Grès brun » Articles de l'Institut Brownstone » Les confinements n'ont pas sauvé des vies

Les confinements n'ont pas sauvé des vies

PARTAGER | IMPRIMER | E-MAIL

Les États-Unis et leurs 50 juridictions d'État offrent une expérience naturelle pour tester si un excès de décès toutes causes confondues peut être directement attribué à la mise en œuvre des changements structurels sociaux et économiques à grande échelle induits par l'ordonnance de confinement de la population générale.

Dix États n'avaient aucune imposition de verrouillage et il y a 38 paires d'États verrouillés/non verrouillés qui partagent une frontière terrestre. Nous constatons que l'imposition et l'application réglementaires d'ordonnances de refuge sur place ou de séjour à domicile à l'échelle de l'État sont en corrélation concluante avec une mortalité toutes causes confondues par habitant corrigée de l'état de santé plus importante par État. Ce résultat est en contradiction avec l'hypothèse selon laquelle les confinements ont sauvé des vies.

Introduction

Le 11 mars 2020, l'Organisation mondiale de la santé a déclaré une pandémie sur la base d'une épidémie signalée à Wuhan, en Chine, de COVID-19 (ci-après COVID), la maladie respiratoire prétendument causée par le virus SARS-CoV-2. Le 13 mars 2020, une urgence nationale a été déclarée aux États-Unis concernant l'épidémie de COVID-19. Aux États-Unis, cette déclaration a entraîné un ensemble hétérogène de réponses de la part des autorités sanitaires et des responsables gouvernementaux de divers États. Parmi ces réponses politiques variées au niveau de l'État, la plupart des États ont émis des ordonnances d'abri sur place ou de séjour à domicile en mars et avril 2020 (ci-après dénommés « verrouillages »). 

La motivation de ces mesures de confinement était de ralentir la propagation du COVID-19 en limitant les interactions sociales, sous l'hypothèse que la maladie se propage par contact de personne à personne. Cependant, en raison de l'indépendance de la gouvernance des États aux États-Unis, les mesures de verrouillage avaient un large éventail de mises en œuvre et d'application, certains États renonçant complètement aux verrouillages. 

Ces différences dans les décisions étatiques de verrouiller ou non établissent ainsi une expérience utile pour tester l'hypothèse selon laquelle les verrouillages ont sauvé des vies. Cette hypothèse prédit qu'il aurait dû y avoir moins de décès (par habitant) dans les États qui ont mis en place des confinements, et plus de décès dans les États qui ne l'ont pas fait, après ajustement pour tenir compte des différences d'état de santé des populations de l'État, si tous les autres facteurs sont présumés avoir moindre impact. Les données disponibles pour tester ces prédictions se trouvent dans la mortalité toutes causes confondues (ACM) par heure et par état, rapportée par le CDC.

Comme l'ont démontré d'autres chercheurs (par exemple Rancourt, Baudin & Mercier 2021), l'ACM évite la difficile question de l'attribution de la cause du décès, qui est de nature politique et, par conséquent, susceptible d'être biaisée (par exemple Ealy et coll. 2020). La cause dominante correcte du décès est rarement connue dans le cas des maladies respiratoires, et le décès n'est normalement pas monocausal. 

L'avantage de l'analyse de l'ACM est que les décès aux États-Unis sont enregistrés avec une grande fidélité (pas de biais de déclaration ou de sous-déclaration). Une fois enregistré, un décès est un décès, quelle que soit la manière dont la cause est attribuée sur le certificat de décès. Si les confinements sont efficaces pour prévenir les décès dus à la propagation d'une maladie pendant une pandémie, alors les régions qui ont mis en place des confinements devraient avoir connu moins de décès par habitant, toutes causes confondues, s'il n'y a pas de facteurs de confusion prépondérants.

Données et méthodologie

Notre objectif est d'évaluer l'efficacité des confinements pour sauver des vies à l'ère du COVID en comparant le nombre total de décès toutes causes confondues dans des paires d'États : un État avec un confinement et un État sans confinement qui partage une frontière avec le confinement Etat. Nous avons également examiné les États de verrouillage qui ne partagent pas de frontière avec un État non verrouillé, par souci d'exhaustivité.

Nous avons identifié les États non confinés en examinant les décrets administratifs et exécutifs émis entre mars et avril 2020 par les gouvernements des États en réponse aux déclarations de pandémie de l'OMS et des gouvernements fédéral et des États. La plupart de ces commandes ont été archivées sur le site Web Ballotpedia.com, et nous avons localisé les commandes pour lesquelles les liens n'étaient plus valides en recherchant sur les sites Web des gouvernements des États. Nous avons attribué un score de « rigueur » à chaque décret en fonction de la langue du décret de confinement pour les citoyens de l'État :

Commandé/mandaté : 3
Réalisé : 2
Suggéré/encouragé : 1
Pas de commande : 0

Nous avons constaté qu'il y avait sept (7) États qui avaient des scores de 0 parce qu'ils n'avaient pas émis d'ordonnances de séjour à domicile : le Dakota du Nord, le Dakota du Sud, le Wyoming, l'Iowa, l'Oklahoma, le Nebraska et l'Arkansas. Il y avait trois (3) États supplémentaires qui avaient des scores de 1 parce que les gouvernements suggéraient ou encourageaient uniquement les citoyens à rester chez eux, mais ne les obligeaient pas à le faire, ni ne fournissaient de moyens d'application : Utah, Kentucky et Tennessee. 

Notre critère pour les États verrouillés par rapport aux États non verrouillés diffère des études précédentes par sa simplicité (c'est-à-dire en se concentrant uniquement sur la rigueur du langage dans les décrets exécutifs). Mais notre liste résultante d'états non verrouillés comprend les sept états répertoriés comme non verrouillés sur Ballotpedia, et comprend les quatre états non verrouillés identifiés par l'étude parrainée par le CDC de Moreland et coll. (2020)

Nous avons comparé les résultats de ces dix États non verrouillés avec des États verrouillés partageant une frontière, en supposant que la propagation virale n'est pas entravée par les frontières des États. Dans cette étude, nous nous concentrons sur la mortalité totale toutes causes confondues (ACM) sur une période de temps spécifiée comme mesure de l'efficacité du verrouillage. Nous utilisons trois périodes de temps comme décrit ci-dessous. 

Nous avons téléchargé des fichiers de valeurs séparées par des virgules (csv) contenant ACM par semaine pour chaque état à partir du Site Web de CDC Wonder. Nous avons divisé les données ACM hebdomadaires pour chaque État par la population de cet État (Recensement américain, 1er avril 2020), donnant le nombre de décès par habitant, par semaine (DPCW). Tout au long de ce rapport, nous exprimons DPCW comme le nombre de décès pour 10,000 XNUMX habitants. 

Une étape de correction supplémentaire est nécessaire pour permettre des comparaisons précises de la mortalité état par état. Les différences dans la répartition par âge, les taux d'obésité, les niveaux de pauvreté, les taux d'incapacité physique et mentale et d'autres déterminants de la santé entraîneront des différences intrinsèques dans DPCW dans divers états. Ces différences se manifestent collectivement par un décalage en DPCW observé pendant les années non pandémiques (avant 2020). 

Par exemple, la figure 1 montre une comparaison du DPCW entre New York et la Floride durant les années 2014-2020. Comme pour toutes les comparaisons par état, New York et la Floride ont des variations temporelles remarquablement similaires dans DPCW d'une semaine à l'autre et d'une année à l'autre, mais ont également un décalage clair et presque constant. 

Nous corrigeons ce décalage en calculant un facteur HEtat, qui est la valeur médiane du rapport du D d'un étatPCW et le DPCW d'un état de référence du 1er janvier 2014 au 31 décembre 2020. Nous avons choisi New York comme état de référence pour calculer HEtat. Ce choix d'état de référence est arbitraire, mais la grande population de New York signifie que, dans la plupart des cas, l'erreur de HEtat est dominé par les erreurs de Poisson dans le DPCW de l'état d'intérêt. 

Dans l'exemple illustré à la figure 1, le facteur de correction de l'état de santé de la Floride est HEtat = 0.537, indiquant que New York a connu 53.7 % moins de DPCW que la Floride dans les années 2014 à 2020, probablement en partie à cause de la population plus âgée de la Floride. Pour chaque comparaison par état de DPCW nous adoptons ce rapport comme facteur de correction pour amener la paire d'états sur la même échelle, permettant une comparaison de la mortalité corrigée de l'état de santé pendant la période pandémique. 

Ce facteur de correction de l'état de santé est justifié puisque nous effectuons une comparaison différentielle entre les états avec et sans confinement. Nous demandons : "Suite à la promulgation de mesures de verrouillage, quelle est la différence fractionnelle entre l'ACM ajusté par habitant dans chaque paire d'États ?" Cela suppose qu'après avoir supprimé les différences dans l'état de santé des populations des États voisins, l'effet le plus important sur l'ACM ajusté par habitant a été la promulgation d'un verrouillage. Cette hypothèse est justifiée étant donné que les fermetures devraient entraîner des perturbations massives des économies nationales et régionales, des systèmes de santé et du tissu social en général.

Figure 1

Figure 1: Les décès par habitant, par semaine (DPCW) en Floride (bleu) et à New York (rouge). Le panneau de gauche montre le décalage en DPCW, que nous attribuons aux différences d'état de santé de la population de chaque État (structure par âge, niveau de pauvreté, taux d'obésité, etc.). Le panneau de droite montre le D corrigéPCW, ce qui permet une comparaison différentielle entre ces deux États à partir de 2020.

Pour quantifier l'effet des confinements sur la mortalité pendant la période COVID, nous calculons les décès intégrés (total) corrigés de l'état de santé par habitant, Dtot, sur une période de temps choisie. On calcule alors le rapport de Dtot pour chaque paire d'états, noté R (verrouillage divisé par non-verrouillage). Nous utilisons trois périodes de temps différentes sur lesquelles nous attendons Dtot, et R, pour saisir les effets des mesures de confinement :

Dtout,1: Somme sur la période de verrouillage de l'état de verrouillage. 
Dtout,2: Somme sur la période du « pic COVID 1 » (cp1) tel qu'identifié par Rancourt et al. (2021 ; de la semaine 11 à la semaine 25 de 2020)
Dtout,3: Somme sur toute la période du 11 mars 2020 au 31 décembre 2021

Tout au long de cet article, nous rapportons les intervalles de confiance à 95 % pour nos ratios de mortalité intégrés, normalisés en fonction de la population et corrigés de l'état de santé pour chaque comparaison par paires des états de confinement et de non-confinement, et pour les taux intégrés par habitant corrigés de l'état de santé. mortalités que nous rapportons. Ces intervalles de confiance sont calculés sous l'hypothèse que la principale source d'erreur provient des statistiques de comptage.

Resultats

Nos résultats sont résumés dans les figures ci-dessous. 

Dans les figures 2, 3 et 4, l'axe des ordonnées répertorie les 38 paires d'états de verrouillage/non-verrouillage utilisées pour comparer les résultats de mortalité, l'état de verrouillage étant répertorié en premier, suivi de l'état de non-verrouillage. Les points bleus indiquent l'estimation ponctuelle du rapport, R, et les barres d'erreur associées indiquent l'intervalle de confiance à 95 % ; la ligne pointillée verticale marque l'unité. Les valeurs à gauche de la ligne verticale indiquent les cas dans lesquels l'état de verrouillage a connu moins de décès par habitant corrigés de l'état de santé que l'état sans verrouillage. Les valeurs à droite de la ligne indiquent que l'état de verrouillage a connu plus de décès par habitant corrigés de l'état de santé que l'état sans verrouillage.

Figure 2

Figure 2: Le ratio ACM (R) par habitant ajusté en fonction de l'état de santé pour chaque paire d'États voisins figurant sur l'axe des ordonnées. Le ratio est basé sur la somme de tous les décès dans chaque État sur la période correspondant au pic de COVID (3/11/2020 - 6/24/2020). Les barres d'erreur indiquent l'intervalle de confiance à 95 % pour le rapport de chaque paire. Les ratios à gauche de la ligne verticale indiquent que moins de décès sont survenus dans l'état de verrouillage que dans l'état non verrouillé, tandis que les ratios à droite de la ligne verticale indiquent que les États avec verrouillage ont connu plus de décès.

Figure 3

Figure 3: Le ratio ACM (R) par habitant ajusté en fonction de l'état de santé pour chaque paire d'États voisins figurant sur l'axe des ordonnées. Le rapport est basé sur la somme de tous les décès dans chaque état sur la période correspondant à la durée de verrouillage de l'état de verrouillage. Les barres d'erreur indiquent l'intervalle de confiance à 95 % pour le ratio de chaque paire. Les ratios à gauche de la ligne verticale indiquent que moins de décès sont survenus dans l'état de verrouillage que dans l'état non verrouillé, tandis que les ratios à droite de la ligne verticale indiquent que les États avec verrouillage ont connu plus de décès.

Figure 4

Figure 4: Le ratio ACM (R) par habitant ajusté en fonction de l'état de santé pour chaque paire d'États voisins figurant sur l'axe des ordonnées. Le ratio est basé sur la somme de tous les décès dans chaque État pendant toute la « période COVID » dans notre ensemble de données (11 mars 2020 – 25 janvier 2022). Les barres d'erreur indiquent l'intervalle de confiance à 95 % pour le rapport de chaque paire. Les ratios à gauche de la ligne verticale indiquent que moins de décès sont survenus dans l'état de verrouillage que dans l'état non verrouillé, tandis que les ratios à droite de la ligne verticale indiquent que les États avec verrouillage ont connu plus de décès.

Si les confinements sauvaient des vies, nous nous attendrions à ce que la plupart des ratios ACM (R) soient inférieurs à un. Au lieu de cela, nous voyons le contraire. Pour les trois périodes d'intégration, la majorité des ratios sont supérieurs à un. Pour la période cp1 (confinement, complet), 28 (28, 21) paires ont des ratios ACM (R) supérieurs à un, tandis que 0 (0, 9) paires ont des ratios inférieurs à un, et les 10 (10, 8) restantes les paires ont R impossible à distinguer de l'unité à 95 % de confiance. 

Ainsi, notre analyse des valeurs R pour trois périodes au cours desquelles les confinements devraient avoir un effet montre que les données ACM des deux dernières années sont incompatibles avec l'hypothèse selon laquelle les confinements ont sauvé des vies. En revanche, nos résultats sont cohérents avec la conclusion de Rancourt et al. (2021) que les décès excessifs pendant la période COVID aux États-Unis sont causés par les mesures gouvernementales et médicales, et les réponses à la pandémie déclarée.

La figure 4 montre les décès intégrés corrigés de l'état de santé par habitant pour la période de «pic COVID 15» ​​de 1 semaines (cp1; semaines 11 à 25 de 2020) pour tous les États individuellement (rouge) et pour la même intégration de 15 semaines fenêtre en 2019 (bleu) et 2018 (vert). Ici, les États sont classés, de haut en bas, par ordre décroissant de densité de population moyenne par État, qui est souvent présumée être un facteur de propagation d'une maladie contagieuse. Les noms d'état en magenta correspondent à nos dix états non verrouillés ayant des scores de rigueur de verrouillage de 0 ou 1. Les noms d'état en cyan sont les états verrouillés qui partagent une frontière avec un état non verrouillé, que nous avons utilisé dans notre calcul de R . 

Les valeurs de la mortalité toutes causes confondues corrigée de l'état de santé au cours des périodes « cp15 » de 1 semaines de 2019 et 2018 sont étroitement limitées pour tous les États à une valeur d'environ 14 décès pour 10,000 5 (figure 2019), alors que les valeurs correspondantes pendant la période COVID sont très différentes d'un État à l'autre, allant de la valeur de référence de 25 à 10,000 pour 15 21 pour le New Jersey, et atteignant généralement 10,000 à XNUMX pour XNUMX XNUMX. Les états non verrouillés ont des noms sur l'axe y de couleur magenta, tandis que les états de verrouillage utilisés comme nos comparands dans le calcul de R sont de couleur cyan. 

La figure 5 montre que la plupart de nos dix États non verrouillés ont une mortalité toutes causes confondues intégrée corrigée de l'état de santé dans le cp15 de 1 semaines sur la valeur de référence pré-COVID (2018 et 2019) d'environ 14 pour 10,000 2, alors que la plupart des les États avec des scores de rigueur de verrouillage de 3 et XNUMX ont des taux de mortalité bien supérieurs aux valeurs de référence pré-COVID.

Figure 5

Figure 5: ACM corrigé de l'état de santé intégré sur la période cp1 (11 mars-29 juin 2020 ; rouge) par rapport à la même période en 2019 (Bleu) et 2018 (et une transition qui soit juste.). États classés de haut en bas en densité de population décroissante. Magenta indique les états non verrouillés tandis que cyan désigne les États verrouillés qui partagent une frontière avec des États non verrouillés.

Bien qu'une estimation précise de la surmortalité due aux confinements dépasse le cadre de cet article, nous pouvons faire une estimation approximative basée sur la figure 5. Les trois États les plus peuplés (Californie, Texas, Floride) ont des augmentations de la période COVID supérieures à la valeur de référence d'environ 1 pour 10,000 52. Sur la base d'une année civile (110,000 semaines), et pour une population égale à celle de l'ensemble des États-Unis, cela correspondrait à environ 97,000 XNUMX décès, qui pourraient être attribués directement aux impacts des mesures de confinement et qui ne se seraient pas produits si les confinements n'avaient pas été mis en place. Cette valeur est cohérente avec l'estimation de la surmortalité liée au confinement de XNUMX XNUMX/an par Mulligan & Arnot (2022). 

Discussion et conclusion

L'utilisation de confinements pour « mettre en quarantaine » la population générale des États-Unis afin de contrôler la propagation d'une maladie infectieuse est sans précédent dans l'histoire du pays. Lors des pandémies précédentes, seuls les malades et les infirmes étaient mis en quarantaine tandis que le reste de la population continuait plus ou moins normalement. 

Cette approche de « protection ciblée » a été recommandée par les professionnels de la santé dans le Déclaration de Great Barrington en 2020, démontrant que des alternatives au confinement existaient et étaient bien comprises au sein de la communauté médicale. Pas plus tard qu'en 2019, l'Organisation mondiale de la santé a préconisé une approche similaire dans ses recommandations pour atténuer les risques d'une pandémie de grippe sans faire mention de mesures de confinement pour la population générale (QUI 2019). En effet, le rapport de l'OMS indique spécifiquement que la mise en quarantaine des personnes exposées n'est "​​pas recommandée car il n'y a pas de justification évidente pour cette mesure" (voir leurs tableaux 1 et 4). De même, le Plan d'action de préparation à une pandémie de grippe aux États-Unis ne fait aucune mention des confinements et déclare que « … les mesures classiques conçues pour réduire le risque d'introduction et de transmission de certains agents infectieux, telles que le dépistage clinique et la quarantaine aux points d'entrée, ne sont probablement pas efficaces » (Strikas et coll. 2002). 

Dans leur examen de la documentation disponible sur les interventions en cas de pandémie de grippe, Inglesby et coll. (2006) déconseillent explicitement les mesures de quarantaine en cas de pandémie de grippe, tant pour les personnes malades que pour les personnes en bonne santé, car les coûts sociétaux devraient largement dépasser les avantages. Ils ont conclu : "[L]'expérience a montré que les communautés confrontées à des épidémies ou à d'autres événements indésirables réagissent mieux et avec le moins d'anxiété lorsque le fonctionnement social normal de la communauté est le moins perturbé". Ces recommandations vont au-delà de la préparation et de la réponse aux pandémies de grippe. Dans un rapport intitulé Préparation à une pandémie d'agents pathogènes respiratoires à fort impact, les auteurs concluent que la quarantaine est l'une des mesures non pharmaceutiques les moins efficaces pour contenir la propagation de la maladie (Centre Johns Hopkins pour la sécurité sanitaire 2019).

Ainsi, les mesures de confinement mises en place en 2020 par la majorité des États américains, ainsi que par de nombreux pays dans le monde, ont représenté une expérience sans précédent à grande échelle dans le contrôle des maladies infectieuses. Les données de mortalité toutes causes que nous avons analysées nous permettent de tester l'hypothèse selon laquelle les confinements ont sauvé des vies pendant la pandémie de COVID. Nous constatons que ces données sont incompatibles avec cette hypothèse ; les États avec verrouillage ont connu plus de décès toutes causes confondues que les États voisins sans verrouillage. Nous concluons donc que cette expérience a été un échec de la politique de santé publique et que les mesures de confinement ne doivent pas être utilisées lors de futures épidémies. 

Notre constatation selon laquelle la mortalité toutes causes confondues a augmenté dans les États où le confinement est conforme aux conclusions de Agrawal et coll. (2021) qui ont constaté des augmentations statistiquement significatives de la surmortalité dues aux commandes d'abris sur place aux États-Unis et dans 43 pays. De la même manière, Mulligan & Arnot (2022) estiment qu'il y a eu 97,000 XNUMX décès supplémentaires par an dus aux confinements, avec une surmortalité répartie également entre tous les groupes d'âge adultes, contrairement aux décès par COVID qui étaient le plus souvent attribués aux personnes âgées.

Compte tenu de la forte association entre les impositions de confinement de la population générale et l'augmentation de la mortalité toutes causes confondues, démontrée ci-dessus (figures 2 à 5), il convient de formuler des hypothèses sur la ou les causes de cette association. 

De toute évidence, les Américains privilégiés des classes moyennes supérieures et professionnelles ne sont pas morts en restant chez eux. Cependant, il n'est pas déraisonnable de postuler que les réglementations et ordonnances de confinement de la population générale sont néanmoins des substituts ou des indicateurs statutaires du degré d'agressivité (y compris l'abandon) avec lequel les institutions sociétales de l'État ont répondu ou réagi à la pandémie annoncée. Ces institutions comprendraient des écoles, des foyers de soins, des hôpitaux, des cliniques, des services aux personnes handicapées, des garderies, des services de police, des services familiaux et sociaux, etc.

Nous avançons provisoirement cela car il est tout à fait probable que les décès supplémentaires associés aux confinements proviennent de groupes d'individus à risque particulièrement élevé de subir les conséquences fatales de perturbations importantes et négatives dans leur vie et leurs réseaux de soutien. Cela sera vrai quelle que soit la cause mécaniste réelle du décès, étant donné l'association connue entre le stress ressenti et l'isolement social et la gravité de la maladie et la mortalité, via l'impact sur le système immunitaire (Ader et Cohen 1993; Cohen et al. 1991; Cohen et al. 1997; Cohen et al. 2007; Sapolski 2005; Prenderville et coll., 2015; Dhabhar 2014; Rancourt et coll. 2021). En effet, il existe de nombreuses preuves que les confinements sont associés à de fortes augmentations de de chômage et une aggravation générale de la santé mentale (par exemple Jewel et al. 2020, Czeisler et coll. 2020). 

Les données ACM disponibles sur le site Web de CDC Wonder ne sont pas ventilées par État et par démographie, nous n'avons donc pas été en mesure d'examiner quels groupes démographiques mouraient et comment ils mouraient, dans chaque État. Cependant, les informations démographiques sont disponibles au niveau national, et Mulligan & Arnot (2022) ont constaté de fortes augmentations de la surmortalité chez les personnes âgées de 18 à 65 ans, qui est un groupe démographique qui n'était pas à haut risque de COVID. 

De même, le Rancourt et coll. (2021) ont constaté que la distribution temporelle et spatiale de la mortalité toutes causes confondues en période de pandémie est incompatible avec les effets d'une maladie respiratoire virale. Ils ont trouvé des preuves que de nombreux décès excessifs pendant la pandémie étaient des infections de pneumonie bactérienne mal diagnostiquées, probablement exacerbées par des perturbations du système de santé américain.

Ainsi, il existe des preuves solides à l'appui de l'hypothèse selon laquelle les confinements ont imposé une charge de stress soudaine et sévère sur les groupes démographiques vulnérables aux États-Unis, entraînant une augmentation significative des décès dans les États qui utilisaient les confinements comme mesures de contrôle des maladies.

Ce résumé est tiré de la étude plus large des auteurs.



Publié sous un Licence internationale Creative Commons Attribution 4.0
Pour les réimpressions, veuillez rétablir le lien canonique vers l'original Institut Brownstone Article et auteur.

Auteurs

  • John Johnson

    John Johnson est professeur d'astronomie au Centre d'astrophysique | Harvard & Smithsonian. L'historique de recherche de John implique la détection et l'observation d'exoplanètes, la collecte de données, ainsi que la conception et la construction d'instruments utilisés dans la chasse aux mondes au-delà de notre système solaire.

    Voir tous les messages
  • Denis Rancourt

    Denis Rancourt a été professeur de physique et chercheur principal à l'Université d'Ottawa pendant 23 ans. Il écrit maintenant sur la médecine, le COVID-19, la santé individuelle, le changement climatique, la géopolitique, les droits civils, la théorie politique et la sociologie. Denis a écrit plus de 100 articles dans des revues à comité de lecture dans les domaines techniques de la science et de la technologie.

    Voir tous les messages

Faire un don aujourd'hui

Votre soutien financier à l'Institut Brownstone sert à soutenir des écrivains, des avocats, des scientifiques, des économistes et d'autres personnes courageuses qui ont été professionnellement purgées et déplacées pendant les bouleversements de notre époque. Vous pouvez aider à faire connaître la vérité grâce à leur travail continu.

Abonnez-vous à Brownstone pour plus de nouvelles

Restez informé avec le Brownstone Institute