mardi 10 février 2026

Covid-19 : comment le coronavirus détruit des neurones essentiels pour la fertilité et la cognition ..

 

Difficultés de concentration, de planification, troubles de la mémoire immédiate… Les personnes souffrant de Covid long se plaignent très souvent de problèmes cognitifs, qui s’ajoutent aux nombreux autres symptômes dont elles souffrent. Quatre ans après la première vague de la pandémie, la recherche sur les causes de ce « brouillard cérébral » progresse.

On sait aujourd’hui que le coronavirus SARS-CoV-2 à l’origine de la maladie est notamment capable de pénétrer dans notre cerveau et de détruire certaines cellules cérébrales. L’infection d’une petite population de neurones inquiète particulièrement les scientifiques : il s’agit des neurones à GnRH, qui jouent un rôle essentiel non seulement dans la fertilité, mais aussi dans le neurodéveloppement des enfants.

Directeur de recherche et responsable du laboratoire Inserm « Développement et plasticité du cerveau neuroendocrine », Vincent Prévot nous explique pourquoi leur destruction est préoccupante.


The Conversation : Des travaux récents ont montré que l’infection par le coronavirus SARS-CoV-2, même quand elle ne s’accompagne que de symptômes modérés, est associée à des atteintes cognitives. Aujourd’hui, il ne fait plus de doute que l’infection par le SARS-CoV-2 est délétère pour le cerveau ?

Vincent Prévot : Plusieurs études ont montré que l’infection par le SARS-CoV-2 a des effets sur le cerveau. L’une des plus spectaculaires, publiée dans la revue Nature, montre qu’elle s’accompagne d’une diminution du volume du cerveau et d’une perte cognitive, d’autant plus importante que les personnes sont âgées. Et ce, même chez des gens qui n’ont pas fait de forme sévère.

Avec nos collaborateurs, nous avons de notre côté démontré que le coronavirus était à l’origine de microruptures de vaisseaux sanguins cérébraux, parfois très nombreuses. Celles-ci pourraient entraîner la mort de certains neurones, et avoir des conséquences sur le vieillissement cérébral.

Divers travaux ont par ailleurs montré que ce dernier semblait d’ailleurs accéléré chez certains patients. Nous avons nous-mêmes constaté la dégradation très rapide, suite à l’infection par le coronavirus, de l’état d’un patient atteint de démence vasculaire à un stade précoce.

The Conversation : Avec vos collaborateurs, vous vous êtes particulièrement intéressé aux effets de l’infection sur une catégorie bien particulière de neurones, les neurones à GnRH. Pourriez-vous nous expliquer ce dont il s’agit ?

VP : Ces neurones produisent une hormone appelée GnRH (Gonadotropin-Releasing Hormone). Éparpillés dans notre cerveau, ils sont très peu nombreux : on estime qu’il en existe seulement environ 10 000, dont 2000 dans l’hypothalamus. En regard des 100 milliards d’autres neurones, c’est extrêmement peu.

Cependant ces neurones, que l’on retrouve chez tous les vertébrés, sont essentiels. En effet, ils contrôlent notamment les capacités de reproduction. Les neurones à GnRH s’activent à la puberté. L’hormone qu’ils produisent à cette période passe dans le sang et atteint l’hypophyse, une petite glande située sous le cerveau.

Celle-ci libère alors deux autres hormones, la LH et la FSH, qui vont agir sur les ovaires et les testicules, entraînant leur croissance et déclenchant la production de spermatozoïdes et d’ovocytes. LH et FSH sont aussi impliquées dans la sécrétion des œstrogènes et de la testostérone.


Donc, depuis l’hypothalamus, les neurones à GnRH contrôlent tous les processus associés aux fonctions reproductrices : la puberté, l’acquisition des caractères sexuels secondaires et, à l’âge adulte, la fertilité.

Mais ce n’est pas tout. Ces neurones jouent aussi un rôle essentiel dans le neurodéveloppement des enfants. En effet, une semaine après la naissance, une première activation des neurones à GnRH se produit. Transitoire, elle est à l’origine d’une « mini-puberté » qui dure six mois environ, avant que ces neurones ne se mettent en hibernation en attendant la puberté adolescente. Or, cette première étape est fondamentale pour le développement des capacités cognitives des enfants.

The Conversation : Comment avez-vous fait le lien entre ces neurones et le Covid-19 ?

Vincent Prévot : Au début de la pandémie, nous avons été troublés par le fait que la majorité des victimes des formes graves de Covid-19 étaient des hommes. Or, on sait que le dimorphisme sexuel est en partie contrôlé par le cerveau, via l’hypothalamus et les neurones à GnRH.

En outre, bon nombre de ces patients étaient en surpoids, voire obèses, ou diabétiques. Un constat qui, là encore, faisait soupçonner une implication de l’hypothalamus, car cette structure, qui intervient dans de nombreux mécanismes physiologiques (croissance, faim et soif, rythme circadien, régulation de la température, métabolisme…), joue aussi un rôle dans l’obésité et le diabète.

Nous nous sommes donc rapidement interrogés sur la possibilité que le virus puisse franchir la barrière hématoencéphalique, qui protège le cerveau des envahisseurs. À l’époque, peu de gens étaient prêts à l’admettre, car le SARS-CoV-2 était surtout considéré comme un virus pulmonaire.

Nous avons cependant prouvé que le virus pouvait bien accéder au cerveau, qui plus est de diverses façons.

The Conversation : Comment le virus parvient-il à atteindre ces neurones ?

VP : La muqueuse de la cavité nasale (l’épithélium olfactif) est l’une de ses portes d’entrée. Il faut savoir que les neurones à GnRH ne naissent pas dans le cerveau, mais dans le nez, pendant le développement embryonnaire. Ils migrent dans le cerveau seulement dans un second temps.

Or, nous avons découvert ces dernières années que même une fois installés dans le cerveau, les neurones à GnRH gardent une attache physique avec l’épithélium olfactif, via leurs fibres nerveuses. C’est par là que passe le virus.

Microphotographie illustrant l’infection par le SARS-CoV-2 (la protéine S du virus est détectée en blanc) dans les neurones olfactifs exprimant la protéine marqueur olfactive (OMP, en rouge), dans la muqueuse nasale humaine.
Microphotographie illustrant l’infection par le SARS-CoV-2 (la protéine S du virus est détectée en blanc) dans les neurones olfactifs exprimant la protéine marqueur olfactive (OMP, en rouge), dans la muqueuse nasale humaine. Florent Sauvé - DRAuthor provided (no reuse)

Qui plus est, dans la muqueuse nasale se trouve une autre sorte de neurones, les neurones olfactifs, dont le rôle est de détecter les molécules odorantes. Leurs fibres nerveuses sont en contact avec le bulbe olfactif situé dans le cerveau (la structure qui traite les informations liées aux odeurs). Nous avons démontré que le coronavirus SARS-CoV-2 était capable d’infecter ces neurones (c’est pour cela que l’un des symptômes est la perte de l’odorat, ou anosmie), lesquels constituent donc une seconde porte d’entrée.

Mais le virus dispose aussi d’une troisième voie d’accès au cerveau. Nos collègues allemands ont en effet découvert que le coronavirus détruit les cellules qui tapissent l’intérieur des vaisseaux sanguins cérébraux. Ceux-ci perdent alors leur étanchéité, endommageant la barrière hématoencéphalique censée isoler le cerveau, et laissant « fuir » le virus.


À lire aussi : Covid-19 : comment le coronavirus s’introduit dans notre cerveau


Enfin, à certains endroits de l’hypothalamus, la barrière hématoencéphalique s’interrompt, pour laisser passer librement dans le sang les neurohormones produites par cette structure cérébrale, telle que la GnRH. On peut donc imaginer que le virus, présent dans le sang, puisse lui aussi passer par là. Nous avons d’ailleurs montré qu’il infecte aussi des cellules appelées « tanycytes », qui régulent notamment la fréquence de sécrétion de la GnRH dans le sang…

L’entrée du virus dans le cerveau n’est pas sans conséquence : lorsque nous avons pratiqué des autopsies de patients décédés de la maladie, nous avons découvert que leurs neurones à GnRH avaient été tués ou étaient en train de mourir. La GnRH n’était donc plus produite à des taux suffisants. Or, en l’état actuel des connaissances, on considère que ces neurones ne se régénèrent pas.

The Conversation : Quelles sont les conséquences pour les patients ?

VP : Divers rapports scientifiques avaient fait état de taux de testostérone très bas chez des patients atteints de Covid-19. Par ailleurs, de nombreux hommes atteints de Covid long se plaignent d’une baisse de libido ou de problèmes érectiles.

Nous l’avons aussi constaté dans la cohorte de 47 hommes que nous avons analysée lors de nos derniers travaux. Les dosages que nous avons effectués indiquent par ailleurs que cette baisse de testostérone n’est pas due à un problème au niveau des organes sexuels, mais bien à un déficit de production de GnRH dans l’hypothalamus (c’est ce que l’on appelle un hypogonadisme hypogonadotrope.

Microphotographie illustrant l’infection par le SARS-CoV-2 d'un neurone produisant la neurohormone de la reproduction GnRH
Microphotographie illustrant l’infection par le SARS-CoV-2 (les protéines S, qui permettent au virus d’entrer dans les cellules sont détectées en vert) d'un neurone produisant la neurohormone de la reproduction (la GnRH, en rouge), et qui exprime le récepteur du virus (récepteur ACE2 avec lequel interagit la protéine S du virus, en blanc) dans l’hypothalamus humain. Barre d’échelle: 50 micromètres. Florent Sauvé - DRAuthor provided (no reuse)

Mais les problèmes posés pourraient être plus importants qu’une simple baisse de la libido. Dans cette même étude, nous avions déjà constaté un plus fort taux de mortalité chez les personnes en réanimation dont l’axe gonadotrope était altéré. Mais on sait aussi qu’un déficit en GnRH peut se traduire par des troubles cognitifs.

Ainsi, certains traitements du cancer de la prostate ou de l’endométriose, qui consistent à supprimer l’axe GnRH, s’accompagnent d’une perte cognitive chez certaines personnes, ainsi que d’un risque accru de développer la maladie d’Alzheimer plus tard.

Or, dans notre cohorte, les patients qui présentaient des dosages hormonaux anormaux se traduisant par une baisse de testostérone étaient en proportion plus nombreux à signaler des troubles de la mémoire ou de l’attention, ou des difficultés de concentration. Ces résultats doivent encore être confirmés sur des cohortes de plus grande taille incluant également des femmes.

The Conversation : Doit-on craindre que l’effet du virus se fasse sentir à long terme ?

VP : On peut légitimement se poser la question des conséquences de l’infection par le SARS-CoV-2 sur le cerveau humain. Comment vont vieillir les cerveaux des personnes infectées ? Les troubles cognitifs dont se plaignent les patients vont-ils persister ? Va-t-on assister à une augmentation des cas de démence dans les décennies à venir ?

C’est d’autant plus inquiétant que des effets sur le cerveau ont été constatés, y compris chez des personnes souffrant seulement de symptômes modérés.

Il ne s’agit pas d’être alarmiste, bien entendu. Mais le cas de l’épidémie de grippe espagnole survenue au début du XXème siècle, doit nous faire réfléchir : une grande partie des survivants avait développé la maladie de Parkinson, pour des raisons qui restent à élucider.

Par ailleurs, on peut se demander si l’infection des enfants en très bas âge, longtemps considérée comme peu problématique, ne pourrait pas avoir elle aussi des conséquences à plus long terme. Si l’étape de mini-puberté a été altérée chez certains nourrissons, leur développement neurologique pourrait s’en ressentir, et nécessiter un accompagnement afin de tenter d’atténuer l’impact de cette situation.

Répondre à ces questions va nécessiter d’approfondir les recherches dans les années à venir.

The Conversation : Quelle va être la suite de ces travaux ?

VP : Jusqu’ici, nos résultats ont été obtenus sur de petites cohortes. Nous allons maintenant changer d’échelle, en analysant des échantillons provenant d’hommes et de femmes participant à la cohorte française Coper.

Il s’agit de 300 personnes qui ont eu un Covid « léger » sans conséquence à long terme, et 300 personnes qui ont eu un Covid similaire, mais ont développé un Covid long.

Nous allons tester l’état de l’axe gonadotrope et le comparer entre les deux groupes, afin de vérifier si un axe gonadotrope déficient est effectivement associé à des troubles neurologiques.

En attendant d’en savoir plus, mieux vaut éviter d’être contaminé par ce virus, qui n’est de toute évidence pas un simple virus respiratoire.


https://theconversation.com/covid-19-comment-le-coronavirus-detruit-des-neurones-essentiels-pour-la-fertilite-et-la-cognition-225960

lundi 9 février 2026

Révéler les biais cachés qui ont gonflé l’efficacité et la sécurité du vaccin COVID-19 !.

P..

wow reaction man fear retro comic pop art

Voici un article qui démontre de manière absolument formelle de quelle manière on peut falsifier les données de sécurité et d’efficacité d’une stratégie vaccinale de grande ampleur, en faisant sempiternellement « porter le chapeau » des catastrophes sanitaires sur les non vaccinés, même quand ceux-ci… l’ont été ! On remarquera au passage que ces grivèleries statistiques ne sont pas nées avec la vaccination anti-COVID (*). Il serait grand temps que le public et les professionnels prennent tous conscience de l’existence de ces malfaisances statistiques absolument criminelles. Bravo aux auteurs de cet article, bonne lecture.

capture d’écran 2026 02 04 à 19.04.22
capture d’écran 2026 02 04 à 19.04.22

Introduction

Aujourd’hui, avec les Drs. Marco Alessandria, John Trambusti, Giovanni M. Malatesta et Alberto Donzelli, nous avons publié une étude scientifique cruciale, évaluée par des pairs et intitulée « Biais de classification et impact de la vaccination COVID-19 sur la mortalité toutes causes confondues : le cas de la région italienne d’Émilie-Romagne« [1].

Dans cette étude, nous fournissons la première preuve examinée par des pairs, sur la base de données réelles. L’étude de l’impact sur l’environnement démontre comment certaines méthodes statistiques ont conduit à une surestimation de l’efficacité et de la sécurité des vaccins COVID-19.

Ce document choquera car il prouve que toutes les études scientifiques menées jusqu’à présent et qui sont affectées par ce biais devraient être réévaluées.

Nous avons abordé un biais critique qui peut considérablement fausser les évaluations réelles de l’efficacité et de la sécurité des vaccins, connu sous le nom de « biais de la fenêtre de comptage des cas ».

Biais de « la fenêtre de comptage des cas ».

Ce biais, théorisé par Fung et al. [2], se produit parce que les individus sont classés comme « non vaccinés » au cours de la première phase de vaccination pendant les 14 jours suivant l’administration du vaccin (période jugée nécessaire pour que la réponse immunitaire se développe pleinement).

Par conséquent tout événement indésirable, y compris les décès survenant au cours de cette période, est attribué à tort au groupe non vacciné, et gonflera artificiellement son taux de mortalité, tout en sous-estimant la mortalité chez les personnes vaccinées.

En analysant des données quotidiennes détaillées sur la mortalité toutes causes confondues et l’administration de vaccins dans la région Émilie-Romagne (Italie), obtenue grâce à une demande d’accès à l’information de l’avocat Lorenzo Melacarne (conformément à l’art. 5, virgule 2 du décret législatif italien n° 33/2013), nous avons trouvé une coïncidence temporelle évidente entre les campagnes de vaccination et les pics de décès parmi les personnes classées à tort comme non vaccinées au cours de cette période critique (Figure 1).

f958f121 ba5e 4098 acd7 16886a7bc77c 1472x1104
Fig. 1

Figure 1. Le graphique illustre le taux de mortalité quotidien pour 100 000 personnes (groupe d’âge 70-79 ans), en comparant les personnes vaccinées (représentées par la ligne rouge continue) et les personnes non vaccinées (représentées par la ligne verte continue). En outre, il montre le nombre cumulé de vaccins administrés avec au moins une dose (indiqué par la ligne pointillée rouge) [extrait de Alexandria et al., 2025].

Notre analyse statistique a démontré des différences significatives en matière de mortalité entre les groupes vaccinés et non vaccinés, pendant la période critique de 14 jours suivant la vaccination, au cours de laquelle des erreurs de classification peuvent se produire. Les données révèlent notamment une augmentation injustifiée de la mortalité parmi la population non vaccinée immédiatement après la période au cours de laquelle la majorité de la population a été vaccinée. Par exemple, dans la tranche d’âge 70-79 ans, l’augmentation de la mortalité parmi les personnes non vaccinées a commencé début avril 2021, précisément au moment où (avec l’arrivée du printemps) le nombre de cas positifs et de décès classés comme liés au COVID était déjà en baisse. Il s’agit là d’une contradiction évidente : la mortalité des personnes non vaccinées aurait dû suivre la tendance de la population générale, à savoir une baisse.

De plus, ces disparités sont si importantes qu’elles ne peuvent s’expliquer uniquement par les décès liés au COVID-19, qui ne représentaient qu’environ 9 % de tous les décès en Italie en 2021. Même après avoir exclu les décès liés au COVID, les différences restaient significatives, ce qui indique une classification systématiquement erronée plutôt que de réels avantages du vaccin.

Nous avons également observé que cette différence diminuait avec l’âge, ce qui reflète probablement le fardeau accru des comorbidités chez les personnes âgées, qui influence le risque global de mortalité. (Pour plus d’informations, veuillez consulter l’article, publié en libre accès et accessible gratuitement à tous).

L' »effet de récolte »

Nos résultats suggèrent un effet de récolte, où les personnes vulnérables succombent peu après la vaccination, mais où leurs décès sont comptabilisés à tort parmi les personnes non vaccinées. Cette classification erronée masque d’éventuels effets indésirables graves liés aux vaccins et survenant peu de temps après la vaccination. Les patients peuvent avoir des réactions allergiques graves, des événements cardiovasculaires ou des réactions auto-immunes.

De plus, l’utilisation de pratiques de classification similaires par de nombreux pays, dont le Royaume-Uni, suggère que ce biais est largement répandu à l’échelle internationale. Par exemple, les directives de santé publique britanniques classent les personnes comme non vaccinées pendant 14 à 21 jours après la vaccination, ce qui conduit à une attribution erronée des effets indésirables précoces.

Le biais du temps immortel

Il est essentiel de reconnaître que le biais lié à la fenêtre de comptage des cas est lié à un autre phénomène bien établi dans la recherche observationnelle, connu sous le nom de biais du temps immortel. Les Pr. Norman Fenton et Martin Neil ont été parmi les premiers à identifier la manière dont ces biais modifient les cas et les décès d’une manière qui exagère l’efficacité et la sécurité apparentes des vaccins en créant des catégorisations temporelles trompeuses.

Le Pr. Fenton a lui-même qualifié ces manipulations d’ « astuce bon marché », illusion statistique qui renforce artificiellement la perception de l’efficacité des vaccins [3]. En outre, James Lyons-Weiler, avait dès octobre 2021 identifié et mis en évidence cette incohérence statistique significative affectant les données sur l’efficacité des vaccins ; et il soulignait la nécessité d’un examen critique de la manière dont le statut de la vaccination et les fenêtres de comptage des cas faussent la perception de la performance des vaccins [4].

Il est important de noter qu’en janvier 2022, le professeur Martin Neil, le professeur Norman Fenton et leurs collègues ont publié une étude préliminaire examinant de manière critique les données de l’ONS britannique sur la mortalité liée au vaccin contre la Covid, en comparant la mortalité toutes causes confondues entre les groupes vaccinés et non vaccinés [5]. Alors que les premiers rapports suggéraient une mortalité plus faible chez les personnes âgées vaccinées, l’étude a révélé d’importantes incohérences dans les données, probablement dues à des erreurs de classification, des retards dans la déclaration et des erreurs démographiques. Les chercheurs n’ont trouvé aucun élément permettant d’étayer les explications fondées sur des biais ou des facteurs sociodémographiques, concluant que les données ne démontrent pas de manière fiable que les vaccins réduisent la mortalité toutes causes confondues et pourraient indiquer une augmentation de la mortalité peu après la vaccination chez les populations âgées.

Nos résultats ont des implications importantes :

Le fait de ne pas tenir compte de ces biais peut conduire à une surestimation substantielle des avantages et de la sécurité des vaccins, ce qui se traduit par des politiques de santé publique erronées.

La communauté scientifique doit donc reconnaître et ajuster ces biais afin de produire des évaluations plus précises et plus transparentes des risques et des bénéfices des vaccins.

Conclusion

Notre étude montre que le biais de la fenêtre de comptage des cas gonfle les taux de mortalité attribués à tort aux personnes non vaccinées, tout en sous-estimant les effets indésirables survenant peu de temps après la vaccination. Afin de garantir une interprétation fiable des études observationnelles sur les vaccins et des décisions éclairées en matière de santé publique, il est essentiel de corriger ce biais parallèlement au biais d’immortalité. En outre, toutes les études existantes sur l’efficacité des vaccins devraient être réévaluées pour tenir compte de ces biais.

Un élément clé de ce processus est la disponibilité de données précises et actualisées sur le statut vaccinal des individus, permettant une classification correcte des cas et des décès et contribuant à une évaluation plus fiable de la sécurité et de l’efficacité des vaccins en situation réelle.

Références originales de l’article

Alessandria, M., Trambusti, G., Malatesta, G. M., Polykretis, P., & Donzelli, A. (2025). Classification bias and impact of COVID-19 vaccination on all-cause mortality: the case of the Italian region Emilia-Romagna. Autoimmunity, 58(1). https://doi.org/10.1080/08916934.2025.2562972
Panagis Polykretis 03 nov. 2025

Notes et sources

(*)  » Un jour d’après-guerre un médecin lyonnais, le Dr Robert Rendu, décide de décompter les malades de la diphtérie dans une fraction de l’armée française selon leurs statuts vaccinaux[i]. Il compte 19 diphtéries pour 2018 vaccinés (9,4 ‰) et 17 parmi 1974 non vaccinés (8,6 ‰). Discret avantage possiblement non significatif aux non-vaccinés. Voilà qui fait néanmoins désordre. Mais admirez les artistes de la pirouette statistique : on va d’abord considérer que les vaccinés « qui n’ont pas reçu leurs trois doses doivent être considérés comme des non vaccinés ». Ainsi 12 des « vaccinés certes, mais incomplètement» rejoignent les 17 diphtériques non vaccinés. Et puis on va finalement en ajouter deux de plus qui ont bien reçu trois doses « mais pas depuis plus d’un mois », donc transfert eux aussi chez les non-vaccinés. Le décompte final, après ce travail de charcutage extraordinaire, donne pour finir 5 malades chez les vaccinés (2,5 ‰) pour 31 chez les « non vaccinés » (15,7 ‰) ; et l’on retourne glorifier la vaccination antidiphtérique. » Dr Vincent Reliquet, « Chronique de Médecine Contestataire » tome II, Résurgence, 2025.

[i] Rendu R, « Résultats comparés de la vaccination et de la non-vaccination dans la lutte contre la diphtérie », Le Journal de médecine de Lyon, n°819, p.147-60, 20 fév 1954.
[1] M. Alessandria, G. Trambusti, G.M. Malatesta, P. Polykretis, A. Donzelli, Classification bias and impact of COVID-19 vaccination on all-cause mortality : the case of the Italian region Emilia-Romagna, Autoimmunity 58 (2025) 2562972. https://doi.org/10.1080/08916934.2025.2562972.
[2] K. Fung, M. Jones, P. Doshi, Sources of bias in observational studies of COVID-19 vaccine effectiveness, J Eval Clin Pract 30 (2024) 30-36. https://doi.org/10.1111/jep.13839.
[3] N. Fenton, M. Neil, Vaccine efficacy « cheap trick » by exclusion, Where Are the Numbers ? par Norman Fenton et Martin Neil (2023). https://wherearethenumbers.substack.com/p/vaccine-efficacy-cheap-trick-by-exclusion.
[4] J.L.-W. PhD, How The Definition of « Fully Vaccinated » Misleads People on COVID-19 Vaccine Safety & ; Efficacy : An Explanation For CNN’s Drew Griffin, Popular Rationalism (2021). https://popularrationalism.substack.com/p/how-the-definition-of-fully-vaccinated.
[5] M. Neil, N. Fenton, J. Smalley, C. Craig, J. Guetzkow, S. McLachlan, J. Engler, D. Russell, J. Rose  Les données officielles sur la mortalité en Angleterre suggèrent une mauvaise catégorisation systématique du statut vaccinal et une efficacité incertaine de la vaccination contre la COVID-19, 2022. https://doi.org/10.13140/RG.2.2.28055.09124 .

dimanche 8 février 2026

Une explosion de l’absentéisme pour maladie dans le secteur hospitalier depuis 2020/ incompréhensible pour la profession la plus vaccinée et donc protégée?

Publié le  par pgibertie

une tendance claire et documentée dans les données officielles de NHS England Digital : le taux d’absence pour maladie du personnel du NHS en Angleterre est resté significativement plus élevé après l’arrivée du COVID-19 qu’avant.

  • Avant 2020 : le taux oscillait autour de 4 % (moyenne roulante à 6 mois entre environ 3,8 % et 4,5 %, avec des variations saisonnières classiques).
  • Pic pandémique : forte hausse dès 2020, avec des pointes autour de 5,5–6 % (voire plus en point mensuel), liée aux infections COVID, à l’isolement obligatoire, au stress et aux burnouts.
  • Post-COVID (2021–2025) : la courbe ne redescend pas au niveau pré-pandémique. Elle se stabilise plutôt entre 4,8 % et 5,5–6 % en moyenne roulante, avec des fluctuations (souvent plus hautes en hiver).

D’après les publications les plus récentes (jusqu’à fin 2025/début 2026) :

  • En octobre 2025 : taux mensuel global à 5,7 % (hausse par rapport à septembre 2025 à 5,3 %, et plus haut qu’octobre 2024 à 5,4 %).
  • En juillet 2025 : autour de 5,1 %.
  • En septembre 2025 : 5,3 % (légèrement plus haut qu’en 2024 à la même période).
  • En février 2025 : 5,3 % (encore élevé).

La moyenne roulante à 6 mois (comme sur ton graphique) lisse ces variations mensuelles et montre une tendance persistante à la hausse structurelle post-2020 : environ +15–25 % par rapport à la baseline pré-COVID (autour de 4 %). Le flèche rouge sur ton graphique pointe bien cette « nouvelle normalité » à un niveau plus élevé.

en France, on observe un phénomène similaire à celui du NHS en Angleterre : le taux d’absentéisme pour maladie du personnel hospitalier (et plus largement des soignants) est resté significativement plus élevé après la pandémie de COVID-19 qu’avant, même si les chiffres exacts varient selon les sources et le périmètre (public vs privé, hôpitaux vs médico-social, etc.).Voici un résumé basé sur les données les plus récentes (2024-2025, avec projections ou tendances pour 2025-2026) :

  • Avant COVID (2017-2019) : Dans les hôpitaux publics, le taux d’absentéisme global (toutes causes, incluant maladie ordinaire, longue maladie, AT/MP) tournait souvent autour de 7-8 % en moyenne (parfois plus bas pour le personnel médical, plus haut pour le non-médical/soignant). Dans le secteur santé en général, c’était structurellement élevé (souvent >6 %), mais stable.
  • Pendant et post-COVID : Forte hausse dès 2020-2021 (liée aux infections, isolements, stress, burnout, long COVID). Puis, contrairement à une stabilisation espérée, le niveau reste durablement plus haut :
    • Dans les hôpitaux publics : progression entre 2019 et 2022 (effet « boomerang » post-crise : départs massifs d’infirmiers, surcharge sur les restants). Par exemple, certains CHU ou AP-HM ont vu des pics à 12-13 % en 2022, redescendant légèrement à ~10-11 % en 2024, mais toujours bien au-dessus du pré-COVID.
    • Pour le personnel non médical/soignant : souvent 9-10 % ou plus en 2024-2025, contre 7-8 % avant.
    • Dans les établissements médico-sociaux (ESMS) : 11,5 % en 2019 → pic à 13 % en 2020-2022 → retour progressif à ~11,5 % en 2023, mais encore élevé en 2024-2025 (parfois 13-14 % dans certains types comme les MAS).
    • Secteur santé global : souvent cité >6-8 % en 2024-2025 (baromètres Ayming, Diot-Siaci, etc.), avec une hausse des arrêts pour santé mentale (risques psycho-sociaux, burnout), fatigue et troubles musculo-squelettiques, qui dominent les motifs post-COVID. Les absences de longue durée (>1-2 mois) ont bondi (jusqu’à +58 % en 5 ans dans certaines études globales).
  • Tendances 2025-2026 :
    • Le taux moyen en France (tous secteurs) est autour de 4,8-6 % en 2024-2025 (légère baisse ou stabilisation dans le privé, mais hausse dans le public/hospitalier).
    • Pour la fonction publique hospitalière : souvent estimée à 9-10 % (la plus touchée parmi les fonctions publiques), avec une persistance

En résumé : comme au NHS, le COVID et ses injections ont provoqué un choc durable sur la santé et la disponibilité des soignants français. On n’est pas revenu à la « baseline » pré-2020 ; le nouveau plancher est plus haut (environ +15-30 % selon les sources), ce qui aggrave les tensions RH, les recours à l’intérim et la qualité des soins. Les rapports officiels (DREES, ATIH, CNSA) et baromètres privés (Ayming, Diot-Siaci, etc.) confirment cette « nouvelle normalité » persistante

Voici pourquoi : en se basant sur les statistiques du personnel du NHS lui-même, il est difficile d’éviter l’hypothèse selon laquelle les « vaccins contre la COVID » pourraient bien être le plus grand échec de santé publique de tous les temps.

Voici pourquoi : en se basant sur les statistiques du personnel du NHS, il est difficile d’échapper à l’hypothèse que les « vaccins contre la COVID » pourraient bien être le plus grand échec de santé publique de tous les temps.

Le graphique

correspond exactement à un modèle alternatif (Scenario 4 : « Vaccine-Induced Sickness Risk ») publié début février 2026 sur un blog indépendant (openvaet.info, par un contributeur qui analyse les données NHS avec des scripts R). Il modélise l’hypothèse que la vaccination COVID-19 aurait provoqué un pic temporaire d’augmentation du risque de maladie globale (tous causes confondues) chez les vaccinés, avec un effet qui décroît ensuite dans le temps.Ce que dit ce modèle spécifique

  • Il ajuste plusieurs courbes (peak harm de 600 à 1600 jours d’absence supplémentaires par 100 000 staff au pic) sur les données réelles de taux d’absence NHS (rolling 6-month average, comme ton premier graphique).
  • Le « best fit » est pour un peak harm = 1600 (RMSE le plus bas ~506.8, corrélation r=0.643), ce qui suggère que les cohortes vaccinées auraient contribué à ~1600 jours d’absence extra par 100 000 staff au maximum, puis l’effet s’atténue.
  • Le modèle place le début de l’effet vaccinal autour de fin 2020/début 2021 (ligne « Vax starts »), et attribue une partie de la hausse persistante post-2021 à cet effet « vaccine-induced » plutôt qu’à d’autres facteurs (long COVID, burnout, surcharge, etc.).