Brownstone » Brownstone Journal » Regering » Ikke 14 millioner liv reddet, men over 17 millioner døde
Ikke 14 millioner liv reddet, men over 17 millioner døde

Ikke 14 millioner liv reddet, men over 17 millioner døde

DEL | UDSKRIV | EMAIL
Lancet Infectious Diseases skal trække dette fundamentalt forkerte "peer-reviewede" manuskript tilbage. Men hvad sker der, når en Nobelpris uddeles på baggrund af dårlige data?
KORRELATION Research in the Public Interest er et registreret non-profit-selskab med base i Ottawa, Canada. https://www.internationalcovidsummit.com/
https://correlation-canada.org/

Denis Rancourt

Denis har en PhD i fysik (1984, University of Toronto), er tidligere fastansat fuld professor (University of Ottawa) og har udgivet over hundrede artikler i førende videnskabelige tidsskrifter. Denis' rapporter og artikler kan findes på hans hjemmeside på denisrancourt.ca.


Dr. Denis Rancourt

Alt forårsager dødelighed på verdensplan og i Rumænien

Okay, jeg vil tale om noget helt andet. Jeg vil tale om dødelighed af alle årsager. Jeg vil ikke bekymre mig om, hvad der forårsagede dødsfaldet. Vi skal bare tælle dødsfald. Og jeg vil også vise dig data for Rumænien. Og alle de grafer og resultater, som jeg vil præsentere, er i adskillige videnskabelige rapporter, som jeg, jeg selv og samarbejdspartnere har skrevet i de sidste tre eller flere år. Og de kan findes på denne hjemmeside, rapporterer de videnskabelige. Og disse er mine vigtigste samarbejdspartnere i forskningen om dødelighed af alle årsager. Og to af dem er i rummet her hos os. De er fra Prag. Og et andet sted, som jeg fortalte dem, at jeg ikke ville glemme navnet på, og det gjorde jeg bare, det er jeg ked af, Jérémie.

(01:05):

Og så vil jeg starte den historiske rekord, næsten 1900. Jeg vil vise nogle data fra 1900. Jeg vil starte rigtigt i begyndelsen af ​​Covid, hvis du vil. Dødelighed af alle årsager, du tæller bare dødsfald. Og det er tilfældet med Frankrig fra 1946 og frem, lige efter Anden Verdenskrig. Og hvad du finder overalt på den nordlige halvkugle er, at døden er højere, er større om vinteren, og den kommer ned om sommeren. Og så har den et sæsonbestemt mønster, der er meget regelmæssigt.

Denis Rancourt (00:11):

Dette har været kendt i mere end hundrede år. Og jeg vil påstå, at det ikke er helt forstået. Jeg vil påstå, at det langt fra er helt forstået, men sådan ser mønsteret ud efter måned. Så vi ser på dødeligheden efter måned i Frankrig. Og hvis man integrerer efter år, efter cyklus år rundt hver vinter fra sommer til sommer i Frankrig, ser det sådan ud. Så der kan komme en intens vinter efterfulgt af en lavere vinter og så videre. Og mønsteret ser sådan ud.

(02:17):

Så siden slutningen af ​​Anden Verdenskrig er dødeligheden på befolkningsbasis for det meste faldet. Og det er typisk 1 % af befolkningen, der dør i et givet år. Så det er den slags data, vi skal beskæftige os med. Og at sidste år er det første år af den såkaldte pandemi. Og nu, hvis vi tager til USA, for at give et andet eksempel, kan jeg udføre dødelighed af alle årsager. Dette er efter år for en bestemt aldersgruppe. Dette er aldersgruppen 15 til 24 år. Og jeg har adskilt mig i mand og kvinde.

Så du har de to farver der. Og denne graf giver os mulighed for at illustrere, hvad du kan se, når du måler dødeligheden, hvilket er et hårdt tal. Ingen kan fortælle dig, at regeringen ikke talte dødsfaldene korrekt, fordi de er meget seriøse med at tælle dødsfald, og det er en legalistisk proces. Og det er altså hårde data. Og det er det, du ser.

(03:18):

Du kan se, at der var en begivenhed i 1918, den begivenhed blev genfundet af CDC og kaldt den spanske syge. Jeg ved det, og der er flere videnskabelige artikler, der viser, at dette ikke var en viral luftvejssygdom. Ingen over 50 år døde i den enorme dødelighed. Kun unge voksne og familier og teenagere døde i den spidsbelastning. Og de rige døde ikke i den periode. Så det var 1918.

Og så har man i USA noget, der hedder den store depression. Kæmpe økonomisk kollaps efterfulgt af en økonomisk relateret Dust Bowl, som var en miljøkatastrofe til dels. Og det var de store strabadser, nylige strabadser i USA. Og man kan se dødeligheden der hos både mænd og kvinder i de perioder. Så i Anden Verdenskrig ser man, at mænd har en dødelighed, hvorimod kvinder ikke har. Og jeg tror, ​​vi alle forstår hvorfor. Og i Vietnamkrigsperioden kan du se, at der er en pukkel i dødeligheden for mændene. Dette er, hvad du kan se i dødelighed af alle årsager.

(04:30):

Og så afslutningsvis har jeg studeret dødelighed af alle årsager indgående i mere end hundrede lande på alle kontinenter undtagen Antarktis, naturligvis, og meget detaljeret efter enhedstid, for uge, for dag, for måned, efter aldersgruppe, efter køn. Og jeg kan fortælle dig, at det eneste, du kan se i data om dødelighed af alle årsager, er følgende ting. Sæsonvariationer, som jeg forklarede. Et maksimum om vinteren og på den sydlige halvkugle er det omvendt. Deres vinter er vores sommer. Det er når de har en maksimal dødelighed. I det ækvatoriale område er der ingen sæsonbestemt variation i dødeligheden. Der er ingen pigge, det er en flad linje. Så der er årstidsvariationer, der følger halvkuglerne.

Du kan se krige, som jeg nævnte. Du kan se økonomiske sammenbrud, enorme økonomiske sammenbrud, der påvirker befolkningerne. Man kan se sommerhedebølger på nordlige breddegrader, der ikke er vant til at have en meget varm periode om sommeren, som slår folk ihjel, nogle gange fordi de falder ned af trapperne, når det er rigtig varmt, men det slår folk ihjel. Og du kan se et højdepunkt, der varer omkring en uge i en af ​​disse varme perioder.

(05:44):

Du kan se jordskælv. Med det samme ser du jordskælvet. Folk bliver knust af bygninger. Du tæller de døde, og du ser en top på grund af jordskælv. Men vi ser eller opdager ikke nogen af ​​de CDC-påståede pandemier, der fandt sted i 1957, '58, '68, 2009. Disse pandemier, de såkaldte pandemier, giver ikke anledning til nogen overskydende dødelighed af alle årsager, der kan påvises i enhver jurisdiktion og eller på nogen måde. Overdreven død kan ikke påvises på national eller statslig skala for disse såkaldte pandemier. Så de forårsagede ikke overdreven død, uanset hvad de er. Og så har du... jeg forklarede 1918.

Så har vi Covid-perioden. Og i Covid-perioden var der et kæmpe overfald. Der var mange, et flerstrenget overfald mod mennesker, sårbare mennesker i mange forskellige jurisdiktioner. Så afhængigt af, hvad staten gjorde, før de bragte vaccinerne ind... vil jeg også tale om vaccinerne. Men afhængigt af hvad staterne gjorde, forårsagede de overdødelighed, nogle gange enorme mængder af det. Og det vil jeg vise dig eksempler på.

(07:00):

Så først vil jeg fortælle dig, at der bare sker noget socialt som en del af propagandaen, der går ud på, at Nobelprisen blev uddelt for denne såkaldte vaccine. Og jeg vil gerne vise jer, hvor absurd dette er, fordi alle de politikere, der støttede dette, hævdede, at titusindvis af millioner liv blev reddet af vaccinen, denne magiske vaccine, som vi havde givet Nobelprisen for.

Nå, vi så på det, vi så på grundlaget for den påstand, og grundlaget for påstanden er en artikel, der dukkede op i Lancet Infectious Diseases i 2022 af Watson et al. Og de hævder, at mellem 14 og 19 millioner liv blev reddet. Så vi som fysikere, som videnskabsmænd, sagde vi: "Okay, hvis det er det, du påstår, lad os beregne og se, hvordan det ville se ud på skalaen af ​​dødelighed af alle årsager efter tid."

(07:54):

Så lad os starte et sted, og lad os tage til Canada og se sæsoncyklussen. Så dette er dødelighed af alle årsager på en skala, der starter ved nul. Og lad os se på årstidsvariationen. Den lodrette linje er erklæringen om pandemien. Den allerførste top, du ser i blåt der, er Canada, der dræber ældre mennesker og sårbare mennesker på hospitaler og i plejehjem på grund af de aggressive indledende behandlinger, fordi de var bekymrede over denne såkaldte pandemi.

Og dette skete i mange brændpunkter i vestlige lande, men det skete ikke i nogen af ​​de østeuropæiske lande eller i Rusland. Så afhængig af land, afhængig af hvad de gjorde, det er sagen. Det skete ikke i Tyskland, hvor de ikke gjorde dette. Okay. Så fortsætter vi, og vi bringer vaccinerne ind, og de hævder, at denne vaccine, som er antallet af vacciner, er den grå kurve. Det er de kumulative vaccinedoser, der gives i Canada.

(08:56):

Og det, du ser, er, at de hævder, "Gudskelov, at vi bragte vaccinerne ind på det tidspunkt, for ellers ville vi have haft dødeligheden i rødt der." De hævder, at deres vacciner reddede os fra at have den dødelighed i rødt, som de beregnede. De hævder, at der ville have været dødelighed, som vi aldrig har set i et menneskeligt samfunds historie.

Og at gudskelov kom denne vaccine på netop det tidspunkt, hvor der ville have været denne utrolige dødelighed og reddet os og bragt dødeligheden ned til stort set det samme niveau, som vi altid har haft. Det var, hvad vaccinen gjorde. Ikke halvvejs nede, ikke et sted midt imellem, men bragte bare tingene ned. Dette er vaccinens magi, der forklares med magien i matematiske modeller skrevet af opkøbte videnskabsmænd, der arbejder for opkøbte politikere. Så det er ikke sandt. Vaccinen reddede ikke liv.

(09:50):

Faktisk, og jeg vil vise Rumænien. Jeg springer nogle dias over. Dette er Canada igen. Men i stedet for at vise rå dødelighed af alle årsager, har vi korrigeret dødeligheden til kun at vise den overskydende dødelighed, og derfor har du en flad baseline indtil pandemien, og så kan du se de overskridelser, der opstår på forskellige tidspunkter afhængigt af, hvad regeringen gjorde. Og igen, kurven over forudsagte reddede liv.

Nu kan vi gøre dette i USA. USA var et land, der har mange flere udsatte mennesker, sundhedsmæssigt end Canada og behandlede dem meget aggressivt. Så grundlinjen, hvis du kan lide, overskydende dødelighed af alle årsager i blåt har enorme funktioner, som du ikke ser i Canada. Og det er en meget mærkelig virus, som vi har at gøre med her, fordi den har et pas. Det nægtede at krydse fra USA til Canada, på trods af at det er tusindvis af kilometer fra de to største udvekslingspartnere på kontinentet.

(11:01):

Vaccinen krydsede ikke grænser. Det krydsede ikke indledningsvis ind i Tyskland. Når vi tegner kort over intensiteten af ​​overdødelighed, ser vi, at vaccinen har bestemte pas afhængigt af jurisdiktion. Med andre ord var dette ikke en spredende viral luftvejssygdom. Vores konklusion fra at studere al dødelighed af alle årsager, jeg vil fortælle dig vores konklusion, før vi når dertil, er, at der er data, disse hårde data modsiger ideen om, at der var et særligt virulent patogen, der kom til planeten, og som spredte sig og det forårsagede kaos i sig selv.

Det, vi i stedet ser, er, at overalt, hvor der er overdødelighed, kan man forstå det i form af de utrolige aggressive behandlinger, der blev udført, og vaccinerne, som vi kan kvantificere. Jeg gav dig konklusionen på forhånd, jeg springer lidt videre, men lige meget. Sådan ser Europa ud over hele Europa eller de lande, som vi kunne inkludere her. Det ligner meget USA, situationen i USA.

(12:06):

Lad mig nu vise dig Rumænien. I Rumænien er der ingen overdødelighed i begyndelsen lige efter, at pandemien er annonceret, det er blot et kendetegn ved hotspots i de vesteuropæiske lande. Men så er der en massiv overskydende top, der starter. Vi kommer til at tale lidt mere om det, for det gør vi ikke... Jeg begynder at forstå det, da jeg taler med folk, der ved mere om Rumænien. Og så rulles vaccinerne ud. Og jeg ved, at rumænere måske ikke blev vaccineret så meget som andre, men alligevel er påstanden i dette teoretiske papir, at overdødeligheden ville have været den røde linje, hvis der ikke havde været vaccinerne.

Men det, jeg ser, når jeg ser på det mønster, er, at der er en top lige når man begynder at rulle vaccinerne ud, så er der en rigtig stor top når man ruller dem ud igen og så ser man den sidste top der er direkte forbundet med boosteren doser, vi får. Så det vil jeg se nærmere på i slutningen af ​​talen, når jeg taler om Rumænien.

(13:11):

Så for at komme tilbage til dødeligheden af ​​alle årsager, ikke denne teoretiske redline-ting af, hvad teoretikere fortæller os, men når vi vender tilbage til de hårde data, så ser det sådan ud i USA. Så i bunden har du dødelighed af alle årsager pr. måned. Du har den lodrette linje i hver graf, der viser annonceringen af ​​pandemien. Og på mystisk vis, ved annonceringen af ​​pandemien, er der hotspots synkront på samme tid i hotspots rundt om i verden, hvor der er dette enorme indledende toppunkt af dødelighed. Jeg var den første til at skrive en artikel om det og påpege, at vira normalt ikke følger politiske direktiver, og det gør de ikke, så det må være noget andet. Og der er heller ingen beviser for, at der var spredning i denne funktion.

(13:58):

Det sker f.eks. synkront på hele den nordlige halvkugle. Og der er ingen beviser for, at det så spredte sig. Det var lokaliseret, det blev der, og det skyldtes for det meste ekstremt aggressive medicinske behandlinger, fordi lægeholdene fik at vide, at de blev propaganderet for, at der var denne forfærdelige virulente ting, der bare ville komme ned over os. Og nu har vi netop annonceret, at det er en pandemi. Så de havde tilladelse til at prøve den hjælp, de kunne give, og nogle gange ordinerede de for meget. De intuberer folk med mekaniske åndedrætsværn, en forfærdelig ting at gøre.

Og de steder, der gjorde dette mest aggressivt, disse behandlinger, og det kan vi følge i vores data, havde de største toppe af denne type. Norditalien, selv Stockholm beskyttede især de ældre, og de havde et højdepunkt som det. Og New York City er åbenbart velkendt. Så dette er hovedsageligt New York City-toppen, som du ser i de amerikanske data her. Så er kurven i midten igen dødeligheden af ​​alle årsager, men i ugen nu en finere tidsopløsning. Så du kan se flere detaljer. Og kurven på toppen er et opsving af det.

(15:12):

Og det, du ser for første gang i den registrerede historie i USA og dødelighedshistorien, er toppe, der forekommer i midsommer i USA. Uhørt. Så jeg satte sorte prikker der for at vise dem. Den første opstår på et tidspunkt, hvor de virkelig var aggressive fattige mennesker, der bor i de meget varme sydstater. Og den integrerede dødelighed for det hænger sammen med fattigdom. Hvis du var fattig, døde du på det tidspunkt. Hvis du ikke var det, døde du ikke. Og så slog de ud over vaccinerne.

Og den sommertop, man får ved at udrulle vaccinen der, er fra det, de kaldte vaccine equity, hvilket betød, at de hyrede tusindvis af mennesker i USA til at tage hen og vaccinere alle, der ikke var blevet vaccineret endnu, som gjorde modstand eller som var langt væk. væk på et plejehjem. Og de gik aggressivt hen og vaccinerede alle de mennesker. Det blev finansieret af Gates og alle de mennesker, og de producerede det enorme højdepunkt af dødelighed i USA der. Så sådan ser den amerikanske dødelighed i nyere tid Covid ud.

(16:19):

Hvis du ser på nu dødeligheden i USA efter aldersgruppe, kan du se aldersgrupperne der, nul til 24 år, 25 til 44 og så videre, før de vaccinerer, procenten øger overdødeligheden udtrykt som en procent af baseline dødeligheden for aldersgruppen, ser sådan ud i toppen. Og i vaccinationsperioden ændrer dødelighedens aldersstruktur sig dramatisk og skifter mod yngre individer. Det betyder ikke, at de ældre kvantitativt ikke var døende.

De fleste af dødsfaldene er blandt ældre, som du ville forvente, men dette er udtrykt som en procentdel af baseline. Så i de termer skifter det til yngre mennesker. Og i USA korrelerer den samlede overdødelighed i COVID-perioden som helhed perfekt med fattigdommen i staten for de 50 stater i USA. Du vil aldrig se dette i samfundsvidenskab, sådan en stærk sammenhæng. Det er meget sjældent.

(17:20):

Og ikke kun er det en stærk korrelation, vi kalder det... Det kaldes teknisk set en meget god korrelation, når det er værdien af ​​korrelationskoefficienten. Og det går gennem oprindelsen, hvilket betyder, at det ikke bare er en sammenhæng, det er en proportionalitet. Jo flere fattige du havde i staten, jo flere mennesker døde i den stat. Direkte proportional. Så det fortæller dig... Det er en anden ting, som virus ikke gør. De vælger ikke kun at dræbe fattige mennesker. Det sker ikke. Det er ikke en signatur på en virusinfektion. Så vores model for, hvad der er sket for at forårsage dødelighed i det store flertal af jurisdiktioner, som vi så, er følgende model.

Vi understreger litteraturen... Nå, først og fremmest er der, hvad regeringerne gjorde. Den socioøkonomiske påvirkning. Mange mennesker mistede deres arbejde, mistede deres sociale kontakter, mistede deres almindelige aktiviteter, mistede deres position i samfundet. Så utrolig stress relateret til det. Der var reguleringsregler af alle slags. Der blev lagt institutionelt pres på folk. Der var alle mulige forhold, som du kender til.

(18:30):

Og i nogle lande var det meget mere voldeligt end andre. I Peru hyrede de 10,000... De kaldte 10,000 militærreservister ind med det samme for at gå og finde alle de mennesker, der kunne findes, som ville teste positive for Covid, og de ville trække dem ud af deres familier, uanset hvor gamle de var og isolere dem. Og der er et enormt dødelighedstoppe i Peru som følge af den praksis. Så der var aggression. Det forårsagede psykisk stress og social isolation. Og det er videnskabeligt kendt for at sænke immunsystemet dramatisk. Dette er meget veletableret. Det er et helt område af videnskaben at studere dette forhold til stress.

Og så derfor har du den nedsættelse af immunsystemet, og så er du mere sårbar over for enhver form for infektion. Og når du i en stor befolkning har nedsat immunitet, er et af de organer, der er mest modtagelige for straks at blive inficeret, lungerne, fordi du allerede har et helt økosystem af bakterier og alting i din egen mund og i dine luftveje, og mange af de kan blive ret farlige for dine lunger. Så du får bakteriel lungebetændelse.

(19:45):

Og min tid er forbi, og jeg nåede ikke engang til vaccinerne eller Rumænien. Så jeg vil bare vise dig Rumænien-dataene. Okay. Så igen, dette er års arbejde, mere end 30 videnskabelige rapporter om videnskab relateret til Covid, som du kunne finde på mine forskellige hjemmesider, på vores hjemmesider og den jeg gav. Og så hvis vi ser på, det er sådan, vi beviser, at vaccinerne faktisk forårsagede døden, er, at hver gang du rullede en dosis ud, fik du umiddelbart efter en overdødelighed. Så dette er tilfældet med Israel. Så doser en og to, derefter den første booster, den anden booster, og så videre. Og du kan gøre det efter aldersgruppe, som vi gør det her. Man starter med de mest ældre, og man går ned efter alder.

(20:32):

Og hvad du finder er, at efter alder, toksiciteten af ​​vaccinen, fordi vi forstår, at vaccinen er et giftigt stof, som hver person vil reagere forskelligt på, ligesom i toksikologi, at hvis du giver flere doser, er det farligere, fordi der er skader fra de første doser. Alle principperne for toksikologi følges her ud over den høje aldersafhængighed. Så det, vi fandt, er, at der er en eksponentiel stigning i vaccinens toksicitet pr. dosis. Og fordoblingstiden efter alder er fire eller fem år. Så din risiko for at dø pr. injektion fordobles hvert fjerde eller femte år i alderen.

(21:14):

I Israel, for eksempel, hvis du er 80+ år gammel, får du næsten 1 procent dødsrisiko, når du bliver smittet, og den er højere i andre lande. Så vi kiggede på Peru, du kan se den massive top der i Peru på grund af militæret, der kommer ind. Her er dette aldersgruppen 90+. Du kan se doserne blive rullet ud. Den i farve er den fjerde dosis, de toppe, der er forbundet med den. Og så følger vi det som funktion af alder hele vejen ned. Vi har mange gode data.

(21:49):

Og så laver vi en graf over, hvad der skete i Peru, og vi kan gøre det samme for Chile. Og vi ser, at de fire i begge disse lande gav den eksponentielle stigning, altid den samme fordoblingstid, fire eller fem år. Og du kommer ind i et dødsfald pr. 20 injektioner her hos de 90+-årige. Så det var de ældre, der for det meste blev dræbt af vaccinerne, hvad angår dødelighed af alle årsager. Selvfølgelig led de unge døden og alle mulige forfærdelige bivirkninger og så videre. Men med hensyn til dødelighed er de store grupper, der var døende, og som bidrog til overdødeligheden, ældre.

(22:28):

Og så det er konklusionerne om vacciner. Så ud fra dette arbejde er vi i stand til at beregne, hvor mange mennesker der ville være døde globalt, givet at vi har studeret så mange lande nu, og vi finder ud af, at 17 millioner mennesker blev dræbt af vaccinerne på planeten. Det er vores nummer. Og jeg vil ignorere den buzzer, fordi jeg vil vise dig Rumænien. Dette er data for Rumænien efter aldersgruppe. Dette er sammenhængen mellem vaccineudrulningen i mørkeblå og disse enorme toppe i overdødelighed i Rumænien.

Der er ingen første top, som du ser i de vestlige lande. Der er den med spørgsmålstegnet, som vi har hypoteser om, og der skete noget meget forfærdeligt i Rumænien for at forklare det. Vi har ideer om det. Og så har du vaccinedødsfaldene, og den sidste er boosteren. Og så i Rumænien lavede vi en foreløbig analyse af den booster, og den dræber, du får et dødsfald for hver femte eller 10 injektioner hos de 80+ årige i Rumænien fra boosterne. Det er vores konklusion, foreløbige konklusion på de rumænske data. Og det er min konklusion med snakken. Og det er det.

(23:42):

Jeg kan give dig den. Eller det var faktisk den sidste slide, som jeg glemte at vise. Men nej, det kan være kompliceret. Jeg gør ikke... Åh, er den tændt nu? Nej, nej, det er ikke muligt, tror jeg. Correlation-canada.org. Dette websted, når du går til forskning, afslutter forskningen, der er peer-reviewede artikler derinde, der er videnskabelige rapporter, og der er noget fantastisk arbejde, også teoretisk arbejde, der beviser, for eksempel... Jeg vil fortælle dig dette fordi det er for vigtigt.

Du er nødt til at se disse papirer igennem. Vi har bevist, at hvis du accepterer teoretisk epidemiologi, som den blev brugt af regeringer, kan du vise, at hvis du vil beskytte ældre mennesker, er det værste, du kan gøre, at isolere dem på plejehjem og i deres hjem. Det er absolut den ting, der vil maksimere infektioner og død. Og vi viste, at det nu er et fagfællebedømt og accepteret papir, og vi viste, at det var rigtigt generelt for ældre.

(25:43):

Så regeringerne har sagt, at vi skal beskytte de ældre ved at isolere dem og forhindre dem i at blive smittet. Og vi beviste ved hjælp af standard epidemiologiske modeller med alle de mulige parametre, at det modsatte er sandt. Så det har regeringen virkelig løjet på. De burde vide bedre. Disse modeller har eksisteret i et årti. Så det er bare endnu et eksempel på det arbejde, vi udfører. Der er mange forskellige ting, vi har gjort under Covid, hvis du vil studere den hjemmeside.

Genudgivet fra forfatterens understak



Udgivet under a Creative Commons Attribution 4.0 International licens
For genoptryk, sæt venligst det kanoniske link tilbage til originalen Brownstone Institute Artikel og forfatter.

Forfatter

Doner i dag

Din økonomiske støtte fra Brownstone Institute går til at støtte forfattere, advokater, videnskabsmænd, økonomer og andre modige mennesker, som er blevet professionelt renset og fordrevet under vores tids omvæltning. Du kan hjælpe med at få sandheden frem gennem deres igangværende arbejde.

Abonner på Brownstone for flere nyheder

Hold dig informeret med Brownstone Institute