Eficácia da medida objeto de debates técnicos. O bloqueio da mola não tem efeito. O desenho do estudo falha na previsão. (Parte 1)
A partir de 16 de dezembro, um "hard lockdown" foi imposto pelos governos federal e estadual, que se aplicará inicialmente até 10 de janeiro. Em uma série de três artigos, as razões científicas são examinadas com mais detalhes. O primeiro artigo aborda a falta de evidências científicas para a eficácia dos bloqueios. O segundo artigo descreve os danos colaterais causados por bloqueios que foram ignorados nas declarações do governo e desde então comprovados por vários estudos. No terceiro artigo, examinando criticamente o número de casos corona publicados pelo Instituto Robert Koch (RKI), discute-se até que ponto realmente se justifica o temor da magnitude veiculada por governos, mídia e alguns cientistas.
Segue-se: Parte 2: O dano colateral ignorado dos bloqueios Parte 3: Por que realmente não precisamos ter medos extremos
A partir de 16 de dezembro, a vida pública na Alemanha será novamente drasticamente cortada. O comércio a retalho, com excepção de lojas para necessidades diárias, terá de encerrar, escolas e jardins de infância serão encerrados e continuam a aplicar-se estritas restrições de contacto. Esse "bloqueio rígido" foi recomendado pela Academia Nacional de Ciências Leopoldina em sua 7ª declaração ad hoc. Especificamente, diz lá:
Os governos não só seguiram essa recomendação, como até ordenaram o fechamento de lojas a partir de 16 de dezembro, a regulamentação deve valer até 10 de janeiro. Isso se justifica pelo fato de que o bloqueio parcial prescrito no início de novembro não foi suficiente, houve crescimento exponencial novamente por alguns dias, várias centenas de mortes por dia são registradas, o sistema de saúde está sobrecarregado e o controle só pode ser retomado por meio de um bloqueio rígido, a propagação do vírus pode ser alcançada.
Se você ler a declaração de Leopoldina como cientista e ouvir as explicações nela baseadas nas declarações do governo, ficará muito surpreso. As recomendações de uma "Academia Nacional de Ciências" e as ações dos governos devem realmente estar comprometidas com os princípios da ciência e da medicina baseada em evidências, por um lado. Por outro lado, as recomendações e decisões sobre a prescrição de medidas devem refletir o discurso científico não apenas no que diz respeito às consequências para a saúde de um determinado vírus, mas também no que diz respeito aos danos colaterais das medidas.
Do ponto de vista de tal autoimagem, a 7ª declaração ad hoc da Leopoldina e as ações dos governos violam os princípios da honestidade científica e ética. Como mostrarei a seguir, a recomendação do hard lockdown se justifica na opinião de Leopoldina e não por meio de estudos científicos por meio de estudos de caso selecionados arbitrariamente - e também mal interpretados - que sustentam a suposta eficácia de um hard lockdown sem que essa seleção seja tornado compreensível ou compreensível é cientificamente justificado. Isso é ainda mais problemático porque não há evidências científicas robustas para provar a eficácia dos bloqueios.
Justificativa cientificamente questionável para o bloqueio rígido
Na declaração (p. 3), a recomendação de um hard lockdown é justificada da seguinte forma:
A figura a seguir é apresentada como um "recibo":
Número de novas infecções por dia (por milhão de habitantes) na Alemanha e na Irlanda entre 1 de março e 6 de dezembro de 2020. Gráfico obtido em 8 de dezembro de Our World in Data / CC-BY-4.0
Em vez de entrar nos estudos científicos existentes sobre a eficácia dos bloqueios, que incorporam dados de vários países (ver abaixo), é feita referência aqui ao exemplo individual de um único país. Essa abordagem é profundamente não científica. Por um lado, podem ser encontrados países que apresentam um curso de propagação de vírus semelhante ao da Irlanda (por exemplo, Suíça), mesmo sem um bloqueio rígido, por outro lado, podem ser encontrados países onde não houve um declínio correspondente na propagação do vírus apesar dos bloqueios rígidos (por exemplo, Peru). A referência a exemplos individuais, que dão a aparência da eficácia dos bloqueios, é particularmente problemática porque o estado atual da pesquisa não fornece nenhuma indicação clara de eficácia (ver abaixo).
Além disso, um exame mais atento mostra que mesmo o exemplo escolhido da Irlanda é enganoso. A figura a seguir mostra o ponto de partida exato do hard lockdown na Irlanda, bem como o tempo mais precoce possível do efeito nas novas infecções relatadas, que devido ao período de incubação e o intervalo de tempo entre o início da doença e o tempo de relatórios, no mínimo cerca de dez dias - normalmente até mais tarde - após o início da Medida reside:
Gráficos / Fonte: Nosso Mundo em Dados / CC-BY-4.0
Como mostra a figura, se o intervalo de tempo entre o momento em que uma medida é introduzida e o momento em que a medida se torna efetiva for incluído corretamente, nenhum efeito de bloqueio rígido pode ser visto.
Estudos indicam a ineficácia dos bloqueios
Ao contrário da Leopoldina em sua declaração usando o estudo de caso da Irlanda, escolhido arbitrariamente e incorretamente interpretado, numerosos e, em alguns casos, estudos muito abrangentes agora sugerem que os bloqueios não poderiam conter a propagação do vírus de maneira relevante. Uma análise dos 50 países com o maior número de infecções em 1º de maio revelou que tanto o número de casos graves de Covid-19 quanto o número de mortes de Covid-19 foram devidos a fatores como obesidade, tabagismo e nível interno bruto produto e número de enfermeiras foram afetados, mas não por ações tomadas pelos governos. Os autores escrevem na seção de resultados (tradução do autor):
Esses resultados são confirmados por um estudo recente, no qual a influência de fatores da área de demografia, saúde pública, economia, meio ambiente e ação governamental em relação a medidas nos primeiros oito meses de 2020 para países com pelo menos dez Covid -19 mortes (160 países) foram estudadas. Verificou-se que a expectativa de vida, o estado geral de saúde da população, a força econômica e os fatores ambientais, como temperatura ou localização geográfica, influenciaram o número de mortes da Covid-19 por 100.000 habitantes - mas não a intensidade das medidas tomadas. Os autores escrevem no estudo (tradução do autor):
Uma das evidências empíricas mais convincentes sobre a ineficácia dos bloqueios vem de um estudo publicado como um preprint que examinou a relação entre a mobilidade - medida pelos relatórios de mobilidade do Google - e o número de "mortes de Covod-19" para países e regiões com mais de 100 mortes até o final de agosto (medRxiv; N = 87; apenas regiões com dados qualitativamente confiáveis).
Do lado positivo, deve-se notar que, para contornar os problemas associados à modelagem matemática da propagação do vírus (veja abaixo), um método analítico de regressão no que diz respeito às variações nas séries temporais (mortes e mobilidade) entre países foi usado, o que não requer nenhuma modelagem matemática. Os autores resumem os resultados da seguinte forma (tradução do autor):
Esses resultados também são confirmados por outro estudo publicado como um preprint, no qual o efeito de várias medidas na Europa foi examinado tanto com modelos de regressão multinível quanto com modelos aditivos generalizados bayesianos. A conclusão dos autores é (tradução do autor):
Uma evidência empírica direta muito convincente da baixa eficácia mesmo de medidas drásticas vem de um estudo publicado no New England Journal of Medicine, no qual a eficácia de medidas monitoradas militarmente para a disseminação do vírus Sars-CoV-2 entre os recrutas da Marinha dos EUA foi examinado. Para conter a propagação do vírus entre os recrutas, foram tomadas as seguintes medidas:
Prescrever uma quarentena domiciliar de duas semanas antes para todos os recrutas antes da chegada.
Teste por meio de um teste de PCR na chegada e isolamento imediato dos recrutas Sars-CoV-2-positivos
Catálogo abrangente de medidas sob vigilância militar - a descrição no artigo é a seguinte (tradução do autor): Todos os recrutas usavam máscaras de pano de duas camadas dentro e fora de casa em todos os momentos, exceto ao dormir ou comer, e mantinham uma distância de às pelo menos 2 metros um do outro em todos os momentos não saíam do campus, tinham acesso a dispositivos eletrônicos pessoais e outros itens que poderiam contribuir para a transmissão do vírus através das superfícies e lavavam as mãos rotineiramente. Eles dormiam em quartos duplos com pias, comiam em salas de jantar compartilhadas e banheiros compartilhados. Todos os recrutas limpavam seus quartos diariamente, desinfetavam os banheiros com lenços desinfetantes após cada uso e comiam refeições pré-embaladas em uma sala de jantar que era limpa com desinfetante após cada refeição da unidade. A maioria das instruções e exercícios foram feitos ao ar livre. Todo o movimento dos recrutas foi monitorado e um fluxo unidirecional de movimento com entradas e saídas designadas para o prédio foi implementado a fim de minimizar o contato entre as pessoas. Seis instrutores designados para cada unidade trabalharam em turnos de 8 horas e aplicaram as medidas de quarentena. Quando os recrutas relataram sinais ou sintomas relacionados ao Covid-19, eles foram submetidos a um teste de PCR rápido para Sars-CoV-2 e resultados de testes pendentes isolados. "
Medição de febre diária e verificação diária de sintomas com isolamento imediato em caso de suspeita
Um teste PCR semanal com isolamento imediato de recrutas Sars-CoV-2-positivos.
Apesar deste catálogo abrangente de medidas, 1,9 por cento dos recrutas ainda desenvolveram uma infecção por Sars-CoV-2 ao longo de um período de duas semanas. Isso corresponde a uma incidência média de sete dias de 950 casos infectados por 100.000 pessoas. Infelizmente, não há grupo de controle neste estudo sem medidas adequadas. Mas este estudo mostra que mesmo com medidas extremas, a propagação do vírus não pode ser contida substancialmente.
A falta de efeito do bloqueio de primavera na Alemanha
Nenhum efeito dos bloqueios pode ser visto nos dados sobre a propagação do vírus na Alemanha. A figura abaixo mostra a evolução do número reprodutivo efetivo R ("valor R") em março de acordo com a estimativa do RKI em um artigo no Boletim Epidemiológico. É importante notar que o valor R estimado pelo RKI para uma data específica representa a taxa de infecção de cerca de uma a duas semanas atrás. O RKI escreve em um artigo que descreve a estimativa do valor R em mais detalhes:
No gráfico RKI mostrado abaixo, a data original no gráfico RKI foi corrigida por este atraso de tempo (correção por atraso de dez dias) e a hora das medidas tomadas em março foi desenhada em conformidade (linhas tracejadas vermelhas). A seguinte imagem emerge:
Um desenho correto da linha do tempo mostra muito claramente que nem o bloqueio, nem o fechamento de escolas, creches e lojas surtiram efeito. O valor de R já estava abaixo de um e, subsequentemente, não diminuiu de forma relevante. Apenas o cancelamento de grandes eventos ainda poderia ter um efeito mínimo.
Porém, o curso da curva não se altera com a regulamentação da medida, mas o declínio continua na mesma velocidade de antes, o que também torna improvável o efeito aqui, pois é evidentemente um declínio independentemente das medidas tomadas. (efeitos sazonais e possivelmente aumentando lentamente a imunidade do rebanho).
Isso é confirmado por um estudo publicado na revista Safety Science sobre o curso da propagação do vírus na Alemanha, caracterizado em particular pelo fato de que o intervalo entre o tempo de notificação de um resultado de teste positivo e o tempo real de infecção foi determinado muito precisamente, o que geralmente é um problema em outros estudos (veja abaixo). O autor resume os resultados da seguinte forma (tradução do autor):
A constatação de que o levantamento das medidas não levou ao aumento da propagação do vírus sugere que o curso da propagação do vírus tende a seguir um padrão sazonal e não é causado pela introdução ou suspensão das medidas. Um documento de trabalho do National Bureau of Economic Research (NBER), uma organização de pesquisa sem fins lucrativos não partidária dos Estados Unidos, sugere que esse pode ser o caso. Lá, com base em dados de 25 estados dos EUA e 23 países, cada um com mais de 1.000 mortes, foi mostrado que a partir da ocorrência de 25 "Covid 19 mortes" um desenvolvimento uniforme pode ser observado em todos os países examinados e a taxa de crescimento dentro de Caiu para zero em 20-30 dias, independentemente do tipo e período de ação tomada. Os autores concluem:
Problemas metodológicos em estudos que pressupõem a eficácia dos bloqueios
Há uma série de estudos em que, ao contrário dos estudos relatados até agora, parece ser demonstrado um efeito dos bloqueios. No entanto, esses estudos são baseados na modelagem matemática da propagação do vírus, para a qual certas suposições devem ser feitas para os parâmetros contidos no modelo, que devem ser examinados criticamente. Uma revisão rápida publicada da Cochrane (tradução do autor) diz sobre esses estudos:
O problema da modelagem incorreta é ilustrado abaixo usando dois estudos proeminentes. O primeiro vem de um grupo de pesquisa liderado por Neil Ferguson, do Imperial College London, que apareceu na revista Nature e parece demonstrar um alto nível de eficácia dos bloqueios.
No entanto, este estudo contém vários erros metodológicos fundamentais. No estudo, com base na evolução das mortes de Sars-CoV-2 registadas em onze países europeus, foram tiradas conclusões sobre a evolução da propagação do vírus (valor R) através de modelação matemática, com o objetivo de determinar o efeito de várias medidas sobre a propagação do vírus. Os resultados parecem mostrar um grande efeito dos bloqueios.
Se você olhar mais de perto o estudo, percebe-se, por um lado, que o atraso existente na notificação de óbitos não foi levado em consideração. A data de notificação às autoridades de saúde foi usada como a data de início de um óbito, embora a data real do óbito seja várias semanas antes. As curvas de propagação do vírus modeladas no estudo refletem o processo real de infecção com um atraso significativo, de forma que a conclusão sobre o efeito das medidas não é válida.
Além disso, se você olhar mais de perto os gráficos para as curvas de curso modeladas dos valores de R, você notará que a modelagem descreve incorretamente o curso real da propagação do vírus. Na figura a seguir você pode ver no lado esquerdo o curso da propagação do vírus (valor R) estimado no estudo usando o modelo para a Alemanha e no lado direito o curso real das novas infecções relatadas diariamente de acordo com o Instituto Robert Koch (RKI):
Você pode ver imediatamente que a modelagem retrata a realidade de maneira fundamentalmente incorreta: um valor R de quatro significa que o número de novas infecções em um período de geração de um vírus (intervalo de tempo desde a infecção de uma pessoa até a infecção dos casos por ela infectados, em Sars -CoV-2: quatro dias) quadruplicou. Um valor de R inferior a um significa que o número de novas infecções é reduzido em uma geração.
De acordo com a modelagem do vírus disseminado pelo Imperial College London, deveria haver um salto espontâneo de um aumento extremo no número de novas infecções (o número de novas infecções quadruplicou a cada quatro dias) para uma diminuição no número de novas infecções em a curva do curso para novas infecções, o que não é o caso.
Como essa estranha modelagem do Imperial London College pode ser explicada? A solução para o enigma pode ser encontrada lendo o artigo mais de perto. Lá diz (tradução do autor):
Isso significa que a modelagem foi desenhada desde o início de tal forma que uma diminuição no número de casos pode ser baseada quase que exclusivamente no efeito das medidas. Ao usar tal modelo, deve haver sempre um efeito de medidas, uma vez que um declínio sem medidas não está previsto no modelo (veja a figura a seguir para uma ilustração). Tal abordagem não é científica, já que o modelo nem mesmo permite que apareça que as medidas não estão funcionando (para análises publicadas mais detalhadas, consulte Fronteiras e medRxiv).
O segundo estudo de modelagem falha proeminente vem de um grupo de pesquisa liderado por Viola Prieseman do Instituto Max Planck de Dinâmica e Auto-Organização, que foi publicado na Science. Foi feita uma tentativa de usar modelagem matemática para descrever o processo de infecção na Alemanha em março e abril e, com base nisso, determinar o efeito das três medidas centrais na Alemanha. O resultado relatado na publicação original é mostrado à esquerda da seguinte figura:
Em vista desse resultado, pode-se pensar que o gráfico RKI mostrado acima está falho, porque as três medidas aparentemente fizeram alguma coisa. Como esse estranho desvio da estimativa do RKI pode ser explicado?
Uma análise crítica dos métodos da publicação original revela um erro fundamental que explica o desvio: o processo de infecção foi modelado com base na data em que a infecção foi relatada. Porém, como já mencionado, o momento da infecção é bem antes da data de notificação da infecção. No final de março, por exemplo, havia uma média de 13 a 14 dias entre o momento da infecção e o momento da notificação.
O problema resultante é que o processo real de infecção foi retratado com um atraso na publicação original e o efeito das medidas foi, portanto, avaliado incorretamente. Em resposta aos correspondentes comentários críticos sobre o artigo, o grupo de pesquisa publicou uma chamada nota técnica em que o curso da infecção não foi modelado com base na data do relatório, mas - seguindo o procedimento RKI - com base no data de início da doença, que foi apenas cerca de cinco dias depois da hora da infecção e, portanto, representa a hora real da infecção com mais precisão.
O resultado é mostrado no lado direito da figura acima. Como pode ser visto claramente, um curso comparável pode agora ser visto como no gráfico RKI: nem o fechamento de escolas, creches e lojas, nem o bloqueio tiveram um efeito relevante na propagação do vírus (para uma revisão mais detalhada consulte "O bloqueio da Corona da Alemanha foi necessário?").
Uma nota final é importante: a apresentação dos estudos existentes sobre o efeito das medidas não pretende ser exaustiva. Isso iria além do escopo deste artigo. O objetivo é ilustrar a natureza profundamente não científica da posição da Leopoldina.
Em vista das descobertas descritas, é profundamente desconcertante quando uma sociedade científica especializada justifica a recomendação de medidas em uma declaração politicamente altamente negociada com base na seleção arbitrária de um exemplo individual de apoio aleatório e ignora completamente o estado existente da pesquisa e não o menciona com uma única sílaba.
As previsões questionáveis de estudos de modelagem
Como os dois estudos de modelagem mencionados sobre o efeito das medidas demonstram, os estudos baseados em uma modelagem do processo de infecção são muito propensos a erros e, portanto, não muito confiáveis. Esses erros podem ter efeitos dramáticos se, com base em tal modelagem, as previsões da disseminação do vírus iminente forem feitas e recomendações para ação política forem feitas com base nisso.
Na verdade, a atual crise da coroa é um exemplo particularmente drástico a esse respeito. O gráfico a seguir mostra o curso das "mortes de Covid-19" na Grã-Bretanha previsto por vários estudos de modelagem - e o curso realmente observado.
Fonte: The Sun / Graphic: TP
Todas as previsões dos estudos de modelagem superestimam dramaticamente o número real de "mortes de Covid-19" observadas na Inglaterra. Curiosamente, existe um problema semelhante na Alemanha. A figura a seguir mostra a previsão com base em um modelo SEIR por um grupo de pesquisa liderado por Thorsten Lehr da Saarland University sobre o desenvolvimento do número de novas infecções em Hesse em 28 de outubro e o desenvolvimento real do número de casos (barra vermelha) - deve-se notar aqui que a "luz de bloqueio" prescrita alguns dias depois ou o anúncio anterior da mesma não poderia ter influenciado o número de casos nas duas semanas após 28 de outubro (ver acima):
Previsão de 14 dias para Hessen (em 28 de outubro). O desenvolvimento efetivo dos novos casos até 28 de outubro; a linha tracejada mostra a previsão da média de 7 dias para os próximos 14 dias: como qualquer previsão, é cada vez mais incerto - a área cinza indica o chamado intervalo de confiança dentro do qual o valor real pode estar. A linha de tendência mostra a média móvel ao longo de 7 dias. O prognóstico é baseado no modelo SEIR da Saarland University (grupo de pesquisa do Prof. Thorsten Lehr). Fonte: RKI, simulador CoVid da Saarland University, Hessischer Rundfunk. Gráficos: TP
O renomado cientista médico e estatístico John Ioannidis escreve sobre as previsões problemáticas dos estudos de modelagem em um artigo especializado (tradução do autor):
Apesar desses problemas bem conhecidos com as previsões dos estudos de modelagem, a declaração de Leopoldina se refere às previsões de um grupo de trabalho de modelagem liderado por Viola Priesemann como outro argumento central para recomendar um bloqueio rígido, que é mostrado na declaração na forma de figura a seguir (complementada pela hora de início da "luz de bloqueio" e o tempo efetivo mais cedo possível):
A modelagem prevê que, sem apertar o bloqueio, o número de casos permanecerá no nível do pico por muito tempo, apesar do pico do spread que já foi atingido há muito tempo. Um primeiro problema com essa modelagem é que a modelagem é realizada em um banco de dados não confiável, o que não permite previsões confiáveis. O RKI mudou os critérios do teste no início de novembro. O RKI escreve no relatório de situação de 2 de dezembro:
Além disso, não é realista prever que o número de casos permanecerá inalterado ao longo de várias semanas. Tal previsão só é realista se assumirmos que não há forças que estejam retardando a propagação do vírus, independentemente das medidas tomadas. Na Alemanha, entretanto, tais forças parecem existir, uma vez que o aumento no número de casos diminuiu continuamente muito antes da "luz do bloqueio" entrar em vigor - independentemente do endurecimento das medidas.
Uma possível explicação é que a mobilidade da população diminuiu significativamente antes da "luz do bloqueio". Mas então não seria necessário apertar as medidas, porque a mudança na mobilidade sem medidas especiais foi suficiente para diminuir a propagação do vírus e o aperto pela “luz de bloqueio” não produziu nenhum efeito adicional.
Ainda existe um fator limitante central na disseminação do vírus, independentemente das medidas tomadas ou das mudanças comportamentais na população: O número de indivíduos suscetíveis à infecção em uma população diminui proporcionalmente ao aumento da disseminação do vírus, de modo que o a taxa de crescimento está diminuindo cada vez mais.
Esse efeito ocorre mais rapidamente quanto menor a proporção de pessoas infectadas que deve ser alcançada para que a imunidade coletiva seja estabelecida. Freqüentemente, é assumido aqui que 60% dos indivíduos em uma população devem estar infectados para imunidade coletiva. No entanto, tal estimativa é baseada na suposição de que todas as pessoas na população são igualmente suscetíveis ao vírus e se encontram com intensidade comparável e de forma completamente aleatória.
Mas isso não é realista. Por um lado, diferentes pessoas estão socialmente conectadas em diferentes graus, por outro lado, vários estudos agora sugerem que algumas pessoas podem ter uma imunidade que decorre do contato anterior com coronavírus semelhantes. Se esses dois aspectos forem incluídos, a proporção de pessoas que precisam ser infectadas, que é necessária para a imunidade do rebanho, pode até cair para apenas dez a 20 por cento (para uma visão geral, consulte BMJ: "Covid-19: Muitas pessoas têm pré - imunidade existente?).
Assim, o decréscimo do aumento de novas infecções desde meados de outubro, independentemente das medidas, também pode dever-se ao facto de grande parte das pessoas susceptíveis ou que transmitem o vírus já estarem infectadas. Pelo menos - ao contrário da primavera - é improvável que a queda do crescimento seja devido a efeitos sazonais, uma vez que os coronavírus geralmente se espalham mais e mais na temporada atual.
resumo
Em resumo, a recomendação de um hard lockdown na 7ª declaração ad hoc não se baseia em nenhuma base científica confiável. Como uma justificativa para a necessidade de um bloqueio rígido, referência é feita apenas a exemplos individuais arbitrários, embora existam extensos estudos publicados que questionam fundamentalmente a eficácia dos bloqueios.
Por outro lado, como justificativa, faz-se referência a projeções de estudos de modelagem, que, no entanto, baseiam-se em dados não confiáveis e assumem premissas de modelo irrealistas. Por outro lado, é estranho que uma sociedade científica faça tal recomendação não científica e, portanto, viole os princípios da honestidade científica.
Do ponto de vista da medicina baseada em evidências, a prescrição de medidas por parte dos governos só é justificável se sua eficácia tiver sido comprovada empiricamente, o que não é o caso em caso de bloqueio.
Isso é ainda mais questionável quando uma medida envolve grandes danos colaterais, como é o caso dos bloqueios. Clique aqui para ver o segundo artigo da série sobre as justificativas científicas para o "hard lockdown": O dano colateral ignorado dos lockdowns.
