Injections, shedding et mortalité : des corrélations troublantes selon Hervé Seligmann (VIDÉO)

Hervé Seligmann est chercheur biomédical et a travaillé à l’IHU de Marseille dans l’institut du professeur Raoult. Aujourd’hui complètement indépendant, il revient sur ses recherches sur le shedding des vaccins anti-Covid. Autrement dit, sur la possibilité de contamination de l’entourage des personnes vaccinées par les produits contenus dans les vaccins, qu’elles soient vaccinées elles-mêmes ou non. Découvrez ses conclusions surprenantes qu’il a partagées avec nous pendant les rencontres citoyennes à Vierzon le 1er février 2025, et qui peinent à trouver écho jusque dans les milieux alternatifs.

Nous vous proposons en complément de notre entretien vidéo tourné avec lui le 1er février 2025 pendant les Rencontres internationales citoyennes à Vierzon un échange écrit avec lui.

♦ Nexus : De manière générale, quelles données étudiez-vous pour évaluer s’il y a du shedding ou pas ? Comment procédez-vous ? Pouvez-vous donner un exemple ?

Hervé Seligmann : J’étudie des données publiques de mortalité toutes causes, de mortalité due aux cancers, etc., que je croise avec les données publiques également disponibles sur les taux de vaccination. Lorsque je constate que certains groupes de la population meurent proportionnellement aux taux d’injections dans d’autres groupes (par exemple, injections des adultes → mortalité infantile, injections des 10-14 ans → cancers chez les femmes adultes, etc.), j’en déduis le shedding.

♦ Pouvez-vous nous communiquer le lien vers la publication de février-mars 2021 que vous citez qui dit que la vaccination augmente les cas de décès par Covid ?

Oui, voici la publication parue sur Nakim.

♦ Pouvez-vous nous fournir les données EuroMomo de mars avril 2021 pour l’excès de mortalité des 0-14 ans qui montrent que les chiffres des enfants morts étaient proportionnels au taux de vaccination des adultes ?

Vous trouverez toutes les données dans mes travaux sortis en juin 2021.

♦ Vous dites que grâce à des données obtenues il y a un an (grâce à Patrice Taravel), il existe un parallèle entre le taux de vaccination de 10 classes d’âge et leur taux de mortalité toutes causes, et qu’il y a donc des corrélations entre classes d’âge et inter-classes d’âge ! Vous dites aussi que la grande majorité des meilleures corrélations sont inter-classes d’âge, surtout pour les injections des 10-14 ans et des 15-17 ans avec les mortalités de la plupart des classes d’âge, c’est bien ça ?

Pour les données de mortalité toutes causes, mais aussi pour les données de mortalité de presque tous les cancers, la plupart des corrélations les plus fortes sont avec les injections des 10-14 ans, et des 15-17 ans. C’est bien ça.

♦ Qu’est-ce que vous voulez dire plus précisément par corrélations “intra-classes d’âge” et “inter-classes d’âge” ? C’est quoi la différence ?

Corrélation intra-classe d’âge : La mortalité de la classe d’âge X est proportionnelle aux taux d’injection de cette même classe d’âge X.

Corrélation inter-classe d’âge : La mortalité de la classe d’âge X est proportionnelle aux taux d’injection de la classe d’âge Y.

Les graphiques montrant ces effets injections de Y sur décès de X, exemple pour les cancers sont dans cette publication : figures 1 et 2.

 

♦ Pouvez-vous nous donner le ou les liens vers le travail d’Hélène Banoun qui travaille aussi sur le shedding et que vous citez ?

Voici le lien vers deux études d’Hélène Banoun qui traitent du sujet. La première parue en 2022, et la deuxième en 2025.

♦ Vous dites qu’il y a des effets entre vaccinés et non-vaccinés, mais la majorité des effets, c’est vaccinés sur vaccinés, d’une classe d’âge sur la même classe d’âge (découvert une dizaine de jours avant l’interview), c’est bien ça ?

Oui, il y a des effets shedding des vax sur les non-vax (exemple mortalité des enfants à une époque (début 2021) où il n’y a pas d’injections chez les enfants). Depuis notre entrevue, j’ai obtenu de nouveaux résultats montrant que le shedding affecte surtout les vaccinés (et je prépare une description de ces résultats). Ce que j’ai publié, [(PDF) La synergie entre les injections COVID19 de deux (ou plus) individus augmente la mortalité toutes causes, révèle les alloeffets (shedding)], indiquant que l’effet du shedding est sur les vaccinés, est une indication de type mathématique/logique, qui montre que c’est la synergie entre les doses/injectés qui explique (et se corrèle avec) la mortalité toutes causes , mais aussi des résultats récents (en préparation) sur les mortalités liées aux cancers.

♦ Selon vous, l’injection a donc un effet sur soi et sur autrui. Pouvez-vous nous communiquer tableau, graphique ou autre qui montre l’effet synergique/exponentiel (intra-classe d’âge) plutôt que linéaire (entre classes d’âge) évoqué ?

♦ Vous dites bien que vous avez l’impression qu’il y a un excès de mortalité chez les non-injectés pendant les premières semaines suivant l’injection, c’est ça ? Quelle est votre technique qui permet d’essayer de voir si le taux de mortalité des non-vaccinés a augmenté pendant les injections ? Avez-vous des données à nous transmettre ? Avec l’axe des x et l’axe des y qui illustre ce que vous dites ?

Oui, il y a des effets shedding des vaccins sur les non-vaccinés (par exemple, la mortalité des enfants à une époque (début 2021) où il n’y avait pas d’injections chez les enfants).

La figure en haut à gauche est pour les enfants non vaccinés à l’époque, en 2021. Axe X : nombre de semaines depuis les injections des adultes, axe Y : pourcentage de corrélations injections-mortalité positives. La ligne horizontale indique 50 %, en bleu, minorité de corrélations positives (donc majorité de corrélations négatives indiquant que plus il y a d’injectés, moins il y a de morts), en jaune, majorité de corrélations positives (donc la plupart des corrélations sont du type “plus on injecte (les adultes), plus les enfants meurent”).

Il y a deux types de données et d’analyses : une populationnelle et l’autre individuelle. Beaucoup des résultats entre ces deux analyses convergent.

Populationnelle : J’ai des données sur la mortalité toutes causes de l’ensemble de la population, mais les corrélations entre cette mortalité et les taux d’injection suggèrent que ce sont surtout les vaccinés qui sont affectés, de manière directe et par shedding (voir plus haut les liens et aussi lien ResearchGate sur shedding). Dans ces données, nous n’avons pas d’information séparée sur la mortalité des vaccinés versus non-vaccinés.

Individuelle : Pour les données de la Nouvelle-Zélande, nous avons des informations spécifiques quant aux décès des vaccinés, que l’on peut comparer aux décès en Nouvelle-Zélande en 2020, avant la vaccination (étude sur la mortalité en Nouvelle-Zélande, étude sur les retards entre injections successives : PDF). Ces données révèlent une accélération du vieillissement (triple) après les injections Covid-19.

J’ai utilisé une technique de régression entre injections et mortalité toutes causes pour estimer la mortalité des non-vaccinés. C’est très simple : on observe que la mortalité toutes causes augmente proportionnellement au taux d’injection, selon l’équation y = ax + by = ax + by = ax + b, où yyy représente la mortalité toutes causes et xxx le taux d’injection, ce sont les données utilisées. La méthode de régression linéaire permet de calculer les valeurs de aaa et bbb.

• a : C’est le nombre de morts par injection. Si aaa est égal à 0,1, cela signifie qu’un vacciné sur 10 meurt.
• b : C’est la constante, qui représente la mortalité toutes causes avec un taux d’injection de “0”, c’est-à-dire la mortalité des non-vaccinés cette semaine-là.

J’ai calculé b pour chaque tranche d’âge chaque semaine de 2021 à 2023, puis comparé ces résultats à la mortalité toutes causes de 2020 pour la même semaine de l’année. Au début, bbb était supérieur aux données de 2020, mais l’écart a disparu par la suite. Je n’ai pas encore publié ces résultats. Un exemple est la figure ci-dessous.

En noir, c’est la mortalité hebdomadaire en 2021 pour les 50-59 ans. En bleu, c’est b calculé semaine après semaine, par la méthode de régression linéaire décrite ci-dessus, pour le même âge. Je pense qu’au début, il y avait beaucoup d’injections récentes, le shedding était plus important et on observait un excès de mortalité chez les non-vaccinés. Cela a disparu vers l’automne 2022.

♦ “Une accélération du vieillissement” ? C’est-à-dire ?

Le graphique ci-dessus montre la probabilité de décès dans l’année 2020 pour chaque âge de 0 à 100 ans, pour deux populations : la Nouvelle-Zélande (orange) et les États-Unis (bleu). La probabilité de décès augmente avec l’âge, et elle est plus rapide aux États-Unis qu’en Nouvelle-Zélande. Cela signifie que le vieillissement aux États-Unis est plus rapide qu’en Nouvelle-Zélande. Ces données de mortalité sont des données officielles utilisées par les actuaires pour calculer les pensions, les assurances-vie, etc., et sont publiées annuellement pour de nombreux pays.

Ce deuxième graphique montre la même analyse taux de décès vs âge (par tranches) pour les données de Nouvelle-Zélande publiées par Barry Young. En bleu, la mortalité observée dans ces données, en orange, celle attendue si on utilise les mortalités par âge de 2020 (dans le graphique précédent). Les données de Barry Young ne concernent que les vaccinés (en bleu dans ce deuxième graphique). En orange, c’est l’attente de mortalité d’un groupe de personnes de cet âge sans injections d’après les données de mortalité de 2020. Non seulement vous observez qu’à tout âge, la mortalité observée (bleue) est supérieure à l’attente (orange), mais vous voyez que la première augmente beaucoup plus vite que la dernière. Cette augmentation plus rapide est considérée comme une accélération du vieillissement (le vieillissement se reflétant par une augmentation du taux de mortalité).

♦ Y a-t-il moyen de savoir les causes de mortalité en détail et leur taux parmi toutes les mortalités confondues ?

Les observations sur les différents types de cancers en sont un exemple. Le site Vizhub fournit ce genre de données, distinguant les causes de décès, par année, pays et âge. C’est ce site que j’utilise pour l’analyse des décès par différents types de cancers.

♦ Selon vous, y a-t-il des gens classés morts du Covid alors qu’ils sont morts d’autre chose : du cancer ou d’un AVC par exemple ? Le cancer et l’AVC ne sont alors pas considérés comme la cause de la mort et ne sont donc pas enregistrés dans les données, c’est ça ? Si tel est le cas, quel impact cela a-t-il sur les données que vous étudiez pour le shedding ?

Ces suspicions de faux diagnostics sont la raison pour laquelle j’ai principalement travaillé sur les mortalités toutes causes confondues. Les conclusions provenant de données de mortalité toutes causes ne peuvent pas être affectées par des erreurs de classification des causes de mortalité. La convergence confirmative entre ces résultats et ceux concernant le cancer (les effets du shedding chez les adolescents se retrouvent dans les deux cas) montre que les conclusions sont globalement fiables.

♦ Comment peut-on être sûr que le taux d’augmentation de la mortalité ou de certaines maladies soit dû aux injections et pas également au virus Covid lui-même ? Quelles études de données seraient nécessaires pour faire la distinction et ont-elles été faites d’ailleurs ?

J’observe des associations entre mortalité et injections. La figure ci-dessus montre que ce n’est pas le virus, puisque la mortalité de 2020 (avec le virus en noir) est même inférieure à celle présumée des non-vaccinés en 2021 en bleu. Donc, ce n’est pas le virus.

♦ Le shedding, c’est surtout dans les 100 premières semaines qui suivent la première dose, c’est bien ça selon vous ?

Oui, c’est ça.

♦ Où peut-on trouver vos travaux et certaines interviews de vous par d’autres médias ?

On peut trouver mes travaux en ligne principalement sur Bitchute,  notamment mes entretiens avec les Dépêches citoyennes. Kairos m’a aussi interviewé.

♦ Vous parlez de dentistes qui ont développé quoi en traitant des vaccinés ? Je n’ai pas compris le mot que vous prononcez.

Par rapport à la dentisterie, je pense que le mot que vous ne parvenez pas à discerner est “zoster”, que deux kinésithérapeutes (chacun par un kiné différent, j’ai entendu cela indépendamment) ont attrapé en traitant des vaccinés. En français, il s’agit du zona (aussi appelé shingles en anglais).

♦ Pouvez-vous nous donner le lien vers l’étude faite avec Spiro Pantazatos, de l’université de Columbia, où “il y a les effets du vaccin et la proportionnalité avec la mortalité toutes causes en Europe et aux États-Unis lue 600 000 fois, envoyée à au moins 20 journaux et qui n’a jamais été acceptée” pour publication et relecture par des pairs ?

La voici.

♦ Pouvez-vous nous communiquer des exemples de publications validées par des pairs (écrites seul et à plusieurs auteurs) ?

À ce lien vous trouverez 103 de mes publications revues par des pairs seligmann h – Search Results – PubMed, toutes jusqu’au numéro 103 inclus sont de moi, après c’est mélangé avec un homonyme qui était actif dans les années 1990.

♦ Voulez-vous ajouter quelque chose ?

Les résultats que j’obtiens ces jours-ci, et que je n’avais pas il y a même une semaine, sont les suivants :
a) Le taux de cancers spécifiques à différents organes (foie, ovaires, etc.) en 2021 a augmenté par rapport à 2020, proportionnellement à l’accumulation du vaccin dans ces organes. Je prépare une description de ces résultats, avec également d’autres observations sur les cancers liés au shedding.

b) J’ai développé ces derniers jours une nouvelle méthode pour distinguer les effets du shedding des effets directs du vaccin. Pour les cancers, comme écrit ci-dessus, plus un organe accumule le vaccin, plus on y trouve de cancers. Cependant, l’effet shedding sur les cancers est inversement proportionnel à la concentration de vaccin dans cet organe.

Je pense avoir une explication à cela, mais c’est encore en cours d’analyse. Je suis convaincu des phénomènes observés, et j’ai une explication qui semble correspondre. Nous en reparlerons, et je vous enverrai le lien vers la vidéo et ResearchGate quand cela sera prêt.

Journaliste : Estelle Brattesani

 

⇒ Vous abonner dès maintenant pour recevoir notre prochain numéro 159 de mai juin-2025 qui aura à la une un dossier sur le shedding et le Covid long :

⇒ Lire aussi notre entretien avec Hélène Banoun dans notre n° 145 (mars-avril 2023) :

 

CHERS LECTEURS, L’INFO INDÉPENDANTE A BESOIN DE VOUS !

Nexus ne bénéficie d’aucune subvention publique ou privée, et ne dépend d’aucune pub.
L’information que nous diffusons existe grâce à nos lecteurs, abonnés, ou donateurs.

Pour nous soutenir :

1️⃣ Abonnez-vous
2️⃣ Offrez Nexus
3️⃣ Commandez à l’unité
4️⃣ Faites un don sur TIPEEE ou sur PAYPAL

✅ Découvrez notre dernier numéro

Et gardons le contact :

Retrouvez-nous sur réseaux sociaux
Inscrivez-vous à notre newsletter