

Discover more from Critical Thinking - The Newsletter
Παραπλάνηση του κοινού με την εΜπιστήμη (TM)
Είναι η ύπαρξη μοντέλων για την εκτίμηση των ζωών που σώθηκαν από τα εμβόλια Covid-19 απόδειξη ότι πραγματικά σώθηκαν ζωές;
*του Mr Law, Health and Technology*
Και πάλι σήμερα διακόπτω την κανονική μου εργασία για να κάνω μια ερώτηση που θα έπρεπε να είναι απλή στην απάντηση…
Είναι η ύπαρξη μοντέλων για την εκτίμηση των ζωών που σώθηκαν από τα εμβόλια Covid-19 απόδειξη ότι πραγματικά σώθηκαν ζωές;
Στις 13 Δεκεμβρίου 2022, το Commonwealth Fund δημοσίευσε ένα ακόμη στη μακρά σειρά άρθρων που ισχυρίζονται ευθέως ότι τα εμβόλια για την Covid-19 έσωσαν εκατομμύρια ζωές, μετριάστηκαν δεκάδες εκατομμύρια νοσηλείες και έσωσαν (τουλάχιστον για την οικονομία των Ηνωμένων Πολιτειών της Αμερικής ) περισσότερα από ένα τρισεκατομμύριο δολάρια…
Στατιστική Μοντελοποίηση
Η στατιστική μοντελοποίηση είναι κοινή και μπορείτε να τη δείτε παντού - από τις προβλέψεις καιρού που κάνουν οι μετεωρολόγοι στην τηλεόραση κάθε βράδυ, μέχρι τον τρόπο που οι μηχανικοί αεροναυπηγοί προσομοιώνουν τις πιέσεις σε νέα σχέδια ατράκτου. Ωστόσο, από τότε που ο κόσμος αντιλήφθηκε την Covid-19, υπήρξαν άνθρωποι που αναζητούν τα 15 λεπτά της φήμης τους διαμορφώνοντας την εκδοχή τους για το τι πιστεύουν ότι θα συμβεί στη συνέχεια. Τα μοντέλα μας είπαν πόσοι άνθρωποι θα μολυνθούν, πόσοι θα πέθαιναν και, πιο απίστευτα, τον ευεργετικό αντίκτυπο των διαφορετικών παρεμβάσεων… συμπεριλαμβανομένου του ισχυρισμού ότι σώθηκαν ζωές από την κοινωνική απόσταση, τις μάσκες και πιο πρόσφατα, τα εμβόλια.
Τα μαθηματικά μοντέλα έχουν γίνει πανταχού παρόντα ως εργαλεία πρόβλεψης για τη διακυβέρνηση της πολιτικής υγείας - προβλέποντας τη μετάδοση, τα αποτελέσματα της επιδημίας και τα αποτελέσματα των προληπτικών μέτρων και ελέγχων (Bauer, 2013; Ferguson et al, 2020; Medley et al, 2001; Mideo, Day & Reid, 208 Pike & Saini, 2020). Το ευρύ κοινό είναι πλέον πιο πρόθυμο και έχει δεσμευτεί να δεχτεί τα αποτελέσματα που προωθούνται από τα μέσα ενημέρωσης σχετικά με την υγεία από τους ήσυχα φιλομαθείς συναδέλφους μας (Dorfman & Krasnow, 2014). Αλλά είναι αυτές οι μοντελοποιημένες εκτιμήσεις ποτέ πραγματικά απόδειξη για το τι έχει συμβεί ή τι θα μπορούσε να συμβεί;
Μοντελοποιώντας τους θανάτους της Covid-19 - Μια βολή στο σκοτάδι
Ήταν συγκλονιστικό να βλέπεις τις απροσδόκητες προβλέψεις για την ημέρα της Καταστροφής ενός μαθηματικού, του Neil Ferguson του Imperial College του Λονδίνου, να χρησιμοποιούνται για άλλη μια φορά για να κατευθύνουν την απάντηση της κυβερνητικής πολιτικής για την υγεία (Adam, 2020; Cowley, 2020; Rhodes & Lancaster, 2020). Την εποχή που ο Ferguson παρουσίασε τη διαβόητη πλέον έκθεσή του για την COVID-19 (Ferguson et al, 2020), που σχεδόν όλοι συμφωνούν τώρα ότι ήταν ελαττωματική και υπερβολικά… υπερβολική, είχε ένα αμφιλεγόμενο ιστορικό - έχοντας ήδη παραδώσει πολυάριθμα εξαιρετικά υπερβολικά αποτελέσματα προγνωστικής μοντελοποίησης για τη μετάδοση ασθενειών και τον θάνατο που είχε οδηγήσει σε αμφιλεγόμενη και δαπανηρή χάραξη πολιτικής στο Ηνωμένο Βασίλειο (Charleston et al, 2011; Ferguson et al, 2001; Ferguson et al, 2002; Fund, 2020; Ghosh, 2011; Rushton & Foggo, 2020).
Το διαβόητο τώρα πρόγραμμα λογισμικού του Ferguson 13+ ετών, που προέβλεπε 510.000 θανάτους σε οκτώ εβδομάδες, προγραμματίστηκε με εισόδους που περιλάμβαναν ένα αυθαίρετα υποθετικό R0 που αναφέρεται από δύο προηγούμενες εργασίες:
μια εργασία δύο Ελβετών ερευνητών, που υπολόγισαν το R0 στην Κίνα χρησιμοποιώντας ένα μοντέλο προσομοίωσης, “εκτιμήσεις αβεβαιότητας” και διαδικασία εξάλειψης, χρησιμοποιώντας αραιά διαθέσιμα δεδομένα, “ευρύ φάσμα συνδυασμών παραμέτρων” και “σύγκριση με προηγούμενες καταστάσεις έκτακτης ανάγκης” (Riou & Althus, 2020) και
μια εργασία από μια μεγάλη ομάδα Κινέζων ερευνητών, που αναγνώρισαν άμεσα ότι η έλλειψη βασικών επιδημιολογικών δεδομένων σήμαινε ότι έπρεπε να εκτιμήσουν τις πιο σημαντικές μεταβλητές, που είχε ως αποτέλεσμα μια ασθενώς εκτιμώμενη τιμή R0 και το μόνο ειλικρινές και οριστικό συμπέρασμα της εργασίας τους - ότι είχε συμβεί μετάδοση από άνθρωπο σε άνθρωπο (Li et al, 2020).
Είναι ενδιαφέρον να σημειωθεί ότι το μοντέλο του Ferguson υπέθεσε τιμές για το R0 που ήταν αντίστοιχα 10% και 20% υψηλότερες από αυτές της κάθε μελέτης που ο ίδιος ανέφερε συγκεκριμένα για την τιμή R0.
Πολλές αποφάσεις για τη δημόσια υγεία λήφθηκαν με βάση το μοντέλο Ferguson - από τις εντολές γενικού κλειδώματος που προκάλεσαν ορισμένους να οδηγηθούν σε αυτοκτονία, μέχρι το κλείσιμο νοσοκομειακών κλινικών, που σήμαινε ότι άτομα με θεραπεύσιμες ασθένειες και καρκίνους στάλθηκαν στο σπίτι τους για να πεθάνουν. Και ενώ θα μπορούσα επάξια να συνεχίσω να τρίβω αλάτι στην πληγή μισού εκατομμυρίου θανάτων του Φέργκιουσον, υπάρχουν πιο πρόσφατα παραδείγματα της απίστευτης και υπερβολικά υπερβολικής μοντελοποίησης των δεδομένων της Covid-19 για να κοροϊδέψω…
Συμφωνήστε ή πηγαίνετε σπίτι σας
Μεταξύ άλλων, ο Neil Ferguson και η ομάδα του Imperial College έχουν επίσης εμπλακεί στην παραγωγή δεδομένων (και πρωτοσέλιδων), που υποστηρίζουν ότι τα εμβόλια έχουν σώσει ή πρόκειται να σώσουν ζωές - οπουδήποτε από 20 εκατομμύρια έως 50 εκατομμύρια, ανάλογα με την περίοδο που μοντελοποιείται.
Στην πρώτη εργασία (Watson et al, 2022), μια ομάδα που περιελάμβανε συγγραφείς από την παραπάνω εργασία του μισού εκατομμυρίου θανάτων του Ferguson, ξεκίνησε με περίπλοκη προσαρμογή μοντέλων, που βασίστηκε σε δύο άλλα μοντέλα, που αποτελούνταν σχεδόν εξ ολοκλήρου από προσαρμοσμένες εκτιμήσεις και υποθέσεις και καθοδηγούμενταν από ένα πλαίσιο για την εξαγωγή συμπερασμάτων θνησιμότητας από Covid-19 με βάση υποθέσεις σχετικά με κοινοτικούς δείκτες - καθιστώντας έτσι το νέο τους μοντέλο μια εκτίμηση των εκτιμήσεων που εκτείνονται σε ένα πλαίσιο συμπερασμάτων και υποθέσεων.
Το δεύτερο στοιχείο της προσέγγισής τους ήταν η εφαρμογή δεδομένων θνησιμότητας, που παραδέχονται ότι ήταν ετερογενή (που έχουν την ποιότητα ή την κατάσταση να είναι διαφορετικές ως προς τον χαρακτήρα ή το περιεχόμενο - που σε αυτή την περίπτωση σίγουρα σημαίνει διαφορετικές ως προς τον βαθμό ακρίβειάς τους;) και ότι εξέχοντες μαθηματικοί και πληροφοριολόγοι υγείας, όπως οι καθηγητές Norman Fenton, Martin Neil και Scott McLachlan, έχουν ήδη δείξει ότι είναι φορτωμένα με ασυνέπειες που υπονομεύουν την ακρίβεια των συγκρίσεων του ποσοστού θνησιμότητας μεταξύ εμβολιασμένων και ανεμβολίαστων (http://dx.doi.org/10.13140/ RG.2.2.32817.10086 και https://www.significancemagazine.com/701 και http://dx.doi.org/10.13140/RG.2.2.14176.20483).
Οι Watson et al (2022) χρησιμοποίησαν αυτήν την προσέγγιση για να προβλέψουν πρώτα τον συνολικό αριθμό θανάτων που πιστεύουν ότι θα έπρεπε να είχαν συμβεί - αλλά οι οποίοι, όπως είπαν, αποφεύχθηκαν από τα εμβόλια. Φτάνουν σε έναν τελικό απολογισμό μόλις 20 εκατομμυρίων ζωών, που πλασματικά ισχυρίζονται ότι αναμφίβολα “σώθηκαν από τα εμβόλια Covid-19”.
Στη δεύτερη εργασία (Toor et al, 2021), που περιλαμβάνει τον Ferguson και αρκετούς από τους συναδέλφους του στο Imperial College του Λονδίνου, οι συγγραφείς χρησιμοποιούν 21 διαφορετικά μαθηματικά μοντέλα συγκεντρωμένα μαζί, για να δημιουργήσουν μια ενιαία εκτίμηση για την επιβάρυνση της νόσου και να αποδώσουν αυθαίρετα:
οποιαδήποτε αρνητική επίπτωση στη θνησιμότητα στη νόσο (δηλαδή, τα εμβόλια είναι τεχνητά τέλεια και δεν προκαλούν ποτέ ανεπιθύμητες ενέργειες) και
οποιαδήποτε ευεργετική επίδραση στο εμβόλιο (καλά… το έτος εμβολιασμού ως υποκατάστατο του εμβολίου).
Αυτό σημαίνει ότι η εργασία τους αγνοεί την τεράστια βάση αποδεικτικών στοιχείων που καταδεικνύει ότι ένα φάρμακο, ακόμη και το θαυμάσιο και πανίσχυρο “εμβόλιο”, μπορεί να σκοτώσει ή να ακρωτηριάσει σοβαρά ακόμη και ένα ποσοστό του πληθυσμού στον οποίο χορηγείται (μπορεί κάποιος να πει AstraZeneca VaxZevria… ή Johnson & Johnson / Janssen… ή GSK Pandemrix… ή το εμβόλιο της γρίπης των χοίρων του 1976 της Merck… ή Sanofi SKYCellflu… ή… Θα μπορούσα ειλικρινά να συνεχίσω για μια εβδομάδα, αλλά καταλαβαίνετε…).
Τα αποτελέσματα των Toor et al (2021) είναι μια ανούσια και ανεπανόρθωτη εκτίμηση, ότι μεταξύ 80 και 120 εκατομμυρίων ζωών θα σωθούν πριν από το έτος 2030 από τους εμβολιασμούς που χορηγούνται τώρα και ότι 50 εκατομμύρια ζωές σώθηκαν από τους εμβολιασμούς που έγιναν μεταξύ 2000 και 2019 - αληθινή μαντική τέχνη μέσα από τις πιο σκοτεινές και γεμάτες κρυστάλλινες μπάλες!
Αλλά τα εμβόλια κατά της Covid έσωσαν ζωές… σωστά;
Ένα άρθρο του Ιουλίου 2021 στην εφημερίδα The Guardian από έναν εξέχοντα καθηγητή μαθηματικών στο Πανεπιστήμιο του Κέιμπριτζ ήταν ένας από τους πρώτους που συνέδεσαν ότι η ύπαρξη αρκετών ακαδημαϊκών μοντέλων για την εκτίμηση του αριθμού των ζωών που σώθηκαν από τα εμβόλια COVID-19…
… ήταν αδιαμφισβήτητη απόδειξη ότι πραγματικά σώθηκαν ζωές.
Ακόμη και καθώς αντιστάθμισαν τα στοιχήματά τους παραθέτοντας το “όλα τα μοντέλα είναι λάθος” του George Box, οι Speigelhalter και Masters έκλεισαν το άρθρο τους παραπλανώντας τον αναγνώστη με τη δήλωση “τα εμβόλια έσωσαν χιλιάδες ζωές” (Spiegelhalter & Masters, 2021). Λες και, απ' ό,τι φαίνεται, αυτός πρέπει να είναι σίγουρα ο τελευταίος λόγος για το θέμα…
Ωστόσο, υπάρχει ένα βασικό λάθος στις προσεγγίσεις που χρησιμοποιούνται για τη μοντελοποίηση των αριθμών που χρησιμοποιούνται για να δικαιολογήσουν το “Τα εμβόλια Covid-19 έσωσαν ζωές”, για το οποίο μαθηματικοί όπως ο Ferguson και ο Spiegelhalter αποτυγχάνουν, ίσως εσκεμμένα, να σας πουν - και είναι ένα λάθος που έγινε όλο και πιο προφανές από το μοντέλο του Commonwealth Fund με το οποίο άνοιξα αυτήν την ανάρτηση.
Υποθέσεις
Σε κάθε ένα από τα μοντέλα που συζητούνται εδώ και που ισχυρίζονται ότι “τα εμβόλια έσωσαν ζωές”, οι συγγραφείς ξεκίνησαν με την αδοκίμαστη και αναπόδεικτη υπόθεση ότι “τα εμβόλια, στην πραγματικότητα, σώζουν ζωές”. Στη συνέχεια, και σε κάθε περίπτωση, δημιουργούν δύο μοντέλα - το ένα στο οποίο έχουμε εμβόλια που σώζουν ζωές και το άλλο όπου δεν έχουμε εμβόλια που σώζουν ζωές. Για να επιτύχουν τα φανταστικά τους αποτελέσματα, τρέχουν και τα δύο μοντέλα απλώς για να δουν αν, σε αυτό που έχει εμβόλια που σώζουν ζωές, τα εμβόλια πράγματι (δεν αποτελεί έκπληξη) έσωσαν ζωές. Ουσιαστικά, το ερευνητικό τους ερώτημα είναι: Σώζονται περισσότερες ζωές σε ένα μοντέλο όπου υπάρχουν εμβόλια που σώζουν ζωές;
Στην ουσία, προκαταλαμβάνουν τη δουλειά τους ξεκινώντας από το συμπέρασμα και δημιουργώντας ολόκληρη τη διαδικασία μοντελοποίησης για να παράγουν αποτελέσματα κατά παραγγελία. Στη συνέχεια, για να πάρουν την υπερβολικά υπερβολική εκτίμηση των ζωών που σώθηκαν και όπως καταδεικνύεται από τον καθηγητή Norman Fenton σε αυτό το βίντεο, αφαιρούν την εκτίμηση των θανάτων από το μοντέλο που έχει εμβόλια που σώζουν ζωές, από την πολύ υψηλότερη εκτίμηση των θανάτων από το μοντέλο που δεν έχει εμβόλια που σώζουν ζωές.
Voila!
Αλλά μην δίνετε σημασία στον άντρα πίσω από την κουρτίνα…
Η τελευταία λέξη
Ενώ το άρθρο του Commonwealth πλαισιώνεται (ή όπως θα μπορούσαν να πουν νομικοί εμπειρογνώμονες, διατυπώνεται) και προωθείται ως ακαδημαϊκή μελέτη, δεν είναι τίποτα τέτοιο. Παρόλο που μας λένε ότι οι συγγραφείς είναι ακαδημαϊκοί που απασχολούνται σε πολλά πανεπιστήμια των ΗΠΑ (αλλά κυρίως στη Σχολή Δημόσιας Υγείας του Yale) με προσόντα στην παγκόσμια υγεία και την επιδημιολογία - στην πραγματικότητα είναι μια ανάρτηση ιστολογίου.
Ενώ οι συγγραφείς μάς λένε ότι οι τιμές που χρησιμοποιήθηκαν για τη συμπλήρωση των μοντέλων τους προήλθαν από δημοσιευμένες εκτιμήσεις (βλ. απόσπασμα παρακάτω), η ανάρτηση ιστολογίου δεν περιέχει παραπομπές, λίστα παραπομπών και, ελλείψει κάποιας υπερ-υποψίας, κανείς προφανής τρόπος να μαντέψουμε πώς σχεδιάστηκε ή λειτούργησε το μοντέλο τους. Είναι εντελώς αδιαφανές - και δεν είναι ο τρόπος με τον οποίο υποτίθεται ότι λειτουργεί η επιστήμη.
Ο Bret Swanson δημοσίευσε στις 14 Δεκεμβρίου σχετικά με το μοντέλο του Commonwealth Fund για τη θνησιμότητα από την Covid-19 και το ιστορικό τους για υπερβολή. Αποδεικνύει ότι το μοντέλο του Commonwealth Fund απαιτεί μια εκτίμηση για τη θνησιμότητα από την Covid που υπερβαίνει σταθερά τον μέγιστο αριθμό που πέθανε ποτέ - κατά έναν παράγοντα σχεδόν 700%.
Τα αποτελέσματα αυτών των μοντέλων που ισχυρίζονται ότι τα εμβόλια Covid-19 έσωσαν ζωές δεν είναι απλώς κακή επιστήμη - είναι, όπως υποστήριξε χθες η Heather Heying, ξεκάθαρα απάτη.
Απάτη που χρησιμοποιείται για την προώθηση των εμβολίων και της ατζέντας εμβολίων των χρηματοδοτών τους - η οποία σε κάθε περίπτωση επιστρέφει σε δύο οργανισμούς που ελέγχονται και χρηματοδοτούνται από το μεμονωμένο άτομο που παραδέχεται ότι έχει το μεγαλύτερο κέρδος από τα εμβόλια - τον Bill Gates.
Ίσως, αντί να αποδεικνύεται ότι σώθηκαν ζωές, αυτά τα μοντέλα “ζωών που σώθηκαν” είναι στην πραγματικότητα διαφήμιση και προώθηση μεταμφιεσμένη ως “εΜπιστήμη (TM)” και προορίζονται από τον Gates, τον χρηματοδότη τους, να αυξήσουν το θετικό συναίσθημα προς τα εμβόλια στα οποία επένδυσε και από τα οποία παραδέχεται ότι είχε απόδοση 20 προς 1 [1];
*Για αναφορά, το προσωπικό τόσο του Commonwealth Fund, όσο και της Σχολής Δημόσιας Υγείας του Yale λαμβάνει τακτικά επώνυμες επιχορηγήσεις (πχ.: Dr. Elizabeth Bradley, Leslie Curry και Dr. Rafael Pérez-Escamilla) και μεγάλες οικονομικές επιχορηγήσεις από τους οργανισμούς χρηματοδότησης της έρευνας του Bill Gates ( πχ.: 14,5 εκατομμύρια δολάρια εδώ).
Παραπομπές
Adam, D. (2020). Special report: The simulations driving the world’s response to COVID-19. Nature, News Feature: 03 April 2020. https://www.nature.com/articles/d41586-020-01003-6
Bauer, S. (2013). Modeling population health. Medical Anthropology Quarterly, 27, 510–530.
Charleston, B., Bankowski, B. M., Gubbins, S., Chase-Topping, M. E., Schley, D., Howey, R., ... & Woolhouse, M. E. (2011). Relationship between clinical signs and transmission of an infectious disease and the implications for control. Science, 332(6030), 726-729.
Cowley, J. (2020). Neil Ferguson: The COVID modeller. The New Statesman, 31 July 2020. https://www.newstatesman.com/uncategorized/2020/07/neil-ferguson-covid-modeller
Dorfman, L., & Krasnow, I. D. (2014). Public health and media advocacy. Annual review of public health, 35, 293-306. https://www.annualreviews.org/doi/full/10.1146/annurev-publhealth-032013-182503
Ferguson, N. M., Donnelly, C. A., & Anderson, R. M. (2001). The foot-and-mouth epidemic in Great Britain: pattern of spread and impact of interventions. Science, 292(5519), 1155-1160.
Ferguson, N. M., Ghani, A. C., Donnelly, C. A., Hagenaars, T. J., & Anderson, R. M. (2002). Estimating the human health risk from possible BSE infection of the British sheep flock. Nature, 415(6870), 420-424.
Ferguson, N., Laydon, D., Nedjati-Gilani, G., Imai, N., Ainslie, K., .. Ghani, A. (2020). Report 9: Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare Demand. Imperial College London, 1-20. https://www.imperial.ac.uk/media/imperial-college/medicine/sph/ide/gida-fellowships/Imperial-College-COVID19-NPI-modelling-16-03-2020.pdf
Fund, J. (2020). ‘Professor Lockdown’ Modeler resigns in Disgrace. National Review, (6 May 2020). Sourced from: https://www.nationalreview.com/corner/professor-lockdown-modeler-resigns-in-disgrace/
Ghosh, P. (2011). Mass culling for foot-and-mouth ‘may be unnecessary’. BBC News (6 May 2011). Sourced from: https://www.bbc.co.uk/news/science-environment-13299666
Li, Q., Guan, X., Wu, P., Wang, X., Zhou, L., Tong, Y., ... & Feng, Z. (2020). Early transmission dynamics in Wuhan, China, of novel coronavirus–infected pneumonia. New England journal of medicine.
Medley, G. F., Lindop, N. A., Edmunds, W. J., & Nokes, D. J. (2001). Hepatitis-B virus endemicity: heterogeneity, catastrophic dynamics and control. Nature medicine, 7(5), 619-624.
Mideo, N., Day, T., & Read, A. F. (2008). Modelling malaria pathogenesis. Cellular Microbiology, 10(10), 1947-1955.
Pike, W. T., & Saini, V. (2020). An international comparison of the second derivative of COVID-19 deaths after implementation of social distancing measures. MedRxiv. https://www.medrxiv.org/content/medrxiv/early/2020/03/25/2020.03.25.20041475.full.pdf
Riou, J., & Althaus, C. L. (2020). Pattern of early human-to-human transmission of Wuhan 2019 novel coronavirus (2019-nCoV), December 2019 to January 2020. Eurosurveillance, 25(4), 2000058.
Spiegelhalter, D. & Masters, A. (2021). Covid vaccines saved lives in England, but why do estimates differ?. The Guardian, (4 July 2021). Sourced from: https://www.theguardian.com/theobserver/commentisfree/2021/jul/04/covid-vaccines-saved-lives-england-but-why-do-estimates-differ
Toor, J., Echeverria-Londono, S., Li, X., Abbas, K., Carter, E. D., Clapham, H. E., ... & Gaythorpe, K. A. (2021). Lives saved with vaccination for 10 pathogens across 112 countries in a pre-COVID-19 world. Elife, 10.
Watson, O. J., Barnsley, G., Toor, J., Hogan, A. B., Winskill, P., & Ghani, A. C. (2022). Global impact of the first year of COVID-19 vaccination: a mathematical modelling study. The Lancet Infectious Diseases, 22(9), 1293-1302.
Ευχαριστώ πολύ που είστε δωρεάν συνδρομητής στο Critical Thinking Newsletter. Εάν θέλετε να υποστηρίξετε την δουλειά μου,
μπορείτε να με κεράσετε έναν καφέ στην σελίδα μου στο Ko-fi, ή
να γίνετε ενεργός υποστηρικτής της προσπάθειάς μου, αγοράζοντας μία μηνιαία συνδρομή.
Σας ευχαριστώ θερμά για την υποστήριξη!
1 Ενώ οι Ελεγκτές Γεγονότων λατρεύουν να επισημαίνουν ότι πιστεύουν ότι ο Μπιλ μιλούσε για κοινωνικά και οικονομικά οφέλη για όλους, όχι για κέρδος για τον εαυτό του, το κάνουν αποφεύγοντας επιπόλαια (σκόπιμα) κάθε αναγνώριση ότι ο Μπιλ και τα ιδρύματά του έχουν μεγάλες επενδύσεις και κατέχουν σημαντικά κομμάτια πολλών φαρμακευτικών εταιρειών - συμπεριλαμβανομένων μεγάλων μεριδίων τόσο στην Pfizer, όσο και στην BioNTech (σε συλλογικό ρυθμό περίπου 100 εκατ. $), την CureVac (52 εκατ. $) και τη Vir Biotechnology (πηγή).
Ενώ άρχισε να αγοράζει μετοχές της Pfizer και των φαρμακευτικών εταιρειών ήδη από το 2002, ο Γκέιτς λέγεται ότι επένδυε στην τεχνολογία mRNA τουλάχιστον από το 2015 - και οι σχολιαστές επενδύσεων λένε ότι κέρδισε 10 φορές την επένδυσή του στη BioNTech σε μόλις δύο χρόνια - κάνοντας τα αρχικά 55 εκατομμύρια δολάρια που έβαλε στην BioNTech αξίας άνω των 550 εκατομμυρίων $ τώρα (πηγή).
Αυτό δεν είναι μόνο κάποια σοβαρή απόδοση της επένδυσης (ROI), αλλά δείχνει επίσης ότι όταν πρόκειται να μας πει ότι πρέπει να μας… τσιμπήσουν, έχει κάποια σοβαρά ζητήματα σύγκρουσης συμφερόντων (COI).
Και όταν το ίδρυμά του αγόρασε την προσφορά αυτού που διαφημίζουν ως δυνητικά το επόμενο μεγάλο πράγμα (δολοφόνο;) στη θεραπεία της Covid, που μόνο στις ΗΠΑ μπορούν να πουλήσουν στα 700 δολάρια ανά θεραπεία…
Προσέφεραν το Molnupiravir τους στην κυβέρνηση της Νότιας Αφρικής για 10.000 R (περίπου 530 δολάρια ΗΠΑ) ανά θεραπεία - την οποία η κυβέρνηση της Νότιας Αφρικής απέρριψε τελικά υπέρ ενός γενόσημου από μια εταιρεία της Σιγκαπούρης (Arrow;), επειδή η προμήθεια του Gates ήταν “πολύ δαπανηρή”.
Για τον Γκέιτς, σίγουρα δεν έχει να κάνει με τη βοήθεια της ανθρωπότητας… Θέλει μόνο να κερδίζει όλο και περισσότερα χρήματα και να τροφοδοτεί το σύμπλεγμα του σωτήρα του μέσω της απελπισμένης ανάγκης του να δώσει την εμφάνιση ότι σώζει τους μικρούς μειονεκτούντες έγχρωμους λαούς…
Ενώ βοηθά άλλους όπως ο Klaus Schwab να κατακτήσουν τον κόσμο…