【大纪元2022年08月07日讯】（接上篇）
上一篇，我们结合大数据计算，揭示了英国和澳洲的4份新冠疫情研究统计报告，有意掩盖负值有效率，为疫苗洗地。那些造假并非个案，也绝非我们在《大数据否定新冠疫苗防重症》中列举的那一点。
当今很多科研论文和报告，对新冠疫苗的真实有效率，千方百计地掩盖，并且隐藏关键的数据，让你无法计算或检验。这些新近的文献中，有的提供的数据多一点，我们可以结合大数据算出疫苗整体有效率——不仅仅是不合格(<50%)，绝大部分跌入负值。
负值有效率表明疫苗有反作用，促进感染、重症、死亡，这是ADE效应的明证。一旦突变出“重症”病毒，ADE就可能会对人类形成大规模的绞杀，可是人类却像被无形之手操控了一样，在全面推进它……
5.美国麻省报告，掩藏有效率-60%
上面的新闻报道：美国麻省感染者74%完全接种了（一般是2针）疫苗，本该引起对疫苗无效的广泛关注，但是并没有，专家和媒体淡化处理——因为并没击中要害，74%不能直接说明问题，关键要看有效率。
该新闻源自2021年7月的一篇论文[1]，是对美国麻省巴恩斯特布尔县疫情的大数据报告，隐藏了关键的有效率。该文只对病例做了“完全接种疫苗”和“非完全接种疫苗”的区分。因为麻省的疫苗接种率，最接近该县的情况，故以麻省接种率来计算。
表10：巴恩斯特布尔县7月感染及麻省接种率
Ve=1-(346/63.7%)/(123/36.3%)= -60.3%
以均值接种率校正：Ve=1-(346/63.05%)/(123/36.95%)= -64.9%
再次证明：2针疫苗促进感染，起反作用！
6.英国49周报告，三证疫苗促进死亡
根据英国新冠病毒49周报告[2]中“打疫苗60天内致死率”的数据，结合查到的大数据接种率：
表11：英国2021.11.8～12.5新冠病毒死亡与疫苗接种率
可算得2针疫苗对60天内死亡的保护率：
Ve=1-(3163/68.75%)/(816/24.55%)= -38.4%
负值又现，2针新冠疫苗促进死亡！
7.苏格兰12月报告，四证疫苗促进死亡
(1)掩盖疫苗有效率
苏格兰2021.10.23～11.19的新冠疫情报告[3]，手法和上篇讲述的“掩盖技巧”如出一辙，只不过是以“死亡率”来掩藏有效率负值——毕竟负值有效率太丢人！而他们的“死亡率数据组”有问题，被统一“处理”过，后文会揭示。
(2)大数据计算疫苗整体有效率
衡量疫苗是否有用，要计算“疫苗有效率”，计算公式不受上图红框中“有问题的数字”的干扰。查证苏格兰疫苗接种率，真实有效率如下：
Ve(10.23～29)=1-(110/71.50%)/(14/21.00%)= -130.77%，其它省略计算过程，结果见下表。
表12：大数据计算的疫苗保护率（苏格兰43-46周）
(3)与传统有效率计算对比
上述报告提供的原始数据较多，可以用常规方法计算实际有效率，作为对比。
表13：苏格兰第二针疫苗有效率，两种计算方法对比
对比可见，大数据计算的有效率，比实际偏高一半左右。毕竟上面未接种组死亡人数少（尽管样本每周都是540万人以上的总数），可能出现偏差，需要进一步检验。
8.“大数据有效率算法”的进一步检验
(1) 偏差的由来：倾向性的“科研分组”
表14：当今倾向性的疫苗“科研分组”方法
新冠疫苗的“科研分组”建立在3个假设基础上：
①假设第1针疫苗21天后才有效，因为那时抗体才多；
②假设第2针疫苗14天后才有效，因为那时抗体才多；
③假设有效抗体多，就能抗病毒（错！因为旧抗体不抗变异后的新病毒，抗体可能起ADE反作用）。
前两个假设，已被前面大数据计算的很多疫苗有效率负值所反证，可见这样分组的前提就错了。
(2)“大数据算法”：借用“科研分组”和“统计分组”，4点抬高有效率
1）表14“未合法接种组”包括：
① 没打疫苗的；
② 打1针疫苗不到21天的（更容易染疫）；
③ 打后21天内没做好防护，暴露在病毒环境中的——这个很难做到，谁能保证自己接触的环境中没有病毒呢？所以实际操作中，这一标准搞成了“打1针后21天内感染病毒”。
这样，人为增大了本组病例，公式中“N病”变大了，抬高了Ve值。
2）表14“完全接种组”剔除：
① 打第2针不到14天的（更容易染疫）；
② 打第2针14内没防护好，暴露在病毒环境中的——这个同样难做，所以实际操作成了“打第2针后14天内感染的”。
这样人为减少了本组病例，公式中“Y病”变小了，再次抬高了Ve值。
3）大数据查的“Y率”相对大：
大数据查的数据不是“科研分组”，而是“统计分组”。它的“总人口2针接种率”，可不管你是否14天，打了两针就算，所以公式中“Y率”的值相对大，又抬高了Ve值。
4）大数据查的“N率”相对小：
同样，大数据查的未接种率相对小，不包括打1针不到21天的人，和打1针21天内染疫的人，“N率”相对变小了，第4次抬高了Ve。
所以，在查不到内部藏而不露的数据的情况下，只能用上述“大数据算法公式”计算时，会高估疫苗2针及以上针的有效率。
(3)“大数据算法”：实际检验偏高——如此高估还不行，疫苗更无效
以2021年12月1日出版的苏格兰公卫疫情统计报告[4]为例，下面四周的数据，每周的研究都是基于580多万人的大数据。
以第一周为例，以原文数据，计算≥2针对感染的保护率：
Ve=1-(10795/3862547)/(6930/1617579)= 34.76%
以google大数据查到的苏格兰接种率，计算2针对感染的保护率：
Ve=1-(10795/71.70%)/(6930/20.80%)= 54.81%（其它计算过程略）
表15：苏格兰2021.10.30～11.26报告计算常规有效率和“大数据计算有效率”对比
对比可见，大数据计算有效率同样都偏高，和我们的理论预期一致。在本例要高一半左右，和上文的偏高程度（对死亡的保护率）一致。
所以，如果“大数据计算的有效率”还不合格的话，就更能说明疫苗不合格了。在原始数据被掩藏、不足以校验有效率真伪的情况下，不失为一种有效的办法——下表的结果也正是这样。
表16：大数据计算的新冠疫苗有效率简表
在下篇，我们会建立数学模型，作为判定疫苗有效率真假的试金石。
（未完，待续）
[1] Brown CM, et al. Outbreak of SARS-CoV-2 Infections, Including COVID-19 Vaccine Breakthrough Infections, Associated with Large Public Gatherings — Barnstable County, Massachusetts, July 2021. MMWR Morb Mortal Wkly Rep 2021;70:1059-1062. DOI:10.15585/mmwr.mm7031e2
[2] COVID-19 vaccine surveillance report Week 49，UK Health Security Agency
[3] Public Health Scotland COVID-19 Statistical Report As at 29 November 2021,Publication date: 01 December 2021,Public Health Scotland
[4] Public Health Scotland COVID-19 Statistical Report As at 29 November 2021,Publication date: 01 December 2021,Public Health Scotland
编辑：萧明
