新しいレポート： 本当の COVID パンデミックは、病理学ではなく政策によるものだった

新しいレポート： 本当の COVID パンデミックは、病理学ではなく政策によるものだった

ローダ・ウィルソン 著
2025年7月1日

2020年3月から5月にかけてのヨーロッパと米国の死亡パターンは、新型の感染性ウイルスが人から人へと感染して引き起こされたものとは相容れないものです。

代わりに、相関分析の新たな報告書は、「2020年3月から5月の最初のピーク期間における過剰死亡は、発生した地域において、病院や介護施設での脆弱な人々への不適切な扱いが原因となる施設内要因と医療行為に起因するものであった」と結論付けています。

要するに、真のパンデミックは病理学的なものではなく、政策的なものでした。

6月13日、カナダの非営利研究機関であるコリレーションは、ジョセフ・ヒッキー、デニス・G・ランクール、クリスチャン・リナールが執筆した『COVID-19流行中の疾病拡散仮説に対する全死因死亡率の地理的・時間的進化による制約』と題する新たな報告書を発表しました。 6月18日、この報告書はPreprints.orgで公開されました。  400ページに及ぶこの報告書には数百のグラフが含まれており、読み応えのある内容です。「嘘は許されない」は、コリレーションの報告を質問と回答の形式で要約しています。

「ウイルス」ではなく、病院：COVID-19の死亡急増の真の原因

「嘘は許されない」著

2020年初頭、世界は新たなコロナウイルス（実験室や湿った市場から発生したとされる）の報告に衝撃を受け、グローバルな危機が勃発しました。世界保健機関（WHO）が2020年3月11日にパンデミック宣言を発令したことで、公式な物語はコロナウイルスを「絶え間ない感染力を持つ病原体」として描き、人口を襲い、病院を機能不全に陥れ、無差別に命を奪う存在と位置付けました。

しかし、デニス・ランコート氏と彼のチームが画期的な研究で詳細に示したように、この物語は厳格な科学的検証の下で崩れ去ります。彼らの分析は、27の質問と回答で要約された内容から、驚くべきパターンを明らかにしています：過剰死亡率はウイルスの拡散動態と一致せず、代わりに積極的な医療介入と密接に関連していました。

ヨーロッパと北米で地理的論理に反する同期した死亡率の急上昇は、宣言直後に発生し、それ以前の過剰死亡はほとんどありませんでした。アジアからの航空便が密集するローマでは死亡率が低かった一方、拡張された病院システムを有するニューヨークのブロンクスでは壊滅的な被害が発生しました。

ランコート氏の研究は、『Beyond Contagion』でウイルス学の定説に挑んだとして称賛されていますが、その研究は悲惨な皮肉を浮き彫りにしています：「ニューヨークで人工呼吸器を装着された患者の88％は、ウイルスではなく、機械的換気や高用量薬物療法などのプロトコルにより死亡した」と。

このような証拠にもかかわらず、『Rancourt Testimony』で指摘されるように、多くの人が「武器化されたウイルス」という概念に固執しています。ランコートはこれを科学的に成立しないものとして解体しています。この研究は、医療過誤による被害と向き合うことを迫っています——病院のプロトコルが、病原体の拡散ではなく、死亡危機を招いたのです。

ランコート氏の発見の含意は、『パンデミックはあったのか？』と『パンデミックはなかった』でさらに深く探られ、コロナ危機全体を「制度的攻撃」の物語として再構築しています。ロックダウン、恐怖キャンペーン、実験的治療は、『最終的なパンデミック』で批判されたように、生物学的ストレスを引き起こし、脆弱な層を致命的な医療システムに誘導しました。

地理的な不均一性——ロンバルディア州のような地域では死亡率が高かったが、隣接するヴェネト州では低かった——は、ウイルスの伝播モデルを否定しています。ランコートが指摘するように、これらのモデルは「均一な拡散を予測する点で完全に失敗しました」。代わりに、特に大規模な医療施設に近い貧困地域における社会経済的脆弱性が、攻撃的な介入と組み合わさった際に致命的な結果を招きました。

「ケア」へのアクセスが危険に転じたこのパラドックスは、医療の量が増えれば結果が良くなるという前提を揺るがします。ランコート氏の厳密なデータは、高死亡率地域で「死亡が家庭から病院へ移行した」ことを示し、中央集権的な医療対応への懐疑を招きます。真のパンデミックは病理ではなく、政策でした。

ジョセフ・ヒッキー、デニス・ランコート、クリスチャン・リナールに感謝します。詳細は『COVID-19期間中の過剰死亡に関する最新の大型研究が本日公開：感染や拡散は存在せず、不要な被害のみがあったことを示す』をご覧ください。

航空機アナロジー

あなたが、航空機事故が全国で数千人の死亡を引き起こしていると告げられたと想像してください。当局は、空港から空港へ広がる謎の「エンジン故障症候群」を理由に緊急プロトコルを実施します：主要空港でのメカニックの数を大幅に増員し、実験的な修理技術を採用し、軽微な問題のあるすべての航空機に過激なメンテナンス手続きを義務付けます。

次に、調査の結果、航空機事故は新たな緊急プロトコルを実施した空港でしか発生せず、通常のメンテナンスを継続した空港では事故がなかったと仮定してください。 さらに、事故は緊急措置の発表直後に発生し、発表前には発生していなかったことが判明します。また、国際線便の多い空港ほど、小規模な地域空港よりも事故件数が少ない傾向が見られます。最も重要な点は、事故が通常の飛行運用中ではなく、積極的なメンテナンス手続きの実施中に発生していたことです。

これは、研究者がCOVID-19の死亡率について発見した内容と本質的に同じです：その「治療法」は病気自体よりもはるかに致命的で、過剰な死亡は主に積極的な医療介入が実施された場所と時期に集中し、自然の病気の拡散パターンに従っていませんでした。

1分間のエレベーター説明

この研究は、2020年初頭のヨーロッパと北米の死亡パターンを分析し、衝撃的な事実を発見しました：過剰死亡は、ウイルスが拡散するパターンとは一致しませんでした。WHOが2020年3月11日にパンデミックを宣言した後、遠隔地で同時に大規模な死亡急増が発生し、その日付以前にどこにも過剰死亡はほとんどありませんでした。

さらに注目すべきは、病院の収容能力を大幅に拡大し、人工呼吸器などの積極的な治療法を採用した地域では死亡率が破滅的になった一方、同様の地域で保守的な医療アプローチを採用した地域は比較的影響を受けなかった点です。中国からの便が多い都市では死亡率が低かった一方、国際的な接触が少ない地域では大規模な死亡急増が発生しました。

研究者たちは、ニューヨークで人工呼吸器を装着された患者の88%が死亡し、実験的な薬物の組み合わせが危険な用量で使用され、高死亡率地域では死亡が家庭から病院へ移行した事実を明らかにしました。地理的パターン、タイミング、医療介入との相関関係は、過剰死亡がパンデミック対応自体——特に過激な病院治療とロックダウンによるストレス——によって引き起こされた可能性を示唆しています。

これは、2020年に起こったことに対する私たちの理解が根本的に間違っていたことを意味し、善意の医療介入が救った命よりも多くの命を奪ったことを示しています。

{{エレベーターのベル}}

追跡すべき研究テーマ：病院での医療過誤による死亡、機械的換気死亡率の歴史、ロックダウン中のストレスによる免疫抑制に関する研究。

12ポイント要約

1. ウイルスの拡散の地理的矛盾：研究は、2020年初頭の過剰死亡が、感染症の拡散論理に反する極めて不規則な地理的パターンで発生したことを示しています。一部の地域では死亡率が通常の200%を超える一方、人口、空港、人口構成が類似した隣接地域はほとんど影響を受けませんでした。このパッチワーク状のパターンは国境を越え、隣接する郡間にも及んでおり、自然のウイルス伝播とは相容れない地理的分布を示しています。

2. 同期したタイミングは自然の病気の拡散と矛盾する：ヨーロッパと北米での死亡の急増は、驚くべき同期性を示し、すべて3週間以内に発生し、特にWHOの2020年3月11日のパンデミック宣言後に顕著でした。この日付以前に、ウイルスが数週間前から流通していたという主張にもかかわらず、どこにも顕著な過剰死亡は発生しませんでした。このタイミングパターンは、感染症の地理的拡散ではなく、政策発表への協調的な対応を連想させます。

3. 航空旅行パターンと死亡パターンが一致しない：国際航空便の量が多い都市や地域、特にアジアからの便が多い地域では、過剰死亡が最小限に抑えられた一方、国際的な接続性が低い地域では壊滅的な死亡率を記録しました。ローマはミラノよりも中国からの便が多かったにもかかわらず、死亡率は18倍低かったです。 ロサンゼルスとサンフランシスコはニューヨーク市よりもアジアとの接続性が高かったにもかかわらず、ニューヨークを襲った死亡率の惨事を回避しました。これは、ウイルスが国際旅行を通じて広がるという根本的な仮定と矛盾しています。

4. 病院の対応と死亡率の相関関係：集中治療室（ICU）の容量を大幅に拡大し、積極的な医療介入を実施した地域では死亡率が最も高かった一方、保守的な医療アプローチを維持した地域では過剰死亡を回避しました。医療システム拡大と死亡率の相関関係は、病気の重症度ではなく、積極的な治療が死亡結果を左右したことを示唆しています。病院の容量を急拡大し、実験的なプロトコルを使用した地域は、同様の地域で異なる治療アプローチを採用した地域よりも一貫して高い死亡率を記録しました。

5. 人工呼吸は極めて致命的なことが判明しました： 病院は前例のない数の患者に機械的換気を施し、機器不足のため実験的な技術を使用しました。ニューヨーク市の病院では換気患者死亡率が88％、高齢者では97％に達しました。 麻酔機器を人工呼吸器として使用する未検証の方法では、標準機器使用時の37%に対し70%の死亡率が報告されました。通常の医療実践を大幅に上回る機械的換気の積極的な使用は、過剰死亡に大きく寄与した可能性があります。

6. 危険な薬物の組み合わせが広く使用されました：病院では、ヒドロキシクロロキンとアジスロマイシンの組み合わせが、安全基準を大幅に超える用量で広く使用されました。場合によっては通常の10倍の量に及ぶこともありました。これらの組み合わせは致命的な心臓合併症のリスクを伴い、スペインでは2020年3月にアジスロマイシンの使用量が400％以上増加しました。 さらに、ミダゾラムのような鎮静剤が通常の投与量よりもはるかに高い率で処方され、重症患者における回復の遅延と死亡率の増加に寄与しました。

7. 貧困が危険になったのは大規模医療施設周辺のみ：ニューヨーク市やロンドンなどの地域では、社会経済的脆弱性が死亡率を強く予測しましたが、同様またはより深刻な貧困水準を有する多くの地域では過剰死亡率がほとんど増加しませんでした。これにより、貧困と少数派であることが危険要因となり、特に大規模病院システムで積極的な治療を実施する施設へのアクセスと組み合わせた場合に、病気の一般的なリスク要因ではなくなったというパターンが浮き彫りになりました。

8. 死亡が家庭から施設へ移行した：高死亡率地域では、病院や介護施設での死亡率が家庭での死亡率に比べて劇的に増加した一方、低死亡率地域では家庭での死亡率が実際に増加しました。この通常の死亡場所パターンの逆転は、施設ケアが保護的ではなく危険なものとなり、医療施設への近接性が死亡リスクを増加させたことを示唆しています。

9. ストレス誘発性疾患が呼吸器死亡を説明：ロックダウン措置、社会的孤立、恐怖キャンペーンは、免疫機能を抑制し、自身の呼吸器細菌による細菌性肺炎に脆弱にする前例のない生物学的ストレスを引き起こしました。このストレス誘発性肺炎モデルは、死亡が呼吸器疾患の性質を示しながらも、政策発表に連動し感染症の伝播パターンとは一致せず、感染症暴露ではなく社会経済的ストレス要因と相関した理由を説明します。

10. コンピュータモデルは完全に失敗した：科学的なモデルは、2020年2月までに国際空港を有するほぼすべての主要都市で大規模な感染爆発が発生し、接続された人口間で比較的均一に分布すると予測していました。しかし、実際には多くの国際的に接続された都市はほとんど影響を受けず、死亡は予測された拡散パターンと無関係な特定のホットスポットに集中しました。この予測モデルの重大な失敗は、ウイルス伝播に関する基本的な仮定が誤っていたことを示唆しています。

11. 政策対応は死亡率に先立って実施された：国家レベルのロックダウンの実施時期は、死亡率の急増と正確に一致し、死亡率に先立って実施されたものではありません。これは、政策対応が健康危機を引き起こしたのではなく、対応したものであることを示唆しています。イタリアのロックダウンは3月9日に始まり、その週に死亡率が急増しました。スペインの3月15日のロックダウンは、直後の死亡率増加に先立ち実施されました。英国では3月23日のロックダウンが、死亡率の急増開始と一致しました。このタイミングは、機関の対応が死亡率危機を創出したことを示しています。

12. パンデミック対応全体が問題だった可能性：証拠は、積極的な医療介入、実験的治療、機関のパニック、ロックダウンによるストレス、および脆弱な人々を危険な治療プロトコルに誘導した体系的な検査プログラムが、COVID-19に帰属する過剰死亡を引き起こした可能性を示しています。自然発生的なパンデミックに対応するのではなく、データは、宣言されたパンデミック対応自体が、医療行為による死亡（iatrogenic deaths）とストレス誘発性疾患を通じて死亡災害を引き起こした可能性を示しています。

27の質問と回答

1. この研究の主な目的は何でしたか？

この研究の目的は、2020年初期の過剰死亡のパターンが、呼吸器ウイルスが拡散する際に科学者が予想するパターンと一致するかどうかを検証することでした。研究者は、2020年3月から5月の期間に欧州と米国から詳細な死亡記録を分析し、前例のない規模で死亡した人々の死亡時期と場所を調べました。彼らは、公式の説明（新型コロナウイルスが人から人へ感染し、これらの死亡を引き起こした）がデータと一致するかどうかを検証しました。

この研究では、高解像度の地理的および時間軸のデータを使用し、2つの大陸における死亡パターンの包括的な地図を作成しました。郡、地域、さらには都市の区レベルでの死亡率を分析することで、研究者はウイルス拡散理論を支持または否定する具体的なパターンを特定することができました。 彼らの目標は、パンデミック宣言後の重要な初期数ヶ月間に何が本当に起こったかを理解するための、証拠に基づいた分析を提供することでした。

2. 「Pスコア」とは何ですか？なぜ死亡率の理解に重要なのでしょうか？

Pスコアは、過去の年と比較して死亡率がどれほど高い（または低い）かを測定する指標です。 これは、基準値を超える死亡数の増加率を示すパーセンテージと考えることができます。例えば、ある地域で通常週に100人の死亡者がいるが、突然150人になった場合、そのPスコアは50%です。この測定方法は、地域間の年齢構成や健康状態の違いを自動的に調整するため、若い健康な人口と高齢で病気の多い人口を比較する際にも公平です。

Pスコアは、通常の季節変動や人口構成の違いを排除しつつ、イベントが死亡率に与える真の影響を明らかにするため重要です。 raw death counts（生の死亡数）は、異なる規模の人口を比較する際には誤解を招く可能性がありますが、Pスコアは過剰死亡の相対的な強度を示します。これにより、研究者は異常な死亡の真のホットスポットを特定し、農村部から大都市圏まで、完全に異なる地理的地域におけるイベントの深刻さを比較できます。

3. 研究者はどの期間に焦点を当てたのか、その理由は？

研究者は主に2020年3月から5月までの期間を「第1波ピーク期」と定義し、この期間に世界保健機関が2020年3月11日にパンデミックを宣言した直後に死亡数の最大の急増が発生したためです。また、2020年6月から9月までの期間を「夏ピーク期」として、時間経過に伴うパターンの変化を分析しました。 これらの特定の期間が選択された理由は、新型コロナウイルスによる過剰死亡の最初の波を捉えるためです。

このタイミングは、ワクチンなどの重大な医療介入が利用可能になる前の状況を分析し、パンデミック宣言に対する即時的な反応に焦点を当てられるため重要です。2015年から2019年を比較の基準年として設定することで、異常な死亡パターンの開始時期を正確に特定し、その進化を分析することができました。この期間設定により、死亡が自然拡散する感染症のパターンと一致するか、または他の要因が死亡急増を説明し得るかを分析することも可能です。

4. 研究者は、異なる国における死亡急増のタイミングについてどのような発見をしましたか？

研究者は、ヨーロッパとアメリカ合衆国における死亡率の急増が驚くべき同期性を示したことを発見しました。すべての急増は互いに約3週間の差で発生し、特に注目すべきは、世界保健機関（WHO）が2020年3月11日にパンデミックを宣言する前に、どこにも急増が発生しなかった点です。イタリア、スペイン、イギリス、およびアメリカ合衆国の複数の州など、地理的、気候的、人口密度が大幅に異なる国々でも、この狭い期間内にピーク死亡率を記録しました。

この同期は予想外でした。なぜなら、ウイルスが自然に大陸間の人間から人間へ広がっている場合、異なる人口集団や交通網を通過するにつれ、タイミングに大きな変動が生じるはずだからです。パンデミック宣言前にどこにも重大な死亡急増が発生しなかったこと、およびその後すぐにピークが密集して発生したことは、これらの死亡パターンを駆動した要因が自然のウイルス拡散以外の何かであることを示唆しています。このタイミングパターンは、有機的な疾病伝播よりも、協調した対応や政策変更と一致しています。

5. 2020年の最初の数ヶ月間、異なる地域間で死亡率はどのように異なりましたか？

死亡率の変動は極端で地理的に不均一であり、病気の拡散の予想されるパターンに従っていませんでした。一部の地域では死亡率が200%以上増加した一方、人口や特徴が類似した隣接地域では過剰死亡がほとんどまたは全くありませんでした。例えば、ヨーロッパではスペイン、イタリア、英国などの西欧諸国で大規模な死亡急増が発生した一方、主要な空港や都市部を有する東欧諸国では同じ期間中にほぼ過剰死亡が確認されませんでした。

このパッチワーク状のパターンは、非常に局地的なレベルまで及んでいました。米国の一部郡では死亡率が通常の2倍から3倍に達した一方、隣接する郡では影響を受けませんでした。最も高い死亡率は、特に経済的に不利な層を診療する大規模病院を有する特定の都市部で発生しました。伝染病の地理的拡散が徐々に広がるのではなく、自然の病気の伝播よりも地元の機関的要因と関連した死亡の明確なホットスポットのようなパターンを示しました。

6. 類似した人口構成を持つ隣国を比較した際、研究者はどのようなパターンを発見しましたか？

研究者は、ウイルスが自然に広がっている場合、類似した経験を持つはずの隣国間で死亡率に劇的な違いを発見しました。最も目立つのは、ドイツの西部国境沿いの地域で、ドイツの地域は過剰死亡率が非常に低かったのに対し、隣接するフランス、ベルギー、オランダの地域はヨーロッパで最も高い死亡率を記録しました。これらの地域は人口密度が高く、通勤や商業のための日頃の国境を越えた交通量が大きく、人口構成や医療システムも類似していました。

このパターンは、感染病の拡散論理に反しています。隣接する地域間で高い相互作用がある場合、感染率と死亡率が類似するはずだからです。研究者は、この期間中に一部の移動制限にもかかわらず、大規模な国境を越えた移動が継続していたことを記録し、ウイルスが政治的境界をこれほど正確に尊重する可能性は低いと指摘しました。同様のパターンは他の欧州の国境や米国各州の間でも観察され、過剰死亡の地理的分布を駆動しているのは、自然の病気の伝播ではなく、政治的または行政的な要因である可能性が高いことを示唆しています。

7. 研究者はなぜミラノとローマ、ニューヨーク市とロサンゼルスを比較したのでしょうか？

これらの都市比較は、国際航空旅行や人口特性が死亡率の劇的な違いを説明できるかどうかを検証するために行われました。ミラノとローマは、大規模な国際空港、類似した人口構成、医療システム、年齢構造を有するイタリアの主要都市です。しかし、ローマはミラノよりも中国やアジアからの直行便を多く受け入れていたにもかかわらず、ミラノの地域は重要な期間中にローマの地域よりも18倍高い死亡率を記録しました。

同様に、ロサンゼルスとサンフランシスコはニューヨークよりも中国からの便数がはるかに多く、アジア系人口も多かったにもかかわらず、ニューヨークは壊滅的な死亡率を記録したのに対し、西海岸の都市は比較的影響を受けませんでした。この比較は、ウイルスがアジアからの航空便で輸入され、コミュニティ内で自然に広がったという理論を完全に否定しています。 もしその仮説が正しければ、感染源とされる地域に最も直接的に曝露された都市が最も深刻な打撃を受けるはずですが、実際には逆の現象が発生しました。これらの比較は、死亡率の決定要因はウイルス輸入ではなく、特に医療処置プロトコルを含む地域要因であったことを強く示唆しています。

8. ピーク期間中に人々がどこで死亡したか、研究はどのようなことを明らかにしましたか？

研究では明確なパターンが確認されました：過剰死亡率の高い地域では、死亡の異常な高割合が病院や介護施設で発生し、自宅での死亡が減少しました。一方、過剰死亡率の低い地域では、自宅での死亡が増加しました。これは、通常は自宅で死亡する人が大多数を占めるという通常のパターンとは逆の現象です。死亡率の高い州や郡では、2019年の同じ月と比較して、医療施設での死亡の割合が劇的に増加しました。

高死亡率地域における施設内死亡へのシフトは、医療施設自体が過剰死亡の原因の一つとして機能した可能性を示唆しています。外部疾患の被害者を治療するだけでなく、施設自体がリスク要因となった可能性があります。高死亡率と病院内死亡率の相関関係、および低死亡率地域での自宅死亡増加は、この期間中、医療施設への近接性と接触が保護要因ではなくリスク要因として機能した可能性を示しています。

9. コンピュータモデルはパンデミックの拡大をどのように予測し、実際はどうなったのか？

科学者がパンデミックの拡大を予測するために使用したコンピュータモデルは、2020年2月までに国際空港を有するほぼすべての主要都市と地域で大規模な感染爆発が発生し、欧州諸国での感染率が31～38％に達すると予測していました。これらのモデルは、航空旅行パターンと人口の移動を基に、疾病が接続された人口集団に比較的均一に広がることを予測し、農村地域は都市部から数週間遅れて影響を受けるものの、依然として高い死亡率を経験すると予測していました。

実際起こったことは全く異なっていました：国際的なつながりが強い多くの主要都市や国では過剰死亡が最小限に抑えられた一方、死亡は予測された拡散パターンと一致しない特定のホットスポットに集中しました。モデルは、極端な地理的な不均一性、死亡ピークの緊密な同期、または最も国際的につながった都市がほとんど影響を受けなかった事実を予測できませんでした。モデル予測と現実の乖離は、死亡が自然に広がる感染症によるものでないことを示唆しています。

10. 病院と集中治療室は過剰死亡にどのような役割を果たしたのでしょうか？

病院、特に集中治療室は、過剰死亡の中心的な要因であり、病気の過剰な蔓延の被害者ではなかったようです。 ICUの容量を劇的に拡大し、患者を積極的に集中治療に収容した地域では死亡率が最も高かったのに対し、より保守的なアプローチを採用した地域では死亡率が大幅に低かったです。例えば、イタリアのロンバルディア州は数百の新たなICUベッドを新設し、コロナウイルス診断患者を機械式人工呼吸器に系統的に接続しましたが、致命的な死亡率を記録しました。一方、同様の人口構成ながら異なる治療アプローチを採用した隣接地域では死亡率が大幅に低かったです。

ICUの拡大と死亡率の相関関係は、医療対応そのものが致命的な要因だった可能性を示唆しています。通常の病院運営を維持し、集中治療能力を急拡大しなかった地域は、大規模な死亡急増を回避しました。このパターンは、ホットスポット地域における過剰死亡の主な要因は、病気の重症度ではなく、積極的な医療介入だった可能性を示しています。データは、この期間中、医療システムとの相互作用、特に集中治療が重要なリスク要因となったことを示しています。

11. 人工呼吸器とは何ですか？なぜこの期間に危険だったのでしょうか？

人工呼吸器とは、患者が自力で十分に呼吸できない場合に、気管にチューブを挿入し、機械で肺に空気を送り込み、排出する医療措置です。適切な状況下では命を救う措置ですが、人工呼吸器関連肺炎（肺の感染症）や、圧力と人工呼吸パターンによる肺損傷といった重大なリスクを伴います。 通常時でも、人工呼吸器を使用する患者の死亡率は、状態に応じて20～76％の範囲です。

パンデミックの初期段階では、人工呼吸器は通常よりもはるかに積極的に使用され、一部の病院ではコロナウイルス診断患者の88％が人工呼吸器に接続されました。 ニューヨーク市の病院では、人工呼吸器を装着した患者の88％が死亡し、そのうち高齢者の97％が死亡しました。この状況は、機器不足により未検証の方法が使用されたことが要因の一つで、重症患者用に設計されていない麻酔機器（死亡率70％）の使用や、専門家の警告を無視して単一の人工呼吸器を複数患者で共有する危険な実践が行われました。この積極的で実験的な人工呼吸器の使用は、過剰死亡に大きく寄与したと考えられます。

12. 患者に投与された薬剤と、そのリスクはどのようなものでしたか？

過剰死亡に寄与した主な薬剤は2つのカテゴリーに分類されます：ヒドロキシクロロキンとアジスロマイシンの組み合わせ、およびミダゾラムを含む鎮静剤です。 ヒドロキシクロロキンは通常マラリアの治療に用いられる薬剤で、「治療指数が狭い」という特徴があり、有効な用量と毒性のある用量の差が小さいです。パンデミック中、病院では通常の用量の10倍を超える高用量が使用され、致命的な心臓障害や神経系障害を引き起こす可能性がありました。

ヒドロキシクロロキンと抗生物質のアジスロマイシンの組み合わせは特に危険でした。両薬剤は心拍リズムに影響を及ぼすため、組み合わせることで心不全と死亡のリスクが大幅に増加しました。 この組み合わせを広く使用したスペインでは、2020年3月にアジスロマイシンの使用量が通常の4倍以上に増加しました。さらに、人工呼吸器を装着した患者を鎮静するために通常使用されるミダゾラムなどの鎮静剤も、通常の投与量よりも大幅に増加し、重症患者における回復の遅延、せん妄の増加、死亡率の上昇と関連しています。これらの薬剤は、適切な安全プロトコルなしに実験的に使用されることが多かったです。

13. 貧困や人種などの社会経済的要因は死亡率とどのように関連していたか？

研究では、社会経済的脆弱性と死亡率の間に強い相関関係が認められましたが、これは特定の地理的ホットスポットに限られ、すべての地域で普遍的なものではありませんでした。ニューヨーク市周辺では、貧困率、少数民族の割合、過密な居住環境、言語障壁が死亡率の急激な上昇と関連していました。ニューヨーク市で最も貧しい地区であるブロンクスは、全米で最も高い死亡率を記録しました。しかし、同様またはより悪い社会経済的条件を有する多くの地域では、過剰死亡はほとんどまたは全く見られませんでした。

これは謎を投げかけます：もし貧困や少数民族の地位が病気そのもののリスク要因であれば、貧困地域ではどこでも高い死亡率が予想されるはずですが、そうはなりませんでした。代わりに、社会経済的脆弱性は、大規模な病院システムと積極的な医療介入がある地域でのみ、高い死亡率を予測しました。 これは、貧困と少数民族であることが、特定の種類の医療へのアクセスと組み合わさった場合にのみ危険要因となり、病気の曝露や結果に対する一般的な保護要因ではないことを示唆しています。

14. WHOがパンデミックを宣言した直後に死亡が発生した意義は何ですか？

このタイミングは注目に値します。なぜなら、2020年3月11日に世界保健機関がパンデミックを宣言するまで、世界中で過剰死亡はほとんど発生していなかったからです。しかし、宣言直後、複数の大陸で大規模な死亡急増が開始されました。致死性の高いウイルスが数週間から数ヶ月かけて自然に人口に広がっていた場合、宣言前に死亡数の漸増が見られ、宣言は既に進行中の危機を認識するだけのものとなるはずです。

しかし、データは宣言が死亡危機を引き起こしたように見え、それに対応したものではなかったことを示しています。これは、宣言自体、およびそれが引き起こした政策や医療対応が、過剰死亡の主な原因であった可能性を示唆しています。死亡急増が政治的宣言と同期し、病気の拡散の生物学的タイムラインとは一致しないことは、行政的・機関的要因が死亡パターンを支配していたことを示しています。

15. なぜウイルスは科学者が予想したように広がらなかったのでしょうか？

感染症の拡散に関する科学的モデルは、ウイルスが接触パターン、交通ネットワーク、人口密度に基づいて人口を移動し、地理的・時間的に予測可能な波状の感染を引き起こすと予測しています。モデルは、接続された人口集団間で類似した感染率を予測し、2020年初頭までに国際空港を有する主要都市が大幅に影響を受けると予測していました。また、影響を受けた地域内では、接続性と人口構成に応じて異なる地域でピークが異なる時期に発生すると予測していました。

実際に起こったことは、これらの予測をすべて覆しました。死亡率のパターンは、交通網を無視した極端な地理的ばらつきを示し、広大な距離を隔てた地域でピークのタイミングが同一であり、地域内では接続パターンに関わらずタイミングが均一でした。例えば、スペインのすべての地域は、人口密度や接続パターンが大幅に異なるにもかかわらず、死亡率のピークを同時に経験しました。このような多様な地理的・人口統計的条件下での同期は、自然の感染症の拡散とは相容れず、生物学的伝播ではなく、協調的な政策対応や制度的変化が死亡率のパターンを駆動した可能性を示唆しています。

16. ブロンクスで何が起こったのか、なぜアメリカで最も高い死亡率を記録したのか？

ブロンクスは、高死亡率の「完璧な嵐」を招いた複数の要因を組み合わせた地域です。ニューヨーク市で最も貧しい地区であり、喘息などの基礎疾患の有病率が高く、言語障壁のある少数民族人口が多数を占め、大規模な「セーフティネット」病院であるSBHヘルスシステムがサービスを提供しています。 SBHは3週間で患者収容能力を50%、集中治療能力を500%以上拡大し、同時にハイドロキシクロロキン、アジスロマイシン、ミダゾラムなど、死亡率の高い薬剤の大量購入を行いました。

ブロンクスはニューヨーク市内の区で最も高いCOVID-19検査率を記録し、より多くの住民が診断され、その後積極的な病院治療を受けました。脆弱な人口層、その人口層を対象に設計された病院収容能力の拡大、危険な治療法の積極的な使用、高い検査率の組み合わせは、医療を受けることが極めて危険な状況を生み出しました。これは、不利な地域での医療拡大が、危機時に善意から始まったにもかかわらず、意図せずより多くの害を及ぼした悲惨な例です。

17. 航空旅行のパターンは、高い死亡率が発生した地域とどのように関連していたか？

驚くべきことに、航空旅行のパターンは死亡率とほとんど関連性がありませんでした。これは、ウイルスが国際旅行を通じて広がったという仮説を否定するものです。ローマはミラノよりも中国からの直行便が大幅に多かったにもかかわらず、ミラノの地域はローマの18倍の高い死亡率を記録しました。同様に、ロサンゼルスとサンフランシスコはニューヨーク市よりもアジアからの便が多く、アジア系人口も多かったにもかかわらず、ニューヨークが壊滅的な打撃を受ける中、過剰死亡率は最小限に抑えられました。

航空旅行の曝露と死亡結果の間の相関関係の欠如は、死亡がアジアから輸入されたウイルスによるものだという根本的な仮定を揺るがしています。もし国際旅行が病気の主要な伝播経路であれば、曝露が最も高い都市や地域が最も早く最も深刻な打撃を受けるはずでした。 しかし、データは、国際的な接続性や仮定されるウイルス曝露よりも、医療治療プロトコルや病院の政策といった地域要因が死亡結果を決定する上ではるかに重要だったことを示しています。

18. 研究者は春と夏の死亡パターンにどのような違いを発見しましたか？

春（3月～5月）と夏（6月～9月）の死亡パターンは、地理的分布と特徴の両面で劇的に異なっていました。春の死亡は、米国北東部と西欧諸国の都市部、特に大規模な病院システムを有する地域に集中していました。夏の死亡は、主に米国南部州、特にメキシコ国境沿いやミシシッピ川沿いの郡で発生し、都市部の病院集中ではなく農村部の貧困が特徴的な地域でした。

人口統計学的相関関係も期間間で完全に変化しました。春の死亡は、人口密度が高い、主要な医療施設に近い、特定の社会経済的脆弱性を持つ都市部の特徴と相関していました。夏の死亡は、農村部の貧困、異なる民族構成、全く異なる地理的地域と相関していました。この劇的なパターンの変化は、各期間で異なる要因が作用していた可能性を示唆しています。同じウイルスが異なる人口集団に影響を与えた場合、時間経過に伴う地理的・人口統計学的パターンのより一貫した傾向が予想されます。

19. 「生物学的ストレス」とは何ですか？また、死亡にどのように寄与した可能性がありますか？

生物学的ストレスとは、心理的、社会的、環境的な圧力に対する身体の物理的反応を指し、免疫機能を抑制し、感染症、特に細菌性肺炎への感受性を高める可能性があります。パンデミックの初期段階では、ロックダウン措置、社会的孤立、恐怖キャンペーン、医療サービスの混乱が、特に高齢者や介護施設などの施設入居者を含む多くの人々に前例のないストレスを引き起こしました。

このストレスによる免疫抑制は、他者からの感染を必要とせずに、自身の呼吸器内の細菌によって細菌性肺炎を発症しやすくした可能性があります。研究者は、コロナウイルスに起因するとされた多くの死亡が、ロックダウンや施設対応による極度のストレスによって引き起こされた細菌性肺炎であった可能性を提唱しています。これは、死亡率が社会経済的脆弱性（ストレスは貧困層に深刻な影響を与える）と相関し、政策発表と同期して発生した理由を説明できます。

20. なぜ、大規模な空港を有する地域の一部では死亡率が低く、他の地域では高かったのでしょうか？

空港の規模と死亡率の相関関係がないことは、死亡が航空旅行によるウイルス輸入の結果であるという理論と矛盾しています。ロサンゼルス、サンフランシスコ、アトランタ、ドイツの主要都市など、多くの国際空港を有する都市は、過剰死亡が最小限だった地域をサービスしていました。一方、小規模な空港や国際接続が限られた地域では、破滅的な死亡率が発生しました。このパターンは、航空旅行がウイルスの主要な導入経路だった場合、説明できません。

代わりに、データは地域ごとの医療政策と機関の対応が死亡率を決定した可能性を示しています。病院の収容能力を拡大し、機械的換気を積極的に活用し、実験的な薬物プロトコルを実施し、脆弱な層をカバーする大規模な安全網病院を有する地域は、空港の接続性に関わらず高い死亡率を記録しました。一方、より保守的な医療アプローチを維持した地域は、国際的な曝露が著しい場合でも重大な死亡率の増加を回避しました。これは、医療介入戦略が、病気の輸入ではなく、地域ごとの死亡率の決定要因であったことを示しています。

21. ロックダウン政策は死亡急増のタイミングにどのような役割を果たしましたか？

死亡の急増のタイミングは、予想される感染症の伝播スケジュールではなく、全国的なロックダウンの実施と驚くほど一致しています。イタリアは2020年3月9日に最初の全国ロックダウンを実施し、その週に死亡のピークを記録しました。スペインのロックダウンは3月15日に始まり、翌週に死亡が急増しました。イギリスのロックダウンは3月23日に始まり、その週から死亡増加が始まりました。

ロックダウンの実施と死亡率の急増とのこの緊密な相関関係は、政策対応自体が死亡増加を引き起こした可能性を示唆しています。ロックダウンに伴うストレス、通常の医療サービスの混乱、機関のパニック、および積極的な医療介入が、過剰死亡の条件を創出しました。もし死亡が単に自然の感染症の拡散の結果であれば、死亡率のピークがロックダウンの決定を駆動するはずですが、データで観察された逆のパターンはこれと矛盾しています。

22. 死亡率の高い地域と低い地域で治療アプローチはどのように異なりましたか？

死亡率の高い地域では、大規模なICU拡張、広範な人工呼吸器の使用、実験的な薬物プロトコルを含む、積極的で実験的な医療アプローチが一貫して採用されました。北イタリアはICU容量を100%以上拡大し、COVID-19と診断された患者の88%を人工呼吸器に接続しました。 ニューヨーク市もICUの収容能力を急拡大し、実験的な人工呼吸法を採用しました。スペインでは高用量ヒドロキシクロロキン配合剤が広く使用されました。これらの地域では鎮静剤の使用が増加し、より多くの患者を積極的な治療プロトコルに誘導する体系的な検査プログラムが実施されました。

一方、死亡率が低い地域ではより保守的な医療アプローチを維持しました。イタリアの隣接するヴェネト州は入院ではなく在宅ケアに重点を置き、ロンバルディア州よりもはるかに低い死亡率を記録しました。ドイツの多くの地域、東欧諸国、および病院容量を急拡大したり積極的な実験的治療を実施しなかった米国の州は、同様の人口構成とウイルス曝露にもかかわらず、重大な死亡急増を回避しました。このパターンは、治療プロトコルが疾患の重症度ではなく地域ごとの死亡率の結果を決定した可能性を強く示唆しています。

23. 病院治療が害を及ぼした可能性を示す証拠は何か？

複数の証拠が、病院治療が過剰死亡の主要な原因であることを示しています。まず、特定の治療法の死亡率は極めて高かったです：ニューヨークの病院で人工呼吸器を装着した患者の88%が死亡し、実験的な人工呼吸法では死亡率が70%に達しました。

第二に、使用された薬剤はしばしば危険な用量でした。ヒドロキシクロロキンは通常の10倍の用量が使用され、使用された薬剤の組み合わせには致命的な心臓合併症のリスクが既知でした。

第三に、積極的な治療と死亡率の地理的相関関係は顕著です：集中治療室（ICU）の容量を大幅に拡大し、実験的なプロトコルを導入した地域では高い死亡率が観察されましたが、保守的な地域では過剰な死亡を回避しました。

第四に、死亡のタイミングは治療プロトコル実施後から始まり、実施前ではありませんでした。

最後に、高死亡率地域での自宅死亡から病院死亡への移行は、医療ケアを求めることが保護ではなく危険になったことを示唆しています。

証拠は、この期間中、善意ではあるが過激な医療介入が、救った命よりも多くの命を奪った可能性を示しています。

24. 研究者はなぜ死亡がウイルスの拡散によるものではないと考えるのでしょうか？

研究者は、ウイルス性疾患の拡散とは矛盾するが、制度的な原因と一致する複数のパターンを特定しました。

第一に、極端な地理的ばらつき——一部の地域で大規模な死亡急増が発生した一方で、類似した隣接地域は影響を受けなかった——は、自然の病気の伝播では説明できません。

第二に、死亡のピークが生物学的伝播のタイムラインではなく、政治的発表直後に同期して発生したことは、政策主導の死亡率を示唆し、病気主導の死亡率とは矛盾しています。

第三に、仮定された曝露要因（航空旅行、人口密度、国際的な接続性）と死亡結果の相関関係の欠如は、ウイルスの拡散理論と矛盾しています。

第四に、積極的な医療介入と死亡率の相関関係は、感染症ではなく医療介入による原因（医原性）を示唆しています。

最後に、脆弱性要因が特定の地理的地域と特定の医療アプローチを有する場所でしか死亡を予測しなかった人口動態パターンは、感染症ではなく制度的要因が結果を決定したことを示しています。

証拠の全体像は、自然の病気の拡散ではなく、制度的および医療システムによる死亡パターンを示しています。

25. 研究者は過剰死亡の代替説明として何を提案していますか？

研究者は、過剰死亡は主に医原性（医療処置や制度的対応によるもの）であり、ウイルス拡散によるものではないと提案しています。彼らは、積極的でしばしば実験的な医療介入（機械的換気、高用量薬物組み合わせ、鎮静剤）、制度的パニックによる危険な治療プロトコル、ストレス誘発性細菌性肺炎が死亡災害を引き起こしたと指摘しています。

具体的には、ロックダウン措置と恐怖キャンペーンが深刻な生物学的ストレスを引き起こし、免疫システムを抑制し、人々の呼吸器細菌による細菌性肺炎への脆弱性を高めました。これらのストレスを受けた個人が医療ケアを求めると、危険な人工呼吸法や実験的な薬剤の組み合わせを含む攻撃的な治療プロトコルに遭遇し、これらがしばしば致命的な結果を招きました。 これにより、死亡率が病院との接触、社会経済的ストレス要因、施設容量と相関し、予想される感染症の伝播パターンとは一致しなかったことが説明されます。死亡は現実のもので呼吸器関連でしたが、宣言されたパンデミックへの対応によるもので、ウイルス伝播によるものではありませんでした。

26. これらの発見は、パンデミックの理解にどのような示唆を与えるでしょうか？

これらの発見は、現在のパンデミックモデルと対応策が根本的に欠陥があり、対処すべき疾病よりも危険な可能性があると示唆しています。過剰な死亡が主に自然の疾病拡散ではなく機関の対応によって引き起こされた場合、積極的な医療介入、ロックダウン政策、パニックに駆られた治療プロトコルが、本来防ぐべき災害を招いた可能性があります。

この研究は、疫学的な思考が、報告された感染症の流行が自然の感染プロセスを表すという仮定から離れ、制度的・医療的対応が死亡危機を創出または悪化させる可能性を検証する方向へ、根本的なパラダイムシフトが必要であることを示唆しています。 この研究は、医療システム容量、治療プロトコル、社会経済的ストレス、政策対応などが、感染症の特性よりも死亡結果のより重要な決定要因である可能性を示唆しています。これは今後のパンデミック対策に重大な影響を及ぼし、医療介入の劇的な拡大よりも、より保守的で積極的でない対応がより多くの命を救う可能性があることを示しています。

27. この研究は、富、貧困、医療アクセスとの関係について何を示唆していますか？

研究は衝撃的なパラドックスを明らかにしています：最も高い死亡率は、富裕な地域に隣接する貧困地域で発生しました。これらの地域には、慈善家による富裕層の寄付で資金提供され、不利な立場にある人口層をケアする目的で設立された大規模な「セーフティネット病院」が存在しましたが、これらの病院は致命的な実験的治療の現場となりました。

これは、不利な立場にあるコミュニティへの医療アクセスを提供するための善意の努力が、危機時に意図せず追加のリスクを生み出した可能性を示唆しています。 富裕層が住む地域に広範な医療施設がある貧困層は、そのような医療インフラがない地域に住む貧困層よりも大きな危険にさらされていました。データは、この期間中、積極的な医療介入へのアクセスが有益よりも危険だったことを示しており、通常は「医療アクセスが増えれば健康成果が向上する」という仮定が逆転したのです。これは、医療の「公平性」と、医療システム容量の拡大が必ずしも脆弱な層の利益に資するかどうかという根本的な疑問を提起しています。

スペイン語訳：
Nuevo informe: La verdadera pandemia de covid fue una pandemia política, no patológica

POR RHODA WILSON
EL 1 DE JULIO DE 2025

Los patrones de mortalidad entre marzo y mayo de 2020 en Europa y Estados Unidos son incompatibles con haber sido causados por la propagación de persona a persona de un nuevo virus infeccioso.

En cambio, «el exceso de mortalidad durante el primer pico [marzo-mayo de 2020], allí donde se produjo, tuvo un origen institucional y iatrogénico, causado por el maltrato de personas frágiles y vulnerables en hospitales y residencias de ancianos», concluye un nuevo informe de Correlation.

En otras palabras, la verdadera pandemia fue política, no patológica.

El 13 de junio, Correlation, una organización canadiense de investigación sin ánimo de lucro, publicó un nuevo informe titulado «Constraints from geotemporal evolution of all-cause mortality on the hypothesis of disease spread during Covid» (Limitaciones de la evolución geotemporal de la mortalidad por todas las causas sobre la hipótesis de la propagación de la enfermedad durante la COVID), escrito por Joseph Hickey, Denis G. Rancourt y Christian Linard. El 18 de junio, el informe se publicó en Preprints.org.  Con 400 páginas, que incluyen cientos de gráficos, es una lectura larga. A continuación, Lies are Unbekoming resume el informe de Correlation en formato de preguntas y respuestas.

Los hospitales, no los «virus»: ¿qué causó realmente los picos de mortalidad por COVID-19?
Por Lies are Unbekoming

A principios de 2020, el mundo se estremeció cuando las noticias sobre un nuevo coronavirus, supuestamente procedente de un laboratorio o un mercado húmedo, desencadenaron una crisis mundial. Las narrativas oficiales, amplificadas por la declaración de pandemia de la Organización Mundial de la Salud el 11 de marzo de 2020, presentaron la COVID-19 como un patógeno implacable y contagioso que se propagaba entre la población, desbordaba los hospitales y se cobraba vidas indiscriminadamente.

Sin embargo, como demuestran meticulosamente Denis Rancourt y su equipo en su innovador estudio, esta narrativa se desmorona bajo un riguroso escrutinio científico. Su análisis, resumido aquí en 27 preguntas y respuestas, revela un patrón sorprendente: el exceso de mortalidad no se ajustaba a la dinámica esperada de la propagación viral, sino que se correlacionaba estrechamente con intervenciones médicas agresivas.

Los picos de mortalidad sincronizados en toda Europa y América del Norte, que desafían la lógica geográfica, estallaron inmediatamente después de la declaración, sin que se registrara un exceso significativo de muertes anteriormente. Ciudades como Roma, con un intenso tráfico aéreo procedente de Asia, registraron una mortalidad mínima, mientras que el Bronx de Nueva York, atendido por un sistema hospitalario ampliado, sufrió pérdidas catastróficas.

El trabajo de Rancourt, elogiado en «Beyond Contagion» por desafiar el dogma virológico, subraya una cruda ironía: «El 88 % de los pacientes conectados a respiradores en Nueva York murieron», no por un virus, sino por protocolos como la ventilación mecánica y los regímenes de medicamentos en dosis elevadas.

A pesar de estas pruebas, muchos, como se señala en «Rancourt Testimony», se aferran a la idea de un «virus armado», una creencia que Rancourt desmonta por ser científicamente insostenible. Este estudio obliga a reconocer el daño iatrogénico: los protocolos hospitalarios, y no un patógeno que se propagaba rápidamente, fueron los responsables de la crisis de mortalidad.

Las implicaciones de los hallazgos de Rancourt, exploradas más a fondo en «¿Hubo una pandemia?» y «No hubo pandemia», replantean toda la saga del covid como una historia de agresión institucional. Los confinamientos, las campañas de miedo y los tratamientos experimentales, criticados en «La pandemia final», indujeron estrés biológico y canalizaron a las poblaciones vulnerables hacia vías médicas mortales.

La irregularidad geográfica —altas tasas de mortalidad en zonas como Lombardía, pero no en la vecina Véneto— desafía los modelos de transmisión viral, que, como señala Rancourt, «fracasaron estrepitosamente» a la hora de predecir una propagación uniforme. En cambio, la vulnerabilidad socioeconómica, especialmente en las comunidades pobres cercanas a los grandes centros médicos, solo se volvió letal cuando se combinó con intervenciones agresivas.

Esta paradoja, en la que el acceso a la «atención sanitaria» se convirtió en algo peligroso, pone en tela de juicio la suposición de que más medicina equivale a mejores resultados. Los rigurosos datos de Rancourt, que muestran que «las muertes se trasladaron de los hogares a los hospitales» en las zonas de alta mortalidad, invitan al escepticismo sobre las respuestas sanitarias centralizadas. La verdadera pandemia fue política, no patológica.

Gracias a Joseph Hickey, Denis Rancourt y Christian Linard, véase: «Nuestro último gran estudio sobre el exceso de mortalidad durante la covid publicado hoy: Demostración de que no hubo contagio ni propagación, solo daños innecesarios».

La analogía del avión

Imagina que te dicen que los accidentes aéreos están causando miles de muertes en todo el país. Las autoridades anuncian que una misteriosa «enfermedad de fallo de motores» se está propagando de un aeropuerto a otro, y ponen en marcha protocolos de emergencia: aumentan drásticamente el número de mecánicos en los principales aeropuertos, utilizan técnicas de reparación experimentales y exigen que todos los aviones, incluso los que presentan problemas menores, se sometan a procedimientos de mantenimiento agresivos.

Ahora imagina que, tras investigar, descubres que los accidentes aéreos solo se produjeron en los aeropuertos que implementaron los nuevos protocolos de emergencia, mientras que los aeropuertos que continuaron con los procedimientos de mantenimiento habituales no sufrieron ningún accidente. También descubrirías que los accidentes se produjeron inmediatamente después del anuncio de emergencia, y no antes, y que los aeropuertos con más vuelos internacionales solían tener menos accidentes que los aeropuertos regionales más pequeños. Lo más revelador es que descubrirías que los aviones se estrellaban durante los propios procedimientos de mantenimiento agresivos, y no durante las operaciones normales de vuelo.

Esto es esencialmente lo que descubrieron los investigadores con la mortalidad por covid: la «cura» parece haber sido mucho más mortal que cualquier enfermedad, con un exceso de muertes que se produjo principalmente donde y cuando se implementaron intervenciones médicas agresivas, en lugar de seguir los patrones de propagación natural de la enfermedad.

La explicación en un minuto

Este estudio analizó los patrones de mortalidad en Europa y Norteamérica a principios de 2020 y descubrió algo impactante: el exceso de muertes no seguía los patrones que cabría esperar de un virus en propagación. En lugar de avanzar gradualmente a través de poblaciones conectadas, se produjeron picos masivos de mortalidad simultáneamente en regiones distantes inmediatamente después de que la OMS declarara la pandemia el 11 de marzo de 2020, sin que se registrara prácticamente ningún exceso de muertes antes de esa fecha en ningún lugar.

Aún más revelador es que las zonas que ampliaron drásticamente la capacidad hospitalaria y utilizaron tratamientos agresivos, como la ventilación mecánica, registraron tasas de mortalidad catastróficas, mientras que otras zonas similares con enfoques médicos conservadores se mantuvieron relativamente afectadas. Las ciudades con más vuelos procedentes de China solían tener tasas de mortalidad bajas, mientras que las zonas con menos exposición internacional sufrieron picos de mortalidad masivos.

Los investigadores descubrieron que el 88 % de los pacientes conectados a respiradores en Nueva York fallecieron, que se utilizaron combinaciones de fármacos experimentales en dosis peligrosas y que las muertes se desplazaron de los hogares a los hospitales en las zonas con alta mortalidad. Los patrones geográficos, el momento en que se produjeron y la correlación con las intervenciones médicas sugieren que el exceso de muertes fue causado por la propia respuesta a la pandemia —en particular, los tratamientos hospitalarios agresivos y el estrés inducido por el confinamiento— y no por la propagación del virus.

Esto significa que toda nuestra comprensión de lo que ocurrió en 2020 es errónea y que las intervenciones médicas, aunque bien intencionadas, mataron a muchas más personas de las que salvaron.

{{Sonido de ascensor}}

Temas de investigación a seguir: Investigar las muertes iatrogénicas en los hospitales, la historia de las tasas de mortalidad por ventilación mecánica y los estudios sobre la supresión inmunitaria inducida por el estrés durante los confinamientos.

Resumen en 12 puntos

1. Imposibilidad geográfica de la propagación viral: El estudio revela que el exceso de muertes a principios de 2020 se produjo en un patrón geográfico extremadamente irregular que desafía la lógica de la propagación de las enfermedades infecciosas. Algunas regiones experimentaron tasas de mortalidad superiores al 200 % de lo normal, mientras que zonas vecinas con poblaciones, aeropuertos y características demográficas similares no se vieron afectadas en su mayor parte. Este patrón irregular se extendió a través de las fronteras internacionales y entre condados adyacentes, creando una distribución geográfica incompatible con la transmisión viral natural.

2. La sincronización contradice la propagación natural de la enfermedad: Los picos de mortalidad en Europa y América del Norte se produjeron con una sincronización notable, todos ellos en un plazo de tres semanas y, en particular, después de la declaración de pandemia de la OMS el 11 de marzo de 2020. No se produjo un exceso de mortalidad significativo en ningún lugar antes de esa fecha, a pesar de las afirmaciones de que el virus llevaba semanas circulando. Este patrón temporal se asemeja más a una respuesta coordinada a un anuncio político que a la propagación geográfica gradual que cabría esperar de la transmisión de una enfermedad infecciosa.

3. Los patrones de los viajes aéreos no coinciden con los patrones de mortalidad: Las ciudades y regiones con mayor volumen de tráfico aéreo internacional, especialmente desde Asia, a menudo registraron un exceso de mortalidad mínimo, mientras que las zonas con menor conectividad internacional sufrieron tasas de mortalidad catastróficas. Roma recibió más vuelos procedentes de China que Milán, pero tuvo una tasa de mortalidad 18 veces menor. Los Ángeles y San Francisco tenían más conexiones con Asia que la ciudad de Nueva York, pero evitaron la catástrofe mortal que devastó Nueva York. Esto contradice la hipótesis fundamental de que el virus se propaga a través de los viajes internacionales.

4. Las intervenciones hospitalarias se correlacionan con las tasas de mortalidad: Las regiones que ampliaron drásticamente la capacidad de las UCI y aplicaron intervenciones médicas agresivas experimentaron las tasas de mortalidad más altas, mientras que las zonas que mantuvieron enfoques médicos conservadores evitaron el exceso de mortalidad. La correlación entre la expansión del sistema médico y las tasas de mortalidad sugiere que los tratamientos agresivos, más que la gravedad de la enfermedad, determinaron los resultados de mortalidad. Las zonas que aumentaron la capacidad hospitalaria y utilizaron protocolos experimentales sufrieron sistemáticamente tasas de mortalidad más altas que zonas similares con enfoques terapéuticos diferentes.

5. La ventilación mecánica resultó excepcionalmente mortal: Los hospitales conectaron a un número sin precedentes de pacientes a respiradores mecánicos, a menudo utilizando técnicas experimentales debido a la escasez de equipos. Las tasas de mortalidad de los pacientes ventilados alcanzaron el 88 % en los hospitales de la ciudad de Nueva York y el 97 % en los pacientes de edad avanzada. Los métodos no probados, como el uso de máquinas de anestesia como ventiladores, mostraron tasas de mortalidad del 70 %, en comparación con el 37 % de los equipos estándar. Este uso agresivo de la ventilación mecánica, que superó con creces la práctica médica habitual, probablemente contribuyó de manera significativa al exceso de muertes.

6. Se utilizaron ampliamente combinaciones peligrosas de medicamentos: Los hospitales utilizaron ampliamente la hidroxicloroquina combinada con azitromicina, a menudo en dosis que superaban con creces los niveles seguros, en algunos casos hasta 10 veces la cantidad normal. Estas combinaciones conllevaban riesgos significativos de complicaciones cardíacas mortales, y el consumo de azitromicina en España aumentó más del 400 % durante marzo de 2020. Además, se recetaron sedantes como el midazolam en proporciones mucho más altas de lo normal, lo que contribuyó a retrasar la recuperación y a aumentar la mortalidad de los pacientes en estado crítico.

7. La pobreza se volvió peligrosa solo cerca de los grandes centros médicos: Si bien la vulnerabilidad socioeconómica era un fuerte indicador de las tasas de mortalidad en zonas como la ciudad de Nueva York y Londres, muchas otras regiones con niveles de pobreza similares o peores experimentaron un exceso de mortalidad mínimo. Esto crea un patrón en el que ser pobre y pertenecer a una minoría se convirtió en algo peligroso, especialmente cuando se combinaba con el acceso a grandes sistemas hospitalarios que aplicaban tratamientos agresivos, en lugar de ser factores de riesgo generales para la supuesta enfermedad.

8. Las muertes se desplazaron de los hogares a las instituciones: Las zonas con alta mortalidad registraron un aumento drástico del porcentaje de muertes en hospitales y residencias de ancianos, en lugar de en los hogares, mientras que las zonas con baja mortalidad experimentaron un aumento de las muertes en los hogares. Esta inversión de los patrones normales de localización de las muertes sugiere que la atención institucional se volvió peligrosa en lugar de protectora, y que la proximidad a las instalaciones médicas aumentó, en lugar de disminuir, el riesgo de mortalidad durante este periodo.

9. Las enfermedades inducidas por el estrés pueden explicar las muertes respiratorias: Las medidas de confinamiento, el aislamiento social y las campañas de miedo crearon un estrés biológico sin precedentes que pudo suprimir la función inmunitaria y hacer a las personas vulnerables a la neumonía bacteriana provocada por sus propias bacterias respiratorias. Este modelo de neumonía inducida por el estrés explica por qué las muertes fueron de naturaleza respiratoria, pero siguieron los anuncios de las políticas en lugar de los patrones de transmisión de la enfermedad, y por qué se correlacionaron con factores de estrés socioeconómico en lugar de con la exposición a enfermedades infecciosas.

10. Los modelos informáticos fallaron estrepitosamente: Los modelos científicos predijeron que prácticamente todas las grandes ciudades con aeropuertos internacionales experimentarían brotes significativos en febrero de 2020, con una distribución relativamente uniforme entre las poblaciones conectadas. En cambio, muchas ciudades conectadas internacionalmente no se vieron afectadas en gran medida, mientras que las muertes se concentraron en puntos concretos no relacionados con los patrones de propagación previstos. Este fracaso masivo de los modelos predictivos sugiere que las hipótesis subyacentes sobre la transmisión viral eran incorrectas.

11. Las respuestas políticas precedieron a la mortalidad en lugar de seguirla: El momento en que se impusieron los confinamientos nacionales se correlaciona precisamente con los picos de mortalidad, en lugar de precederlos, lo que sugiere que las respuestas políticas desencadenaron las crisis sanitarias en lugar de responder a ellas. El confinamiento en Italia comenzó el 9 de marzo, con un pico de muertes esa misma semana; el confinamiento en España, el 15 de marzo, precedió a un aumento inmediato de la mortalidad, y el confinamiento en el Reino Unido, el 23 de marzo, coincidió con el inicio del pico de muertes. Este momento indica que las respuestas institucionales crearon la crisis de mortalidad.

12. Toda la respuesta a la pandemia puede haber sido el problema: Las pruebas sugieren que las intervenciones médicas agresivas, los tratamientos experimentales, el pánico institucional, el estrés inducido por el confinamiento y los programas de pruebas sistemáticas que canalizaron a las personas vulnerables hacia protocolos de tratamiento peligrosos crearon el exceso de mortalidad atribuido a la COVID-19. En lugar de responder a una pandemia natural, los datos indican que la propia respuesta declarada a la pandemia generó la catástrofe de mortalidad a través de muertes iatrogénicas (causadas por el tratamiento) y enfermedades inducidas por el estrés.

27 preguntas y respuestas

1. ¿Cuál fue el objetivo principal de este estudio de investigación?

Esta investigación tenía como objetivo examinar si los patrones de exceso de muertes durante los primeros meses de 2020 coincidían con lo que los científicos esperarían de un virus respiratorio en propagación. Los investigadores analizaron registros detallados de defunciones en Europa y Estados Unidos durante el periodo comprendido entre marzo y mayo de 2020, observando cuándo y dónde fallecieron personas en cantidades sin precedentes. Querían comprobar si la explicación oficial —que un nuevo coronavirus se estaba propagando de persona a persona y causando estas muertes— se ajustaba realmente a los datos.

El estudio utilizó datos geográficos y temporales de alta resolución para crear una imagen completa de los patrones de mortalidad en dos continentes. Al examinar las tasas de mortalidad a nivel de condados, regiones e incluso distritos urbanos, los investigadores pudieron identificar patrones específicos que apoyaban o contradecían la teoría de la propagación viral. Su objetivo era proporcionar un análisis basado en pruebas que pudiera ayudar a comprender lo que realmente ocurrió durante esos críticos primeros meses de la pandemia declarada.

2. ¿Qué es una «puntuación P» y por qué es importante para comprender las tasas de mortalidad?

La puntuación P mide cuánto más alta (o más baja) fue la tasa de mortalidad en comparación con lo que cabría esperar normalmente según los años anteriores. Piensa en ello como un porcentaje que muestra el aumento de las muertes por encima de la línea de base: si una región tiene normalmente 100 muertes por semana y de repente tiene 150, la puntuación P es del 50 %. Esta medida tiene en cuenta automáticamente las diferencias de edad y salud de la población entre las distintas zonas, lo que permite comparar de forma equitativa una población joven y sana con otra más envejecida y enferma.

Las puntuaciones P son cruciales porque revelan el verdadero impacto de cualquier evento en la mortalidad, al tiempo que filtran las variaciones estacionales normales y las diferencias demográficas. A diferencia de los recuentos brutos de muertes, que pueden ser engañosos al comparar poblaciones de diferentes tamaños, las puntuaciones P muestran la intensidad relativa del exceso de mortalidad. Esto permite a los investigadores identificar los verdaderos puntos críticos de muertes inusuales y comparar la gravedad de los eventos en regiones geográficas completamente diferentes, desde condados rurales hasta grandes áreas metropolitanas.

3. ¿En qué periodos se centraron los investigadores y por qué?

Los investigadores se centraron principalmente en el periodo comprendido entre marzo y mayo de 2020, al que denominaron «primer pico», ya que fue cuando se produjeron los mayores picos de mortalidad inmediatamente después de que la Organización Mundial de la Salud declarara la pandemia el 11 de marzo de 2020. También examinaron el periodo comprendido entre junio y septiembre de 2020 como «pico estival» para ver cómo cambiaban los patrones a lo largo del tiempo. Se eligieron estos periodos específicos porque captaban la primera ola de exceso de mortalidad que supuestamente provocó el nuevo coronavirus.

El momento es significativo porque permite a los investigadores examinar lo que ocurrió antes de que se dispusiera de intervenciones médicas significativas, como las vacunas, centrándose exclusivamente en la respuesta inmediata a la pandemia declarada. Utilizando el periodo 2015-2019 como referencia para la comparación, pudieron identificar exactamente cuándo comenzaron los patrones de mortalidad inusuales y cómo evolucionaron. Este periodo también les permite analizar si las muertes siguieron patrones coherentes con una enfermedad infecciosa de propagación natural o si otros factores podrían explicar los picos de mortalidad.

4. ¿Qué descubrieron los investigadores sobre el momento en que se produjeron los picos de mortalidad en los diferentes países?

Los investigadores descubrieron que los picos de mortalidad en Europa y Estados Unidos se produjeron con una sincronización notable, todos ellos en un intervalo de tres semanas y, cabe destacar, ninguno antes de la declaración de pandemia de la OMS el 11 de marzo de 2020. Países tan distantes entre sí como Italia, España, el Reino Unido y varios estados de EE. UU. experimentaron sus picos de mortalidad en este estrecho intervalo, a pesar de tener ubicaciones geográficas, climas y densidades de población muy diferentes.

Esta sincronización fue inesperada, ya que si un virus se propagara de forma natural de persona a persona a través de los continentes, cabría esperar una mayor variación en el momento en que se produjera, a medida que se fuera propagando gradualmente por las diferentes poblaciones y redes de transporte. El hecho de que no se produjera ningún pico importante de mortalidad en ningún lugar antes del anuncio oficial de la pandemia, junto con la estrecha agrupación de los picos inmediatamente posteriores, sugiere que algo distinto a la propagación viral natural estaba impulsando estos patrones de mortalidad. Este patrón temporal es más coherente con una respuesta coordinada o un cambio de política que con la transmisión orgánica de la enfermedad.

5. ¿Cómo variaron las tasas de mortalidad entre las diferentes regiones durante los primeros meses de 2020?

La variación en las tasas de mortalidad fue extrema y geográficamente irregular, en lugar de seguir los patrones esperados de propagación de la enfermedad. Algunas regiones experimentaron aumentos de la tasa de mortalidad de más del 200 %, mientras que zonas vecinas con poblaciones y características similares registraron una mortalidad excesiva escasa o nula. Por ejemplo, en Europa, países occidentales como España, Italia y el Reino Unido registraron picos de mortalidad masivos, mientras que los países de Europa del Este con grandes aeropuertos y centros urbanos prácticamente no registraron muertes excesivas durante el mismo periodo.

Este patrón irregular se extendió hasta niveles muy locales: algunos condados de Estados Unidos registraron tasas de mortalidad que duplicaban o triplicaban los niveles normales, mientras que los condados adyacentes no se vieron afectados. Las tasas de mortalidad más altas se registraron a menudo en zonas urbanas específicas con grandes hospitales, en particular los que atendían a poblaciones económicamente desfavorecidas. En lugar de mostrar la propagación geográfica gradual que cabría esperar de una enfermedad contagiosa, el patrón se asemejaba a focos distintos de mortalidad que parecían estar más relacionados con factores institucionales locales que con la transmisión natural de la enfermedad.

6. ¿Qué patrones encontraron los investigadores al comparar países vecinos con poblaciones similares?Los investigadores descubrieron diferencias dramáticas en las tasas de mortalidad entre países vecinos que deberían haber tenido experiencias similares si el virus se hubiera propagado de forma natural. Lo más llamativo fue el contraste a lo largo de la frontera occidental de Alemania, donde las regiones alemanas registraron una mortalidad excesiva muy baja, mientras que las regiones adyacentes de Francia, Bélgica y los Países Bajos experimentaron algunas de las tasas de mortalidad más altas de Europa. Estas zonas están densamente pobladas, tienen un importante tráfico transfronterizo diario por motivos laborales y comerciales, y comparten características demográficas y sistemas sanitarios similares.

Este patrón desafía la lógica de la propagación de las enfermedades infecciosas, según la cual cabría esperar que las regiones vecinas con una alta interacción tuvieran tasas de infección y mortalidad similares. Los investigadores documentaron que, a pesar de algunas restricciones de viaje, durante este periodo continuó un tráfico transfronterizo considerable, lo que hace poco plausible que un virus respete las fronteras políticas con tanta precisión. Se observaron patrones similares a lo largo de otras fronteras europeas y entre estados de EE. UU., lo que sugiere que fueron factores políticos o administrativos, y no la transmisión natural de la enfermedad, los que determinaron la distribución geográfica del exceso de mortalidad.

7. ¿Por qué los investigadores compararon Milán con Roma y Nueva York con Los Ángeles?

Estas comparaciones entre ciudades se diseñaron para comprobar si factores como los viajes aéreos internacionales y las características de la población podían explicar las dramáticas diferencias en las tasas de mortalidad. Milán y Roma son dos importantes ciudades italianas con grandes aeropuertos internacionales, características demográficas, sistemas sanitarios y estructuras de edad similares. Sin embargo, Roma recibió más vuelos directos desde China y Asia que Milán, pero la región de Milán experimentó tasas de mortalidad 18 veces superiores a las de la región de Roma durante el periodo crítico.

Del mismo modo, Los Ángeles y San Francisco recibieron muchos más vuelos procedentes de China y tenían una población asiática mayor que la ciudad de Nueva York, pero esta última sufrió tasas de mortalidad catastróficas, mientras que las ciudades de la costa oeste se mantuvieron relativamente afectadas. Esta comparación echa por tierra la teoría de que el virus llegó a través de los viajes aéreos desde Asia y se propagó de forma natural por las comunidades. Si eso fuera cierto, las ciudades con mayor exposición directa a la supuesta fuente de infección deberían haber sido las más afectadas, pero ocurrió lo contrario. Estas comparaciones sugieren claramente que fueron factores locales —en particular los protocolos de tratamiento médico— y no la importación del virus, los que determinaron los resultados en términos de mortalidad.

8. ¿Qué reveló el estudio sobre dónde moría la gente durante los periodos de máxima incidencia?

El estudio encontró un patrón claro: en las zonas con altas tasas de exceso de mortalidad, un porcentaje inusualmente alto de muertes se produjo en hospitales y residencias de ancianos, en lugar de en los hogares, mientras que en las zonas con bajas tasas de exceso de mortalidad se produjo un aumento de las muertes en los hogares. Esto representa una inversión de los patrones normales, en los que la mayoría de las personas suelen morir en sus hogares. Los estados y condados con las tasas de mortalidad más altas registraron un aumento espectacular de la proporción de muertes que se produjeron en centros médicos en comparación con los mismos meses de 2019.

Este cambio hacia las muertes en instituciones en las zonas con alta mortalidad sugiere que los propios centros médicos pueden haber desempeñado un papel en el exceso de mortalidad, en lugar de limitarse a tratar a las víctimas de una enfermedad externa. La correlación entre las altas tasas de mortalidad y las altas tasas de muertes hospitalarias, junto con el aumento de las muertes en el hogar en las zonas con baja mortalidad, indica que la proximidad a las instituciones médicas y la interacción con ellas pueden haber sido un factor de riesgo, en lugar de un factor de protección, durante este periodo.

9. ¿Cómo predijeron los modelos informáticos la propagación de la pandemia y qué ocurrió realmente?

Los modelos informáticos utilizados por los científicos para predecir la propagación de la pandemia anticipaban que prácticamente todas las grandes ciudades y regiones con aeropuertos internacionales experimentarían brotes significativos en febrero de 2020, con tasas de infección que oscilarían entre el 31 % y el 38 % en los países europeos. Estos modelos, basados en los patrones de transporte aéreo y la mezcla de la población, predecían que las enfermedades se propagarían de forma relativamente uniforme entre las poblaciones conectadas, y que las zonas rurales se verían afectadas semanas después de los centros urbanos, pero seguirían registrando una mortalidad considerable.

Lo que ocurrió en realidad fue completamente diferente: muchas grandes ciudades y países enteros con importantes conexiones internacionales experimentaron un exceso de mortalidad mínimo, mientras que las muertes se concentraron en focos específicos que no se correspondían con los patrones de propagación previstos. Los modelos no lograron predecir la extrema irregularidad geográfica, la estrecha sincronización de los picos de mortalidad ni el hecho de que algunas de las ciudades más conectadas internacionalmente no se vieran prácticamente afectadas. Este desajuste entre las predicciones de los modelos y la realidad sugiere que las muertes no fueron causadas por un agente infeccioso que se propagara de forma natural.

10. ¿Qué papel desempeñaron los hospitales y las unidades de cuidados intensivos en el exceso de muertes?Los hospitales, en particular sus unidades de cuidados intensivos, parecen haber sido fundamentales en el exceso de mortalidad, en lugar de víctimas inocentes de una enfermedad abrumadora. Las regiones que ampliaron drásticamente la capacidad de las UCI y admitieron agresivamente a los pacientes en cuidados intensivos experimentaron las tasas de mortalidad más altas, mientras que las regiones que adoptaron enfoques más conservadores tuvieron una mortalidad mucho menor. Por ejemplo, Lombardía, en Italia, creó cientos de nuevas camas de UCI y colocó sistemáticamente a los pacientes diagnosticados con covid en respiradores mecánicos, lo que provocó tasas de mortalidad catastróficas, mientras que las regiones vecinas con características demográficas similares pero con enfoques de tratamiento diferentes tuvieron una mortalidad mucho menor.

La correlación entre la ampliación de las UCI y las tasas de mortalidad sugiere que la propia respuesta médica pudo haber sido mortal. Las regiones que mantuvieron el funcionamiento normal de los hospitales y no aumentaron su capacidad de cuidados intensivos evitaron, en general, los picos masivos de mortalidad. Este patrón indica que la intervención médica agresiva, más que la gravedad de la enfermedad, pudo haber sido el principal factor de la mortalidad excesiva en las zonas más afectadas. Los datos muestran que la interacción con el sistema médico, en particular con los cuidados intensivos, se convirtió en un factor de riesgo significativo durante este periodo.

11. ¿Qué es la ventilación mecánica y por qué podría haber sido peligrosa durante este periodo?

La ventilación mecánica consiste en introducir un tubo en las vías respiratorias del paciente y utilizar una máquina para introducir y expulsar aire de los pulmones cuando este no puede respirar adecuadamente por sí mismo. Aunque puede salvar vidas en circunstancias adecuadas, conlleva riesgos graves, como la neumonía asociada al ventilador (infección en los pulmones) y la lesión pulmonar inducida por el ventilador debido a la presión y los patrones de respiración artificial. Incluso en circunstancias normales, las tasas de mortalidad de los pacientes ventilados oscilan entre el 20 % y el 76 %, dependiendo de su estado.

Durante el periodo inicial de la pandemia, la ventilación mecánica se utilizó de forma mucho más agresiva de lo habitual, y algunos hospitales conectaron al respirador al 88 % de los pacientes diagnosticados con COVID-19. En los hospitales de la ciudad de Nueva York, el 88 % de los pacientes conectados a respiradores fallecieron, incluido el 97 % de los pacientes de edad avanzada. La situación se vio agravada por el uso de métodos no probados debido a la escasez de equipos, como el uso de máquinas de anestesia no diseñadas para pacientes en estado crítico (que tenían tasas de mortalidad del 70 %) y la división de respiradores individuales entre varios pacientes, a pesar de las advertencias de los profesionales contra esta práctica peligrosa. Este uso agresivo y, a menudo, experimental de la ventilación mecánica probablemente contribuyó de manera significativa al exceso de muertes.

12. ¿Qué medicamentos se utilizaron para tratar a los pacientes y cuáles eran sus riesgos?

Dos categorías principales de medicamentos parecen haber contribuido al exceso de mortalidad: la hidroxicloroquina combinada con azitromicina y diversos sedantes como el midazolam. La hidroxicloroquina, que se utiliza normalmente para la malaria, tiene un «índice terapéutico estrecho», lo que significa que la diferencia entre una dosis útil y una dosis tóxica es pequeña. Durante la pandemia, los hospitales utilizaron dosis mucho más altas de lo normal, a veces 10 veces la cantidad habitual, lo que podía causar problemas cardíacos mortales y daños en el sistema nervioso.

La combinación de hidroxicloroquina con el antibiótico azitromicina era especialmente peligrosa, ya que ambos fármacos pueden afectar al ritmo cardíaco y su combinación aumentaba significativamente el riesgo de insuficiencia cardíaca y muerte. España, que utilizó ampliamente esta combinación, registró un aumento del consumo de azitromicina de más de cuatro veces los niveles normales durante marzo de 2020. Además, se recetaron sedantes como el midazolam, que se utiliza normalmente para calmar a los pacientes ventilados, en proporciones mucho más altas de lo normal y se han asociado con un retraso en la recuperación, un aumento del delirio y una mayor mortalidad en pacientes críticos. Estos medicamentos se utilizaron a menudo de forma experimental, sin los protocolos de seguridad adecuados.

13. ¿Cómo se relacionaron factores socioeconómicos como la pobreza y la raza con las tasas de mortalidad?

El estudio encontró una fuerte correlación entre la vulnerabilidad socioeconómica y las tasas de mortalidad, pero solo en determinados puntos geográficos concretos, no en todas partes. En el área de la ciudad de Nueva York, las tasas de mortalidad aumentaron drásticamente con los niveles de pobreza, los porcentajes de población minoritaria, las condiciones de hacinamiento y las barreras lingüísticas. El Bronx, el distrito más pobre de la ciudad de Nueva York, tuvo la tasa de mortalidad más alta de todo Estados Unidos. Sin embargo, muchas otras zonas con condiciones socioeconómicas similares o peores experimentaron una mortalidad excesiva escasa o nula.

Esto plantea un enigma: si la pobreza y la pertenencia a una minoría fueran simplemente factores de riesgo para la enfermedad en sí, cabría esperar altas tasas de mortalidad en todas las comunidades pobres, pero eso no fue lo que ocurrió. En cambio, la vulnerabilidad socioeconómica solo predijo altas tasas de mortalidad en zonas que también contaban con grandes sistemas hospitalarios e intervenciones médicas agresivas. Esto sugiere que ser pobre y pertenecer a una minoría se convirtió en algo peligroso específicamente cuando se combinaba con el acceso a ciertos tipos de atención médica, en lugar de ser un factor de protección contra la exposición a la enfermedad o sus consecuencias en general.

14. ¿Qué importancia tiene que las muertes se produjeran justo después de que la OMS declarara la pandemia?

El momento es notable porque prácticamente no se produjeron muertes excesivas en ningún lugar antes del 11 de marzo de 2020, cuando la Organización Mundial de la Salud declaró la pandemia, pero inmediatamente después comenzaron a producirse picos masivos de muertes en varios continentes. Si un virus mortal se hubiera propagado de forma natural entre la población durante semanas o meses, cabría esperar un aumento gradual de las muertes antes de la declaración, y el anuncio se habría limitado a reconocer una crisis ya existente.

En cambio, los datos muestran que la declaración parece haber desencadenado la crisis de mortalidad, en lugar de responder a ella. Esto sugiere que el propio anuncio, así como las políticas y las respuestas médicas que provocó, pueden haber sido la causa principal del exceso de muertes. La sincronización de los picos de mortalidad con el anuncio político, en lugar de con cualquier cronología biológica de la propagación de la enfermedad, indica que fueron factores administrativos e institucionales los que impulsaron los patrones de mortalidad, y no los procesos naturales de la enfermedad infecciosa.

15. ¿Por qué el virus no pareció propagarse como esperaban los científicos?

Los modelos científicos de propagación de enfermedades infecciosas predicen que los virus se transmiten entre la población en función de los patrones de contacto, las redes de transporte y la densidad de población, creando oleadas de infección que se desplazan geográfica y temporalmente de forma predecible. Los modelos esperaban tasas de ataque similares en poblaciones conectadas y preveían que todas las grandes ciudades con aeropuertos internacionales se verían significativamente afectadas a principios de 2020. También anticipaban que, dentro de las zonas afectadas, los diferentes barrios experimentarían picos en momentos diferentes en función de su conectividad y su demografía.

Lo que ocurrió en realidad contradijo todas estas predicciones. Los patrones de mortalidad mostraron una extrema irregularidad geográfica, sin tener en cuenta las redes de transporte, con picos idénticos en grandes distancias y uniformes dentro de las regiones, independientemente de los patrones de conectividad locales. Por ejemplo, todas las regiones de España experimentaron sus picos de mortalidad simultáneamente, a pesar de las grandes diferencias en la densidad de población y los patrones de conexión. Este tipo de sincronización en condiciones geográficas y demográficas tan diversas es incompatible con la propagación natural de las enfermedades infecciosas y sugiere que fueron las respuestas políticas coordinadas o los cambios institucionales, y no la transmisión biológica, los que determinaron los patrones de mortalidad.

16. ¿Qué ocurrió en el Bronx para que tuviera la tasa de mortalidad más alta de Estados Unidos?

El Bronx combina varios factores que crearon una tormenta perfecta para una alta mortalidad: es el distrito más pobre de la ciudad de Nueva York, con altas tasas de enfermedades subyacentes como el asma, tiene una gran población minoritaria con barreras lingüísticas y cuenta con el SBH Health System, un gran hospital de «red de seguridad» que amplió drásticamente su capacidad y trató de forma agresiva a los pacientes. El SBH aumentó su capacidad de pacientes en un 50 % y su capacidad de cuidados intensivos en más de un 500 % en tres semanas, al tiempo que realizaba grandes compras de hidroxicloroquina, azitromicina, midazolam y otros medicamentos asociados a altas tasas de mortalidad.

El Bronx también tuvo la tasa más alta de pruebas de COVID-19 entre los distritos de la ciudad de Nueva York, lo que significa que más residentes fueron diagnosticados y posteriormente recibieron tratamientos hospitalarios agresivos. La combinación de una población vulnerable, la ampliación de la capacidad hospitalaria diseñada específicamente para atender a esa población, el uso agresivo de tratamientos peligrosos y las altas tasas de pruebas creó unas condiciones en las que buscar atención médica se convirtió en algo extremadamente arriesgado. Esto representa un trágico ejemplo de cómo la expansión médica bien intencionada en comunidades desfavorecidas puede haber causado inadvertidamente más daño que beneficio durante la crisis.

17. ¿Cómo se relacionaron los patrones de transporte aéreo con los lugares donde se produjeron altas tasas de mortalidad?

Sorprendentemente, los patrones de transporte aéreo mostraron poca o ninguna correlación con las tasas de mortalidad, lo que contradice la teoría de que el virus se propagó a través de los viajes internacionales. Roma recibió muchos más vuelos directos desde China que Milán, pero la región de Milán experimentó tasas de mortalidad 18 veces superiores a las de Roma. Del mismo modo, Los Ángeles y San Francisco tenían más vuelos procedentes de Asia y una mayor población asiática que la ciudad de Nueva York, pero experimentaron un exceso de mortalidad mínimo, mientras que Nueva York quedó devastada.

Esta falta de correlación entre la exposición a los viajes aéreos y los resultados de mortalidad socava la hipótesis fundamental de que las muertes fueron causadas por un virus importado de Asia. Si los viajes internacionales fueran el vector principal de introducción de la enfermedad, las ciudades y regiones con mayor exposición deberían haber sido las más afectadas y las primeras en verse afectadas. En cambio, los datos sugieren que los factores locales —en particular los protocolos de tratamiento médico y las políticas hospitalarias— fueron mucho más importantes para determinar los resultados de mortalidad que la conectividad internacional o la supuesta exposición viral.

18. ¿Qué diferencias encontraron los investigadores entre los patrones de mortalidad de la primavera y el verano?

Los patrones de mortalidad de la primavera (marzo-mayo) y el verano (junio-septiembre) fueron radicalmente diferentes tanto en cuanto a la geografía como a las características. Las muertes de primavera se concentraron en los estados del noreste de Estados Unidos y en los países de Europa occidental, especialmente en zonas urbanas con grandes sistemas hospitalarios. Las muertes de verano se produjeron principalmente en los estados del sur de Estados Unidos, especialmente en los condados situados a lo largo de la frontera con México y el río Misisipi, zonas caracterizadas por la pobreza rural más que por la concentración de hospitales urbanos.

Las correlaciones demográficas también cambiaron por completo entre ambos periodos. Las muertes en primavera se correlacionaron con características urbanas como la alta densidad de población, la proximidad a los principales centros médicos y ciertos tipos de vulnerabilidad socioeconómica. Las muertes en verano se correlacionaron con la pobreza rural, diferentes poblaciones étnicas y regiones geográficas completamente diferentes. Este cambio drástico en los patrones sugiere que en cada periodo actuaron causas diferentes, en lugar de que el mismo virus afectara a poblaciones diferentes. Si un único agente infeccioso fuera el responsable, cabría esperar patrones geográficos y demográficos más consistentes a lo largo de los periodos.

19. ¿Qué es el «estrés biológico» y cómo podría haber contribuido a las muertes?

El estrés biológico se refiere a la respuesta física del organismo a las presiones psicológicas, sociales y ambientales, que pueden suprimir la función inmunitaria y hacer que las personas sean más susceptibles a las infecciones, en particular a la neumonía bacteriana. Durante el periodo inicial de la pandemia, las medidas de confinamiento, el aislamiento social, las campañas de miedo y la interrupción de la atención médica crearon niveles de estrés sin precedentes para muchas personas, especialmente para los ancianos y los que se encontraban en instituciones como residencias de ancianos.

Esta supresión inmunitaria inducida por el estrés podría haber hecho a las personas vulnerables a desarrollar neumonía bacteriana a través de sus propias bacterias respiratorias, sin necesidad de transmisión por parte de otras personas. Los investigadores proponen que muchas de las muertes atribuidas a la COVID-19 podrían haber sido en realidad neumonías bacterianas desencadenadas por el estrés extremo de los confinamientos y las respuestas institucionales. Esto explicaría por qué las muertes se correlacionaron con la vulnerabilidad socioeconómica (el estrés afecta más gravemente a las personas pobres) y por qué se produjeron de forma sincronizada con los anuncios de las políticas, en lugar de seguir los patrones naturales de transmisión de la enfermedad.

20. ¿Por qué algunas zonas con grandes aeropuertos tuvieron bajas tasas de mortalidad mientras que otras tuvieron tasas elevadas?

La falta de correlación entre el tamaño de los aeropuertos y las tasas de mortalidad contradice la teoría de que las muertes se debieron a la importación del virus a través de los viajes aéreos. Muchos de los principales aeropuertos internacionales de ciudades como Los Ángeles, San Francisco, Atlanta y varias ciudades alemanas prestaban servicio a regiones que experimentaron un exceso de mortalidad mínimo, mientras que algunas zonas con aeropuertos más pequeños o menos conectados internacionalmente registraron tasas de mortalidad catastróficas. Este patrón no tiene sentido si los viajes aéreos fueron la principal vía de introducción del virus.

En cambio, los datos sugieren que las políticas médicas locales y las respuestas institucionales determinaron los resultados de mortalidad. Las zonas que ampliaron la capacidad hospitalaria, utilizaron agresivamente la ventilación mecánica, aplicaron protocolos farmacológicos experimentales y contaban con grandes hospitales de la red de seguridad que atendían a las poblaciones vulnerables registraron altas tasas de mortalidad, independientemente de su conectividad aeroportuaria. Las zonas que mantuvieron enfoques médicos más conservadores evitaron aumentos importantes de la mortalidad, incluso si tenían una exposición internacional significativa. Esto indica que las estrategias de intervención médica, y no la importación de la enfermedad, fueron el factor clave que determinó los resultados de mortalidad regionales.

21. ¿Qué papel desempeñaron las políticas de confinamiento en el momento en que se produjeron los picos de mortalidad?

El momento en que se produjeron los picos de mortalidad se correlaciona notablemente con la aplicación de los confinamientos nacionales, más que con los plazos previstos para la transmisión de la enfermedad. Italia aplicó su primer confinamiento nacional el 9 de marzo de 2020 y experimentó su pico de mortalidad durante la semana de dicho confinamiento. El confinamiento en España comenzó el 15 de marzo y las muertes se dispararon la semana siguiente. El confinamiento en el Reino Unido comenzó el 23 de marzo y el aumento de la mortalidad se inició esa misma semana.

Esta estrecha correlación entre la implementación del confinamiento y los picos de mortalidad sugiere que las propias respuestas políticas pueden haber desencadenado el aumento de las muertes, en lugar de responder a una crisis sanitaria ya existente. El estrés, la interrupción de la atención médica habitual, el pánico institucional y las agresivas intervenciones médicas que acompañaron a los confinamientos pueden haber creado las condiciones para una mortalidad excesiva. Si las muertes fueran simplemente el resultado de la propagación natural de la enfermedad, cabría esperar que los picos de mortalidad determinaran las decisiones de confinamiento, y no el patrón inverso observado en los datos.

22. ¿En qué se diferenciaron los enfoques terapéuticos entre las regiones con altas y bajas tasas de mortalidad?

Las regiones con altas tasas de mortalidad adoptaron de forma sistemática enfoques médicos agresivos y experimentales, como la ampliación masiva de las UCI, la ventilación mecánica generalizada y protocolos farmacológicos experimentales. El norte de Italia amplió la capacidad de las UCI en más del 100 % y conectó a respiradores al 88 % de los pacientes diagnosticados con COVID-19. La ciudad de Nueva York aumentó de forma similar la capacidad de sus UCI y utilizó técnicas de ventilación experimentales. España utilizó ampliamente combinaciones de hidroxicloroquina en dosis altas. Estas regiones también aumentaron el uso de sedantes y pusieron en marcha programas de pruebas sistemáticas que canalizaron a más pacientes hacia protocolos de tratamiento agresivos.

Por el contrario, las regiones con bajas tasas de mortalidad mantuvieron enfoques médicos más conservadores. La vecina región italiana del Véneto se centró en la atención domiciliaria en lugar de en los ingresos hospitalarios y registró una mortalidad mucho menor que la Lombardía. Muchas regiones alemanas, países de Europa del Este y estados de EE. UU. que no aumentaron la capacidad de sus hospitales ni aplicaron tratamientos experimentales agresivos evitaron picos importantes de mortalidad a pesar de tener una demografía similar y una supuesta exposición al virus. Este patrón sugiere claramente que los protocolos de tratamiento, y no la gravedad de la enfermedad, determinaron los resultados de mortalidad regionales.

23. ¿Qué pruebas sugieren que los tratamientos hospitalarios pueden haber causado más daño que beneficio?

Múltiples líneas de evidencia apuntan a los tratamientos hospitalarios como una de las principales causas del exceso de mortalidad. En primer lugar, las tasas de mortalidad de tratamientos específicos fueron extremadamente altas: el 88 % de los pacientes con ventilación mecánica fallecieron en los hospitales de Nueva York y los métodos de ventilación experimentales tuvieron tasas de mortalidad de hasta el 70 %.

En segundo lugar, los medicamentos utilizados a menudo se administraron en dosis peligrosas: las dosis de hidroxicloroquina eran a veces 10 veces superiores a los niveles normales, y las combinaciones de medicamentos utilizadas tenían riesgos conocidos de complicaciones cardíacas mortales.

En tercer lugar, la correlación geográfica entre los tratamientos agresivos y las tasas de mortalidad es sorprendente: todas las regiones que ampliaron drásticamente la capacidad de las UCI y aplicaron protocolos experimentales registraron una alta mortalidad, mientras que las regiones conservadoras evitaron el exceso de muertes.

En cuarto lugar, el momento en que se produjeron las muertes muestra que estas comenzaron después de la implementación de los protocolos de tratamiento, y no antes.

Por último, el cambio de las muertes en el hogar a las muertes en el hospital en las zonas con alta mortalidad sugiere que buscar atención médica se convirtió en algo peligroso en lugar de protector.

Las pruebas indican que las intervenciones médicas bienintencionadas pero agresivas probablemente mataron a más personas de las que salvaron durante este periodo.

24. ¿Por qué creen los investigadores que las muertes no fueron causadas por la propagación del virus?

Los investigadores identificaron múltiples patrones incompatibles con la propagación de una enfermedad viral, pero coherentes con causas institucionales.

En primer lugar, la extrema irregularidad geográfica —algunas zonas experimentaron picos masivos de mortalidad, mientras que otras vecinas similares no se vieron afectadas— no puede explicarse por la transmisión natural de la enfermedad.

En segundo lugar, la sincronización de los picos de mortalidad inmediatamente después de los anuncios políticos, en lugar de seguir los plazos de transmisión biológica, sugiere que la mortalidad fue impulsada por políticas y no por la enfermedad.

En tercer lugar, la falta de correlación entre los supuestos factores de exposición (viajes aéreos, densidad de población, conectividad internacional) y los resultados de mortalidad contradice la teoría de la propagación viral.

En cuarto lugar, la correlación entre las intervenciones médicas agresivas y las tasas de mortalidad sugiere causas iatrogénicas (causadas por el tratamiento) en lugar de infecciosas.

Por último, los patrones demográficos que muestran que los factores de vulnerabilidad solo predijeron la muerte en lugares geográficos específicos con enfoques médicos particulares indican que fueron los factores institucionales, y no las enfermedades infecciosas, los que determinaron los resultados.

La totalidad de las pruebas muestra un patrón de mortalidad inducida por el sistema institucional y médico, más que por la propagación natural de la enfermedad.

25. ¿Qué explicación alternativa proponen los investigadores para el exceso de muertes?

Los investigadores proponen que el exceso de muertes fue principalmente iatrogénico, es decir, causado por los tratamientos médicos y las respuestas institucionales, y no por la propagación de un virus. Sugieren que la combinación de intervenciones médicas agresivas y a menudo experimentales (ventilación mecánica, combinaciones de fármacos en dosis elevadas, sedantes), el pánico institucional que dio lugar a protocolos de tratamiento peligrosos y las neumonías bacterianas inducidas por el estrés crearon la catástrofe mortal.

En concreto, proponen que las medidas de confinamiento y las campañas de miedo crearon un estrés biológico grave que suprimió el sistema inmunitario, lo que hizo a las personas vulnerables a las neumonías bacterianas provocadas por sus propias bacterias respiratorias. Cuando estas personas estresadas buscaban atención médica, se encontraban con protocolos de tratamiento agresivos que incluían técnicas de ventilación peligrosas y combinaciones de fármacos experimentales que a menudo resultaban mortales. Esto explica por qué las tasas de mortalidad se correlacionaban con las interacciones hospitalarias, los factores de estrés socioeconómico y la capacidad institucional, más que con los patrones de transmisión de la enfermedad esperados. Las muertes fueron reales y relacionadas con el sistema respiratorio, pero causadas por la respuesta a la pandemia declarada y no por la propagación del virus.

26. ¿Qué implicaciones tienen estos hallazgos para nuestra comprensión de las pandemias?

Estos hallazgos sugieren que los modelos y las respuestas actuales a las pandemias pueden ser fundamentalmente erróneos y potencialmente más peligrosos que las enfermedades a las que pretenden hacer frente. Si el exceso de mortalidad se debió principalmente a las respuestas institucionales y no a la propagación natural de la enfermedad, entonces las intervenciones médicas agresivas, las políticas de confinamiento y los protocolos de tratamiento impulsados por el pánico pueden haber creado la catástrofe que se suponía que debían prevenir.

La investigación implica que el pensamiento epidemiológico necesita un cambio de paradigma importante, alejándose de la suposición de que los brotes de enfermedades notificados representan procesos infecciosos naturales, para examinar cómo las respuestas institucionales y médicas pueden crear o exacerbar las crisis de mortalidad. Sugiere que factores como la capacidad del sistema sanitario, los protocolos de tratamiento, el estrés socioeconómico y las respuestas políticas pueden ser determinantes más importantes de la mortalidad que las características de las enfermedades infecciosas. Esto tiene profundas implicaciones para la preparación ante futuras pandemias, ya que sugiere que unas respuestas más conservadoras y menos agresivas podrían salvar más vidas que una expansión drástica de las intervenciones médicas.

27. ¿Qué sugiere esta investigación sobre la relación entre riqueza, pobreza y acceso a la atención médica?

La investigación revela una paradoja inquietante: las tasas de mortalidad más altas se registraron en comunidades pobres situadas cerca de zonas ricas con sistemas hospitalarios bien financiados y de gran capacidad. El Bronx (junto al rico Manhattan) y barrios londinenses como Brent y Westminster muestran este patrón. Estas zonas contaban con grandes hospitales de «red de seguridad» financiados por residentes filantrópicos adinerados con el fin de atender a la población desfavorecida, pero estos mismos hospitales se convirtieron en lugares donde se aplicaron tratamientos experimentales agresivos que resultaron mortales.

Esto sugiere que los esfuerzos bienintencionados para proporcionar acceso médico a las comunidades desfavorecidas pueden haber creado inadvertidamente riesgos adicionales durante la crisis. Las personas pobres que vivían cerca de zonas ricas con amplias instalaciones médicas se enfrentaban a un peligro mayor que las personas pobres de zonas sin esa infraestructura médica. Los datos indican que, durante este periodo, tener acceso a intervenciones médicas agresivas era más peligroso que beneficioso, lo que significa que se invirtió la suposición habitual de que un mayor acceso a la asistencia médica equivale a mejores resultados sanitarios. Esto plantea profundas preguntas sobre la «equidad» médica y sobre si la ampliación de la capacidad del sistema médico siempre beneficia a las poblaciones vulnerables.

原文：
New report: The true covid pandemic was one of policy, not pathology

BY RHODA WILSON
ON JULY 1, 2025

Mortality patterns during March to May 2020 in Europe and the USA are incompatible with having been caused by person-to-person spread of a novel infectious virus.

Instead, “that first-peak period excess mortality [March-May 2020], where it occurs, was of institutional and iatrogenic origin, caused by mistreatment of frail and vulnerable people in hospitals and nursing homes,” a new report by Correlation concludes.

In other words, the true pandemic was one of policy, not pathology.

On 13 June, Correlation, a Canadian non-profit research organisation, published a new report titled ‘Constraints from geotemporal evolution of all-cause mortality on the hypothesis of disease spread during Covid’ authored by Joseph Hickey, Denis G. Rancourt and Christian Linard.  On 18 June, the report was published on Preprints.org.  At 400 pages, including hundreds of graphs, it’s a long read.  Below Lies are Unbekoming summarises Correlation’s report in a question-and-answer format.

Hospitals, Not “Viruses”: What Really Caused the Covid-19 Death Spikes
By Lies are Unbekoming

In early 2020, the world recoiled as reports of a novel coronavirus, purportedly unleashed from a laboratory or wet market, ignited a global crisis. Official narratives, amplified by the World Health Organisation’s 11 March 2020 pandemic declaration, framed covid-19 as a relentless, contagious pathogen sweeping through populations, overwhelming hospitals, and claiming lives indiscriminately.

Yet, as Denis Rancourt and his team meticulously demonstrate in their groundbreaking study, this narrative crumbles under rigorous scientific scrutiny.  Their analysis, summarised here in 27 questions and answers, reveals a startling pattern: excess mortality did not align with the expected dynamics of viral spread but instead correlated tightly with aggressive medical interventions.

Synchronised death spikes across Europe and North America, defying geographic logic, erupted immediately post-declaration, with no significant excess deaths prior. Cities like Rome, with heavy air traffic from Asia, saw minimal mortality, while New York’s Bronx, served by expanded hospital systems, suffered catastrophic losses.

Rancourt’s work, lauded in ‘Beyond Contagion’ for challenging virological dogma, underscores a grim irony: “88% of patients put on ventilators in New York died,” not from a virus but from protocols like mechanical ventilation and high-dose drug regimens.

Despite such evidence, many, as noted in ‘Rancourt Testimony’, cling to the notion of a “weaponised virus,” a belief Rancourt dismantles as scientifically untenable. This study forces a reckoning with iatrogenic harm – hospital protocols, not a swarming pathogen, drove the mortality crisis.

The implications of Rancourt’s findings, explored further in ‘Was There a Pandemic?’ and ‘No Pandemic’, reframe the entire covid saga as a tale of institutional assault. Lockdowns, fear campaigns and experimental treatments, as critiqued in ‘The Final Pandemic’, induced biological stress and funnelled vulnerable populations into deadly medical pipelines.

The geographic patchiness – high death rates in areas like Lombardy but not neighbouring Veneto – defies viral transmission models, which, as Rancourt notes, “failed spectacularly” in predicting uniform spread. Instead, socioeconomic vulnerability, particularly in poor communities near large medical centres, became lethal only when paired with aggressive interventions.

This paradox, where access to “care” turned perilous, challenges the assumption that more medicine equates to better outcomes. Rancourt’s rigorous data, showing “deaths shifted from homes to hospitals” in high-mortality zones, invites scepticism of centralised health responses. The true pandemic was one of policy, not pathology.

With thanks to Joseph Hickey, Denis Rancourt and Christian Linard, see: ‘Our latest large study about excess mortality during covid released today: Demonstration that there was no contagion or spread, only unnecessary harm’.

The Aeroplane Analogy

Imagine you’re told that aeroplane crashes are causing thousands of deaths across the country. Officials announce that a mysterious “engine failure disease” is spreading from airport to airport, and they implement emergency protocols: dramatically increasing the number of mechanics at major airports, using experimental repair techniques and requiring all planes with even minor issues to undergo aggressive maintenance procedures.

Now imagine if, upon investigation, you discovered that plane crashes only occurred at airports that implemented the new emergency protocols, while airports that continued normal maintenance procedures had no crashes. You’d also find that crashes happened immediately after the emergency announcement rather than before it, and that airports with the most international flights often had fewer crashes than smaller regional airports. Most tellingly, you’d discover that planes were crashing during the aggressive maintenance procedures themselves, not during normal flight operations.

This is essentially what the researchers found with covid mortality: the “cure” appears to have been far more deadly than any disease, with excess deaths occurring primarily where and when aggressive medical interventions were implemented, rather than following patterns of natural disease spread.

The One-Minute Elevator Explanation

This study analysed death patterns across Europe and North America during early 2020 and found something shocking: the excess deaths didn’t follow the patterns you’d expect from a spreading virus. Instead of gradually moving through connected populations, massive death spikes occurred simultaneously across distant regions immediately after the WHO declared a pandemic on 11 March 2020 – with virtually no excess deaths before that date anywhere.

Even more revealing, areas that dramatically expanded hospital capacity and used aggressive treatments like mechanical ventilation had catastrophic death rates, while similar areas with conservative medical approaches stayed relatively unaffected. Cities with the most flights from China often had low death rates, while areas with less international exposure suffered massive mortality spikes.

The researchers found that 88% of patients put on ventilators in New York died, experimental drug combinations were used at dangerous doses and deaths shifted from homes to hospitals in high-mortality areas. The geographic patterns, timing and correlation with medical interventions suggest the excess deaths were caused by the pandemic response itself – particularly aggressive hospital treatments and lockdown-induced stress – rather than by a spreading virus.

This means our entire understanding of what happened in 2020 is wrong, and that well-intentioned medical interventions killed far more people than they saved.

{{Elevator dings}}

Research threads to follow: Look into iatrogenic deaths in hospitals, the history of mechanical ventilation mortality rates and studies on stress-induced immune suppression during lockdowns.

12-Point Summary

1. Geographic Impossibility of Viral Spread: The study reveals that excess deaths during early 2020 occurred in an extremely patchy geographic pattern that defies the logic of infectious disease spread. Some regions experienced death rates over 200% above normal, while neighbouring areas with similar populations, airports and demographics remained largely unaffected. This patchwork pattern extended across international borders and between adjacent counties, creating a geographic distribution incompatible with natural viral transmission.

2. Synchronised Timing Contradicts Natural Disease Spread: Death spikes across Europe and North America occurred with remarkable synchronisation – all within three weeks of each other and notably after the WHO’s 11 March 2020 pandemic declaration. No significant excess mortality occurred anywhere before this date, despite claims that the virus had been circulating for weeks. This timing pattern resembles a coordinated response to a policy announcement rather than the gradual geographic spread expected from infectious disease transmission.

3. Air Travel Patterns Don’t Match Death Patterns: Cities and regions with the highest volumes of international air travel, particularly from Asia, often experienced minimal excess mortality, while areas with less international connectivity suffered catastrophic death rates. Rome received more flights from China than Milan, yet had death rates 18 times lower. Los Angeles and San Francisco had more Asian connectivity than New York City but avoided the mortality catastrophe that devastated New York. This contradicts the fundamental assumption that the virus spreads through international travel.

4. Hospital Interventions Correlate with Death Rates: Regions that dramatically expanded ICU capacity and implemented aggressive medical interventions experienced the highest death rates, while areas maintaining conservative medical approaches avoided excess mortality. The correlation between medical system expansion and death rates suggests that aggressive treatments, rather than disease severity, drove mortality outcomes. Areas that surged hospital capacity and used experimental protocols consistently suffered higher death rates than similar areas with different treatment approaches.

5. Mechanical Ventilation Proved Exceptionally Deadly: Hospitals placed unprecedented numbers of patients on mechanical ventilators, often using experimental techniques due to equipment shortages. Mortality rates for ventilated patients reached 88% in New York City hospitals and 97% for elderly patients. Untested methods like using anaesthesia machines as ventilators showed 70% mortality rates compared to 37% for standard equipment. This aggressive use of mechanical ventilation, far exceeding normal medical practice, likely contributed significantly to excess deaths.

6. Dangerous Drug Combinations Were Widely Used: Hospitals extensively used hydroxychloroquine combined with azithromycin, often at doses far exceeding safe levels – sometimes 10 times normal amounts. These combinations carried significant risks of fatal heart complications, and Spain’s azithromycin consumption increased by over 400% during March 2020. Additionally, sedatives like midazolam were prescribed at much higher rates than normal, contributing to delayed recovery and increased mortality in critically ill patients.

7. Poverty Became Dangerous Only Near Large Medical Centres: While socioeconomic vulnerability strongly predicted death rates in areas like New York City and London, many other regions with similar or worse poverty levels experienced minimal excess mortality. This creates a pattern where being poor and a minority became dangerous, specifically when combined with access to large hospital systems implementing aggressive treatments, rather than being general risk factors for the supposed disease.

8. Deaths Shifted from Homes to Institutions: High-mortality areas saw dramatic increases in the percentage of deaths occurring in hospitals and nursing homes rather than at home, while low-mortality areas actually experienced increases in home deaths. This reversal of normal death location patterns suggests that institutional care became dangerous rather than protective, and that proximity to medical facilities increased rather than decreased mortality risk during this period.

9. Stress-Induced Illness May Explain Respiratory Deaths: Lockdown measures, social isolation and fear campaigns created unprecedented biological stress that could suppress immune function and make people vulnerable to bacterial pneumonia from their own respiratory bacteria. This stress-induced pneumonia model explains why deaths were respiratory in nature but followed policy announcements rather than disease transmission patterns, and why they correlated with socioeconomic stress factors rather than infectious disease exposure.

10. Computer Models Failed Spectacularly: Scientific models predicted that virtually all major cities with international airports would experience significant outbreaks by February 2020, with relatively even distribution across connected populations. Instead, many internationally connected cities remained largely unaffected while deaths concentrated in specific hotspots unrelated to predicted spread patterns. This massive failure of predictive models suggests that the underlying assumptions about viral transmission were incorrect.

11. Policy Responses Preceded Rather Than Followed Mortality: The timing of national lockdowns correlates precisely with mortality spikes rather than preceding them, suggesting that policy responses triggered rather than responded to health crises. Italy’s lockdown began on 9 March with deaths spiking that week; Spain’s 15 March lockdown preceded immediate mortality increases, and the UK’s 23 March lockdown coincided with their death spike beginning. This timing indicates that institutional responses created the mortality crisis.

12. The Entire Pandemic Response May Have Been the Problem: The evidence suggests that aggressive medical interventions, experimental treatments, institutional panic, lockdown-induced stress and systematic testing programmes that funnelled vulnerable people into dangerous treatment protocols created the excess mortality attributed to covid-19. Rather than responding to a naturally occurring pandemic, the data indicates that the declared pandemic response itself generated the mortality catastrophe through iatrogenic (treatment-caused) deaths and stress-induced illness.

27 Questions and Answers

1. What was the main purpose of this research study?

This research aimed to examine whether the patterns of excess deaths during early 2020 matched what scientists would expect from a spreading respiratory virus. The researchers analysed detailed death records from Europe and the United States during the period from March to May 2020, looking at when and where people died in unprecedented numbers. They wanted to test whether the official explanation – that a novel coronavirus was spreading from person to person and causing these deaths – actually fit the data.

The study used high-resolution geographic and time-based data to create a comprehensive picture of mortality patterns across two continents. By examining death rates at the level of counties, regions and even city boroughs, the researchers could identify specific patterns that either supported or contradicted the viral spread theory. Their goal was to provide an evidence-based analysis that could inform our understanding of what really happened during those critical early months of the declared pandemic.

2. What is a “P-score” and why is it important for understanding death rates?

A P-score measures how much higher (or lower) the death rate was compared to what would normally be expected based on previous years. Think of it as a percentage showing the increase in deaths above the baseline – if a region normally has 100 deaths per week but suddenly has 150 deaths, that’s a P-score of 50%. This measurement automatically accounts for differences in population age and health between different areas, making it fair to compare a young, healthy population with an older, sicker one.

P-scores are crucial because they reveal the true impact of any event on mortality while filtering out normal seasonal variations and demographic differences. Unlike raw death counts, which can be misleading when comparing differently sized populations, P-scores show the relative intensity of excess mortality. This allows researchers to identify genuine hotspots of unusual deaths and compare the severity of events across completely different geographic regions, from rural counties to major metropolitan areas.

3. What time periods did the researchers focus on and why?

The researchers primarily focused on March through to May 2020, which they called the “first-peak period,” because this is when the largest spikes in deaths occurred immediately after the World Health Organisation declared a pandemic on 11 March 2020. They also examined June through to September 2020 as a “summer-peak period” to see how patterns changed over time. These specific timeframes were chosen because they captured the initial wave of excess mortality that supposedly resulted from the novel coronavirus.

The timing is significant because it allows researchers to examine what happened before any significant medical interventions like vaccines were available, focusing purely on the immediate response to the declared pandemic. By using 2015-2019 as their baseline for comparison, they could identify exactly when unusual death patterns began and how they evolved. This timeframe also lets them analyse whether the deaths followed patterns consistent with a naturally spreading infectious disease or whether other factors might explain the mortality spikes.

4. What did the researchers discover about the timing of death spikes across different countries?

The researchers found that death spikes across Europe and the United States occurred with remarkable synchronisation – all within about three weeks of each other and, notably, none occurred before the WHO’s pandemic declaration on 11 March 2020. Countries as far apart as Italy, Spain, the UK and various US states all experienced their peak death rates within this narrow window, despite having very different geographic locations, climates, and population densities.

This synchronisation was unexpected because if a virus were naturally spreading from person to person across continents, you would expect much more variation in timing as it gradually moved through different populations and transportation networks. The fact that no major death spike occurred anywhere before the official pandemic announcement, combined with the tight clustering of peaks immediately afterwards, suggests that something other than natural viral spread was driving these mortality patterns. This timing pattern is more consistent with a coordinated response or policy change than with organic disease transmission.

5. How did death rates vary between different regions during the first few months of 2020?

The variation in death rates was extreme and geographically patchy rather than following expected patterns of disease spread. Some regions experienced death rate increases of over 200%, while neighbouring areas with similar populations and characteristics had little to no excess mortality. For example, in Europe, western countries like Spain, Italy and the UK saw massive death spikes, while eastern European countries with major airports and urban centres experienced virtually no excess deaths during the same period.

This patchwork pattern extended down to very local levels – some counties in the United States had death rates that were double or triple normal levels, while adjacent counties remained unaffected. The highest death rates often occurred in specific urban areas with large hospitals, particularly those serving economically disadvantaged populations. Rather than showing the gradual geographic spread you’d expect from a contagious disease, the pattern resembled distinct hotspots of mortality that seemed more related to local institutional factors than to natural disease transmission.

6. What patterns did researchers find when comparing neighbouring countries with similar populations?

The researchers discovered dramatic differences in death rates between neighbouring countries that should have had similar experiences if a virus were spreading naturally. Most striking was the contrast along Germany’s western border, where German regions had very low excess mortality while the adjacent regions in France, Belgium and the Netherlands experienced some of the highest death rates in Europe. These areas are densely populated, have significant daily cross-border traffic for work and commerce, and share similar demographics and healthcare systems.

This pattern defies the logic of infectious disease spread, where you would expect neighbouring regions with high interaction to have similar infection and death rates. The researchers documented that substantial cross-border traffic continued during this period despite some travel restrictions, making it implausible that a virus would respect political boundaries so precisely. Similar patterns appeared along other European borders and between US states, suggesting that political or administrative factors, rather than natural disease transmission, were driving the geographic distribution of excess deaths.

7. Why did the researchers compare Milan to Rome and New York City to Los Angeles?

These city comparisons were designed to test whether factors like international air travel and population characteristics could explain the dramatic differences in death rates. Milan and Rome are both major Italian cities with large international airports, similar demographics, healthcare systems and age structures. However, Rome actually received more direct flights from China and Asia than Milan, yet Milan’s region experienced death rates 18 times higher than Rome’s region during the critical period.

Similarly, Los Angeles and San Francisco received far more flights from China and had larger Asian populations than New York City, yet New York experienced catastrophic death rates while the West Coast cities remained relatively unaffected. This comparison demolishes the theory that the virus arrived via air travel from Asia and spread naturally through communities. If that were true, the cities with the most direct exposure to the supposed source of infection should have been hit hardest, but the opposite occurred. These comparisons strongly suggest that local factors – particularly medical treatment protocols – rather than viral importation determined mortality outcomes.

8. What did the study reveal about where people were dying during the peak periods?

The study found a clear pattern: in areas with high excess death rates, an unusually high percentage of deaths occurred in hospitals and nursing homes rather than at home, while areas with low excess death rates actually saw an increase in deaths at home. This represents a reversal of normal patterns, where most people typically die at home. States and counties with the highest death rates saw dramatic increases in the share of deaths occurring in medical facilities compared to the same months in 2019.

This shift toward institutional deaths in high-mortality areas suggests that medical facilities themselves may have played a role in the excess mortality rather than simply treating victims of an external disease. The correlation between high death rates and high rates of hospital deaths, combined with the increase in home deaths in low-mortality areas, indicates that proximity to and interaction with medical institutions may have been a risk factor rather than a protective factor during this period.

9. How did computer models predict the pandemic would spread and what actually happened?

Computer models used by scientists to predict pandemic spread anticipated that virtually all major cities and regions with international airports would experience significant outbreaks by February 2020, with infection rates ranging from 31-38% across European countries. These models, based on air travel patterns and population mixing, predicted that diseases would spread relatively evenly through connected populations, with rural areas being affected weeks after urban centres but still experiencing substantial mortality.

What actually happened was completely different: many major cities and entire countries with significant international connections experienced minimal excess mortality, while the deaths were concentrated in specific hotspots that didn’t correlate with the predicted spread patterns. The models failed to predict the extreme geographic patchiness, the tight synchronisation of death spikes or the fact that some of the most internationally connected cities would be virtually unaffected. This mismatch between model predictions and reality suggests that the deaths were not caused by a naturally spreading infectious agent.

10. What role did hospitals and intensive care units play in the excess deaths?

Hospitals, particularly their intensive care units, appear to have been central to the excess mortality rather than innocent victims of overwhelming disease. Regions that dramatically expanded ICU capacity and aggressively admitted patients to intensive care experienced the highest death rates, while regions that took more conservative approaches had much lower mortality. For example, Lombardy in Italy created hundreds of new ICU beds and systematically placed covid-diagnosed patients on mechanical ventilators, experiencing catastrophic death rates, while neighbouring regions with similar demographics but different treatment approaches had much lower mortality.

The correlation between ICU expansion and death rates suggests that the medical response itself may have been deadly. Regions that maintained normal hospital operations and didn’t surge their intensive care capacity generally avoided the massive death spikes. This pattern indicates that aggressive medical intervention, rather than disease severity, may have been the primary driver of excess mortality in hotspot areas. The data shows that interaction with the medical system, particularly intensive care, became a significant risk factor during this period.

11. What is mechanical ventilation and why might it have been dangerous during this period?

Mechanical ventilation involves inserting a tube into a patient’s airway and using a machine to force air into and out of the lungs when they cannot breathe adequately on their own. While this can be life-saving in appropriate circumstances, it carries serious risks, including ventilator-associated pneumonia (infection in the lungs) and ventilator-induced lung injury from the pressure and artificial breathing patterns. Even under normal circumstances, mortality rates for ventilated patients range from 20-76% depending on their condition.

During the early pandemic period, mechanical ventilation was used far more aggressively than normal, with some hospitals placing 88% of their covid-diagnosed patients on ventilators. In New York City hospitals, 88% of patients put on ventilators died, including 97% of elderly patients. The situation was made worse by the use of untested methods due to equipment shortages, including using anaesthesia machines not designed for critically ill patients (which had 70% mortality rates) and splitting single ventilators between multiple patients despite professional warnings against this dangerous practice. This aggressive and often experimental use of mechanical ventilation likely contributed significantly to the excess deaths.

12. What medications were being used to treat patients and what were their risks?

Two main categories of medications appear to have contributed to excess mortality: hydroxychloroquine combined with azithromycin, and various sedatives like midazolam. Hydroxychloroquine, normally used for malaria, has a “narrow therapeutic index,” meaning the difference between a helpful dose and a toxic dose is small. During the pandemic, hospitals used doses that were much higher than normal – sometimes 10 times the usual amount – which could cause fatal heart problems and nervous system damage.

The combination of hydroxychloroquine with the antibiotic azithromycin was particularly dangerous, as both drugs can affect heart rhythm, and combining them significantly increased the risk of heart failure and death. Spain, which used this combination extensively, saw azithromycin consumption increase by more than four times normal levels during March 2020. Additionally, sedatives like midazolam, typically used to calm ventilated patients, were prescribed at much higher rates than normal and have been associated with delayed recovery, increased delirium and higher mortality in critically ill patients. These medications were often used experimentally, without proper safety protocols.

13. How did socioeconomic factors like poverty and race relate to death rates?

The study found strong correlations between socioeconomic vulnerability and death rates, but only in specific geographic hotspots, not everywhere. In the New York City area, death rates increased dramatically with poverty levels, minority population percentages, crowded living conditions and language barriers. The Bronx, the poorest borough of New York City, had the highest death rate in the entire United States. However, many other areas with similar or worse socioeconomic conditions experienced little to no excess mortality.

This creates a puzzle: if poverty and minority status were simply risk factors for the disease itself, you would expect high death rates in poor communities everywhere, but that didn’t happen. Instead, socioeconomic vulnerability only predicted high death rates in areas that also had large hospital systems and aggressive medical interventions. This suggests that being poor and a minority became dangerous specifically when combined with access to certain types of medical care, rather than being protective factors against disease exposure or outcome in general.

14. What is the significance of deaths happening right after the WHO declared a pandemic?

The timing is remarkable because virtually no excess deaths occurred anywhere before 11 March 2020, when the World Health Organisation declared a pandemic, yet massive death spikes began immediately afterwards across multiple continents. If a deadly virus had been spreading naturally through populations for weeks or months, you would expect to see gradual increases in deaths leading up to the declaration, with the announcement simply recognising an already-occurring crisis.

Instead, the data shows that the declaration appears to have triggered the mortality crisis rather than responding to it. This suggests that the announcement itself, and the policies and medical responses it prompted, may have been the primary cause of the excess deaths. The synchronisation of death spikes with the political announcement, rather than with any biological timeline of disease spread, indicates that administrative and institutional factors were driving mortality patterns rather than natural infectious disease processes.

15. Why didn’t the virus seem to spread the way scientists expected it would?

Scientific models of infectious disease spread predict that viruses move through populations based on contact patterns, transportation networks and population density, creating waves of infection that move geographically and temporally in predictable ways. The models expected similar attack rates across connected populations and predicted that all major cities with international airports would be significantly affected by early 2020. They also anticipated that within affected areas, different neighbourhoods would experience peaks at different times based on their connectivity and demographics.

What actually happened violated all these predictions. The mortality patterns showed extreme geographic patchiness without regard to transportation networks, identical timing of peaks across vast distances and uniform timing within regions regardless of local connectivity patterns. For example, all regions within Spain experienced their mortality peaks simultaneously despite vastly different population densities and connection patterns. This type of synchronisation across diverse geographic and demographic conditions is incompatible with natural infectious disease spread and suggests that coordinated policy responses or institutional changes, rather than biological transmission, drove the mortality patterns.

16. What happened in The Bronx that made it have the highest death rate in America?

The Bronx combines several factors that created a perfect storm for high mortality: it’s the poorest borough in New York City with high rates of underlying health conditions like asthma, it has a large minority population with language barriers and it’s served by SBH Health System, a large “safety-net” hospital that dramatically expanded its capacity and aggressively treated patients. SBH increased its patient capacity by 50% and critical care capacity by over 500% within three weeks, while simultaneously making large purchases of hydroxychloroquine, azithromycin, midazolam and other medications associated with high mortality rates.

The Bronx also had the highest covid testing rate among New York City’s boroughs, meaning more residents were diagnosed and subsequently received aggressive hospital treatments. The combination of a vulnerable population, expanded hospital capacity specifically designed to serve that population, aggressive use of dangerous treatments and high testing rates created conditions where seeking medical care became extremely risky. This represents a tragic example of how well-intentioned medical expansion in disadvantaged communities may have inadvertently caused more harm than good during the crisis.

17. How did air travel patterns relate to where high death rates occurred?

Surprisingly, air travel patterns showed little to no correlation with death rates, contradicting the theory that the virus spread through international travel. Rome received significantly more direct flights from China than Milan, yet Milan’s region experienced death rates 18 times higher than Rome’s. Similarly, Los Angeles and San Francisco had more flights from Asia and larger Asian populations than New York City, yet experienced minimal excess mortality while New York was devastated.

This lack of correlation between air travel exposure and mortality outcomes undermines the fundamental assumption that the deaths were caused by a virus imported from Asia. If international travel were the primary vector for disease introduction, the cities and regions with the highest exposure should have been hit hardest and earliest. Instead, the data suggests that local factors – particularly medical treatment protocols and hospital policies – were far more important in determining mortality outcomes than international connectivity or supposed viral exposure.

18. What differences did researchers find between spring and summer death patterns?

The spring (March-May) and summer (June-September) death patterns were dramatically different in both geography and characteristics. Spring deaths were concentrated in northeastern US states and western European countries, particularly in urban areas with large hospital systems. Summer deaths occurred primarily in southern US states, especially counties along the Mexican border and the Mississippi River, areas characterised by rural poverty rather than urban hospital concentration.

The demographic correlations also shifted completely between periods. Spring deaths correlated with urban characteristics like high population density, proximity to major medical centres and certain types of socioeconomic vulnerability. Summer deaths correlated with rural poverty, different ethnic populations and different geographic regions entirely. This dramatic shift in patterns suggests that different causes were operating in each period rather than the same virus affecting different populations. If a single infectious agent were responsible, you would expect more consistent geographic and demographic patterns across time periods.

19. What is “biological stress” and how might it have contributed to deaths?

Biological stress refers to the body’s physical response to psychological, social and environmental pressures, which can suppress immune function and make people more susceptible to infections, particularly bacterial pneumonia. During the early pandemic period, lockdown measures, social isolation, fear campaigns and disrupted medical care created unprecedented levels of stress for many people, especially the elderly and those in institutional settings like nursing homes.

This stress-induced immune suppression could have made people vulnerable to developing bacterial pneumonia through their own respiratory bacteria, without requiring transmission from others. The researchers propose that many of the deaths attributed to covid may have actually been bacterial pneumonias triggered by the extreme stress of lockdowns and institutional responses. This would explain why deaths correlated with socioeconomic vulnerability (stress affects poor people more severely) and why they occurred synchronously with policy announcements rather than following natural disease transmission patterns.

20. Why did some areas with large airports have low death rates while others had high death rates?

The lack of correlation between airport size and death rates contradicts the theory that deaths resulted from virus importation through air travel. Many major international airports in cities like Los Angeles, San Francisco, Atlanta and various German cities served regions that experienced minimal excess mortality, while some areas with smaller airports or less international connectivity had catastrophic death rates. This pattern makes no sense if air travel were the primary route of virus introduction.

Instead, the data suggest that local medical policies and institutional responses determined mortality outcomes. Areas that expanded hospital capacity, aggressively used mechanical ventilation, implemented experimental drug protocols and had large safety-net hospitals serving vulnerable populations experienced high death rates regardless of their airport connectivity. Areas that maintained more conservative medical approaches avoided major mortality increases even if they had significant international exposure. This indicates that medical intervention strategies, rather than disease importation, were the key factor determining regional mortality outcomes.

21. What role did lockdown policies play in the timing of death spikes?

The timing of death spikes correlates remarkably with the implementation of national lockdowns rather than with expected disease transmission timelines. Italy implemented its first national lockdown on 9 March 2020, and experienced its mortality peak during the week of that lockdown. Spain’s lockdown began on 15 March, with deaths spiking the following week. The UK’s lockdown started on 23 March, with mortality increases beginning that same week.

This tight correlation between lockdown implementation and mortality spikes suggests that the policy responses themselves may have triggered the death increases rather than responding to an existing health crisis. The stress, disruption of normal medical care, institutional panic and aggressive medical interventions that accompanied lockdowns may have created the conditions for excess mortality. If deaths were simply the result of natural disease spread, you would expect mortality peaks to drive lockdown decisions, not the reverse pattern observed in the data.

22. How did treatment approaches differ between regions with high and low death rates?

Regions with high death rates consistently adopted aggressive, experimental medical approaches including massive ICU expansion, widespread mechanical ventilation and experimental drug protocols. Northern Italy expanded ICU capacity by over 100% and placed 88% of covid-diagnosed patients on ventilators. New York City similarly surged its ICU capacity and used experimental ventilation techniques. Spain extensively used high-dose hydroxychloroquine combinations. These regions also increased usage of sedatives and implemented systematic testing programmes that funnelled more patients into aggressive treatment protocols.

In contrast, regions with low death rates maintained more conservative medical approaches. The neighbouring Veneto region in Italy focused on home care rather than hospital admissions and experienced much lower mortality than Lombardy. Many German regions, Eastern European countries and US states that didn’t surge their hospital capacity or implement aggressive experimental treatments avoided major death spikes despite similar demographics and supposed viral exposure. This pattern strongly suggests that treatment protocols, rather than disease severity, determined regional mortality outcomes.

23. What evidence suggests that hospital treatments may have caused more harm than good?

Multiple lines of evidence point to hospital treatments as a major cause of excess mortality. First, mortality rates for specific treatments were extremely high: 88% of mechanically ventilated patients died in New York hospitals and experimental ventilation methods had mortality rates up to 70%.

Second, the medications used were often at dangerous doses – hydroxychloroquine doses were sometimes 10 times normal levels, and the drug combinations used had known risks for fatal heart complications.

Third, the geographic correlation between aggressive treatment and death rates is striking: every region that dramatically expanded ICU capacity and implemented experimental protocols experienced high mortality, while conservative regions avoided excess deaths.

Fourth, the timing shows deaths beginning after treatment protocols were implemented rather than before.

Finally, the shift from home deaths to hospital deaths in high-mortality areas suggests that seeking medical care became dangerous rather than protective.

The evidence indicates that well-intentioned but aggressive medical interventions likely killed more people than they saved during this period.

24. Why do the researchers believe the deaths were not caused by a spreading virus?

The researchers identified multiple patterns that are incompatible with viral disease spread but consistent with institutional causes.

First, the extreme geographic patchiness – some areas experiencing massive death spikes while similar neighbouring areas remained unaffected – cannot be explained by natural disease transmission.

Second, the synchronisation of death peaks immediately after political announcements rather than following biological transmission timelines suggests policy-driven rather than disease-driven mortality.

Third, the lack of correlation between supposed exposure factors (air travel, population density, international connectivity) and mortality outcomes contradicts viral spread theory.

Fourth, the correlation between aggressive medical interventions and death rates suggests iatrogenic (treatment-caused) rather than infectious causes.

Finally, the demographic patterns showing that vulnerability factors only predicted death in specific geographic locations with particular medical approaches indicate that institutional factors, not infectious disease, determined outcomes.

The totality of evidence shows a pattern of institutional and medical system-induced mortality rather than natural disease spread.

25. What alternative explanation do the researchers propose for the excess deaths?

The researchers propose that the excess deaths were primarily iatrogenic – caused by medical treatments and institutional responses rather than by a spreading virus. They suggest that the combination of aggressive and often experimental medical interventions (mechanical ventilation, high-dose drug combinations, sedatives), institutional panic leading to dangerous treatment protocols and stress-induced bacterial pneumonias created the mortality catastrophe.

Specifically, they propose that lockdown measures and fear campaigns created severe biological stress that suppressed immune systems, making people vulnerable to bacterial pneumonias from their own respiratory bacteria. When these stressed individuals sought medical care, they encountered aggressive treatment protocols including dangerous ventilation techniques and experimental drug combinations that often proved fatal. This explains why death rates correlated with hospital interactions, socioeconomic stress factors and institutional capacity rather than with expected disease transmission patterns. The deaths were real and respiratory-related, but caused by the response to the declared pandemic rather than by a spreading virus.

26. What are the implications of these findings for how we understand pandemics?

These findings suggest that current pandemic models and responses may be fundamentally flawed and potentially more dangerous than the diseases they purport to address. If the excess mortality was primarily caused by institutional responses rather than natural disease spread, then aggressive medical interventions, lockdown policies and panic-driven treatment protocols may have created the very catastrophe they were supposed to prevent.

The research implies that epidemiological thinking needs a major paradigm shift away from assuming that reported disease outbreaks represent natural infectious processes toward examining how institutional and medical responses may create or exacerbate mortality crises. It suggests that factors like healthcare system capacity, treatment protocols, socioeconomic stress and policy responses may be more important determinants of mortality outcomes than infectious disease characteristics. This has profound implications for future pandemic preparedness, suggesting that more conservative, less aggressive responses might save more lives than dramatic expansions of medical interventions.

27. What does this research suggest about the relationship between wealth, poverty and access to medical care?

The research reveals a disturbing paradox: the highest death rates occurred in poor communities that were located near wealthy areas with well-funded, large-capacity hospital systems. The Bronx (next to wealthy Manhattan) and London boroughs like Brent and Westminster demonstrate this pattern. These areas had large “safety-net” hospitals funded by philanthropic wealthy residents intended to serve disadvantaged populations, but these same hospitals became sites of aggressive experimental treatments that proved deadly.

This suggests that well-intentioned efforts to provide medical access to disadvantaged communities may have inadvertently created additional risks during the crisis. Poor people near wealthy areas with expansive medical facilities faced greater danger than poor people in areas without such medical infrastructure. The data indicate that during this period, having access to aggressive medical intervention was more dangerous than beneficial, meaning that the usual assumption that more medical access equals better health outcomes was reversed. This raises profound questions about medical “equity” and whether expanding medical system capacity always serves the interests of vulnerable populations.