pu se faire tester, donnant l’impression d’une chute du taux de positivité, alors qu’il s’agissait juste d’un changement de stratégie.
3. La technologie de test n’est pas non plus la même partout. Le type de test utiliser, et même dans le cas des RT-PCR, les choix d’amorces faits par les labos vont nécessairement donner des résultats différents. Ainsi, sommer les résultats de tests différents qui ont des résultats différents ça n’a pas de sens. Il ne s’agit pas des mêmes tests.
4. En plus de la technologie, les méthodes d’interprétation des tests ne sont pas les mêmes partout et ont pu changer au cours du temps, notamment avec des préconisations du nombre de cycles. Non seulement on ne peut rien additionner proprement, mais on ne peut même pas comparer les nouveaux résultats aux anciens.
5. Même au sein du même pays, tous ces paramètres sont différents selon les régions, avec les ARS qui interviennent et les labos de manière plus ou moins marqué selon les choix personnels de chefs et la pression politique.

Il faut insister sur ce point, les résultats de tests ne sont pas un bon indicateur statistique. Ils n‘ont juste pas été conçu pour ça. Les tests sont un élément de diagnostic individuel. Santé publique France les publie uniquement pour donner une idée des grandes tendances, pas pour quantifier les malades. 

On sait donc déjà que les données sont mauvaises, mais ça n’empêche pas de travailler, j’ai déjà vu pire, surtout dans les articles médicaux. Savoir qu’on a des données pourries, mais qui ne sont pas inventées de toutes pièces, c’est déjà pas mal. Petit clin d’œil au Lancet et sa super étude à charge contre l’hydroxychloroquine.

Maintenant on passe au vrai problème : l’arnaque du modèle.

Deuxième problème : l’utilisation dévoyée du modèle mathématique

Le bon cheminement lorsque l’on fait des statistiques un peu poussées pour étudier un phénomène, c’est d’analyser les données que l’on a pour en déduire un modèle. Dans le cas précis de l’épidémie, le cheminement logique serait de regarder nos données et de comprendre la courbe de propagation. On analyse ce que l’on voit dans chaque pays pour estimer d’abord la manière dont se propage l’épidémie, puis les différents facteurs qui peuvent avoir un lien avec la propagation. C’est compliqué parce que beaucoup de facteurs jouent et qu’on a vu que la qualité des données est très mauvaise, mais c’est une démarche de connaissance. Pour ce faire, il faudrait notamment prendre des pays qui confinent et des pays qui ne confinent pas, comme la Suède.

Ici les auteurs font exactement l’inverse. Ils supposent déjà connaître le modèle de propagation de la maladie et ensuite ils disent que si la propagation que l’on constate ne correspond pas au modèle, c’est grâce aux mesures qui sont prises. Evidemment, ils ne prennent dans leur analyse que des pays qui ont confiné.

Dans le détail, il y a carrément 2 arnaques dans le raisonnement du papier, une dans chaque partie.

Première arnaque : présupposer le modèle de propagation

Pour obtenir leur modèle, les auteurs disent savoir à l’avance le type de courbe que suit la propagation épidémique. C’est ce que l’on appelle faire de la statistique paramétrique. On connaît déjà la fonction et on cherche juste ses paramètres. C’est une technique utilisée en économie comme c’est d’ailleurs précisé dans cet article. En économie, on a en effet beaucoup de recul et de données pour avoir bien bossé des modèles. Pourtant ils ne marchent pas de façon géniale, sinon le métier de trader n’existerait plus et on n’aurait plus de crise financière. Lorsque l’on fait des statistiques médicales, on n’est pas vraiment sensé faire de la statistique paramétrique. On doit plutôt faire des statistiques non-paramétriques, c’est-à-dire ne pas supposer déjà savoir comment ça se passe. Rien qu’ici les auteurs dévoient déjà le principe de modélisation.

Ils font donc de la statistique paramétrique en affirmant qu’une épidémie suit toujours une loi exponentielle. Une exponentielle, c’est ce qui arrive si l’on considère que chaque personne va en contaminer d’autres régulièrement.

Par exemple, si chaque contaminé contamine une personne chaque jour. Le premier jour, on a 1 contaminé. 2 le deuxième jour, 4 le 3e jour, puis 8, 16, 32, 64 etc…

On voit des exponentielles lorsque l’on fait des expériences en laboratoire. Dans la nature, c’est plus rare. Dans la vidéo précédente, je vous ai montré que pour faire le test RT-PCR, on déclenche une réaction exponentielle. Pour réussir, on met plein de produit réactif dans un tube à essai, on chauffe et on mélange très fort. C’est la seule manière d’avoir une exponentielle en début de réaction, il faut beaucoup de produits au même endroit en mélangeant fort pour qu’ils réagissent entre eux.

Pour les virus, c’est pareil. Si vous voulez avoir une réaction exponentielle à l’échelle d’un pays, il va vous falloir tous les jours récupérer vos malades et les balancer par hélicoptère au milieu de gens qui n’ont jamais attrapé la maladie, qui y sont sensibles et forcer tout ce petit monde à se faire des plein de bisous. Si vous n’apportez pas tous les jours des gens sains à proximité des malades, de plus en plus vite, vous n’aurez pas d’exponentielle.

Imaginons un virus qui se propage de façon exponentielle parmi des humains qui vivent à proximité les uns des autres. On va faire une exponentielle à base 2. C’est-à-dire que notre nombre d’infectés va doubler tous les jours. C’est ce qui se passe si chaque malade infecte une personne saine chaque jour.

On a notre 1er infecté le premier jour, il va en contaminer 1 autre. On a donc 2 malades au 2e jour. Chacun en contamine un nouveau. On en aura 4 au 3e jour. Puis 8, puis 16, puis 32, puis 64. Arrivé à 128, on se rend compte d’un problème. Pour réussir à faire 128, il faut réussir à contaminer des humains qui sont plus loin. Il faut donc imaginer des déplacements des contaminés vers l’extérieur pour améliorer la cadence. Pour faire 256, c’est pire. Il faut réussir à contaminer d’un coup 3 couches supplémentaires d’humains sains.

Plus ça va pire c’est. Pour faire 512, il faudrait contaminer 3 couches d’un coup. Il faudrait carrément que nos malades fassent des sprints toute la journée pour trouver des nouvelles personnes à contaminer Pour aller à 1024, ce serait 5 couches, là il faudrait des vélos, pour aller à 2048, 7 couches, il faudrait faire la contamination en voiture. Plus on avance et pire c’est. Pour suivre l’exponentielle 15 jours, il faudrait mettre en place une sacrée logistique pour être sûr de mélanger tout le monde.

La propagation exponentielle, autant ça peut exister en laboratoire, autant dans la vraie vie c’est assez peu crédible. Dans un pays comme la France par exemple qui est au bout du bout du continent, le plus souvent les maladies arrivent par l’est ou par le sud.

La progression de l’épidémie a donc peu de chance de ressembler à une exponentielle. On va plutôt voir une vague qui avance sur le territoire et qui ne touche d’ailleurs jamais le territoire en entier de façon uniforme.

Ça dépend de la météo, de la période de l’année et d’un tas de facteurs qu’on ne maîtrise absolument pas. Quand l’épidémie arrive dans un endroit très peuplé comme l’Île-de-France, les contaminations s’accélèrent puisqu’il y a plus monde au même endroit, et quand elle traverse la campagne, cela ralentit.

Si on reprend notre exemple, une propagation par vague, cela se passe comme si le virus se déplaçait sur le territoire, non pas en accélérant, mais plutôt à une vitesse constante.

On peut avoir une propagation de type linéaire. C’est-à-dire que l’on imagine l’épidémie arriver comme une vague et se propager en ligne.

Dans l’exemple, elle arriverait de l’Est et avancerait vers l’Ouest. On aurait ainsi chaque jour à peu près le même nombre de contaminés.

 Un peu plus quand la vague arrive en ville et un peu moins en campagne.

On peut aussi avoir une propagation de type carrée. Ici on imagine que le premier va contaminer la couche autour de lui.

Le 2e jour, on a donc 9 contaminés. On peut voir que ce type propagation démarre plus fort que l’exponentielle, mais elle va croître beaucoup moins vite. Le 3e jour on aura 25 contaminés. Puis 49, 81, 121 etc. Cette propagation ne suppose pas que les gens ont besoin d’être déplacés de plus en plus vite pour en contaminer de nouveaux.

La propagation linéaire arriverait par exemple si l’épidémie arrive en ligne d’un pays voisin, alors que la propagation au carré arriverait si des contaminations avaient lieu de façon parachutée sur le territoire, par exemple avec des passagers d’avions.

On a donc 3 propositions de modèle, l’exponentielle, la loi linéaire ou la loi carrée. Pour savoir quel modèle à la plus de chance de ressembler à la réalité, on peut regarder ce qu’il s’est passé depuis 50 ans en France du point de vue de la mortalité pendant les épidémies. Observe-t-on plutôt des exponentielles, des loi linéaires ou des lois carrées ? La différence entre les 3 est énorme. Voici un graphique avec ce que donne une propagation exponentielle, une propagation au carré et une propagation linéaire. Tous les raisonnements qui défendent les mesures prises sont basés sur la propagation exponentielle. Si c’est faux, tous les modèles s’effondrent.

Si on trace la courbe des décès pour chaque cas, exponentiel, carré ou linéaire, voici ce que cela donne.

L’exponentielle est en bleue, elle démarre doucement puis fini par s’envoler. La carrée est en gris. Elle démarre plus rapidement que l’exponentielle, mais finit par se faire rattraper et dépasser. La plus rapide au début en orange est la courbe linéaire. Elle peut démarrer fort, mais se fait toujours dépasser par les 2 autres.

Voici les décès enregistrés en France depuis 50 ans. Je vous ai mis en rouge l’année 2020. La courbe orange derrière c’est l’année 1969 et sa célèbre grippe de Hong-Kong pendant laquelle on n’a pas vécu la psychose de cette année, alors qu’elle a fait bien plus de décès en proportion.

Je vous rappelle qu’en 1969, il n’y avait que 50 millions de français contre 65 millions en 2020 aujourd’hui. Mais encore pire, en 1969, il n’avait que 6,8 millions de plus de 65 ans contre 12,7 millions en 2020. Le pic en vert, c’est la canicule de 2003. C’est le record absolu du nombre décès sur une seule journée en France.

Enfin, attention de ne pas se faire avoir avec le graphique. Il donne l’impression que les français ne meurent que pendant les périodes épidémiques. Il a donc l’air impressionnant. Il ne faut pas oublier que depuis 50 ans, il y a en fait 1500 personnes qui décèdent en France tous les jours. Pendant les épidémies, on ne passe pas de 0 à 2500, mais de 1500 à 2500.

On peut d’ailleurs noter que depuis 1968, le nombre de personnes qui décèdent en période calme est très stable, autour de 1500. Ce qui a évolué c’est que plus on a de personnes âgées, et plus on voit les bosses en période épidémique. Conclusion, plus on a de personnes âgées et fragiles, plus on verra de décès concentrés en période épidémique, rien de plus normal.

On va essayer de trouver si on voit des exponentielles dans ce graphique. La méthode pour identifier une exponentielle est assez simple, il suffit de calculer l’augmentation des décès d’un jour à l’autre. On fait donc juste une soustraction entre le nombre de mort de chaque jour, avec le nombre de de morts de la veille.

Sur notre exemple, on peut voir que si les décès suivent une exponentielle, alors en faisant la différence par rapport à la veille, on va retrouver une exponentielle. Si vous avez fait des maths, ce qu’on est en train de faire, c’est ce qu’on appelle la dérivée. La dérivée d’une exponentielle, c’est une exponentielle. Si les décès suivent une loi carrée, alors en faisant la différence on tombe sur une courbe linéaire, soit une droite oblique. Si les décès suivent une loi linéaire, alors on verra quelque chose de plat.

Vu la complexité des modèles mathématiques proposés dans l’article de Nature, je pense que ces scientifiques maitrisent la soustraction pour vérifier, a minima, qu’ils ne racontent pas des bêtises.

Voilà ce que ça donne sur les décès depuis 50 ans en faisant la soustraction du nombre de décès chaque jour avec la veille.

Globalement, on ne voit pas grand-chose. Les grands évènements qui font vraiment beaucoup de morts, sont les canicules l’été, comme celle de 2003 ou des crashs d’avions.

On constate surtout que le nombre de décès en France peut augmenter ou diminuer de 200 d’un jour à l’autre sans que l’on puisse constater que ça soit anormal. Aussi, tous les épisodes de mortalité épidémiques ont l’air d’avoir une progression entre 0 et 200 de plus par jour, ce qui est finalement du même ordre que les variations habituelles. Cela suggérerait pour l’instant, non pas une exponentielle, ni même en loi carrée, mais carrément une progression linéaire de la maladie comprise entre 0 et 200.

Pour y voir un peu plus clair et chercher plus finement une exponentielle, on va faire 2 choses. On va faire un lissage, c’est-à-dire qu’on va faire une moyenne du nombre de décès de chaque jour avec le jour précédent et le jour d’après. Cela va permettre de diminuer les variations naturelles d’un jour sur l’autre dû au hasard. On va aussi zoomer en ne gardant que des années où l’on sait qu’on a eu de fortes épidémies, pour essayer d’y voir quelque chose. Je garde donc 1969, 2012, 2015, 2017 et 2020.

On voit un peu mieux, ici on sait juste que d’un jour sur l’autre le nombre de décès lissé varie de plus ou moins 50 et que c’est normal. Donc pour identifier une période épidémique, il faut que l’on ait une augmentation sur plusieurs jours d’affilée. Pour regarder cela, on va toujours regarder la différence, mais on va faire la moyenne sur 4 jours. De cette façon, si on a une alternance de + 50 et -50, on trouvera 0. Si on a plusieurs jours d’affilée d’augmentation, on le verra mieux.

Voilà le graphique total, sur lequel on observe toujours que les augmentations n’ont pas l’air de suivre des lois exponentielles. Du côté des épidémies hivernales, il n’y a qu’au moment de la grippe de Hong-Kong et l’épidémie de Covid de printemps où on peut voir une progression qui sort un peu du lot. Si on la regarde en détail, on voit une belle ligne droite qui suggère une loi carrée.

Pour la grippe de Hong-Kong cela correspond à ce que certaines analyses ont faites de l’épidémie, à savoir qu’elle s’était répandue plus vite grâce aux transports par avions qui se démocratisaient.

Les creux que l’on voit sont en partie à cause des différences entre le week-end et le lundi. Pendant la Covid, la majorité de la surmortalité est venue de décès à domicile. On a donc beaucoup de remontées de décès lorsque les médecins constatent les décès les lundis et beaucoup moins le week-end. Même en faisant le lissage, la différence est tellement forte que l’on ne s’en débarrasse pas totalement.

On reviendra quand même en détail sur les hausses de mortalité pendant cette période dans la deuxième partie de la vidéo. On verra qu’elles ont lieu à des dates étonnamment bien connues.

Si je vous mets le graphique total France métropolitaine depuis 50 ans, vous pouvez voir qu’on n’a jamais vu de maladie que se propageait de manière exponentielle.

Quasiment tout ce qu’on peut observer relève plutôt d’une propagation linéaire. Les courbes sont en effet très plates et seule la grippe de Hong-Kong de 1969 et la Covid de printemps ont pu suivre une propagation au carré. La Covid de la Toussaint respecte très bien le principe de loi linéaire.

Donc supposer un modèle exponentiel, et dire que ce modèle est valable jusqu’à ce que presque toute la population soit infectée, cela n’a pas le moindre rapport avec la réalité de ce que l’on observe pour les autres maladies depuis 50 ans. Il paraît donc tout à fait normal que la Covid-19 respecte ce schéma, sans avoir à imaginer que les mesures ont un quelconque rapport avec ça.

Donc soit les auteurs sont complotistes et suggèrent en fait que c’est un virus d’un genre nouveau créé dans un laboratoire ultramoderne et qui réussit à se déplacer à une vitesse supersonique, soit ils se sont complètement plantés de modèle. Peut-être qu’ils ne comprennent pas ce qu’ils sont en train de faire, ou peut-être qu’ils ont écrit ce papier uniquement pour défendre les mesures actuelles.

La première arnaque de ce papier c’est donc de dire que la propagation du virus est exponentielle, sans le prouver et sans préciser que c’est contraire à ce qu’on sait des propagations épidémiques.

Un fois que nos auteurs ont affirmé que le virus va se propager de manière exponentielle, ils doivent calculer les paramètres de leur exponentielle.

Pour ce faire, ils n’utilisent que les toutes premières données d’infections, celles qui ont lieu entre le moment où on démarre les tests et le confinement. En effet, puisqu’ils veulent montrer que le confinement casse l’exponentielle, ils ne peuvent utiliser que les résultats de tests qui ont lieu avant. Ils corrigent quand même ces données en prenant en compte les gestes barrières et la distanciation. Pour les auteurs, la propagation serait nécessairement plus haute sans ces mesures, leur modèle en rouge est donc supérieur à la réalité. Pour résumer, les auteurs calent un modèle hyper structurant sur uniquement quelques jours, avec des données que tout le monde sait médiocres. D’ailleurs ils précisent que ça ne marche pas génial et que quand les données étaient vraiment trop loin de leur supposé modèle, ils ont considéré que c’est parce qu’elles étaient mauvaises et les ont enlevées.

Ils remarquent aussi que d’un pays à l’autre les soi-disant exponentielles sont très différentes. Ils en déduisent que c’est dû aux spécificités des habitants et pas du tout à la qualité des statistiques, ni de leur modèle. C’est bien pratique.

On a donc une exponentielle qu’ils calent sur le début. Si on reprend notre exemple, une exponentielle c’est assez plat au début, donc c’est difficile de distinguer les paramètres là-dessus. On peut aussi facilement la confondre avec une loi carrée si les données sont médiocres comme ici.

Si on demande à la machine de caler une exponentielle sur les 20 premiers jours, elle trouvera les paramètres qui collent le mieux. Si on demande à la machine de caler une loi linéaire ou carrée sur ces mêmes jours avec les mêmes données, elle donnera également les meilleurs paramètres. On peut avoir dans les 3 cas une très bonne précision avec les mêmes données. La moindre des choses c’est d’essayer plusieurs solutions et de prouver que l’on a choisi la meilleure.

A ce stade, l’article a supposé une loi exponentielle qui n’existe jamais et a calé son modèle sur un tout petit nombre de données que l’on sait mauvaises et qui ne sont pas cohérentes entre elles. Mais ce n’est pas encore le pire.

Deuxième arnaque : attribuer les différences aux mesures de confinement

Enfin arrive la plus grosse arnaque du modèle, celle qui consiste à dire que si la courbe réelle des personnes infectées est différente de la courbe du modèle, c’est parce que les mesures fonctionnent. C’est ce qu’il y a dans la deuxième partie du papier avec les graphiques bleus et rouges. La partie rouge, c’est la poursuite de l’exponentielle que les auteurs ont calculée. Le trait noir c’est ce qui s’est passé et le trait bleu c’est le modèle des auteurs en prenant en compte les présupposés bénéfices du confinement.

Comme on l’a vu dans l’exemple les lois exponentielles et carré peuvent être confondues au début. Il est assez facile de construire une loi carrée qui est exactement pareille que la loi exponentielle pendant une vingtaine de jour et qu’ensuite elles se séparent. C’est exactement ce que font les auteurs.

Quand ensuite ils constatent que la courbe rouge se sépare de la courbe noire, cela ne prouve absolument pas les effets des confinements, mais juste que le modèle exponentiel ne colle pas.

Cette démarche des auteurs est d’une malhonnêteté intellectuelle très grave. La base de la statistique c’est que les faits n’expliquent pas les causes. Lorsque vous mesurez quelque chose, vous ne pouvez pas savoir d’emblée d’où vient ce résultat. Coller un modèle exponentiel pour ensuite dire qu’il ne correspond pas à la réalité et conclure qu’on a sauvé des vies c’est honteux.

La supposition hyper forte que fait l’article caché derrière son modèle, c’est que le confinement déclenche la fin de la propagation exponentielle sans apporter aucune preuve que l’exponentielle existe, ni que les mesures ont un impact.

Derrière, toutes les soi-disant vies sauvées prouvées par l’article, ne sont que le résultat des données pourries et des suppositions prises pour faire le modèle : propagation exponentielle de la maladie jusqu’à ce que presque toute la population soit infectée et efficacité des mesures sans jamais le prouver.

La plupart des articles avec un modèle mettent en place la même arnaque. J’en ai lu un certain nombre sur des sujets médicaux. Ils proposent un modèle sorti du chapeau, ils mettent les résultats que l’on observe en face et ils déduisent l’efficacité de leur produit miracle.

D’ailleurs tous les pays de l’étude ont mis en place un confinement, cela permet aux auteurs de ne pas se confronter à des pays comme la Suède, qui ont le même type de courbe sans jamais avoir confiné.

Pour conclure sur cette première partie, il n’existe pas d’analyse avec des données solides qui aujourd’hui montre l’efficacité des mesures.

Un modèle mathématique, ça n’est ni bien, ni mal, c’est juste le résultat de ce que l’on met dedans. On doit s’en servir pour essayer de comprendre la réalité, pas s’en servir pour cacher un raisonnement fallacieux.

Passons maintenant à la deuxième partie, j’espère avoir été clair sur le fait qu’aucune étude avec modèle ne montre quoi que ce soit sur l’intérêt du confinement. On va regarder ce qu’il s’est passé en détail en France pendant des périodes épidémiques, du point de vue de la mortalité, pour essayer de déduire ce que l’on peut sur les mesures.

1. Que voit-on en France sur la propagation des virus et que peut-on en déduire sur les mesures ?

Aujourd’hui, l’idée que les mesures ont forcément un impact positif est durement ancrée dans tous les esprits. Dans la première partie, on a montré que les études essayant de le prouver utilisent des données pourries et un raisonnement fallacieux.

Ici on va regarder ce qu’on peut dire des épidémies en France, sans préjuger savoir comment une épidémie se propage, et en utilisant la statistique beaucoup plus fiable de la totalité des décès sur le territoire de France métropolitaine.

Pour ça on va regarder ce qu’il s’est passé en France pendant 4 périodes de mortalité dues à des épidémies. On va regarder la grippe de 2015, la grippe de 2017, La covid de printemps 2020 et la Covid de Toussaint 2020. On va se focaliser sur les plus de 65 ans, car ce sont les seuls âges pour lesquels on a observé une surmortalité pendant la Covid.

Plus précisément, on va regarder la surmortalité, c’est-à-dire les décès en plus que ceux que l’on a d’habitude. Pour référence à chaque fois, j’ai pris le mois de juin. C’est un mois toujours très bas, car il n’y jamais d’épidémies, ni de canicules qui augmentent la mortalité en juin.

On observe déjà que dans les 4 cas, la période pendant laquelle le nombre de décès augmente dure environ un mois. De manière très simple avec ce constat, on ne voit pas du tout d’effet de mesure qui ralentirait la progression épidémique. On a une montée qui dure un mois et ensuite, le nombre de décès descend. Si on est au printemps, le nombre de décès descend jusqu’à son niveau de printemps puis d’été. Si on est au début de l’hiver, le nombre de décès descend un peu, mais reste plus élevé qu’en été avec toutes les maladies hivernales qui traînent.

Voyons un peu dans le détail comment se propagent les épidémies en France à un niveau plus fin. Avec les fichiers de décès on a la commune de décès des français. On peut donc faire les regroupements que l’on veut. Le niveau département est un peu petit, c’est un peu pénible d’étudier 100 territoires à la fois. Le niveau région est un peu gros, j’ai pris un intermédiaire en choisissant les anciennes régions, avec un petit raffinement pour l’Île-De-France en la séparant en 3 zones : Paris, IDF Est et IDF Ouest.

Voici ce que cela donne pour la grippe de 2015. On observe ici la surmortalité en France entre janvier et mars 2015.

On voit que les régions ne sont pas touchées avec la même intensité, mais surtout qu’elles ne sont pas touchées en même temps. Les régions du Sud ont été les premières touchées. Voici donc la chronologie de la propagation.

Le 20 janvier, on constate une augmentation de la mortalité dans les 5 régions du Sud. Sur ces territoires, il faut entre 5 et 15 jours pour arriver au maximum de la mortalité. Cela dépend du temps que la propagation met à atteindre les territoires les plus peuplés de chaque région.

La région PACA qui est la première touchée est celle qui connaîtra la plus forte hausse de mortalité.

Il faut aussi avoir en tête que les décès sont probablement décalés de 15 jours à 3 semaines par rapport aux contaminations.

Autour du 25 janvier, on voit la mortalité augmenter aussi dans 3 régions un peu plus au nord. C’est le signe d’un probable décalage de l’épidémie et donc d’une remontée. Pendant ce temps, le nombre de décès continue à augmenter dans les premiers territoires touchés.

Autour du 27 janvier, on voit l’épidémie atteindre l’Ile-de-France. Aussi bien Paris que les départements limitrophes. Ainsi, La propagation semble faire un saut, ce qui pourrait correspondre à des contaminations dues aux nombreux échanges parisiens avec le reste de la France et du monde.

Fin janvier, la surmortalité commence à être visible dans les parties Nord et Est de la France.

Début février, la surmortalité remonte au Nord et avance vers l’Ouest, ces territoires seront finalement assez peu touchés.

Les dernières régions connaissent une hausse de la mortalité à partir de la mi-février.

En conclusion, on a donc vu que l’épidémie de grippe 2015 semble être arrivée par le Sud, qu’elle met une grosse quinzaine de jour à se propager partout au sein d’une région, et qu’elle met également une grosse quinzaine de jour à se propager sur toute la France. Finalement, la propagation totale met donc un mois. Les premières régions touchées sont celles qui ont la plus forte mortalité.

Pour l’épidémie de grippe 2017, on va raconter presque la même histoire.

La première différence avec 2015 est que l’origine de l’épidémie est plutôt à chercher à l’Est. La région Rhône-Alpes est la première à connaître une surmortalité. Comme pour ce que l’on a vu en 2015, c’est la première région touchée qui connais la plus forte mortalité.

La mortalité va ensuite augmenter progressivement vers le Sud et le Nord, puis l’Ouest. Les derniers territoires touchés sont la Bretagne et les Pays de la Loire, et cette fois-ci la Corse.

On voit que le pic met aussi environ 15 jours à être atteint dans une région à partir du moment où cela commence à augmenter. Enfin, mis à part la Corse, toutes les régions concernées par l’épidémie sont touchées en 15 jours également.

La principale différence avec l’épidémie de 2015 vient du fait que beaucoup de régions ne seront pratiquement pas touchées par l’épidémie. En particulier, plus l’épidémie arrive tard et moins l’intensité est importante, les derniers territoires touchés ont ainsi peu de décès. Ainsi tout se passe comme si les conditions n’étaient plus réunies pour que la maladie fasse beaucoup de décès. Cela peut venir de la météo, du comportement des gens, des congés ou d’autre chose. On apprend surtout qu’une épidémie ne se comporte pas de façon uniforme sur le territoire.

Passons maintenant à l’épidémie de Covid de la Toussaint 2020.

On se retrouve dans la même configuration que l’épidémie de grippe 2017. Elle démarre en Rhône-Alpes et se déplace ensuite dans toutes les directions et en particulier vers le Sud. On observe une vitesse de propagation à l’intérieur des régions pour atteindre le pic similaire à d’habitude et des passages d’une région à l’autre qui se font tranquillement. Donc, toutes les mesures barrières, les masques, la distanciation, le couvre-feu, font que la propagation a exactement la même forme que d’habitude.

On observe aussi, que comme l’épidémie de 2017, toutes les régions ne sont pas touchées. Il est utile de rappeler à ce moment que puisque l’on ne meurt qu’une seule fois, les régions qui ont eu une forte surmortalité au printemps, notamment l’Île-de-France et l’Alsace-Lorraine, n’en ont pas à la Toussaint. Cela donne une idée de l’espérance de vie des personnes décédées de cette maladie au printemps.

Pour finir d’enfoncer le clou, mettons les dates de confinement pendant cette période.

Sachant qu’il faut compter entre 15 jours et 3 semaines entre la contamination et le décès, on peut décaler de 15 jours nos courbes par rapport au confinement pour avoir une idée des contaminations.

Il est donc clairement visible que ce confinement a eu lieu complètement après la bataille. Tous ceux qui vont perdre leur entreprise, ou ont perdu un proche isolé à la suite de cette décision doivent rigoler un bon coup en voyant cette courbe.

Finissons par l’épidémie de mars-avril, qui rappelons-le est la seule pour laquelle on soupçonne une vitesse de propagation supérieure à d’habitude : une loi carrée plutôt qu’une loi linéaire.

On voit nettement dans cette propagation que l’épidémie est arrivée de l’Est. En Alsace puis en Lorraine avec quelques jours de décalage, l’épidémie suit son cours normal, avec une augmentation classique du nombre de décès. Les régions d’Île-de-France, et de Rhône-Alpes sont atteintes en même temps que la Lorraine. Rhône-Alpes voit une augmentation classique de son nombre de décès. En revanche les territoires parisiens sont anormalement hauts. Le nombre de décès augmente bien plus vite que d’habitude sur ces territoires.

Pour mémoire, je remets les dates de confinement du mois de mars.

Encore une fois, puisqu’il y a environ 15 jours entre le moment de la contamination et le décès, voilà ce que ça donne si on décale les courbes.

Donc au moment où le confinement est décidé, la propagation épidémique a déjà eu lieu sur tous les territoires concernés et commençait à ralentir. On est plus de 15 jours après le début de l’épidémie. On peut donc supposer comme pour tous les autres cas qu’elle a voyagé en France et au sein des territoires déjà touchés. Pour le dire clairement, c’est bien trop tard pour espérer sauver quelqu’un. Toutes les courbes des territoires touchées suivent le même type de cloche que d’habitude.

Concernant la fin de mortalité de l’épidémie, je constate que depuis 50 on a vu qu’une seule fois de la surmortalité pendant le mois de mai, en 1979. Il faut rappeler que cette année-là, il a neigé début mai. La météo était donc exceptionnelle et a pu favoriser le maintien de la mortalité hivernale jusque tard dans l’année.

Je vous rappelle qu’à partir du mois d’avril 2020 et pendant tout le confinement, les enfants ont pu aller jouer dehors. Le redoux signant habituellement la fin de la surmortalité hivernale, la fin de l’épidémie est on ne peut plus classique.

A ce stade, je ne vois pas comment on pourrait conclure d’un lien entre une baisse de la propagation ou la fin de la propagation et les mesures. En revanche ce n’est pas la même chose pour la mortalité. Reprenons le graphique avec les dates de confinement réalisés et en ne gardant que les territoires les plus touchés.

Est-ce qu’il n’existerait pas un lien entre les mesures prises et une mortalité plus élevée que d’habitude ? On remarque assez fortement que la période entre 17 mars et le 23 mars correspondant à la mise en application des plus fortes mesures prises est parfaitement synchronisée avec l’augmentation des décès.

Donc plutôt que d’affirmer que les mesures sont bénéfiques et que si on ne le met pas, il va y avoir une hécatombe, il faudrait plutôt le prouver.

Rappelons ici les mesures structurantes qui ont été prises :

1. Le confinement, c’est-à-dire une limitation extrême des mouvements et l’ordre à tous les français de rester chez eux.
2. L’interdiction aux médecins de ville d’appliquer leur art, autrement-dit de proposer des traitements pour limiter le risque de complication. Le débat s’est focalisé sur l’hydorxychloroquine, mais l’interdiction ne se limite pas à cette molécule, mais à toute substance en dehors du doliprane.

L’impact du confinement

On a vu un peu avant que les différentes périodes de confinement arrivent en décalage avec l’épidémie. C’est normal puisque le confinement total arrive à partir du moment où on commence à avoir des décès dans la population. Seulement à partir du moment où on note des décès, c’est que le virus circule déjà depuis au plus de 3 semaines. Il a donc eu tout le temps de se propager sur le territoire français. Encore une fois, on ne voit aucun signe d’une vitesse de propagation de cette épidémie qui serait différente d’avant. Rappelons à ce stade qu’il n’y avait en mars-avril, ni masques, ni gel hydroalcoolique et la mode des gestes barrières n’avait pas percé non plus. Tous les travailleurs s’en souviennent je pense.

Cherchons donc quels liens on peut trouver entre le confinement strict et la mortalité.

Beaucoup d’internaute m’ont dit que le confinement strict avait permis de sauver de nombreuses vies par l’absence des accidents de voiture. C’est un argument intéressant qui mériterait un courrier à la sécurité routière. Finalement la méthode est simple pour diminuer la mortalité sur les routes, pourquoi n’y a-t-on pas pensé avant ? Plus sérieusement, il y a environ 3 600 décès sur la route par an en France, cela fait 300 par mois, cela fait environ 600 décès sur la période de confinement. Les ¾ de ces décès concernent des moins de 65 ans.

C’est normal, car ce sont plutôt les moins de 65 ans qui prennent leur voiture tous les jours pour aller au travail. La Covid au contraire touche les plus de 65 ans. On a donc sauvé une partir des 600 décès possibles, mais en écrasante majorité des jeunes, alors qu’ils ne risquent rien avec la Covid.

Maintenant, comparons avec d’autres effets de cette politique du rester chez soi. Le 7 mai 2020, dans son bulletin épidémiologique, Santé publique France tire la sonnette d’alarme sur le renoncement au soin.

Devons-nous être surpris de constater que lorsque l’on fait peur aux gens en leur ordonnant de rester chez eux, ils obéissent ? Ils obéissent tellement bien qu’ils ne vont pas à l’hôpital lorsqu’arrivent les signes d’un AVC ou d’un infarctus. En France, on dénombre environ 120 000 infarctus par an, cela fait 20 000 pendant la période de confinement.

Du côté des AVC, 150 000 sont comptabilisés chaque année, soit 25 000 en 2 mois.

Contrairement aux accidents de la route, les AVC et les infarctus touchent majoritairement le même public que les victimes de la Covid.

Pour bien se rendre compte des échelles de comparaison entre ces 3 risques, voici le graphique correspondant :

Sachant que Santé publique France nous révèle que pendant la dernière semaine de confinement, les hôpitaux ont relevé 300 personnes de moins aux urgences AVC et 300 personnes de moins aux urgences cardiaques qu’à la même époque en 2019. Doit-on en déduire qu’en 2020, les français ont eu le bon goût de ne pas faire d’AVC et de crises cardiaques pour laisser toute la place aux malades de la Covid, ou plutôt qu’ils n’ont pas été pris en charge à cause du confinement. Ce ratio étalé sur 8 semaines représente pas loin de 5 000 personnes non soignées. Sachant que la surmortalité de la période de mars-avril est d’environ 30 000, ce n’est pas négligeable.

Ajoutons en plus que pendant 2 mois, la quasi-totalité des examens de dépistages, de cancers, mais par seulement a été annulée ou reportée.

Sachant qu’en France, il y a d’habitude 200 000 dépistages du cancer du sein tous les mois, on peut donc avoir raté jusqu’à 400 000 dépistages pendant ce confinement.

Pour le cancer colorectal, c’est exactement la même chose, jusqu’à 400 000 dépistages ratés sur une période de 2 mois.

Cela signifie que le système de santé, avec une annulation totale, pourrait avoir accumulé près de 800 000 dépistages de retard rien que sur ces deux pathologies. La somme de toutes les pathologies non dépistées pendant ces 2 mois peut donc être bien plus élevée.

Ce constat est confirmé dans un article du figaro précisant qu’en 5 mois le nombre de dépistage a chuté de 23 % en 2020, alors que du fait du vieillissement de la population, il ne cesse d’augmenter.

Il est difficile d’évaluer combien de personnes décéderont de ne pas avoir été dépistées à temps. L’article du figaro avance le chiffre de 1000 à 6000 personnes. Si on considère qu’il s’agit d’un journal qui a soutenu la thèse d’un virus extrêmement mortel, et donc la nécessité de mesures fortes, on imagine sans peine qu’a minima, ils n’ont pas pris les chiffres mettant le plus à mal leur ligne.

On peut également ajouter à ce non-dépistage, les opérations reportées qui étaient destinées à retirer des tumeurs. Il y en a u plus de 30 000 sur la période. Ces reports sont autant de pertes de chances pour ceux qui les ont subies.

Si on résume, lorsque l’on regarde uniquement les effets collatéraux des mesures, à savoir la non-prise en charge des patients du fait de l’ordre de rester chez soi, les reports d’opérations et le non-dépistage, on a plusieurs milliers, voire une dizaine de milliers de personnes qui sont décédées ou décéderont de ces décisions prises pour cette période de 2 mois. Ce chiffre est à mettre en face de la surmortalité de l’année 2020.

L’impact de l’interdiction de soin par les médecins de ville

Peut-être est-il important de commencer par rappeler à nos chers décideurs et journalistes la politique de soin menée en France depuis plus de 30 ans.

Sur le site de l’Insee et de la DREES on peut suivre les différents effectifs des établissements de santé depuis 20 ans.

On apprend notamment que depuis 20 ans le nombre de lits d’hôpitaux a baissé de 100 000. Ainsi, en 1998, il y avait 8 lits d’hôpitaux pour 1000 habitants et il n’en reste plus que 6 en 2018.

Tout cela pendant que la population française passait de 58 millions à 65 millions et plus précisément les plus de 65 ans passait de 9 millions à 13 millions.

Pendant que le nombre de lits baissait drastiquement, le nombre de médecins augmentait très légèrement, passait de 3,3 pour 1000 habitants en 1998 à 3,4 pour 1000 habitants en 2018.

C’est une politique assumée de limiter le recours à l’hôpital pour reporter le soin vers les médecins de ville. La gauche, comme la droite ont lancé de nombreuses réformes dans ce sens. Citons par exemple la tarification à l’acte, mise en place par un certain Jean Castex.

Ou encore la mise en place des 35h à l’hôpital, mais sans rajouter de personnel soignant. Au bilan, on a juste eu moins d’heures de soignants, donc moins de soins. Derrière cette avancée pour les travailleurs de l’hôpital se cache une désorganisation du parcours de santé pour entraîner un renoncement.

Cette idée de faire renoncer aux français l’accès à l’hôpital et surtout aux urgences était au cœur de la réforme de santé du candidat Fillon pour les élections de 2017.

Son programme était de supprimer la bobologie de l’hôpital. Pour lui, comme pour les précédents, la saturation chronique de l’hôpital due au vieillissement et au manque de place est une bonne chose, car on doit payer moins cher. Il faut donc empêcher les français d’aller à l’hôpital pour soigner des maladies ou blessures jugées pas assez importante. En résumé, l’hôpital est l’endroit où l’on soigne les maladies grave et les cancers, pour le reste, il faut payer. Cette politique est juste le prolongement de ce qui est réalisé par la gauche ou la droite depuis 30 ans. Son erreur a été de l’afficher clairement. C’est finalement le candidat Macron qui a gagné sans afficher son programme et qui a pu continuer tranquillement cette politique.

La raison affichée de cette stratégie est évidemment qu’il faut que la santé coûte moins chère au français, soit plus efficace et moderne. Dans les faits, les coûts des soins médicaux français n’ont jamais été aussi élevés, ils sont passés de 154 milliards d’euros en 2006 à 204 milliards d’euros en 2018. Une augmentation de 30% du budget consacré pour une saturation toujours plus forte. Ce sont 50 milliards d’euros qui vont dans les bonnes poches pour soigner uniquement les bonnes personnes.

Donc en résumé, la politique menée depuis 30 ans, c’est de supprimer au maximum les places à l’hôpital et donc le recours à l’hôpital et en particulier aux urgences. Le rôle est donné aux médecins de villes et à leurs prescriptions pour limiter l’arrivée des français à l’hôpital. Cette politique est connue et affichée depuis 30 ans. Les technocrates et politiques au pouvoir le savent très bien.

A partir du moment où l’on sait cela, à votre avis, que se passe-t-il si tout d’un coup pendant une période épidémique, on interdit aux médecins de villes de prescrire et on ordonne aux français de ne se rendre qu’à l’hôpital et uniquement lorsque leurs symptômes se sont aggravés ?

La réponse est simple, puisque les médecins de ville n’ont pas pu assurer leur rôle de premier soin pour empêcher un certain nombre d’aggravation, l’hôpital se retrouve saturé parce qu’il n’est pas du tout prévu pour ça. La saturation hospitalière des mois de mars-avril n’est pas du fait du seul virus, mais vient directement de la stratégie choisie. Tout s’est passé comme-ci le gouvernent français au mois de mars avait complètement oublié la politique mise en place depuis 30 ans et ce qu’elle implique. La raison la plus probable de ce choix stupide, vient du fait qu’ils n’avaient absolument rien compris à leur propre politique. C’est ce qui arrive lorsque l’on suit bêtement une idéologie.

Ce choix de ne pas laisser les médecins de ville proposer des traitements a aussi entraîné une dégradation plus rapide de la santé des patients. De plus certains patients auraient pu ne pas rentrer dans un état grave s’ils avaient pu bénéficier de premiers soins de la part d’un médecin à la suite d’un diagnostic. Tout cela a aussi renforcé la saturation hospitalière.

Tout cela a été quantifié par les défenseurs du confinement eux-mêmes. Arnaud Fontanet et Simon Cauchemez ont publié un article dans Science, au sein duquel ils utilisent les données hospitalières françaises et notamment le temps de passage et réanimation et de décès depuis la prise en charge du patient. Les courbes les plus intéressantes ont été supprimés depuis par les auteurs, mais le site de l’Institut Pasteur permet toujours de consulter la version préprint, c’est-à-dire déposée, mais pas encore publiée. Au pages 31 et 33, on peut consulter le nombre de jours que mettent les patients arrivant à l’hôpital avant d’aller en réanimation (graphique de gauche) et le nombre de jours qu’ils mettent avant de décéder (graphique de droite).

On apprend grâce à eux que 50% des patients arrivant à l’hôpital sont placés en ranimation dès de le premier jour et que 17% des patients décèdent dès le premier jour. Ces ratios énormes sont juste la preuve apportée par les auteurs que les gens arrivent trop tard à l’hôpital. On voit d’ailleurs que la différence entre le nombre de décès au jour 1 et le nombre de décès au jour 2 est énorme. Cela montre qu’une grosse partie des arrivées n’est juste pas sauvable. Les auteurs en déduisent d’ailleurs qu’il y a 2 courbes séparés entre ceux arrivant trop tard et les autres. Si on fait preuve de juste un peu d’honnêteté, on déduit de cet énorme ratio de décès au premier jour que les soins sont trop tardifs. Il est donc très probable que les décédés des jours suivants soient également pour beaucoup du fait de personnes dont l’état a eu le temps de s’aggraver et dont certain auraient pu en réchapper si les soins avaient été précoces. En voyant ces courbes, je n’arrive juste pas à imaginer ce qui a pu es passer dans la tête des auteurs. Comment ont-ils ou avoir l’idée de publier ces courbes ? Les ont-ils seulement regardées 2 secondes avant d’appliquer mécaniquement un modèle dessus ? Comment peut-on voir ces courbes et se dire qu’on a fait du bon boulot et qu’on va le diffuser mondialement ? Ces gens sont sur une autre planète.

Enfin, grâce à eux, j’ai pu montrer un article faisandé dans Nature, dans the Lancet et dans Science, comme ça il n’y a pas de jaloux.

Cette épidémie a laissé un marqueur de dangerosité fort dans l’esprit des soignants de l’hôpital, notamment parce qu’ils n’ont pas l’habitude de recevoir autant de monde si mal en point en même temps. Il faut dire qu’en effet, d’habitude les médecins de ville soignent une bonne partie des malades. D’habitude on ne laisse pas la situation empirer jusqu’à ce qu’il soit trop tard.

Cet abandon de soin en France a été analysé et quantifié dans un article très fourni.

Ce graphique est réalisé avec les données de décès de l’Insee, anonymisées avec l’information du lieu de décès. La courbe bleue représente les décès à l’hôpital et la courbe rouge les décès en dehors de l’hôpital. On peut suivre ici les décès mois par mois. Les échelles sont très légèrement différentes. On constate que le nombre de décès à l’hôpital comme en dehors suit les mêmes pics et les mêmes creux. On constate surtout que jusqu’en 2010 les courbes se suivent assez bien. En revanche, depuis 2010 le nombre de décès en dehors de l’hôpital augmente tandis que le nombre de décès à l’hôpital reste stable. Ce graphique révèle que le système de soin ne s’est pas adapté au besoin des gens en termes de santé. Depuis 10 ans, la population âgée augmente du fait du vieillissement des baby-boomers. Depuis 10 ans, l’abandon de soin est donc manifeste. On s’étonne de voir l’espérance de vie stagner en France, finalement c’est peut-être juste dû à la politique de soin et au manque de place pour soigner nos vieux de plus en plus nombreux.

Toujours avec ces mêmes données, j’ai regardé ce qu’il se passe quotidiennement depuis 2018. Les échelles sont cette fois-ci les mêmes entre les 2 courbes.

Avant 2020, la courbe rouge est toujours sous la courbe bleue. Depuis 2020 c’est l’inverse. On constate que l’abandon de soin ne se limite pas à la période épidémique, mais persiste même en période calme, en particulier en mai et tout l’été 2020. L’abandon de soin n’est pas un problème de saturation de l’hôpital en période épidémique, mais un problème permanent. Ne devrait-on pas en déduire que lorsque l’on ne soigne pas les gens, ils meurent plus ?

En conclusion, dans cette vidéo, on a d’abord vu l’arnaque intellectuelle qui se cache derrière les études scientifiques pro-confinement, même celles publiées pourtant par des grands journaux. On a vu qu’elles ne prouvaient rien du tout et dévoyaient les statistiques et la modélisation mathématique pour promouvoir un discours politique.

Dans la deuxième partie on a vu qu’en France, on ne voit pas d’effets bénéfiques des différentes mesures sur la propagation de l’épidémie aussi bien au printemps 2020 qu’à la Toussaint. Pour la Toussaint, on voit clairement que le confinement est arrivé après la bataille. Pour le printemps, on a vu que le confinement et l’interdiction de soin pour les médecins de ville arrive exactement au moment où le nombre de décès augmente. On a ensuite vu en détail tous les indices qui montrent que les choix pris au printemps ont beaucoup plus de raison d’avoir augmenté les décès que de les avoir diminués.

Maintenant que l’on a vu tout ça, est-ce qu’il n’est pas grand temps d’arrêter de promouvoir bêtement les décisions qui ont été prises et de continuer la même politique de santé depuis 30 ans ? N’est-il pas grand temps de se réveiller et de repenser le système dans le bon sens ? Si on pouvait tirer le bilan de toutes les bêtises accumulées depuis plus d’un an, on pourrait au moins se dire que ça aura servi à nous faire progresser. Mais à quel prix ?

⚠ Les points de vue exprimés dans l’article ne sont pas nécessairement partagés par les (autres) auteurs et contributeurs du site Nouveau Monde.