Révéler les biais cachés qui ont gonflé l’efficacité et la sécurité du vaccin COVID-19

par La rédaction de l'AIMSIB
08/02/2026

Voici un article qui démontre de manière absolument formelle de quelle manière on peut falsifier les données de sécurité et d’efficacité d’une stratégie vaccinale de grande ampleur, en faisant sempiternellement « porter le chapeau » des catastrophes sanitaires sur les non vaccinés, même quand ceux-ci… l’ont été ! On remarquera au passage que ces grivèleries statistiques ne sont pas nées avec la vaccination anti-COVID (*). Il serait grand temps que le public et les professionnels prennent tous conscience de l’existence de ces malfaisances statistiques absolument criminelles. Bravo aux auteurs de cet article, bonne lecture.

Introduction

Aujourd’hui, avec les Drs Marco Alessandria, John Trambusti, Giovanni M. Malatesta et Alberto Donzelli, nous avons publié une étude scientifique cruciale, évaluée par des pairs et intitulée « Biais de classification et impact de la vaccination COVID-19 sur la mortalité toutes causes confondues : le cas de la région italienne d’Émilie-Romagne« [1].

Dans cette étude, nous fournissons la première preuve examinée par des pairs, sur la base de données réelles. L’étude de l’impact sur l’environnement démontre comment certaines méthodes statistiques ont conduit à une augmentation de l’impact sur l’environnement, à une surestimation de l’efficacité et de la sécurité des vaccins COVID-19.

Ce document choquera le monde car il prouve que toutes les études scientifiques menées jusqu’à présent qui sont affectées par ce biais devraient être réévaluées.

Nous avons abordé un parti pris critique qui peut déformer de manière substantielle les évaluations en situation réelle de l’efficacité et de la sécurité des vaccins, connues sous le nom de « tests d’efficacité ».

Biais de « la fenêtre de comptage des cas »

Ce biais, théorisé par Fung et al. [2], se produit parce que les individus sont classés comme « non vaccinés » au cours de la première phase de vaccination pendant 14 jours après avoir reçu le vaccin (période jugée nécessaire pour que la réponse immunitaire se développe pleinement).

Par conséquent tout événement indésirable, y compris les décès survenant au cours de cette période, est attribué à tort au groupe non vacciné, et gonflera artificiellement son taux de mortalité tout en sous-estimant la mortalité chez les personnes vaccinées.

En analysant des données quotidiennes détaillées sur la mortalité toutes causes confondues et l’administration de vaccins dans la région Émilie-Romagne (Italie), obtenue grâce à une demande d’accès à l’information de l’avocat Lorenzo Melacarne (conformément à l’art. 5, virgule 2 du décret législatif italien n° 33/2013), nous avons trouvé une coïncidence temporelle évidente entre les campagnes de vaccination et les pics de décès parmi les personnes classées à tort comme non vaccinées au cours de cette période critique (Figure 1).

Figure 1. Le graphique illustre le taux de mortalité quotidien pour 100 000 personnes (groupe d’âge 70-79), en comparant les personnes vaccinées (représentées par la ligne rouge continue) et les personnes non vaccinées (représentées par la ligne verte continue). En outre, il montre le nombre cumulé de vaccins administrés avec au moins une dose (indiqué par la ligne pointillée rouge) [extrait de Alexandrie et autres, 2025].

Notre analyse statistique a mis en évidence des différences significatives de mortalité entre les groupes vaccinés et non vaccinés, au cours de la fenêtre critique de 14 jours après la vaccination, lorsque des erreurs de classification se produisent.

Il est important de noter que ces différences de mortalité ne peuvent pas être expliquées uniquement par les décès liés au COVID-19, qui ne représentaient qu’environ 9% de l’ensemble des décès en Italie en 2021. Même après exclusion des décès liés au COVID-19, la disparité entre les groupes est restée significative, ce qui indique une mauvaise classification systématique plutôt qu’un véritable bénéfice du vaccin.

Nous avons également observé que la différence diminuait avec l’âge, ce qui reflète probablement l’augmentation de la charge de comorbidité chez les personnes âgées, laquelle influence le risque de mortalité global. (Pour des informations plus détaillées, veuillez consulter l’article, qui est publié en libre accès et disponible gratuitement pour tous).

L’effet « de récolte »

Nos résultats suggèrent un effet de récolte, où les personnes vulnérables succombent peu après la vaccination, mais leurs décès sont comptabilisés à tort parmi les personnes non vaccinées. Cette classification erronée masque d’éventuels effets indésirables graves liés aux vaccins et survenant peu de temps après la vaccination. Les patients peuvent avoir des réactions allergiques graves, des événements cardiovasculaires ou des réactions auto-immunes.

En outre, l’utilisation de pratiques de classification similaires par de nombreux pays, y compris par l’Union européenne, a permis d’améliorer la qualité de l’information. Le rapport de la Commission européenne sur les effets indésirables de la vaccination, publié en mars 2008, suggère que ce biais est largement répandu au niveau international. Par exemple, les directives de santé publique britanniques classent les individus comme non vaccinés pendant les 14 à 21 jours suivant la vaccination, ce qui conduit à une mauvaise attribution des effets indésirables précoces.

l’effet « de serre »

Il est essentiel de reconnaître que la biais de la fenêtre de comptage des cas est lié à un autre phénomène bien établi dans la recherche par observation, connu sous le nom d’« effet de serre » ou biais temporel immortel. Les Prs Norman Fenton et Martin Neil ont été parmi les premiers à identifier la manière dont ces biais modifient les cas et les décès d’une manière qui exagère l’efficacité et la sécurité apparentes des vaccins en créant des catégorisations temporelles trompeuses.

Le Pr Fenton a lui-même qualifié ces manipulations de « guerre de l’argent » ou d’« astuce bon marché », illusion statistique qui renforce artificiellement la perception de l’efficacité des vaccins [3]. En outre, James Lyons-Weiler, Dr sc., avait dès octobre 2021 identifié et mis en évidence cette incohérence statistique significative affectant les données sur l’efficacité des vaccins ; et il soulignait la nécessité d’un examen critique de la manière dont le statut de la vaccination et les fenêtres de comptage des cas faussent la perception de la performance des vaccins [4].

Nos résultats ont des implications importantes :

Le fait de ne pas tenir compte de ces biais peut conduire à une surestimation substantielle des avantages et de la sécurité des vaccins, ce qui se traduit par des politiques de santé publique erronées.

La communauté scientifique doit donc reconnaître et ajuster ces biais afin de produire des évaluations plus précises et plus transparentes des risques et des bénéfices des vaccins.

Conclusion

En conclusion, notre étude montre que le biais de la fenêtre de comptage des cas gonfle les taux de mortalité attribués à tort aux personnes non vaccinées, tout en sous-estimant les effets indésirables survenant peu de temps après la vaccination. Pour garantir une interprétation fiable des études observationnelles sur les vaccins et des décisions de santé publique éclairées, il est essentiel de corriger ce biais ainsi que le biais du temps immortel. En outre, toutes les études existantes sur l’efficacité des vaccins devraient être réévaluées pour tenir compte de ces biais.

Un élément clé de ce processus est la disponibilité de données précises et actualisées sur le statut vaccinal des individus, permettant une classification correcte des cas et des décès et contribuant à une évaluation plus fiable de la sécurité et de l’efficacité des vaccins en situation réelle.

Références originales de l’article

Alessandria M., Trambusti G., Malatesta G. M., Polykretis P., & Donzelli A. (2025). Classification bias and impact of COVID-19 vaccination on all-cause mortality: the case of the Italian region Emilia-Romagna. Autoimmunity, 58(1). https://doi.org/10.1080/08916934.2025.2562972
Panagis Polykretis 03 nov. 2025

Notes et sources

(*)  » Un jour d’après-guerre un médecin lyonnais, le Dr Robert Rendu, décide de décompter les malades de la diphtérie dans une fraction de l’armée française selon leurs statuts vaccinaux[i]. Il compte 19 diphtéries pour 2 018 vaccinés (9,4 ‰) et 17 parmi 1974 non vaccinés (8,6 ‰). Discret avantage possiblement non significatif aux non-vaccinés. Voilà qui fait néanmoins désordre. Mais admirez les artistes de la pirouette statistique : on va d’abord considérer que les vaccinés « qui n’ont pas reçu leurs trois doses doivent être considérés comme des non vaccinés ». Ainsi 12 des « vaccinés certes, mais incomplètement» rejoignent les 17 diphtériques non vaccinés. Et puis on va finalement en ajouter deux de plus qui ont bien reçu trois doses « mais pas depuis plus d’un mois », donc retour eux aussi chez les non-vaccinés. Le décompte final, après ce travail de charcutage extraordinaire, donne pour finir 5 malades chez les vaccinés (2,5 ‰) pour 31 chez les « non vaccinés » (15,7 ‰) ; et l’on retourne glorifier la vaccination antidiphtérique. » Dr Vincent Reliquet, « Chronique de Médecine Contestataire » tome II, Résurgence, 2025.

[i] Rendu R, « Résultats comparés de la vaccination et de la non-vaccination dans la lutte contre la diphtérie », Le Journal de médecine de Lyon, n°819, p.147-60, 20 fév 1954.
[1] M. Alessandria, G. Trambusti, G.M. Malatesta, P. Polykretis, A. Donzelli, Classification bias and impact of COVID-19 vaccination on all-cause mortality : the case of the Italian region Emilia-Romagna, Autoimmunity 58 (2025) 2562972. https://doi.org/10.1080/08916934.2025.2562972.
[2] K. Fung, M. Jones, P. Doshi, Sources of bias in observational studies of COVID-19 vaccine effectiveness, J Eval Clin Pract 30 (2024) 30-36. https://doi.org/10.1111/jep.13839.
[3] N. Fenton, M. Neil, Vaccine efficacy « cheap trick » by exclusion, Where Are the Numbers ? par Norman Fenton et Martin Neil (2023). https://wherearethenumbers.substack.com/p/vaccine-efficacy-cheap-trick-by-exclusion.
[4] J.L.-W. PhD, How The Definition of « Fully Vaccinated » Misleads People on COVID-19 Vaccine Safety & ; Efficacy : An Explanation For CNN’s Drew Griffin, Popular Rationalism (2021). https://popularrationalism.substack.com/p/how-the-definition-of-fully-vaccinated.
[5] M. Neil, N. Fenton, J. Smalley, C. Craig, J. Guetzkow, S. McLachlan, J. Engler, D. Russell, J. Rose  Les données officielles sur la mortalité en Angleterre suggèrent une mauvaise catégorisation systématique du statut vaccinal et une efficacité incertaine de la vaccination contre la COVID-19, 2022. https://doi.org/10.13140/RG.2.2.28055.09124 .

Source : AIMSIB