Données sur la mortalité due au COVID-19 selon le statut vaccinal

Voici une étude très intéressante que vous pouvez lire directement en anglais ici :

How do death rates from COVID-19 differ between people who are vaccinated and those who are not?

ou avec la traduction là :
Comment les taux de mortalité dus au COVID-19 diffèrent-ils entre les personnes vaccinées et celles qui ne le sont pas ?


Je m’arrête sur un point précis avec un graphique qui peut être modulé en changeant le facteur lié à l’âge.
C’est plus que parlant :slight_smile:
Données sur la mortalité due au COVID-19 selon le statut vaccinal
Suisse - Etats-unis - UK - Chili
Malheureusement pour la France pas de données avec ce type de graphique.

2 « J'aime »

A la lecture de ces graphiques, on peut donc en déduire que le vaccin est efficace pour éviter/limiter les décès car il n’y a pas photo entre le nombre de morts chez les vaccinés versus les non vaccinés…pour en débattre

1 « J'aime »

Modifiez la grille des âges… c’est là que cela devient très intéressant.
Pas le graphique d’entrée qui est réalisé tout âge confondu.

1 « J'aime »

Désolé mais pour chaque graphique j’ai modifié la classe d’âge (avec la mienne 57 ans) et à chaque fois le taux de mortalité est plus élevé pour les non vaccinés versus les vaccinés donc je maintiens que ces graphiques prouvent (malheureusement) l’efficacité du vaccin ; même si on reste à des taux raisonnables pour les non vax il apparaît que pour les vax on reste proche de zéro donc vaccin efficace…ou alors je m’y prends comme un branque !!
Merci pour votre éclairage

1 « J'aime »

Je regrette de ne pas avoir fait des copies d’écran et d’en avoir dit plus…
Je pensais naïvement, que les internautes joueraient avec toutes les tranches d’âge et pas seulement pour voir la leur.

Bien sûr il s’agit de la Suisse et ps de la France… mais les populations suisses et françaises sont-elles si différentes ?

Plus on s’avance en âge et plus l’efficacité des vaccins semblent être effectivement utiles.
Mais plus on s’avance en âge et plus on a des risques de cumuler des comorbidités.
Sur cela tout le monde s’accorde.

Ce sont surtout les courbes concernant les enfants et les jeunes gens qui sont parlantes.
Comme quoi il est vraiment, mais vraiment inutile de vacciner ces tranches d’âge.



Malgré tout pour la tranche d’âge qui vous concerne ce n’est pas aussi simple que cela.
Globalement oui, vous avez raison. Bien qu’il y ait brutalement une pointe très nette et presque comparable aux non-vaccinés de ceux qui étaient totalement vaccinés. Pourquoi ?
On peut se poser des questions.

1 « J'aime »

Merci pour cette explication et encore merci pour le travail que vous faites.

1 « J'aime »

Merci Francesco :wink:

Les facteurs de comorbidités les plus à surveiller sont le diabète, l’hypertension, l’obésité… et si on cumule plusieurs facteurs, le risque est d’autant plus important - ceci je l’avais bien sûr lu pour le Covid-19 -
Ne me souvenant plus dans quelles proportions les risques augmentent et me demandant ce qu’il en était avec Omicron, j’ai trouvé ceci :

L’article traduit en Français par Lexilogos :

Dan O’Donnell présente l’analyse la plus complète à ce jour des décès de variantes d’Omicron

Le _
_ éviter l’obésité, le diabète et les maladies cardiaques diminue tellement les risques de décès par Omicron que la promotion d’un mode de vie sain aurait toujours dû être le principal moyen de lutter contre le COVID Click To Tweet

19 janvier 2022
Perspective par Dan O’Donnell

L’ analyse la plus complète à ce jour de la variante Omicron de COVID-19 révèle que presque toutes les personnes qui en sont décédées souffraient d’au moins deux comorbidités graves qui ont contribué de manière significative au décès ou en ont été la principale cause.

Le bureau du médecin légiste du comté de Milwaukee est l’une des rares agences du pays qui enregistre les comorbidités ou les causes contributives des décès dus au COVID-19. Un examen complet de chacun des 277 décès dus au COVID-19 étudiés par le bureau du médecin légiste du comté de Milwaukee du 1er décembre (quand Omicron est devenu la souche dominante du COVID-19 en Amérique) au 17 janvier révèle que la victime moyenne d’Omicron était 71,5 ans avec 2,45 comorbidités.

L’évitement de l’obésité, du diabète et des maladies cardiaques diminue tellement les risques de décès par la variante Omicron que la promotion d’un mode de vie sain est et aurait toujours dû être le principal moyen de lutter contre le COVID

Tout comme la souche originale de COVID et la variante Delta de cet été, la variante Omicron tue presque exclusivement les personnes âgées. Personne de moins de 30 ans n’est décédé et seules trois personnes de moins de 40 ans ont succombé à la COVID depuis le 1er décembre . Deux d’entre eux avaient des comorbidités importantes ; l’un souffrait d’obésité morbide et le second avait de graves troubles cognitifs. Seulement 13 personnes de moins de 50 ans sont décédées, et toutes sauf une avaient des comorbidités, dont sept étaient obèses (et trois étaient obèses morbides).

Toutes sauf 15 des 277 victimes d’Omicron avaient des comorbidités, et 52% en avaient trois ou plus. Les comorbidités de loin les plus courantes étaient le diabète, qui était répertorié comme un facteur contributif dans 34% de tous les décès d’Omicron, et les maladies cardiovasculaires hypertensives, dont 26% souffraient au moment du décès.

Les implications de cela sont importantes, car le diabète et les maladies cardiovasculaires hypertensives (causées par l’hypertension artérielle) sont des marqueurs d’un mode de vie malsain et peuvent entraîner des complications de santé beaucoup plus graves, notamment des crises cardiaques et des accidents vasculaires cérébraux. Il semblerait que les mêmes précautions contre ces maladies - manger sainement et rester physiquement actif - puissent également mieux protéger contre les complications graves et la mort de la variante Omicron.

Ceci est encore souligné par le fait que 15,5% de toutes les victimes d’Omicron dans le comté de Milwaukee ont été classées comme obèses (dont 13 personnes répertoriées comme «obèses morbides»). Étant donné que l’obésité est bien documentée pour raccourcir considérablement la durée de vie et entraîner toutes sortes de résultats négatifs pour la santé. Faut-il s’étonner que cela conduirait également à de pires résultats avec COVID-19 ?

Pendant toute la durée de la pandémie, il était largement connu que l’obésité et les maladies liées à un mode de vie malsain telles que le diabète de type II et les maladies cardiovasculaires hypertensives étaient des facteurs de risque de COVID-19 plus graves, mais Omicron a mis cela en évidence.

Alors que le nombre global de cas a grimpé en flèche au cours des deux derniers mois, les hospitalisations et les décès n’ont pas augmenté… sauf chez les personnes qui n’étaient pas en bonne santé au départ. 10% de toutes les victimes d’Omicron dans le comté de Milwaukee souffraient d’insuffisance cardiaque congestive, tandis que 6% avaient un cancer. Cela tendrait à indiquer qu’ils étaient en très mauvaise santé et que leur système immunitaire était considérablement compromis lorsqu’ils ont reçu un diagnostic de COVID.

Cela tendrait également à suggérer que la politique de santé publique devrait s’articuler autour de la promotion de modes de vie sains. Depuis un an, l’idée de la vaccination comme seul moyen de lutter contre le COVID-19 a donné au public la fausse croyance qu’un vaccin peut se substituer à un mode de vie sain.

58 des 277 personnes décédées avec ou de la variante Omicron dans le comté de Milwaukee (21%) ont été vaccinées, et toutes sauf une avaient des comorbidités importantes. En fait, la victime moyenne d’Omicron vaccinée avait 2,4 comorbidités, ce qui suggère que si la vaccination peut être une arme importante dans la lutte contre le COVID-19, ce n’est qu’une arme. Une alimentation saine et beaucoup d’exercice sont beaucoup plus efficaces. L’évitement de l’obésité, du diabète et des maladies cardiaques diminue tellement les risques de décès par la variante Omicron que la promotion d’un mode de vie sain est et aurait toujours dû être le principal moyen de lutter contre le COVID.

Une dépendance excessive aux vaccins (et uniquement aux vaccins) a pour effet de bercer le public dans un faux sentiment de sécurité selon lequel de mauvais choix de mode de vie auront peu d’impact pour éviter les ravages du COVID-19. Rien ne pourrait être plus éloigné de la vérité. Bien que la COVID-19 puisse être mortelle, elle reste dérisoire par rapport aux masses de personnes tuées chaque année par des maladies cardiaques et des accidents vasculaires cérébraux provoqués par l’obésité, le diabète et l’hypertension artérielle.

Maintenant que les données révèlent la vérité sur la variante Omicron et ce qui la rend plus mortelle qu’elle ne devrait l’être, il est temps que la politique de santé publique reflète la réalité : COVID-19 n’est aussi mortel qu’un mode de vie malsain le permet. .

*

The Dan O’Donnell Show - Dan O’Donnell est un journaliste américain d’investigation.

je vais chercher d’autres sources

1 « J'aime »

Il y a un biais énorme puisque, par exemple, en France, on était pas considéré vacciné avant 2 semaines après la 2ème doses. Donc dans les non vaccinés on a aussi les effets secondaires des vaccins potentiellement.

J’ai aussi entendu via une vidéo de bon sens que certaines personnes, dans un des dom-tom mais probablement en France aussi, qu’on considérait les vaccinés en non-vaccinés pour des histoires potentiels d’assurances, de mutuelle ou d’autre (ou autre). Je ne la retrouve plus, donc si quelqu’un voit laquelle c’est.

Pour comparer on peut tout simplement comparer les pays qui vaccine pas ou peu avec ceux qui vaccine en âge / population standardisé sur la mort toute cause confondu (moins de biais potentiel).
La variable “pourcentage de vacciné” n’est pas forcément intègre (et on n’a pas démontrer une intégrité) puisqu’elle peut être virtuel et venir d’intersection entre base de données (VAC-SI, SI-DEP et celles des personnes admise en soins critiques en France) en plus d’avoir les biais cité plus tôt.

En plus je rappelle que les mort du COVID, selon le rapport de l’ATIH d’octobre 2021 de mémoire il y avait 2% seulement d’hospitalisation dû au COVID donc statistiquement en mortalité toute cause c’est impossible que la différence soit significative sinon ça voudrait dire que le vaccin protège de toutes les maladies. De plus, sur une étude d’épiphare, on voit bien qu’il y avait un biais au niveau des tests PCR (qui ne sont pas forcément fiable) puisque les personnes non vaccinés devait pas forcément avoir un test positif alors que les vaccinés presque tous.

Après à vérifier bien entendu.
analyse épiphare:

sinon décoder l’eco très bien pour avoir un aperçu des biais possibles.

2 « J'aime »

Oui, vous avez raison de souligner ce fait que l’on peut qualifier de manipulation pour le France.
Qui sont les “non-vaccinés” pour l’état français ???

Je ne sais si cela est le cas en Suisse et aux USA - puisque cette étude se basait sur l’analyse des données de ces pays… et je n’y avais pas vu les données concernant la France.
Mais étant en pandémie, cela me semblait intéressant d’en parler.

Je ne sais pas quel site vous utilisez pour comparer le taux de vaccination par pays, j’utilise celui-ci :

et cela permet effectivement de se faire une idée très juste de la pandémie et loin des discours officiels.

J’ai vu - je ne sais pas retrouver la source - que les tests PCR n’étaient pas fiables car ils ne seraient pas capables de faire la différence entre Omicron, la grippe et de simples rhumes… Si ma mémoire est bonne. Mais c’est à vérifier…
Il y a controverse de tte façon…

1 « J'aime »

Le test PCR, à ma connaissance, n’est pas un bon outil d’analyse, notamment de par l’hétérogénéité des résultats entre pays et laboratoire.
En effet, cela peut potentiellement varier de par le choix du seuil de positivité, du nombre de cycle d’amplification, de l’amorce etc… et il ne se mettent pas d’accord (et même la machine peut potentiellement faire varier le résultat)
De plus de part son fonctionnement, il n’est pas fiable si il n’y a pas de symptômes. Cela ne permet pas de savoir si le virus entier est présent mais juste des fragments ARN (qui sont commun à plusieurs micro-organismes). On ne vérifie pas tous le virus mais seulement des sections.
Par exemple on met trois séries de nucléotide de N acide aminés (je pense que c’est ça les termes). Si on détecte les trois alors on a bien le virus, potentiellement, si on suppose que les trois séries sont uniques.
Si on en a que deux, ça peut ne pas l’être.
Pour voir si on est plus ou moins positif, à chaque fois qu’il y a une acide animé (?) de bonne alors ça émet de la lumière et on compte le nombre de fois où une lumière a été émise.
(Tout ça à ma connaissance évidement)

2 « J'aime »

Finalement en cherchant je suis tombée sur ces données graphiques pour la France :

  • Stats DREES France

Evolution de la situation en France, en suivant les indicateurs de la DREES pour les âges et statut vaccinaux

Robert Hoffmann 9 février 2022 20:59

1 « J'aime »

joli biais comme je l’avais déjà prévenu:
“Il y a un biais énorme puisque, par exemple, en France, on était pas considéré vacciné avant 2 semaines après la 2ème doses. Donc dans les non vaccinés on a aussi les effets secondaires des vaccins potentiellement.”

  • exclusion pour on ne sait quelle raison les primos vaccinés.
    image

Mais merci pour l’info ^^

1 « J'aime »

Tout à fait d’accord.

C’est ainsi que l’on peut aisément manipuler les chiffres et leur faire dire ce que l’on veut. Et le gouvernement ne fait que ça !!!

1 « J'aime »

@recoudre , j’ai du mal a savoir si les décès du graphique our world in data, sont tous les décès ou les décès étiquetés “covidé”. Il me paraîtrait important de voir en % les décès toutes causes pour les injectés ou non injectés, car si l’injection réduit le risque de mourir du Covid en le remplaçant par mourir d’une autre cause… il y a t-il des bases la dessus ? je regarde Euromomo, mais n’arrive pas a me faire une idée claire de savoir si ces injections augmentent ou pas la mortalité globale. avez vous un avis ou un site a conseiller ?

1 « J'aime »

Bonjour,

Désolée je viens juste de voir votre message, je m’en excuse.

Par rapport à votre question :

Pour les données faisant la part des choses, personne n’a intérêt à les montrer, d’où la difficulté d’avoir des données de ce type.
Inutile de vous dire que si tel était le cas, nous ne serions pas dans ces mensonges perpétuels autour des effets secondaires des vaccins et nous n’aurions pas vécu cette situation dramatique…

Je pense qu’il est même vain de chercher des statistiques sur l’“étiquetage” des décès: “morts du covid” ou “morts avec le covid”. De mon côté j’ai arrêté de chercher.
Mais si de votre côté vous trouvez quelque chose, je serai très intéressée d’en savoir plus.

Quant à l’augmentation des décès après vaccination, il semblerait que oui.

Des données intéressantes sont à chercher du côté des assurances maladies, mutuelles, qui ne sont pas directement en rapport avec les courbes de mortalité, mais par l’augmentation sans commune mesure des incapacités de travail et maladies déclarées depuis les campagnes de vaccination…

Donc cela interroge…

  • petite parenthèse : Je n’ai pas bcp le temps actuellement pour retrouver certains articles que j’avais lu à ce propos…

Cordialement

1 « J'aime »

Il y a quelque chose de très intéressant à faire mais qui prend du temps. C’est de comparer les courbes de mortalité suivant les pays et le taux de vaccination.

  • Pays vaccinés uniquement par les vaccins ARNm (USA et Europe en très grande majorité, les exemples comme la Hongrie qui a vacciné avec des vaccins russes sont plus que rares et il faudrait connaître le pourcentage exact de doses Spoutnik utilisées…)
  • Pays qui ont développé leur propre vaccin comme la Chine et la Fédération de Russie.
  • Pays qui ont utilisé tous les vaccins sur le marché : le cas du Vietnam est très intéressant, à ce propos. Au départ utilisation uniquement des vaccins russes et chinois (quasiment pas de mortalité), puis Pfizer leur a forcé la main en leur “donnant” des vaccins ARNm, une énorme campagne de vaccination s’est mise en place et là il y a brutalement une explosion de cas + mortalité qui a suivi.
    L’Inde est aussi très intéressante à étudier. J’avais un peu analysé les choses en essayant de voir la part des vaccins différents utilisés (part du vaccin russe, du vaccin chinois et des vaccins ARNm) - de tête j’avoue ne plus m’en souvenir. Grosso modo une période où l’utilisation des vaccins ARNm est en // avec l’augmentation de la mortalité, puis ce taux de mortalité a fortement baissé à part du moment où l’Inde a refusé Pfizer et l’a remplacé par son propre vaccin qu’elle avait mis au point.

Les outils qui m’ont servi sont :

1 « J'aime »

je consulte aussi Euromomo…
pour ce qui est de l’inde, les informations recueillient sur des journeaux indien écrits en anglais ( merci le vpn) m’ont indiqué l’usage de kit de soin, ivermectine, azitromicine, zinc vitamine D et C dés le 28 avrils 2021 distribués sous de petit blister… mais je n’ai pas vu de donnée de vaccinations sur ce publications. par contre on peu constater sur ourworld in data l’effet rapide.

1 « J'aime »

J’avais consulté le pourcentage des différents vaccins dans un article sur un journal indien. Je les ai même utilisés en réponse à un pro-vax sur un blog privé, qui faisait de la totale désinformation. Je n’ai pas conservé de double de cette réponse malheureusement. Il ne me reste qu’à chercher sur le blog en question, mais ce n’est pas si évident que cela de le retrouver, les articles n’étant pas toujours répertoriés.

1 « J'aime »

Par contre j’y ai retrouvé ceci, toujours en réponse à des commentateurs pro-vax :

Si vous voulez prendre du temps à comparer des chiffres
Je vous conseillerai une fois de plus – depuis que j’interviens ici – cette base de données : COVID Live - Coronavirus Statistics - Worldometer

Et vous pourrez vous s’apercevoir, que les courbes indiquent quelque chose d’intéressant entre les pays qui ont utilisés les vaccins ARNm et ceux qui ne l’ont pas utilisé.
A chaque campagne de vaccination ARNm, il semble que les courbes repartent à la hausse. Elles décrivent ainsi des dents de scie entre période de couverture vaccinale et non couverture des vaccinés (les non-vaccinés ne pouvant pas faire fluctuer des courbes étant donné le faible nombre de personnes concernées – c’est un nombre stable, il ne peut augmenter !!!),
alors que les pays qui n’ont pas utilisé cet type de vaccin ont des courbes qui descendent quelquefois brutalement, quelquefois très doucement mais sans ces dents de scie…

1 « J'aime »

merci @recoudre pour toutes ces recherches

je me suis amusé à calculer le % de cas cobide comparé à la population totale, voici le résultat, mais ce qui serait très intéressant c’est de rajouter une colonne à ce tableau, c’est le nombre de personnes ayant reçu au moins une dose d’injection ARNm

en attendant on se rend compte qu’en France en terme de % d’infectés cobide comparé à la population on se trouve à la 16eme position mondiale, avec 45% de la population totale infectée

et la Chine en 226eme position avec 0,01% de la population totale infectée

alors faut il en conclure que :

  • les injections ARNm nous font attraper le cobide ?
  • que certain pays mentent en nous faisant croire qu’il y a énormément de cas cobide alors que non ?
  • que certain pays mentent en nous faisant croire qu’il y extrêmement peu de cas cobide alors que non ?
Total Cases Population %
1 Faeroe Islands 34658 49219 70,4158963
2 Andorra 42894 77502 55,3456685
3 Gibraltar 18560 33672 55,11998099
4 Iceland 188924 345494 54,68228102
5 Denmark 2986308 5831357 51,21120178
6 San Marino 17124 34068 50,26417753
7 Slovenia 1026292 2079486 49,35315746
8 Saint Pierre Miquelon 2748 5740 47,87456446
9 Netherlands 8090237 17207649 47,01535346
10 Martinique 175958 374706 46,95894915
11 Austria 4267154 9105049 46,8657994
12 Falkland Islands 1717 3674 46,73380512
13 St. Barth 4630 9935 46,60291897
14 Réunion 416661 907578 45,90911194
15 Liechtenstein 17532 38338 45,73008503
16 France 29621064 65550766 45,18797538
17 Latvia 829143 1846189 44,91105732
18 Israel 4146184 9326000 44,45833155
19 Seychelles 44145 99516 44,35970095
20 Estonia 576870 1328247 43,43092813
21 Channel Islands 76443 176939 43,20302477
22 Switzerland 3657546 8776126 41,67608806
23 Georgia 1655221 3974470 41,64633272
24 Cyprus 491777 1224232 40,17024551
25 Lithuania 1063097 2649425 40,12557442
26 Portugal 4066674 10139648 40,10665853
27 Caribbean Netherlands 10106 26691 37,86295006
28 Luxembourg 244182 645527 37,8267679
29 Montenegro 237486 628219 37,80305912
30 Cayman Islands 25318 67204 37,67335278
31 Czechia 3921096 10747117 36,48509642
32 Belgium 4158754 11686449 35,58612201
33 S. Korea 18163686 51353879 35,36964754
34 Aruba 37975 107636 35,2809469
35 Guadeloupe 140130 400255 35,01018101
36 Brunei 150402 445521 33,75867804
37 Greece 3470640 10325348 33,61281382
38 Isle of Man 28416 85897 33,08148131
39 Slovakia 1790228 5464718 32,75975082
40 UK 22305893 68570585 32,52982748
41 Bahrain 588070 1815072 32,3992657
42 Cook Islands 5697 17595 32,37851662
43 Maldives 179753 558819 32,16658703
44 Germany 26540610 84298211 31,48419128
45 Ireland 1565970 5043673 31,04820634
46 Monaco 12284 39776 30,88294449
47 Italy 17505973 60291184 29,03570943
48 Australia 7427019 26067870 28,491085
49 Barbados 81319 288050 28,2308627
50 Croatia 1137864 4056685 28,04910906
51 Palau 5083 18260 27,83680175
52 Saint Martin 10668 39932 26,71541621
53 French Guiana 83671 313540 26,68590929
54 Curaçao 44127 165381 26,68202514
55 Spain 12403245 46789539 26,50858561
56 Uruguay 925777 3496840 26,47467428
57 Norway 1434750 5502620 26,07394296
58 USA 86503057 334728783 25,84273041
59 French Polynesia 72962 284025 25,68858375
60 Sweden 2509366 10220156 24,55310858
61 Bermuda 15085 61836 24,39517433
62 New Zealand 1196033 5002100 23,91061754
63 Sint Maarten 10353 43810 23,63159096
64 Serbia 2018609 8669828 23,28314933
65 Singapore 1316728 5938671 22,17209877
66 British Virgin Islands 6765 30617 22,09556782
67 Anguilla 3294 15260 21,58584535
68 Malta 95210 443800 21,45335737
69 New Caledonia 62193 290767 21,38929108
70 Greenland 11971 56959 21,01687178
71 Argentina 9230573 45991947 20,0699766
72 Montserrat 1003 4998 20,06802721
73 Hungary 1919840 9613272 19,97072381
74 Finland 1105211 5557242 19,88776087
75 Dominica 14295 72329 19,76385682
76 Panama 871852 4445153 19,61354311
77 Chile 3748619 19431216 19,29173655
78 Turkey 15072747 86081293 17,50989846
79 Costa Rica 904934 5183419 17,45824522
80 Bulgaria 1165807 6848076 17,02386188
81 Jordan 1694216 10397587 16,29431906
82 Lebanon 1099745 6766786 16,25210255
83 Hong Kong 1215153 7613745 15,95999078
84 Poland 6008612 37767051 15,90966687
85 Grenada 17866 113524 15,73764138
86 DPRK 4070480 25995689 15,65828857
87 Turks and Caicos 6148 39722 15,47756911
88 Romania 2910553 18991428 15,32561427
89 North Macedonia 312157 2083210 14,98442308
90 Belize 59788 411484 14,52984806
91 Brazil 31153069 215460065 14,45885993
92 Kuwait 633225 4391812 14,41830843
93 Armenia 422963 2973874 14,22262678
94 Saint Lucia 26092 185238 14,08566277
95 Mongolia 469885 3379632 13,90343682
96 Malaysia 4513631 33162077 13,61082118
97 Suriname 80547 596723 13,49822279
98 Qatar 369929 2807805 13,17502462
99 Mayotte 37523 285449 13,14525537
100 Moldova 518793 4015969 12,91825211
101 Botswana 308126 2442766 12,61381565
102 Russia 18351851 146054575 12,56506412
103 Colombia 6109105 51924050 11,76546321
104 Bosnia and Herzegovina 377962 3241658 11,65952732
105 Ukraine 5011433 43229557 11,59260781
106 Trinidad and Tobago 162756 1408187 11,55783997
107 Palestine 582495 5329025 10,93061113
108 Tonga 11769 107995 10,89772675
109 Vietnam 10725239 99019922 10,83139512
110 Saint Kitts and Nevis 5798 53921 10,75276794
111 Peru 3584256 33853571 10,58752709
112 Belarus 982867 9443357 10,40802545
113 Canada 3881003 38377431 10,11272224
114 Taiwan 2404871 23899522 10,06242301
115 Cabo Verde 56532 567580 9,960181825
116 Cuba 1105461 11313346 9,771300197
117 Albania 276342 2871766 9,622719957
118 UAE 910935 10119805 9,00150744
119 Paraguay 651268 7300731 8,920586171
120 Bahamas 34982 400458 8,735497855
121 Tunisia 1042872 12056027 8,650212877
122 Antigua and Barbuda 8378 99486 8,421285407
123 Iran 7232731 86056777 8,404603626
124 Guyana 65243 793838 8,218679378
125 Azerbaijan 792785 10314621 7,686031314
126 Bolivia 910134 11978692 7,597941411
127 Bhutan 59628 787919 7,567782983
128 Oman 389473 5355886 7,271868744
129 Fiji 65063 908915 7,158315134
130 Libya 502016 7050663 7,120124732
131 Japan 8929654 125733370 7,102055723
132 Samoa 13796 200945 6,865560228
133 Kazakhstan 1305774 19207870 6,798119729
134 South Africa 3967078 60744193 6,530793816
135 Thailand 4466793 70136188 6,368742196
136 Namibia 166859 2629234 6,346297058
137 St. Vincent Grenadines 6923 111616 6,202515768
138 Eswatini 72685 1183225 6,14295675
139 Iraq 2328670 41954893 5,550413393
140 Dominican Republic 586099 11056747 5,300826726
141 Ecuador 878196 18157343 4,836588701
142 Guatemala 864560 18551712 4,660270707
143 Jamaica 138110 2985978 4,62528525
144 Mexico 5782405 131533283 4,396153482
145 Wallis and Futuna 454 10861 4,180093914
146 Honduras 425417 10207004 4,167892949
147 Vatican City 29 805 3,602484472
148 Philippines 3691546 112380961 3,284850002
149 Nepal 979199 30142756 3,248538388
150 Morocco 1169920 37750432 3,099090363
151 Sri Lanka 663862 21585602 3,075485224
152 India 43178080 1406050880 3,07087607
153 Kyrgyzstan 200993 6730819 2,986159634
154 Mauritius 38060 1275819 2,983181784
155 Vanuatu 9438 320920 2,940919855
156 Laos 210081 7478230 2,809234271
157 Sao Tome and Principe 5991 226971 2,639544259
158 Solomon Islands 18174 719213 2,52692874
159 Kiribati 3098 122967 2,519375117
160 El Salvador 162755 6549032 2,485176435
161 Indonesia 6056800 279076169 2,170303549
162 Saudi Arabia 771302 35854652 2,151190869
163 Gabon 47677 2326533 2,049272458
164 Venezuela 523833 28281306 1,852223515
165 Timor-Leste 22917 1366647 1,676877789
166 Zambia 322207 19372036 1,663258317
167 Zimbabwe 253236 15278268 1,657491543
168 Djibouti 15631 1015581 1,539118987
169 Lesotho 32910 2174851 1,513207112
170 Mauritania 59183 4884217 1,211719299
171 Bangladesh 1953657 167839231 1,164004976
172 Myanmar 613381 55110027 1,113011612
173 Equatorial Guinea 15924 1491436 1,067695831
174 Rwanda 130159 13568434 0,959277983
175 Comoros 8100 905156 0,89487337
176 Cambodia 136262 17163147 0,793922
177 Uzbekistan 239092 34400358 0,695027651
178 Mozambique 225933 32935964 0,685976582
179 Pakistan 1530703 229125295 0,668063733
180 Algeria 265889 45371010 0,586032799
181 Kenya 325442 56044669 0,58068324
182 Niue 9 1647 0,546448087
183 Ghana 161481 32317908 0,499664149
184 Senegal 86133 17590752 0,489649334
185 Egypt 515645 106039298 0,486277267
186 Papua New Guinea 44425 9272344 0,479112941
187 Gambia 12002 2546964 0,471227705
188 Afghanistan 180615 40611062 0,444743356
189 Cameroon 119947 27814083 0,431245567
190 Togo 37116 8651128 0,429030758
191 Malawi 86011 20078668 0,428370049
192 Congo 24128 5778765 0,417528659
193 Guinea-Bissau 8283 2057275 0,402619971
194 Ethiopia 474715 120428994 0,394186636
195 Uganda 164069 48513107 0,338195202
196 Burundi 42129 12570407 0,33514428
197 Syria 55880 18316606 0,305078353
198 Ivory Coast 82280 27631939 0,297771358
199 CAR 14649 4990960 0,293510667
200 Angola 99194 34828213 0,28480933
201 Nicaragua 18491 6775859 0,272895289
202 Eritrea 9767 3640645 0,268276638
203 Guinea 36597 13816444 0,264880023
204 Haiti 30892 11669375 0,264727117
205 Madagascar 64377 29057270 0,221552128
206 Benin 26952 12732622 0,211676747
207 Tajikistan 17388 9948814 0,174774601
208 Somalia 26565 16744183 0,158652112
209 South Sudan 17626 11445664 0,153997182
210 Mali 31109 21370217 0,145571755
211 Liberia 7456 5285838 0,141056158
212 Sudan 62374 45814277 0,136145333
213 Nauru 13 10955 0,118667275
214 Nigeria 256148 215945460 0,118616988
215 Burkina Faso 20853 22003306 0,094772122
216 DRC 89189 94786670 0,094094454
217 Sierra Leone 7682 8288353 0,092684276
218 Tanzania 35354 62999469 0,056117933
219 Chad 7417 17330414 0,042797593
220 Yemen 11822 31086792 0,038029012
221 Niger 9031 25888055 0,034884815
222 Saint Helena 2 6112 0,032722513
223 Marshall Islands 18 59957 0,030021515
224 Micronesia 31 117338 0,026419404
225 Tuvalu 3 12071 0,024852953
226 China 224310 1439323776 0,015584402
227 Macao 83 666327 0,012456347
228 Western Sahara 10 625526 0,001598655
229 Diamond Princess 712 #DIV/0!
230 MS Zaandam 9 #DIV/0!
1 « J'aime »