Ficar em casa, limitar centros de contágio – incluindo hospitais, escolas e locais de trabalho – pode restringir mortes por COVID-19

Ficar em casa, limitar centros de contágio – incluindo hospitais, escolas e locais de trabalho – pode restringir mortes por COVID-19

Gráfico de mortalidade da Itália

Um novo estudo explora por que a primeira onda da epidemia de COVID-19 foi muito mais intensa em algumas regiões da Itália do que em outras. O gráfico mostra a mortalidade em cada uma das 20 regiões italianas ao longo do tempo, alinhada para contabilizar os surtos que começaram em datas diferentes. Crédito: Penn State

Novo estudo usa novas estatísticas para entender por que algumas regiões da Itália foram mais atingidas do que outras durante a primeira onda da pandemia.

Ficar em casa e limitar as viagens locais, apoiar o acesso aos cuidados primários e limitar os contatos em centros de contágio – incluindo hospitais, escolas e locais de trabalho – são estratégias que podem ajudar a reduzir COVID-19mortes relacionadas, de acordo com uma nova pesquisa. A equipe de pesquisa, por estatísticos da Penn State, da Escola de Estudos Avançados de Sant’Anna em Pisa, Itália, e da Université Laval em Quebec, Canadá, usou novas abordagens estatísticas para comparar a primeira onda da epidemia em 20 regiões da Itália e identificar fatores que contribuíram para a mortalidade.

“A primeira onda da epidemia de COVID-19 seguiu caminhos muito diferentes em diferentes regiões, com algumas áreas sendo atingidas de forma especialmente dura, enquanto outras se saíram muito melhor”, disse Francesca Chiaromonte, líder da equipe de pesquisa, que é professora de estatística e a titular da Cátedra Lloyd and Dorothy Foehr Huck em Estatística para Ciências da Vida na Penn State, e coordenadora científica do departamento de excelência EMbeDS da Escola Sant’Anna. “Queríamos entender por que algumas regiões foram atingidas com muito mais força do que outras, então usamos técnicas testadas e recentemente desenvolvidas em um campo de estatísticas chamado análise de dados funcionais para comparar como a primeira onda progrediu em diferentes regiões da Itália.”

Em vez de focar em modelos para prever trajetórias epidêmicas, o estudo usou técnicas de análise de dados funcionais para reunir informações das formas das curvas de mortalidade ao longo do tempo, fornecendo uma maneira sensível de capturar associações e padrões de dados. Os pesquisadores compararam as curvas de mortalidade durante a primeira onda da epidemia em 20 regiões da Itália. Após agrupar e alinhar as curvas, para caracterizar suas formas e dar conta de surtos que começaram em datas diferentes, os pesquisadores puderam avaliar fatores que podem contribuir para suas diferenças. Seus resultados aparecem em 30 de agosto na revista Scientific Reports.

Os pesquisadores descobriram que a mobilidade local – quantas pessoas se moviam em suas áreas locais – estava fortemente associada à mortalidade por COVID. Especificamente, eles usaram dados da categoria “mercearia e farmácia” do Google, que reflete a mobilidade vinculada às necessidades de aquisição, como alimentos e medicamentos. Durante um bloqueio nacional que começou em março de 2020, esses níveis de mobilidade caíram drasticamente na Itália, cerca de 30% apenas na primeira semana de bloqueio e, em seguida, mais 60% durante a semana e quase 100% durante os fins de semana em março e abril.

“No início da epidemia, havia muitas dúvidas sobre se as restrições de mobilidade realmente funcionariam; nossos resultados aumentam as evidências de que sim ”, disse Chiaromonte. “Vemos o efeito com um atraso, mas quando as pessoas reduziram sua mobilidade, vimos menos mortes relacionadas ao COVID. E não somos os únicos a documentar isso, então, quando nos dizem para ficar em casa como uma medida de mitigação, devemos ficar em casa! ”

As taxas de testes COVID positivos e mortalidade também foram associadas entre si com um atraso, de acordo com o estudo, reafirmando que a positividade é uma medida útil para incluir em modelos de doença.

A equipe de pesquisa também investigou vários fatores demográficos, socioeconômicos, de infraestrutura e ambientais, um de cada vez, para ver se eles poderiam explicar melhor os padrões de mortalidade. Isso incluiu fatores como o percentual da população com mais de 65 anos, prevalência de doenças pré-existentes, como diabetes e alergias, acessibilidade aos cuidados primários e leitos de UTI, e fatores que podem aumentar as taxas de contato, como o número de leitos em um hospital ou casa de repouso e o número de alunos por sala de aula.

“Com base nas associações capturadas por nossas técnicas estatísticas, o que reduz a mortalidade pode não ser tanto ter grandes hospitais sofisticados com muitos leitos de UTI, mas ter bom acesso aos médicos de atenção primária”, disse Chiaromonte. “Na verdade, ter grandes hospitais pode ter saído pela culatra porque eles funcionaram como centros de contágio. Os locais onde você tem mais leitos por hospital, mais leitos por casa de saúde, mais alunos por sala de aula e mais funcionários por empresa são onde as epidemias eram mais fortes. ”

Com pesquisas adicionais para confirmar essas tendências, esses resultados poderiam informar a tomada de decisão, por exemplo, encorajando investimentos de curto e médio prazo para impulsionar a atenção primária à saúde distribuída e para limitar os contatos em centros de contágio. Escolas e locais de trabalho podem encorajar grupos, onde alunos e funcionários veem apenas um grupo limitado de indivíduos, e hospitais podem segmentar seções para reduzir os contatos.

“Porém, o mais importante é que, mesmo controlando esses fatores em nossas análises estatísticas, a mobilidade ainda é um indicador defasado muito forte de mortalidade”, disse Chiaromonte. “E mesmo levando em consideração a mobilidade, as taxas de positividade e os outros fatores que consideramos, ainda não podemos explicar totalmente por que a epidemia foi tão mais intensa na Lombardia, uma região industrializada do norte que inclui Milão, em comparação com o resto do país . Eles ainda são discrepantes em relação ao que nossos modelos podem explicar. Aumentar o acesso a dados precisos, oportunos e de alta resolução geográfica pode permitir que nós e outros pesquisadores validemos os resultados e melhoremos nossa capacidade de explicar as trajetórias mais extremas – como as observadas na Lombardia durante a primeira onda de COVID-19. ”

Disponibilidade de dados limitada e precisão apresentou vários desafios para este estudo. Por exemplo, as contagens oficiais de mortes refletiram uma grave subnotificação no início da epidemia, então a equipe de pesquisa também integrou informações sobre mortalidade diferencial – diferenças nas mortes gerais em 2020 em comparação com a taxa média de mortalidade nos cinco anos anteriores. No entanto, informações mais precisas sobre óbitos, bem como casos e hospitalizações, em uma escala geográfica mais apurada, e possivelmente divididas por sexo, idade, condições pré-existentes e outras características, permitiriam à equipe aprimorar seus modelos. Além disso, dados demográficos, socioeconômicos, de infraestrutura e ambientais são frequentemente relatados em uma escala geográfica grosseira e frequentemente estão desatualizados há vários anos.

“Algum progresso foi feito desde o início da pandemia, mas esperamos que daqui para frente as agências governamentais, institutos de estatística e outros grupos realmente priorizem a coleta, integração e disponibilização de dados a pesquisadores qualificados”, disse Chiaromonte. “Todas as ambigüidades e dúvidas que tínhamos no início, e ainda temos em alguns casos, sobre onde ocorrem os contágios, se o vírus está se espalhando em restaurantes, academias ou no transporte público, ou se certas medidas de mitigação funcionam – poderíamos responder muito a essas perguntas de forma mais eficaz com bons dados. Já estamos tentando capitalizar o progresso – por exemplo, o Google disponibilizou suas medidas de mobilidade em uma resolução geográfica mais precisa e as estamos usando para analisar a segunda onda da epidemia de COVID-19 na Itália. Mas não podemos enfatizar o suficiente a importância de ter acesso a informações precisas, refinadas e atualizadas sobre a epidemia e sobre as muitas variáveis ​​que podem contribuir para agravá-la ou mitigá-la ”.

Referência: “A análise de dados funcionais caracteriza as formas da primeira onda epidêmica COVID-19 na Itália” por Tobia Boschi, Jacopo Di Iorio, Lorenzo Testa, Marzia A. Cremona e Francesca Chiaromonte, 30 de agosto de 2021, Relatórios Científicos.
DOI: 10.1038 / s41598-021-95866-y

Além de Chiaromonte, a equipe de pesquisa inclui Tobia Boschi, um estudante de pós-graduação em estatística na Penn State; Jacopo Di Iorio, que era pós-doutorado na Escola Sant’Anna e em breve se tornará um Eberly Postdoctoral Research Fellow na Penn State; Lorenzo Testa, um estudante de pós-graduação na Escola Sant’Anna que atualmente é bolsista visitante da Penn State; e Marzia Cremona, ex-Bruce Lindsay Visiting Assistant Professor no departamento de estatística da Penn State, que agora é professora assistente em Data Science na Université Laval em Quebec, Canadá.

KPUEv3iZCk

Leave a Reply

Your email address will not be published. Required fields are marked *