Políticas de austeridade do governo explicam desastre covid-19

 

 15 de Março de 2021  Robert Bibeau                  

A revista web agoravox oferece uma excelente análise estatística da passagem da epidemia SARS-Cov2 e COVID-19 na França metropolitana durante o ano de 2020. Este estudo, assinado azyx1986, poderia servir de modelo para cada país submetido à propaganda "pandémica" que dura há mais de um ano. Caros leitores, este artigo é o antídoto para os males e palavras do veneno do medo que os governos, de esquerda e de direita, espalham entre nós. O autor mostra que o sistema de saúde francês está sob ataque há 30 anos e que a epidemia só revelou essa política de austeridade seguida em França e em todo o Ocidente. Robert Bibeau. Editor. Les7duquebec.net

Por azyx1986.

Estamos em 2021 e as restrições continuam a ser aplicadas em grande parte dos países ocidentais. Para os governos, esta é a maneira correta de proteger as pessoas da epidemia. Em vídeos anteriores, vimos de muitas maneiras diferentes que a mortalidade no ano de 2020 não é impressionante. Vimos que o número de mortes em França em 2020 deve-se principalmente ao envelhecimento dos franceses.

Link para vídeo: https://youtu.be/-g0v7_e2t6k

O número de mortes em França tem aumentado a cada ano desde 2010 devido ao envelhecimento da geração baby boomer.

Além disso, não houve epidemia grave em 2019 e, portanto, é um ano com pouquíssimas mortes.

 

É um pouco o mesmo do que aconteceu  em 2018, mas de forma atenuada. O ano de 2020 é pois aquilo a que chamamos um ano de colheita em que tivemos muitas mortes de pessoas que normalmente teriam morrido um ou dois anos antes. Trata-se, portanto, de um fenómeno de 2018 e 2019. Os anos de colheita ocorrem a cada 2 ou 3 anos. Este fenômeno é detalhado neste vídeo.

Esta é uma das razões pelas quais a idade daqueles que morreram em Covid é muito alta.

Finalmente, até agora, a alta mortalidade dos anos de colheita foi parcialmente compensada por um declínio constante na mortalidade, o que se resume ao dizer que a expectativa de vida está a aumentar. Nos últimos anos, a expectativa de vida começou a estagnar, como se tivéssemos atingido algum tipo de nível. Esse nível pode ser natural ou talvez um sinal de que a política de saúde que repousa sobre a rentabilidade financeira não é a melhor. Também detalhamos esse fenómeno neste vídeo.

Todos esses elementos sobre mortalidade 2020 para a França são detalhados numa dúzia de vídeos do meu canal. O mesmo tipo de análise está a começar a chegar em artigos científicos franceses ou noutros países, como a Bélgica ou a Suíça, por exemplo. Desde o fenómeno dos baby boomers, a baixa mortalidade em 2019 e a estagnação da expectativa de vida afectaram quase todo o mundo ocidental, essas análises multiplicar-se-ão com a chegada de números finais e completos para o ano de 2020.

Se ler ou olhar para a media, pode ver os discursos de políticos e jornalistas mudarem. À medida que todas as análises de mortalidade nos países ocidentais caem, todos agora percebem que a tragédia anunciada não chegou finalmente de todo. Só para constar, a tragédia foi anunciada por iluminados como Neil Ferguson, que anuncia o fim do mundo em cada gripe grave. Em França, 400.000 mortes de Covid foram anunciadas ao longo do ano, independentemente das medidas. Somado às habituais 600.000 mortes, isso deveria ter causado 1 milhão de mortes em França até 2020. Finalmente atingimos as 660.000. Para o prazer dos olhos, pode-se também relembrar a previsão do personagem no início do confinamento.

No final de cada confinamento, prevê a retomada da epidemia que resulta num novo confinamento. Para ele, essa doença é eterna e não respeita os códigos de outras epidemias, por isso continua no Verão.

A realidade era obviamente completamente diferente. Aqui estão as mortes diárias que foram afinal registradas em França em 2020. Podemos ver a epidemia da Primavera e a epidemia de Novembro.

Podemos ver a vermelho os períodos de confinamento que mostram que o efeito retoma não ocorreu absolutamente. Em 2020, tivemos dois períodos epidémicos completamente separados. Veremos em detalhe o que pode ser inferido a partir do impacto das medidas.

 A maioria dos políticos e jornalistas parou de afirmar que 2020 foi um desastre, mas agora afirmam que a maneira como o mundo se saiu tão bem é por causa da eficácia das suas medidas (sic). Por isso, usam esse raciocínio para continuar a manter restrições de todos os tipos. Em vez de ter que provar que as restrições são para algo, eles aplicam-nas e anunciam o fim do mundo se forem removidas. Devemos estar cientes da estupidez e periculosidade desse raciocínio. Se as pessoas estão a ficar sem olfacto e um charlatão lhes dá veneno para os ratos como remédio, teremos metade das pessoas a morrer e o charlatão a deduzir: "Oh, felizmente eu dei-lhes o meu remédio, viram o quão perigoso era este vírus!"

É esse tipo de raciocínio que justifica as sangrias há séculos. Felizmente desde então, seguimos em frente. Com esse tipo de raciocínio, também se pode fazer um sacrifício todos os dias para que o sol continue a nascer.

Basta prometer uma catástrofe se pararmos. Este princípio do medo é a base do charlatanismo. Só se pensarmos por dois minutos. Quando tem uma epidemia, cada qual toma medidas e no final ocorrem mais mortes do que o habitual num curto período de tempo, e você não deduz que as medidas são boas e que o vírus é perigoso. No mínimo, deduzimos que a combinação de medição de vírus não é nada boa. Portanto, talvez seja hora de questionar as medidas tomadas.

Os defensores dessas medidas, no entanto, contam com estudos científicos para anunciar o número de vidas salvas por causa das suas decisões. Neste vídeo, começaremos por mostrar que estudos que defendem medidas e quantificam vidas salvas são baseados numa fraude intelectual. Números matemáticos e modelos não são usados para entender um fenómeno, mas são dedicados a fazer a promoção das medidas. A fraude será detalhada num artigo publicado na revista NATURE, considerada uma das maiores revistas científicas de nosso tempo.

Na segunda parte, analisaremos o que acontece em França durante os períodos epidémicos e o que podemos deduzir das medidas tomadas em 2020.

Link para vídeo: https://youtu.be/-g0v7_e2t6k

Anular a propaganda dos maus estudos "científicos"

Hoje, a ideia de que as medidas têm necessariamente um impacto positivo está profundamente enraizada no espírito de todos. Ao mesmo tempo, o lado intuitivo de pensar que se impedirmos que os humanos de se ver, eles irão contaminar-se menos influencia o nosso julgamento objectivo, mas, muito mais grave, uma série de artigos publicados em grandes revistas científicas defendem essa tese. Todos os artigos que li sobre o assunto têm a mesma estrutura e os mesmos erros de raciocínio. Parece-me surpreendente que ninguém entenda o que é modelagem, ou todos fechem os olhos e finjam não ver que todo o raciocínio está de pernas para o ar.

Para vos mostrar, vou começar a partir de um exemplo que alguém me enviou como comentário a um dos meus vídeos.

Convido-o a ler este estudo que respeita perfeitamente os códigos dos artigos científicos e que foi publicado pela grande revista Nature. Este estudo mostra que as medidas aplicadas há um ano por grande parte do mundo, de qualquer forma, aqueles que vivem ao ritmo da TV, tiveram enormes custos económicos e sociais. Este estudo pretende, portanto, ser um exercício de avaliação do número de vidas salvas pelas medidas tomadas e, assim, demonstrar o valor dos gestos de barreira ou confinamento.

Os pesquisadores utilizam um método que estima o número de pessoas que não foram infectadas através da implementação das medidas.

Devemos saudar a vontade de pesquisar, porque é uma questão real. Por outro lado, veremos que o método usado coloca poeira nos olhos, mas que é uma fraude intelectual. 

O primeiro problema é o uso de dados de baixa qualidade.

Se seguir os meus vídeos, sabe que eu só uso um tipo de dados: as mortes rastreadas pelo registro civil francês. Para isso tenho 2 fontes. O site do INSEE oferece estatísticas de mortes diárias, com muitos cruzamentos possíveis. Na data.gouv.fr,  os arquivos de origem, ou seja, os registros de mortes civis desde 1970, podem ser recuperados diretamente.

Com essas fontes, tenho todas as mortes, qualquer francês que morra é contado. É, portanto, o mesmo método que tem sido aplicado há meio século para todos os franceses. Nos últimos 50 anos, vimos picos que correspondem a epidemias ou vagas de calor. Cada vez que tenho a idade das pessoas e o lugar onde elas morriam. Este método torna possível fazer estatísticas sérias a longo prazo. Além disso, com os dados do censo populacional, também sabemos muito precisamente o número de pessoas que vivem em França há 50 anos. Mesmo assim, para fazer comparações ou modelos, somos muito sólidos.

No artigo da NATURE, os dados utilizados não são absolutamente sólidos e não podem ser comparados a nada conhecido. Este é o número de pessoas consideradas infectadas com Sars-Cov2 em diferentes países.

Para descobrir quem está infectado com esse vírus, não há outra alternativa senão contar com os resultados dos testes colectados pelos diferentes países.

No vídeo anterior, expliquei em detalhe por que é que os resultados dos testes não permitem saber o número de pessoas infectadas num país. Este é um indicador muito mau que torna a análise falsa desde o início.

Para registro, não podemos somar os resultados dos testes no mesmo país ou fazer comparações ao longo do tempo com esses dados, muito menos comparar o que acontece de um país para outro:

1.      Os testes não são realizados em toda uma população todos os dias. A partir do momento que começamos a encontrar pessoas positivas, fizemos um pouco mais a cada dia. Fatalmente, quanto mais testes se realizam, mais casos positivos e falsos positivos se encontram.

2.      Além do número, a estratégia de testes também evoluiu. No início, em Março-Abril, só testamos pessoas sobre as quais estávamos desconfiados. Por isso, encontramos uma taxa de positividade muito maior do que a da população, já que só testamos aqueles que já eram considerados positivos. Então, no Verão, optando por testar todos após a epidemia, encontramos muitos negativos e os positivos foram certamente para um monte de falsos positivos. Em Setembro, tivemos uma escassez de testes e a estratégia voltou a ser alvo para não reflectir a população total. Neste Inverno todos foram capazes de fazer o teste, dando a impressão de uma queda na taxa de positividade, quando foi apenas uma mudança de estratégia.

3.      A tecnologia de teste também não é a mesma em todos os lugares. O tipo de uso de teste, e mesmo no caso de RT-PCRs, as escolhas de primer feitas pelos laboratórios necessariamente darão resultados diferentes. Então, pedir resultados diferentes de testes que tenham resultados diferentes não faz sentido. Estes não são os mesmos testes.

4.      Além da tecnologia, os métodos de interpretação dos testes não são os mesmos em todos os lugares e têm sido capazes de mudar ao longo do tempo, especialmente com recomendações para o número de ciclos. Não só podemos adicionar adequadamente, como não podemos sequer comparar os novos resultados com os antigos.

5.      Mesmo dentro do mesmo país, todos esses parâmetros são diferentes em diferentes regiões, com as LRAs a intervir e os laboratórios mais ou menos marcados de acordo com as escolhas pessoais dos líderes e a pressão política.

---

Deve-se ressaltar que os resultados dos testes não são um bom indicador estatístico. Eles não foram projectados para isso. Os testes são um elemento de diagnóstico individual. A Saúde Pública de França publica-os apenas para dar uma ideia das principais tendências, não para quantificar os doentes.

Então já sabemos que os dados são maus, mas isso não nos impede de trabalhar, já vi pior, especialmente em artigos médicos. Saber que temos dados insatisfatórios, mas que não são inventados a  partir do nada, já não é mau. Um relance para o Lancet e o seu super estudo contra a hidroxicloroquina.

Agora vamos para o problema real: a fraude do modelo. 

O segundo problema: o uso distorcido do modelo matemático

A maneira correcta de fazer algumas estatísticas detalhadas para estudar um fenómeno é analisar os dados que temos para deduzir um modelo. No caso específico da epidemia, o caminho lógico seria olhar para os nossos dados e entender a curva de propagação. Analisamos o que vemos em cada país para primeiro estimar como a epidemia se espalha e, em seguida, os vários factores que podem estar relacionados com a propagação. É complicado porque muitos factores se esgotam e vimos que a qualidade dos dados é muito má, mas é um processo de conhecimento. Para fazer isso incluiríamos países que se confinam e países que não se confinam, como a Suécia.

Aqui os autores fazem exactamente o oposto. Eles já assumem que sabem o padrão de propagação da doença e depois dizem que se a propagação que vemos não corresponde ao modelo, é por causa das medidas que são tomadas. É claro que eles só consideram para as suas análises os países que se confinaram.

Em detalhe, há 2 fraudes no raciocínio no papel, uma em cada parte.

Primeira fraude: pressupõe o padrão de propagação

Para obter o seu modelo, os autores dizem conhecer antecipadamente o tipo de curva que segue a propagação epidémica. Designa-se isso por estatística paramétrica. Já sabemos a função e estamos apenas a procurar os seus parâmetros. É uma técnica utilizada na economia, conforme afirmado neste artigo. Em economia, temos realmente um monte de retrospectiva e dados para trabalhar bem modelos. No entanto, eles não funcionam de uma maneira genial, caso contrário a profissão de comerciante não existiria mais e não teríamos mais uma crise financeira. Quando se fazem estatísticas médicas, não devemos fazer estatísticas paramétricas. Em vez disso, temos que fazer estatísticas não paramétricas, ou seja, não assumir que já sabemos como está indo. Aqui já os autores revelam o princípio da modelagem.

Fazem então estatísticas paramétricas dizendo que uma epidemia sempre segue uma lei exponencial. Exponencial é o que acontece quando consideramos que cada pessoa vai contaminar os outros regularmente.

Por exemplo, se cada pessoa infectada infecta uma pessoa todos os dias. No primeiro dia, temos 1 contaminado, 2 no segundo dia, 4 no 3º dia, e depois 8, 16, 32, 64 etc...

 

Vemos exponenciais quando fazemos experiências em laboratório. Na natureza, é mais raro. No vídeo anterior, mostrei que para fazer o teste RT-PCR, um desencadeia uma reacção exponencial. Para ter sucesso, colocamos um monte de produto reactivo num tubo de ensaio, aquecemos e misturamos muito energicamente. Esta é a única maneira de ter um exponencial no início da reacção, são precisos muitos produtos no mesmo lugar, misturando-se de forma enérgica para que eles reajam uns com os outros.

Para o vírus, é a mesma coisa. Se queremos ter uma reacção exponencial em todo o país, teremos que pegar nos pacientes todos os dias e atirá-los de um helicóptero no meio de pessoas que nunca contraíram a doença, que são sensíveis a ela e forçar todo esse pequeno mundo a trocar muitos beijos. Se não levarmos pessoas saudáveis a contactar doentes todos os dias, mais rápido e mais rápido, não teremos um exponencial.

Imagine um vírus que se espalha exponencialmente entre humanos que vivem próximos uns dos outros. Vamos fazer um número exponencial de dois. Ou seja, o nosso número de pessoas infectadas duplicará todos os dias. Isso é o que acontece se cada paciente infecta uma pessoa saudável todos os dias.

Temos o nosso 1º infectado no primeiro dia, que vai contaminar um outr. Temos pois dois pacientes no 2º dia. Cada um contamina um novo. Teremos quatro no 3º dia. Depois 8, depois 16, depois 32, depois 64. Aos 128, damo-nos conta de que temos um problema. Para ter sucesso em fazer 128, é preciso ter sucesso em contaminar humanos que estão mais distantes. Devemos, portanto,  imaginar a deslocação de contaminados para o exterior para melhorar a cadência. Para fazer 256, é pior. Temos de conseguir infectar de uma só vez 3 camadas suplementares de humanos saudáveis.

Quanto mais pior fica é. Para fazer 512, teríamos que contaminar 3 camadas de uma só vez. Era forçoso que os nossos pacientes fizessem sprints todo o dia para encontrar novas pessoas para contaminar.  Para chegar às 1024 pessoas, seriam necessárias 5 camadas, teria que haver bicicletas, para chegar às 2048, 7 camadas, teríamos que fazer a contaminação de carro. Quanto mais longe formos, pior será. Para acompanhar os 15 dias exponenciais, teríamos que colocar em prática muita logística para ter a certeza de misturar toda a gente.

A propagação exponencial, por mais que possa existir em laboratório, na vida real é bastante improvável. Num país como a França, por exemplo, que está no fim do continente, a maioria das doenças acontecem a partir do leste ou do sul.

A progressão da epidemia é, portanto, improvável de parecer exponencial. Em vez disso, veremos uma onda que está a avançar sobre o território e que nunca afecta todo o território uniformemente.

Depende do clima, da época do ano e de uma série de factores sobre os quais não temos controlo. Quando a epidemia chega a uma área muito populosa como a Ile-de-France, a contaminação acelera porque há mais pessoas no mesmo lugar, e quando atravessa o campo, diminui a velocidade.

Se tomarmos o nosso exemplo, uma propagação de vagas, acontece como se o vírus estivesse a mover-se ao redor do território, não acelerando, mas sim a uma velocidade constante.

Podemos ter uma propagação linear. Ou seja, imaginamos a epidemia vinda como uma vaga a espalhar-se online.

 No exemplo, ele viria do leste e mover-se-ia para oeste. Isso significaria o mesmo número de pessoas infectadas todos os dias.

Um pouco mais quando a vaga chega à cidade e um pouco menos no campo.

Podemos também ter um spread quadrado. Aqui imaginamos que o primeiro vai contaminar a zona ao seu redor.

No 2º dia, temos então 9 contaminados. Podemos ver que esse tipo de spread começa mais forte do que exponencial, mas vai crescer muito mais devagar. No terceiro dia teremos 25 infectados. Então 49, 81, 121 etc. Essa propagação não significa que as pessoas precisam ser movidas mais rapidamente e mais rápido para contaminar novas.

A disseminação linear ocorreria, por exemplo, se a epidemia chegasse on-line de um país vizinho, enquanto a propagação ocorreria se a contaminação ocorresse de forma de paraquedas no território, por exemplo, com passageiros de aviões.

Então temos três propostas modelo, o exponencial, a lei linear ou a lei quadrada. Para descobrir qual modelo é mais provável que se pareça com a realidade, podemos olhar para o que aconteceu em França durante 50 anos do ponto de vista da mortalidade durante epidemias. Estamos a olhar para leis exponenciais, lineares ou quadradas? A diferença entre as três é enorme. Aqui está um gráfico com o que dá spread exponencial, propagação quadrada e propagação linear. Todos os raciocínios para as medidas tomadas são baseados em spread exponencial. Se isso estiver errado, todos os modelos entram em colapso.

Se desenharmos a curva da morte para cada caso, exponencial, quadrada ou linear, aqui está o que parece.

O exponencial está a azul, começa lentamente e depois acaba voando para longe. O quadrado é cinza. Começa mais rápido do que exponencialmente, mas acaba por ser alacançado e ultrapassado. O mais rápido no início em laranja é a curva linear. Pode começar forte, mas é sempre ultrapassado pelos outros dois.

Aqui estão as mortes registradas na França nos últimos 50 anos. Eu coloquei a vermelho no ano de 2020. A curva laranja por trás dela é o ano de 1969 e a sua famosa gripe de Hong Kong durante a qual não experimentamos a psicose deste ano, quando causou muito mais mortes em proporção.

 

Lembro-lhe que, em 1969, havia apenas 50 milhões de franceses, contra 65 milhões em 2020. Mas pior ainda, em 1969, foram apenas 6,8 milhões com mais de 65 anos, contra 12,7 milhões em 2020. O pico a verde é a onda de calor de 2003. Este é o recorde absoluto do número de mortes num único dia em França.

Finalmente, tenha cuidado para não ser apanhado pelo gráfico. Dá a impressão de que os franceses só morrem durante períodos epidémicos. Então parece impressionante. Não podemos esquecer que, desde há 50 anos, há de facto 1500 pessoas que morrem em França todos os dias. Durante as epidemias, não passamos dos 0 para os 2500, mas dos 1500 para os 2500.

 

Também se pode notar que, desde 1968, o número de pessoas que morrem em período calmo é muito estável, em torno de 1500. O que evoluiu é que quanto mais idosos temos, mais vemos os solavancos em tempos epidémicos. Conclusão, quanto mais idosos e pessoas frágeis tivermos, mais mortes veremos concentradas em tempos epidémicos, nada mais normal.

Vamos tentar descobrir se vemos algum exponencial neste gráfico. O método para identificar um exponencial é bastante simples, basta calcular o aumento das mortes de um dia para o outro. Fazemos então uma subtração entre o número de mortes de cada dia, com o número de mortes do dia anterior.

No nosso exemplo, podemos ver que se as mortes seguirem exponencialmente, então, fazendo a diferença em relação ao dia anterior, encontraremos um exponencial. Se fez matemática, o que estamos a fazer é aquilo que designamos por derivativos. O derivado de um exponencial, é um exponencial. Se as mortes seguem uma lei quadrada, então, fazendo a diferença, depara-se com uma curva linear, ou seja, um direito oblíquo. Se as mortes seguirem uma lei linear, então veremos algo plano.

Dada a complexidade dos modelos matemáticos propostos pelo artigo da Nature, acho que esses cientistas dominam a subtração para verificar, no mínimo, que não estão a dizer asneiras.

Eis o que isso dá sobre as mortes nos últimos 50 anos, subtraindo o número de mortes todos os dias com o dia anterior.

No geral, não vemos grande coisa. Os grandes eventos que realmente matam muita gente são as vagas de calor de Verão, como a de 2003 ou acidentes de avião.

Acima de tudo, podemos ver que o número de mortes em França pode aumentar ou diminuir em 200 de um dia para o outro sem que seja evidente que é anormal. Além disso, todos os episódios de mortalidade epidémica parecem ter um aumento entre 0 e 200 a mais por dia, o que é, em última análise, o mesmo que as variações habituais. Isso sugeriria, no momento, não exponencialmente, ou mesmo no direito quadrado, mas uma progressão linear da doença entre 0 e 200.

Para ver um pouco mais claro e olhar mais finamente para o exponencial, vamos fazer duas coisas. Vamos fazer uma suavização, ou seja, vamos mediar o número de mortes por dia com o dia anterior e no dia seguinte. Isso reduzirá as variações naturais de um dia para o outro devido ao acaso. Também vamos ampliar, mantendo apenas anos quando soubermos que tivemos fortes epidemias, para tentar ver algo. Então eu mantenho 1969, 2012, 2015, 2017 e 2020.

Vemos um pouco melhor, aqui sabemos que de um dia para o outro o número de mortes suavizadas varia de mais ou menos 50 e isso é normal. Então, para identificar um período epidémico, temos que ter um aumento ao longo de vários dias seguidos. Para ver isso, sempre olharemos para a diferença, mas teremos uma média de 4 dias. Assim, se tivermos uma alternância de 50 e -50, encontraremos 0. Se tivermos vários dias seguidos de aumentos, veremos melhor.

Este é o gráfico total, no qual sempre observamos que os aumentos não parecem seguir leis exponenciais. Do lado da epidemia de Inverno, é apenas na época da gripe de Hong Kong e da epidemia de Covid da Primavera onde podemos ver uma progressão que se destaca um pouco. Se olharmos em detalhe, vemos uma linha recta que sugere uma lei quadrada.

Para a gripe de Hong Kong isso é consistente com o que algumas análises têm feito com a epidemia, ou seja, que se espalhou mais rapidamente graças ao transporte aéreo democratizado.

As depressões que vemos são em parte devidas às diferenças entre o fim de semana e a segunda-feira. Durante o Covid, a maioria do excesso de mortalidade veio de óbitos em casa. Então, há muitos altos e baixos quando os médicos veem mortes às segundas-feiras e muito menos nos fins de semana. Mesmo ao fazer a suavização, a diferença é tão forte que  não nos livramos completamente dela.

 

Ainda voltaremos em detalhe aos aumentos de mortalidade durante este período na segunda parte do vídeo. Veremos que eles ocorrem em datas surpreendentemente conhecidas.

Se eu colocar o gráfico total da França metropolitana em 50 anos, podemos ver que nunca vimos uma doença que se tivesse espalhado exponencialmente.

Quase tudo o que podemos observar é mais uma propagação linear. As curvas são realmente muito planas e apenas a gripe de Hong Kong de 1969 e a Primavera Covid foram capazes de seguir um spread ao quadrado. O Covid da Toussaint respeita muito bem o princípio do direito linear.

Então, assumir um modelo exponencial, e dizer que esse modelo é válido até que quase toda a população esteja infectada, não tem tido qualquer conexão com a realidade do que temos observado para outras doenças há 50 anos. Portanto, parece bastante normal que o Covid-19 respeite esse padrão, sem ter que imaginar que as medidas têm algo a ver com isso.

Então, ou os autores são conspiratórios e realmente sugerem que é um vírus de um novo tipo criado num laboratório de última geração que consegue mover-se a uma velocidade supersónica, ou eles tonaram completamente confuso um modelo. Talvez eles não entendam o que estão a fazer, ou talvez tenham escrito aquele artigo só para defender as medidas actuais.

A primeira fraude deste artigo é, portanto, dizer que a disseminação do vírus é exponencial, sem comprová-lo e sem especificar que é contrário ao que se sabe sobre propagações epidémicas.

Uma vez que os nossos autores afirmam que o vírus se espalhará exponencialmente, eles devem calcular os parâmetros do seu exponencial.

Para isso, eles usam apenas os primeiros dados de infecções, os que ocorrem entre o momento em que iniciamos os testes e o confinamento. De facto, uma vez que eles querem mostrar que o confinamento diminui exponencialmente, eles só podem usar os resultados dos testes que ocorrem antes. Eles ainda corrijem esses dados levando em conta gestos de barreira e distanciamento. Para os autores, a disseminação seria necessariamente maior sem essas medidas, de modo que o seu modelo vermelho é superior à realidade. Resumindo, os autores param um modelo de hiperestruturação em apenas alguns dias, com dados que todos reconhecem medíocres. Além disso, eles apontam que não funciona muito bem e que quando os dados estavam realmente muito longe do seu suposto modelo, eles consideraram isso porque eram maus e removeram-nos (?! ...)

Eles também notam que de um país para outro os chamados exponenciais são muito diferentes. Eles inferem que isso se deve às especificidades dos habitantes e não à qualidade das estatísticas ou ao seu modelo. É muito conveniente.

Então temos um exponencial que eles param no início. Se tomarmos o nosso exemplo, um exponencial é bastante plano no início, por isso é difícil distinguir os parâmetros sobre ele. Também pode ser facilmente confundido com uma lei quadrada se os dados forem pobres como aqui.

Se a máquina for solicitada a parar exponencialmente durante os primeiros 20 dias, encontrará os parâmetros que melhor colam. Se a máquina for solicitada a empatar uma lei linear ou quadrada nesses mesmos dias com os mesmos dados, ela também dará os melhores parâmetros. Nos três casos, podemos ter uma precisão muito boa com os mesmos dados. O mínimo que podemos fazer é tentar várias soluções e provar que escolhemos a melhor.

Neste ponto, o artigo assumiu uma lei exponencial que nunca existe e definiu o seu modelo num número muito pequeno de dados que sabemos que são maus e que não são consistentes uns com os outros. Mas ainda não é o pior.

Segundo golpe: atribuir diferenças às medidas de confinamento

Finalmente vem a maior fraude do modelo, aquele que quer dizer que se a curva real das pessoas infectadas é diferente da curva do modelo, é porque as medidas funcionam. Isto é o que está na segunda parte do papel com os gráficos azul e vermelho. A parte vermelha é a continuação do exponencial que os autores calcularam. A linha preta é o que aconteceu e a linha azul é o modelo dos autores levando em conta os benefícios de pressuposto do confinamento.

Como vimos no exemplo, as leis exponenciais e quadradas podem ser confundidas no início. É muito fácil construir uma lei quadrada que é exatamente a mesma que a lei exponencial por cerca de vinte dias e, em seguida, eles se separam. Isso é exactamente o que os autores fazem.

Quando eles então descobrem que a curva vermelha se separa da curva preta, isso não prova de maneira nenhuma os efeitos dos confinamentos, mas apenas que o padrão exponencial não cola.

Essa abordagem dos autores é uma desonestidade intelectual muito séria. A base da estatística é que os factos não explicam as causas. Quando medimos algo, não podemos saber imediatamente de onde esse resultado está a vir. Furar um modelo exponencial e depois dizer que não corresponde à realidade e concluir que salvamos vidas é vergonhoso.

 

A suposição hiper-forte que faz com que o artigo se esconda por detrás do seu modelo é que o confinamento desencadeia o fim da propagação exponencial sem fornecer qualquer evidência de que o exponencial existe, nem que as medidas tenham impacto.

Atrás, todas as chamadas vidas salvas comprovadas pelo artigo, são apenas o resultado de dados insatisfatórios e suposições tomadas para fazer o modelo: disseminação exponencial da doença até que quase toda a população esteja infectada e medidas efectivas sem nunca provar.

A maior parte dos artigos com um modelo configuram a mesma fraude. Eu li um certo número deles sobre assuntos médicos. Eles propõem um modelo saído da cartola, colocam os resultados que observamos na frente deles e deduzem a eficácia do seu produto milagroso.

Além disso, todos os países do estudo estabeleceram um confinamento, o que permite que os autores não confrontem países como a Suécia, que têm o mesmo tipo de curva sem nunca se terem confinado. 

Para concluir nesta primeira parte não existe análise com dados sólidos que demonstrem hoje a eficácia das medidas de repressão social, confinamento e recolher obrigatório

Um modelo matemático não é certo nem errado, é apenas o resultado do que você coloca nele. Deve ser usado para tentar entender a realidade, não usá-lo para esconder um raciocínio falacioso.

Vamos passar para a segunda parte, espero ter sido claro que nenhum estudo de modelo mostra nada sobre o valor do confinamento. Analisaremos o que aconteceu em detalhe em França durante períodos epidémicos, do ponto de vista da mortalidade, para tentar deduzir o que pode estar nas medidas.

1.      O que vemos em França sobre a disseminação de vírus e o que podemos deduzir sobre as medidas?

Hoje, a ideia de que as medidas necessariamente têm um impacto positivo dificilmente está enraizada na mente de todos. Na primeira parte, estudos que tentavam provar isso mostraram usar dados insatisfatórios e raciocínio espúrio.

Aqui vamos analisar o que pode ser dito sobre epidemias em França, sem pré-julgar como uma epidemia se espalha, e usando a estatística muito mais confiável de todas as mortes no território da França metropolitana.

Para isso, veremos o que aconteceu em França durante 4 períodos de mortalidade devido a epidemias. Vamos ver a gripe de 2015, a gripe de 2017, o covid da Primavera de 2020 e o Toussaint Covid 2020. Vamos concentrar-nos nos maiores de 65 anos, porque estas são as únicas idades para as quais observamos o excesso de mortalidade durante o Covid.

Especificamente, vamos olhar para o excesso de mortalidade, ou seja, mortes a mais do que costumamos ter. Para referência, para todos os casos,  seleccionei o mês de Junho. É sempre um mês muito baixo, porque nunca há epidemias ou vagas de calor que aumentam a mortalidade em Junho.

Observamos já que nos 4 casos, o período em que o número de óbitos aumenta dura cerca de um mês. De forma muito simples com essa observação, não vemos um efeito de medição que pudesse retardar a progressão epidémica. Temos uma subida que dura um mês e de seguida o número de mortos diminui. Se estivarmos na Primavera, o número de mortes cai para o seu nível de Primavera e, seguidamente, de Verão. Se for no início do Inverno, o número de mortes cai um pouco, mas permanece maior do que no Verão com todas as doenças invernais que andam por aí.

Vejamos um pouco em detalhe como se propagam as epidemias em França para um nível mais fino. Com os arquivos de mortes, temos a média de morte dos franceses. Então podemos fazer os agrupamentos que quisermos. O nível do departamento é um pouco pequeno, é um pouco doloroso estudar 100 territórios de cada vez. O nível da região é um pouco grande, seleccionei um intermediário escolhendo as regiões antigas, com um pouco de refinamento para o Ile-De-France, separando-o em 3 zonas: Paris, IDF Leste e IDF Oeste.

Aqui está o que parece para a gripe de 2015. Há excesso de mortalidade em França entre Janeiro e Março de 2015.

Vemos que as regiões não são afectadas com a mesma intensidade, mas acima de tudo que não são afectadas ao mesmo tempo. As regiões sul foram as primeiras a serem afectadas. Então aqui está a linha do tempo do spread.

Em 20 de Janeiro, houve aumento da mortalidade nas 5 regiões sul. Nesses territórios, leva entre 5 e 15 dias para atingir a mortalidade máxima. Depende de quanto tempo leva para chegar aos territórios mais populosos de cada região.

A região PACA que é a primeira a ser afectada sofrerá o maior aumento da mortalidade.

Deve-se notar também que as mortes provavelmente estão desfasados entre 15 dias a 3 semanas em comparação com a contaminação.

Por volta de 25 de Janeiro, a mortalidade também está a aumentar em 3 regiões um pouco mais ao norte. Isso é um sinal de uma provável mudança na epidemia e, portanto, de um ressurgimento. Enquanto isso, o número de mortes continua a aumentar nos primeiros territórios afectados.

Por volta de 27 de Janeiro, a epidemia é vista a atingir a Ile-de-France. Tanto Paris quanto os departamentos vizinhos. Assim, o spread parece estar a dar um salto, o que poderia corresponder à contaminação devido às muitas trocas em Paris com o resto da França e do mundo.

No final de Janeiro, o excesso de mortalidade começa a ser visível nas partes norte e leste da França.

No início de Fevereiro, o excesso de mortalidade volta para o Norte e move-se para oeste, esses territórios finalmente serão relativamente afectados.

As últimas regiões estão a experimentar um aumento na mortalidade a partir de meados de Fevereiro.

Em conclusão, vimos que a epidemia de gripe de 2015 parece ter chegado do Sul, que leva 15 dias para se espalhar por uma região, e que também leva 15 dias para se espalhar pela França. Finalmente, o spread total leva um mês. As primeiras regiões afectadas são as com maior mortalidade.

Para a epidemia de gripe de 2017, vamos contar quase a mesma história.

A primeira diferença com 2015 é que a origem da epidemia é sim olhar para o Oriente. A região de Rhône-Alpes é a primeira a sofrer excesso de mortalidade. Assim como o que vimos em 2015, é a primeira região afetada a ter a maior mortalidade.

A mortalidade aumentará gradualmente para o Sul e Norte, e depois para o Ocidente. Os últimos territórios afetados são a Bretanha e os países do Loire, e desta vez a Córsega.

Vemos que o pico também leva cerca de 15 dias para ser alcançado em uma área a partir do momento em que começa a aumentar. Por fim, além da Córsega, todas as regiões afetadas pela epidemia também são afetadas em 15 dias.

A principal diferença com a epidemia de 2015 vem do facto de que muitas regiões não serão praticamente afectadas pela epidemia. Em particular, quanto mais tarde a epidemia chega e menor intensidade, os últimos territórios afectados têm poucas mortes. Então tudo acontece como se as condições não estivessem mais lá para a doença fazer muitas mortes. Pode vir do tempo, do comportamento das pessoas, feriados ou outra coisa. Acima de tudo, aprendemos que uma epidemia não se comporta uniformemente no território.

Vamos passar para a epidemia de Covid do Dia de Todos os Santos 2020.

Encontramo-nos na mesma configuração da epidemia de gripe de 2017. Começa nos Rhône-Alpes e depois move-se em todas as direcções e especialmente para o sul. Há uma taxa de disseminação dentro das regiões para atingir o pico semelhante ao habitual e passagens de uma região para outra que são tranquilas. Então todas as medidas de barreira, as máscaras, o distanciamento, o recolher obrigatório, fazem com que a propagação tenha exactamente a mesma forma de costume.

Observamos também que, como na epidemia de 2017, nem todas as regiões são afectadas. Vale a pena lembrar que, como se morre apenas uma vez, as regiões que tiveram um forte excesso de mortalidade na Primavera, nomeadamente a Ile-de-France e a Alsácia-Lorena, não têm nenhuma no Dia de Todos os Santos. Isso dá uma ideia da expectativa de vida das pessoas que morreram desta doença na Primavera.

Para terminar de cravar o prego, vamos colocar as datas de confinamento durante este período.

Sabendo que leva entre 15 dias e 3 semanas entre contaminação e a morte, podemos desfasar 15 dias as nossas curvas em relação ao confinamento para ter uma ideia das contaminações.

Portanto, é evidente que este confinamento ocorreu completamente após a batalha. Todos aqueles que perderão os seus negócios, ou perderam um parente isolado como resultado desta decisão devem rir bem quando virem essa curva... (não é para rir, mas sim para chorar, dizemos nós. NDLR)

Terminamos com a epidemia de Março a Abril, que relembramos é a única para a qual suspeitamos de uma taxa de propagação maior do que o habitual: uma lei quadrada em vez de uma lei linear.

Está claro a partir desta propagação que a epidemia veio do leste. Na Alsácia e depois em Lorena com alguns dias de desfasamento, a epidemia segue o seu curso normal, com um aumento clássico no número de mortes. As regiões de Ile-de-France e Rhône-Alpes são alcançadas ao mesmo tempo que Lorena. Rhône-Alpes vê um aumento clássico no número de mortes. Por outro lado, nos territórios de Paris são anormalmente altos. O número de mortes está a aumentar muito mais rapidamente do que o normal nesses territórios.

Para memória, remeto para as datas de confinamento do mês de Março.

Uma vez mais, já que medeiam 15 dias entre o tempo de contaminação e a morte, veja-se no que isso dá se mudarmos as curvas.

Assim, quando o confinamento é decidido, a propagação epidémica já ocorreu em todos os territórios em causa e estava a começar a desacelerar. Faz mais de 15 dias após o início do surto. Pode-se, portanto, presumir, como em todos os outros casos, que ela viajou para a França e dentro dos territórios já afectados. Para ser franco, é tarde demais para esperar salvar alguém. Todas as curvas nos territórios afectados seguem o mesmo tipo de sino que de costume.

Quanto ao fim da mortalidade da epidemia, notei que nos últimos 50 anos vimos apenas uma vez o excesso de mortalidade durante o mês de Maio, em 1979. Deve-se lembrar que naquele ano nevou no início de Maio. O tempo era, portanto, excepcional e foi capaz de ajudar a manter a mortalidade no Inverno até o final do ano.

Lembro que a partir de abril de 2020 e durante todo o confinamento, as crianças puderam ir brincar no exterior. Como o calor geralmente sinaliza o fim da mortalidade em excesso no Inverno, o fim da epidemia não poderia ser mais clássico.

Nesta fase, não vejo como se pode concluir uma ligação entre uma diminuição da propagação ou o fim da propagação e as medidas. No entanto, não é o mesmo para a mortalidade. Vamos considerar o gráfico com as datas de confinamento feitas e manter apenas os territórios mais afectados.

Não haveria uma ligação entre as medidas tomadas e uma mortalidade maior do que o normal? É bastante claro que o período entre 17 de Março e 23 de Março, correspondente à implementação das medidas mais fortes tomadas, está perfeitamente sincronizado com o aumento das mortes.

Então, em vez de afirmar que as medidas são benéficas e que se não as colocarmos em prática, irá dar-se uma hecatombe, deveríamos antes prová-lo.

Lembremos aqui as medidas estruturantes que foram tomadas:

1.      Confinamento, isto é, uma limitação extrema dos movimentos e ordenar que todos os franceses fiquem em casa.

2.      A proibição dos médicos municipais de aplicarem a sua arte, ou seja, propor tratamentos para limitar o risco de complicações. O debate concentrou-se na hidorxychloroquina, mas a proibição não se limita a esta molécula, mas a qualquer substância fora do doliprane.

O impacto do confinamento

Vimos antes que os diferentes períodos de confinamento chegaram desfasados com a epidemia. Isso é normal porque o confinamento total chega a partir do momento em que começam a haver mortes entre a população. Só a partir do momento da morte é que o vírus já circula há não mais do que 3 semanas. Então teve tempo de sobra para se espalhar em território francês. Mais uma vez, não vemos nenhum sinal de uma taxa de disseminação desta epidemia que fosse diferente das anteriores. Neste ponto, recordamos que em Março-Abril não havia máscaras ou gel hidroalcoólico, e a moda dos gestos de barreira também ainda não tinha sido acolhida. Acho que todos os trabalhadores se lembram disso.

Então vamos ver quais as ligações que podem ser encontradas entre o confinamento estrito e a mortalidade.

 Muitos internautas disseram-me que o confinamento rigoroso salvou muitas vidas pela ausência de acidentes de carro. Este é um argumento interessante que merece uma carta para a segurança rodoviária. Finalmente, o método é simples para reduzir a mortalidade nas estradas, por que não foi pensado antes? Mais seriamente, há cerca de 3.600 mortes nas estradas por ano em França, ou seja, 300 por mês, ou seja, cerca de 600 mortes durante o período de confinamento. Três quartos dessas mortes têm menos de 65 anos.

Isso é normal, porque são os menores de 65 anos que levam os seus carros todos os dias para ir trabalhar. O Covid, por outro lado, afecta os maiores de 65 anos. Portanto, salvamos um parte das 600 mortes possíveis, mas esmagadoramente de jovens, enquanto eles não arriscam nada com o Covid.

Agora, vamos comparar com outros efeitos desta política de ficar em casa. Em 7 de Maio de 2020, no seu boletim epidemiológico,a Public Health France soa o alarme sobre a renúncia ao cuidado.

Devemos ficar surpresos ao descobrir que quando as pessoas estão assustadas ordenando que fiquem em casa, elas obedecem? Elas obedecem tão bem que não vão ao hospital quando os sinais de derrame ou ataque cardíaco chegam. Em França, há cerca de 120.000 ataques cardíacos por ano,ou seja, 20.000 durante o período de confinamento.

Do lado dos AVC, 150.000 são registrados a cada ano, ou 25.000 em 2 meses.

Ao contrário dos acidentes de trânsito, derrames e ataques cardíacos afectam a maioria do mesmo público que as vítimas de Covid.

Para ter certeza das escalas de comparação entre esses 3 riscos, aqui está o gráfico correspondente:

Sabendo que a Saúde Pública de França nos diz que durante a última semana de confinamento, os hospitais identificaram 300 pessoas a menos em emergências de AVC e 300 pessoas a menos em emergências cardíacas do que na mesma época em 2019. É inferir que em 2020, os franceses tiveram o bom gosto de não ter derrames e ataques cardíacos para abrir espaço para os pacientes de Covid, ou melhor, que não foram atendidos por causa do confinamento. Essa proporção ao longo de 8 semanas representa cerca de 5.000 pessoas não tratadas. Dado que a sobre mortalidade do período Março-Abril é de cerca de 30.000, isso não é insignificante.

Ao que temos que juntar, durante 2 meses, a quase totalidade dos exames de rastreamento, os cancros, mas apenas os que foram cancelados ou adiados.

Sabendo que em França, geralmente há 200.000 exames de cancro da mama todos os meses, podemos ter perdido até 400.000 exames durante este confinamento.

Para cancro colorretal,é exatamente o mesmo, até 400.000 exames perdidos durante um período de 2 meses.

Isso significa que o sistema de saúde, com o cancelamento total, poderia ter acumulado quase 800.000 exames de atraso nessas duas patologias. A soma de todas as patologias não detectadas durante esses 2 meses pode, portanto, ser muito maior.

Esta constatação é confirmada num artigo da figaro afirmando que em 5 meses o número de triagens caiu 23% em 2020, enquanto devido ao envelhecimento da população, continua a aumentar.

É difícil estimar quantas pessoas morrerão por não serem examinadas a tempo. O artigo no figaro coloca o número entre 1000 e 6.000 pessoas. Se considerarmos que este é um jornal que apoiou a tese de um vírus extremamente mortal e, portanto, a necessidade de medidas fortes, é fácil imaginar que pelo menos eles não tenham considerado os números que mais minam a sua linha de propaganda.

Operações diferidas que foram destinadas à remoção de tumores também podem ser adicionadas a esta não-triagem. Há mais de 30.000 no período. Esses adiamentos representam perda de oportunidades para aqueles que os sofreram.

Se resumirmos, quando olhamos apenas para os efeitos colaterais das medidas, ou seja, a falta de cuidado dos pacientes por causa da ordem de ficar em casa, adiamentos das operações e não-testes, temos milhares ou até dezenas de milhares de pessoas que morreram ou morrerão por essas decisões tomadas por esse período de 2 meses. Esse número deve ser colocado frente ao excesso de mortalidade do ano de 2020.

O impacto da proibição do cuidado pelos médicos da cidade

Talvez seja importante começar por lembrar os nossos caros tomadores de decisão e jornalistas da política de cuidado que vem sendo perseguida em França há mais de 30 anos.

No site do INSEE e da DREES, pode acompanhar os diferentes números de unidades de saúde há 20 anos.

Em particular, aprendemos que nos últimos 20 anos o número de camas hospitalares diminuiu em 100.000. Em 1998, por exemplo, havia 8 camas hospitalares por 1000 habitantes e apenas 6 permanecem em 2018. Tudo isso enquanto a população francesa passou de 58 milhões para 65 milhões e, mais precisamente, os maiores de 65 anos passaram de 9 milhões para 13 milhões.

 Enquanto o número de camas caiu drasticamente, o número de médicos aumentou ligeiramente, de 3,3 por 1000 habitantes em 1998 para 3,4 por 1000 habitantes em 2018.

É uma política assumida para limitar o recurso ao hospital para encaminhar o atendimento para os médicos municipais (no nosso caso, os médicos de família – NdT). Tanto a esquerda quanto a direita lançaram muitas reformas nesse sentido. Por exemplo, a taxa por serviço, criada por um certo Jean Castex.

Ou a configuração das 35 horas no hospital, mas sem aumentar o pessoal de cuidados de saúde. Como balanço, só tivemos menos horas de cuidadores, então menos cuidado. Por detrás desse avanço para os trabalhadores do hospital esconde-se uma desorganização do percurso da saúde para levar a uma renúncia.

Essa ideia de abrir mão do acesso francês a hospitais e especialmente aos serviços de emergência estava no centro da reforma sanitária do candidato Fillon para as eleições de 2017.

O programa dele era remover a bobologia (tratamento de pequenas mazelas, como feridas e arranhões) do hospital. Para ele, quanto para os anteriores, a saturação crónica do hospital devido ao envelhecimento e falta de espaço é uma coisa boa, pois é preciso pagar menos. Os franceses devem, portanto, ser impedidos de ir ao hospital para tratar doenças ou lesões consideradas não significativas o suficiente. Em suma, o hospital é o lugar onde doenças graves e cancros são tratados, e para o resto, se tem que pagar. Esta política é apenas uma extensão do que foi alcançado pela esquerda ou pela direita em 30 anos. O erro dele foi exibi-lo claramente. No final, foi o candidato Macron que venceu sem exibir o seu programa e que foi capaz de continuar essa política discretamente.

A razão para essa estratégia é, obviamente, que a saúde deve custar menos aos franceses, ser mais eficiente e moderna. De facto, os custos dos cuidados médicos franceses nunca foram tão altos, de 154 biliões de euros em 2006 para 204 biliões de euros em 2018. Um aumento de 30% no orçamento dedicado a uma saturação cada vez maior. São 50 biliões de euros que vão para os bolsos certos para tratar apenas as pessoas certas.

Em suma, a política que existe há 30 anos é eliminar o máximo possível de vagas hospitalares e, portanto, o uso de hospitais e, em particular, de serviços de emergência. O papel é dado aos médicos da cidade e às suas prescrições para limitar a chegada dos franceses ao hospital. Esta política é conhecida e exibida há 30 anos. Os tecnocratas e políticos no poder sabem muito bem disso. (É como o Canadá e outros países de histeria pandémica. NDLR)

Uma vez que se sabe disso, o que acontece se de repente durante um período epidémico, médicos nas cidades não são autorizados a prescrever e os franceses são ordenados a não ir ao hospital a não ser quando os seus sintomas pioraram?

A resposta é simples, uma vez que os médicos municipais não têm sido capazes de desempenhar o seu papel como primeiros cuidados para evitar uma série de agravos, o hospital encontra-se saturado porque não se destina a isso. A saturação hospitalar de Março a Abril não se deve apenas ao vírus, mas vem directamente da estratégia escolhida. Tudo aconteceu quando o governo francês, em Março, esqueceu completamente a política colocada em prática há 30 anos e o que ela implica. A razão mais provável para esta escolha estúpida é que eles não entendiam absolutamente nada sobre a sua própria política. Isso é o que acontece quando você segue tolamente uma ideologia.

Essa escolha de não permitir que os médicos municipais ofereçam tratamentos também levou a uma deterioração mais rápida da saúde dos pacientes. Além disso, alguns pacientes poderiam não ter retornado a uma condição grave se tivessem sido capazes de receber os primeiros socorros de um médico após um diagnóstico. Tudo isso também aumentou a saturação hospitalar.

 

Tudo isso foi quantificado pelos próprios defensores do confinamento. Arnaud Fontanet e Simon Cauchemez publicaram um artigo na Science, no qual utilizam dados hospitalares franceses e, em particular, o tempo de passagem e ressuscitação e morte desde o atendimento do paciente. As curvas mais interessantes já foram removidas pelos autores, mas o site do Instituto Pasteur ainda permite consultar a versão pré-impressa,ou seja, arquivada, mas ainda não publicada. Nas páginas 31 e 33, pode-se ver quantos dias os pacientes levarão para chegar ao hospital antes de ir para a ressuscitação (gráfico à esquerda) e o número de dias que levam antes de morrer (gráfico à direita).

Aprendemos com eles que 50% dos pacientes que chegam ao hospital são colocados em ressuscitação desde o primeiro dia e que 17% dos pacientes morrem no primeiro dia. Essas enormes proporções são apenas uma prova fornecida pelos autores de que as pessoas chegam tarde demais ao hospital. Podemos ver que a diferença entre o número de óbitos no primeiro dia e o número de óbitos no 2º dia é enorme. Isso mostra que grande parte das chegadas não é salva. Os autores também deduzem que há duas curvas separadas entre aqueles que chegam tarde demais e os outros. Se mostrarmos apenas um pouco de honestidade, podemos dizer a partir dessa enorme proporção de mortes no primeiro dia que a assistência foi demasiado tardia. Portanto, é muito provável que muitos dos mortos nos dias seguintes também sejam o resultado de pessoas cuja condição teve tempo de piorar e algumas das quais poderiam ter escapado se o cuidado tivesse sido precoce. Vendo essas curvas, não consigo imaginar o que pode ter passado pela cabeça dos autores. Como tiveram eles a ideia de publicar essas curvas? Eles só olharam para elas por 2 segundos antes de aplicar mecanicamente um modelo a elas? Como podemos ver essas curvas e dizer que fizemos um bom trabalho e que o vamos difundir mundialmente? Essas pessoas estão noutro planeta.

Finalmente, graças a eles, pude mostrar um artigo amadurecido na Nature, na Lancet e na Science,para que não haja ciúmes.

Esta epidemia deixou um marcador de grave perigo na mente dos cuidadores do hospital, até porque eles não estão acostumados a receber tantas pessoas em tão má forma ao mesmo tempo. Deve-se dizer que, na verdade, geralmente os médicos da cidade tratam boa parte dos doentes. Normalmente não deixamos a situação piorar até que seja tarde demais.

Este abandono do cuidado em França foi analisado e quantificado num artigo muito bem fornecido.

Este gráfico é feito com os dados de óbito do INSEE, anonimizados com informações do local da morte. A curva azul representa mortes no hospital e a curva vermelha representa mortes fora do hospital. Podemos acompanhar as mortes aqui mês a mês. As escalas são um pouco diferentes. O número de mortes dentro e fora do hospital segue os mesmos picos e vazios. Notamos acima de tudo que até 2010 as curvas seguem-se umas às outras muito bem. Por outro lado, desde 2010 o número de óbitos fora do hospital aumentou, enquanto o número de óbitos hospitalares se manteve estável. Este gráfico mostra que o sistema de atenção não se adaptou às necessidades de saúde das pessoas. Nos últimos 10 anos, a população de idosos tem crescido à medida que os baby boomers envelhecem. Nos últimos 10 anos, o abandono do cuidado tem sido evidente. Estamos surpresos em ver a expectativa de vida estagnada em França, finalmente pode ser apenas devido à política de cuidado e à falta de espaço para cuidar do nosso crescente número de idosos.

Sempre com esses mesmos dados, eu tenho olhado para o que vem a acontecer todos os dias desde 2018. As escalas são desta vez as mesmas entre as duas curvas.

Antes de 2020, a curva vermelha ainda está abaixo da curva azul. Desde 2020 tem sido o contrário. Nota-se que o abandono do cuidado não se limita ao período epidémico, mas persiste mesmo em tempos de silêncio, especialmente em Maio e durante todo o Verão de 2020. O abandono do cuidado não é um problema de saturação hospitalar em tempos epidémicos, mas um problema permanente. Não deveríamos inferir que quando não tratamos as pessoas, elas morrem mais?

Em conclusão, neste vídeo, vimos pela primeira vez a fraude intelectual por trás dos estudos científicos pró-confinamento, mesmo aqueles publicados por grandes jornais. Vimos que eles não provam nada e que divulgam estatísticas equivocadas e modelagem matemática para promover o discurso político.

Na segunda parte vimos que, em França, não vemos efeitos benéficos das diversas medidas sobre a disseminação da epidemia tanto na Primavera de 2020 quanto no Dia de Todos os Santos. Para o Dia de Todos os Santos, está claro que o confinamento chegou após a batalha. Para a Primavera, vimos que o confinamento e a proibição de cuidados pelos médicos da cidade chega exactamente no momento em que o número de mortes aumenta. Vimos em detalhe todas as evidências de que as escolhas feitas na Primavera foram muito mais a razão para terem aumentado as mortes do que para as ter diminuído.

Agora que vimos tudo isso, não é hora de parar de promover de forma tola as decisões que foram tomadas e continuar a mesma política de saúde de há 30 anos? Não é hora de acordar e repensar o sistema na direcção certa? Se pudéssemos fazer um balanço de todas as palermices que se acumularam ao longo do último ano, poderíamos pelo menos dizer que teria servido para nos fazer progredir. Mas a que custo?

 Fonte: Les politiques gouvernementales d’austérité expliquent la catastrophe du Covid-19 – les 7 du quebec