49

Peut-on apprendre quelque chose des chiffres de la DREES ?

Chaque semaine, la DREES met à jour les données résultant des appariements entre 3 fichiers produits par Santé Publique France : les fichiers de vaccination anti-Covid (VAC-SI), de tests (SI-DEP) et de données hospitalières (SI-VIC).

Peut-on en tirer des indications sur l’efficacité des vaccin, comme cela a parfois été fait pour affirmer que « la vaccination protège contre les formes sévères de Covid-19 » ?

Ce n’est pas certain. En effet, outre certains biais possibles, les données fournies par la DREES ne reposent pas toujours sur des observations, et ne sont donc pas infaillibles. Comme indiqué par la DREES1, dans certains cas (“une minorité”, nous dit-on), on ne parvient pas à identifier le statut vaccinal d’un patient, et la donnée du statut vaccinal est donc manquante ; et dans ce cas, plutôt que de créer par exemple une case « statut vaccinal inconnu », la DREES a choisi d’extrapoler, c’est-à-dire d’attribuer un statut vaccinal à ceux pour qui on ne le connaît pas, en supposant que les données manquantes ressemblent aux données connues. Une plage d’incertitude existe donc sur les données fournies, et on n’en connaît pas l’étendue.

Pour illustrer le problème que cela pose pour la manipulation et l’interprétation des données fournies par la DREES, on s’est appuyé sur l’outil graphique mis à disposition des internautes par la DREES.

En sélectionnant, grâce au bouton « +Ajouter un jeu de données », le fichier « Covid-19 : résultats par âge issus des appariements » et en filtrant les données (grâce au bouton qui permet cette option), on a sélectionné les données concernant les 0-19 ans, en se restreignant à l’année 2022 pour une meilleure lisibilité.

On a choisi le groupe d’âge 0-19 ans parce que les événements (admissions en soins critiques, décès….) sont rares, et que de ce fait ils permettent d’observer finement la façon dont est traitée par la DREES une donnée concernant un patient dont le statut vaccinal est inconnu. En sélectionnant les données que l’on souhaite afficher (décès PCR + pour Covid ) et quelques options de présentation comme détaillé sous ce lien (données par jour, en colonnes, ventilées par statut, empilement normal des données etc.), on obtient un graphique, indiquant sous forme de colonnes, pour chaque jour de 2022, le nombre de personnes de 0 à 19 ans décédées « pour Covid »2 avec PCR positif, réparties selon leur statut vaccinal.

Décès “pour Covid” chez les 0-19 ans en 2022 – (c) DREES

Sur le graphique (plus instructif à lire en ligne que sur la reproduction ci-dessus), la DREES nous indique qu’une personne de cette tranche d’âges est décédée le 2 janvier, une autre le 6 janvier, quatre autre le 9 janvier etc. La couleur des colonnes indique le statut vaccinal. Ainsi, la personne décédée le 2 janvier avait un schéma vaccinal « complet depuis 3 à 6 mois, sans rappel » et celle décédée le 6 janvier n’était pas vaccinée. Mais si on regarde les colonnes correspondant aux décès des 12, 13, 15, 19 et 20 janvier, par exemple, on voit que chaque colonne, bien que correspondant chacune à 1 décès, est multicolore. C’est manifestement que la DREES n’a pas pu établir leur statut vaccinal réel, et, dans le processus d’extrapolation, a considéré qu’il convenait de « répartir » chacune de ces personnes entre plusieurs statuts vaccinaux possibles. Ainsi, la personne décédée le 12 janvier est comptée comme le cumul de plusieurs fractions de personnes : 0,01 personnes avec une primo-dose récente, 0,02 personnes avec une primo-dose efficace, 0,31 personnes non-vaccinées, 0,16 personnes avec schéma vaccinal complet entre 3 et 6 mois sans rappel, 0,05 personnes avec schéma vaccinal complet de moins de 3 mois sans rappel, 0,3 personnes avec schéma vaccinal complet de plus de 6 mois sans rappel, 0,02 personnes avec schéma vaccinal complet et rappel depuis entre 3 et 6 mois, et 0,13 personnes avec schéma vaccinal complet et rappel de moins de 3 mois.

Il est bien évident que la personne décédée le 12 janvier avait un statut vaccinal, certes inconnu de la DREES, mais unique, et non pas composite.

A quoi correspondent donc ces chiffres (0,01 ; 0,02 ; 0,31 etc.) ? Les explications fournies par la DREES quant à sa méthodologie, sur la page des questions/réponses déjà mentionnée1, ne sont pas explicites dans le cas d’un seul événement, et ne suffisent pas à l’expliquer. D’ailleurs, pourquoi la répartition entre statuts est-elle sensiblement différente pour chacun des patients décédés ? Par exemple, la personne décédée le 26 mars 2022 compte pour 0,75 en non-vaccinée et pour 0,25 en schéma vaccinal complet de 6 mois ou plus sans rappel. Pourquoi 0,75 et 0,25, et pourquoi ne lui a-t-on attribué aucune part parmi les autres schéma vaccinaux ? C’est mystérieux.

[Mise à jour du 29 avril 2022 : ce billet a été rédigé sur la base des données présentes sur le site de DREES du 22 au 28 avril ; or, le lien fourni plus haut conduit aux graphiques incorporant les mises à jour successives. Ainsi, le graphique obtenu en cliquant sur le lien aujourd’hui ne correspond plus à l’image capturée le 28 avril 2022 et publiée ci-dessus. Bien sûr il inclut de nouvelles données, mais même les données passées ont été actualisées et ne correspondent plus à la description faite au paragraphe précédent. Ainsi, tel qu’il apparaît le 29 avril, le décès du 26 mars n’est plus réparti en deux statuts vaccinaux mais en 7 ; inversement, les décès des 13 et 19 janvier qui apparaissaient le 28 avril comme répartis en 7 couleurs — 7 statuts différents — apparaissent le 29 avril répartis en 2 statuts : à 0,75 non vaccinés et 0,25 vacciné complet entre 3 et 6 mois sans rappel. Ces modifications affectent également les chiffres indiqués dans la suite de ce billet, mais pas son raisonnement. Elles interrogent encore un peu plus sur la construction et la fiabilité des extrapolations effectuées par la DREES.]

Quelles sont les conséquences de ces extrapolations ? Afin de s’en faire une idée, toujours sur le même graphique, regardons la colonne correspondant au 28 janvier 2022. Ce jour là, 2 décès sont signalés, dont 1,01 en non-vacciné et « les 0,99 autres » répartis selon les autres statuts vaccinaux. Comment faut-il interpréter cette colonne ? Y a-t-il eu 1 décès chez une personne clairement identifiée comme non-vaccinée et 1 autre décès chez une personne au statut vaccinal inconnu, à laquelle on a attribué une part de 0,01 non-vaccinée  et 0,99 vaccinée selon les autres statuts ? Ou bien aucune des deux personnes décédées n’avaient de statut vaccinal connu, et leur a-t-on attribué 0,505 part non-vaccinée chacune ? A moins d’avoir accès aux fichiers bruts de la DREES, on ne peut pas trancher avec certitude. La même question se pose pour la journée du 9 janvier 2022, avec 4 décès, dont 3,14 personnes indiquées comme non-vaccinées. A quoi correspondent ces 3,14 personnes ? S’agit-il de 3 personnes clairement non vaccinées, et d’une personne au statut inconnu, estimée à 0,14 non-vaccinée et 0,86 vaccinée selon divers statuts vaccinaux ? Ou s’agit-il de 4 personnes au statut vaccinal inconnu, pour lesquelles, en moyenne, on a attribué une part de 0,785 non-vaccinée (4 X 0,785 = 3,14) ? Ou encore, a-t-on une situation intermédiaire, avec 1 ou 2 personnes clairement non-vaccinées et 2 ou 3 dont on a réparti le statut vaccinal entre les différentes options parce qu’on ne le connaissait pas ? On ne peut rien affirmer à coup sûr.

Ainsi, dès lors qu’il y a plusieurs personnes décédés sur une même journée, on ne se contente pas d’une incertitude sur les statuts vaccinaux, mais on y ajoute une incertitude sur l’étendue de l’incertitude elle-même.

A partir des données que fournit la DREES, que peut-on savoir à coup sûr à propos du statut vaccinal des personnes dont le décès « pour Covid » est intervenu entre le 1er janvier et le 10 avril 2022 chez les 0-19 ans ? Il y a eu, selon la DREES, 24 décès, dont 4 clairement identifiés comme non-vaccinés (le 6 janvier, puis les 3, 20 et 21 février), et 3 clairement identifiés comme vaccinés (schéma vaccinal complet entre 3 et 6 mois sans rappel le 2 janvier, primo dose efficace le 16 février, et schéma complet de 6 mois ou plus sans rappel le 13 mars). Donc on sait que les statuts vaccinaux sont connus pour 7 des 24 patients décédés.

Pour les 17 autres décès, deux groupes sont à distinguer : le statut vaccinal est inconnu de la DREES pour 13 d’entre eux au moins, et pour les 4 autres (trois des 4 décès du 9 janvier et un des 2 décès du 28 janvier), on ne sait même pas si leur statut vaccinal est connu ou non par la DREES.

Une chose est certaine : dans la grande majorité des décès pour Covid intervenus chez les 0-19 ans en 2022 (entre 13 et 17 sur 21), la DREES n’a pas pu identifier le statut vaccinal.

On le voit clairement : dans cet exemple, les données fournies par la DREES comportent une grande part d’inconnu, et sont donc compatibles avec avec toutes les hypothèses intermédiaires comprises entre deux hypothèses extrêmes :

– une situation extrême où 3 jeunes vaccinés et 18 non-vaccinés seraient décédés du Covid-19, ce qui suggérerait une grande efficacité du vaccin pour protéger les jeunes contre le risque de décéder du Covid-19 ;

– une situation inverse, où 17 jeunes vaccinés et 4 non-vaccinés seraient décédés du Covid-19, ce qui pourrait suggérer une contre-efficacité majeure du vaccin dans cette tranche d’âge — dont la population n’est vaccinée qu’à 34% en ce début 2022 — et donc d’un effet vulnérabilisant plutôt que protecteur.

Cette énorme marge d’incertitude rend donc impossible de tirer des données de la DREES quelque enseignement que ce soit sur l’efficacité vaccinale dans cette tranche d’âge. (Précisons qu’il ne s’agit pas ici de la question des potentiels effets indésirables des vaccins anti-Covid, mais uniquement de celle de l’efficacité de ces vaccins pour protéger du Covid-19 et de ses effets.)

Remarquons au passage que, dès lors que plusieurs événements sont regroupés, on perd la possibilité de repérer ceux pour lesquels le statut vaccinal est connu. On l’a vu ci-dessus lorsque plusieurs décès étaient intervenus le même jour (9 janvier, 28 janvier) et de la même façon, si par exemple au lieu de détailler les données de mortalité « pour Covid » des 0-19 ans jour par jour, on les groupe par mois, la présentation du graphique invisibilise en grande partie cette réalité de l’incertitude sur les statuts vaccinaux :

Décès “pour Covid” chez les 0-19 ans en 2022 – (c) DREES

Rien sur ce graphique ne permet de savoir que parmi les 2,4 décès du mois de janvier 2022 chez des jeunes avec un schéma vaccinal complet entre 3 et 6 mois sans rappel, un seul statut vaccinal a clairement été établi et que le 1,4 restant résulte d’une extrapolation, sans information sur le statut vaccinal réel. Et rien n’indique que parmi les 7,26 décès de jeunes non-vaccinés en janvier, entre 1 et 4 seulement correspondent à des statuts vaccinaux réellement établis.

La marge d’incertitude est-elle d’une aussi grande ampleur dans les autres tranches d’âges que ce qu’on observe chez les 0-19 ans ?

Pour la tranche 20-39 ans, on peut regarder et obtenir quelques informations.

Décès “pour Covid” chez les 20-39 ans en 2022 – (c) DREES

Parmi les 60 décès « pour Covid » enregistrés en 2022 chez les 20-39 ans, entre 14 et 22 sont de statut vaccinal inconnu. (Si l’on était rigoriste, on pourrait même se demander si, par exemple, les deux décès indiqués le 4 janvier 2022, comptabilisés comme 1 non-vacciné et 1 schéma vaccinal complet de moins de 3 mois sans rappel, correspondent bien à deux décès dont le statut vaccinal était identifié par la DREES, ou à deux décès sans statut vaccinal connu et répartis par extrapolation à 0,5 chacun dans les deux statuts vaccinaux indiqués. Auquel cas on pourrait se sentir incertain sur 26 des 60 statuts vaccinaux.)

Quoi qu’il en soit, sur cet échantillon des décès « pour Covid » observés en 2022 dans la tranche des 20-39 ans, la part des statuts vaccinaux inconnus est moins prépondérante que chez les 0-19 ans, mais elle est toutefois consistante : entre 13 et 26 sur 60, c’est-à-dire entre 21 et 43%.)

Quelle serait la marge d’incertitude pour les tranches d’âges à partir de 40 ans ?

Rien, dans les informations fournies par la DREES, ne permet de l’estimer. En effet, dans les tranches d’âges supérieures, les événements (décès, admissions en soins critiques…) sont moins rares que chez les 0-39 ans, ce qui ne permet à peu près jamais d’isoler des jours avec un seul événement. Dès lors, le nombre d’événements comportant une inconnue sur le statut vaccinal est noyé dans le total cumulé des événements, ce qui rend impossible d’en évaluer l’importance.

Une chose est certaine : puisque la DREES donne des résultats répartis par statut vaccinal en les extrapolant mais sans en distinguer la part établie avec certitude, sans fournir, pour chaque type d’événement (PCR positif, hospitalisation, admission en soins critiques, décès…) le nombre de personnes dont le statut vaccinal est inconnu et a été extrapolé, elle rend impossible de se faire une idée de la marge d’erreur incluse dans les résultats dispatchés par statut vaccinal qu’elle affiche. Et donc, en toute logique, il est impossible d’arriver à conclure quoi que ce soit sur l’efficacité des vaccins, que ce soit contre les infections, contre les formes sévères ou contre le risque de décéder du Covid-19, en s’appuyant uniquement sur les données publiées par la DREES.

[Mise à jour du 1er mai : D’autres types d’anomalies sont observables dans les données issues des appariements entre fichiers que fournit la DREES. Notamment, alors que ces données sont tirées des fichiers de Santé Publique France, les chiffres sont différent. Ainsi, le fichier SI-VIC avec répartition par tranches d’âges indique que, entre le 31 mai 2021 et le 17 avril, 51 décès “avec diagnostic de Covid” sont intervenus en France chez les 0-19 ans (ceci inclut les décès “pour Covid” et des décès “avec Covid” pour d’autres causes). Précisément : 30 décès chez les 0-9 ans et 21 chez les 10-19 ans. Or, dans cette même tranche d’âges de 0 à 19 ans, et entre les mêmes dates, qui couvrent l’ensemble de la période traitée par la DREES à ce jour, celle-ci affiche 66,87 décès “avec Covid”. Il y a donc 15,87 décès supplémentaires de jeunes que la DREES indique avoir obtenus d’un fichier où ils n’existent pas. Sans doute y a-t-il une explication liée aux processus complexes d’appariement, mais cela constitue une raison supplémentaire de considérer avec prudence les chiffres de la DREES : si le nombre d’événements indiqués ne correspond pas à ceux des fichiers d’où ils proviennent et que les statuts vaccinaux sont en partie inventés et instables d’une version à l’autre des fichiers de la DREES, il semble hasardeux de s’appuyer dessus pour en tirer des conclusions qui engagent la politique sanitaire du pays.]

C’est pourquoi des chercheurs ont demandé que soient divulguées les données brutes sur lesquelles s’appuie la DREES. En vain jusqu’ici.

Une dernière remarque.

Le principe même de publier les données d’hospitalisation et de décès en fonction du statut vaccinal a une conséquence plus ou moins conscientisée : cela conduit à renforcer l’impression que la vaccination est le seul facteur qui ait un impact sur les risques d’infection, de forme sévère ou de décès face au Covid-19.

Or d’autres facteurs peuvent avoir un impact.

Il serait par exemple instructif que les événements hospitaliers liés au Covid soient ventilés selon les comorbidités ; ou selon le taux de vitamine D (suffisance, insuffisance, ou carence) ; ou selon les éventuels traitements précoces reçus par les patients avant leur hospitalisation. Ce pourrait même être une façon de contribuer à la recherche sur l’efficacité de ces traitements, jugés “insuffisamment étayés” par les autorités sanitaires.

La commission d’enquête sénatoriale a permis d’apprendre que la DREES avait été conseillée par le cabinet McKinsey sur l’utilisation et la présentation des données. On peut se demander si le cabinet de conseil a eu un rôle dans la mise en œuvre de la présentation opacifiante plutôt qu’éclairante des données, que nous venons d’examiner. Ne pas penser à créer une case “statut vaccinal inconnu” et préférer inventer des statuts quand on ne les connaît pas, sans indiquer combien de statuts ont été inventés dans le processus… c’est du travail de haut-niveau !


1 au paragraphe « Pourquoi certaines valeurs ne sont-elles pas des nombres entiers (nombre de tests PCR, décès…) ? »

2 Pour rappel, la DREES intègre dans le décompte des décès « pour Covid » le nombre de personnes décédées à l’hôpital, pour lesquelles le motif d’hospitalisation enregistré est « Covid-19 » — voir ici et cliquer sur « Modèle de données ». Il faudrait discuter de ce critère. En effet, à juste titre cela peut exclure les personnes décédées de tout autre chose et simplement testées positives au Covid-19 ; inversement, il se peut que cela exclue des personnes ayant contracté le Covid-19 à l’hôpital, comme une maladie nosocomiale, et étant bel et bien décédées du Covid-19 ; par ailleurs, cela laisse dans l’ombre les comorbidités ayant une influence sur la réaction de l’organisme face au SARS-CoV-2 : on ne note pas « obésité » comme motif d’hospitalisation, même si, comme il semble que ce soit observé, l’obésité a pu avoir un impact sur un développement de formes du Covid-19 conduisant à une hospitalisation… Mais c’est une autre question, qui n’a pas d’impact sur la démonstration menée ici.

Enzo L.

Répondre à Didier LAIGLE Annuler la réponse

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

49 commentaires

  1. Bonjour,
    Si cela vous intéresse, j’ai créé un petit programme qui utilise les données de la DREES.
    Celui-ci me permet de rédiger des analyses concernant, notamment les hospitalisations avec Covid-19.
    Voici le lien permettant de lire la dernière analyse qui est relative à l’efficience du vaccin contre la Covid-19.
    https://drive.google.com/file/d/1rz0fsj5zYlUiwi3ty3InFQn_JVz0_glx/view?usp=sharing
    Et aussi, https://drive.google.com/file/d/10ECJmSIs0qfCsbZKpEN1MQDPH7MnA0gu/view?usp=sharing qui est l’avant dernière analyse.
    Cela vous donnera une idée de ce qui est possible de faire avec ce programme.
    Dans les références, vous trouverez un lien qui permet de télécharger ce logiciel.
    Il fonctionne sous Windows, Linux et MacOS. Il est totalement gratuit et libre de droits.
    N’hésitez pas à me contacter pour tout type de questions ou des suggestions.
    Bien cordialement
    Patrice

    • Merci !
      J’ai commencé à travailler sur cette question de l’efficacité vaccinale devenue négative. Votre travail confirme mes observations…

  2. Extrêmement intéressant. J’ai toujours considéré, depuis le début que les chiffres français étaient volontairement ininterprétables, et j’ai donc toujours consulté les chiffres du NHS anglais . Les anglais sont pas blanc-bleu ( exemple scandale Dr Andrew Hill sur l’ivermectine (https://odysee.com/@ivermectine-covid.ch:5/-Lettre-à-Andrew-Hill—ce-chercheur-a-t–volontairement-saboté-les-données-sur-l'ivermectine-pour-empêcher-son-approbation–Les-Drs-Tess-Lawrie,-Pierre-Kory-et-Paul-Marik-s'adressent-à-lui-(février-2022):5?r=Fpy696u12bVfrqzZxSaEuMgjEWBCYWWC ) que je revisionne régulièrement, incrédule et la gorge serrée) , mais sur ce coup là, leurs chiffres permettaient de beaucoup mieux suivre la situation. Votre analyse détaillée et vos compétences sont précieuses ++++

  3. Merci. Une embrouille qui me fait penser à cette ‘invention’ d’un style particulièrement abscons :
    https://denisrancourt.ca/entries.php?id=113&name=2022_04_27_ocla_statement_on_cmaj_fisman_et_al_article_claiming_disproportionate_infection_risk_from_unvaccinated_population_and_on_negligent_media_reporting
    Article du 2022-04-27 – “OCLA Statement on CMAJ Fisman et al. Article Claiming Disproportionate Infection Risk from Unvaccinated Population, and on Negligent Media Reporting”
    Extrait traduit auto :
    “….En tant que scientifiques familiers avec la modélisation épidémiologique et l’épidémiologie réelle, nous avons examiné attentivement l’article de Fisman et al. et constatons que sa principale conclusion (que le risque d’infection chez les personnes vaccinées peut être attribué de manière disproportionnée aux personnes non vaccinées) ne découle pas du modèle présenté.
    Fisman et al. ont concocté un nouveau paramètre, jamais défini auparavant dans la littérature scientifique, qu’ils appellent « contribution non vaccinée au risque d’infection ». Google Scholar n’a pas d’autre article scientifique qui définit ce paramètre.
    …..”

  4. Voir sur Wikipédia :
    https://fr.wikipedia.org/wiki/Efficacit%C3%A9_vaccinale#Exemple
    L’exemple traité démontre clairement (dernier tableau) que l’efficacité vaccinale “contre les formes graves”, quand on le calcule en le rapportant à une base correcte, n’est que de 2,2%, autrement dit sans effet réel compte tenu de la fourchette d’incertitude – et ceci avec les chiffres mêmes fournis par la DREES (!).
    Le discours de la DREES est de la pure fumisterie.

  5. Et comme toujours la même question : à qui profite l’embrouille, l’enfumage, pour ne pas dire le crime ?
    En tout cas un grand bravo pour ce décryptage.

  6. @EnzoL analyse pertinente.
    J’ai moi meme essayé de croiser les données de SpF et de la DREES sur le nombre de deces de la classe 0-19 ans.
    Si l’on se fie aux données de la DREES recoltées du 2 juin 2021 au 17 avril 2022 on aurait 66.87 décès.
    Le données de Spf sur la meme période : 51 décès .
    Il y a comme un problème.
    Sources :
    https://data.drees.solidarites-sante.gouv.fr/explore/dataset/covid-19-resultats-par-age-issus-des-appariements-entre-si-vic-si-dep-et-vac-si/export/
    et
    https://www.ined.fr/fichier/rte/166/Page%20Data/Pooled%20Datasets/AgeSex.zip

    • Et de plus sur https://drees.solidarites-sante.gouv.fr/article/statut-vaccinal-des-personnes-hospitalisees :

      Les données publiées concernent-elles les patients hospitalisés POUR Covid, ou les patients hospitalisés, quelle qu’en soit la cause et qui ont le Covid ?
      Les données que nous publions portent sur les personnes admises à l’hôpital et testées positives au Covid, quel que soit leur statut vaccinal. Les personnes hospitalisées pour d’autres raisons que le Covid mais qui ont été testées positives sont donc également comptabilisées.

      • De plus je ne retrouve plus les sources mais c’etait sur le site de la drees il etait précisé que etaient considérées comme positives toute personne testée positive dans les 15 jours avant ou dans les 15 jours après l’hospitalisation.
        Donc vous pouviez entrer à l’hopital négatif mais considéré comme positif.

      • Les données publiées concernent-elles les patients hospitalisés POUR Covid, ou les patients hospitalisés, quelle qu’en soit la cause et qui ont le Covid ?
        Si l’on en croit la DREES, dans le fichier des résultats *par âge* des appariements, les deux informations sont disponibles : une colonne du tableau fourni indique les décès “avec Covid” (la colonne “DC”), et une colonne indique le nombre de décès “pour Covid” ayant donné lieu à un test PCR positif (la colonne “DC_PCR+_pour_covid”). Il y a même une troisième colonne (DC_PCR+), qui indique le nombre de décès “avec Covid “et avec un test PCR positif.
        Les colonnes mentionnant “PCR+” excluent les personnes dont la positivité a été établie par un test antigénique ou par une autre forme de diagnostic.
        (Sur ce point, voir le paragraphe “Pourquoi les chiffres publiés par la DREES sont-ils différents des chiffres publiés par Santé publique France ?” sur la page dont vous avez donné le lien.)
        Lien vers les “résultats par âge issus des appariements” :
        Contrairement au fichier des résultats “par âge”, les fichiers des résultats “nationaux” et “régionaux” ne donnent pas de chiffres des décès “pour Covid” ; seulement “avec Covid”.

    • A propos de la différence de chiffres entre SI-VIC et la DREES (qui s’appuie pourtant sur SI-VIC), votre observation m’a incité à écrire à la DREES et à SPF pour leur demander comment ils expliquent ça. On verra s’ils répondent…

      • @DNAURA
        PS : j’ai apporté une modification au billet pour évoquer cette différence de chiffres entre DREES et SI-VIC. En vous remerciant.

  7. ” la DREES n’a pas pu identifier le statut vaccinal.”
    “La commission d’enquête sénatoriale a permis d’apprendre que la DREES avait été conseillée par le cabinet McKinsey sur l’utilisation et la présentation des données”
    Eh bien moi, je dis que
    Bien sûr que si, la DREES a identifié le statut vaccinal -il est impossible que cela ne soit pas inscrit qq part- et que McK a décidé qu’il fallait noyer le poisson .

    • Bien évidemment ! Puisque les “injectés” sont “tracés”, ne serait-ce qu’après l’instauration des passes “sanitaire” puis “vaccinal”…. justement. Au pire il suffit de confronter les données de 2 fichiers pour savoir ! Les magouilleurs de chez Mc K prendraient-ils tous les Français pour des demeurés ? Il y a encore heureusement quelques générations capables d’additionner 2 et 2 sans devoir avoir recours à une calculette ou encore pire à Internet ou son appli de téléphone portable !

  8. Rajouté en lien dans ► https://jbl1960blog.wordpress.com/dossier-special-coronavirus/ et juste en-dessous du dernier rapport d’EudraVigilance arrêté au 23/04/22 à 43 898 décès et 4 190 493 effets secondaires/blessures

    https://olivierdemeulenaere.files.wordpress.com/2022/04/eudravigilance-adrs-apr23.jpg

    Et ces chiffres sont largement sous-estimés !

    Une estimation par le Réseau donnait 200 000 décès minimum dus aux injections géniques expérimentales par continent !

  9. Merci de dénoncer toute cette manipulation!
    Sur le même sujet, je vous propose d’écouter ceci que je viens de découvrir:
    https://crowdbunker.com/v/faPrTbf273
    On y trouve des chansons sur tout ce que nous venons de vivre ces deux dernières années. J’ai bien apprécié le style musical que je trouve très novateur, mais même s’il n’est pas pour tous les goûts, le propos est très intéressant et les paroles percutantes.
    Tout le monde devrait l’écouter!!

  10. Merci pour la diffusion de cette information essentielle pour dénoncer la manipulation des statistiques mettant en rapport la morbidité et le statut vaccinal. Mac Kinsey aux commandes !

  11. L’INSEE produit ses graphiques et données synthétiques, mais elle publie aussi les données primaires qui rendent les données synthétiques vérifiables et exploitables. C’est ce que font (ou ont fait) les ministères Israélien et Britannique de la santé, qui ont permis de vérifier les effets réels des vaccins sur le covid.

    N’y a-t-il pas une loi ou des règlements de bonnes pratiques, qui imposent la publication des données primaires ?
    Pour rappel, article 15 de la DDHC : “La Société a le droit de demander compte à tout Agent public de son administration.” Ce qui a fondé la tenue obligatoire de registres publics, les municipaux, mais aussi l’hôpital qui est une administration exercée par des agents publics. Et ce n’est pas un problème de sources, puisque les hôpitaux, s’ils veulent facturer les actes médicaux, sont bien obligés de faire du reporting.
    Ou bien on peut se demander si la volonté de rendre opaques les informations n’est pas un acte de malveillance, justiciable aussi.

    • C’est à cela qu’on peut différencier l’action de la DREES qui dépend du Ministère de la Santé de l’Insee, qui dépend, elle du Ministère de l’Intérieur, et donc un cran au dessus;si je ne me trompe pas.
      Enfin dans les infos de l’Insee il faut distinguer les chiffres buts (primaires) publiés généralement sous forme de fichiers Excel ou CSV, qui permettent à tout un chacun de “construire” ses propres études de leurs statistiques ou études commanditées, qui elles bien que basées sur leurs données réelles peuvent conduire à des interprétations…. parfois folkloriques. Ce site http://ymobactus.miaouw.net/labo/covid19/statistiques-hopitaux-departements.php?date_yz=2022-118&mode=taux-susp (j’avais donné le lien il y a plusieurs mois) compare justement les infos brutes journalières SPF et celles qu’en tire la DREES. On voit bien qu’il n’y a jamais coïncidence.

  12. Les données de la Drees me semblent du meme niveau que le décomptage des voix aux élections présidentielles.
    Vivent les nouveaux modèles mathématiques!

  13. 3 cas ne permettent pas de tirer de conclusions dans une étude. Et ils font la somme de ces cas des dizaines de fois pour prétendre que leurs chiffres sont exacts.
    Totalement ahurissant.

  14. Nous avons tous des compétences différentes, merci Enzo.L de m’éclairer dans cette jungle des tableaux machins et des virgules de patients trucs.
    Bravo de votre pertinence et de votre ténacité
    🎩

  15. Merci pour cet article très éclairant sur la manière frauduleuse avec laquelle sont traitées les données !
    Mc Kinsey aux commandes pour produire ces statistiques faussées et pouvoir manipuler la population à partir de chiffres truqués : qui s’en étonnera ???? C’est la marque de fabrique de cette société de conseil, qui ne connaît que le fric comme valeur, semblable en cela à beaucoup de nos politiques et “scientifiques” de plateau, soudoyés par Big Pharma !
    Pourra-t-on un jour réussir à faire éclater la vérité, en rendant publics toutes ces fraudes et mensonges, et surtout amener les coupables devant les tribunaux ????
    Je n’y crois plus… En effet, j’ai lu le livre de Robert Kennedy Junior “Anthony Fauci, Bill Gates, Big Pharma” (paru en français), qui m’a stupéfiée et horrifiée : je m’attendais à de la pourriture, mais pas à ce degré !!! Que je sache, Kennedy n’a pas été/n’est pas poursuivi pour diffamation (et pour cause, tout s’appuie sur de solides références, vérifiables par tout un chacun), mais Fauci et ses complices sont toujours à leurs postes, alors qu’ils devraient déjà avoir été jugés et condamnés à de lourdes peines (ne serait-ce que pour les malades du SIDA “soignés” ou plutôt achevés à l’AZT, les essais cliniques faits sur des enfants orphelins ou placés en famille d’accueil -ou carrément des enfants d’Afrique- qui ont servi de cobayes, avec bcp d’effets secondaires graves et de décès) ! Tous les salauds continuent tranquillement, la tête haute, leurs activités criminelles, avec le Covid19…

    • Ça fait des années que l’INSEE est chargée de faire mentir les données pour complaire aux objectifs gouvernementaux. La Drees n’est qu’une filiale qui fonctionne de même. Ah, si nous étions dans une république démocratique et populaire…

  16. #Enzo L#
    Bonjour,
    une des raisons du grand succès du blog de Maudrux tenait au fait qu’il s’élevait contre l’interdiction des traitements et mettait constamment en parallèle les chiffres des pays ou régions qui traitaient et celles qui ne traitaient pas.
    “ils” ont eu sa peau.
    Vous avez heureusement pris le relais.
    Vos études de chiffres sont pertinentes sur des chiffres inattaquables..
    Mais..
    Ne serait-il pas bon de ne pas abandonner complètement le combat initial qui a fait le succès du blog?
    Que savons-nous actuellement de la Suède, des pays qui traitent (l’Inde par ex), des pays qui confinent ou mettent en quarantaine et de ceux qui ne font rien?
    Il y a là blackout officiel et c’est la raison d’être de ce blog de le briser.
    Alors?…
    Cordialement,
    Guy lessandri

    • Enzo L
      Je soutiens la demande de GUY ALESSANDRI.
      Je considère qu’il est de la plus haute importance d’insister sur le fait qu’un traitement efficace existe et l’État indien de l’Uttar Pradesh en est la preuve.

  17. Vous posez la question : “La commission d’enquête sénatoriale a permis d’apprendre que la DREES avait été conseillée par le cabinet McKinsey sur l’utilisation et la présentation des données. On peut se demander si le cabinet de conseil a eu un rôle dans la mise en œuvre de la présentation opacifiante plutôt qu’éclairante des données, que nous venons d’examiner.”

    OUI !!! J’espère que votre question sera relayée auprès des parlementaires ou d’autres portevoix !!!!

    Vous suggerez : “Il serait par exemple instructif que les événements hospitaliers liés au Covid soient ventilés selon les comorbidités ; ou selon le taux de vitamine D (suffisance, insuffisance, ou carence) ; ou selon les éventuels traitements précoces reçus par les patients avant leur hospitalisation”

    Parceque cela n’est jamais fait ?????? Notamment pour les comorbidités, alors qu’on nous bassine avec ça depuis deux ans !!!! Certains établissements de santé, certains services le font peut-être, mais de façon non standardisée, ce qui rend le traitement des données difficile ?

  18. Bonjour
    Sauriez vous pourquoi les données anciennes changent tellement ?
    Si on prend un fichier récent et un plus ancien, les données sont différentes.

  19. Peut-on en déduire que la DREES fait des stats à la louche, au doigt mouillé et même à vol d’oiseau ?

    Concernant les tests PCR dès décembre 2020 on avait les moyens argumentés de dénoncer l’arnaque ► https://jbl1960blog.wordpress.com/2020/12/17/a-diffuser-sans-pitie-%e2%96%ba-dossier-special-pdf-sur-la-fraude-aux-tests-rt-pcr-qui-justifie-la-dictature-sanitaire/

    https://jbl1960blog.files.wordpress.com/2020/12/dossier-special-fraude-tests-rt-pcr.pdf

    JBL

  20. Un voisin triple vacciné a un Guillain-Barré. En interrogeant sur la toile sur ce sujet, je tombe sur un article du Huffpost du
    25/10/2021.
    Cet article nous explique que le risque de “Guillain-Barré” après un vaccin est moins élevé qu’après une infection !
    Comment peut-on publier une telle chose qui nous explique clairement qu’avec l’injection ARN Messager de la “SPIKE”, il existe bel et bien un risque de se retrouver avec un Guillain-Barré. Mais que ce n’est pas gênant car il y a moins de risque qu’avec le covid-19.
    Ce Grégory Rosière, auteur de l’article, a-t-il conscience de ce qu’il écrit ?
    Comment un “pseudo vaccin” peut-il poser autant de problèmes de santé graves aussi variés et disséminés partout dans le corps ? Un virus naturel ne le pourrait pas, ceci est totalement inédit et spécifique à c eCovid-19; il n’y a que l’ingénierie humaine dans ce domaine des virus, notamment les gains de fonction, qui peut produire un tel résultat !
    Conférer les travaux de Jean-Marc Sabatier Directeur de recherche au CNRS, Docteur en biologie cellulaire et microbiologie

  21. merci Enzo L. Pour la qualité de votre travail. Mettre en lumière les chiffres objectivement pour aider l’intérêt général devrait être une hygiène d’action pour ces agences. « On peut discuter de tout sauf des chiffres » paraît-il ? -:)

  22. L’étudiant en première année de statistiques médicales apprend que pour comparer deux populations homogènes ( Ce qui déjà est difficile à trouver ) et analyser l’impact statistiquement significatif d’un seul paramètre, dans ce cas le lien entre les DC et le statut vaccinal, il faut un effectif d’au moins 50 éléments dans chaque population homogène, ainsi dans les tranches d’âge des jeunes la DREES ne peut rien conclure de signifiant et devrait être renvoyée à ses études, il est bien évident que ces biais sont exploités par la DREES et leurs commanditaires conseils à des fins politiques, lorsqu’on mixe la politique et la science çà n’est jamais très rassurant !….

    • Mon voisin, vax pour la grippe en début 2020 a eu 3 semaines après un Guillain-Barré…Le personnel soignant de l’époque lui avoua que très peu d’entre eux l’étaient !
      “Il jura, mais un peu tard, qu’on ne l’y prendrait plus” ( fables )

  23. Merci Macron, Veran, Salomon, Del Fraissy, Fischer et autres fayots de confier votre propagande à un cabinet de conseil déja condamné moulte fois pour diverses malversations… Mais mes peuples ont les dirigeants qu’ils méritent…

  24. Merci pour votre travail
    Les méthodes de la DREES que vous décrivez s’apparentent à une supercherie statistique visant à induire le public en erreur afin de promouvoir une campagne de vaccination décidée en haut lieu.
    Cette nouvelle manipulation n’a malheureusement plus rien de surprenant, pour qui a suivi la gestion de l’épidémie de Covid-19 par nos autorités politico-sanitaires.
    Il faudra d’autres responsabies pour espérer voir restaurer la crédibilité, bien entamée à ce jour, des données publiées par le Ministère.
    La corruption des données statistiques et scientifiques est en elle-même un symptôme inquiétant du degré atteint par la corruption du personnel politique dans notre pays.

  25. Très intéressant. Je récupère aussi ces données chaque semaine mais je n’avais jamais tenté de vérifier ces différents points.
    En revanche, je me pose une question depuis le début. Ce sont les écarts entre les données de la DRESS et celles de Santé Publique France.
    Par exemple quand je prends le total des tests faits sur la période du 28/03/2022 au 3/04/2022, j’obtiens un nombre de 3 211 952 dans la base SPF alors que la DRESS n’en trouve 1 494 648, soit 46,5% alors que pour les tests positifs, SPF en dénombre 936 680 alors que la DRESS n’en restitue que 534 237, soit 57%. Ces écarts me paraissent importants et ne permettent pas d’être certains des calculs que l’on peut faire pour comparer les résultats en fonction du statut vaccinal.
    Les écarts sont moins importants pour les hospitalisations, les réa et des décès avec des pourcentages respectifs de 61,4 %, 79% et 76%.
    Si on ajoute les incertitudes liées à votre analyse, les données de la DRESS me paraissent inutilisables pour faire la moindre analyse entre statut vaccinal.

    Avez vous réussi à comprendre ces écarts ? Je n’ai trouvé aucune explication sur le site de la DRESS (https://data.drees.solidarites-sante.gouv.fr/explore/dataset/covid-19-resultats-par-age-issus-des-appariements-entre-si-vic-si-dep-et-vac-si/information/)

    Merci Enzo pour vos articles de fond.

    • Il me semble qu’une partie des écarts peut provenir de la nuance entre “PCR” (chiffres retenus par la DREES) et “tests” (chiffres de Santé Publique France, qui incluent les tests antigéniques effectués en pharmacie.)
      Cela dit, la raison pour laquelle la DREES ne s’appuie que sur les tests PCR en écartant les tests antigéniques m’échappe.
      J’avais également noté des différence de décompte des décès dans l’autre sens : sur une période donnée, le nombre affiché par la DREES était supérieur à celui fourni par Santé Publique France. La DREES m’avait répondu que c’était lié au fait que Santé Publique France attribuait à un décès la date à laquelle il était rapporté, tandis que la DREES revenait à la date où le décès avait eu lieu, ce qui pouvait créer des décalages. Mais je garde un doute…

      • Une de raisons du choix du test PCR est peut-être la fiablilité défaillante des uns et des autres . Il a probablement fallu choisir le “moins pire” ….