Der nächste Beleg dafür, dass COVID-19 “Impfstoffe” töten

Wie lange muss man einen Widerspenstigen unter Wasser halten, bis er von seiner Behauptung, er könne unter Wasser atmen, abrückt?

Wie viele Eingriffe benötigt ein aus seiner Sicht im falschen Körper Geborener, wie sehr muss er zum chrirurgischen Flickenteppich zerstückelt werden, bevor er einsieht, dass man Chromosome nicht ändern kann?

Wie viele Belege dafür, dass COVID-19 Impfstoffe / Gentherapien für viele “Geimpfte” als Sterbebeschleuniger, nicht etwa als Schutz vor vorzeitigem Tod gewirkt haben, sind noch notwendig, ehe auch nur ein Polit-Darsteller, der für eine, wenn nicht die größte Gesunheitskatastrophe moderner Gesellschaften verantwortlich ist, diese Verantwortung übernimmt?

Muss man die Verantwortlichen erst in Haft mit sich selbst nehmen, damit sie bereit sind, den Gedanken, dass sie für Tod und Krankheit verantwortlich sind, zuzulassen?

Wie auch immer man diese Fragen beantwortet, die Feststellung, dass wir es derzeit mit einer Klasse von Polit-Darstellern und ihren (medialen) Lakaien zu tun haben, die in einer Weise die Interessen derer, die sie angeblich repräsentieren, mit Füßen treten, die es bislang in der Geschichte, abgesehen von der ein oder anderen feudalen Eskapade nicht gegeben hat, steht am Ende.

Heute nun ergänzen wir zu den vielen Belegen, die wir bereits zum Thema “Tod durch COVID-19 Impfung / Gentherapie” veröffentlicht haben, einen weiteren Beleg, den Steve Kirsch in seinem Substack-Account veröffentlicht hat. Die Analysen, die Kirsch präsentiert, basieren auf Daten des US-amerikanischen Medicare. Daten zu rund 114.000 “Versicherten” wurden Kirsch zugespielt, Daten, die den Zeitpunkt der ersten, zweiten, dritten und, wer es bis dahin überlebt hat, vierten Dosis eines angeblichen COVID-19 “Impfstoffes” mit dem Zeitpunkt des Versterbens des jeweiligen Geimpften verknüpfen. Und was auf den ersten Blick gut aussieht, ist auf den zweiten ein Problem, denn der Datensatz sieht so aus:

Die Frage, die uns alle interessiert, ob nämlich COVID-19 Impfung / Gentherapie mit einem erhöhten Sterberisiko einhergeht, sie ist auf Basis dieser Daten nicht direkt beantwortbar, schon weil ein Vergleich mit Ungeimpften nicht möglich ist, weil zum Ausgangszeitpunkt alle ungeimpft waren und über Zeit ein Wechsel aus der Kategorie der Ungeimpften in die der Geimpften stattfindet, und das ist nur eines der Probleme.

Man benötigt also eine Methode, um auf Basis der Sterbemuster, die sich für “COVID-19 Geimpfte” finden, etwas darüber aussagen zu können, wie sich die Spritzbrühen auf die Überlebenswahrscheinlichkeit der Geimpften auswirken. Kirsch macht sich mit der Strategie seiner Auswertung eine alte statistische Methode zunutze, die z.B. im Zusammenhang mit Untersuchungen dazu, wie viel Menschen lügen/betrügen, eingesetzt werden. Offensichtlich werden Leute, die lügen, auf die Frage, ob sie lügen, eher keine wahrheitsgemäße Angabe machen. Ergo kann man sie in ein experimentelles Setting stecken, das so modelliert ist, dass die Probanden am Ende einer Aufgabe vor der Frage stehen, ob sie zu ihren eigenen Gunsten betrügen/lügen oder nicht, wobei sie diese Entscheidung unter Ausschluss jeder Form von Aufsicht treffen. Stellt man z.B. ein paar Hundert Probanden vor diese Frage, dann kann man die Ergebnisse des entsprechenden Experiments mit einer Normalverteilung (In diesem Fall eine F-Verteilung) vergleichen und aus den Abweichungen von dieser Normalverteilung den Anteil derjenigen bestimmen, die gelogen/betrogen haben müssen.

Steve Kirsch geht analog vor.
Sein Ausgangspunkt ist die Saisonalität des Todes, d.h. z.B.: in Wintermonaten sterben mehr Menschen als in Sommermonaten. Betrachtet man wöchentliche Sterberaten über ein Jahr verteilt, dann erhält man eine Abbildung wie die folgende für das Jahr 2021:

Die Verteilung oben gibt das an, was man an Entwicklung erwarten würde, wenn ein vermeintlicher COVID-19 Impfstoff KEINEN Effekt auf die Sterbewahrscheinlichkeit hat. Wird z.B. im Dezember / Januar mit einer Massenimpfung begonnen, dann findet diese Massenimpfung zu einem Zeitpunkt statt, zu dem es normalerweise einen Rückgang in der Sterbehäufigkeit gibt, wie dies oben für das Jahr 2021, das Jahr, dessen Daten Kirsch im folgenden auswerten wird, dargestellt ist. Betrachtet man nun alle diejenigen, die im ersten Quartal 2021 ihre erste COVID-19 Spritze erhalten haben, dann können sich theoretisch drei Resultate einstellen.

• Die Sterbehäufigkeit steigt an, d.h. die erste Dosis COVID-19 Impfstoff / Gentherapie erhöht das Sterberisiko.
• Die Sterbehäufigkeit verläuft flach, steigt nicht an, d.h. die erste Dosis COVID-19 Impfstoff / Gentherapie hat keinerlei Effekt auf das Sterberisiko.
• Die Sterbehäufigkeit geht zurück, d.h. die erste Dosis COVID-19 Impfstoff / Gentherapie verringert das Sterberisiko.

Die folgende Abbidlung, die Kirsch für gegen Influenza-Geimpfte errechnet hat – alle Abbildungen beziehen sich auf Personen, die 80 Jahre alt oder jünger sind – zeigt eine Entwicklung für einen Impfstoff, der sich überhaupt nicht auf die Sterbewahrscheinlichkeit auswirkt, dessen Wirkung, wenn man so will, verpufft.

Betrachtet man dagegen die Sterbe-Entwicklung, die sich nach der ersten Dosis COVID-19 Impfstoff / Gentherapein einstellt, dann ergibt sich die folgende Abbildung:

Jeder Punkt gibt einen Tag, zu dem die auf der y-Achse angegebene Anzahl von Menschen im Datensatz von Kirsch als verstorben erfasst wurde, an. Wie man sieht, steigt die Anzahl der Verstorbenen unmittelbar nach der ersten Dosis COVID-19 Impfstoff / Gentherapie steil an, nach ungefähr 25 bis 30 Tagen geht die Steigung zurück, bleibt aber für rund 365 Tage vorhanden. D.h.: Ein Jahr nach der ersten COVID-19 “Impfung / Gentherapie” haben Erstgeimpfte ein – verglichen mit der normalen Verteilung der Sterbehäufigkeit – erhöhtes Sterberisiko. Ab dem ersten Jahr bleibt das Sterberisiko konstant. Dass es zum Ende der Darstellung stark abfällt, hat damit zu tun, dass wir uns dem Ende des Beobachtungszeitraums, den Kirschs Daten umfassen, nähern, d.h. es ist niemand mehr da, der noch sterben kann.

Die Abbildung oben zeigt ein durch den ersten COVID-19 Impf-Schuss deutlich erhöhtes Sterberisiko.
Die nächste Abbildung zeigt denselben Verlauf für den zweiten COVID-19-Schuss.

 

Und auch für den dritten COVID-19-Schuss verläuft die Entwicklung der Sterbehäufigkeit in die falsche Richtung: Es sterben mehr, nicht weniger, wie zu erwarten wäre, wenn die COVID-19 Spritzbrühen einen positiven Effekt hätten.

Kirsch wertet hier Daten aus, die auf der Ebene von Individuen den Zeitpunkt der COVID-19 Impfung / Gentherapie [erste, zweite, dritte oder vierte] mit dem Zeitpunkt des Todes in Zusammenhang bringen. Das höhere Sterberisiko, das im Vergleich zum Verlauf der Sterblichkeit in 2021 gezeigt werden kann, ergibt sich somit ausschließlich für “Geimpfte”. Ein weiterer Beleg dafür, dass COVID-19 Impfstoffe / Gentherapien töten.

Sie tun es z.B. dadurch, dass sie Herzerkrankungen verursachen. Die folgende Abbildung zeigt Herzerkrankungen (Cardiac events, y-Achse) im Zeitverlauf ab dem Zeitpunt der COVID-19 Impfung / Gentherapie [erste, zweite, dritte oder vierte]. Unmittelbar nach dem COVID-19 Schuss stellt sich eine erhöhte Anzahl schwerer Herzerkrankungen ein, die über rund zwei Monate fortdauert. Würden sich COVID-19 Impfstoffe / Gentherapien nicht auf die Wahrscheinlichkeit, ein schweres Herzleiden zu entwickeln, auswirken, die Kurve verliefe mehr oder mindere parallel zur x-Achse.

Damit ist einmal mehr ein sehr schlüssiger Beleg dafür erbracht worden, dass COVID-19 Impfstoffe / Gentherapien TÖTEN bzw. schwere Erkrankungen zur Folge haben.

Er reiht sich ein in die Reihe der bereits vorhandenen Belege. Hier eine Auswahl dieser Belege:

SciFi

---

Anregungen, Hinweise, Kontakt? -> Redaktion @ Sciencefiles.org

---

Wenn Ihnen gefällt, was Sie bei uns lesen, dann bitten wir Sie, uns zu unterstützen.
ScienceFiles lebt weitgehend von Spenden.
Helfen Sie uns, ScienceFiles auf eine solide finanzielle Basis zu stellen:

Entweder direkt über die ScienceFiles-Spendenfunktion spenden [das ist sicher und Sie haben die volle Kontrolle über ihre Daten]:

---

Oder über unser Spendenkonto bei Halifax: ScienceFiles Spendenkonto:
HALIFAX (Konto-Inhaber: Michael Klein):

• IBAN: GB15 HLFX 1100 3311 0902 67
• BIC: HLFXG1B21B24

---

Wenn Sie ScienceFiles weiterhin lesen wollen, dann sind Sie jetzt gefordert.

---