Cientistas modelam 'verdadeira prevalência' de COVID

Apr 07, 2023

Funcionários do governo e formuladores de políticas tentaram usar números para entender o impacto do COVID-19. Números como o número de internações ou óbitos refletem parte dessa carga. Cada ponto de dados conta apenas parte da história. Mas nenhuma figura descreve a verdadeira difusão do novo coronavírus, revelando o número de pessoas realmente infectadas em um determinado momento – uma figura importante para ajudar os cientistas a entender se a imunidade do rebanho pode ser alcançada, mesmo com vacinas.

Agora, dois cientistas da Universidade de Washington (UW) desenvolveram uma estrutura estatística que incorpora os principais dados do COVID-19 - como contagem de casos e mortes devido ao COVID-19 - para modelar a verdadeira prevalência dessa doença nos Estados Unidos e em estados individuais. .A abordagem deles, publicado na semana de 26 de julho no Proceedings of the National Academy of Sciences, projeta que nos EUA até 60% dos casos de COVID-19 não foram detectados em 7 de março de 2021, a última data para a qual o conjunto de dados que eles empregaram está disponível.

Essa estrutura pode ajudar as autoridades a determinar a verdadeira carga de doenças em sua região - tanto diagnosticadas quanto não diagnosticadas - e direcionar recursos de acordo, disseram os pesquisadores.

"Existem todos os tipos de fontes de dados diferentes que podemos usar para entender a pandemia de COVID-19 - o número de hospitalizações em um estado ou o número de testes que deram positivo. Mas cada fonte de dados tem suas próprias falhas que dar uma imagem tendenciosa do que realmente está acontecendo", disse o autor sênior Adrian Raftery, professor de sociologia e estatística da UW. “O que queríamos fazer era desenvolver uma estrutura que corrija as falhas em várias fontes de dados e aproveite seus pontos fortes para nos dar uma ideia da prevalência do COVID-19 em uma região, estado ou país como um todo”.

As fontes de dados podem ser tendenciosas de diferentes maneiras. Por exemplo, uma estatística COVID-19 amplamente citada é a proporção de resultados de testes em uma região ou estado que dão positivo. Mas como o acesso aos testes e a vontade de ser testado variam de acordo com o local, esse número por si só não pode fornecer uma imagem clara da prevalência do COVID-19, disse Raftery.

Outros métodos estatísticos geralmente tentam corrigir o viés em uma fonte de dados para modelar a verdadeira prevalência da doença em uma região. Para sua abordagem, Raftery e o principal autor Nicholas Irons, um estudante de doutorado em estatística da UW, incorporaram três fatores: o número de casos confirmados de COVID-19, o número de mortes devido ao COVID-19 e o número de testes de COVID-19 administrados todos os dias, conforme relatado pelo COVID Tracking Project. Além disso, eles incorporaram resultados de testes aleatórios de COVID-19 de residentes de Indiana e Ohio como uma "âncora" para seu método.

Os pesquisadores usaram sua estrutura para modelar a prevalência de COVID-19 nos EUA e em cada um dos estados até 7 de março de 2021. Naquela data, de acordo com sua estrutura, cerca de 19,7% dos residentes nos EUA, ou cerca de 65 milhões de pessoas, tinham sido infectado. Isso indica que é improvável que os EUA alcancem a imunidade do rebanho sem sua campanha de vacinação em andamento, disseram Raftery e Irons. Além disso, os EUA tiveram um fator de subcontagem de 2,3, descobriram os pesquisadores, o que significa que apenas cerca de um em 2,3 casos de COVID-19 foram confirmados por meio de testes. Dito de outra forma, cerca de 60% dos casos não foram contabilizados.

Essa taxa de subcontagem do COVID-19 também variou muito de acordo com o estado e pode ter várias causas, de acordo com Irons.

“Pode depender da gravidade da pandemia e da quantidade de testes naquele estado”, disse Irons. "Se você tem um estado com pandemia grave, mas testes limitados, a subcontagem pode ser muito alta e você está perdendo a grande maioria das infecções que estão ocorrendo. Ou você pode ter uma situação em que os testes são generalizados e a pandemia não é tão grave. Lá, a taxa de subcontagem seria menor."

Além disso, o fator de subcontagem flutuou por estado ou região à medida que a pandemia avançava devido a diferenças no acesso a cuidados médicos entre as regiões, mudanças na disponibilidade de testes e outros fatores, disse Raftery.