Source : Focal Points

La plus grande étude jamais réalisée sur le lien entre les vaccins et la démence (n=13,3 millions) révèle que le risque s’intensifie avec le nombre de doses, reste élevé pendant une décennie entière et est le plus fort après les vaccins contre la grippe et le pneumocoque.

Par Nicolas Hulscher, MPH

La plus vaste et la plus rigoureuse étude jamais menée sur les vaccins et la démence — portant sur 13,3 millions d’adultes britanniques — a révélé une tendance profondément inquiétante : les personnes ayant reçu des vaccins courants pour adultes présentaient un risque significativement plus élevé de démence et de maladie d’Alzheimer.

Le risque s’intensifie avec le nombre de doses , demeure élevé pendant une décennie entière et est maximal après la vaccination contre la grippe et le pneumocoque . Malgré chaque ajustement statistique, le signal ne s’estompe pas ; il devient plus net, plus constant et de plus en plus difficile à expliquer.

Et surtout, ces associations persistaient même après ajustement pour un éventail exceptionnellement large de facteurs de confusion potentiels , notamment l’âge, le sexe, le statut socio-économique, l’IMC, le tabagisme, les troubles liés à l’alcool, l’hypertension, la fibrillation auriculaire, l’insuffisance cardiaque, la maladie coronarienne, l’AVC/AIT, les maladies vasculaires périphériques, le diabète, les maladies rénales et hépatiques chroniques, la dépression, l’épilepsie, la maladie de Parkinson, le cancer, les traumatismes crâniens, l’hypothyroïdie, l’ostéoporose et des dizaines de médicaments allant des AINS et des opioïdes aux statines, aux antiplaquettaires, aux immunosuppresseurs et aux antidépresseurs.

Même après avoir pris en compte cette liste exhaustive, les risques élevés sont restés importants et remarquablement stables.

---

Les adultes vaccinés présentaient un risque de démence supérieur de 38 %.

Le modèle ajusté principal a montré que les adultes recevant les vaccins courants pour adultes (grippe, pneumocoque, zona, tétanos, diphtérie, coqueluche) avaient :

38% increased risk of developing dementia (OR 1.38)

À elle seule, cette observation déconstruit le discours selon lequel « les vaccins protègent le cerveau », mais les conclusions plus approfondies sont bien pires.

---

Le risque de maladie d’Alzheimer est encore plus élevé — augmentation de 50 %

Un résultat encore plus choquant se cache dans les tableaux supplémentaires : lorsque les auteurs ont limité leurs analyses à la maladie d’Alzheimer en particulier , l’association s’est avérée encore plus forte.

Risque accru de 50 % de développer la maladie d’Alzheimer (OR ajusté : 1,50)

Cela indique que l’effet n’est pas aléatoire. L’association s’intensifie pour le sous-type de démence le plus dévastateur.

---

Relation dose-réponse claire : plus de vaccins = risque plus élevé

Les auteurs ont exécuté plusieurs modèles dose-réponse, et chacun d’eux présente le même schéma :

Démence (tous types)

Extrait du tableau électronique 2 :

• 1 dose de vaccin → OR ajusté 1,26 (risque accru de 26 %)
• 2 à 3 doses → OR ajusté 1,32 (risque accru de 32 %)
• 4 à 7 doses → OR ajusté 1,42 (risque accru de 42 %)
• 8 à 12 doses → OR ajusté 1,50 (risque accru de 50 %)
• ≥13 doses → OR ajusté 1,55 (risque accru de 55 %)

La maladie d’Alzheimer (MA) présente la même tendance, voire une tendance encore plus marquée.

Extrait du tableau électronique 7 :

• 1 dose → OR ajusté 1,32 (risque accru de 32 %)
• 2 à 3 doses → OR ajusté 1,41 (risque accru de 41 %)
• ≥ 4 doses → OR ajusté 1,61 (risque accru de 61 %)

Il s’agit là de l’un des signaux les plus puissants et les plus indéniables en épidémiologie.

---

Courbe dose-réponse : le risque atteint un pic peu après la vaccination et reste élevé pendant des années.

Un autre signal fortement incompatible avec un simple biais : une relation temps-réponse.

Le risque de démence est le plus élevé 2 à 4,9 ans après la vaccination (OR ajusté : 1,56). Ce risque diminue ensuite lentement, mais ne revient jamais à son niveau initial , restant élevé sur toute la période considérée.

Après 12,5 ans, le risque reste significativement élevé (OR ajusté 1,28) — une persistance incompatible avec un « biais de détection » à court terme et suggérant un impact biologique durable.

Ce schéma correspond à ce que l’on attend d’un déclencheur biologique ayant des conséquences neuro-inflammatoires ou neurodégénératives à longue latence.

---

Même après un délai de 10 ans, le risque accru ne disparaît pas.

Lorsque les auteurs appliquent un long délai de 10 ans — destiné à éliminer le biais de détection précoce —, le risque élevé persiste :

• Démence : OR 1,20
• Maladie d’Alzheimer : OR 1,26

Si l’on se contentait de dire « les personnes qui consultent plus souvent un médecin sont diagnostiquées plus tôt », cette association devrait disparaître après correction pour les longs délais.

---

Les vaccins contre la grippe et le pneumocoque sont le principal moteur du signal.

Deux vaccins présentent des associations particulièrement fortes :

vaccin contre la grippe

• Démence : OR 1,39 → risque accru de 39 %
• Maladie d’Alzheimer : OR 1,49 → risque accru de 49 %

vaccin antipneumococcique

• Démence : OR 1,12 → risque accru de 12 %
• Maladie d’Alzheimer : OR 1,15 → risque accru de 15 %

Et là encore, les deux présentent une escalade dose-réponse — le schéma caractéristique d’une véritable relation exposition-résultat.

---

Pris dans leur ensemble, les résultats des analyses primaires, complémentaires, dose-réponse, temps-réponse, stratifiées et de sensibilité dressent le même tableau :

• Une association constante entre la vaccination cumulative et l’augmentation du risque de démence

• Une association plus forte pour la maladie d’Alzheimer que pour la démence en général

• Un effet dose-réponse — plus de vaccins, plus de risques

• Un effet de réponse temporelle — le risque atteint un pic après l’exposition et persiste à long terme

• Les vaccins contre la grippe et le pneumocoque sont un puissant moteur du signal

• L’association persiste après correction du délai de 10 ans et contrôles comparatifs actifs

Voici à quoi ressemble un signal épidémiologique robuste.

---

Dans la plus vaste étude jamais réalisée sur les vaccins et la démence, les vaccinations courantes chez l’adulte ont été associées à un risque accru de 38 % de démence et de 50 % de maladie d’Alzheimer. Ce risque augmente avec le nombre de doses, persiste pendant une décennie et est le plus marqué pour les vaccins contre la grippe et le pneumocoque.

---

Source : AIMSIB

Nous republions ici avec un très grand plaisir le préprint relatif à un magnifique travail qui a amené le professeur Jean-Michel Claverie (*), éminent virologue, à s’interroger sur la notion d’effet secondaire post-vaccinal rare. La médecine pro-industrielle vous interdit d’envisager ne serait-ce qu’une seconde la possibilité que l’hypothèse soit imaginable. Et pourtant, la démonstration qui suit demeure limpide : les effets indésirables rares des vaccins seraient consubstantiels à la constitution même de notre immunité. Attention, l’article est technique. Voici venir au final un concept nouveau qu’il faudrait appeler de nos vœux, celui de vaccinomique. Bonne lecture.

Résumé
Les progrès considérables réalisés en matière de santé publique au cours du siècle dernier sont largement attribués à l’introduction progressive de nombreux vaccins, qui ont contribué à contrôler, voire à éradiquer, les maladies infectieuses les plus graves et les plus courantes, en particulier celles qui touchent les enfants. En raison de ses succès passés, la vaccination est devenue une stratégie de santé publique tellement dominante qu’il est pratiquement impossible de discuter calmement de ses inconvénients potentiels au sein de la communauté scientifique. Dans le même temps, le public se méfie de plus en plus des vaccins, en particulier des derniers vaccins à base d’ARNm, les réseaux sociaux rapportant spontanément un nombre croissant d’effets indésirables très divers. Compte tenu du manque de fiabilité de ces rapports, de leur extrême diversité et de l’absence de preuve de causalité, il est extrêmement difficile de déterminer s’il s’agit réellement d’effets indésirables de la vaccination ou de simples coïncidences. Pourtant, l’incidence des maladies chroniques ne cesse d’augmenter, des plus bénignes (allergies) aux plus graves (maladies neurodégénératives, cancers agressifs), en passant par des affections strictement individuelles et déroutantes. Dans cet article, sans prendre position sur l’origine ni même la réalité de ces problèmes de santé, nous proposons une hypothèse théorique qui, sur la base de nos connaissances actuelles en immunologie, pourrait remettre en question l’innocuité généralement admise de la vaccination. Selon cette hypothèse, l’extrême individualité de la réponse immunitaire, associée à la fréquence des réactions auto-immunes, pourrait déclencher des pathologies « privées » extrêmement diverses, dont la fréquence de reproductibilité pourrait être trop faible pour en déduire une causalité.

Mots-clés : vaccin ; réponse immunitaire privée ; effet indésirable ; biais statistique
Objet : Médecine et pharmacologie, Immunologie et allergie

Introduction

Les progrès considérables réalisés en matière de santé publique au cours du siècle dernier sont traditionnellement attribués à l’introduction progressive de nombreux vaccins, qui ont contribué à contrôler, voire à éradiquer, les maladies infectieuses les plus graves et les plus courantes, en particulier celles qui touchent les enfants [1,2]. Compte tenu de ses succès passés, la vaccination est désormais devenue la panacée incontestée contre les maladies infectieuses et un paradigme médical qu’il est pratiquement impossible de critiquer dans la plupart des pays occidentaux sans être taxé de complotiste [3,4], en particulier pour les professionnels de santé [5,6].

Cependant, la gestion autoritaire de la récente épidémie de Covid-19 et les politiques de santé publique parfois maladroites et agressives en faveur des vaccins [7], associées à la précipitation inhabituelle avec laquelle les vaccins à ARNm les plus récents ont été mis sur le marché [8,9,10] ont entraîné une augmentation de la réticence à la vaccination, alimentée par les rapports continus de nouveaux effets indésirables sur les réseaux sociaux [11,12]

Parallèlement, des rapports de cas déroutants, dont la plupart ont malheureusement été publiés dans des revues à faible impact, ont commencé à s’accumuler dans la littérature. Dans l’ensemble, ces rapports sont ignorés (voire ridiculisés) par les autorités médicales, au motif que la plupart de ces soi-disant effets indésirables semblent à la fois étranges et strictement individuels [voir par exemple [13,14,15,16,17]]. S’il est difficile de distinguer les rapports fantaisistes de ceux qui décrivent des troubles réels post-vaccinaux, il est encore plus illusoire de prouver leur lien de causalité en raison de leur non-reproductibilité. À l’exception des plus immédiats (par exemple, les réactions allergiques) ou des plus récurrents [par exemple [18,19,20,21,22] ] pour lesquels un signal statistique est attendu dans les études portant sur une large population [23,24], il est impossible d’éliminer le doute dans les cas d’effets indésirables pratiquement uniques.
Dans cet article, plutôt que de spéculer sur la réalité de ces effets indésirables individuels si divers, nous posons plutôt la question suivante : qu’ils soient réels ou non, sont-ils au moins compatibles avec la réponse immunitaire telle que nous la connaissons ?

Répondre par l’affirmative m’amène à émettre l’hypothèse inquiétante selon laquelle les vaccins pourraient fréquemment déclencher des réactions auto-immunes générant des affections dont l’extrême diversité rend impossible, pour des raisons statistiques, d’en attribuer la cause au vaccin. Seuls les effets secondaires les plus récurrents (c’est-à-dire courants), mais qui devraient être rares compte tenu de l’individualité de la réponse immunitaire, seraient détectables, ce qui conférerait à tort à la vaccination sa réputation incontestée d’extrême sécurité.
Le fondement scientifique solide de cette hypothèse (certes provocatrice) devrait justifier un réexamen approfondi des avantages de la vaccination généralisée de la population, à un moment où la tendance est à son introduction contre des maladies moins fréquentes ou moins mortelles, ou en remplacement de traitements curatifs médicamenteux établis [par exemple, [25,26]].

La réponse immunitaire adaptative : principales caractéristiques

La présentation de mon hypothèse nécessite des connaissances de base en immunologie moléculaire et sur les principes fondamentaux régissant la réponse immunitaire adaptative. Cette section s’adresse donc aux lecteurs qui n’ont aucune connaissance préalable en immunologie. La réponse immunitaire adaptative est la réaction de défense de l’organisme à la détection de macromolécules spécifiques (principalement des protéines) reconnues comme étrangères (c’est-à-dire « non-soi »), provenant soit de pathogènes microbiens, soit de protéines propres modifiées (par exemple, provenant de cellules cancéreuses mutées). Toute molécule capable de déclencher une telle réponse immunitaire spécifique est appelée « antigène ».

Cette réponse immunitaire est assurée par deux types de globules blancs circulants, engagés dans un réseau d’interactions complexes modulées de manière différentielle par la présence d’un ensemble hétérogène de protéines solubles, appelées interleukines (au nombre de 37 à l’heure actuelle) [27]. Un ensemble est constitué des cellules présentatrices d’antigènes (APC) (parmi lesquelles les macrophages, les cellules dendritiques et les cellules B) dont le rôle est de convertir les antigènes en fragments qui sont exposés à leur surface.

Le deuxième ensemble est constitué de lymphocytes spécialisés (cellules T) dont le rôle est de reconnaître ces antigènes et de déclencher et/ou d’exécuter différentes réponses. Par exemple, les cellules T cytotoxiques CD8+ détruisent les cellules portant l’antigène reconnu, tandis que les cellules T auxiliaires CD4+ transmettent un signal prolifératif, par exemple aux cellules B productrices d’anticorps.
Les deux types de réponses immunitaires adaptatives (cytotoxicité et production d’anticorps) sont donc médiés par le même processus central, à savoir la formation d’un pont peptidique entre une cellule porteuse d’antigène et un lymphocyte T. Cependant, cette simplicité conceptuelle cache des détails moléculaires qui sont à l’origine même de notre individualité biologique (et, en particulier, de notre incapacité à tolérer les greffes entre nous).

Présentation de l’antigène : deux types différents de molécules du CMH interagissant avec deux types différents de lymphocytes T

Il existe deux types de molécules MHC (pour Major Histocompatibility Complex, ou complexe majeur d’histocompatibilité), assez similaires en termes de structure et de fonction, mais qui remplissent des rôles physiologiques différents. Les molécules MHC de classe 1 se trouvent à la surface de tous les types de cellules nucléées, où elles présentent des fragments peptidiques dérivés de protéines synthétisées intracellulairement, qu’il s’agisse de protéines « propres » normales ou de protéines étrangères produites par des agents pathogènes infectieux (généralement des virus).

La reconnaissance des peptides présentés par le CMH de classe 1 est limitée aux lymphocytes T cytotoxiques portant le corécepteur CD8 (lymphocytes T CD8+). Ces peptides (épitopes des cellules T restreints à la classe 1) ont généralement une longueur de 9 à 10 acides aminés [28].

En revanche, les molécules MHC de classe II ne sont exprimées que sur les cellules présentatrices d’antigènes (APC) professionnelles, telles que les macrophages, les monocytes, les cellules dendritiques et les cellules B, et présentent des fragments peptidiques dérivés de sources exogènes internalisées. La reconnaissance des peptides présentés par le MHC de classe II est limitée aux lymphocytes T porteurs du corécepteur CD4 (lymphocytes T « auxiliaires » CD4+). Les peptides présentés par le CMH de classe II sont donc essentiels pour le déclenchement de la réponse immunitaire (humorale) des anticorps. Ces épitopes des lymphocytes T restreints au CMH de classe 2 ont une longueur de 12 à 20 acides aminés [29].

Il existe trois paires de gènes MHC de classe 1 chez l’être humain (HLA-A, HLA-B et HLA-C) et trois paires de gènes MHC de classe II (HLA-DR, HLA-DP et HLA-DQ) (HLA : Human Leukocyte Antigen). Chacune de ces protéines de surface est capable de se lier à différents répertoires de peptides partageant des acides aminés identiques (ou similaires) à deux positions « d’ancrage » (généralement près des extrémités du peptide). Le répertoire de peptides vaste et très diversifié présenté au système immunitaire d’un individu donné constitue son « immunopeptidome » (revue dans [30]).

Les gènes codant pour le CMH/HLA sont hautement polymorphiques

Pour un isotype donné (par exemple, HLA-A) et un allèle donné (par exemple, HLA-A∗02:07), le répertoire peptidique mono-allélique peut comprendre jusqu’à 3 500 peptides « propres » uniques [31]. Un individu entièrement hétérozygote (exprimant 3 allèles HLA de classe 1 et 3 allèles HLA de classe 2 différents) devrait donc présenter jusqu’à 21 000 peptides différents pour chaque classe.
Il est important de noter que la présentation de ces peptides constitue la base de la discrimination immunologique entre le soi et le non-soi, en provoquant la suppression des lymphocytes T autoréactifs, d’abord lors de leur maturation initiale dans le thymus, puis plus tard par contact avec les cellules dendritiques tolérogènes périphériques [32].

Comme la taille de ce peptidome propre est approximativement égale au nombre total de protéines codées dans le génome humain [33], cela laisse théoriquement présager que chaque protéine humaine ne sera représentée en moyenne que par un ou deux peptides. En réalité, une fraction beaucoup plus petite du protéome humain est criblée, car une grande partie des peptides présentés proviennent uniquement de protéines abondantes et/ou à renouvellement rapide (certaines représentant plus de 1 % du total).

Ces chiffres suggèrent également que l’auto-immunopeptidome n’est pas suffisamment vaste pour inclure les peptides provenant des jusqu’à 200 000 ARNm humains épissés de manière alternative [33]. Par conséquent, une mutation ou un changement transitoire du niveau d’expression ou du traitement de l’ARNm d’un gène peut potentiellement déclencher une réponse auto-immune suite à la reconnaissance d’un nouveau peptide propre à l’organisme en raison de l’absence de tolérance des cellules T apparentées (telles que les cellules T cytotoxiques CD8+). Ainsi, seul un ensemble partiel de protéines humaines participe à la définition de l’auto-immunité par le biais de sa sélection par les allèles HLA de classe 1 et de classe 2 exprimés par chaque individu.

Par exemple, les analyses des immunopeptidomes de 18 individus ont révélé que les peptides liés à 27 molécules HLA-I très répandues provenaient de seulement 10 % du génome exprimé [34]. D’autres études indiquent un peptidome total associé à HLA-1 ne dépassant pas 5 500 peptides [35]. Cela laisse une place importante dans la définition du soi peptidique, ouvrant ainsi largement la possibilité d’une autoréactivité.

Bien que défini de manière approximative, ce « soi-peptide » [36] est très variable et propre à chaque individu en raison du polymorphisme extrême des molécules présentées : jusqu’à 200 allèles pour chacun des loci HLA, chaque allèle étant présent à une fréquence relativement élevée dans la population. Il existe donc des millions de combinaisons HLA possibles, générant des immunopeptidomes distincts qui fournissent à chacun d’entre nous un paysage privé du protéome humain, malgré sa conservation élevée au sein de la population humaine (variations moyennes de 0,6 % des paires de bases, dont la plupart sont silencieuses) [37].

Ainsi, si nous appartenons tous à la même espèce et sommes constitués de protéines extrêmement similaires, la vision du « soi » présentée au système immunitaire est propre à chaque individu au sein de la population. La frontière entre le soi et le non-soi est donc cartographiée différemment chez chacun d’entre nous, délimitée de manière dynamique par le système immunitaire de chaque individu.
Dans le contexte de notre moi privé, une infection par un agent pathogène donné (ou un vaccin qui l’imite) entraînera également la présentation de sous-ensembles distincts de peptides étrangers, fournissant à chaque système immunitaire individuel une image moléculaire différente de la menace.

Le polymorphisme du processus de présentation de l’antigène est l’une des principales raisons (mais pas la seule – voir ci-dessous) pour lesquelles une exposition au même antigène peut produire une grande variété de réponses individuelles [38].

La génération stochastique des récepteurs des cellules T et des spécificités des anticorps

Les réponses immunitaires adaptatives sont déclenchées par la reconnaissance d’un peptide présenté par un récepteur spécifique (récepteur des cellules T, ou TCR) exprimé à la surface des cellules T CD4+ ou CD8+. Le site de liaison à l’antigène du TCR est généré par la recombinaison aléatoire de différents segments génétiques (sélectionnés à partir d’un catalogue de gènes aux loci V, J et D), l’ajout de nucléotides aléatoires à leurs sites d’épissage et des mutations somatiques (revues dans [39]). Un processus de génération aléatoire similaire (bien qu’à un locus génomique différent) est utilisé pour générer les anticorps exprimés et sécrétés par les cellules B lors de leur activation par les cellules T CD4+ (revue dans [40]).

En conséquence, et compte tenu du nombre quasi infini de TCR différents pouvant être générés par ce processus combinatoire, on ne peut s’attendre à ce que deux individus différents (y compris des jumeaux identiques) produisent des lymphocytes T (ou des anticorps) réactifs identiques contre un antigène donné, même s’ils se lieraient au même peptide présenté (pour les lymphocytes T) ou au même épitope (pour les lymphocytes B).

Outre le processus de présentation polymorphe de l’antigène, c’est la deuxième raison principale pour laquelle une exposition au même antigène produira à nouveau une grande variété de réponses individuelles. Ces réponses peuvent différer tant en intensité [41,42] qu’en épitope ciblé [43].

Le danger imminent de l’auto-immunité

Sans nous attarder sur les processus moléculaires détaillés qui régissent la synthèse des TCR ou des anticorps, qui sont pour la plupart bien élucidés, nous ne retiendrons qu’un seul concept central pour la suite de notre discussion : l’affinité des TCR ou des anticorps pour un antigène donné est fortuite et ne résulte d’aucune interaction préalable avec celui-ci. Cette affinité ne se manifeste qu’a posteriori, parmi toutes les cellules T naïves qui n’ont pas été éliminées à la suite de leur confrontation avec l’auto-immunopeptidome.

Comme l’affinité initiale d’un TCR pour un antigène n’est pas le résultat d’un processus de sélection, il n’y a aucune raison pour que leur interaction soit particulièrement forte ou spécifique. Cela a été confirmé expérimentalement. Par exemple, il a été démontré qu’un seul complexe peptide-CMH de classe II sélectionne positivement au moins 105 TCR différents (définis par différents réarrangements du gène variable Vβ) [44]. Parmi ces TCR, beaucoup présenteront également une affinité fonctionnelle (c’est-à-dire qu’ils déclencheront l’activation du lymphocyte T correspondant) pour un large spectre de peptides non apparentés [45]. Expérimentalement, il a été démontré qu’un seul TCR reconnaît plus d’un million de peptides [46]. Cela était prévisible, étant donné que l’univers des antigènes potentiels est d’un ordre de grandeur supérieur au nombre de TCR uniques chez un individu, ce qui nécessite un répertoire de TCR hautement réactif [47,48].

Par conséquent, la prolifération de chaque clone de lymphocytes T déclenchée par une réponse immunitaire naturelle ou induite par un vaccin comporte intrinsèquement le risque de déclencher une auto-immunité, dont la cible est à la fois imprévisible et potentiellement strictement individuelle. L’auto-immunité se manifestera alors par une grande variété de processus néfastes. Les auto-anticorps (promus par les lymphocytes T auxiliaires CD4+ autoréactifs) [49] peuvent se lier et inhiber des fonctions enzymatiques clés, interférer avec la signalisation hormonale en se liant à des ligands ou à des récepteurs, ou interférer avec l’activation de différents types de cellules en se liant à des protéines de surface. Les lymphocytes T CD8+ cytotoxiques autoréactifs commenceront à tuer des types de cellules spécifiques, altérant leurs fonctions biochimiques, régulatrices ou structurelles normales dans divers tissus ou organes [par exemple, [50]].

Cependant, et contrairement aux effets secondaires indésirables induits par les médicaments, qui ont tendance à être reproductibles chez les individus partageant des caractéristiques métaboliques (et/ou un patrimoine génétique) similaires, les effets indésirables induits par le système immunitaire devraient être extrêmement diversifiés, voire uniques (« privés ») à chaque individu en raison des multiples processus stochastiques qui régissent la réponse immunitaire décrite ci-dessus. Cela soulève la possibilité inquiétante que la forte immunisation déclenchée par les vaccinations ne soit pas aussi inoffensive qu’elle a été présentée pendant des années, au point de devenir l’un des paradigmes médicaux les plus incontestables.

Notre hypothèse : toutes les vaccinations pourraient être à l’origine d’une multitude d’effets indésirables spécifiques aux patients et non reconnus.

L’excellente réputation des vaccins découle de leur efficacité contre les différentes maladies infectieuses ciblées et de la rareté des effets indésirables récurrents (c’est-à-dire présentant des manifestations identiques chez différentes personnes). Cependant, nous émettons l’hypothèse que la rareté de ces effets indésirables « publics » (prévisibles compte tenu de la nature stochastique de la réponse immunitaire) pourrait masquer une fréquence (cumulative) beaucoup plus élevée d’accidents « privés » liés aux vaccins, qui restent statistiquement indétectables en raison de leur caractère non reproductible au sein de la population vaccinée.

En l’absence d’un signal statistique significatif, ces affections privées, même lorsqu’elles sont dûment signalées aux systèmes de notification des effets indésirables des vaccins (VAERS), finissent par être interprétées comme de simples coïncidences sans autre lien avec le processus de vaccination que leur lien de temporalité.
La plupart de ces rapports finiront par être publiés sur les réseaux sociaux [11,12] par les patients eux-mêmes, sans aucun moyen d’en évaluer la véracité. D’autres seront publiés sous forme de rapports de cas isolés dans des revues scientifiques de faible qualité (par exemple, [13,14,15,16,17]), et dans le pire des cas, seront qualifiés de « fausses nouvelles » délibérément propagées par des théoriciens du complot « anti-vaccins ».

Compte tenu de l’extrême diversité des symptômes post-vaccinaux signalés, allant de simples démangeaisons et maux de tête à des réactions allergiques graves, des manifestations neurologiques, des troubles cardiovasculaires, voire le déclenchement de divers cancers ou maladies auto-immunes, il est difficile pour la profession médicale actuelle, compartimentée en différentes spécialités, d’assumer et de rechercher une étiologie commune, au risque de saper le pilier que représente désormais la vaccination dans la politique de santé publique.

De plus, malgré ses progrès considérables au cours des 40 dernières années, on pourrait affirmer que l’immunologie n’a jusqu’à présent pas beaucoup contribué au développement des vaccins, dans la mesure où la plupart des vaccins que nous utilisons aujourd’hui ont été développés et testés de manière empirique [26]. Le principe de la vaccination et son utilisation généralisée sont largement antérieurs à notre compréhension détaillée des processus régissant les différents types de réponses immunitaires et leur régulation complexe par de multiples interleukines (revue dans [51]). Une mise à jour de nos connaissances aurait pu inciter à réévaluer les risques associés à la vaccination, mais cela ne s’est pas encore produit. La vaccination est un phénomène complexe impliquant l’interaction de nombreux types de cellules dans des compartiments distincts, le tout dans un contexte systémique façonné par l’histoire des stimuli immunitaires d’un individu. Un système biologique aussi complexe devrait présenter deux propriétés :

1) il ne peut fonctionner sans générer de manière aléatoire certaines erreurs [52], et

2) son fonctionnement entraîne différents états physiologiques qui reflètent le spectre des variations physiologiques et génétiques individuelles au sein des populations [53]. Ce dernier point met en évidence le paradoxe de la vaccination des populations selon des protocoles uniformes plutôt que de faire de la vaccination un archétype de la médecine personnalisée. Heureusement, la « vaccinomics » est désormais apparue comme un nouveau domaine de recherche dédié à la compréhension de l’hétérogénéité de la réponse immunitaire aux vaccins [54].

Ce que nous savons aujourd’hui sur le fonctionnement du système immunitaire laisse présager que les effets indésirables récurrents (c’est-à-dire publics) devraient être rares. Ils pourraient, par exemple, concerner des individus partageant des mutations de divers composants du système immunitaire [55,56], partageant des allèles HLA nuisibles (par exemple, [57,58,59]), et/ou exprimant des TCR auto-réactifs publics rares [60,61,62]. Ces caractéristiques peuvent se recouper avec celles qui augmentent la gravité des maladies infectieuses courantes [23,63,64,65].

En revanche, les effets indésirables privés pourraient provenir de chaque combinaison unique de légères variations du génome/protéome, d’haplotypes HLA rares (et de l’immunopeptidome correspondant) et de la sélection/expression stochastique de TCR totalement privés, dont l’un pourrait accidentellement conduire à l’auto-immunité. De nombreuses études ont également montré que la réponse immunitaire est sujette à des erreurs, l’auto-immunité étant fréquemment observée à la suite d’une (hyper) immunisation répétitive causée par la multiplication des injections de rappel [49,66,67].
Après avoir négligé pendant des années la recherche sur les mécanismes à l’origine des effets indésirables des vaccins, une nouvelle génération d’immunologistes semble enfin s’y intéresser [23].
Malheureusement, seuls les effets indésirables statistiquement prouvés, c’est-à-dire les plus fréquents et récurrents, seront ciblés par ces études de vaccinomics.

D’autre part, l’étude d’événements indésirables uniques isolés dans des populations vaccinées pose un problème méthodologique fondamental, car des observations répétées similaires d’un phénomène donné sont à la base même de l’approche scientifique. Sans la possibilité d’analyser plusieurs occurrences indépendantes des mêmes événements indésirables, il semble impossible de distinguer une simple coïncidence d’un lien de causalité avec la vaccination. Bien que dérivée de propriétés bien établies du système immunitaire, notre hypothèse pourrait donc être considérée comme infalsifiable et donc non scientifique. Cependant, symétriquement, la sécurité de la vaccination devient alors tout aussi indécidable.

Cependant, même en l’absence de répétitions, l’analyse d’une série d’événements indésirables strictement individuels pourrait donner lieu à des indices concordants, sans pour autant fournir une preuve formelle. Par exemple, les patients chez lesquels on soupçonne des complications post-vaccinales pourraient être systématiquement testés pour détecter la présence d’anticorps antinucléaires, considérés comme un signe récurrent d’auto-immunité contre un large éventail d’auto-antigènes. Des méthodologies de dépistage à l’échelle du protéome pourraient alors être utilisées pour identifier de nouveaux auto-anticorps contre des auto-antigènes non reconnus [68]. Malheureusement, l’identification à grande échelle de l’autoantigène ciblé par les lymphocytes T CD4+ ou CD8+ autoréactifs reste difficile [69].
La confiance passée dans la sécurité des vaccins a fait qu’aucun changement significatif n’a été apporté à la structure des essais cliniques pour les nouveaux vaccins. Tout d’abord, un antigène vaccinal est conçu pour déclencher une forte production d’anticorps neutralisants, avec peu ou pas d’analyse de la réponse cellulaire concomitante. La vaccination est ensuite testée (phase III) sur une cohorte relativement importante (≈ 30 000 personnes) afin d’évaluer son efficacité globale dans la prévention de la maladie correspondante et d’estimer la fréquence des effets indésirables graves (récurrents).
Aucune mesure n’est effectuée concernant la variabilité des réponses immunitaires individuelles et leurs liens éventuels avec les caractéristiques génotypiques des patients (ou même leurs haplotypes HLA). De plus, la période consacrée à la surveillance des effets indésirables éventuels (par exemple, parfois inférieure à 6 mois [9,70]) n’est pas compatible avec la période d’incubation généralement longue des maladies auto-immunes, et n’est donc pas adaptée pour invalider notre hypothèse.

Il existe déjà de sérieuses critiques concernant l’insuffisance des essais cliniques sur les vaccins [70,71], dont certaines ont été réactivées par la précipitation des vaccins contre le SARS-CoV2 [8,73]. Cependant, ces critiques visent des faiblesses méthodologiques spécifiques sans remettre globalement en cause la réputation irréprochable d’efficacité et de sécurité acquise par la vaccination depuis le siècle dernier.

Néanmoins, l’histoire de la médecine regorge d’exemples d’approches thérapeutiques qui étaient autrefois universellement louées, mais qui sont aujourd’hui abandonnées, voire considérées comme dangereuses (par exemple, les médicaments en vente libre tels que la codéine et l’aspirine, l’appendicectomie prophylactique, les amygdalectomies prophylactiques, les médicaments à base d’arsenic pour traiter la syphilis, etc.).

Dans cet article, nous suggérons que les connaissances détaillées dont nous disposons aujourd’hui sur le système immunitaire devraient nous amener à réévaluer rigoureusement le rapport bénéfice/risque de la vaccination, actuellement considéré comme incontestable. En attendant cette réévaluation, promouvoir une utilisation plus personnalisée des vaccins en développant la vaccinomique [74] et limiter leur utilisation aux maladies les plus graves (mortelles) semble être l’attitude la plus rationnelle.

Pr Jean-Michel Claverie
Décembre 2025

Titre original de l’article: What If Most Vaccine Side Effects Go Unnoticed? A Worrying Hypothesis https://www.preprints.org/manuscript/202508.0632

Copyright: This open access article is published under a Creative Commons CC BY 4.0 license, which permit the free download, distribution, and reuse, provided that the author and preprint are cited in any reuse.

(*) Professeur émérite à la faculté de médecine de l’université d’Aix-Marseille

Références :

1- Montero, D.A.; Vidal, R.M.; Velasco, J.; Carreño, L.J.; Torres, J.P.; Benachi, O.M.A.; Tovar-Rosero, Y.Y.; Oñate, A.A.; O’Ryan, M. Two centuries of vaccination: historical and conceptual approach and future perspectives. Front Public Health. 2024, 11, 1326154. [Google Scholar] [CrossRef] [PubMed]

2- Centers for Disease Control and Prevention (CDC). Control of infectious diseases. MMWR Morb Mortal Wkly Rep. 1999, 48, 621–629. [PubMed]

3- Clark, S.E.; Bledsoe, M.C.; Harrison, C.J. The role of social media in promoting vaccine hesitancy. Curr Opin Pediatr. 2022, 34, 156–162. [Google Scholar] [CrossRef] [PubMed]

4- Pertwee, E.; Simas, C.; Larson, H.J. An epidemic of uncertainty: rumors, conspiracy theories and vaccine hesitancy. Nat Med. 2022, 28, 456–459. [Google Scholar] [CrossRef] [PubMed]

5- Heyerdahl, L.W.; Dielen, S.; Nguyen, T.; Van Riet, C.; Kattumana, T.; Simas, C.; Vandaele, N.; Vandamme, A.M.; Vandermeulen, C.; Giles-Vernick, T.; Larson, H.; Grietens, K.P.; Gryseels, C. Doubt at the core: Unspoken vaccine hesitancy among healthcare workers. Lancet Reg Health Eur. 2022, 12, 100289. [Google Scholar] [CrossRef] [PubMed]

6- Biswas, N.; Mustapha, T.; Khubchandani, J.; Price, J.H. The Nature and Extent of COVID-19 Vaccination Hesitancy in Healthcare Workers. J Community Health. 2021, 46, 1244–1251. [Google Scholar] [CrossRef] [PubMed]

7- Bardosh, K.; de Figueiredo, A.; Gur-Arie, R.; Jamrozik, E.; Doidge, J.; Lemmens, T.; Keshavjee, S.; Graham, J.E.; Baral, S. The unintended consequences of COVID-19 vaccine policy: why mandates, passports and restrictions may cause more harm than good. BMJ Glob Health. 2022, 7, e008684. [Google Scholar] [CrossRef] [PubMed] [PubMed Central]

8- Doshi, P. Will covid-19 vaccines save lives? Current trials aren’t designed to tell us. BMJ. 2020, 371, m4037. [Google Scholar] [CrossRef] [PubMed]

9- Polack FP, Thomas SJ, Kitchin N, Absalon J, Gurtman A, Lockhart S, Perez JL, Pérez Marc G, Moreira ED, Zerbini C, Bailey R, Swanson KA, Roychoudhury S, Koury K, Li P, Kalina WV, Cooper D, Frenck RW Jr, Hammitt LL, Türeci Ö, Nell H, Schaefer A, Ünal S, Tresnan DB, Mather S, Dormitzer PR, Şahin U, Jansen KU, Gruber WC; C4591001 Clinical Trial Group. Safety and Efficacy of the BNT162b2 mRNA Covid-19 Vaccine. N Engl J Med. 2020, 383, 2603–2615. [CrossRef] [PubMed]

10- Thacker, P.D. Covid-19: Researcher blows the whistle on data integrity issues in Pfizer’s vaccine trial. BMJ. 2021, 375, n2635. [Google Scholar] [CrossRef] [PubMed]

11- Khullar, D. Social Media and Medical Misinformation: Confronting New Variants of an Old Problem. JAMA. 2022, 328, 1393–1394. [Google Scholar] [CrossRef] [PubMed]

12- Allen, M.R.; Desai, N.; Namazi, A.; Leas, E.; Dredze, M.; Smith, D.M.; Ayers, J.W. Characteristics of X (Formerly Twitter) Community Notes Addressing COVID-19 Vaccine Misinformation. JAMA. 2024, 331, 1670–1672. [Google Scholar] [CrossRef] [PubMed]

13- Yoshino, Y.; Yamanaka, Y.; Oda, A. Otitis Media with ANCA-Associated Vasculitis Following COVID-19 mRNA Vaccination: A Case Report. Am J Case Rep. 2024, 25, e945301. [Google Scholar] [CrossRef] [PubMed]

14- Ueda, M.; Uchimura, K.; Ohkoshi, K.; Saegusa, N.; Osano, K.; Yoshida, S.; Konishi, M.; Ishii, T.; Takahashi, K.; Nakashima, A. A Severe Case of Rhabdomyolysis Requiring Renal Replacement Therapy Following COVID-19 mRNA Vaccination. Intern Med. 2025, 64, 1547–1551. [Google Scholar] [CrossRef] [PubMed]

15- Beckerman, J.K.; Yaghi, O.; Nassereddine, S. Acquired haemophilia A following COVID-19 vaccine. BMJ Case Rep. 2025, 18, e263299. [Google Scholar] [CrossRef] [PubMed]

16- Xu, X.; Ding, W.; Song, H.; Wang, D. Unique skin nodules following COVID-19 vaccination: a case report of cutaneous plasmacytosis and review of the literature. Virol J. 2025, 22, 57. [Google Scholar] [CrossRef] [PubMed]

17- Dalfardi, B.; Rad, N.K.; Mohammad Alizade, T.; Edalatifard, M.; Asadi, S.; Rahimi, B. Unexpected hypereosinophilia after Sinopharm vaccination: a case report. BMC Infect Dis. 2025, 25, 583. [Google Scholar] [CrossRef] [PubMed]

18-;Lamprinou, M.; Sachinidis, A.; Stamoula, E.; Vavilis, T.; Papazisis, G. COVID-19 vaccines adverse events: potential molecular mechanisms. Immunol Res. 2023, 71, 356–372. [Google Scholar] [CrossRef] [PubMed]

19- Yasmin, F.; Najeeb, H.; Naeem, U.; Moeed, A.; Atif, A.R.; Asghar, M.S.; Nimri, N.; Saleem, M.; Bandyopadhyay, D.; Krittanawong, C.; Fadelallah Eljack, M.M.; Tahir, M.J.; Waqar, F. Adverse events following COVID-19 mRNA vaccines: A systematic review of cardiovascular complication, thrombosis, and thrombocytopenia. Immun Inflamm Dis. 2023, 11, e807. [Google Scholar] [CrossRef] [PubMed]

20- Ota, N.; Itani, M.; Aoki, T.; Sakurai, A.; Fujisawa, T.; Okada, Y.; Noda, K.; Arakawa, Y.; Tokuda, S.; Tanikawa, R. Expression of SARS-CoV-2 spike protein in cerebral Arteries: Implications for hemorrhagic stroke Post-mRNA vaccination. J Clin Neurosci. 2025, 136, 111223. [Google Scholar] [CrossRef] [PubMed]

21- Bar-Joseph, H.; Raz, Y.; Eldar-Boock, A.; Michaan, N.; Angel, Y.; Saiag, E.; Nemerovsky, L.; Ben-Ami, I.; Shalgi, R.; Grisaru, D. The direct effect of SARS-CoV-2 virus vaccination on human ovarian granulosa cells explains menstrual irregularities. NPJ Vaccines. 2024, 9, 117. [Google Scholar] [CrossRef] [PubMed]

22- Faksova, K.; Walsh, D.; Jiang, Y.; Griffin, J.; Phillips, A.; Gentile, A.; Kwong, J.C.; Macartney, K.; Naus, M.; Grange, Z.; Escolano, S.; Sepulveda, G.; Shetty, A.; Pillsbury, A.; Sullivan, C.; Naveed, Z.; Janjua, N.Z.; Giglio, N.; Perälä, J.; Nasreen, S.; Gidding, H.; Hovi, P.; Vo, T.; Cui, F.; Deng, L.; Cullen, L.; Artama, M.; Lu, H.; Clothier, H.J.; Batty, K.; Paynter, J.; Petousis-Harris, H.; Buttery, J.; Black, S.; Hviid, A. COVID-19 vaccines and adverse events of special interest: A multinational Global Vaccine Data Network (GVDN) cohort study of 99 million vaccinated individuals. Vaccine. 2024, 42, 2200–2211. [Google Scholar] [CrossRef] [PubMed]

23- Bolze A, Mogensen TH, Zhang SY, Abel L, Andreakos E, Arkin LM, Borghesi A, Brodin P, Hagin D, Novelli G, Okada S, Peter J, Renia L, Severe K, Tiberghien P, Vinh DC; COVID human genetic effort; Cirulli ET, Casanova JL, Hsieh EWY. Decoding the Human Genetic and Immunological Basis of COVID-19 mRNA Vaccine-Induced Myocarditis. J Clin Immunol. 2022 Oct;42(7):1354-1359. [CrossRef] [PubMed]

24- Dudley, M.Z.; Gerber, J.E.; Budigan Ni, H.; Blunt, M.; Holroyd, T.A.; Carleton, B.C.; Poland, G.A.; Salmon, D.A. Vaccinomics: A scoping review. Vaccine. 2023, 41, 2357–2367. [Google Scholar] [CrossRef] [PubMed] [PubMed Central]

25- Chaudhary, N.; Weissman, D.; Whitehead, K.A. mRNA vaccines for infectious diseases: principles, delivery and clinical translation. Nat Rev Drug Discov. 2021, 20, 817–838. [Google Scholar] [CrossRef] [PubMed]

26- Not immunePollard, A.J.; Bijker, E.M. A guide to vaccinology: from basic principles to new developments. Nat Rev Immunol. 2021, 21, 83–100. [Google Scholar] [CrossRef] [PubMed]

27- Li, Y.; Chen, N.; Guo, Y.; Zhang, L. The stress and the alarmin-like cytokine interleukin-37 mediated extracellular and intracellular signal pathways. Semin Immunol. 2025, 78, 101952. [Google Scholar] [CrossRef] [PubMed]

28- Trolle, T.; McMurtrey, C.P.; Sidney, J.; Bardet, W.; Osborn, S.C.; Kaever, T.; Sette, A.; Hildebrand, W.H.; Nielsen, M.; Peters, B. The Length Distribution of Class I-Restricted T Cell Epitopes Is Determined by Both Peptide Supply and MHC Allele-Specific Binding Preference. J Immunol. 2016, 196, 1480–1487. [Google Scholar] [CrossRef] [PubMed]

29- MacLachlan, B.J.; Dolton, G.; Papakyriakou, A.; Greenshields-Watson, A.; Mason, G.H.; Schauenburg, A.; Besneux, M.; Szomolay, B.; Elliott, T.; Sewell, A.K.; Gallimore, A.; Rizkallah, P.; Cole, D.K.; Godkin, A. Human leukocyte antigen (HLA) class II peptide flanking residues tune the immunogenicity of a human tumor-derived epitope. J Biol Chem. 2019, 294, 20246–20258. [Google Scholar] [CrossRef] [PubMed]

30- Balakrishnan, A.; Winiarek, G.; Hołówka, O.; Godlewski, J.; Bronisz, A. Unlocking the secrets of the immunopeptidome: MHC molecules, ncRNA peptides, and vesicles in immune response. Front Immunol. 2025, 16, 1540431. [Google Scholar] [CrossRef] [PubMed]

31- Abelin, J.G.; Keskin, D.B.; Sarkizova, S.; Hartigan, C.R.; Zhang, W.; Sidney, J.; Stevens, J.; Lane, W.; Zhang, G.L.; Eisenhaure, T.M.; Clauser, K.R.; Hacohen, N.; Rooney, M.S.; Carr, S.A.; Wu, C.J. Mass Spectrometry Profiling of HLA-Associated Peptidomes in Mono-allelic Cells Enables More Accurate Epitope Prediction. Immunity. 2017, 46, 315–326. [Google Scholar] [CrossRef] [PubMed]

32- Xing, Y.; Hogquist, K.A. T-cell tolerance: central and peripheral. Cold Spring Harb Perspect Biol. 2012, 4, a006957. [Google Scholar] [CrossRef] [PubMed]

33- Amaral, P.; Carbonell-Sala, S.; De La Vega, F.M.; Faial, T.; Frankish, A.; Gingeras, T.; Guigo, R.; Harrow, J.L.; Hatzigeorgiou, A.G.; Johnson, R.; Murphy, T.D.; Pertea, M.; Pruitt, K.D.; Pujar, S.; Takahashi, H.; Ulitsky, I.; Varabyou, A.; Wells, C.A.; Yandell, M.; Carninci, P.; Salzberg, S.L. The status of the human gene catalogue. Nature. 2023, 622, 41–47. [Google Scholar] [CrossRef] [PubMed]

34- Joyce, S.; Ternette, N. Know thy immune self and non-self: Proteomics informs on the expanse of self and non-self, and how and where they arise. Proteomics. 2021, 21(23-24):e2000143. [CrossRef] [PubMed]

35- Bassani-Sternberg, M.; Pletscher-Frankild, S.; Jensen, L.J.; Mann, M. Mass spectrometry of human leukocyte antigen class I peptidomes reveals strong effects of protein abundance and turnover on antigen presentation. Mol Cell Proteomics. 2015, 14, 658–673. [Google Scholar] [CrossRef] [PubMed]

36- Kourilsky, P.; Chaouat, G.; Rabourdin-Combe, C.; Claverie, J.M. Working principles in the immune system implied by the “peptidic self” model. Proc Natl Acad Sci U S A. 1987, 84, 3400–3404. [Google Scholar] [CrossRef] [PubMed]

37- 1000 Genomes Project Consortium; Auton A, Brooks LD, Durbin RM, Garrison EP, Kang HM, Korbel JO, Marchini JL, McCarthy S, McVean GA, Abecasis GR. A global reference for human genetic variation. Nature. 2015 Oct 1;526(7571):68-74. [CrossRef] [PubMed]

38- Xie, J.; Mothe, B.; Alcalde Herraiz, M.; Li, C.; Xu, Y.; Jödicke, A.M.; Gao, Y.; Wang, Y.; Feng, S.; Wei, J.; Chen, Z.; Hong, S.; Wu, Y.; Su, B.; Zheng, X.; Cohet, C.; Ali, R.; Wareham, N.; Alhambra, D.P. Relationship between HLA genetic variations, COVID-19 vaccine antibody response, and risk of breakthrough outcomes. Nat Commun. 2024, 15, 4031. [Google Scholar] [CrossRef] [PubMed]

39- Weng, N.P. Numbers and odds: TCR repertoire size and its age changes impacting on T cell functions. Semin Immunol. 2023, 69, 101810. [Google Scholar] [CrossRef] [PubMed]

40- Zhang, Y.; Zhang, X.; Dai, H.Q.; Hu, H.; Alt, F.W. The role of chromatin loop extrusion in antibody diversification. Nat Rev Immunol. 2022, 22, 550–566. [Google Scholar] [CrossRef] [PubMed]

41- Van der Heiden, M.; Shetty, S.; Bijvank, E.; Beckers, L.; Cevirgel, A.; van Sleen, Y.; Tcherniaeva, I.; Ollinger, T.; Burny, W.; van Binnendijk, R.S.; van Houten, M.A.; Buisman, A.M.; Rots, N.Y.; van Beek, J.; van, B. Multiple vaccine comparison in the same adults reveals vaccine-specific and age-related humoral response patterns: an open phase IV trial. Nat Commun. 2024, 15, 6603. [Google Scholar] [CrossRef] [PubMed]

42- Karp-Tatham, E.; Knight, J.C.; Bolze, A. Human genetics of responses to vaccines. Clin Exp Immunol. 2025 May 21, uxaf034. [CrossRef] [PubMed]

43- Wu, D.; Kolesnikov, A.; Yin, R.; Guest, J.D.; Gowthaman, R.; Shmelev, A.; Serdyuk, Y.; Dianov, D.V.; Efimov, G.A.; Pierce, B.G.; Mariuzza, R.A. Structural assessment of HLA-A2-restricted SARS-CoV-2 spike epitopes recognized by public and private T-cell receptors. Nat Commun. 2022, 13, 19. [Google Scholar] [CrossRef] [PubMed]

44- Gapin, L.; Fukui, Y.; Kanellopoulos, J.; Sano, T.; Casrouge, A.; Malier, V.; Beaudoing, E.; Gautheret, D.; Claverie, J.M.; Sasazuki, T.; Kourilsky, P. Quantitative analysis of the T cell repertoire selected by a single peptide-major histocompatibility complex. J Exp Med. 1998, 187, 1871–1883. [Google Scholar] [CrossRef] [PubMed]

45- Ignatowicz, L.; Rees, W.; Pacholczyk, R.; Ignatowicz, H.; Kushnir, E.; Kappler, J.; Marrack, P. T cells can be activated by peptides that are unrelated in sequence to their selecting peptide. Immunity. 1997, 7, 179–186. [Google Scholar] [CrossRef] [PubMed]

46- Wooldridge, L.; Ekeruche-Makinde, J.; van den Berg, H.A.; Skowera, A.; Miles, J.J.; Tan, M.P.; Dolton, G.; Clement, M.; Llewellyn-Lacey, S.; Price, D.A.; Peakman, M.; Sewell, A.K. A single autoimmune T cell receptor recognizes more than a million different peptides. J Biol Chem. 2012, 287, 1168–1177. [Google Scholar] [CrossRef] [PubMed]

47- Mason, D. A very high level of crossreactivity is an essential feature of the T-cell receptor. Immunol Today. 1998, 19, 395–404. [Google Scholar] [CrossRef] [PubMed]

48- Sewell, A.K. Why must T cells be cross-reactive? Nat Rev Immunol. 2012, 12, 669–677. [Google Scholar] [CrossRef] [PubMed]

49- Sacchi, M.C.; Pelazza, C.; Bertolotti, M.; Agatea, L.; De Gaspari, P.; Tamiazzo, S.; Ielo, D.; Stobbione, P.; Grappiolo, M.; Bolgeo, T.; Novel, P.; Ciriello, M.M.; Maconi, A. The onset of de novo autoantibodies in healthcare workers after mRNA based anti-SARS-CoV-2 vaccines: a single centre prospective follow-up study. Autoimmunity. 2023, 56, 2229072. [Google Scholar] [CrossRef] [PubMed]

50- Ayoub, I.; Freeman, S.A.; Saoudi, A.; Liblau, R. Infection, vaccination and narcolepsy type 1: Evidence and potential molecular mechanisms. J Neuroimmunol. 2024, 393, 578383. [Google Scholar] [CrossRef] [PubMed]

51- Dong, C. Cytokine Regulation and Function in T Cells. Annu Rev Immunol. 2021, 39, 51–76. [Google Scholar] [CrossRef] [PubMed]

52- Siegel, R.M.; Katsumata, M.; Komori, S.; Wadsworth, S.; Gill-Morse, L.; Jerrold-Jones, S.; Bhandoola, A.; Greene, M.I.; Yui, K. Mechanisms of autoimmunity in the context of T-cell tolerance: insights from natural and transgenic animal model systems. Immunol Rev. 1990, 118, 165–192. [Google Scholar] [CrossRef] [PubMed]

53- Dudley, M.Z.; Gerber, J.E.; Budigan Ni, H.; Blunt, M.; Holroyd, T.A.; Carleton, B.C.; Poland, G.A.; Salmon, D.A. Vaccinomics: A scoping review. Vaccine. 2023, 41, 2357–2367. [Google Scholar] [CrossRef] [PubMed]

54- Poland, G.A.; Ovsyannikova, I.G.; Jacobson, R.M.; Smith, D.I. Heterogeneity in vaccine immune response: the role of immunogenetics and the emerging field of vaccinomics. Clin Pharmacol Ther. 2007, 82, 653–664. [Google Scholar] [CrossRef] [PubMed]

55- Hill, A.V. The immunogenetics of human infectious diseases. Annu Rev Immunol. 1998, 16, 593–617. [Google Scholar] [CrossRef] [PubMed]
Peng, X.P.; Caballero-Oteyza, A.; Grimbacher, B. Common Variable Immunodeficiency: More Pathways than Roads to Rome. Annu Rev Pathol. 2023, 18, 283–310. [Google Scholar] [CrossRef] [PubMed]

57- Ayoub, I.; Freeman, S.A.; Saoudi, A.; Liblau, R. Infection, vaccination and narcolepsy type 1: Evidence and potential molecular mechanisms. J Neuroimmunol. 2024, 393, 578383. [Google Scholar] [CrossRef] [PubMed]

58- Trowsdale, J.; Knight, J.C. Major histocompatibility complex genomics and human disease. Annu Rev Genomics Hum Genet. 2013, 14, 301–323. [Google Scholar] [CrossRef] [PubMed]

59- Busch, R.; Kollnberger, S.; Mellins, E.D. HLA associations in inflammatory arthritis: emerging mechanisms and clinical implications. Nat Rev Rheumatol. 2019, 15, 364–381. [Google Scholar] [CrossRef] [PubMed]

60- Ria, F.; van den Elzen, P.; Madakamutil, L.T.; Miller, J.E.; Maverakis, E.; Sercarz, E.E. Molecular characterization of the T cell repertoire using immunoscope analysis and its possible implementation in clinical practice. Curr Mol Med. 2001, 1, 297–304. [Google Scholar] [CrossRef] [PubMed]

61- Yang, X.; Garner, L.I.; Zvyagin, I.V.; Paley, M.A.; Komech, E.A.; Jude, K.M.; Zhao, X.; Fernandes, R.A.; Hassman, L.M.; Paley, G.L.; Savvides, C.S.; Brackenridge, S.; Quastel, M.N.; Chudakov, D.M.; Bowness, P.; Yokoyama, W.M.; McMichael, A.J.; Gillespie, G.M.; Garcia, K.C. Autoimmunity-associated T cell receptors recognize HLA-B*27-bound peptides. Nature. 2022, 612, 771–777. [Google Scholar] [CrossRef] [PubMed]

62- Yin, Y.; Li, Y.; Mariuzza, R.A. Structural basis for self-recognition by autoimmune T-cell receptors. Immunol Rev. 2012, 250, 32–48. [Google Scholar] [CrossRef] [PubMed]

63- Le Voyer, T.; Maglorius Renkilaraj, M.R.L.; Moriya, K.; Pérez Lorenzo, M.; Nguyen, T.; Gao, L.; Rubin, T.; Cederholm, A.; Ogishi, M.; Arango-Franco, C.A.; Béziat, V.; Lévy, R.; Migaud, M.; Rapaport, F.; Itan, Y.; Deenick, E.K.; Cortese, I.; Lisco, A.; Boztug, K.; Abel, L.; Boisson-Dupuis, S.; Boisson, B.; Frosk, P.; Ma, C.S.; Landegren, N.; Celmeli, F.; Casanova, J.L.; Tangye, S.G.; Puel, A. Inherited human RelB deficiency impairs innate and adaptive immunity to infection. Proc Natl Acad Sci U S A. 2024, 121, e2321794121. [Google Scholar] [CrossRef] [PubMed] [PubMed Central]

64- Cunningham-Rundles, C.; Casanova, J.L.; Boisson, B. Genetics and clinical phenotypes in common variable immunodeficiency. Front Genet. 2024, 14, 1272912. [Google Scholar] [CrossRef] [PubMed]

65- Casanova, J.L.; Abel, L. From rare disorders of immunity to common determinants of infection: Following the mechanistic thread. Cell. 2022, 185, 3086–3103. [Google Scholar] [CrossRef] [PubMed]

66- Świerkot, J.; Madej, M.; Szmyrka, M.; Korman, L.; Sokolik, R.; Andrasiak, I.; Morgiel, E.; Sebastian, A. The Risk of Autoimmunity Development following mRNA COVID-19 Vaccination. Viruses. 2022, 14, 2655. [Google Scholar] [CrossRef] [PubMed]

67- Ruiz, J.T.; Luján, L.; Blank, M.; Shoenfeld, Y. Adjuvants- and vaccines-induced autoimmunity: animal models. Immunol Res. 2017, 65, 55–65. [Google Scholar] [CrossRef] [PubMed]

68- Vazquez, S.E.; Ferré, E.M.; Scheel, D.W.; Sunshine, S.; Miao, B.; Mandel-Brehm, C.; Quandt, Z.; Chan, A.Y.; Cheng, M.; German, M.; Lionakis, M.; DeRisi, J.L.; Anderson, M.S. Identification of novel, clinically correlated autoantigens in the monogenic autoimmune syndrome APS1 by proteome-wide PhIP-Seq. Elife. 2020, 9, e55053. [Google Scholar] [CrossRef] [PubMed]

69- Rojas, M.; Acosta-Ampudia, Y.; Heuer, L.S.; Zang, W.; MMonsalve, D.; Ramírez-Santana, C.; Anaya, J.M.; MRidgway, W.; AAnsari, A.; Gershwin, M.E. Antigen-specific T cells and autoimmunity. J Autoimmun. 2024, 148, 103303. [Google Scholar] [CrossRef] [PubMed]

70- Frenck RW Jr, Klein NP, Kitchin N, Gurtman A, Absalon J, Lockhart S, Perez JL, Walter EB, Senders S, Bailey R, Swanson KA, Ma H, Xu X, Koury K, Kalina WV, Cooper D, Jennings T, Brandon DM, Thomas SJ, Türeci Ö, Tresnan DB, Mather S, Dormitzer PR, Şahin U, Jansen KU, Gruber WC; C4591001 Clinical Trial Group. Safety, Immunogenicity, and Efficacy of the BNT162b2 Covid-19 Vaccine in Adolescents. N Engl J Med. 2021, 385, 239–250. [CrossRef] [PubMed]

71- Salmon, D.A.; Orenstein, W.A.; Plotkin, S.A.; Chen, R.T. Funding Postauthorization Vaccine-Safety Science. N Engl J Med. 2024, 391, 102–105. [Google Scholar] [CrossRef] [PubMed]

72- Dudley, M.Z.; Halsey, N.A.; Omer, S.B.; Orenstein, W.A.; O’Leary, S.T.; Limaye, R.J.; Salmon, D.A. The state of vaccine safety science: systematic reviews of the evidence. Lancet Infect Dis. 2020, 20, e80–e89. [Google Scholar] [CrossRef] [PubMed]

73-Wu, Q.; Dudley, M.Z.; Chen, X.; Bai, X.; Dong, K.; Zhuang, T.; Salmon, D.; Yu, H. Evaluation of the safety profile of COVID-19 vaccines: a rapid review. BMC Med. 2021, 19, 173. [Google Scholar] [CrossRef] [PubMed]

74- Al-Eitan, L.N.; ElMotasem, M.F.M.; Khair, I.Y.; Alahmad, S.Z. Vaccinomics: Paving the Way for Personalized Immunization. Curr Pharm Des. 2024, 30, 1031–1047. [Google Scholar] [CrossRef] [PubMed]

Source : Essentiel News

Traduction de l’article de Michael Nevradakis, Ph.D., reporter pour The Defender – Children’s Health Defense

La Food and Drug Administration (FDA) des États-Unis n’approuvera probablement pas le vaccin antigrippal à ARNm de Pfizer à moins que le fabricant ne produise des données prouvant que le produit est sans danger pour les personnes âgées, selon le commissaire de la FDA, Marty Makary.

Le mois dernier, M. Makary a déclaré à Fox News que les données de l’essai clinique de phase 3 récemment achevé par Pfizer montraient que les adultes de 65 ans et plus étaient plus exposés à plusieurs effets indésirables graves, notamment l’insuffisance rénale et l’insuffisance respiratoire aiguë.

« Nous n’allons pas nous contenter d’approuver sans discussion de nouveaux produits qui ne fonctionnent pas, qui échouent dans un essai clinique », a déclaré M. Makary. « C’est se moquer de la science que d’approuver des produits sans données ».

Makary a déclaré que le vaccin « a échoué chez les personnes âgées » et que les données de l’essai clinique « n’ont montré aucun bénéfice » du vaccin.

Karl Jablonowski, docteur en sciences, chercheur principal pour Children’s Health Defense, a déclaré que les commentaires de M. Makary signalent un changement dans la manière dont la FDA évalue les données des essais cliniques pour les vaccins.

« La FDA de Makary a mis fin à la procédure d’approbation automatique », a déclaré M. Jablonowski. « La FDA, sous une autre direction, aurait pu ignorer le manque d’efficacité et les données d’innocuité de Pfizer. Une future administration pourrait ressusciter le timbre en caoutchouc. Pour l’instant, c’est la FDA de Makary ».

Le mois dernier, Pfizer a publié les résultats de son essai clinique dans le New England Journal of Medicine (NEJM). Toutefois, les résultats publiés ne concernaient que les participants âgés de 18 à 64 ans. Les données concernant les participants de 65 ans et plus, publiées uniquement sur ClinicalTrials.gov, ont suscité des critiques de la part de certains scientifiques.

Ces données ont montré que les participants âgés à l’essai qui ont reçu le vaccin à ARNm présentaient un taux de décès et plusieurs effets indésirables graves, dont le cancer, nettement plus élevé que les participants qui ont reçu le vaccin antigrippal conventionnel sans ARNm.

Cela contraste avec les affirmations de Pfizer selon lesquelles le vaccin présentait une « efficacité statistiquement supérieure » à celle du vaccin antigrippal classique et que la fréquence des effets indésirables graves était « similaire » dans les groupes ARNm et non ARNm.

« Les problèmes rénaux et pulmonaires associés à l’injection d’ARNm étaient préoccupants », a déclaré M. Jablonowski.

Certains experts ont noté que même dans le groupe des 18-64 ans, les effets indésirables étaient plus nombreux chez les participants à l’essai qui avaient reçu l’injection d’ARNm.

La seule mention des données de l’essai concernant les personnes âgées de 65 ans et plus dans le NEJM se trouve dans un éditorial, qui souligne que ce groupe d’âge court « le plus grand risque d’hospitalisation ou de décès » à cause de la grippe.

La Dr Meryl Nass, ancienne interniste et fondatrice de Door to Freedom, s’est déclarée encouragée par les remarques de M. Makary. Selon elle, la FDA est légalement tenue de n’autoriser que les médicaments dont l’innocuité et l’efficacité ont été prouvées.

« Ce mandat date d’au moins 70 ans », a déclaré Mme Nass. « Ce que dit Makary est déjà imposé par le Congrès. Mais la FDA a choisi d’ignorer ce mandat pour des raisons politiques, et le Congrès n’a pas réussi à le faire respecter. Pour la première fois depuis des décennies, Makary obéit à la loi en ce qui concerne les vaccins contre la grippe.

Makary: la vaccination annuelle à l’ARNm n’est pas fondée sur la science

M. Makary a déclaré à Fox News que les administrations précédentes approuvaient sans broncher les vaccins, même lorsque les données relatives à la sécurité étaient douteuses.

« C’était le mode opératoire de l’administration Biden avec les éternelles approbations de rappels COVID pour de jeunes enfants en bonne santé », a déclaré Makary.

L’administration actuelle adoptera une approche différente de l’approbation des vaccins, en particulier pour les enfants, a déclaré Makary.

« Recommander qu’une fillette de 6 ans reçoive encore 70 injections d’ARNm COVID, une chaque année pour le reste de sa vie, n’est pas fondé sur la science », a déclaré M. Makary.

Les remarques de M. Makary sont intervenues quelques jours après la publication d’une note de service dans laquelle le Dr Vinay Prasad, directeur du Centre d’évaluation et de recherche sur les produits biologiques de la FDA, a déclaré que des changements allaient être apportés au cadre d’évaluation des vaccins antigrippaux.

« Nous allons réviser le cadre annuel d’évaluation des vaccins antigrippaux, qui est une catastrophe fondée sur des preuves de faible qualité, des tests de substitution médiocres et une efficacité vaccinale incertaine, mesurée dans des études cas-témoins avec des méthodes médiocres. Nous réévaluerons la sécurité et serons honnêtes dans l’étiquetage des vaccins », a écrit Prasad dans ce mémo.

Le Dr Robert W. Malone, membre de l’ACIP et du groupe de travail sur la grippe du comité, a déclaré à Epoch Times que la note de Prasad signifiait que « l’ensemble du programme de vaccination annuelle avec le vaccin antigrippal subit ici une perturbation majeure ».

En mai, le fabricant du vaccin COVID-19 Moderna a retiré sa demande d’approbation par la FDA d’un vaccin combiné à base d’ARNm contre la grippe et le COVID-19, après que la FDA ait demandé davantage d’essais cliniques.

En juin, les conseillers en matière de vaccins du CDC ont décidé de ne plus recommander les vaccins antigrippaux contenant du thimérosal, un conservateur à base de mercure lié à des troubles du développement neurologique, dont l’autisme.

Personne n’a trouvé comment rendre les injections d’ARNm sûres

Les déclarations de M. Makary interviennent alors que l’on s’interroge de plus en plus sur l’innocuité, l’efficacité et la nécessité des vaccins antigrippaux à ARNm existants et que l’on constate une baisse de l’utilisation de ces vaccins.

Une étude de la Cleveland Clinic publiée en avril a révélé que les personnes ayant reçu le vaccin antigrippal avaient 27% plus de chances d’attraper la grippe que celles qui ne l’avaient pas reçu.

Une autre étude, publiée le même mois dans JAMA Network Open, a montré que les vaccins antigrippaux, qu’ils soient administrés seuls ou en conjonction avec les vaccins COVID-19, provoquaient chez les femmes des cycles menstruels plus longs.

Endpoints News a rapporté le mois dernier que la demande du public pour les vaccins antigrippaux s’essouffle et que « le consensus général parmi les fabricants de vaccins contre le Covid-19, la grippe et le VRS (Respiratory syncytial virus soit Virus respiratoire syncytial) est que l’essoufflement de la demande a fait chuter les ventes ». Les données d’Eurostat indiquent une baisse de l’utilisation des vaccins antigrippaux dans l’Union européenne.

La recherche sur les technologies liées à l’ARNm fait également l’objet d’un examen de plus en plus minutieux. En août, le ministère américain de la santé et des services sociaux a annulé un financement de près de 500 millions de dollars pour la recherche sur les vaccins à ARNm.

« En ce qui concerne les injections d’ARNm, personne n’a trouvé le moyen de les rendre sûres », a déclaré M. Nass. Les injections d’ARNm fournissent une dose inconnue et peuvent être « le cadeau qui continue à donner », car nous ne savons pas comment arrêter la production de protéines codées par l’ARNm. Nous ne le saurons probablement jamais.

M. Nass a ajouté que si les règles de la FDA exigent qu’une dose spécifique soit établie pour chaque médicament, « d’une manière ou d’une autre, cette règle ne s’est jamais appliquée aux vaccins à ARNm ».

« Je pense que la technologie ARNm est irrévocablement défectueuse pour cette seule raison, bien qu’il y ait d’autres toxicités qui la rendent également problématique », a déclaré Nass.

Un nombre croissant de scientifiques ont demandé la suspension ou le retrait de l’administration de vaccins et de produits à base d’ARNm.

Source : Uncutnews.ch

Notre réanalyse de la plus grande étude de cohorte jamais réalisée aux États-Unis sur des enfants vaccinés et non vaccinés montre que les enfants vaccinés présentent un taux de cancer supérieur de 54 % et un taux de troubles du spectre autistique supérieur de 549 %.

Notre critique récemment publiée et évaluée par des pairs, ainsi que notre réanalyse indépendante de l’étude Henry Ford sur les cohortes de naissance vaccinées et non vaccinées ( Lamerato et al. ) – présentée lors de l’audience du Sénat américain le 9 septembre 2025 – montrent que les auteurs originaux n’ont pas analysé ni divulgué les différences proportionnelles importantes dans leurs propres données.

Cette étude, rédigée par John W. Oller, Jr., PhD, Daniel Broudy, PhD, et Nicolas Hulscher, MPH, et examinée et réanalysée par des pairs, fournit la première interprétation proportionnelle précise de l’ensemble de données.

L’étude de Lamerato et al., portant sur une population totale de 18 468 individus âgés de 0 à 18 ans entre 2000 et 2016 – dont 16 511 dans la cohorte vaccinée ont reçu une médiane de 18 vaccinations, tandis que 1 957 dans la cohorte non vaccinée n’ont reçu aucune vaccination – représente probablement la comparaison en situation réelle la plus complète jamais réalisée entre enfants vaccinés et non vaccinés au sein d’une population totale et autonome dans un système de santé intégré et complet aux États-Unis.

À titre de comparaison, nous avons calculé que le calendrier vaccinal infantile actuel des CDC prévoit au moins 81 doses de vaccin avant l’âge de 18 ans , soit plus de quatre fois l’exposition médiane observée dans la cohorte Henry Ford. Cela signifie que les différences importantes que nous avons mises en évidence dans cet ensemble de données se produisent avec seulement une fraction du calendrier vaccinal complet des CDC.

Nous avons entrepris cette réanalyse car l’étude utilisait des approches statistiques qui masquaient d’importantes différences, notamment dans les résultats où le groupe non vacciné comptait zéro ou presque aucun cas.

Au lieu d’examiner l’incidence proportionnelle réelle, Lamerato et al. se sont appuyés sur des modèles de rapport de cotes et une définition stricte des cas, créant ainsi une fausse impression d’équivalence. Notre évaluation par les pairs montre que ces choix ont systématiquement minimisé les différences importantes et constantes observées dans les données brutes – des différences si importantes que, s’ils les avaient simplement rapportées, les auteurs auraient été contraints de reconnaître les résultats nettement plus défavorables dans le groupe vacciné.

Lorsque l’on examine les données sous le bon angle – proportions par cohorte, la même approche que celle suggérée par le tableau original – le tableau change complètement.

Notre réanalyse montre que les enfants vaccinés étaient plus malades dans les 22 catégories de maladies chroniques répertoriées – une tendance confirmée par deux des résultats les plus marquants de l’ensemble de données : une augmentation de 549 % du taux de troubles neurodéveloppementaux liés à l’autisme et une hausse de 54 % des cancers infantiles dans la cohorte vaccinée . Ces signaux n’apparaissent que lorsque les données sont analysées proportionnellement, sans les biais statistiques utilisés dans le rapport initial.

Chacune des 22 maladies chroniques était plus fréquente chez les enfants vaccinés.

Notre réanalyse du tableau 2 de Lamerato et al. a révélé que les 22 catégories de maladies chroniques survenaient proportionnellement plus fréquemment chez les enfants vaccinés , avec de nombreuses maladies 10 à 20 . dont la fréquence était multipliée par

1. Maladie chronique (toute)

0,2866 contre 0,0818 → 3,50 fois plus élevé (+250 %)

2. Asthme

0,1736 contre 0,0266 → 6,53 fois plus élevé (+553 %)

3. Maladie atopique

0,0573 contre 0,0118 → 4,86 ​​fois plus élevé (+386 %)

4. Maladie auto-immune

0,0122 contre 0,0010 → 12,2 fois plus élevé (+1 120 %)

5. Dysfonctionnement cérébral

0,0005 contre 0,0000 → Présent uniquement chez les personnes vaccinées

6. Krebs

0,0102 contre 0,0066 → 1,54 fois plus élevé (+54 %)

7. Diabète

0,0025 contre 0,0000 → Présent uniquement chez les personnes vaccinées

8. Allergie alimentaire

0,0349 contre 0,0153 → 2,28 fois plus élevé (+128 %)

9. Troubles mentaux

0,0207 contre 0,0026 → 7,96 fois plus élevé (+696 %)

10. Troubles neurodéveloppementaux (total)

0,0623 contre 0,0046 → 13,54 fois plus élevé (+1,254 %)

11. TDAH

0,0159 contre 0,0000 → Présent uniquement chez les personnes vaccinées

12. Autisme

0,0014 contre 0,0005 → 2,8 fois plus élevé (+180 %)

13. Trouble du comportement

0,0100 contre 0,0000 → Présent uniquement chez les personnes vaccinées

14. Retard de développement

0,0133 contre 0,0026 → 5,12 fois plus élevé (+412 %)

15. Troubles d’apprentissage

0,0039 contre 0,0000 → Présent uniquement chez les personnes vaccinées

16. Déficience intellectuelle

0,0003 contre 0,0000 → Présent uniquement chez les personnes vaccinées

17. Trouble de la parole

0,0280 contre 0,0031 → 9,03 fois plus élevé (+803 %)

18. Handicap moteur

0,0091 contre 0,0010 → 9,1 fois plus élevé (+810 %)

19. Tiques

0,0028 contre 0,0000 → Présent uniquement chez les personnes vaccinées

20. Autres handicaps mentaux

0,0005 contre 0,0000 → Présent uniquement chez les personnes vaccinées

21. Trouble neurologique

0,0077 contre 0,0061 → 1,26 fois plus élevé (+26 %)

22. Troubles convulsifs

0,0193 contre 0,0061 → 3,16 fois plus élevé (+216 %)

Les 22 maladies sont toutes apparues plus fréquemment chez les enfants vaccinés – avec une augmentation allant de +26 % à plus de +1 200 % – plusieurs maladies n’apparaissant que dans le groupe vacciné.

Probabilité accrue de 549 % de troubles neurodéveloppementaux associés à l’autisme

Notre réanalyse montre que les conditions qui constituent ensemble le profil clinique d’un trouble du spectre autistique – y compris l’autisme lui-même, le TDAH, les retards de développement, les troubles de la parole, les troubles d’apprentissage, les troubles neurologiques et les diagnostics connexes – étaient 5,49 fois (549 %) plus fréquentes chez les enfants vaccinés que chez les enfants qui n’avaient pas reçu de vaccination.

Il est essentiel de noter que nous avons mené cette analyse groupée car de nombreux diagnostics individuels de troubles neurologiques du développement ne présentaient aucun ou presque aucun cas dans la cohorte non vaccinée . Cela rendait mathématiquement impossible la détection de différences à l’aide d’une modélisation standard du rapport de cotes (un problème bien connu de « cellule zéro »).

En regroupant ces troubles cliniquement liés dans une seule catégorie associée au TSA – une méthode conforme à la pratique de la neurologie du développement – ​​nous avons pu rétablir le véritable signal proportionnel qui était masqué dans l’analyse originale.

Il s’agit de l’un des signaux démographiques liés à l’autisme les plus forts jamais documentés dans un grand système de santé américain.

Taux de cancer plus élevés chez les enfants vaccinés

Bien que les auteurs originaux aient déclaré que les vaccinations n’étaient pas associées à un risque accru de cancer – ils ont rapporté un IRR de 0,79 (IC à 95 % 0,45–1,39) et ont conclu qu’il n’y avait « aucune association » – cette interprétation contredit leurs propres données brutes.

Notre réévaluation proportionnelle montre :

• Taux de cancer chez les personnes vaccinées : 1,02 %
• Taux de cancer chez les personnes non vaccinées : 0,66 %
• Augmentation relative : +54 %

Cela signifie que les cancers infantiles étaient significativement plus fréquents dans la cohorte vaccinée – un point qui n’avait pas été abordé dans la publication originale, bien que la différence proportionnelle puisse être directement observée dans le tableau 2 de leurs propres résultats.

Cette divergence s’explique par le fait que les auteurs ont utilisé un modèle statistique et des taux d’incidence inadaptés à la détection de différences dans les événements rares, notamment lorsque la durée du suivi varie considérablement d’un groupe à l’autre. Ces choix de modélisation ont masqué une importante disparité proportionnelle qui était pourtant clairement visible dans les données brutes.

Courbe d’évolution à long terme : les enfants vaccinés connaissent un déclin à l’âge de 10 ans.

Die von Lamerato et al. berichtete Kaplan-Meier-Analyse zeigt:

• Nur 43 % der geimpften Kinder blieben bis zum Alter von 10 Jahren frei von chronischen Erkrankungen.
• 83 % der ungeimpften Kinder blieben gesund.

Das bedeutet:

• 57 % der geimpften Kinder entwickelten mindestens eine chronische Erkrankung.
• Nur 17 % der ungeimpften Kinder entwickelten mindestens eine chronische Erkrankung.

SCHLUSSFOLGERUNGEN

Bei genauer Analyse zeigt der Datensatz von Henry Ford Folgendes:

• Alle 22 Kategorien chronischer Erkrankungen traten bei geimpften Kindern häufiger auf.
• Kinderkrebs trat bei geimpften Kindern mit einer um 54 % höheren Rate auf.
• Les troubles neurodéveloppementaux associés à l’autisme sont survenus 549 % plus fréquemment dans la cohorte vaccinée.

Il s’agit de l’un des ensembles de données à l’échelle de la population les plus définitifs jamais compilés, démontrant que le calendrier de vaccination infantile du CDC est un facteur déclencheur SIGNIFICATIF de maladies chroniques, de troubles neurodéveloppementaux et de morbidité en début de vie.

Notre examen par les pairs et notre réévaluation réfutent la présentation limitée du rapport original et révèlent ce que les données montrent réellement.

Lisez notre article complet ici : Une évaluation par les pairs de l’étude « Vaccinés contre non vaccinés » discutée lors de l’audience du Sénat le 9 septembre 2025.

Nicolas Hulscher, MPH

Épidémiologiste et administratrice de la Fondation McCullough

Source : Une réanalyse évaluée par des pairs de l’étude de cohorte de naissance Henry Ford révèle que les enfants vaccinés sont plus malades

Source : Le Point Critique

Une étude italienne explique comment les autorités ont trompé le public pour donner l’illusion que les vaccins anti-COVID étaient sûrs et efficace en classant les personnes vaccinées depuis moins de 14 ou de 21 jours dans la catégorie « non-vaccinées ». L’étude démontre l’impact concret de cette manipulation statistique sur la mortalité, mais l’ensemble des indicateurs épidémiologiques ont été sciemment falsifiés grâce à biais durant la pandémie.

Un nouvel article évalué par des pairs (Alessandria et al.)^[1],[2] décrit la ruse qui a permis aux autorités sanitaires durant la pandémie de COVID-19 d’attribuer tous les effets indésirables des injections contre le COVID aux personnes non vaccinées, notamment la mort, et de créer de toutes pièces une pandémie de non-vaccinés, provoquée en réalité par leurs pairs injectés : le biais de comptage des cas.

Cette technique, utilisée dans l’ensemble des pays qui ont utilisé les mêmes mesures coercitives pour forcer leur population à se faire vacciner avec des injections basées sur la technologie à ARN messager, dont les effets étaient inconnus au moment où les vaccins ont été déployés, a consisté à classer comme « non vaccinés » toute personne ayant reçu une injection depuis moins de 14 ou 21 jours. Dans certains cas, lorsque le décès survenait immédiatement après l’injection, le statut vaccinal n’était tout simplement pas déclaré.

Ce biais n’a pas affecté uniquement la représentation de la sécurité des vaccins, mais également celle de leur efficacité, puisque les cas d’infections au COVID apparues peu après l’injection, notamment celles survenues dans les 7 premiers jours où les données cliniques de Pfizer ont démontré que le vaccin provoquait une immunosuppression, ainsi que les hospitalisations pour ou avec une forme grave de COVID ont été également attribuées aux non-vaccinés.

L’un des auteurs de l’étude, Panagis Polykretis, a discuté de ces résultats avec le Dr Campbell, qui a créé une chaîne YouTube en 2020 pour commenter les études scientifiques en pensant convaincre les non-vaccinés que le slogan « sûr et efficace » serait confirmé par la science, et qui a en réalité permis à des millions d’internautes de prendre la mesure de ce mensonge institutionnel. Il explique en quoi consiste le « biais de comptage de cas » et comment il a justifié par les autorités sanitaires du monde entier :

Cet effet appelé « biais de comptage des cas » crée essentiellement une erreur de classification, car il repose sur l’idée qu’une personne n’a pas développé une immunité suffisante contre le virus pendant une période d’environ deux semaines, généralement 14 jours après la vaccination. Dans certains pays, cette période a été modifiée. En Angleterre, par exemple, je crois qu’elle était de 21 jours. Cette période allait donc de 14 à 21 jours. En Italie, où cette étude a été menée, la période était de 14 jours. Donc, en gros, pendant les 14 premiers jours de cette période, toutes les personnes vaccinées ont été considérées comme non vaccinées, ce qui a eu pour effet que tous les effets indésirables qu’elles ont subis, mais aussi les infections et les hospitalisations, ont été transférés au groupe des non-vaccinés, ce qui a entraîné une augmentation artificielle du taux de mortalité, du taux d’infection et du taux d’hospitalisation des personnes non vaccinées.

"Pandemic of the Unvaccinated".

NEW peer reviewed paper just exposed the "sly trick" of the "case counting bias" which lumped all the adverse effects of mRNA covid injections into the "unvaccinated" group.

In Italy, a lawyer managed to obtain complete data to assess who was… pic.twitter.com/Oiv0SX9VjK

— Humanspective (@Humanspective) December 9, 2025

Le fait que l’ensemble des pays aient adopté cette technique qui ne repose sur aucune justification épidémiologique n’est pas une révélation en soi. Ce biais a été mis en évidence précocement durant la pandémie sans aucune prise en compte par les autorités sanitaires, ce qui confirme que l’intérêt exclusif de cette fenêtre de comptage des cas a été de dissimuler l’inefficacité, la toxicité et la létalité des injections.

La force de l’étude, en revanche, est qu’elle matérialise l’impact de ce biais grâce à l’utilisation des données de mortalité par statut vaccinal obtenues par les biais d’une requête judiciaire. L’article fournit un graphique (Figures 1, 2 et 3) montrant comment l’administration de la première dose (ligne en pointillés) est associée à une hausse de la mortalité chez les non-vaccinés, qui suit exactement la tendance, alors qu’elle est censée par principe n’avoir un impact que chez les vaccinés. Dans cette population en revanche, la mortalité diminue, mais pas dans des proportions aussi importantes, ce qui signifie que même en utilisant ce biais de comptage, la vaccination est associée à une hausse de la mortalité :

Un avocat italien nommé Lorenzo Melacarne a déposé une demande FOIA auprès de la région Émilie-Romagne et a pu obtenir le taux de mortalité par statut vaccinal de la population. Lorsque vous disposez de ce type de données – en Angleterre, l’Office national des statistiques les publiait jusqu’en mai 2023, si je ne me trompe pas, puis a cessé de le faire, probablement parce qu’il a compris que des scientifiques du monde entier pouvaient effectuer ce type d’analyse –,si vous disposez de ce type d’ensembles de données, alors vous pouvez calculer ces tendances.

Ici, nous pouvons voir que lorsque la ligne pointillée rouge commence à monter, c’est-à-dire lorsque la vaccination commence à augmenter, vous avez une baisse très nette du taux de mortalité des personnes vaccinées et, en parallèle, une augmentation très nette du taux de mortalité des personnes non vaccinées, car en gros, les effets des personnes vaccinées se sont déplacés vers le groupe des personnes non vaccinées pendant cette période.

Figure 1 : Mortalité et nombre cumulé de vaccinations avec au moins une dose pour les 50-59 ans.

Figure 2 : Mortalité et nombre cumulé de vaccinations avec au moins une dose pour les 60-69 ans.

Figure 3 : Mortalité et nombre cumulé de vaccinations avec au moins une dose pour les 70-79 ans.

Ces courbes démontrent que l’impact de ce biais est retrouvé dans les trois tranches d’âge évaluées, ce qui, selon les auteurs, a pu « conduire à des décisions erronées en matière de santé publique ». Ils appellent sur ce principe les autorités à libérer les données de mortalité par statut vaccinal, qu’ils ont tous en leur possession, mais qu’aucun ne semble disposer à divulguer.

---

Références

[1] Alessandria M, Trambusti G, Malatesta GM, Polykretis P, Donzelli A. Classification bias and impact of COVID-19 vaccination on all-cause mortality: the case of the Italian region Emilia-Romagna. Autoimmunity. 2025 Dec;58(1):2562972. https://doi.org/10.1080/08916934.2025.2562972.

[2] L’article est cosigné par les auteurs d’une précédente étude qui a établi en 2024 que les personnes vaccinées contre le COVID subissaient une perte d’espérance de vie de 37 %.

Source : Epoch Times

La note indique que certains enfants sont décédés après la vaccination et dénonce des défaillances « culturelles et systémiques » qui ont laissé des signaux de sécurité précoces non examinés pendant des années.

Une note interne de la Food and Drug Administration (FDA) obtenue par Epoch Times révèle que des scientifiques de carrière des bureaux de sécurité des vaccins de l’agence ont identifié « au moins 10 » décès d’enfants qu’ils considèrent liés à la vaccination contre la COVID-19.

La note du 28 novembre, rédigée par le Dr Vinay Prasad, directeur du Centre d’évaluation et de recherche sur les produits biologiques (CBER) de la FDA, est ce que le Dr Prasad a qualifié de première reconnaissance au sein de l’agence que les vaccins ont causé des dommages mortels chez les enfants.

Elle détaille les conclusions d’un examen mené par le personnel du Bureau de biostatistiques et de pharmacovigilance, qui a analysé 96 rapports de décès volontairement soumis au Système de notification des effets indésirables des vaccins (VAERS) entre 2021 et 2024 et conclu qu’au moins 10 répondaient aux critères d’un lien de causalité probable, vraisemblable ou possible avec la vaccination contre la COVID-19.

Selon la note, le nombre réel de décès d’enfants liés au vaccin est « certainement sous-estimé » car le VAERS repose sur une déclaration passive et volontaire et parce que les analystes ont utilisé un « codage conservateur » qui tendait à écarter le vaccin lorsqu’une ambiguïté existait.

Un haut responsable de la FDA a confirmé à Epoch Times que le Dr Prasad avait envoyé la note à tout le personnel du CBER et que l’enquête avait été lancée plus tôt cette année.

Reconnaissance tardive et avertissements internes précoces

Le Dr Prasad a écrit que les conclusions obligent l’agence — et la nation — à se demander si les campagnes fédérales de vaccination contre la COVID-19 ont pu nuire à plus d’enfants qu’elles n’en ont sauvés, et il a critiqué la FDA pour ne pas avoir, selon lui, mené une enquête approfondie sur les décès pédiatriques plus tôt.

La note indique que la direction du CBER n’a lancé l’examen interne qu’en 2025 après que la Dr Tracy Beth Hoeg, médecin du personnel, a examiné de manière indépendante les rapports de décès et conclu que des enfants étaient effectivement décédés après la vaccination — une évaluation qui n’avait jamais été publiquement admise par la FDA.

« C’est une révélation profonde. Pour la première fois, la FDA américaine reconnaîtra que les vaccins contre la COVID-19 ont tué des enfants américains », a écrit le Dr Prasad. « Des jeunes enfants en bonne santé qui couraient un risque de décès extrêmement faible ont été contraints, à la demande de l’administration Biden, via des mandats scolaires et professionnels, à recevoir un vaccin qui pourrait entraîner la mort. Dans de nombreux cas, de tels mandats étaient préjudiciables. »

Le Dr Prasad a attribué la reconnaissance tardive des décès pédiatriques liés au vaccin à des défaillances « culturelles et systémiques » au sein du CBER, suggérant que certaines préoccupations de sécurité ont été écartées en raison de résistances internes, de considérations politiques ou de pressions pour soutenir la vaccination de masse.

« Je n’ai aucun doute que de nombreux vaccins ont sauvé des millions de vies dans le monde et que beaucoup ont des avantages qui dépassent largement les risques, mais les vaccins sont comme tout autre produit médical », a-t-il écrit. « Le bon médicament administré au bon patient au bon moment est excellent, mais le même médicament peut être administré de manière inappropriée, causant des dommages. Il en va de même pour les vaccins. »

La note indique également que la FDA n’a jamais exigé des fabricants qu’ils démontrent — par le biais d’essais contrôlés randomisés — que la vaccination des enfants réduisait l’hospitalisation ou le décès. Les données disponibles, écrit le Dr Prasad, sont « profondément limitées », reposent sur des méthodes présentant des biais « notoires » et ne permettent pas d’établir si le vaccin a sauvé plus d’enfants qu’il n’en a affecté négativement.

Il a critiqué les affirmations courantes selon lesquelles l’infection à la COVID-19 présentait un risque de myocardite plus élevé que la vaccination, affirmant que cette affirmation est « erronée » et que les études existantes utilisent « un faux dénominateur » et ne parviennent pas à évaluer les compromis risques-bénéfices pour les adolescents et les jeunes adultes en bonne santé.

Changements réglementaires à venir

Le Dr Prasad a déclaré que le CBER entreprendra des réformes majeures, notamment une « action rapide » sur le nouveau signal de sécurité concernant les décès d’enfants et la fin de l’autorisation des vaccins chez les femmes enceintes basée uniquement sur des critères de substitution d’anticorps « non prouvés ».

Il y aura également une exigence d’essais cliniques randomisés pré-commercialisation pour la plupart des nouveaux vaccins, des directives mises à jour pour l’administration simultanée de plusieurs vaccins et une refonte du cadre du vaccin antigrippal annuel, décrit comme « une catastrophe de preuves de faible qualité, de mauvais tests de substitution et d’efficacité vaccinale incertaine mesurée dans des études cas-témoins aux méthodes médiocres ».

Le Dr Prasad a déclaré que la réglementation des vaccins sera désormais guidée par une médecine strictement fondée sur les preuves et que les vaccins contre la COVID-19 ne bénéficieront plus d’un traitement de faveur concernant leurs avantages présumés.

« Les vaccins seront traités comme toutes les autres classes de médicaments — ni mieux ni pire », a-t-il écrit.

Il a demandé au personnel du CBER en désaccord avec la nouvelle orientation de soumettre leur démission.

Epoch Times a contacté la FDA et le département de la Santé et des Services sociaux pour recueillir leurs commentaires.

Source : Le Point Critique

Dix jours après la divulgation d’un mémo par la FDA attribuant le décès de dix enfants aux vaccins COVID, le Gouvernement publie une étude réalisée en interne. Elle établit que les vaccins à ARNm n’ont entraîné aucune surmortalité en France et qu’ils réduiraient de 25 % le risque de décès, contrairement à ce que révèlent les propres données cliniques de Pfizer. L’analyse de l’étude suggère qu’il s’agit d’une fraude scientifique, dont la rétractation paraît inévitable.

L’étude a été publiée le 4 décembre par le groupement ÉPI-PHARE. Elle porte sur une cohorte française de 28,6 millions d’adultes, dont 22,7 millions de vaccinés, que les auteurs ont suivie sur une période de quatre ans (45 mois). L’étude compare le risque de décès à long terme toutes causes confondues chez les individus vaccinés et non vaccinés contre le COVID avec un vaccin à ARNm, âgés de 18 à 59 ans.

Étude @EPIPHARE | Vaccination Covid-19 par ARNm et mortalité toutes causes

👉 L'étude réalisée auprès de 29 millions de personnes démontre que les vaccins à ARNm contre le Covid‑19 n’augmentent pas la mortalité des personnes vaccinées

🔗 https://t.co/5qHFjFUOd9 pic.twitter.com/miPquOjRcx

— ANSM (@ansm) December 5, 2025

Méthode

Le fait d’être vacciné était défini par l’administration d’une dose de vaccin à ARNm reçue entre le 1^er mai et le 31 octobre 2021. La cohorte a inclus l’ensemble des individus âgés de 18 à 59 ans, vaccinés ou non vaccinés, vivants au 1^er novembre 2021 et résidant en France. La mortalité observée dans les six mois suivant la vaccination a été estimée dans une étude séparée.

Les auteurs ont donc choisi d’exclure de l’analyse principale :

• les moins de 18 ans et les plus de 59 ans ;
• les individus décédés avant le 1^er novembre 2021, soit moins de six mois après leur vaccination ;
• ceux qui ont reçu leur vaccin avant le 1^er mai 2021 (12 %), et après le 31 octobre 2021 ;
• ceux ayant reçu une 1^re injection d’un vaccin contre la COVID-19 ne reposant pas sur la technologie à ARNm (1,4 %).

Concernant le choix de ne faire commencer l’étude qu’à partir de novembre 2021, soit six mois après la date d’inclusion, les auteurs expliquent avoir voulu contourner le biais dit de « temps immortel ». Le Pr Rentier, virologue et immunologiste, explique pourquoi ce choix est hautement problématique.

Le temps immortel est défini comme la période de suivi pendant laquelle on considère qu’un individu ne peut pas encore connaître l’événement étudié (par exemple « décès chez les vaccinés »), ce qui fausse la comparaison entre les groupes. « Éviter le temps immortel » consiste à définir le début du suivi et l’exposition de façon à ce qu’aucun groupe ne bénéficie artificiellement d’une période où l’événement ne peut pas survenir par définition.https://bam.news/bam-detox/etude-epi-phare-le-pr-rentier-nous-eclaire

Autrement dit, toute l’étude repose sur le postulat que les individus vaccinés décédés dans les six premiers après l’injection ne peuvent être décédés à cause de l’injection. Or les données du VAERS montrent que l’essentiel des décès survient dans les premiers jours suivant l’injection.

Résultats

Les auteurs ne fournissent pas les données brutes, qui sont réclamées depuis quatre ans par les scientifiques. Le Gouvernement a d’abord refusé de les divulguer, puis a invoqué le fait qu’elles n’existaient pas. Nous sommes supposés ici faire confiance à l’auteur principal.

Les données démontreraient plusieurs résultats, qui tranchent avec les conclusions de nombreuses études :

• une réduction de 25 % du risque de décès toute cause ;
• une réduction de 74 % du risque de décès pour COVID-19 graves ;
• une réduction de 29 % du risque de décès à court terme.

Le Pr Rentier a identifié pour sa part six biais structurels majeurs qui invalident les conclusions de l’étude et autorisent à penser qu’elle sera rapidement rétractée. Un premier commentaire a déjà été posté qui souligne des préoccupations méthodologiques et éthiques.

Sélection des non‑vaccinés

• Biais du « vacciné sain » (healthy vaccinee effect), selon lequel les personnes choisissant de se vacciner sont généralement celles qui sont en meilleure santé : c’est l’un des biais les plus courants dans ce type d’étude, notamment à propos des vaccins contre le COVID-19. Il est cité sans toutefois être nommé dans la discussion de l’étude.
• Score de propension, qui désigne à la probabilité qu’individu reçoive un traitement compte tenu de ses « caractéristiques observées », en l’occurrence ici ses caractéristiques sociodémographiques individuelles (âge, sexe…) et 41 comorbidités. Selon le Pr Rentier, « le score de propension n’ajuste que sur les variables observables, ce qui laisse intact un “résiduel de confusion” potentiellement massif, en défaveur des non‑vaccinés ».
• Données douteuses : les auteurs retrouvent un bénéfice du vaccin en termes de mortalité sur quasiment toutes les causes de décès, y compris les accidents, les chutes, les noyades, certains cancers précoces, les morts violentes ou les suicides, sans lien plausible avec la vaccination.

Période de suivi

• Début de suivi à six mois : ce choix méthodologique a entraîné l’exclusion de tous les décès précoces.
• Découplement de la mortalité à court et long terme : le fait d’exclure les décès à court terme de l’analyse interdit de conclure que les injections sont sûres.

Statut vaccinal

Les non-vaccinés ayant choisi de se faire injecter au cours de la période ont été sortis de l’étude. Leur statut vaccinal a donc été actualisé contrairement à celui des vaccinés, dont le nombre de doses n’est pas pris en compte alors qu’il constitue une covariable majeure. À titre de comparaison, les données britanniques publiées en 2023 ont démontré que la mortalité était augmentée proportionnellement au nombre de doses, quelle que soit la tranche d’âge.

Facteurs de confusion

ÉPI-PHARE reconnaît elle-même que de nombreux déterminants majeurs de santé (revenus, éducation, isolement, conditions de logement, etc.) ne sont pas reflétés pas le Système national des données de santé, dont sont issues les données de l’étude. Or, ils influent directement sur le choix vaccinal et le risque de mortalité toute cause.

Causes de décès

L’analyse détaillée des causes de décès n’est fournie que pour les deux premières années de suivi. Les résultats de l’étude sont par ailleurs contredits par d’autres jeux de données (Eurostat, par exemple) qui mettent en évidence des pics de surmortalité corrélés avec le calendrier vaccinal et les campagnes de rappel.

« Nous avons estimé à 49 240 le nombre de décès supplémentaires par arrêt cardiaque entre 2021 et 2023 aux États-Unis en raison de la vaccination de masse. »pic.twitter.com/j5qecVIk7J

— VERITY France (@verity_france) December 6, 2025

Surinterprétation médiatique

La publication de cette étude intervient dans un contexte critique, la FDA ayant confirmé il y a quelques jours le décès de 10 enfants que l’Agence attribue directement aux injections. L’information a été rapportée par le New York Times le 28 novembre dernier. La semaine dernière, le régulateur britannique a expliqué qu’il ne publierait pas les données de mortalité par statut vaccinal afin de ne pas traumatiser les parents endeuillés. S’agit-il d’un simple contre-feu allumé par les autorités sanitaires ?

Plusieurs articles de presse et communiqués institutionnels présentent ces résultats comme « mettant fin aux doutes sur les risques à long terme » ou « démontrant l’absence de danger », alors que l’étude se limite à une mortalité toutes causes dans une cohorte 18–59 ans française, avec les biais dénoncés ci‑dessus.
Passer de « pas d’augmentation détectée » à « sécurité à long terme démontrée » est un raccourci logique injustifié, car il s’agit d’un seul travail observationnel, même s’il est très vaste, surtout en présence de confusion résiduelle très probable.https://bam.news/bam-detox/etude-epi-phare-le-pr-rentier-nous-eclaire

Deux limites sont par ailleurs soulignées par les auteurs dans la discussion :

• la fiabilité du statut vaccinal, extrait de la base de données VAC-SI utilisée pour l’enregistrement et la gestion des pass vaccinaux, dont les auteurs admettent qu’un nombre potentiellement élevé était frauduleux ;
• les décès COVID-19 correspondent dans l’étude aux décès survenus suite à une hospitalisation pour COVID-19. Or on sait que le nombre de COVID sévères a été gonflé artificiellement durant la pandémie, toute personne hospitalisée avec un test COVID positif étant considérée comme hospitalisée pour COVID.

Conflits d’intérêts

Les auteurs déclarent n’avoir aucun conflit d’intérêts, mais leurs affiliations démontrent le contraire (ÉPI-PHARE, créé par l’Assurance-maladie et l’ANSM, en charge de la pharmacovigilance, CNAM, AP-HP, université Paris-Saclay). Tous sont salariés de l’État, qui au terme des contrats est pénalement responsable des dommages causés par les injections. Il aurait donc été inimaginable que l’étude soit publiée si les auteurs avaient trouvé que les injections pouvaient être à l’origine de la surmortalité retrouvée par l’Insee sur la période 2021-2022.

L’auteur principal, Laura Semenzato, est une toute jeune docteur qui a décroché sa thèse le 26 juin dernier. Le président du jury était le Pr Amouyel, épidémiologiste et professeur de santé publique au CHU de Lille, qui a jeté toutes ses armes dans la bataille pour convaincre les Français de se faire injecter, en particulier les jeunes. En août 2021, il se déclarait favorable à la vaccination obligatoire pour tous.

Plus intéressant encore, les deux rapporteurs du jury étaient le Pr Karine Lacombe, et le Pr Arnaud Fontanet, membre du Conseil scientifique durant la pandémie et auteur de l’étude frauduleuse (ComCor) publiée la veille du premier confinement pour justifier cette décision.

Les données cliniques de Pfizer contredisent l’étude

Précisons que Pfizer n’a pas réussi à démontrer, au terme de son essai clinique principal, que les injections réduisaient le nombre de cas de COVID. Ses propres données démontrent au contraire une efficacité négative à 23 mois chez les personnes à risque.

https://platform.twitter.com/embed/Tweet.html?creatorScreenName=point_critique&dnt=true&embedId=twitter-widget-2&features=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%3D%3D&frame=false&hideCard=false&hideThread=false&id=1737939456261275773&lang=fr&origin=https%3A%2F%2Flepointcritique.fr%2F2025%2F12%2F07%2Fgouvernement-publie-etude-sans-donnees-demontrant-que-vaccins-covid-entraine-aucune-surmortalite%2F&sessionId=669a723cbcc8947e85cb86a884fa5ff60611b267&siteScreenName=point_critique&theme=light&widgetsVersion=2615f7e52b7e0%3A1702314776716&width=500px

Plus inquiétant, l’essai concernant la stratégie de rappel chez les plus de 12 ans (NCT04955626) a retrouvé en novembre dernier un plus grand nombre de décès chez les vaccinés (0,10 %) par rapport au groupe placébo (0,04 %), ce qui implique que les boosters n’ont pas sauvé de vies, mais ont tué.

Source : BAM!

Une nouvelle étude d’EPI‑PHARE fait l’objet d’une large couverture médiatique. L’étude écarte toute surmortalité liée à la vaccination Covid‑19 et conclut que les vaccinés ont un risque plus faible de mourir que les personnes non vaccinées. Le Pr Bernard Rentier, virologue et immunologiste de renommée internationale, recteur honoraire de l’Université de Liège et auteur de plus de 250 publications scientifiques, livre une analyse méthodologique critique qui identifie plusieurs biais structurels majeurs.

L’étude EPI‑PHARE/JAMA Network Open^[1] conclut à une diminution du risque de « mortalité toutes causes confondues » aussi bien que de la Covid chez les personnes de 18 à 59 ans vaccinées par ARNm. Toutefois, sa conception introduit d’emblée plusieurs biais majeurs qui empêchent de conclure à « l’absence de risque à long terme » et encore moins à un effet protecteur global sur la mortalité.

L’étude a porté sur une cohorte de 28,6 millions de personnes de 18 à 59 ans vivantes au 01/11/2021, dont 22,7 millions de vaccinés par ARNm entre le 01/05/2021 et le 31/10/2021 (79,4 %) et 5,9 millions de non vaccinés (20,6 %).

Le suivi est en moyenne de 45 mois mais il fait l’objet d’une mesure surprenante : il n’a débuté que 6 mois après la date de vaccination (ou une date assignée aux non‑vaccinés), au prétexte d’éviter « le temps immortel ».

Temps immortel : période de suivi pendant laquelle, par construction du protocole d’étude, un individu ne peut pas encore connaître l’événement étudié (par exemple « décès chez les vaccinés »), ce qui fausse la comparaison entre les groupes. « Éviter le temps immortel » consiste à définir le début du suivi et l’exposition de façon à ce qu’aucun groupe ne bénéficie artificiellement d’une période où l’événement ne peut pas survenir par définition. Ceci implique évidemment qu’on décide péremptoirement d’emblée qu’un décès pendant les 6 premiers mois après l’injection du vaccin ne puisse absolument pas être attribué à celui‑ci.]

Des modèles de Cox ont été pondérés par score de propension incluant les caractéristiques socio‑démographiques et 41 comorbidités connues.

En biostatistique, un score de propension est la probabilité pour un individu de recevoir un traitement (ou d’être exposé) compte tenu de ses caractéristiques observées. Autrement dit, c’est une fonction des variables de base (âge, sexe, comorbidités, facteurs de risque, etc.) qui résume en un seul nombre entre 0 et 1 la « tendance » qu’a cet individu à être dans le groupe traité plutôt que dans le groupe contrôle. Le score de propension est principalement utilisé dans les études observationnelles pour réduire le biais de sélection et se rapprocher, autant que possible, de la situation d’un essai randomisé. En appariant, pondérant ou stratifiant les sujets sur ce score, on cherche à rendre comparables les distributions des covariables entre groupes traité et non traité, de sorte que la différence d’issue observée puisse être interprétée plus crédiblement comme un effet causal du traitement. L’interprétation causale des analyses basées sur le score de propension repose notamment sur l’hypothèse d’indépendance conditionnelle : une fois conditionné sur les covariables incluses dans le score, l’allocation du traitement est supposée « ignorable » (pas d’autres facteurs de confusion non mesurés). Il faut aussi un support commun satisfaisant (chevauchement des scores entre groupes), afin que chaque sujet traité ait des témoins comparables et réciproquement.

L’article ne fournit pas une description suffisamment détaillée du score de propension : ni le choix des covariables, ni la qualité et la granularité du codage, ni les déséquilibres résiduels, ni les diagnostics de balance après appariement ou pondération^[2].

Sans ces éléments (par exemple standardised mean differences, ratios de variances, graphiques de densité), il n’est pas possible d’évaluer dans quelle mesure les groupes comparés sont réellement équilibrés en ce qui concerne les facteurs mesurés.

Quelle conclusion les auteurs tirent‑ils ?

Les auteurs concluent que, dans leur cohorte nationale de Français de 18–59 ans, les personnes ayant reçu au moins une dose de vaccin ARNm contre la Covid‑19 présentent un risque plus faible de décès, à la fois toutes causes confondues et par Covid‑19 sévère, que les personnes restées non vaccinées pendant la période étudiée.

• Ils rapportent une réduction de 74% du risque de décès par Covid‑19 sévère hospitalisé chez les vaccinés et de 25% du risque de mortalité toutes causes confondues sur un suivi allant jusqu’à 4 ans, après ajustement par score de propension.
• Ils indiquent retrouver un moindre risque de décès dans le groupe vacciné « quelle que soit la cause de décès considérée », y compris après exclusion des décès dus à des Covid‑19 sévères.
• Les auteurs affirment que ces résultats « excluent un risque accru de mortalité toutes causes à 4 ans » chez les personnes vaccinées par ARNm contre la Covid‑19 dans cette tranche d’âge. Ils en déduisent que leur étude renforce le « profil de sécurité » à long terme des vaccins à ARNm largement utilisés, et que la vaccination ne s’accompagne pas d’un excès de mortalité à l’échelle de cette cohorte.

On détecte immédiatement dans ce travail des biais structurels majeurs

1. La sélection des non‑vaccinés et le « healthy vaccinee bias ».

• Les non‑vaccinés en France à l’automne 2021 constituaient un sous‑groupe très hétérogène : on y trouve une sur‑représentation attendue de personnes précaires, de migrants non recensés, de personnes en rupture de soins ou souffrant de troubles psychiatriques sévères, de pathologies non prises en charge, etc., souvent mal ou tardivement encodés dans le Système National des Données de Santé (SNDS).
• Le score de propension n’ajuste que sur les variables observables et correctement codées (41 comorbidités déclarées), ce qui laisse intact un « résiduel de confusion » potentiellement massif, en défaveur des non‑vaccinés.
• Le fait de retrouver un « bénéfice » sur quasiment toutes les causes de décès, y compris celles a priori sans lien plausible avec la vaccination (accidents, certains cancers précoces, morts violentes) suggère typiquement un biais de sélection de type « healthy vaccinee »plutôt qu’un effet biologique global.

2. Début du suivi à +6 mois

• Le suivi n’a commencé que 6 mois après la vaccination au prétexte d’éviter un biais de « temps immortel » classique (voir plus haut). Toutefois, cela entraîne l’exclusion de l’analyse principale de tous les décès précoces, alors que c’est précisément là que pourraient se concentrer des effets délétères post‑vaccinaux (troubles cardio‑vasculaires, myocardites, arythmies, etc.).
• Ces décès survenant dans les 6 mois post‑vaccination sont analysés dans une sous‑étude distincte et sont donc découplés de l’estimation du risque à 4 ans ; l’« absence d’excès à 4 ans » ne dit donc rien sur la fenêtre de risque aigu ou subaigu, mais additionne uniquement ce qui se passe au‑delà de 6 mois.

3. Changement de statut vaccinal

• Il est advenu que des non‑vaccinés plus préoccupés par leur santé se soient fait vacciner pendant le suivi. Ils ont été éliminés du suivi à la date de vaccination, alors que les vaccinés restent suivis avec accumulation de doses et de rappels. On ne trouve pas de modélisation explicite de ces expositions répétées comme covariables dépendantes du temps. Ceci accentue le contraste entre un groupe vacciné « compliant » et un reliquat de non‑vaccinés plus fragiles socialement et médicalement, non capturé par le score de propension.

4. Résidus massifs de confusion socio‑économique et comportementale

• EPI‑PHARE rappelle dans ses dossiers que ses études s’appuient sur le Système National des Données de Santé, qui ne capture qu’imparfaitement de nombreux déterminants majeurs de santé (revenus, éducation, isolement, conditions de logement, habitudes de vie, exposition professionnelle, etc.). Or toutes ces variables sont fortement corrélées à la fois au choix vaccinal mais également  au risque de mortalité toutes causes confondues.
• Le fait que la vaccination semble réduire la mortalité pour presque toutes les causes est compatible avec un gradient comportemental et/ou socio‑économique qui n’est absolument pas mesuré, et non avec un effet pharmacologique universel.

5. Information limitée sur la cause détaillée des décès et surmortalité globale

• L’analyse détaillée des causes de décès n’est disponible que jusqu’à fin 2023, alors que le suivi en vital status va jusqu’en mars 2025 ; cela empêche d’évaluer les profils de cause à cause sur l’ensemble de la fenêtre des 4 ans.
• L’étude ne se prononce pas sur la surmortalité globale populationnelle française 2021–2023 (toutes causes, tous âges) et sur son rapport au calendrier vaccinal, ce qui est au cœur du débat scientifique sur les effets indirects ou différés.

6. Interprétation médiatique et politique excessive

• Plusieurs articles de presse et communiqués institutionnels présentent ces résultats comme « mettant fin aux doutes sur les risques à long terme » ou « démontrant l’absence de danger », alors que l’étude se limite à une mortalité toutes causes dans une cohorte 18–59 ans française, avec les biais dénoncés ci‑dessus.
• Passer de « pas d’augmentation détectée » à « sécurité à long terme démontrée » est un raccourci logique injustifié car il s’agit d’un seul travail observationnel, même s’il est très vaste, surtout en présence de confusion résiduelle très probable.

Qu’est‑ce que la « mortalité toutes causes » ? La mortalité toutes causes (en anglais all‑cause mortality) désigne le nombre total de décès survenant dans une population donnée durant une période déterminée, indépendamment de la cause du décès. C’est une métrique épidémiologique qui compte chaque mort, qu’elle soit due à une maladie infectieuse, à un cancer, à un accident, à un infarctus, au suicide, ou à n’importe quelle autre cause. Par exemple, si dans une région de 100 000 habitants on enregistre 1 200 décès en une année, quelle que soit la raison (COVID‑19, grippe, crise cardiaque, accident automobile, etc.), le taux de mortalité toutes causes pour cette année est de 1 200 décès ou 12 décès pour 1 000 habitants. La mortalité toutes causes est considérée comme un indicateur épidémiologique robuste car elle ne dépend pas de la précision des certificats de décès ou des diagnostics médicaux. Elle évite les biais liés à l’attribution incorrecte de la cause de décès, la sous‑déclaration (décès non détectés ou mal attribués), modification des critères d’enregistrement au fil du temps, compétition entre causes lorsque plusieurs maladies circulent. L’analyse de la mortalité toutes causes permet d’identifier l’impact global d’une intervention ou d’un événement de santé publique sur le nombre total de décès, sans se perdre dans les détails des causes spécifiques. C’est particulièrement pertinent lors d’une pandémie ou d’une campagne vaccinale : même si l’on réduit les décès dûs à une maladie donnée, on doit vérifier qu’on n’augmente pas la mortalité toutes causes (c’est-à-dire qu’on ne remplace pas une cause de décès par une autre, ou qu’on ne provoque pas d’excès de mortalité par d’autres mécanismes). Dans le présent contexte de la surveillance post‑commercialisation (pharmacovigilance), la mortalité toutes causes est un critère d’évaluation critique.  Un vaccin efficace pour réduire les décès d’une maladie cible ne devrait pas augmenter le risque de décès par d’autres causes. C’est pourquoi les autorités de santé publique examinent cet indicateur. Dans l’étude EPI‑PHARE, l’analyse de la mortalité toutes causes selon le statut vaccinal pose la question suivante : « Est‑ce que le profil de décès (toutes causes confondues) diffère systématiquement entre les personnes vaccinées et non‑vaccinées ? ». Cela implique que les auteurs cherchent à déterminer si, au niveau global et non seulement pour les décès COVID, les deux groupes de population présentent des trajectoires de mortalité comparables. Un taux de mortalité toutes causes significativement plus élevé dans un groupe soulèverait des questions sur les causes potentielles — qu’elles soient liées au vaccin, à la composition différente des groupes (biais de sélection), à des différences de facteurs de risque sous‑jacents, ou à d’autres facteurs épidémiologiques. Bien que les auteurs mentionnent dans le rapport technique que l’étude est observationnelle et ne prouve pas la causalité, cette nuance disparaît dans les communiqués et dans la couverture médiatique. Le public et les décideurs retiennent le message simplifié : « les vaccins réduisent la mortalité toutes causes », sans comprendre que cette association est probablement confondante.

Il manque donc une analyse méthodologique détaillée du score de propension (variables incluses, qualité de codage, déséquilibres résiduels, diagnostics de calage).

Il n’y a pas eu de discussion des déterminants socio‑économiques et comportementaux non mesurés, en s’appuyant sur la littérature sur le « healthy vaccinee/user bias » dans les études vaccinales observationnelles.

Enfin, il manque un examen comparatif avec d’autres sources sur la surmortalité en Europe post‑2021, en particulier celles qui stratifient par statut vaccinal ou par période de campagne, afin de montrer que le tableau est plus nuancé.

En résumé

L’étude ne permet pas d’exclure un sur‑risque de décès dans les 0–6 mois, ni de trancher sur des risques spécifiques rares (cardio‑vasculaires, auto‑immuns), qui exigeraient des protocoles dédiés et plus puissants.

Elle ne permet pas davantage de conclure à l’absence de tout risque à long terme pour toutes les classes d’âge, ni d’extrapoler au‑delà du contexte français et des campagnes vaccinales de 2021 (variants différents , schémas différents , pression épidémique différente).

Elle ne fournit pas une description suffisamment détaillée du score de propension : choix des covariables, qualité et granularité du codage, déséquilibres résiduels, ni diagnostics de balance après appariement ou pondération. Sans ces éléments (par exemple standardised mean differences, ratios de variances, graphiques de densité), il est difficile d’évaluer dans quelle mesure les groupes comparés sont réellement équilibrés sur les facteurs mesurés.

Elle ne discute pas les déterminants socio‑économiques et comportementaux non mesurés, alors que la littérature montre que les personnes qui se font vacciner sont souvent en meilleure santé, plus observantes et plus insérées socialement (« healthy vaccinee/user bias »). L’absence d’analyse de ces biais de sélection et de comportements préventifs associés au statut vaccinal laisse ouverte la possibilité d’une surestimation de la sécurité ou des bénéfices apparents du vaccin.

Enfin, elle ne met pas ses résultats en perspective avec d’autres travaux sur la surmortalité en Europe après 2021, notamment ceux qui stratifient par statut vaccinal ou par phases de campagne^{[3] [4] [5] [6] [7]}. Un examen comparatif systématique de ces séries temporelles et de ces stratifications serait nécessaire pour montrer que le tableau d’ensemble est plus nuancé que ce que suggère l’étude seule.

Pr Bernard Rentier

[1] Vaccination par ARNm contre la COVID‑19 et mortalité toutes causes

[2] Balance diagnostics after propensity score matching – PMC

[3] Surmortalité européenne après la vaccination anti‑Covid Patrick E. Meyer, extrait de la version du 18 février 2024 soumise c

[4] All‑cause mortality according to COVID‑19 vaccination status: An analysis of the UK office for National statistics public data – PubMed 

[5] Understanding excess mortality in Europe during the COVID‑19 pandemic – The Lancet Regional Health

[6] Excess mortality across countries in the Western World since the COVID‑19 pandemic: ‘Our World in Data’ estimates of January 2020 to December 2022 | BMJ Public Health

[7] Sustained excess all‑cause mortality post COVID‑19 in 21 countries: an ecological investigation | International Journal of Epidemiology | Oxford Academic