À medida que a pandemia de coronavírus ocorre, tomamos decisões sem dados confiáveis?

No momento em que todos precisam de melhores informações, de modeladores de doenças e governos a pessoas em quarentena ou apenas distanciamento social, não temos evidências confiáveis de quantas pessoas foram infectadas com SARS-CoV-2 ou que continuam infectadas.

É necessário melhor informação para orientar decisões e ações de significado monumental e monitorar seu impacto.

Contramedidas draconianas foram adotadas em muitos países. Se a pandemia se dissipar - por conta própria ou por causa dessas medidas - pode ser suportável um distanciamento e bloqueios sociais extremos de curto prazo. Quanto tempo, no entanto, medidas como essas devem ser mantidas se a pandemia se agitar em todo o mundo? Como os formuladores de políticas podem dizer se estão fazendo mais bem do que mal?

Vacinas ou tratamentos acessíveis levam muitos meses (ou até anos) para serem desenvolvidos e testados adequadamente. Diante de tais cronogramas, as consequências de bloqueios a longo prazo são totalmente desconhecidas.

Os dados coletados até agora sobre quantas pessoas estão infectadas e como a epidemia está evoluindo não são totalmente confiáveis. Dados os limitados testes realizados até o momento, algumas mortes e provavelmente a grande maioria das infecções por SARS-CoV-2 estão sendo perdidas. Não sabemos se não conseguimos capturar infecções por um fator de três ou 300. Três meses após o surgimento do surto, a maioria dos países, incluindo os EUA, carece da capacidade de testar um grande número de pessoas e nenhum país possui dados confiáveis sobre a prevalência do vírus em uma amostra aleatória representativa da população em geral.

Esse fiasco de evidências cria uma enorme incerteza sobre o risco de morte do Covid-19. As taxas relatadas de casos fatais, como a taxa oficial de 3,4% da Organização Mundial da Saúde, causam horror - e não têm sentido. Os pacientes que foram testados para SARS-CoV-2 são desproporcionalmente aqueles com sintomas graves e maus resultados. Como a maioria dos sistemas de saúde tem capacidade limitada de teste, o viés de seleção pode até piorar no futuro próximo.

A única situação em que uma população fechada foi [100%] testada foi o navio Diamond Princess e seus passageiros em quarentena. A taxa de mortalidade de casos foi de 1,0%, mas essa era uma população amplamente idosa, na qual a taxa de mortalidade por Covid-19 é muito maior.

Projetando a taxa de mortalidade de Diamond Princess na estrutura etária da população dos EUA, a taxa de mortalidade entre pessoas infectadas com Covid-19 seria de 0,125%. Mas como essa estimativa se baseia em dados extremamente limitados - houve apenas sete mortes entre os 700 passageiros e tripulantes infectados - a taxa real de mortes pode se estender de cinco vezes menor (0,025%) a cinco vezes maior (0,625%). Também é possível que alguns dos passageiros infectados possam morrer mais tarde e que os turistas tenham frequências diferentes de doenças crônicas - um fator de risco para piores resultados com a infecção por SARS-CoV-2 - do que a população em geral. Adicionando essas fontes extras de incerteza, estimativas razoáveis para a taxa de mortalidade de casos na população geral dos EUA variam de 0,05% a 1%.

Essa enorme variedade afeta marcadamente a gravidade da pandemia e o que deve ser feito. Uma taxa de mortalidade de casos em toda a população de 0,05% é menor que a influenza sazonal.

Se essa é a verdadeira taxa, trancar o mundo com consequências sociais e financeiras potencialmente tremendas pode ser totalmente irracional.

É como um elefante sendo atacado por um gato doméstico. Frustrado e tentando evitar o gato, o elefante acidentalmente pula de um penhasco e morre.

Poderia a taxa de mortalidade de casos do Covid-19 ser tão baixa?

Não, dizem alguns, apontando para a alta taxa em pessoas idosas. No entanto, mesmo alguns dos chamados coronavírus do tipo resfriado ou comum, conhecidos há décadas, podem ter taxas de mortalidade de casos de até 8% quando infectam idosos em casas de repouso. De fato, esses coronavírus “leves” infectam dezenas de milhões de pessoas todos os anos e representam 3% a 11% das pessoas hospitalizadas nos EUA com infecções respiratórias mais baixas a cada inverno.

Esses coronavírus "leves" podem estar implicados em vários milhares de mortes todos os anos em todo o mundo, embora a grande maioria deles não seja documentada com testes precisos. Em vez disso, eles são perdidos como barulho entre 60 milhões de mortes por várias causas a cada ano.

Embora existam sistemas de vigilância bem-sucedidos da gripe, a doença é confirmada por um laboratório em uma minoria minúscula de casos.

Nos EUA, por exemplo, até o momento, nesta temporada, 1.073.976 amostras foram testadas e 222.552 (20,7%) foram positivas para influenza. No mesmo período, o número estimado de doenças semelhantes à influenza está entre 36.000.000 e 51.000.000, com uma estimativa de 22.000 a 55.000 mortes por gripe.

Observe a incerteza sobre mortes por doenças semelhantes à influenza: um intervalo de 2,5 vezes, correspondendo a dezenas de milhares de mortes. Todos os anos, algumas dessas mortes são devidas à influenza e outras a outros vírus, como o coronavírus resfriado comum.

Em uma série de autópsia que testou vírus respiratórios em amostras de 57 idosos que morreram durante a temporada de influenza de 2016 a 2017, foram detectados vírus da influenza em 18% das amostras, enquanto qualquer tipo de vírus respiratório foi encontrado em 47%. Em algumas pessoas que morrem de patógenos respiratórios virais, mais de um vírus é encontrado na autópsia e as bactérias são frequentemente sobrepostas. Um teste positivo para o coronavírus não significa necessariamente que esse vírus seja sempre o principal responsável pela morte de um paciente.

Se assumirmos que a taxa de mortalidade entre indivíduos infectados por SARS-CoV-2 é de 0,3% na população em geral - um palpite médio da minha análise Diamond Princess - e que 1% da população dos EUA é infectada (cerca de 3,3 milhões de pessoas ), isso se traduziria em cerca de 10.000 mortes.

Isso soa como um grande número, mas está enterrado no barulho da estimativa de mortes por "doenças semelhantes à influenza". Se não soubéssemos sobre um novo vírus por aí e não tivéssemos verificado indivíduos com testes de PCR, o número total de mortes por "doença semelhante à influenza" não pareceria incomum este ano. No máximo, podemos ter notado casualmente que a gripe nesta temporada parece ser um pouco pior que a média. A cobertura da mídia teria sido menor do que em um jogo da NBA entre as duas equipes mais indiferentes.

Alguns temem que as 68 mortes de Covid-19 nos EUA em 16 de março aumentem exponencialmente para 680, 6.800, 68.000, 680.000 ... juntamente com padrões catastróficos semelhantes em todo o mundo. Esse é um cenário realista ou ficção científica ruim? Como podemos saber em que ponto essa curva pode parar?

A informação mais valiosa para responder a essas perguntas seria conhecer a prevalência atual da infecção em uma amostra aleatória de uma população e repetir esse exercício em intervalos regulares para estimar a incidência de novas infecções. Infelizmente, essas são informações que não temos.

Na ausência de dados, o preparo para o pior raciocínio leva a medidas extremas de distanciamento social e bloqueios. Infelizmente, não sabemos se essas medidas funcionam. O fechamento da escola, por exemplo, pode reduzir as taxas de transmissão. Mas eles também podem sair pela culatra se as crianças socializarem de qualquer maneira, se o fechamento da escola levar as crianças a passar mais tempo com familiares idosos suscetíveis, se as crianças em casa perturbarem a capacidade de trabalho dos pais e muito mais. O fechamento da escola também pode diminuir as chances de desenvolver imunidade de rebanho em uma faixa etária que é poupada de doenças graves.

Essa tem sido a perspectiva por trás da posição diferente do Reino Unido em manter as escolas abertas, pelo menos até o momento em que escrevo isso. Na ausência de dados sobre o curso real da epidemia, não sabemos se essa perspectiva foi brilhante ou catastrófica.

Achatar a curva para evitar sobrecarregar o sistema de saúde é conceitualmente sólido - em teoria. Um visual que se tornou viral na mídia e nas mídias sociais mostra como o achatamento da curva reduz o volume da epidemia que está acima do limiar do que o sistema de saúde pode lidar a qualquer momento.

No entanto, se o sistema de saúde ficar sobrecarregado, a maioria das mortes extras pode não ser devida ao coronavírus, mas a outras doenças e condições comuns, como ataques cardíacos, derrames, traumas, sangramentos e similares que não são adequadamente tratados. Se o nível da epidemia sobrecarregar o sistema de saúde e medidas extremas tiverem eficácia modesta, o achatamento da curva poderá piorar as coisas: em vez de ficar sobrecarregado durante uma fase curta e aguda, o sistema de saúde permanecerá sobrecarregado por um período mais prolongado. Essa é outra razão pela qual precisamos de dados sobre o nível exato da atividade epidêmica.

Uma das conclusões é que não sabemos quanto tempo as medidas de distanciamento social e os bloqueios podem ser mantidos sem grandes consequências para a economia, a sociedade e a saúde mental. Podem ocorrer evoluções imprevisíveis, incluindo crise financeira, agitação, conflito civil, guerra e um colapso do tecido social. No mínimo, precisamos de dados imparciais de prevalência e incidência para a carga infecciosa em evolução para orientar a tomada de decisão.

No cenário mais pessimista, que não defendo, se o novo coronavírus infectar 60% da população global e 1% das pessoas infectadas morrerem, isso se traduzirá em mais de 40 milhões de mortes globalmente, correspondendo à pandemia de influenza de 1918.

A grande maioria dessa hecatombe seria formada por pessoas com expectativa de vida limitada. Isso contrasta com 1918, quando muitos jovens morreram.

Só podemos esperar que, assim como em 1918, a vida continue. Por outro lado, com trancos de meses, se não anos, a vida para em grande parte, as consequências de curto e longo prazo são totalmente desconhecidas e bilhões, e não apenas milhões, de vidas podem estar em risco.

Se decidirmos pular do penhasco, precisamos de alguns dados para nos informar sobre a lógica de tal ação e as chances de aterrissar em algum lugar seguro."

(Texto de John PA Ioannidis. Professor de medicina, epidemiologia e saúde da população, ciência de dados biomédicos e estatística na Universidade de Stanford e co-diretor do Meta-Research Innovation Center de Stanford)