COVID-19: previsões limitadas, mas as únicas que temos

0
497
Crédito: Forbes.

Por Josikwylkson Costa e Felipe Nogueira

O SARS-CoV2 é um vírus novo, cuja origem, provavelmente, se deu a partir do contato do ser humano com mamíferos carreadores na região de Wuhan, na China. Desde então, tem causado estragos e deixado praticamente todos os países em condição de guerra. O vírus é contra um inimigo invisível, com batalhas não-convencionais, e neste momento, a sociedade está submetida a um conceito atribuído ao grande estrategista militar alemão Carl von Clausewitz: a névoa de guerra. A definição refere-se à incerteza que temos em relação ao inimigo durante uma situação de risco.

Apesar de termos noções de como pneumonias virais endêmicas podem agir, assim como já conhecemos outros vírus da família Coronaviridae, ainda há uma névoa sobre o nosso conhecimento do novo SARS-CoV2. Isso acontece porque a maioria dos estudos a seu respeito, até o momento, são modelos matemáticos, experimentos in vitro ou ensaios clínicos de pequena amostragem. Os modelos, em especial, fazem previsões e buscam orientar as políticas públicas realizadas por países ao redor de todo o globo, mas como estamos lidando uma nova infecção, esses modelos são passíveis de questionamento.

O filósofo Stephen Toulmin constrói um conceito evolucionário para o pensamento científico. Segundo ele, o conhecimento da ciência evolui à medida que pessoas observam novos conceitos em contraposição aos tradicionais e os submetem a um “fórum de competições”, no qual haverá um conflito e um debate que gerarão uma compreensão que substituirá ou complementará o conceito atual. Questionar os modelos sobre o COVID-19, portanto, é apenas uma forma de gerar conflitos e, destarte, dar à luz concepções mais sólidas sobre a pandemia.

Em 16 de Março deste ano, uma equipe de pesquisadores do Imperial College of London publicou um relatório [1] sobre os estimados impactos do novo coronavírus, citando intervenções não-farmacológicas, desde isolamento domiciliar de caso confirmado até distanciamento social completo da população, em duas possíveis estratégias (supressão e mitigação) para a contenção da pandemia. Tais intervenções estão listadas na Tabela 1. Esse artigo acabaria sendo o principal norte para a adoção de políticas relacionadas à quarentena por muitos países.

A supressão teria o objetivo reduzir o R – número médio de casos gerados a partir de um único caso – para abaixo de 1 (dadas as curvas de crescimento da epidemia em Wuhan, os autores postularam que o R inicial foi de 2.4*). Essa é justamente a ideia do “achatamento” da curva. No entanto, a grande dificuldade é que as intervenções não-farmacológicas precisam ser adotadas enquanto o vírus estiver em circulação. Por sua vez, a mitigação usaria as intervenções não para impedir a transmissão completamente, mas para reduzir o impacto da epidemia no sistema de saúde, reduzindo o R, mas sem focar na redução para abaixo de 1.

Tabela 1:

 

Ação

 

 

Descrição

 

 

Isolamento de caso confirmado na residência.

 

Caso confirmado permanece em casa por 7 dias, reduzindo o contato com membros de fora de casa por 75% durante esse período.

 

 

Quarentena voluntária na residência.

 

 

Após caso confirmado na residência, os outros membros permanecem em quarentena domiciliar por 14 dias.

 

 

Distanciamento social para aqueles com mais de 70 anos de idades.

 

 

Reduzir o contato no trabalho por 50% e outros contatos por 75% (contato domiciliar aumenta de 25%).

 

 

Distanciamento social da população completa.

 

 

Todas as residências reduzem contato com as pessoas de fora por 75%, mas as escolas continuam sem mudanças.

 

 

Fechamento de escolas e universidades.

 

 

Fechamento de todas as escolas, com 25% das universidades permanecendo abertas.

 

Fonte: Imperial College of London.

No cenário improvável sem adoção de medidas para contenção da pandemia, os pesquisadores do Imperial College previram que aproximadamente 80% da população do Reino Unido e dos Estados Unidos seriam infectados, causando 510 mil e mais de 2 milhões de mortes, respectivamente.

Além disso, para redução do R para 1 ou menor, foi previsto que seria necessário adotar por cinco meses uma combinação de isolamento domiciliar de caso confirmado, distanciamento social de toda população com quarentena domiciliar e fechamento das escolas ou universidades. Tomando tais medidas, o número de mortes cairia de 510 mil para entre 9 mil e 39 mil mortes, dependendo do momento em que as medidas fossem implementadas (quanto mais tardio a implementação, mais mortes). Todavia, mesmo depois dessas condutas, o controle social (mas não necessariamente a supressão completa) ainda teria de permanecer por, no mínimo, dezoito meses, tempo estimado pelos autores para o desenvolvimento de uma vacina.

O modelo admitiu, porém, que alguns tipos de análise, como de impactos socio-econômicos, não foram feitas, gerando dúvidas quanto às reais consequências das medidas e tornando, como diz o próprio artigo, extremamente difícil tomar uma decisão. Isso, de forma alguma, justifica justificativa à rejeição da quarentena. Evidências de um trabalho publicado na Science trouxeram informações relevantes evidências preliminares da eficácia do isolamento social [2]. Os autores mostraram que o R do novo coronavírus foi drasticamente reduzido, de 2.38* para 0.99, após a China adotar medidas de controle, como auto-quarentena, restrições de viagens entre Wuhan e principais cidades, e testes mais rápidos para identificação dos casos. Esse resultado é bem importante, especialmente ao considerarmos que o R, atualmente, seja mais alto do que o esperado (5.7), segundo descrições dos CDC (Centros de Controle e Prevenção de Doença dos Estados Unidos).

Diferença entre países

Devemos dar atenção especial, ademais, ao fato de que os países analisados no estudo do Imperial College (Reino Unido e Estados Unidos) tinham perfis epidemiológicos, culturais e sociais diferentes. O Brasil, por exemplo, tem uma extensa rede de favelas e aglomerações nas periferias, o que pode tornar a quarentena simplesmente incapaz de ser aplicada nessas regiões. A cultura brasileira, ao contrário da Inglaterra, também nunca teve a palavra “distanciamento” em seu vocabulário. Logo, achar que, subitamente, todos os cidadãos ficarão isolados é um pensamento um tanto quanto utópico, e a análise subsequente dos dados pode ficar enviesada caso não considere a possibilidade de aderência das políticas pela população.

Conjuntamente, a comparação entre os países pode ser dificultada pelo fato de que alguns governos estão usando padrões de classificação diferentes. O Brasil, por exemplo, até agora, só tem testado casos selecionados, enquanto a Coreia do Sul tem feito testagem em massa.

No momento em que havia surgido as previsões do Imperial College, nós a incorporamos para estimar quais seriam as estatísticas da infecção no Brasil. Quando o fizemos, trabalhamos com aquela que, naquele momento, era a melhor evidência disponível, mas entendíamos suas limitações. Ao longo do tempo, com o surgimento de novos dados, as particularidades das nações foram sendo incorporadas e tornando o saber científico mais requintado. O resultado foi a publicação de um segundo artigo 10 dias após, considerando previsões em nível global e tornando-as mais acuradas [4]. Adicionalmente, chegou-se a uma estimativa de 1,1 milhão de mortes no Brasil, caso não se adote nenhuma política específica de isolamento, enquanto de 44,2 mil com a supressão precoce. O autores destacaram que os custos socioeconômicos não foram considerados e que o controle social terá de permanecer até o desenvolvimento de vacinas ou tratamentos eficazes.

Taxa de letalidade

Chega-se à letalidade dividindo-se o número de mortos pelo número de casos confirmados. Entretanto, o número de casos confirmados pode variar bastante entre países ou locais, de acordo com diferentes práticas em relação a testes. É esperado que quanto mais pessoas são testadas, mais casos assintomáticos ou brandos sejam detectados, aumentando o denominador da fração, diluindo o valor e, desse modo, diminuindo a taxa de letalidade.

Como exemplo, pense que para uma determinada epidemia, há 100 infectados confirmados e 1 morte. Isso significa que o índice de letalidade é 1% (1/100). Assumindo a mesma taxa de letalidade, em um local com 50.000 pessoas infectadas, teríamos 500 mortes. Não obstante, se pensarmos que, além dos 100 infectados confirmados, tivemos 900 infectados não-confirmados, a taxa de letalidade real deveria ser de 1 morte por 1000 infectados (100 confirmados + 900 não-confirmados), ou 0,01%. Com isso, pensando no número de 50.000 pessoas infectadas, a previsão mudaria para 5 mortes, ao invés de 500.

Na maioria dos países, isso é um problema. O estudo da Science, mencionado anteriormente, por exemplo, demonstra que 86% da transmissão do vírus foi feita de forma não-documentada [2]. No Brasil, em particular, a problemática é ainda mais gritante, já que, até o momento, apenas casos selecionados estão sendo documentados, devido à escassez de testes, ou seja, sugere-se que os “casos confirmados” possam estar em um valor muito maior que o obtido. Dessa forma, ainda não temos descrição exata sobre a taxa de letalidade do COVID-19 no país.

Um artigo publicado na revista Science em 25 de Março [5], com título “Matemática da vida e da morte: como modelos de doenças moldam as paralisações nacionais e outras políticas de pandemia”, explora a metodologia usada para construir os modelos entrevistando vários modeladores. Destacamos a fala do modelador Ira Longini: “Essa é a natureza da modelagem: colocamos o que sabemos”. Às vezes, até mesmo o que sabemos é baseado em estimativas de outros modelos, como, por exemplo, o R0 do Coronavirus, que representa a capacidade de transmissão por um sujeito infectado e que é elemento crucial para previsões.

Realmente, agimos com base no que temos até o momento. Levando condutas com base na Prática Baseada em Evidências, sabemos que além do dever de buscar sempre não só as melhores evidências, devemos levar em conta as melhores evidências disponíveis, especialmente em um momento de pandemia, no qual medidas emergenciais são necessárias.

Atualmente, apesar das limitações descritas, os modelos têm fornecido tais evidências; as restrições deles não representam razões suficientes para reprovarmos suas recomendações. Há consenso nos estudos de que a quarentena é, à nossa realidade, a maneira mais barata, simples e efetiva para conter o avanço do vírus, e deve ser colocada em prática o mais precocemente possível, antes que o crescimento exponencial faça com que seja tarde demais aplicá-la.

Cabe a nós, portanto, apesar de mantermos os nossos questionamentos, intrínsecos a todo conhecimento científico, adotar as medidas sugeridas. Ficar em casa também é uma prática baseada em evidências. As sugestões podem ser alteradas no futuro? Sim, mas, para hoje, é o que temos.

Autores

Josikwylkson Costa é estudante de medicina no Centro Universitário UNIFACISA. Divulgador da ciência e editor no site Universo Racionalista.

Felipe Nogueira é Doutor em ciências médicas pela UERJ, além Mestre e Bacharel em informática pela PUC-Rio. Divulgador da ciência e do pensamento crítico com artigos publicados nas revistas Skeptical Inquirer, Skeptic e no seu blog Ceticismo e Ciência.

Referências

[1] Ferguson NM, Laydon D, Nedjati-Gilani G. et al. Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand. Imperial College London (2020). Disponível em https://bit.ly/34rxMF6.

[2] Li, R, Pei S, Chen B, et al. Shaman J. Substancial undocumented infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV2). Disponível em https://bit.ly/2XudycG.

[3] Sanche S, Lin YT, Xu C, Romero-Severson E, Hengartner N, Ke R. High contagiousness and rapid spread of severe acute respiratory syndrome coronavirus 2. Emerg Infect Dis. 2020. https://doi.org/10.3201/eid2607.200282.

[4] Walker PGT, Whittaker C. Watson O. et al. The Global Impact of COVID-19 and Strategies for Mitigation and Suppression. Imperial College London (2020), doi: https://doi.org/10.25561/77735. Disponível em https://bit.ly/2XqfrH0.

[5] Enserink M. & Kupferschmidt K. Mathematics of life and death: How disease models shape national shutdowns and other pandemic policies. Disponível em https://bit.ly/2Xp0h4Z.

CONTINUAR LENDO