Guide de l'idiot pour la préparation de données destinées aux propagandistes en herbe

Observez attentivement la diapositive ci-dessus, issue d'un sondage international réalisé quelques mois après le début de la pandémie de Covid-19 : voilà à quoi ressemble une propagande efficace. Et son impact réel fut encore plus important, car les chiffres « réels » utilisés pour calculer à quel point les gens exagéraient les risques liés à la Covid-19 provenaient eux-mêmes… des principales organisations de propagande mondiales (se faisant passer pour des agences de santé publique). Or, ces mêmes agences exagéraient déjà considérablement les risques liés à la Covid-19.

L'art de la propagande efficace est une discipline vaste qui exige une étude approfondie et régulière . Pour un débutant, sa maîtrise peut s'avérer très difficile. Même le propagandiste chevronné peut parfois tomber dans le piège de croire que créer et diffuser de la propagande est une entreprise simple – ce qui lui permettrait sans doute de s'offrir un séjour permanent tous frais payés en Sibérie. Manipuler l'ensemble de la société, 365 jours par an, indéfiniment, est une tâche bien plus complexe.

Le petit guide suivant fournira à l'aspirant propagandiste, au laquais du WEF, à l'apparatchik communiste, au marxiste éveillé et au bureaucrate chevronné du gouvernement les outils et les connaissances nécessaires pour développer leur talent prometteur en une maîtrise complète de l'art de la propagande.

Ce livre est un peu long ! Ne vous sentez donc pas obligé de le lire d'un bout à l'autre d'une seule traite, car cela vous mènerait à l'épuisement et à la non-retenir les informations essentielles qu'il contient.

Ce manuel est divisé dans les sections suivantes :

Section I. Définitions – Comment redéfinir les mots, les termes et les indicateurs pour les aligner sur le discours du régime

Section II. Gestion des données – Comment détourner les processus d’enregistrement, de communication et de publication des données

Section III. Vérification des données considérées comme faisant partie de la science officielle – Comment vérifier les données et éliminer les données non conformes au régime afin qu’elles n’apparaissent jamais dans la science officielle ou les ensembles de données du régime

Section IV. Comment truquer une étude – Exactement ce que cela signifie

Section V. Manipulation des ensembles de données – Parfois, vous devrez intervenir et effectuer une petite « chirurgie » des données pour modifier le contenu des bases de données qui contredisent les points de vue du régime que vous ne pouvez pas simplement éradiquer.

Section VI. Contrôler les normes de preuve – Comment établir une hiérarchie des preuves qui place la science favorable au régime au sommet et la science défavorable au régime à la base (de la fosse des Mariannes)

Section VII. Les autorités ecclésiastiques de la science – Comment s’assurer que les autorités scientifiques répètent fidèlement les faits et les récits du régime

Postface – Pour conclure en beauté, à l'image d'un des nœuds papillon de Peter Hotez (un scientifique vedette du régime particulièrement agaçant).

Section I – Définitions

« Celui qui contrôle la langue contrôle les masses. »
— Saül Alinsky, Règles pour les radicaux

La façon dont nous définissons les concepts ou les catégories détermine quel élément du monde réel ils communiquent ou représentent – ​​ou ce qu’ils ne communiquent pas ou ne représentent pas.

Des définitions malléables et des normes arbitraires et capricieuses pour l'attribution de définitions sont une nécessité absolue pour tout propagandiste efficace. Malgré tous les efforts, même les propagandistes chevronnés et experts seront inévitablement confrontés à des situations où les données organisées qui existent, ou l'expérience vécue des gens, posent problème au récit officiel du régime.

Une propagande efficace nécessite donc une capacité de flexibilité et d’adaptation élevée pour contrôler le contenu des données, en particulier les mesures conventionnelles préexistantes dont le public est habitué à entendre parler et qui sont notoirement difficiles à faire disparaître (contrairement à la facilité avec laquelle vous pouvez faire disparaître un scientifique dissident de YouTube ou Facebook). Par exemple, vous ne pourrez pas éviter de parler de « décès » dans le contexte d’une nouvelle pandémie de maladie redoutée – la principale façon dont les gens évalueront la gravité d’une maladie sera toujours d’abord et avant tout « Combien de personnes sont mortes de la maladie ? » Mais vous pouvez changer ce à quoi « décès » fait référence dans le contexte de la nouvelle maladie redoutée si vous souhaitez augmenter ou diminuer le sentiment des gens quant à sa mortalité.

En pratique, cela signifie que lorsque la compréhension normale d’un terme ou d’un concept montre que la réalité ne correspond pas tout à fait au récit souhaité par le régime, il suffit de changer quelques définitions et voilà, le problème est résolu.

Comme l’ont également observé de nombreux propagandistes communistes de premier plan à travers l’histoire : « Celui qui contrôle la langue gouverne le monde. »

Il existe plusieurs façons de modifier ou de faire passer les définitions de problématiques à acceptables :

I-1. Limiter une définition

Si la définition conventionnelle d'un élément inclut des concepts, des données ou des informations qui contredisent le dogme du régime, il convient de la restreindre afin d'en exclure ces éléments indésirables. Plusieurs méthodes permettent d'y parvenir. Voici quelques-unes des caractéristiques les plus courantes que vous pouvez utiliser pour restreindre efficacement une définition : Limiter la définition par intervalle de temps : Imaginons que les personnes vaccinées contractent la maladie redoutée à des taux très élevés dans les 30 jours suivant la vaccination, et plus de 90 jours après, malgré l'efficacité du vaccin. Ceci pose un problème majeur, car la population en conclura que le vaccin est inefficace.

En termes simples, ce que vous voyez sur le graphique ci-dessus est que le nombre de cas par million de personnes est le suivant :

1. Avant la vaccination : 500 cas de maladie redoutée par million de personnes
2. 10 jours après la vaccination : 3,000 XNUMX cas de maladie redoutée par million de personnes
3. 20 jours après la vaccination : 1,700 XNUMX cas de maladie redoutée par million de personnes
4. 30 jours après la vaccination : 100 cas par million de personnes

C'est une efficacité très peu glorieuse pour le vaccin glorieux – quelque chose qui ne peut pas être toléré. Une solution consiste simplement à modifier la définition de « vacciné » pour désigner une personne qui a été vaccinée entre 30 et 90 jours après l'injection du vaccin glorieux – en d'autres termes, toute personne qui a été vaccinée dans les 30 jours ou après 90 jours n'est pas considérée comme « vaccinée » :

Cette tactique particulière a été mise au point par presque toutes les agences de santé publique du monde civilisé, où la définition de « complètement vacciné » pour les vaccins Covid était limitée à « 14 jours après votre deuxième dose » :

Limitez la définition par quantité, comme le nombre d'expositions – par exemple, si un groupe de personnes ayant reçu 1 dose ou 5 doses du traitement miraculeux Mirafaucivir est décédé (la première dose tue les personnes particulièrement sensibles à sa toxicité, et 5 doses sont trop toxiques pour presque tout le monde), limitez la définition de « traité avec MiraFaucivir » à 2-4 doses :

Limiter une définition en y ajoutant des conditions absurdes, presque impossibles à remplir. Par exemple, on pourrait utiliser les conditions suivantes pour restreindre la définition d'un « décès lié à la vaccination » dans le contexte d'une campagne de vaccination de masse avec le tout nouveau vaccin miracle :

Il est assez difficile de parvenir à obtenir un cas « confirmé » de quelqu’un décédé à cause du glorieux vaccin dans des conditions comme celles-ci.

(Vous devez penser à entraver autant que possible les autopsies pour que cet exemple de définition soit pleinement efficace.)

I-2. Élargir une définition

À l’inverse, il peut arriver que vous souhaitiez disposer de plus d’un élément que ce qu’il y a réellement. L’élargissement des définitions est une excellente solution : il suffit d’inverser les instructions ci-dessus pour limiter les définitions.

Donc, si vous avez besoin de plus de décès dus à cette maladie redoutable que de personnes réellement tuées par cette maladie redoutable, vous pouvez élargir la définition d'un « décès dû à une maladie redoutable » à « tout décès dans les 30 jours suivant un test positif », et, comme par magie, vous vous retrouvez avec une pandémie à grande échelle entre les mains.

Pour illustrer cela, supposons qu’après 12 mois de circulation de la maladie redoutée, seulement 7 personnes sur 100,000 30 infections aient été réellement tuées par la maladie redoutée – ce qui n’est pas vraiment effrayant. Vous faites un petit changement et élargissez la définition d’un « décès par maladie redoutée » à quelque chose comme ce que le CDC a fait – « tout décès dans les XNUMX jours suivant un test positif pour la maladie redoutée ». Étant donné que de nombreuses personnes meurent chaque jour, si vous les testez toutes en masse, vous « découvrirez » inévitablement tout un tas de morts qui étaient atteintes de la maladie redoutée au moment de leur décès, même si elles ont été tuées par quelque chose de complètement différent comme un cancer ou un accident de voiture. Regardez la différence que cela fait :

L’État de New York offre une illustration classique de la manière dont il est possible d’élargir la définition de « décès par maladie redoutée » pour créer l’apparence d’une pandémie apocalyptique super effrayante et unique dans l’histoire. Il suffit de regarder la magnifique définition ouverte suivante pour un décès « probable » dû au Covid :

ATTENTION : Il est absolument impératif de ne JAMAIS, JAMAIS, JAMAIS – JAMAIS !!! – expliquer publiquement, dans un langage clair et concis, comment vous manipulez l'opinion publique. L'erreur irréparable commise en 2020 par la directrice de la santé publique de l'Illinois, le Dr Ngozi Ezike, est le genre de chose qui vous vaut un aller simple pour le Goulag : elle a en effet déclaré ceci lors d'une conférence de presse publique (voir la vidéo ci-dessous) :

« La définition de cas est donc très simpliste. Elle signifie qu'au moment du décès, le diagnostic était positif au Covid. Cela signifie donc que si vous étiez en soins palliatifs et que l'on vous avait déjà donné quelques semaines à vivre et que l'on vous a également diagnostiqué le Covid, cela serait comptabilisé comme un décès dû au Covid. Cela signifie que, techniquement, même si vous êtes décédé d'une autre cause évidente, mais que vous aviez le Covid en même temps, cela est toujours répertorié comme un décès dû au Covid. »

Elle a bien sûr fait ce qu'il fallait en utilisant une définition aussi large des décès dus au Covid, mais elle a bêtement et imprudemment laissé le chat sortir du sac pour que le monde entier le voie. C'est le genre de bévue imprudente qui peut démolir toute une campagne de propagande du jour au lendemain. Et aussi le genre de chose qui peut mettre fin à une carrière (ou pire) :

 I-3. Inventer une toute nouvelle définition

Il n’est parfois tout simplement pas possible de dissimuler la compréhension commune d’un mot en jouant simplement avec la définition à la marge. Dans ce cas, vous pouvez prendre la décision courageuse de redéfinir un mot, un concept ou une catégorie dans son ensemble pour répondre à vos besoins de propagande. Sachez simplement qu’il peut être un peu plus difficile de convaincre les gens que l’ancienne définition est le fruit de leur imagination.

Prenons l'exemple du CDC (oui, nous allons citer le CDC à maintes reprises ; après tout, c'est l'organisation de propagande sanitaire la plus importante au monde), qui a changé la définition de « vaccination » plusieurs fois sur une période de 6 ans :

Note : Le tweet ci-dessus illustre la nécessité de contrôler les parlementaires dissidents susceptibles de contester vos efforts de propagande, voire de les dénoncer. Vous n'avez pas besoin du casse-tête supplémentaire que représente la diffusion publique, depuis l'hémicycle ou le Parlement, de preuves flagrantes de votre manipulation linguistique (ni du cauchemar encore plus grand d'être exilé en Sibérie pour avoir laissé une telle chose se produire).

Il arrive parfois que l'on se retrouve piégé par le sens courant des mots, qui mettent en lumière un aspect qu'il est impératif de ne pas révéler. Dans ce cas, une modification fondamentale de l'essence même de la langue s'impose. Il s'agit d'une solution de dernier recours, à utiliser lorsqu'il est impossible de dissimuler quoi que ce soit autrement, et qu'il est tout aussi impératif de ne pas le faire. ( Attention ! Une telle entreprise audacieuse s'accompagne de difficultés considérables, car nombreux sont ceux qui s'opposeront à une transition linguistique aussi radicale et ouverte – à l'instar des luddites réfractaires aux changements de genre .)

Prenons par exemple le terme « manifestation pacifique » :

Bien sûr, « limité » est un terme subjectif dont les contours précis sont mal définis, ce qui vous donne une grande latitude pour appliquer la description à presque tout, peu importe à quel point l'application est incohérente ou inadaptée, comme en témoigne ce reportage médiatique réel qui n'a pas besoin d'être décrit plus en détail :

I-4. Combiner les catégories

Parfois, il n'est pas pratique ou faisable de modeler les données simplement en changeant les définitions. Mais ne vous inquiétez pas : si vous ne pouvez pas changer la définition, vous pouvez à la place changer le point de données ou la catégorie elle-même à laquelle les gens sont habitués. Les gens ne sont pas sensibles aux différences subtiles ou nuancées entre les catégories ou les points de données, et les médias confondent de toute façon la plupart des choses, ce qui rend cette astuce facile et pratique. Par exemple, vous pouvez essayer :

• Combiner différentes tranches d'âge :

Supposons que le vaccin transforme un groupe d'enfants en zombies. Ce serait plutôt mauvais pour le régime. (Ce qui signifie que vous devriez réaffecter quelques scientifiques à une station de recherche climatique en Antarctique pour le reste de leur carrière. Sans chaussettes.)

Tout d'abord, vous devez toujours désigner cette nouvelle condition comme « Transformation sûre et efficace en zombie carnivore ». La raison du terme « carnivore » est simple : « zombie mangeur de chair » est trop effrayant, et le simple mot « zombie » donne l'impression que les zombies sont fondamentalement morts – autrement dit, que les enfants sont morts – ce qui n'est pas l'impression que vous souhaitez transmettre. ( Bien que notre exemple hypothétique ait peu de chances de se réaliser en pratique, le principe est pertinent et applicable à toute situation : vous devez toujours nommer les choses de manière à communiquer l'impression que vous voulez que les gens en retirent. )

Deuxièmement, comme le taux de zombification dans la cohorte des 12-17 ans est si élevé qu'il est évident pour quiconque examine les données (graphique ci-dessous), vous devrez probablement faire face à ce problème. Ainsi, au lieu de présenter les données ventilées par âge, où les gens remarqueront immédiatement la montée de la zombification des enfants, présentez les données sous forme de groupe d'âge combiné suffisamment important pour masquer ou dissimuler le signal :

Désormais, personne ne remarquera que les données montrent un risque clair pour les enfants d’être transformés en zombies carnivores par le Glorieux Vaccin.

Ou inversement, en supposant que les jeunes ne meurent pas de cette terrible maladie à un taux suffisamment élevé pour effrayer les mamans, on peut présenter des données sur les décès dus à cette terrible maladie pour un groupe d'âge combiné de 0 à 50 ans, ce qui donne l'impression qu'il y a énormément de décès dans un groupe qui inclut les enfants :

• Combinaison de différentes cohortes démographiques :

Même idée que pour les groupes d’âge ; supposons que vous ayez besoin d’éviter que les citoyens se rendent compte que la maladie redoutée n’est en réalité dangereuse que pour les personnes souffrant d’obésité morbide – ce qui est mauvais :

• Tout d'abord parce qu'ils n'auront pas peur de la terrible maladie
  • deuxièmement parce que les gens pourraient commencer à se demander si la graisse est saine, ce que vous ne pouvez pas permettre, car ils pourraient commencer à remettre en question le discours du régime concernant la « positivité de la graisse » et qui sait quoi d'autre après.

Vous devez donc simplement présenter les données sur les décès dus aux maladies redoutées en utilisant une catégorie combinée qui couvre tous les types d'identités de poids :

• Combiner différentes périodes de temps

Supposons que vous remarquiez que le nombre de décès dus à la maladie redoutée diminue de mois en mois – ce qui peut être catastrophique pour les plans du régime qui obligent les gens à croire que la pandémie de maladie redoutée est en pleine circulation pendant encore quelques mois. Si les gens pensent que la maladie redoutée est en train de disparaître, eh bien, ce sera une occasion manquée d’utiliser la crise de la maladie redoutée comme un moyen de réaliser une transformation sociétale pour consolider et solidifier le pouvoir du régime.

Ainsi, au lieu de présenter les données sur les décès par mois, il faudrait combiner les trois mois dans une nouvelle catégorie de « moyenne mensuelle sur les trois mois » qui masquera la diminution de janvier à mars, illustrée ci-dessous :

• Combiner différentes juridictions géographiques

Supposons qu'il existe un État voyou dans le pays qui crée des problèmes au régime qui ne suit pas les directives du régime pour faire face à la maladie redoutée, que nous appellerons le Santistan de la Mort. S'ils montrent des résultats meilleurs ou même égaux au reste du pays où ils sont de bons citoyens et suivent les directives du régime, ce serait plutôt mauvais. Supposons en outre qu'il existe une ville ou un comté dans ce mauvais État qui est un comté loyal au régime qui suit toutes les directives du régime mais dont le taux de mortalité est bien plus élevé que le reste du Santistan de la Mort. Ce qui est très très mauvais. Solution ? Vous pouvez présenter des données de l'ensemble de l'État afin que les gens ne puissent pas dire que le comté loyal qui suit les directives du régime a un taux de mortalité 10 fois supérieur à celui du reste de l'État. Il y a même un avantage supplémentaire : vous pouvez pointer du doigt l'ensemble de l'État du Santistan de la Mort comme un échec parce que le comté loyal au régime fera paraître l'ensemble de l'État bien pire !

Combiner toutes les villes et tous les comtés d’un État déloyal pour cacher les problèmes propres aux villes du régime loyal est l’une des tactiques de propagande les plus utilisées pour tenter de cacher des informations peu flatteuses telles que les taux de criminalité beaucoup plus élevés dans les villes fidèles au régime par rapport aux villes contrôlées par l’opposition maléfique.

( Encadré : Un taux de criminalité élevé est bien sûr une bonne chose, c'est un choix délibéré du régime – un taux de criminalité élevé est utile au régime car l'instabilité rend les gens plus enclins à accepter un gouvernement tyrannique comme solution. )

Pour illustrer cela, voici un brillant exemple de manipulation mentale de la part d’un des principaux porte-paroles du régime :

Regardez le sous-titre dans l'encadré rouge : voyez comment ils accusent habilement les États rouges des taux de criminalité élevés qui se concentrent dans les villes bleues de ces États, mais pas dans le reste de l'État où le gouvernement est « rouge » ? Exactement.

• Combinaison de différents types d’effets ou de phénomènes. Par exemple, s’il y a une augmentation d’un sous-type spécifique de maladie – comme une augmentation alarmante des cancers rares après le déploiement du Glorieux Vaccin, ce qui pourrait amener les gens à remettre en question le récit officiel du régime selon lequel le Glorieux Vaccin est l’entité la plus sûre jamais créée ou découverte dans l’histoire universelle – vous pouvez utiliser la catégorie générale du cancer – qui est 1,000 XNUMX fois plus grande – pour masquer le signal.

Une autre façon de penser à la combinaison des catégories est de ne jamais divulguer les données spécifiques aux différents groupes ou sous-ensembles, ce qui a été fait à la perfection lorsque le Covid a frappé. Considérez les résultats du sondage suivant, montrant la part des décès dus au Covid pour chaque groupe d'âge côte à côte avec le pourcentage de chaque groupe d'âge qui craignait d'être tué par le Covid. (Les barres bleues indiquent le pourcentage de chaque groupe d'âge qui craignait d'être tué par le Covid, les barres vertes indiquent le pourcentage du nombre total de décès dus au Covid dans chaque groupe d'âge.)

Si les gens avaient compris quel était leur risque réel de mourir, les barres bleues devraient être au moins du même ordre que les barres vertes. Lorsque les barres bleues sont nettement plus élevées, c'est le résultat d'une propagande brutalement efficace qui consiste à regrouper tous les groupes d'âge en une seule catégorie sans jamais faire de distinction :

Un succès retentissant en effet !!

I-5. Catégories divisées

Parfois, vous aurez besoin de scinder une catégorie au lieu de la combiner avec une autre. Il suffit d'inverser le schéma présenté ci-dessus pour combiner des catégories.

Cette petite manœuvre astucieuse est particulièrement utile lorsque vous devez obtenir quelque chose en dessous du seuil de signification statistique.

Étant donné que la signification statistique est un concept très important dans les données et la science, c'est une bonne idée d'expliquer comment cela fonctionne.

La signification statistique telle qu'utilisée dans le langage médical universitaire/scientifique conventionnel signifie fondamentalement que la probabilité que quelque chose ne soit pas dû au hasard est inférieure à 5 %.

Si vous lancez une pièce 10 fois , la probabilité d'obtenir 7 fois pile par pur hasard est de 11.72 %, ce qui n'est PAS statistiquement significatif. Si vous lancez une pièce 100 fois, la probabilité d'obtenir 70 fois pile par pur hasard est infime (0.0023 %), ce qui est TRÈS significatif statistiquement (car bien inférieur à 5 %). Cela signifie que ce résultat n'est pas raisonnablement attribuable au hasard, mais plutôt à un facteur spécifique (comme la tricherie) qui a fait que la pièce a obtenu 70 % de piles.

Pourquoi ? Pour obtenir 7/10, il suffit de lancer deux pièces supplémentaires pour que vous puissiez gagner. De petits écarts comme celui-ci peuvent facilement se produire au hasard. Cependant, pour obtenir 70/100, il faut lancer 20 pièces supplémentaires pour que vous puissiez gagner. Les chances d'obtenir *20* lancers de pièces supplémentaires sur un total de seulement 100 par hasard sont négligeables. Donc, si nous obtenons 70 faces sur 100 lancers, nous pouvons présumer qu'il y a une sorte de tricherie, car il est très peu probable que cela se produise par hasard.

Vous pouvez utiliser cela à votre avantage pour diviser et conquérir un signal statistiquement significatif – vous pouvez diviser une catégorie où il y a un signal statistiquement significatif pour quelque chose contre la doctrine du régime en catégories plus petites afin de diviser le signal de « 70/100 » en un groupe de « 7/10 » qui ne sont individuellement pas statistiquement significatifs.

Ainsi, si par exemple il y a un signal indiquant qu'il y a plus de décès pour 100 XNUMX habitants par an après la merveilleuse et glorieuse campagne de vaccination, vous pouvez publier les données sur les décès ventilées par groupe d'âge, où aucun groupe d'âge ne montrera une augmentation statistiquement significative des décès (et vous pouvez affirmer qu'il s'agit probablement d'un excès de décès résiduel dû à la « maladie redoutée depuis longtemps » due aux complications de la contamination par la maladie redoutée) :

Avertissement : Cette tactique devrait idéalement être combinée à une autre ; sinon, il serait possible de reconstituer la répartition en effectuant un simple calcul pour additionner tous les groupes d’âge. Veillez donc à utiliser d’autres méthodes pour brouiller les pistes.

I-6. Redistribuer/Redessiner les catégories

Une alternative plus fine à la combinaison pure et simple des catégories consiste à les redistribuer – à redessiner les lignes en quelque sorte. Cela peut être fait en utilisant n’importe quelle caractéristique par laquelle les catégories sont différenciées.

Pour illustrer, en revenant à notre exemple de l’État maléfique et déloyal du Death Santistan, au lieu de combiner l’ensemble de l’État en une seule statistique à l’échelle de l’État, vous pouvez redessiner subrepticement les limites géographiques des comtés à l’intérieur de l’État aux fins des données sur les maladies redoutées comme ceci – regardez ce qui se passe lorsque nous changeons les frontières des comtés en lignes vertes :

Remarque : Il ne s’agit pas de redessiner littéralement les frontières des comtés à des fins politiques ou autres, comme le découpage des circonscriptions électorales ; il s’agit simplement d’utiliser des limites différentes dans le seul but de falsifier les statistiques relatives à cette maladie redoutable. (La population, cependant, supposera que vous faites référence aux comtés existants et ne se rendra donc pas compte de la supercherie. C’est ce qu’on appelle de la propagande, après tout.)

I-7. Définitions des fluides

Il peut arriver que vous ressentiez le besoin paradoxal d'utiliser une définition spécifique pour une chose, mais que vous deviez également éviter cette définition spécifique pour autre chose. Dans de tels cas, vous devez agir comme un dictionnaire – les dictionnaires ont généralement plusieurs définitions distinctes pour un même mot, vous pouvez faire de même.

Par exemple, le mot « femme » est parfois défini comme « un être humain adulte qui possède des caractéristiques anatomiques et génétiques féminines », par exemple lorsqu’on discute du droit d’une femme à choisir ; et est parfois défini comme « une personne qui s’identifie comme femme », par exemple dans le contexte des sports organisés.

Section II – Conservation des données

Mieux encore que d’utiliser des définitions malléables, il est préférable d’éviter les situations qui nécessitent un changement de définition en premier lieu.

La meilleure façon d’éviter de tels problèmes est de gérer les données de manière à éviter de créer des maux de tête potentiels, en utilisant une ou plusieurs des méthodes éprouvées suivantes pour détourner de manière corrompue la conservation, l’organisation et la présentation des données.

II-1. Ne diagnostiquez pas ou n'identifiez pas quelque chose

Si un patient arrive souffrant de multiples déficits neurologiques après avoir pris le vaccin glorieux et est renvoyé chez lui avec une prescription de Xanax pour son « anxiété », cela ne générera pas de diagnostic de déficit neurologique en premier lieu dans aucune base de données. L’absence de diagnostic d’une condition qui aurait pu être causée par le vaccin glorieux – ou de code de diagnostic dans une grande base de données gouvernementale ou d’assurance – signifie que vous devrez employer un tour de passe-passe définitionnel pour dissimuler l’existence de blessures diagnostiquées associées au vaccin glorieux. Vous devez donc vous assurer que les personnes chargées de diagnostiquer ou d’identifier les données/observations problématiques ou contradictoires concernant le vaccin glorieux parfaitement sûr et efficace éviteront de le faire.

Il convient de souligner ici que les patients sont facilement manipulés par leurs propres médecins qui leur font croire que « tout est dans leur tête », même lorsqu'ils savent qu'ils souffrent de lésions médicales graves et invalidantes qui les rendent complètement incapables de fonctionner au quotidien.

Illustrons cela avec le scénario hypothétique suivant :

Les responsables du régime constatent que dans la base de données de surveillance de la sécurité PROPAGANDA contrôlée par le gouvernement et mise en place pour surveiller la sécurité du glorieux vaccin –

– il existe un signal pour les conditions du syndrome VAMP ( phénomènes métamorphologiques associés à la vaccination ) :

Un patient se présente au cabinet médical avec un syndrome de Renfield d'apparition brutale (soif de sang), une photosensibilité extrême, une macrodontie prononcée et une dermatite de contact sévère à l'argent, symptômes apparus quelques heures seulement après l'injection du Glorieux Vaccin. Il s'agit d'un cas évident d'effet secondaire du syndrome VAMP : le tableau clinique du patient correspond aux critères diagnostiques du vampirisme avéré et cette affection est imputable au Glorieux Vaccin (puisque le médecin peut exclure toute autre cause et que l'apparition immédiate des symptômes après l'injection est un indice assez clair que le Glorieux Vaccin en est à l'origine).

Même si le patient voit qu'il n'est pas dans son état normal - il ressent une tentation irrésistible de mordre dans votre veine jugulaire qui palpite, il ne supporte pas d'être devant une fenêtre à moins que les stores ne soient complètement tirés, il s'est accidentellement arraché quelques morceaux de langue avec ses nouvelles dents de devant extra-longues et acérées comme des rasoirs, et sa peau commence à peler s'il touche les objets de famille argentés - et alors ? Vous pouvez toujours dire au patient : « C'est dans ta tête » et le renvoyer chez lui avec une ordonnance de Xanax (et peut-être un ou deux sachets de sang O-négatif si vous sentez que le patient risque de ne plus être capable de se contrôler beaucoup plus longtemps et que vous ne voulez pas que votre veine jugulaire lui fournisse son déjeuner). Et le patient l'acceptera et rentrera chez lui sans trop se battre.

Cela évite même de générer un quelconque enregistrement de diagnostic du syndrome VAMP, de sorte qu'il n'y a rien à afficher dans aucune base de données, où que ce soit.

Vous seriez surpris du nombre de médecins qui se laissent convaincre au point que la femme poilue avec une queue apparue de nulle part une heure après avoir reçu le Glorieux Vaccin n'a absolument rien à voir avec ce même Glorieux Vaccin.

( Remarque : Plus sérieusement, il est important de trouver des acronymes ou des noms accrocheurs pour les choses, afin de donner l'impression que vous voulez que les gens les perçoivent. N'utilisez donc pas cet exemple dans la vraie vie, car il laisse entendre que vous ne prenez pas la surveillance de la sécurité au sérieux et incite les gens à croire que vous essayez de dissimuler les véritables problèmes de sécurité liés au Glorieux Vaccin.)

II-2. Surdiagnostiquer ou suridentifier quelque chose

À l’inverse, si vous devez produire plus de quelque chose que ce qui est disponible, inversez simplement le point 1. Par exemple, si vous souhaitez que les gens aient plus peur de la maladie redoutée, vous pouvez mettre en place un programme de tests de masse pour augmenter le nombre de cas « confirmés » de la maladie redoutée. Assurez-vous également d’utiliser des tests qui donneront des taux très élevés de positifs, qu’ils soient vrais ou non.

En augmentant la surveillance ou les tests pour un certain virus, vous pouvez donner l’impression que le nombre de tests augmente, ou au moins maintenir l’illusion que le virus existe toujours. Prenons l’exemple suivant des bons vieux États-Unis : vous pouvez voir sur le graphique du haut qu’à mesure que le nombre de tests Covid quotidiens augmentait, le pourcentage de tests positifs chutait de plus de 75 % (graphique du bas). Cela a permis de maintenir le nombre de cas relativement élevé (graphique du milieu), de sorte que même si le pourcentage de tests positifs diminuait de plus de 75 %, le nombre de nouveaux cas n’a diminué que d’environ 25 % au cours de cette même période.

L'augmentation insignifiante du nombre brut de cas, qui était entièrement due à davantage de tests, a néanmoins donné lieu à des gros titres comme ce grand article de panique pornographique de NBC publié le 11 juin 2020 :

N'oubliez pas : on trouve ce que l'on cherche, et on trouve davantage ce que l'on cherche.

II-3. Ne signalez pas ce qui est diagnostiqué ou identifié

Il n'est parfois pas possible d'éviter de diagnostiquer ou d'identifier quelque chose qu'il vaut mieux ne pas découvrir. Dans un tel cas, vous pouvez au moins vous assurer que ce qui a été observé n'est pas inclus dans les rapports ou données officiels :

À un niveau plus individualisé, vous devriez donner des conseils aux médecins, au personnel médical et au personnel administratif sur le terrain pour qu'ils NE diagnostiquent PAS des choses que vous ne voulez pas voir apparaître dans les ensembles de données. N'hésitez pas à utiliser des incitations financières pour récompenser les médecins fidèles et respectueux du régime. Ne soyez pas radin ici – la prévention est presque toujours moins chère (et moins stressante) que la résolution des problèmes une fois qu'ils sont déjà apparus.

Même dans les rares cas où un médecin ne peut éviter de diagnostiquer un patient atteint d’une maladie grave survenue juste après la prise du vaccin Glorious, le médecin peut toujours s’assurer d’éviter de signaler l’événement indésirable à une base de données des blessures causées par le vaccin Glorious.

Alternativement, si la base de données du régime destinée à documenter les blessures causées par le Glorieux Vaccin finit toujours par contenir trop de rapports problématiques qui jettent le doute sur sa sécurité, vous devez faire deux choses.

La première consiste à bloquer quelques administrateurs de bases de données le long de la côte somalienne où les pirates se trouvent, afin que les autres se ressaisissent et cessent de laisser passer autant de rapports. Vous les payez pour faire un travail, qui consiste à maintenir l'opinion publique selon laquelle le vaccin est le médicament le plus sûr jamais inventé ; l'échec n'est pas acceptable.

La deuxième solution consiste à NE PAS divulguer publiquement les rapports problématiques contenus dans la base de données. Le CDC a fait de son mieux, mais a finalement été battu par un juge incompétent (ce qui souligne également la nécessité d'avoir un contrôle sur le système judiciaire) :

II-4. Ne pas autoriser l'investigation de phénomènes dont les résultats pourraient poser problème

L’autre revers de la médaille, c’est que « vous trouverez ce que vous cherchez », c’est que « vous ne trouverez pas ce que vous ne cherchez pas ». Il faut donc s’assurer que personne ne cherche des signaux potentiels qui pourraient être problématiques pour le récit du régime. Si, par exemple, le régime déclenche « accidentellement » une épidémie dans une ville du tiers monde, vous ne pouvez pas laisser des théoriciens du complot embêtants sur les réseaux sociaux découvrir ce qui s’est passé. Il vaut donc mieux s’assurer que personne ne procède à des autopsies ou ne teste les personnes malades.

Le CDC offre une autre illustration d’une bonne réflexion stratégique préventive pour empêcher l’accès à des données potentiellement nuisibles au régime :

Le CDC, avec une grande perspicacité, n'a toujours pas commandé une seule autopsie parmi les milliers de décès recensés dans sa propre base de données de surveillance de la sécurité des vaccins, le VAERS. ( Vous souvenez-vous de la section I, où il était question d'ajouter des conditions absurdes aux définitions ? Si ce n'est pas le cas, il est préférable de revoir le document pour bien le maîtriser. )

II-5. Ne publier qu'une partie des données dans un premier temps

Il arrive souvent qu'en publiant simplement une partie des données et en laissant de côté l'autre pour plus tard, on crée un faux récit qui prend racine. Ainsi, lorsque vous publierez enfin le reste des données, il n'y aura aucune importance si elles contredisent les fondements de ce qui est désormais devenu un dogme accepté.

Par exemple, si vous devez présenter la maladie redoutée comme étant plus répandue qu'elle ne l'est en réalité, vous pourriez suivre l'exemple des propagandistes de pointe de Virginie et retenir certains des résultats de tests négatifs pendant un certain temps afin d'augmenter le pourcentage de résultats de tests positifs - ce qui donne l'impression que davantage de personnes sont malades de la maladie redoutée :

Un autre scénario dans lequel vous pouvez utiliser la technique de publication partielle de données avec beaucoup d’efficacité est celui où vous vous trouvez obligé de divulguer des données pour une raison quelconque qui va faire passer le régime pour un mauvais (cela arrive). Vous voulez donc retarder la publication des informations vraiment dommageables le plus longtemps possible – si vous attendez suffisamment longtemps, elles finiront par ne plus être pertinentes. De plus, si vous publiez tout d’un coup, le facteur de choc sera énorme et vous vous retrouverez avec un gros gâchis sur les bras. Cependant, si vous publiez les informations au compte-goutte, au moment où les éléments scandaleux sont publiés, le facteur de choc « wow » s’est déjà dissipé depuis longtemps et les gens n’y prêteront plus autant attention. Cette tactique a été tentée par la FDA, bien qu’elle ait été en grande partie contrecarrée par le juge voyou (soulignant le besoin crucial d’un contrôle judiciaire pour empêcher les juges renégats de se montrer voyous envers le régime) :

II-6. Limiter les sources acceptables de données ou d’informations

Lorsque des sources génèrent des données qui ne correspondent pas au discours du régime (cela arrive de temps en temps malgré tous vos efforts), discréditez-les simplement en les qualifiant de propagande ou de quelque chose d’autre de peu crédible et dangereux, comme des robots russes. (En règle générale, vous pouvez toujours rejeter la faute sur la « désinformation russe » ou l’attribuer à cette dernière en cas de besoin.)

La base de données VAERS gérée par le CDC est un exemple parfait de cette tactique. Lorsque le VAERS a montré un nombre totalement insensé de blessures causées par le vaccin Covid –

– l’ensemble de l’appareil scientifique a tout simplement qualifié le VAERS de théorie du complot utilisée pour diffuser de dangereuses informations :

Si toutefois ces données proviennent d'ensembles de données du régime qu'il est trop difficile de simplement rejeter comme des déchets non scientifiques (oui, cela arrive), alors cessez de les publier et discréditez-les plutôt en les présentant comme étant mal construites et truffées d'erreurs fatales.

Nous pouvons utiliser l'UKHSA pour illustrer ce principe. Après que l'efficacité brute du vaccin soit tombée en territoire négatif pour presque tous les groupes d'âge (les personnes vaccinées présentant un risque PLUS ÉLEVÉ de contracter la Covid par rapport aux personnes non vaccinées), l'UKHSA a tout simplement cessé de publier les données hebdomadaires sur l'efficacité du vaccin :

L'UKHSA propose également un avertissement sur ce qui se passe lorsque vous attendez trop longtemps pour débrancher des ensembles de données problématiques :

Vous ne pouvez pas avoir des gros titres comme ceux-là chaque semaine !! Ils auraient dû retirer la prise de cet ensemble de données bien avant que les vaccinés ne commencent à attraper le Covid plus que les non vaccinés. C'est une erreur non forcée, le genre d'erreur idiote pour laquelle des têtes tombent, littéralement. Pourquoi diable ont-ils attendu que l'efficacité du *booster* pour les octogénaires soit sur le point de devenir négative ? Quelqu'un à l'UKHSA n'a pas lu ce livre depuis un moment, qui aurait clairement bénéficié d'une petite critique. . .

II-7. Utiliser deux poids deux mesures pour déterminer quelles informations sont rigoureuses et crédibles

Certains propagandistes peuvent hésiter à se montrer ouvertement hypocrites, car ils se sentent exposés en postulant ouvertement deux normes irréconciliables que même certains paysans ordinaires peuvent remarquer. Vous devez cependant lutter contre cette envie. Comprenez que l'utilisation de deux poids deux mesures augmente exponentiellement vos options lorsqu'il s'agit d'élaborer des arguments et des positions pour manipuler le public.

Cela est particulièrement vrai en ce qui concerne les anecdotes. Les anecdotes qui soutiennent les arguments du régime, en particulier celles provenant de sources approuvées par le régime, doivent être considérées comme la forme de preuve la plus élevée ; tandis que les anecdotes provenant de sources hérétiques ou non approuvées qui contredisent la propagande du régime doivent être dénoncées comme étant purement anecdotiques et n'ayant aucune valeur probante et ne comptant absolument pas.

Ainsi, les anecdotes de médecins complaisants et de citoyens loyaux sur la maladie redoutée qui tuent et mutilent des gens sont des preuves irréfutables, mais les anecdotes sur les blessures ou les décès causés par le glorieux vaccin ne sont rien d'autre que des coïncidences aléatoires, voire des fabrications pures et simples, poussées par de vils charlatans afin de diffamer le régime et de mettre en danger toutes les bonnes personnes partout dans le monde qui veulent simplement rester en vie et en bonne santé :

L’utilisation ouverte de deux poids deux mesures présente également l’avantage crucial de conditionner la population à l’idée que la véritable norme pour déterminer si des données ou des informations sont fiables est simplement ce que dit le régime.

II-8. Corrompre les données pour protéger ou renforcer votre récit

Parfois, la tactique la plus simple pour éviter les données problématiques consiste simplement à inventer de fausses données. Vous pouvez inventer quelque chose de toutes pièces. Ou vous pouvez adopter une approche plus nuancée et corrompre les données en introduisant des défauts ou des biais subtils qui sont plus difficiles à remarquer pour une personne moyenne. Il existe une infinité de façons de fabriquer ou de falsifier des données, bien trop nombreuses pour être énumérées ici. Veillez simplement à falsifier les données d'une manière qui ne soit pas facilement découverte ou inversée.

Par exemple, pour revenir à notre situation hypothétique précédente, où il faut faire croire à la population qu’il y a beaucoup plus de cas d’une maladie redoutée qu’il n’y en a en réalité, une autre façon de présenter la maladie redoutée comme plus répandue est de combiner le nombre de personnes actuellement malades avec le nombre de personnes déjà guéries. C’est exactement ce qu’ont fait les CDC en combinant les tests d’anticorps (qui mesurent le nombre de personnes déjà guéries du Covid) avec les tests PCR (qui mesurent le nombre de personnes actuellement malades) dans une seule mesure de « résultat positif au test Covid », en incluant de manière détournée toutes les personnes déjà guéries comme étant ACTUELLEMENT malades :

Remarquez les phrases soulignées ci-dessus, elles sont assez révélatrices.

La phrase soulignée en vert – « La méthode du CDC donne l'illusion que les États-Unis ont une capacité de dépistage supérieure à la réalité » – illustre comment le CDC a brillamment exploité cette manœuvre pour tirer profit de sa propagande. Non seulement ils ont créé l'illusion d'un taux d'infection actif bien plus élevé, mais ils ont aussi créé l'illusion que le gouvernement disposait d'une capacité de dépistage bien supérieure à la réalité. (Il est bon de mettre en avant les exemples de compétence gouvernementale, étant donné la réputation légendaire d'incompétence du gouvernement, une des idées reçues les plus difficiles à réfuter.) Un propagandiste habile cherche toujours à exploiter d'autres leviers pour obtenir des avantages, au lieu de se contenter de l'objectif principal de sa tactique de propagande.

La phrase soulignée en rouge – « Les chiffres peuvent donner l’impression que les États ont suffisamment de capacités de test et sont prêts à lever les restrictions, alors que ce n’est peut-être pas le cas » (et en fait les deux derniers paragraphes) – offre une leçon sagace sur la façon de couper les épines potentielles dans l’œuf. Vous devez toujours – toujours !! – être vigilant pour éviter *toute* implication potentielle ou toute interprétation rapide d’informations qui, même si elles sont généralement favorables au régime, contiennent également quelque chose qui peut être déformé pour saper un autre aspect du récit officiel du régime. En gros, vous pouvez avoir le beurre et l’argent du beurre ! Appréciez ici la façon dont le scientifique du régime cité parvient habilement à simultanément (1) exprimer son approbation de l’augmentation de la capacité de test comme une mesure de la compétence extraordinaire du régime ; (2) imputer la responsabilité de l’« accident » [intentionnel] au parti politique dissident ; et (3) avertir que même si l’État fait un travail formidable en rendant les tests largement disponibles, cela ne signifie pas qu’il est sûr de rouvrir ! N'oubliez pas qu'il faut entretenir une pandémie, ce que fait avec brio ce scientifique du régime. (Assurez-vous de récompenser généreusement les scientifiques du régime pour un travail remarquable comme celui-ci. Cela incitera les autres à améliorer leur jeu et c'est bon pour le moral.)

Il faut également noter que les médias sont des alliés essentiels du régime, sans lesquels vous échouerez. Faites donc ce que vous devez faire pour entretenir ces relations chaleureuses – ne commencez pas à lésiner sur les moyens.

II-9. Supprimer les données problématiques

Ouais. C'est comme les emails d'Hillary Clinton qui se font blanchir par l'eau de Javel. Il est bon de purger de temps en temps les bases de données des données qui ne correspondent pas aux discours ou aux positions du régime ; sinon, elles pourraient s'accumuler et devenir une tendance perceptible qui pourrait être remarquée par les dissidents du régime ou les propagateurs de désinformation.

Ainsi, si, par exemple, la base de données de sécurité du Glorious Vaccine contient trop de rapports, supprimez-les simplement, comme le fait le CDC, comme l'illustre le graphique ci-dessous montrant le nombre de rapports VAERS problématiques supprimés par le CDC chaque semaine :

Notez que dans ce cas, les employés du VAERS du CDC ont été sous-performants la plupart du temps – vous ne pouvez pas permettre au personnel essentiel de se relâcher. Ce graphique entier devrait afficher des barres jusqu'en haut – il n'y a aucune raison valable pour qu'ils n'aient pas pu supprimer de nombreux rapports VAERS en août 2021 comme ils l'ont fait en avril et mai 2022. Si vous devez embaucher du personnel supplémentaire pour gérer la suppression des rapports, faites-le.

De plus, pourquoi ces fainéants ont-ils permis à tant de rapports de s'accumuler en premier lieu ? Il ne devrait même pas y avoir suffisamment de rapports dans une telle base de données pour qu'il soit alors nécessaire de procéder à des purges massives hebdomadaires desdits rapports.

La leçon la plus importante de ce livre est peut-être celle-ci : les détails logistiques ennuyeux, fastidieux et répétitifs de la diffusion et du maintien de la propagande sont tout aussi cruciaux qu’un grand mensonge d’envergure ou qu’une prouesse linguistique époustouflante.

Vous devrez peut-être faire preuve de créativité pour trouver une justification ou une explication à ce sujet si les gens découvrent qu'il manque des données, alors assurez-vous d'avoir des points de discussion préparés à l'avance, au cas où.

Un autre excellent exemple de suppression sournoise de données en action est la brillante suppression suivante entreprise par le gouvernement australien pour éliminer des données climatiques gênantes montrant des records de chaleur qui se sont produits il y a trop d'années pour être imputés aux émissions de carbone humaines :

Malheureusement, ils ont été démasqués, ce qui est parfois inévitable lorsqu'on essaie de supprimer quelque chose de vraiment important et notable. C'est pourquoi il est impératif de disposer d'un système de goulag prêt et prêt à intervenir 24 heures sur 24 pour gérer une vague soudaine de nouveaux détenus à tout moment (comme dans les camps de quarantaine australiens).

II-10. Créez de fausses données qui semblent démystifier votre propre récit pour tromper et discréditer l'opposition

Face à une menace persistante d’informations qui corrode vos efforts de propagande, il s’agit d’une tactique habilement sournoise pour les dépouiller de leur autorité, de leur crédibilité et de leur influence. Il suffit de diffuser de fausses données qui semblent superficiellement démystifier le récit du régime, mais qui sont facilement réfutées. Les ennemis lâches de l’État s’empareront sans aucun doute de ces fausses informations ou données, et seront donc discrédités lorsque vous démontrerez qu’ils ont cru à ces affirmations désormais manifestement ridicules.

Par exemple, l'armée a utilisé sa base de données interne, DMED, recensant toutes les pathologies de ses militaires. Elle l'a délibérément bourrée de fausses données, créant un effet de surprise total et alarmant : on y voyait une augmentation massive et inquiétante de toutes sortes de maladies, comme des cancers, des fausses couches et d'autres affections associées aux vaccins contre la Covid-19. Lorsque quelques médecins militaires, pourtant courageux, ont découvert ces données, ils y ont cru sans sourciller… ce qui a mis fin à toute l'affaire. (Pour une chronologie détaillée et une explication complète, voir ici .)

II-11. Utilisez des images, des mèmes ou d'autres types de médias pour mentir avec audace et audace

Une grande partie de la perception publique de la science ou des données se résume à la présentation visuelle de la science ou des données – un bon mème ou une bonne image peut efficacement communiquer des données complètement fausses d’une manière qui laisse les gens avec la conviction que les fausses données sont absolument vraies à 100 %.

Par exemple, si vous voulez montrer que les taux et la gravité des myocardites causées par la maladie redoutée sont considérablement pires que les taux et la gravité des myocardites causées par le vaccin miraculeux, alors que c'est exactement le contraire , vous pourriez créer une image percutante comme celle-ci :

Désormais, les gens associeront instinctivement la « maladie redoutée de la myocardite » à une apocalypse massive de type champignon atomique, tandis que la myocardite provoquée par le glorieux vaccin sera une toute petite piqûre d'épingle qui n'apparaît même pas sur le graphique.

II-12. Créer des visualisations de données qui déforment les données

Parfois, vous ne pouvez pas vous empêcher de publier des données qui sont vraiment, vraiment mauvaises (pour le régime ou la science™️). Mais heureusement pour vous, la plupart des gens (et des universitaires) sont des idiots superficiels qui sont trop paresseux pour lire les mots imprimés à côté d'un tableau ou d'un graphique. Vous pouvez donc représenter les données de manière détournée dans un schéma de visualisation qui déforme ou cache ce que disent les données.

Prenons l'exemple d'une revue scientifique de référence : The Lancet . Cette revue a publié une étude estimant le nombre de décès dus au froid et à la chaleur extrêmes chaque année dans le monde. Les gouvernements du monde entier, soucieux de perpétuer l'illusion que le réchauffement climatique représente un danger mortel pour l'humanité, ont dû démontrer que le nombre de décès dus à la chaleur était supérieur à celui des décès dus au froid. À tout le moins, les deux nombres devaient être égaux. Ainsi, lorsque The Lancet a constaté que les décès dus au froid étaient dix fois plus nombreux que ceux dus à la chaleur (littéralement), la revue a dû trouver un moyen de créer un graphique masquant ce fait gênant. Ce qui a donné lieu au graphique ci-dessous, à gauche :

Les barres bleues représentent les décès dus au froid, les barres rouges représentent les décès dus à la chaleur. Plus la barre est grande, plus il y a de décès. Ils ont donc dû faire en sorte que les barres rouges soient aussi grandes que les barres bleues. Ils ont donc utilisé une petite astuce sournoise : si vous regardez les chiffres soulignés en violet qui traduisent la taille de la barre en un nombre spécifique de décès, vous verrez que pour les barres bleues (décès dus au froid), chaque centimètre de barre représente 50 décès, mais pour les barres rouges (décès dus à la chaleur), chaque centimètre de barre ne représente que 10 décès. Ainsi, une barre de la même taille représente 5 fois plus de décès dus au froid que de décès dus à la chaleur, même si elles se ressemblent. Mais les gens n'y prêtent pas attention et se disent simplement : « Oh, elles se ressemblent, donc il doit y avoir une proportion à peu près égale de décès dus à la chaleur et de décès dus au froid. » (Et ils ont même essayé d'insérer un intervalle géant à la fin où le dernier centimètre de barres rouges représente 210 décès au lieu de seulement 10 (flèche orange).)

S'ils avaient créé un graphique honnête qui utiliserait la même échelle pour les décès dus au froid et à la chaleur, il ressemblerait au graphique de droite. Le fait est qu'un seul coup d'œil à ce graphique vous donne la nette impression que le froid extrême est une menace bien plus grande que la chaleur extrême, ce qui pourrait conduire à des questions gênantes sur le fait de savoir si un peu de réchauffement climatique serait réellement bénéfique pour l'humanité.

Remarque : Lorsque vous utilisez cette tactique, essayez d'être plus subtil et discret que dans l'article du Lancet, où même un profane pouvait facilement déceler la supercherie.

Truquer la SCIENCE

« À cette fin, Lyssenko a commencé à « éduquer » les cultures soviétiques afin qu’elles germent à différentes périodes de l’année, notamment en les trempant dans de l’eau glacée. Il affirmait ensuite que les générations futures de cultures se souviendraient de ces signaux environnementaux et, même sans traitement, hériteraient de ces caractéristiques bénéfiques. » ^¹

Manipuler la science n'a rien de nouveau. Heureusement pour le propagandiste, la science est très facile à manipuler à volonté si vous êtes le régime. Il suffit de regarder les réalisations de Trofim Lysenko lorsqu'il avait le soutien du camarade Staline. Les sections suivantes détailleront ce que vous devez faire pour manipuler avec succès la science afin de soutenir le discours et les objectifs du régime.

La machine de propagande bien huilée de Big Pharma est une parfaite illustration d'une entreprise concertée et efficace de manipulation scientifique. Un groupe de scientifiques renégats ont conspiré ensemble pour expliquer précisément comment Big Pharma contrôle et manipule la science et les données à volonté :

De toute évidence, le fait que cet article soit encore accessible au public constitue un échec sidérant de la censure du régime. Dans un pays doté d'un gouvernement fonctionnel, tous les auteurs d'une attaque aussi audacieuse contre le régime (et les censeurs qui n'ont pas empêché sa publication et/ou ne l'ont pas retirée) seraient déportés au pôle Nord depuis longtemps.

Note : Ces auteurs décrivent avec justesse comment nous pervertissons la science pour servir les intérêts du régime. Des articles comme ceux-ci, bien qu’ils ne puissent évidemment pas être diffusés publiquement, sont parfaitement acceptables pour les propagandistes du régime afin de mieux comprendre comment mener une propagande efficace.

Il est également important de noter que les sociétés pharmaceutiques – « Big Pharma » – se conforment généralement aux règles du régime, mais si une société pharmaceutique devient « moins » conforme, vous devez bien sûr la poursuivre pour sa fraude ignoble. Veillez également à infliger de grosses amendes aux sociétés pharmaceutiques loyales tous les deux ou trois ans afin que la population pense que le régime entretient une relation conflictuelle avec Big Pharma et soit donc moins susceptible de se rendre compte que le régime et l’industrie pharmaceutique sont de mèche. Quelques milliards ne représentent pas un gros problème pour leurs bilans.

Section III – Vérification des données considérées comme scientifiques officielles

Soyez sélectif dans le choix des données incluses dans la science officielle. Les informations qui ont l'imprimatur d'être des informations scientifiques ont beaucoup plus de poids et de crédibilité auprès de la population, même de ceux qui refusent de se conformer au discours du régime (personne ne veut être considéré comme « anti-science » – c'est presque aussi grave qu'être raciste dans la société moderne).

III-1. Ne publiez pas d'études problématiques et, si elles sont publiées, rétractez-les

Le moyen le plus sûr d’empêcher la recherche scientifique officielle de démanteler le récit d’un régime est de le dépouiller de son caractère officiel. (Ensuite, vous le cachez là où personne ne peut y accéder et prétendez que, puisqu’il a été rétracté, cela montre qu’il s’agissait depuis le début de fausses informations scientifiques frauduleuses, promues par des hérétiques anti-science corrompus qui veulent s’enrichir en vendant d’étranges concoctions vitaminées.)

Il faut cependant agir rapidement, car si vous attendez trop longtemps, des copies de travaux scientifiques non approuvés peuvent circuler en secret parmi les non-croyants ou les hérétiques opposés au régime et acquérir un statut quasi mythique. Et une fois qu'une étude s'est ancrée dans l'expérience des gens comme une « véritable étude », la rétracter revient simplement à leur faire croire que vous cherchez désespérément à cacher la « vérité ».

Jetez un œil à toutes ces glorieuses rétractations d’études qui ont porté préjudice au récit du régime pendant le Covid (ce n’est que la première page sur 36) :

Imaginez combien de dégâts (en plus) ces études malveillantes auraient pu causer si elles avaient été autorisées à rester et n’avaient pas été rétractées !

Imaginez également combien d’autres études n’ont jamais vu le jour, car elles ne représentent qu’une petite fraction de la recherche hérétique (ou de la bonne science qui a accidentellement trouvé des résultats hérétiques).

III-2. Sélectionner les parties d’un ensemble de données qui représentent la « science officielle »

C'est incroyable à quel point on peut changer radicalement la science en utilisant simplement des parties sélectionnées d'un ensemble de données qui renforcent le récit du régime tout en rejetant (ou mieux encore, en masquant) les parties de l'ensemble de données qui ne sont pas en phase avec les positions du régime.

Par exemple, supposons que nous observions les deux tendances suivantes dans la base de données de surveillance de la sécurité PROPAGANDA du régime concernant le Glorieux Vaccin.

( Malheureusement, il faut faire semblant de surveiller la sécurité pour rassurer les citoyens inquiets qui s'inquiètent de toute nouveauté, et aussi pour avoir une réponse toute prête aux critiques potentielles et aux propagateurs de désinformation qui tenteront d'accuser le régime de dissimuler des données de sécurité problématiques. Et il faut faire semblant de prendre cela TRÈS au sérieux .)

Quoi qu'il en soit, supposons qu'il y ait 26,878 2 rapports sur des transformations sûres et efficaces en zombies mangeurs de chair par million de doses de vaccin glorieux administrées, mais seulement XNUMX rapports sur des personnes vaccinées tuées par des bactéries mangeuses de chair juste après avoir été vaccinées, comme ceci :

Il est impossible de faire en sorte que cela soit diffusé dans le débat public, ce qui encouragerait l'hésitation à se faire vacciner et amènerait les gens à douter du discours du régime en général, même sur d'autres sujets. Mais vous devez également démontrer que la base de données PROPAGANDA montre que les taux de blessures potentielles causées par le Glorious Vaccine sont négligeables. (Assurez-vous de souligner chaque fois que vous faites référence à la base de données de sécurité que ces rapports ne confirment pas que le Glorious Vaccine en était la cause, mais simplement une association potentielle.)

La solution ici est assez simple : utilisez uniquement les données montrant qu’il n’y a que 2 rapports de personnes infectées par des bactéries mangeuses de chair terrifiantes à cause du vaccin glorieux pour 100,000 26,878 doses. Les 100,000 XNUMX rapports pour XNUMX XNUMX doses de transformations sûres et efficaces en zombies carnivores doivent cependant être ignorés publiquement autant que possible, et lorsque vous ne pouvez pas éviter de les ignorer, vous devez les dénoncer comme des rapports non vérifiés, non scientifiques et donc dénués de sens, donc insignifiants. Et assurez-vous de réprimander les médias pour avoir osé vous poser des questions à ce sujet. (Idéalement, vous devriez conspirer avec un journaliste loyal au régime pour que ce soit lui qui pose la question, afin que la question puisse être soulevée de manière dédaigneuse, comme : « Certaines personnes marginales tentent de prétendre que le Glorieux Vaccin cause des dizaines de milliers de blessures sensationnelles, pouvez-vous expliquer comment ils déforment les rapports dans la base de données PROPAGANDA ? »)

De plus, n'utilisez jamais le mot « terrifiant » dans le contexte d'une situation où vous essayez de calmer les gens. Jamais. Même si ce que vous décrivez est objectivement terrifiant. Lorsque vous décrivez quelque chose qui est intrinsèquement effrayant, utilisez plutôt des mots grands et académiques qui sonnent comme des mots scientifiques. Ainsi, « les bactéries mangeuses de chair » peuvent être décrites comme une « fasciite nécrosante », quelque chose dont personne n'a la moindre idée de ce que cela signifie (et la plupart des gens sont trop paresseux pour le chercher sur Google pour le savoir). Il y a même deux « i » dedans, ce qui le rend assez impressionnant d'un point de vue intellectuel, comme si c'était pratiquement un privilège d'être tué par quelque chose d'aussi sophistiqué :

Ce n'est pas si compliqué, vous vous y habituerez en un rien de temps. (Et si vous ne le faites pas, vous ne vivrez probablement pas très longtemps de toute façon.)

Remarque : Lorsqu'un produit approuvé ou imposé par le régime s'avère dangereux – **ce qui sera fréquent** –, vous devez veiller à ne pas tomber dans le piège de votre propre propagande ; sinon, vous risquez fort de devenir le prochain zombie de Safe and Effective, à l'instar de ces quatre sénateurs américains :

III-3. Données sur les retards de déclaration

Une façon plus subtile de vérifier quelles données sont incluses dans la science officielle est de rapporter des données ou des informations de manière malhonnête. Le fait de chronométrer stratégiquement la publication de différents sous-ensembles de données est un moyen simple mais extrêmement efficace de manipuler les données scientifiques. (Ne vous inquiétez pas de comprendre comment cela fonctionne ; sachez simplement que c'est le cas et engagez des statisticiens compétents qui peuvent déterminer la meilleure façon de mettre cela en œuvre.) De nombreux calculs reposent sur le moment où les données sont rapportées, et vous pouvez donc contrôler ce que les données montrent en publiant soigneusement différentes parties des données au moment optimal.

Par exemple, un retard d'une semaine dans la déclaration des décès peut radicalement modifier l'efficacité ou l'innocuité apparente d'une intervention médicale. En d'autres termes, retarder la déclaration des décès d'une semaine peut faire passer une action sans aucun effet pour une action efficace à 95 %. (Vous trouverez plus de détails en suivant le lien, mais cette tactique est un peu trop complexe pour un guide simplifié. Inclure une description approfondie ici risquerait de décourager de jeunes propagandistes prometteurs, pourtant promis à un brillant avenir, et de les amener à douter de leurs propres capacités s'ils ne comprennent pas l'explication. Cela pourrait les conduire à abandonner, ce qui serait vraiment dommage. Vraiment.)

Section IV – Comment organiser une étude

La compétence la plus cruciale nécessaire pour manipuler la science est peut-être la capacité de concevoir et de manipuler une étude pour obtenir les résultats nécessaires.

[ Remarque : la mise en place concrète des études est toujours effectuée par des experts qui mènent des études professionnellement (appelés chercheurs principaux). Il n’est donc pas indispensable de maîtriser parfaitement ces aspects. Toutefois, il est utile d’en avoir une bonne compréhension des principes de base.]

Les études – en particulier les grandes études sophistiquées qui sont généralement considérées comme la « référence absolue » de la science™️ – sont des bêtes extrêmement complexes qui peuvent être manipulées d’innombrables façons. Nous expliquerons les types de tromperies, de manipulations et de défauts de conception les plus courants et les plus simples qui peuvent être exploités pour faire de l’étude une marionnette entre vos mains que vous pouvez manipuler à volonté.

[ Note : – Il existe de nombreux degrés de sophistication dans la mise en œuvre des manipulations suivantes. Nous allons uniquement expliquer et illustrer les concepts sous-jacents en appliquant simplement les principes, sans fioritures. L'objectif est que vous compreniez les différents types et méthodes de manipulation des données. Vous pourrez ensuite vous former aux méthodologies plus avancées (ce qui est bien sûr fortement recommandé).

IV-1. Tactique de manipulation des études n° 1 : manipuler la conception des protocoles d'étude

La plupart des éléments pertinents pour cette section sont également pertinents pour la section suivante traitant du sabotage de la mise en œuvre des protocoles d’étude. Nous n’aborderons donc ici que les tactiques propres au truquage de la conception des protocoles eux-mêmes.

Les protocoles d'étude sont en quelque sorte un manuel de règles qui dicte la manière dont l'étude va être menée. Veillez donc à rédiger des règles qui favorisent le résultat que vous souhaitez obtenir.

A) Empiler les cartes – attribuer stratégiquement les sujets d’étude aux groupes d’étude et de contrôle respectifs

Presque toutes les grandes études spécialisées comportent deux groupes : le groupe d’étude et le groupe témoin. Dans une étude sur un nouveau médicament, le groupe d’étude reçoit le médicament, tandis que le groupe témoin ne le reçoit pas. En théorie, si le médicament est efficace, il devrait y avoir plus de malades dans le groupe témoin que dans le groupe d’étude.

Donc, si vous menez une étude pour tester un nouveau médicament Wunder, vous pourriez exploiter cette possibilité en plaçant plus de personnes en mauvaise santé dans le groupe témoin que dans le groupe d'étude, de sorte que le groupe d'étude obtienne de meilleurs résultats même si le médicament du régime ne fonctionne pas. (Vous ne devez bien sûr pas admettre avoir fait cela ou toute autre de ces manigances tactiques dans la documentation de l'étude.)

B) Examiner soigneusement les sujets à inclure dans l’étude

Bien des maux de tête peuvent être évités simplement en excluant les personnes susceptibles de fausser vos résultats d'une manière ou d'une autre.

Par exemple, si vous testez un nouveau médicament dont vous voulez prouver qu'il est sûr et efficace, excluez les personnes particulièrement susceptibles de souffrir de réactions indésirables ou d'inefficacité. Vous comprenez l'idée. (Comme s'ils n'avaient pas inclus de personnes âgées atteintes de comorbidités dans les essais du vaccin contre le Covid, ce qui aurait révélé le canard de l'« efficacité à 99 % ».)

IV-2. Tactique de manipulation d'étude n° 2 : saboter l'exécution des protocoles d'étude

Il arrive souvent que vous ne puissiez pas truquer les protocoles d’étude eux-mêmes pour obtenir les résultats souhaités. Dans de tels cas, vous devez saboter la mise en œuvre ou le respect des protocoles d’étude officiels. C’est assez facile à faire et il existe littéralement d’innombrables façons d’y parvenir.

Remarque : Il est prudent de planifier votre logistique à l’avance afin d’éviter divers problèmes et situations stressantes pouvant survenir lors d’une étude de grande envergure impliquant des milliers de participants et de personnel. Par exemple, si vous souhaitez démontrer qu’un médicament particulièrement irritant est en réalité mortel, vous devez disposer de sacs mortuaires pour évacuer rapidement les corps des lieux publics et d’un service de crémation disponible 24 h/24 et 7 j/7 pour détruire toute preuve médico-légale ou pathologique indésirable que les cadavres pourraient contenir.

Sabotage du protocole n°1 : Administration du traitement/de l'intervention à l'étude [au groupe d'étude]

Les gens pensent qu'administrer un médicament aux sujets d'étude est simple et direct. Ils ont tort. Vraiment tort. Il est souvent possible de contrôler l'ensemble de l'étude en modifiant subtilement la manière dont le traitement est administré aux sujets d'étude, notamment les points suivants :

• Dosage/Quantité d’intervention – Vous pouvez sous-doser ou surdoser un médicament en fonction de ce que vous recherchez. Si vous voulez que le médicament paraisse inefficace, un sous-dosage garantira qu'il ne fonctionnera pas. Si vous voulez montrer que le médicament est dangereux, augmentez simplement la dose jusqu'à des niveaux hautement toxiques.
• Moment de l’administration du traitement – Une autre façon de saboter un médicament est de l'administrer aux patients trop tôt ou trop tard pour qu'il soit efficace. Il existe de nombreuses méthodes différentes pour y parvenir. Par exemple, vous pouvez envoyer le médicament aux patients par la poste, ce qui rallongera inévitablement le délai de quelques jours (une offre spéciale Ivermectine de David Boulware).
• Qualité du produit – c'est-à-dire pureté/puissance – Un produit contaminé ou mal fabriqué ne fonctionnera pas de la même manière qu’un produit pur fabriqué avec des ingrédients de haute qualité et une fidélité totale aux pratiques de fabrication idéales.

( Remarque : Il est IMPÉRATIF de mener des études précliniques non officielles sur des animaux – et des humains – afin de comprendre le fonctionnement des différentes versions du médicament ou de l’intervention AVANT d’utiliser des versions contaminées dans une étude (en plus des études précliniques officielles sur la formulation normale du médicament). Sinon, vous risquez de compromettre vos propres tentatives de manipulation. N’oubliez pas que le but de l’étude est de démontrer un résultat prédéterminé, et non de découvrir de nouvelles connaissances scientifiques ! L’incertitude ou l’imprévisibilité du comportement réel du médicament ou de l’intervention étudiée est un véritable fléau pour la réussite de toute manipulation d’étude. À tout le moins, elle vous causera de sérieux maux de tête tandis que vous tenterez de vous frayer un chemin dans le labyrinthe des dangers et des données embarrassantes issues d’une étude désormais extrêmement chaotique. )

• Utiliser une solution saline ou un placebo au lieu de l’intervention – Une autre façon de minimiser les risques liés à l’intervention choisie par le régime est d’administrer un placebo au lieu du traitement, afin de réduire l’exposition à la toxicité de l’intervention. Bien entendu, vous devez également vous assurer que l’utilisation de solution saline n’aura pas l’effet secondaire indésirable de montrer que votre médicament ne fonctionne pas. Cette tactique est donc généralement utilisée en conjonction avec d’autres manipulations ou infidélités du protocole.
• Mélanger et assortir – Vous pouvez toujours mélanger et assortir n’importe laquelle de ces suggestions. Par exemple, vous pouvez donner quelques des sujets de traitement un produit différent. Vous pouvez également employer plusieurs de ces suggestions en combinaison afin de couvrir différentes parties du groupe d'étude avec différentes suggestions, ce qui peut rendre plus difficile pour les personnes extérieures de découvrir les violations du protocole.

Sabotage du protocole n°2 : Administration du placebo [au groupe d'étude]

Il s'agit en fait de l'envers de la précédente section. Il existe quelques tactiques spécifiques qui sont un peu uniques lorsqu'elles sont appliquées au placebo :

• Donnez l'intervention au groupe témoin/placebo – Une façon de garantir qu’une étude ne démontre aucune efficacité d’un traitement est de donner également le traitement au groupe témoin. Si les deux groupes reçoivent le traitement, il n’y aura pas de différence entre eux, ce qui montrera que le groupe traité s’en sort mieux grâce au traitement.
  La méthode la plus simple, mais la plus risquée, consiste à demander au personnel de l'étude d'administrer directement le médicament au groupe témoin en le faisant passer pour un placebo. (C'est assez simple, car le placebo est censé avoir une apparence, une sensation, un goût et une odeur identiques à ceux du traitement pour empêcher les sujets du groupe témoin de se rendre compte qu'ils n'ont pas reçu le médicament.)

La méthode la plus difficile, mais la moins risquée, consiste à inciter les sujets du groupe témoin à obtenir le traitement en dehors de l'étude. Par exemple, vous pouvez utiliser un placebo nettement différent du médicament. Étant donné que les sujets de l'étude peuvent facilement découvrir via Google que ce n'est pas ce à quoi le médicament est censé ressembler, sentir ou avoir le goût, ils s'efforceront de se procurer le médicament en parallèle, car ils ne veulent pas mourir ou souffrir de complications débilitantes dues à la maladie ou à l'état que le médicament est censé traiter.

Alternativement, vous pouvez choisir de mener l’étude dans un endroit où la population est déjà largement exposée au traitement étudié, de sorte que le groupe de sujets sera entièrement contaminé par des personnes qui utilisent déjà le médicament ou qui en ont au moins une réserve à portée de main.

(Gardez simplement à l’esprit que cette tactique risque d’être remarquée par des hérétiques dissidents anti-sciences embêtants, car il sera de notoriété publique qu’il y avait une connaissance et/ou une utilisation généralisée du médicament là où l’étude a été menée.)

• Augmenter le placebo – Si vous ne voulez pas d’un placebo inerte, vous pouvez l’agrémenter de quelque chose d’un peu plus « vivant » qui peut provoquer des effets secondaires et/ou un effet thérapeutique.

Une méthode spécifique consiste à utiliser des composants du traitement pour augmenter le placebo. Cela peut être particulièrement utile pour masquer les effets secondaires problématiques d’un traitement causés par d’autres ingrédients ou composants en plus du principe actif du traitement. Si vous les ajoutez au placebo, les deux groupes auront des effets secondaires similaires.

( Remarque : Il faut garder à l'esprit que si les effets secondaires sont trop prononcés, le simple fait d'inclure les composants toxiques du traitement dans le placebo pourrait soulever des questions si l'on constate que les taux de ces effets secondaires spécifiques sont beaucoup plus élevés dans le groupe témoin de l'étude que dans la population générale. )

Sabotage du protocole n°3 : Inciter les sujets de l'étude à modifier leur comportement

Le comportement des sujets d'étude est souvent un élément essentiel à prendre en compte lors de la conception des protocoles et de la réalisation d'une étude. Utilisez-le à votre avantage.

Il existe trois principaux types d’incitations :

• Incitations financières – L’un des moyens les plus sûrs d’encourager un comportement est de le récompenser financièrement :
  • Vous pouvez mettre en place un système de corruption dans le cadre de l’étude. Par exemple, si l’étude obtient des résultats en demandant aux sujets de signaler des informations – comme les effets secondaires qu’ils ont ressentis après avoir reçu la Glorious Intervention – vous pouvez payer les sujets pour qu’ils ne signalent pas les effets secondaires. Cependant, vous devrez également faire respecter le secret et veiller à ce que personne ne le sache, ce qui peut être délicat.
  • Vous pouvez également manipuler ou tirer parti de l’environnement dans lequel se déroule l’étude pour servir d’intermédiaire et distribuer les avantages financiers. Par exemple, si vous testez l’efficacité d’une intervention potentielle visant à bloquer la transmission de la maladie redoutée, vous pouvez mener l’étude dans un endroit où les gens ne peuvent aller travailler que s’ils ne sont pas infectés par la maladie redoutée, en profitant de cette incitation intégrée à ne pas signaler les tests positifs dont les gens sont atteints (ils veulent leur salaire complet).
• Pression sociale – Le deuxième type d’incitation est la pression sociale. Elle peut provenir de vos pairs, de forces politiques, de groupes sociaux, de relations professionnelles, d’institutions, de célébrités ou de toute autre source d’influence dans la société. L’idée est que vous pouvez utiliser tout ou partie de ces éléments à votre avantage. 
  Par exemple, imaginons que vous meniez une étude pour tester l'efficacité du bouclier en tissu merveilleux qui arrête la propagation de la maladie redoutée. Vous donnez donc à certains villages d'un pays du tiers monde le bouclier en tissu merveilleux et créez un groupe témoin de villages qui ne reçoivent pas le bouclier en tissu merveilleux. Vous pouvez faire une démonstration de l'incroyable efficacité de ces dispositifs devant les villageois qui les reçoivent. Vous pouvez également demander aux anciens du village de proclamer que le bouclier en tissu merveilleux est un don du ciel, ce qui fait du port d'un bouclier en tissu merveilleux une vertu morale et, plus important encore, fait du port d'un bouclier en cas d'infection par la maladie redoutée une marque d'échec religieux. Cela les rend beaucoup moins susceptibles de signaler des cas de maladie redoutée, en particulier par rapport aux villages qui n'ont pas reçu le bouclier en tissu merveilleux. Cela donne l'impression que le bouclier en tissu merveilleux fonctionne pour réduire la transmission de la maladie redoutée.
• Des sanctions sévères – Vous pouvez menacer les sujets de toutes sortes de conséquences terribles si ceux-ci ne font pas exactement ce que vous voulez. C'est particulièrement facile à mettre en œuvre dans les pays du tiers monde où l'état de droit est pratiquement inexistant et où la corruption est la règle. Il peut être utile de donner un exemple à l'avance pour montrer que vous êtes sérieux – par exemple, vous pouvez choisir quelqu'un au hasard et l'envoyer dans une prison au Soudan, d'où il est peu probable qu'il revienne vivant.

Sabotage du protocole n°4 : embaucher des personnes incompétentes pour diriger l'étude

Les études – en particulier celles qui consistent à effectuer une sorte d’expérience (par opposition à la simple analyse d’ensembles de données préexistants) – nécessitent généralement un personnel nombreux pour être menées. Embaucher du personnel incompétent est un excellent moyen de se donner une certaine marge de manœuvre pour « manipuler » les données gênantes qui ressortent de l’étude – « ces données sont erronées parce que le personnel les a gâchées ». Il faut donc bien sûr « corriger » les « erreurs ».

Plus important encore, le personnel incompétent est moins susceptible de remarquer que vous truquez l’étude, car il n’a pas les connaissances ou l’expérience nécessaires sur la manière dont une étude légitime est censée être menée.

Sabotage du protocole n° 5 : Éliminer de l'étude tout sujet ou événement problématique

Cette réponse est évidente. Si quelques sujets de l'essai de phase 3 du vaccin Glorious souffrent de blessures graves juste après avoir reçu l'injection du vaccin Glorious, eh bien, vous ne pouvez pas les laisser ruiner le récit de la « sécurité et de l'efficacité ». Mais heureusement, la solution est simple : les retirer de l'étude.

Cela ne paraîtra même pas suspect à un observateur extérieur ! Chaque étude a des règles inscrites dans les protocoles qui vous permettent d'exclure les sujets qui violent les protocoles d'étude ou souhaitent partir pour des « raisons personnelles ». (Pensez à chaque fois qu'un politicien dit qu'il démissionne pour « passer plus de temps avec sa famille » – même idée.) Mais la plupart des universitaires sont dupes de ce système et tombent dans le panneau à chaque fois.

Si vous êtes vraiment intelligent dans la façon dont vous concevez les protocoles en premier lieu, vous ajouterez une condition qui interdit aux sujets de demander des soins médicaux à un médecin extérieur à l'étude. Donc si un sujet souffre d'un effet secondaire désagréable, comme une myocardite légère et sûre ou une paralysie de Bell légère qui le laisse quelque peu paralysé, il ira directement aux urgences les plus proches… ce qui est une violation claire des protocoles de l'étude !! Adieu problème.

Si vous voulez voir un maître du monde réel, ne cherchez pas plus loin que le responsable de l'essai de phase 3 de Pfizer sur les enfants pour leur vaccin. Lorsque l'un des sujets de l'essai, du nom de Maddie de Garay, a souffert de multiples lésions neurologiques plutôt désagréables 24 heures après avoir reçu le vaccin (le genre de celles qui impliquent l'utilisation permanente de sondes d'alimentation et de fauteuils roulants, entre autres « ajustements » du mode de vie), ils l'ont tout simplement exclue de l'étude. Et ont ensuite décrit sa blessure comme une « douleur abdominale non résolue ». Ils ont également exclu un autre membre de l'essai principal, un avocat nommé Augusto Rioux, après avoir souffert d'une péricardite légère, sûre et efficace après la première dose.

Même chose pour AstraZeneca – Brianne Dressen a été renvoyée après la première dose – mais ils ont rapporté qu’elle s’était retirée pour des raisons personnelles. Vous voyez ? Facile comme bonjour.

Sabotage de protocole n°6 : enregistrer de fausses données

Lorsque tout le reste échoue, vous pouvez simplement enregistrer des données pour l'étude qui sont complètement fausses et inventées de toutes pièces. Ventavia, le sous-traitant de l'étude de Pfizer, nous montre la voie à suivre. Les captures d'écran suivantes sont le véritable e-mail envoyé par Brooke Jackson, l'un des directeurs de site de Ventavia, qui a décidé de tenter de saper le régime en dénonçant la fraude en cours :

Dans une réponse inhabituellement rapide et efficace, Mme Jackson a été renvoyée moins de six heures – six heures – après avoir envoyé cet e-mail à la FDA. SIX HEURES !! C’est ainsi que les choses devraient se passer.

De plus, lorsqu’elle a intenté un procès devant un tribunal fédéral pour tenter de faire échouer l’essai du vaccin Pfizer dans son intégralité, le régime a réussi à le retarder pendant près de deux ans en utilisant diverses tactiques juridiques ingénieuses. (Il convient toutefois de noter que celui qui était en charge du recrutement a complètement raté son coup ; il faut procéder à des vérifications approfondies des antécédents pour s’assurer que les candidats potentiels ne possèdent pas de fortes convictions morales.)

Malheureusement, la FDA ne contrôle pas les revues médicales étrangères, dont l’une a décidé (de manière choquante) de publier un article documentant la fraude aux essais de Pfizer. Quelle honte ! C’est pourquoi il est impératif d’établir un organisme de gouvernance unitaire pour le monde entier.

IV-3. Option 3 de montage d'étude : Analyse d'étude

Une fois l'étude terminée, il est temps de traiter les chiffres de l'étude. Toutes les données problématiques qui ont réussi à passer à travers tous vos protocoles et sabotages seront nettoyées ici. Pensez à cela comme si vous donniez une nouvelle couche de peinture à une voiture d'occasion cabossée pour cacher tous les dégâts en dessous - vous ne changez rien de substantiel, vous ne faites que dissimuler des choses (pour la plupart). Personne ne veut rayer la nouvelle peinture fraîche pour s'assurer qu'elle ne cache rien.

Il existe tellement de façons d'analyser les données. L'astuce consiste à choisir judicieusement celles que vous utilisez et à procéder à l'analyse.

Tactique d'analyse n°1 : ne pas ajuster les données

Les ajustements de données sont une pratique assez courante en sciences. Les données brutes ne se prêtent presque jamais à des déductions directes ou à des extrapolations, car elles contiennent généralement toutes sortes de variables confondantes.

Voici un exemple très simple d’ajustement de données :

Voici la population des États du Darth Santistan (mauvais état) et du Paradis spectral de genre de Commiefornie (bon état) :

Voici les taux de mortalité dus à cette terrible maladie pour ces États – globalement, le mauvais État a plus de décès que le bon État. Comme ils ont la même population, cela signifie que le taux de mortalité est plus élevé dans le MAUVAIS, MAUVAIS État du Darth Santistan :

MAIS. . . (oui, il y a un gros « mais » ici)

Si nous examinons séparément les taux de mortalité de la population âgée et de la population non âgée, il est choquant de constater que le bon État a un taux de mortalité plus élevé dans les DEUX (?!?!?!?!?) :

Deux observations importantes ici :

1. La raison pour laquelle l'État déloyal du Santistan de la Mort a un taux global plus élevé malgré des taux de mortalité plus faibles dans chaque cohorte d’âge C'est très simple en fait – les personnes âgées meurent beaucoup plus souvent que les non-seniors, mais le mauvais État a le malheur d'avoir 2.5 fois plus de personnes âgées que le bon État, ce qui signifie beaucoup plus de décès au total en raison du grand nombre de personnes âgées dans le mauvais État du Death Santistan :

Pour que l'État « défavorable » enregistre le même nombre de décès de personnes âgées que l'État « favorable », son taux de mortalité chez les personnes âgées devrait être quatre fois inférieur à celui de l'État « favorable », car ce dernier compte quatre fois moins de personnes âgées. C'est pourquoi (lorsqu'on veut être honnête, par exemple lorsque la vérité sert les intérêts du régime) la science ajuste les données : pour éviter ce genre de situation. (Ce phénomène statistique particulier porte un nom officiel : le « paradoxe de Simpson ».)

Par conséquent, n’ajustez pas les données si cela risque de nuire au discours du régime.

Tactique d'analyse n°2 : ajuster les données de manière trompeuse ou inappropriée

À l'inverse, il arrive que les données brutes ou correctement ajustées ne soient pas bonnes pour votre récit. Dans de tels cas, vous devez continuer à faire des ajustements créatifs jusqu'à ce que vous ayez réussi à masquer les résultats hérétiques afin que personne ne puisse les voir ou les comprendre.

Par exemple, si nous prenons notre comparaison hypothétique ci-dessus des États fictifs du Paradis spectral de genre de la Commiefornie/Santistan de la mort, vous pouvez ajouter un « ajustement » pour « corriger » le problème. Tout ce que vous avez à faire est de trouver une caractéristique qui est un proxy pour des résultats pires dans le mauvais État du Santistan de la mort que dans le bon état du Paradis spectral de genre de la Commiefornie. Étant donné que le Santistan de la mort a décidé de ne pas suivre les mesures de confinement vitales du régime, les personnes âgées du Santistan de la mort ont tendance à quitter leur domicile plus souvent que dans les autres États, ne serait-ce que pour faire le tour du pâté de maisons pour prendre l'air - ce qui signifie que les personnes âgées qui ne sortaient pas de chez elles étaient probablement plus souvent trop malades pour quitter leur domicile. Ces personnes âgées malades sont également plus susceptibles d'être celles qui meurent de la maladie redoutée.

Voici comment cela pourrait se passer :

Graphique n°1 – population de personnes âgées dans chaque État (colonnes de gauche = personnes âgées qui sont sorties au moins une fois par semaine ; colonne du milieu = personnes âgées qui ne sont pas sorties ; colonne de droite = nombre total de personnes âgées dans chaque État)

Graphique n° 2 – nombre de décès dans chacune des trois catégories du graphique n° 1 :

Cela corrige complètement nos données problématiques (et cela pourrait même les corriger trop bien !!) – observez comment nous modifions le taux de mortalité chez les personnes âgées :

Il ne vous reste plus qu’à désigner le taux de mortalité des personnes âgées à l’intérieur par « taux de mortalité des personnes âgées ajusté en fonction de la population ».

De plus, il est toujours possible d'évoquer ponctuellement les décès de personnes âgées confinées chez elles, car il est beaucoup plus facile de propager un argument du type : « Les personnes âgées les plus à risque, du fait de leur immobilité, avaient presque TROIS fois plus de risques de mourir dans un état déplorable que dans un état favorable. » On associe naturellement les personnes âgées à des personnes confinées à l'intérieur, et il est donc peu probable que l'on comprenne que ces « personnes âgées confinées » ne représentent en réalité qu'un très faible pourcentage de la population âgée de notre hypothétique « Santistan de la Mort ».

Tactique d'analyse n°3 : choisir les points finaux optimaux

Les critères d'évaluation sont très importants. Officiellement, le ou les principaux critères d'évaluation d'une étude sont les résultats centraux qui déterminent si l'étude est considérée comme un succès ou un échec. Un critère d'évaluation est en fait un élément ou une mesure que vous utilisez pour évaluer le succès/l'échec ou l'impact de ce que vous étudiez. Par exemple, si vous testez un nouveau médicament pour voir s'il empêche la maladie redoutée de vous tuer, le critère d'évaluation serait le nombre de décès dus à la maladie redoutée. Si le groupe de traitement a eu moins de décès dus à la maladie redoutée que le groupe témoin, alors le traitement fonctionne, mais si ce n'est pas le cas, eh bien, cela signifie que vous n'avez pas suffisamment bien truqué l'étude. (C'est un peu trop simplifié, mais vous comprenez l'idée de base.)

Vous devez donc vous assurer de choisir judicieusement lorsque vous sélectionnez le ou les points finaux.

Par conséquent, vous devez généralement choisir des points de terminaison qui présentent autant de caractéristiques que possible parmi les suivantes :

• Cela dépend d'un jugement subjectif plutôt que d'une observation objective
• Naturellement orienté vers vos résultats préférés
• Facile à manipuler le résultat
• Il est facile de mentir sur le résultat
• Il est difficile pour les gens de savoir si vous avez falsifié ou manipulé le résultat.
• Difficile à saisir/comprendre – surtout pour les profanes

Supposons par exemple que vous meniez un essai clinique dans le but de saboter un traitement alternatif qui fonctionne réellement contre la maladie redoutée (ce qui serait très mauvais si le régime voulait que la crise pandémique se perpétue un peu plus longtemps). Vous devez montrer que cela ne fonctionne pas. Si vous choisissez la « mort » comme critère d’évaluation, vous pourriez avoir de gros ennuis lorsque le médicament sauvera un tas de personnes dans le groupe de traitement.

Au lieu de la mort, vous pourriez choisir quelque chose comme « le temps nécessaire pour quitter l’hôpital ». Ce critère d’évaluation remplit les six conditions (dans une certaine mesure) :

• La sortie des patients est une décision subjective des médecins (qui devraient être rémunérés pour l'étude), vous n'êtes donc pas obligé de libérer des patients qui répondent à une norme objective de sortie.
• La sortie est biaisée en fonction de vos résultats préférés – étant donné qu’un pourcentage plus élevé du groupe témoin mourra, cela signifie qu’un pourcentage plus élevé de cas sévères ne seront jamais libérés afin de ne pas augmenter le temps moyen de sortie pour le reste du groupe témoin;par rapport au groupe de traitement où, au lieu de mourir, les patients les plus gravement malades prennent quelques jours supplémentaires pour se rétablir, ce qui augmente le temps moyen de sortie pour le groupe de traitement.
• La sortie de l’hôpital est très facile à manipuler : vous pouvez recruter le personnel hospitalier impliqué dans l’étude pour retarder inutilement la sortie des patients sous traitement pendant un certain temps (vous devez vous assurer que le personnel concerné sait qui a reçu le traitement et attend donc plus longtemps pour sortir de l’hôpital).
• Le délai de sortie est également assez facile à falsifier ; il suffit de modifier les documents relatifs à la date d'admission à l'hôpital et/ou à la date de sortie (et les images de surveillance si nécessaire). Le décès est beaucoup plus difficile à falsifier, car l'heure du décès est généralement enregistrée avec une grande précision. et apparaît sur le certificat de décès.
• Le « temps nécessaire à la sortie » n’est pas la mesure la plus intuitive pour un profane.

Évidemment, vous pouvez faire mieux pour la plupart de ces conditions, mais cela transmet l’idée de base.

Tactique d'analyse n°4 : enterrer les mesures de points de terminaison alternatifs

Celui-ci est pratiquement évident : si vous utilisez le « délai de sortie » comme critère d’évaluation, mais que vous signalez une réduction de 50 % de la mortalité dans le groupe de traitement, disons simplement que cela va faire sourciller beaucoup de monde.

Ainsi, au lieu de devoir faire face à des questions difficiles sur les raisons pour lesquelles vous avez choisi un critère d'évaluation aussi absurde et pourquoi vous affirmeriez que le traitement ne fonctionne pas si vous constatez qu'il réduit considérablement la mortalité, vous ne devriez idéalement pas signaler les décès nulle part dans l'étude.

Si vous ne pouvez pas éviter de rapporter les statistiques de mortalité, vous devriez au moins les enterrer au milieu d'un tableau aléatoire d'une annexe dans un format très difficile à comprendre. Ou mieux encore, les disperser dans plusieurs tableaux de données au lieu de les placer tous au même endroit où ils sont facilement identifiables par un nerd ennuyeux au hasard dans son sous-sol.

Tactique d'analyse n° 5 : utilisez les types d'analyse optimaux pour obtenir les résultats souhaités

Il existe autant de façons d'analyser des données qu'il existe d'identités de genre ou de combinaisons de pronoms. Malheureusement, il est impossible de résumer en détail les différentes méthodes dans un format adapté à un guide de l'idiot comme celui-ci. Il suffit de regarder certains de ces noms :

• Analyse de la variance par conception équilibrée
• Ajustement de la distribution bêta
• Transformation Box-Cox pour deux groupes ou plus (T-Test et ANOVA à un facteur)
• Cartes thermiques groupées (doubles dendrogrammes)
• Ajustement de distribution (Weibull)
• Clustering flou
• Ajustement de la distribution gamma
• Modèles linéaires généraux (MLG)
• Test des valeurs aberrantes de Grubbs
• Regroupement hiérarchique/Dendrogrammes
• K-Means Clustering
• Partitionnement médoïde
• Analyse multivariée de variance (MANOVA)
• Comparaison des groupes de données non détectées
• Analyse de covariance à un facteur (ANCOVA)
• Clustering par régression

Le fait est que différentes méthodes d'analyse statistique donneront des résultats différents. Si elles ne donnaient pas de résultats différents, il n'y aurait pas autant de méthodes. Tout est une question de point de vue. Vous devez donc embaucher des gourous statistiques compétents qui connaissent ce domaine (et sont fidèles au régime) pour deux raisons :

1. Vous bénéficiez de leur expertise (dont vous avez besoin ; rappelez-vous que votre expertise est la propagande, pas l’analyse statistique sophistiquée. Un peu d’humilité pratique, reconnaissant vos propres limites, est essentielle pour être un propagandiste efficace ; l’excès de confiance a causé la perte de nombreux laquais loyaux du régime [et a souvent aussi précipité de longues vacances dans un goulag décevant]).
2. Les hérétiques du régime ne peuvent pas mettre en avant le manque d’expertise crédible de leurs analystes statistiques pour ternir et mettre en doute la crédibilité des études sur le régime. Le cas de Neil Ferguson est un exemple édifiant : bien qu’il ait initialement réussi à convaincre les gouvernements du monde entier avec son fabuleux modèle prédisant un carnage apocalyptique dû au Covid, son manque total d’expertise en la matière et sa longue histoire de prédictions de pandémies complètement délirantes ont donné à l’opposition une base solide pour rejeter ses modèles et tous les modèles ultérieurs poussés par divers gouvernements. Ils ont également pu faire du prosélytisme avec beaucoup d’efficacité sur la base de cette débâcle.

Tactique d'analyse n° 6 : supprimez les données problématiques qui ne peuvent pas être analysées, ajustées ou masquées d'une autre manière

Il s'agit du même principe que d'exclure des sujets d'une étude s'ils ne correspondent pas aux résultats exigés par le régime ; ici, on supprime les données déjà générées au lieu des sujets de l'étude eux-mêmes. L'objectif est cependant le même : empêcher que les données qui ne correspondent pas à ce que l'on souhaite que les résultats de l'étude montrent soient incluses dans le compte rendu officiel de l'étude.

IV-4. Option 4 de manipulation de l'étude : Recruter les médias pour faire tourner les résultats

Quels que soient les résultats, vous devez avoir des arguments prêts à être avancés pour que les médias qui vous comprennent se battent en votre faveur. Peu importe qu'ils soient faux, trompeurs, etc. – le but de la propagande est de manipuler et d'induire en erreur – les médias, en inondant simplement l'écosphère de vos informations, constituent une force puissante qui rendra au minimum très difficile pour la plupart des gens de démanteler les mensonges et les tromperies que vous propagez rapidement dans toute la société.

Vous devez être particulièrement préparé à cibler violemment tout scientifique ou universitaire ayant des tendances hérétiques qui pourraient remettre en question tout ce que vous dites ou, pire, attirer l'attention sur les lacunes de votre étude. Avec un maximum de préjugés.

Section V – Traitement des données

L’autre source majeure de la science, outre les études, sont les ensembles de données et autres sources d’information utilisées pour formuler des déclarations scientifiques. Les données – en particulier les données officielles de l’État – sont utilisables sans qu’une étude formelle ne leur confère sa bénédiction. Vous devez donc vous assurer que les données disponibles, et en particulier les ensembles de données qui sont la base des mesures conventionnelles couramment citées dans la société par les universitaires et les profanes, sont sous votre contrôle ferme pour pouvoir les falsifier, les modifier et les altérer à volonté.

Voici les types de tactiques que vous devriez employer pour maximiser le contrôle et l’utilité des ensembles de données disponibles :

V-1. La « pêche » statistique

Il est plus facile de donner une illustration de la pêche statistique que de l'expliquer de manière abstraite :

Supposons qu'une grande société pharmaceutique lance un nouveau médicament qui (selon elle) rend les enfants plus intelligents et améliore leurs résultats scolaires. Malheureusement, même si le médicament a été approuvé par la FDA, elle sait qu'il ne fonctionne pas et les gens commencent à soupçonner qu'il pourrait y avoir quelque chose de louche (et elle a des milliards de dollars en jeu). Elle vient donc vous voir et vous propose un gros chèque à sept chiffres pour « prouver » que son nouveau médicament fonctionne. Alors, en tant que scientifique audacieux à louer sans aucun scrupule (sauf la loyauté envers le régime bien sûr), vous acceptez leur offre. Comment « prouver » que leur médicament fonctionne ? C'est simple. Vous obtenez les données de tous les districts scolaires du pays qui montrent les résultats scolaires et le pourcentage d'enfants qui ont pris le nouveau médicament pharmaceutique. C'est là qu'intervient la partie « pêche » : vous devez examiner chaque district jusqu'à en trouver un ou deux où les résultats scolaires sont supérieurs à la moyenne et où plus d'enfants de ce district prennent le nouveau médicament que la moyenne (comme la pêche où vous continuez jusqu'à ce que vous accrochiez un poisson). Ensuite, vous publiez votre « étude » : « Nous avons trouvé une corrélation dans le district « X » où un pourcentage plus élevé d'enfants prenant le nouveau médicament a conduit à des résultats scolaires plus élevés. » C'est une bêtise car tous les autres districts montrent que le médicament n'a eu aucun effet sur les résultats scolaires, mais vous évitez soigneusement cela en mettant en évidence le seul district où il existe une corrélation par hasard. (Avec un échantillon suffisamment grand, vous êtes pratiquement assuré de trouver un district au hasard où, par coïncidence, de nombreux enfants ont pris le médicament et les résultats scolaires ont augmenté.)

La principale leçon à retenir est que parfois, il suffit d'un peu de persévérance. Si vous disposez d'un vaste ensemble de données concernant de nombreux pays, par exemple, examinez-les un par un jusqu'à découvrir la corrélation recherchée. Vous pouvez également tenter une version plus avancée de cette tactique, appelée « P-Hacking ».

Un bon exemple de cette tactique est l’étude suivante du CDC, qui a parcouru les 50 États à la recherche d’un seul où il serait possible d’affiner les données pour montrer que les vaccins contre la Covid réduisaient le risque de réinfection chez les personnes qui avaient déjà eu la Covid avant de se faire vacciner. Et, qui sait, ils en ont trouvé un (parmi 50 plus quelques juridictions non étatiques comme Washington, DC) où ils pouvaient faire dire aux données ce qu’ils voulaient qu’elles disent :

Voyez, si le CDC avait pu utiliser plus d'un État pour montrer que les vaccins contre le Covid réduisaient le risque de réinfection, ils l'auraient fait (évidemment). Mais ils ont essayé et essayé jusqu'à ce qu'ils trouvent un État dans lequel ils pourraient torturer les données pour le démontrer.

Au fait, il y a une autre leçon importante à tirer de cette affaire : la valeur de la persévérance. N'abandonnez pas si vous ne parvenez pas à trouver un ensemble de données facilement falsifiable ou manipulable pour étayer un argumentaire du régime. Parfois, il faut faire preuve de créativité et persévérer jusqu'à ce que vous trouviez le trésor.

V-2. Ajuster les données problématiques

Oui, nous l’avons mentionné plus tôt dans la section sur les études de gréement.

Si les données brutes ne correspondent pas à votre scénario préféré, il vous suffit de les « ajuster » jusqu'à ce qu'elles correspondent, de la même manière que vous le feriez pour les données internes d'une étude. L'ajustement des données est une pratique courante en science et, comme très peu de personnes comprennent réellement son fonctionnement, vous pouvez en tirer profit et en abuser.

Un collègue a même publié un article scientifique sur le sujet (ce qui en fait une lecture intéressante si vous êtes un geek) :

Une application brillante de ce concept concerne le consensus scientifique actuel sur le réchauffement climatique, qui était auparavant un consensus sur le refroidissement climatique. Comment expliquer que les mêmes données qui, en 1974, indiquaient que le monde se dirigeait vers une ère glaciaire irréversible menaçant la survie de l'humanité, montrent aujourd'hui, à partir de ces mêmes données, une tendance au réchauffement qui met en péril la survie de l'humanité ?

Ils ont simplement « ajusté » les données pour rendre les premières décennies plus froides et les dernières plus chaudes, et voilà, problème résolu ! C'est diablement astucieux et très efficace – observez dans le graphique ci-dessous (d'un hérétique dissident du régime) les deux lignes qui suivent la température annuelle moyenne, la ligne bleue = les données brutes, la ligne orange = les données après que les scientifiques du régime les ont « ajustées » :

Si vous regardez la ligne bleue, il n'y a pas de réchauffement global au cours des 100 dernières années – ce qui est très mauvais pour le récit officiel d'un RÉCHAUFFEMENT CLIMATIQUE CATASTROPHIQUE !!! Cependant, la ligne orange montre une nette tendance au réchauffement au cours des 100 dernières années – ce qui correspond exactement au récit.

Bien sûr, si à l'avenir, pour une raison ou une autre, il devient pragmatique de revenir au refroidissement global, alors les scientifiques du régime de la NOAA « réajusteront » simplement les données pour que les 100 dernières années ressemblent à une tendance constante au refroidissement.

Le fait est que tout est dans les ajustements.

( Note : Il est utile de laisser traîner quelques hérétiques scientifiques du régime, discrets et opportunistes, car ils produisent des données et des analyses qui sont en fait très utiles pour l'usage interne du régime, à condition de s'assurer qu'ils ne commencent pas à prendre de l'importance – auquel cas, on les emmène sans délai à Guantanamo.)

V-3. Exclure des analyses officielles des données officielles tout ce qui ne correspond pas aux résultats souhaités

Il est essentiel de vérifier soigneusement ce qui est inclus dans votre analyse. Si des informations ou des résultats réels menacent de remettre en cause vos résultats préférés, excluez-les simplement des analyses officielles des données officielles. Ainsi, s'il existe une base de données gouvernementale qui montre qu'après le vaccin glorieux, l'incidence d'un certain nombre de maladies a considérablement augmenté, ignorez-la.

Prenons la base de données VAERS (Vaccine Adverse Event Reporting System) gérée conjointement par le CDC et la FDA :

Le CDC (fait semblant d'encourager) le signalement au VAERS des problèmes médicaux qui se manifestent après la vaccination d'une personne, « même si vous n'êtes pas sûr que le vaccin a causé la maladie » :

Après le déploiement des vaccins contre la Covid à la mi-décembre 2020, les entrées VAERS pour les décès se présentent comme suit (le graphique montre le nombre total de décès signalés pour tous les vaccins chaque année) :

Ce graphique montre les statistiques des rapports VAERS sur les blessures/décès dus aux vaccins Covid :

Mais, à quand remonte la dernière fois où vous avez entendu parler du VAERS par le CDC dans une déclaration ou une analyse concernant les précieux vaccins contre le Covid ?

Exactement !! Le CDC (et tout le monde) ignore tout simplement le VAERS (sauf lorsqu'ils publient de temps en temps des articles de « vérification des faits » pour démystifier le VAERS).

Assurez-vous également de traquer sans relâche quiconque oserait utiliser ces données pour saper la crédibilité des analyses et des proclamations de votre régime. C’est souvent un problème car il y aura inévitablement un tas de personnes qui auront accès aux données brutes une fois qu’elles existeront.

V-4. Tirer parti des relations et des différences déjà établies

Une façon simple de bricoler une étude consiste à comparer deux entités dont vous savez qu'elles présentent déjà une différence ou une corrélation particulière. Vous pouvez alors prétendre avoir « découvert » cette différence ou cette corrélation, mais l'attribuer à un nouveau facteur.

Ainsi, si par exemple les États pauvres ont tendance à avoir des résultats sanitaires plus mauvais que les États riches, et que les États pauvres se montrent moins conformes aux recommandations du régime, vous pouvez pointer du doigt leurs résultats sanitaires plus mauvais et les imputer au fait qu’ils n’ont pas pris le vaccin. Les médias excellent particulièrement à amplifier ce message, car ils n’aiment rien de plus que d’attribuer les mauvais résultats à l’affiliation politique avec le ou les « mauvais » parti(s) politique(s).

V-5. Contrôler les ensembles de données critiques utilisés pour la recherche scientifique

Celui qui contrôle les données contrôle la science . Veillez à exercer un contrôle absolu sur les ensembles de données les plus importants et les plus utilisés, et vous vous épargnerez bien des soucis. Par exemple, l'armée contrôle ses ensembles de données internes et peut les manipuler à sa guise. À l'instar de DMED, cet ensemble de données a été falsifié au point d'être rendu inutilisable. Observez les deux graphiques ci-dessous, qui présentent les *MÊMES* données DMED concernant les « taux de consultations ambulatoires » pour les années 2015 à 2018 : le graphique de gauche correspond à la version publiée en 2019, celui de droite à celle de 2021. Or, elles diffèrent (zones encerclées en rouge).

Remarquez-vous l'évolution des chiffres de 2016 à 2018 (visible grâce à la forme de la courbe de tendance) ? Comment le nombre de consultations médicales effectuées en 2016 a-t-il augmenté entre 2019 et 2021 ?

Parce que le régime a tout simplement réécrit les données. C'est ce que l'on peut faire quand on a un contrôle total sur l'ensemble des données.

Il va sans dire que vous ne devez en aucun cas permettre à des scientifiques païens d’accéder aux textes sacrés ou aux données scientifiques sous votre contrôle – n’oubliez pas que vous devez toujours être vigilants afin qu’un chercheur hérétique ne puisse effectuer une analyse qui pourrait invalider ou contredire la science. Le CDC montre ici l’exemple :

Si vous ne donnez pas accès aux données à des scientifiques indépendants ennuyeux et importuns, vous n'avez pas à vous inquiéter qu'ils découvrent des choses dans les données qui pourraient saper considérablement le récit du régime.

Section VI – Contrôle des normes de preuve

Imaginez-vous comme un juge qui préside un procès pénal et qui décide des preuves admissibles au tribunal. Il peut ainsi s'assurer que des preuves à charge ou à décharge ne parviennent jamais au jury. Même idée ici : en contrôlant les normes de preuve, vous pouvez indirectement éliminer une grande partie des connaissances scientifiques difficiles qui existent sans avoir à contester directement les affirmations ou les preuves spécifiques.

VI-1. Rendre impossible à quiconque, hormis les acteurs approuvés par le régime, de fournir les preuves de la plus haute qualité

Voici une règle simple : rendre aussi difficile que possible pour les scientifiques ou chercheurs indépendants de mener des études considérées comme « de haute qualité ».

Il serait peut-être trop coûteux pour les dissidents à l’esprit anticonformiste de mener des recherches scientifiques non approuvées ou hérétiques. L’un des plus grands coups de maître de l’histoire de la propagande a été l’ascension des essais contrôlés aléatoires comme « étalon-or » des preuves. Ces essais coûtent généralement plusieurs millions de dollars, ce qui exclut toute possibilité pour quiconque, hormis les gigantesques sociétés pharmaceutiques (qui sont des acteurs loyaux du régime), de mener de telles entreprises scientifiques.

Vous pouvez également adopter des lois ou utiliser des agences gouvernementales pour interdire la réalisation d’études de haute qualité non approuvées si un groupe parvient d’une manière ou d’une autre à obtenir des fonds suffisants pour mener une telle étude.

VI-2. Désigner le type d’études que les scientifiques non agréés peuvent mener comme étant de « faible qualité »

A l'inverse, assurez-vous que toute recherche scientifique ou non conforme qui peut encore être menée soit qualifiée de preuve de faible qualité. C'est généralement une meilleure alternative que d'interdire purement et simplement toute recherche non approuvée, ce qui rendra naturellement la population méfiante à l'égard du régime et encline à accepter toutes sortes de théories du complot absurdes et farfelues. Laissez plutôt les gens faire leurs recherches, mais expliquez-leur qu'elles n'ont aucun sens car elles ne sont pas conformes aux règles appropriées de la science fondée sur des preuves.

VI-3. Ne pas formuler de norme de preuve claire que les gens ordinaires pourraient appliquer eux-mêmes

Vous serez inévitablement confronté à des situations où vous aurez besoin de la liberté d’appliquer deux poids et deux mesures. Si vous énoncez une norme claire et facilement compréhensible, vous neutralisez votre propre capacité à falsifier la science, car les gens pourront alors vous obliger à respecter votre propre norme. De plus, comme indiqué précédemment, vous voulez conditionner les gens à penser que la véritable norme est simplement celle que le régime déclare être une preuve de haute qualité plutôt que tout critère vaguement objectif.

VI-4. Persécuter les scientifiques insolents ou déloyaux

De temps à autre, il peut arriver que vous vous trouviez dans l’impossibilité de remettre en cause la crédibilité d’une recherche au motif qu’elle est de mauvaise qualité. Dans de tels cas, vous devriez plutôt persécuter le ou les scientifiques fautifs responsables de la diffusion de la science hérétique, ce qui mettra fin à la diffusion et à la poursuite de la recherche problématique. Cela peut être aussi inoffensif que de les retirer des réseaux sociaux, ou aussi vaste que de les envoyer dans un goulag pour ne plus jamais les voir ni entendre parler d’eux. Quelle que soit la décision finale que vous ou le régime prendrez de les retirer de la sphère publique, vous devez vous assurer d’attaquer sans relâche leur réputation et leur expertise (même après l’élimination du traître séditieux). C’est également une bonne tactique à déployer contre un ou des scientifiques charismatiques qui menacent le régime parce qu’ils conquièrent le cœur des masses. C'est vrai même s'ils semblent loyaux, à moins que vous ne sachiez avec certitude qu'ils ne passeront jamais de l'autre côté (comme si vous aviez des informations sur le chantage, ou s'ils étaient le cœur et l'âme du récit du régime et étaient fanatiquement engagés, comme le saint Dr Fauci). Vous devriez donc maintenir un appareil d'espionnage robuste pour garder la trace de tous les scientifiques loyaux au régime.

Section VII – Les autorités ecclésiastiques de la science

La première chose que vous devez comprendre est que le concept d’autorité dans le domaine de la science est de nature ecclésiastique. La majeure partie du discours scientifique dans la société d’aujourd’hui consiste en des arguments d’autorité. Alors, au lieu de résister à cela, acceptez-le et utilisez-le, car c’est la plus puissante de toutes les armes dans la lutte pour contrôler la science elle-même. Vous êtes l’Église de la science. Le régime est son Vatican. Montrez vos muscles et imposez votre volonté !!

Il faut instaurer des conventions qui permettront naturellement aux seuls loyalistes du régime d'accéder aux postes d'autorité scientifique dans la société. Cela se fait principalement par les méthodes suivantes :

VII-1. Les experts doivent être accrédités

Les diplômes constituent le premier filtre qui permet d’éliminer la plupart des malfaiteurs potentiels. En exigeant des diplômes – qui ne peuvent bien sûr être obtenus que par l’intermédiaire du régime lui-même ou d’une institution accréditée par le régime et fidèle à celui-ci. Il faut renforcer la conviction que les experts non accrédités sont particulièrement dangereux et ignorants, car la population est constamment accablée par le besoin de demander un deuxième avis sur les positions et les déclarations du régime.

VII-2. Les experts doivent être affiliés à une institution ou à une organisation en règle

Une autre règle évidente : c’est un bon moyen d’éliminer encore plus les scientifiques mandchous potentiels qui ont réussi le processus d’accréditation.

VII-3. Les experts doivent être pris en compte dans le courant dominant

Il faut appliquer rigoureusement cette convention sociale, car elle constitue un filet de sécurité efficace au cas où un expert sortirait des rangs et déciderait de s’opposer au régime. Il est difficile de décrédibiliser de telles personnes, et il peut parfois être difficile ou peu pratique de mettre fin à toutes les affiliations qu’elles pourraient avoir avec des organisations en règle. D’où la nécessité d’une disqualification qui ne dépende d’aucune de ces deux conventions. Le déclarer en dehors du courant dominant est un moyen assez efficace de défolier un tel expert de son autorité.

VII-4. Renforcer le consensus scientifique

Un autre moyen efficace de contrôler qui exerce l’autorité scientifique consiste à imposer le respect d’un « consensus » inventé de toutes pièces, en qualifiant quiconque s’écarte de ce consensus d’hérétique absolu et incorrigible de la pire espèce. C’est un outil externe qui peut s’avérer extrêmement utile pour détrôner des scientifiques diplômés et récalcitrants. Le « consensus » résonne puissamment dans les oreilles et dans le cœur des profanes, et leur fournit une justification facile pour ne pas poser de questions si le régime décide soudainement de défroquer un scientifique jusque-là très estimé.

Épilogue

L'art de la propagande est un vaste domaine qui englobe plusieurs disciplines. Ne vous attendez pas à le maîtriser du jour au lendemain. Attendez-vous à faire des erreurs : c'est ainsi que vous apprenez ce qui fonctionne (et veillez donc à toujours avoir quelqu'un d'autre sur qui rejeter la responsabilité de vos erreurs).

Heureusement pour vous, la grande majorité des citoyens sont des moutons intellectuels. Ce principe a été brillamment démontré par l'architecte en chef de l'Obamacare, le professeur Jonathan Gruber.

Cependant, le professeur Gruber avait tendance à trop expliquer, et trop clairement, dans des discours enregistrés. Bien sûr, il n'y a rien de mal à expliquer des sujets controversés dans un langage clair à de jeunes étudiants du régime qui sont essentiels pour comprendre le fonctionnement de la politique du régime, car ils devront avoir une bonne maîtrise de ces choses s'ils veulent être des travailleurs productifs du régime. Cela devient toutefois un problème lorsque ces discours sont enregistrés sur vidéo et accessibles au grand public :

On pourrait penser qu’après que l’homme qui a écrit une loi profondément impopulaire (à l’époque) a été pris sur de nombreuses vidéos se vantant de la façon dont il s’agissait d’une « exploitation intelligente du manque de compréhension économique de l’électeur américain » et de la façon dont « la stupidité de l’électeur américain » était essentielle pour pouvoir faire passer une augmentation d’impôt pour une non-augmentation d’impôt (ce qui est vrai à 100 %, comme indiqué précédemment), que les politiciens seraient obligés de retirer la loi et de réessayer dans quelques années, une fois le brouhaha apaisé.

Sauf que, comme on peut le constater, on peut généralement compter non seulement sur la stupidité absolue de l’électeur moyen, mais aussi sur son manque de mémoire à court terme, son manque de sens de l’auto-préservation et son attachement à l’idéologie politique avant tout. L’Obamacare a-t-il été annulé, ou même retardé ? Non. Donc, même si vous vous faites prendre, vous vous en sortirez probablement. (Surtout si vous avez cultivé une presse grand public complaisante qui sert le régime avec loyauté.)

On peut aussi se rassurer en pensant que la propagande est une entreprise qui se corrige naturellement d’elle-même : quand des erreurs sont commises, on déchaîne simplement davantage de propagande et de manipulation pour les dissimuler ou les atténuer. Observez comment les responsables du régime sont passés de l’exaltation du professeur Gruber à l’affirmation qu’il était totalement insignifiant, sans sourciller et sans la moindre trace de gêne face à l’hypocrisie flagrante de leurs positions irréconciliables :

(Vous devriez cependant faire attention à ne pas être trop désinvolte et à ne pas commettre d’erreurs, sinon vous risquez de vous retrouver muté dans un goulag soviétique ou sur un site d’opérations secrètes de la CIA au Maroc.)

Ensemble, nous pouvons faire du monde un endroit meilleur pour ceux qui sont destinés à faire partie de la nouvelle humanité.