catleya
Madmaxista
- Desde
- 14 Jun 2012
- Mensajes
- 5.836
- Reputación
- 13.257
¿Un fiasco en ciernes? A medida que la esa época en el 2020 de la que yo le hablo de cobi19 se afianza, estamos tomando decisiones sin datos confiables
Por John PA Ioannidis
Global Research, 23 de marzo de 2020
Stat + 17 de marzo de 2020
Tema: Historia , Ciencia y Medicina.
La actual enfermedad por cobi19, el bichito-19, se ha denominado una esa época en el 2020 de la que yo le hablo de una vez en un siglo . Pero también puede ser un fiasco de evidencia de una vez en un siglo.
En un momento en que todos necesitan una mejor información, desde los modeladores de enfermedades y los gobiernos hasta las personas en cuarentena o solo el distanciamiento social, carecemos de evidencia confiable sobre cuántas personas han sido infectadas con SARS-CoV-2 o que continúan infectadas. Se necesita mejor información para guiar las decisiones y acciones de importancia monumental y para monitorear su impacto.
Se han adoptado contramedidas draconianas en muchos países. Si la esa época en el 2020 de la que yo le hablo se disipa, ya sea por sí sola o debido a estas medidas, el distanciamiento social extremo a corto plazo y los bloqueos pueden ser soportables. ¿Cuánto tiempo, sin embargo, deberían continuar medidas como estas si la esa época en el 2020 de la que yo le hablo se agita en todo el mundo sin cesar? ¿Cómo pueden saber los políticos si están haciendo más bien que mal?
Las banderillas o los tratamientos asequibles tardan muchos meses (o incluso años) en desarrollarse y probarse adecuadamente. Dados estos plazos, las consecuencias de los bloqueos a largo plazo son completamente desconocidas.
Los datos recopilados hasta ahora sobre cuántas personas están infectadas y cómo está evolucionando la epidemia son completamente poco confiables. Dadas las pruebas limitadas hasta la fecha, se pierden algunas muertes y probablemente la gran mayoría de las infecciones debidas al SARS-CoV-2. No sabemos si no podemos capturar infecciones por un factor de tres o 300. Tres meses después de que surgió el brote, la mayoría de los países, incluido EE. UU., No tienen la capacidad de evaluar a un gran número de personas y ningún país tiene datos confiables sobre la prevalencia del bichito en una muestra aleatoria representativa de la población general.
Este fiasco de evidencia crea una tremenda incertidumbre sobre el riesgo de morir por el bichito-19. Las tasas de mortalidad de casos reportados, como la tasa oficial de 3.4% de la Organización Mundial de la Salud, causan horror y no tienen sentido. Los pacientes que han sido evaluados para el SARS-CoV-2 son desproporcionadamente aquellos con síntomas severos y malos resultados. Como la mayoría de los sistemas de salud tienen una capacidad de prueba limitada, el sesgo de selección puede incluso empeorar en el futuro cercano.
La única situación en la que se probó una población cerrada completa fue el crucero Diamond Princess y sus pasajeros en cuarentena. La tasa de letalidad fue de 1.0%, pero esta era una población mayormente mayor, en la cual la tasa de mortalidad de el bichito-19 es mucho más alta.
Imagen a la derecha: Casos de Diamond Princess (Fuente: OMS )
Proyectando la tasa de mortalidad de Diamond Princess en la estructura de edad de la población de EE. UU., La tasa de mortalidad entre las personas infectadas con el bichito-19 sería del 0,125%. Pero dado que esta estimación se basa en datos extremadamente delgados (solo hubo siete muertes entre los 700 pasajeros y la tripulación infectados), la tasa de mortalidad real podría extenderse de cinco veces más baja (0.025%) a cinco veces más alta (0.625%). También es posible que algunos de los pasajeros infectados mueran más tarde y que los turistas puedan tener diferentes frecuencias de enfermedades crónicas, un factor de riesgo para peores resultados con la infección por SARS-CoV-2, que la población general. Agregando estas fuentes adicionales de incertidumbre, las estimaciones razonables para el índice de letalidad en la población general de los Estados Unidos varían de 0.05% a 1%.
Ese enorme rango afecta notablemente la gravedad de la esa época en el 2020 de la que yo le hablo y lo que debe hacerse. Una tasa de letalidad de 0.05% en toda la población es menor que la influenza estacional. Si ese es el ritmo real, cerrar el mundo con consecuencias sociales y financieras potencialmente tremendas puede ser totalmente irracional. Es como un elefante atacado por un gato doméstico. Frustrado e intentando evitar al gato, el elefante salta accidentalmente de un acantilado y muere.
el bichito-19 "Epidemia mundial de proporciones bíblicas"
¿Podría la tasa de letalidad del caso el bichito-19 ser tan baja? No, dicen algunos, señalando la alta tasa de personas mayores. Sin embargo, incluso algunos de los llamados cobi19 del tipo resfriado leve o común que se conocen desde hace décadas pueden tener tasas de letalidad de hasta el 8% cuando infectan a personas mayores en hogares de ancianos. De hecho, estos cobi19 "leves" infectan a decenas de millones de personas cada año, y representan del 3% al 11% de los hospitalizados en los Estados Unidos con infecciones de las vías respiratorias inferiores cada invierno.
Estos cobi19 "leves" pueden estar implicados en varios miles de muertes cada año en todo el mundo, aunque la gran mayoría de ellos no están documentados con pruebas precisas. En cambio, se pierden como ruido entre 60 millones de muertes por diversas causas cada año.
Aunque los sistemas de vigilancia exitosos han existido durante mucho tiempo para la influenza, la enfermedad es confirmada por un laboratorio en una pequeña minoría de casos. En los EE. UU., Por ejemplo, en lo que va de la temporada, 1,073,976 muestras han sido analizadas y 222,552 (20.7%) han dado positivo por influenza. En el mismo período, el número estimado de enfermedades similares a la influenza es de entre 36,000,000 y 51,000,000, con un estimado de 22,000 a 55,000 muertes por gripe.
Tenga en cuenta la incertidumbre sobre las muertes por enfermedades similares a la gripe: un rango de 2.5 veces, correspondiente a decenas de miles de muertes. Cada año, algunas de estas muertes se deben a la influenza y otras a otros bichito, como los cobi19 del resfriado común.
En una serie de autopsias que probó bichito respiratorios en muestras de 57 personas mayores que murieron durante la temporada de influenza 2016 a 2017, se detectaron bichito de influenza en el 18% de las muestras, mientras que se encontró cualquier tipo de bichito respiratorio en el 47%. En algunas personas que mueren por patógenos respiratorios virales, se encuentra más de un bichito en la autopsia y las bacterias a menudo se superponen. Una prueba positiva para el cobi19 no significa necesariamente que este bichito sea siempre el principal responsable de la fin del paciente.
Si suponemos que la tasa de letalidad entre las personas infectadas por el SARS-CoV-2 es del 0.3% en la población general, una suposición de rango medio de mi análisis de Diamond Princess, y que el 1% de la población de los EE. UU. Se infecta (aproximadamente 3.3 millones de personas ), esto se traduciría en unas 10.000 muertes. Esto suena como un gran número, pero está enterrado en el ruido de la estimación de muertes por "enfermedad similar a la gripe". Si no hubiéramos sabido acerca de un nuevo bichito, y no hubiéramos examinado a las personas con pruebas de PCR, la cantidad total de muertes por "enfermedad similar a la influenza" no parecería inusual este año. A lo sumo, podríamos haber notado casualmente que la gripe esta temporada parece ser un poco peor que el promedio. La cobertura de los medios habría sido menor que para un juego de la NBA entre los dos equipos más indiferentes.
Algunos temen que las 68 muertes de el bichito-19 en los EE. UU. A partir del 16 de marzo aumenten exponencialmente a 680, 6,800, 68,000, 680,000 ... junto con patrones catastróficos similares en todo el mundo. ¿Es ese un escenario realista o una mala ciencia ficción? ¿Cómo podemos saber en qué punto podría detenerse esa curva?
La información más valiosa para responder esas preguntas sería conocer la prevalencia actual de la infección en una muestra aleatoria de una población y repetir este ejercicio a intervalos regulares para estimar la incidencia de nuevas infecciones. Lamentablemente, esa es información que no tenemos.
En ausencia de datos, el razonamiento de preparación para el peor conduce a medidas extremas de distanciamiento social y bloqueos. Desafortunadamente, no sabemos si estas medidas funcionan. El cierre de escuelas, por ejemplo, puede reducir las tasas de tras*misión. Pero también pueden ser contraproducentes si los niños socializan de todos modos, si el cierre de la escuela lleva a los niños a pasar más tiempo con familiares mayores susceptibles, si los niños en el hogar interrumpen la capacidad de trabajo de sus padres, y más. El cierre de escuelas también puede disminuir las posibilidades de desarrollar inmunidad de rebaño en un grupo de edad que no padece enfermedades graves.
Esta ha sido la perspectiva detrás de la postura diferente del Reino Unido de mantener abiertas las escuelas , al menos hasta que escribo esto. En ausencia de datos sobre el curso real de la epidemia, no sabemos si esta perspectiva fue brillante o catastrófica.
Allanar la curva para evitar abrumar al sistema de salud es conceptualmente sólido, en teoría. Una imagen visual que se ha vuelto viral en los medios y las redes sociales muestra cómo aplanar la curva reduce el volumen de la epidemia que está por encima del umbral de lo que el sistema de salud puede manejar en cualquier momento.
Sin embargo, si el sistema de salud se ve abrumado, la mayoría de las muertes adicionales pueden no deberse al cobi19 sino a otras enfermedades y afecciones comunes como ataques cardíacos, derrames cerebrales, traumatismos, hemorragias y similares que no se tratan adecuadamente. Si el nivel de la epidemia abruma al sistema de salud y las medidas extremas solo tienen una eficacia modesta, entonces aplastar la curva puede empeorar las cosas: en lugar de verse abrumado durante una fase corta y aguda, el sistema de salud seguirá abrumado por un período más prolongado . Esa es otra razón por la que necesitamos datos sobre el nivel exacto de la actividad epidémica.
Una de las líneas de fondo es que no sabemos cuánto tiempo se pueden mantener las medidas de distanciamiento social y los bloqueos sin mayores consecuencias para la economía, la sociedad y la salud mental. Pueden surgir evoluciones impredecibles, incluyendo crisis financiera, disturbios, conflictos civiles, guerra y un colapso del tejido social. Como mínimo, necesitamos datos de prevalencia e incidencia imparciales para la carga infecciosa en evolución para guiar la toma de decisiones.
En el escenario más pesimista, que no defiendo, si el nuevo cobi19 infecta al 60% de la población mundial y el 1% de las personas infectadas mueren, eso se traducirá en más de 40 millones de muertes en todo el mundo, lo que coincide con la esa época en el 2020 de la que yo le hablo de gripe de 1918.
La gran mayoría de este hecatomb serían personas con expectativas de vida limitadas. Eso contrasta con 1918, cuando murieron muchos jóvenes.
Uno solo puede esperar que, al igual que en 1918, la vida continúe. Por el contrario, con bloqueos de meses, si no años, la vida se detiene en gran medida, las consecuencias a corto y largo plazo son completamente desconocidas, y miles de millones, no solo millones, de vidas pueden estar en juego eventualmente.
Si decidimos saltar del precipicio, necesitamos algunos datos para informarnos sobre la justificación de tal acción y las posibilidades de aterrizar en un lugar seguro.
* *
Nota para los lectores: haga clic en los botones para compartir arriba o abajo. Reenvíe este artículo a sus listas de correo electrónico. Crosspost en su sitio de blog, foros de internet. etc.
John PA Ioannidis es profesor de medicina y profesor de epidemiología y salud de la población, así como profesor por cortesía de la ciencia de datos biomédicos en la Facultad de Medicina de la Universidad de Stanford, profesor por cortesía de estadística en la Facultad de Humanidades y Ciencias de la Universidad de Stanford, y codirector del Meta-Research Innovation Center en Stanford (METRICS) en la Universidad de Stanford.
La fuente original de este artículo es Stat +
Copyright © John PA Ioannidis , Stat + , 202
Por John PA Ioannidis
Global Research, 23 de marzo de 2020
Stat + 17 de marzo de 2020
Tema: Historia , Ciencia y Medicina.
La actual enfermedad por cobi19, el bichito-19, se ha denominado una esa época en el 2020 de la que yo le hablo de una vez en un siglo . Pero también puede ser un fiasco de evidencia de una vez en un siglo.
En un momento en que todos necesitan una mejor información, desde los modeladores de enfermedades y los gobiernos hasta las personas en cuarentena o solo el distanciamiento social, carecemos de evidencia confiable sobre cuántas personas han sido infectadas con SARS-CoV-2 o que continúan infectadas. Se necesita mejor información para guiar las decisiones y acciones de importancia monumental y para monitorear su impacto.
Se han adoptado contramedidas draconianas en muchos países. Si la esa época en el 2020 de la que yo le hablo se disipa, ya sea por sí sola o debido a estas medidas, el distanciamiento social extremo a corto plazo y los bloqueos pueden ser soportables. ¿Cuánto tiempo, sin embargo, deberían continuar medidas como estas si la esa época en el 2020 de la que yo le hablo se agita en todo el mundo sin cesar? ¿Cómo pueden saber los políticos si están haciendo más bien que mal?
Las banderillas o los tratamientos asequibles tardan muchos meses (o incluso años) en desarrollarse y probarse adecuadamente. Dados estos plazos, las consecuencias de los bloqueos a largo plazo son completamente desconocidas.
Los datos recopilados hasta ahora sobre cuántas personas están infectadas y cómo está evolucionando la epidemia son completamente poco confiables. Dadas las pruebas limitadas hasta la fecha, se pierden algunas muertes y probablemente la gran mayoría de las infecciones debidas al SARS-CoV-2. No sabemos si no podemos capturar infecciones por un factor de tres o 300. Tres meses después de que surgió el brote, la mayoría de los países, incluido EE. UU., No tienen la capacidad de evaluar a un gran número de personas y ningún país tiene datos confiables sobre la prevalencia del bichito en una muestra aleatoria representativa de la población general.
Este fiasco de evidencia crea una tremenda incertidumbre sobre el riesgo de morir por el bichito-19. Las tasas de mortalidad de casos reportados, como la tasa oficial de 3.4% de la Organización Mundial de la Salud, causan horror y no tienen sentido. Los pacientes que han sido evaluados para el SARS-CoV-2 son desproporcionadamente aquellos con síntomas severos y malos resultados. Como la mayoría de los sistemas de salud tienen una capacidad de prueba limitada, el sesgo de selección puede incluso empeorar en el futuro cercano.
La única situación en la que se probó una población cerrada completa fue el crucero Diamond Princess y sus pasajeros en cuarentena. La tasa de letalidad fue de 1.0%, pero esta era una población mayormente mayor, en la cual la tasa de mortalidad de el bichito-19 es mucho más alta.
Imagen a la derecha: Casos de Diamond Princess (Fuente: OMS )
Proyectando la tasa de mortalidad de Diamond Princess en la estructura de edad de la población de EE. UU., La tasa de mortalidad entre las personas infectadas con el bichito-19 sería del 0,125%. Pero dado que esta estimación se basa en datos extremadamente delgados (solo hubo siete muertes entre los 700 pasajeros y la tripulación infectados), la tasa de mortalidad real podría extenderse de cinco veces más baja (0.025%) a cinco veces más alta (0.625%). También es posible que algunos de los pasajeros infectados mueran más tarde y que los turistas puedan tener diferentes frecuencias de enfermedades crónicas, un factor de riesgo para peores resultados con la infección por SARS-CoV-2, que la población general. Agregando estas fuentes adicionales de incertidumbre, las estimaciones razonables para el índice de letalidad en la población general de los Estados Unidos varían de 0.05% a 1%.
Ese enorme rango afecta notablemente la gravedad de la esa época en el 2020 de la que yo le hablo y lo que debe hacerse. Una tasa de letalidad de 0.05% en toda la población es menor que la influenza estacional. Si ese es el ritmo real, cerrar el mundo con consecuencias sociales y financieras potencialmente tremendas puede ser totalmente irracional. Es como un elefante atacado por un gato doméstico. Frustrado e intentando evitar al gato, el elefante salta accidentalmente de un acantilado y muere.
el bichito-19 "Epidemia mundial de proporciones bíblicas"
¿Podría la tasa de letalidad del caso el bichito-19 ser tan baja? No, dicen algunos, señalando la alta tasa de personas mayores. Sin embargo, incluso algunos de los llamados cobi19 del tipo resfriado leve o común que se conocen desde hace décadas pueden tener tasas de letalidad de hasta el 8% cuando infectan a personas mayores en hogares de ancianos. De hecho, estos cobi19 "leves" infectan a decenas de millones de personas cada año, y representan del 3% al 11% de los hospitalizados en los Estados Unidos con infecciones de las vías respiratorias inferiores cada invierno.
Estos cobi19 "leves" pueden estar implicados en varios miles de muertes cada año en todo el mundo, aunque la gran mayoría de ellos no están documentados con pruebas precisas. En cambio, se pierden como ruido entre 60 millones de muertes por diversas causas cada año.
Aunque los sistemas de vigilancia exitosos han existido durante mucho tiempo para la influenza, la enfermedad es confirmada por un laboratorio en una pequeña minoría de casos. En los EE. UU., Por ejemplo, en lo que va de la temporada, 1,073,976 muestras han sido analizadas y 222,552 (20.7%) han dado positivo por influenza. En el mismo período, el número estimado de enfermedades similares a la influenza es de entre 36,000,000 y 51,000,000, con un estimado de 22,000 a 55,000 muertes por gripe.
Tenga en cuenta la incertidumbre sobre las muertes por enfermedades similares a la gripe: un rango de 2.5 veces, correspondiente a decenas de miles de muertes. Cada año, algunas de estas muertes se deben a la influenza y otras a otros bichito, como los cobi19 del resfriado común.
En una serie de autopsias que probó bichito respiratorios en muestras de 57 personas mayores que murieron durante la temporada de influenza 2016 a 2017, se detectaron bichito de influenza en el 18% de las muestras, mientras que se encontró cualquier tipo de bichito respiratorio en el 47%. En algunas personas que mueren por patógenos respiratorios virales, se encuentra más de un bichito en la autopsia y las bacterias a menudo se superponen. Una prueba positiva para el cobi19 no significa necesariamente que este bichito sea siempre el principal responsable de la fin del paciente.
Si suponemos que la tasa de letalidad entre las personas infectadas por el SARS-CoV-2 es del 0.3% en la población general, una suposición de rango medio de mi análisis de Diamond Princess, y que el 1% de la población de los EE. UU. Se infecta (aproximadamente 3.3 millones de personas ), esto se traduciría en unas 10.000 muertes. Esto suena como un gran número, pero está enterrado en el ruido de la estimación de muertes por "enfermedad similar a la gripe". Si no hubiéramos sabido acerca de un nuevo bichito, y no hubiéramos examinado a las personas con pruebas de PCR, la cantidad total de muertes por "enfermedad similar a la influenza" no parecería inusual este año. A lo sumo, podríamos haber notado casualmente que la gripe esta temporada parece ser un poco peor que el promedio. La cobertura de los medios habría sido menor que para un juego de la NBA entre los dos equipos más indiferentes.
Algunos temen que las 68 muertes de el bichito-19 en los EE. UU. A partir del 16 de marzo aumenten exponencialmente a 680, 6,800, 68,000, 680,000 ... junto con patrones catastróficos similares en todo el mundo. ¿Es ese un escenario realista o una mala ciencia ficción? ¿Cómo podemos saber en qué punto podría detenerse esa curva?
La información más valiosa para responder esas preguntas sería conocer la prevalencia actual de la infección en una muestra aleatoria de una población y repetir este ejercicio a intervalos regulares para estimar la incidencia de nuevas infecciones. Lamentablemente, esa es información que no tenemos.
En ausencia de datos, el razonamiento de preparación para el peor conduce a medidas extremas de distanciamiento social y bloqueos. Desafortunadamente, no sabemos si estas medidas funcionan. El cierre de escuelas, por ejemplo, puede reducir las tasas de tras*misión. Pero también pueden ser contraproducentes si los niños socializan de todos modos, si el cierre de la escuela lleva a los niños a pasar más tiempo con familiares mayores susceptibles, si los niños en el hogar interrumpen la capacidad de trabajo de sus padres, y más. El cierre de escuelas también puede disminuir las posibilidades de desarrollar inmunidad de rebaño en un grupo de edad que no padece enfermedades graves.
Esta ha sido la perspectiva detrás de la postura diferente del Reino Unido de mantener abiertas las escuelas , al menos hasta que escribo esto. En ausencia de datos sobre el curso real de la epidemia, no sabemos si esta perspectiva fue brillante o catastrófica.
Allanar la curva para evitar abrumar al sistema de salud es conceptualmente sólido, en teoría. Una imagen visual que se ha vuelto viral en los medios y las redes sociales muestra cómo aplanar la curva reduce el volumen de la epidemia que está por encima del umbral de lo que el sistema de salud puede manejar en cualquier momento.
Sin embargo, si el sistema de salud se ve abrumado, la mayoría de las muertes adicionales pueden no deberse al cobi19 sino a otras enfermedades y afecciones comunes como ataques cardíacos, derrames cerebrales, traumatismos, hemorragias y similares que no se tratan adecuadamente. Si el nivel de la epidemia abruma al sistema de salud y las medidas extremas solo tienen una eficacia modesta, entonces aplastar la curva puede empeorar las cosas: en lugar de verse abrumado durante una fase corta y aguda, el sistema de salud seguirá abrumado por un período más prolongado . Esa es otra razón por la que necesitamos datos sobre el nivel exacto de la actividad epidémica.
Una de las líneas de fondo es que no sabemos cuánto tiempo se pueden mantener las medidas de distanciamiento social y los bloqueos sin mayores consecuencias para la economía, la sociedad y la salud mental. Pueden surgir evoluciones impredecibles, incluyendo crisis financiera, disturbios, conflictos civiles, guerra y un colapso del tejido social. Como mínimo, necesitamos datos de prevalencia e incidencia imparciales para la carga infecciosa en evolución para guiar la toma de decisiones.
En el escenario más pesimista, que no defiendo, si el nuevo cobi19 infecta al 60% de la población mundial y el 1% de las personas infectadas mueren, eso se traducirá en más de 40 millones de muertes en todo el mundo, lo que coincide con la esa época en el 2020 de la que yo le hablo de gripe de 1918.
La gran mayoría de este hecatomb serían personas con expectativas de vida limitadas. Eso contrasta con 1918, cuando murieron muchos jóvenes.
Uno solo puede esperar que, al igual que en 1918, la vida continúe. Por el contrario, con bloqueos de meses, si no años, la vida se detiene en gran medida, las consecuencias a corto y largo plazo son completamente desconocidas, y miles de millones, no solo millones, de vidas pueden estar en juego eventualmente.
Si decidimos saltar del precipicio, necesitamos algunos datos para informarnos sobre la justificación de tal acción y las posibilidades de aterrizar en un lugar seguro.
* *
Nota para los lectores: haga clic en los botones para compartir arriba o abajo. Reenvíe este artículo a sus listas de correo electrónico. Crosspost en su sitio de blog, foros de internet. etc.
John PA Ioannidis es profesor de medicina y profesor de epidemiología y salud de la población, así como profesor por cortesía de la ciencia de datos biomédicos en la Facultad de Medicina de la Universidad de Stanford, profesor por cortesía de estadística en la Facultad de Humanidades y Ciencias de la Universidad de Stanford, y codirector del Meta-Research Innovation Center en Stanford (METRICS) en la Universidad de Stanford.
La fuente original de este artículo es Stat +
Copyright © John PA Ioannidis , Stat + , 202
