Δεν το λεμε εμεις...
Το λεει ενας Ελληνας Καθηγητης...
Και καλο θα ειναι να ακουσουμε και αυτον, οχι μονο αυτους που θελουν να προβαλουν καποιοι....
Ακολουθεί η μετάφραση του άρθρου που δημοσίευσε ο καθηγητής Ιατρικής, Επιδημιολογίας και Υγείας του Πληθυσμού και Στατιστικής στο Πανεπιστήμιο του Stanford Γιάννης Ιωαννίδης, ένας εκ των πιο έγκριτων επιστημόνων στον κόσμο, σχετικά με την πανδημία του κορωνοϊού και τους τρόπους αντιμετώπισης της από τις Αρχές.
Ο τίτλος του άρθρου που δημοσιεύτηκε στο αμερικάνικο ενημερωτικό ιατρικό περιοδικό statnews.com είναι: Είμαστε μπροστά σε ένα φιάσκο; Καθώς η πανδημία του κορωνοϊού εξελίσσεται, λαμβάνουμε αποφάσεις χωρίς αξιόπιστα δεδομένα.
Ενώ βρισκόμαστε μπροστά στην πανδημία του αιώνα, ίσως ταυτόχρονα να αποτελέσει και το φιάσκο του αιώνα. Την ώρα που όλοι ζητούν καλύτερη πληροφόρηση, από εκείνους που χρησιμοποιούν μοντέλα ανάλυσης της επιδημίας μέχρι τις κυβερνήσεις και τον κόσμο που περιορίζεται ή μπαίνει σε καραντίνα, δεν έχουμε αξιόπιστα δεδομένα για το πόσοι άνθρωποι προσβάλλονται από τον κορωνοϊό. Η πληροφόρηση είναι αναγκαία για την καθοδηγήσει τις αποφάσεις και δράσεις μας και για να δούμε τις επιπτώσεις τους.
Δρακόντεια μέτρα έχουν επιβληθεί σε πολλές χώρες, τα οποία θα είναι ανεκτά από όλους αν η πανδημία υποχωρήσει, είτε από μόνη της είτε λόγω των μέτρων. Για πόσο καιρό όμως θα πρέπει να ακολουθήσουμε αυτά τα μέτρα, και τι θα γίνει αν η πανδημία συνεχίσει για μεγάλο διάστημα; Πώς θα ξέρουμε αν τα μέτρα είναι στη σωστή κατεύθυνση ή τελικά προκαλούν περισσότερο κακό;
Ένα εμβόλιο θα ήταν σίγουρα η λύση, αλλά είμαστε μήνες μακρυά από μια τέτοια επιλογή. Δεν έχουμε λοιπόν καμία εικόνα για τις επιπτώσεις ενός παρατεταμένου lock-down.
Τα δεδομένα που έχουμε συλλέξει μέχρι στιγμής για την εξέλιξη της επιδημίας είναι παντελώς αναξιόπιστα. Λόγω των περιορισμένων διαγνωστικών αναλύσεων, έχουμε χάσει πιθανότατα την πλειοψηφία των ασθενών που προσβλήθηκαν από τον ιό. Και δεν ξέρουμε αν τα πραγματικά κρούσματα είναι 3πλάσια ή 300 φορές παραπάνω.
Ακόμη και σήμερα, 3 μήνες μετά την έναρξη της έξαρσης του ιού, οι περισσότερες χώρες δεν μπορούν να πραγματοποιήσουν μεγάλο αριθμό διαγνωστικών αναλύσεων, και καμία χώρα δεν έχει αξιόπιστα δεδομένα για τον επιπολασμό του ιού σε τυχαίο αντιπροσωπευτικό δείγμα του πληθυσμού.
Το φιάσκο της έλλειψης δεδομένων δημιουργεί τεράστια αβεβαιότητα για τη θνητότητα από τον ιό. Τα επίσημα νούμερα είναι ανούσια μιας και οι διαγνωστικές αναλύσεις πραγματοποιούνται κυρίως σε αυτούς με σοβαρή νόσο και κακή πρόγνωση. Και αυτή η κατάσταση μπορεί να επιδεινωθεί όσο εξελίσσεται η επιδημία.
Ο μοναδικός κλειστός πληθυσμός που έχει εκτεταμένα διερευνηθεί ήταν οι επιβάτες του κρουαζιερόπλοιου Diamond Princess. Εκεί παρατηρήθηκε θνητότητα 1%, αλλά και πάλι ήταν πληθυσμός σχετικά μεγάλης ηλικίας στους οποίους η θνητότητα είναι έτσι κι αλλιώς αυξημένη.
Παρόλο που με τα δεδομένα από το κρουαζιερόπλοιο θα μπορούσε να υπολογιστεί θνητότητα 0,125% σε μια χώρα σαν τις ΗΠΑ σύμφωνα με την ηλικιακή κατανομή του πληθυσμού, είναι μόλις 7 οι θάνατοι, οπότε το περιθώριο ασφαλείας των υπολογισμών θνητότητας βρίσκεται μεταξύ 0,025% και 0,625%. Είναι επίσης πιθανό κάποιοι επιβάτες που προσβλήθηκαν να κατέληξαν αργότερα.
Επίσης, οι επιβάτες δεν αποτελούσαν αντιπροσωπευτικό δείγμα του πληθυσμού και θα μπορούσαν, παράδειγμα, να είχαν περισσότερα χρόνια νοσήματα (που επηρεάζουν τη θνητότητα) από τον γενικό πληθυσμό. Προσθέτοντας αυτές τους επιπλέον παράγοντες αβεβαιότητας, εύλογες εκτιμήσεις για τη θνητότητα στον γενικό πληθυσμό των ΗΠΑ κυμαίνονται από 0,05% έως 1%.
Αυτό το τεράστιο εύρος στη θνητότητα επηρεάζει σημαντικά την εκτίμηση για το πόσο σοβαρή είναι η πανδημία και τι πρέπει να γίνει. Ποσοστό θνητότητας της τάξης του 0,05% είναι χαμηλότερο από την εποχική γρίπη. Εάν αυτό είναι πραγματικό ποσοστό, το lock-down σε όλο τον κόσμο, με ενδεχομένως τεράστιες κοινωνικές και οικονομικές συνέπειες μπορεί να είναι εντελώς παράλογο.
Είναι σαν ένας ελέφαντας να δέχεται επίθεση από μια γάτα. Στην απόγνωση του προσπαθώντας να αποφύγει τη γάτα, ο ελέφαντας πηδάει από ένα βράχο και πεθαίνει. Μπορεί το ποσοστό θνητότητας των περιπτώσεων Covid-19 να είναι τόσο χαμηλό;
Όχι, λένε κάποιοι, δείχνοντας το υψηλό ποσοστό στους ηλικιωμένους. Ωστόσο, ακόμη και μερικοί λεγόμενοι «ήπιοι» κορονοϊοί ή οι κορονοϊοί του κοινού κρυολογήματος, που είναι γνωστοί εδώ και δεκαετίες, μπορούν να έχουν θνητότητα μέχρι και 8% όταν μολύνουν τους ηλικιωμένους σε γηροκομεία.
Στην πραγματικότητα, αυτοί οι «ήπιοι» κορονοϊοί προσβάλλουν δεκάδες εκατομμύρια ανθρώπους κάθε χρόνο και αντιπροσωπεύουν το 3% έως 11% αυτών που νοσηλεύονται στις ΗΠΑ με λοίμωξη κατωτέρου αναπνευστικού κάθε χειμώνα.
Αυτοί οι “ήπιοι” κοροναϊοί μπορεί να εμπλέκονται σε αρκετές χιλιάδες θανάτους κάθε χρόνο παγκοσμίως, αν και η συντριπτική τους πλειοψηφία δεν εξακριβώνεται με ακριβή διαγνωστικά τεστ. Αντ ‘αυτού, χάνονται ως «θόρυβος» μεταξύ 60 εκατομμυρίων θανάτων από διάφορες αιτίες κάθε χρόνο.
Παρόλο που τα συστήματα επιτήρησης υπάρχουν από καιρό για τη γρίπη, η ασθένεια επιβεβαιώνεται από ένα εργαστήριο σε μια μικρή μειοψηφία περιπτώσεων. Στις ΗΠΑ για παράδειγμα, μέχρι στιγμής έχουν εξετασθεί 1.073.976 δείγματα και 222.552 (20.7%) είναι θετικά για τη γρίπη. Την ίδια περίοδο, ο εκτιμώμενος αριθμός παρόμοιων με γρίπη ασθενειών (γριπώδη συνδρομή)κυμαίνεται μεταξύ 36.000.000 και 51.000.000, με 22.000 έως 55.000 εκτιμώμενους θανάτους.
Σημειώστε την αβεβαιότητα σχετικά με τους θανάτους από γριπώδη συνδρομή: 2,5 φορές διαφορά μεταξύ ελάχιστης και μέγιστης εκτίμησης, που αντιστοιχεί σε δεκάδες χιλιάδες θανάτους. Κάθε χρόνο, ορισμένοι από αυτούς τους θανάτους οφείλονται σε γρίπη και μερικοί από άλλους ιούς, όπως οι κορονοϊοί του κοινού κρυολογήματος.
Σε μια σειρά αυτοψιών όπου έγινε εξέταση για αναπνευστικούς ιούς σε δείγματα από 57 ηλικιωμένους ανθρώπους που πέθαναν κατά τη διάρκεια της εποχής της γρίπης την περίοδο 2016 έως 2017, ανιχνεύθηκαν ιοί της γρίπης στο 18% των δειγμάτων, ενώ οποιοδήποτε άλλο είδος αναπνευστικού ιού βρέθηκε στο 47%.
Σε μερικούς ανθρώπους που πεθαίνουν από παθογόνους ιούς του αναπνευστικού συστήματος, περισσότεροι από ένας ιός εντοπίζονται κατά την αυτοψία, συνοδό επιμόλυνση από βακτήρια. Μια θετική δοκιμή για τον κοροναϊό δεν σημαίνει απαραίτητα ότι ο ιός αυτός είναι πάντα υπεύθυνος για την κατάρρευση του ασθενούς.
Εάν υποθέσουμε ότι το ποσοστό θνησιμότητας μεταξύ των ατόμων που έχουν μολυνθεί από το κορονοϊό είναι 0,3% στον γενικό πληθυσμό – μια εικασία από την ανάλυση του κρουαζιερόπλοιου Diamond Princess – και ότι το 1% του πληθυσμού των ΗΠΑ έχει προσβληθεί (περίπου 3,3 εκατομμύρια άτομα), αυτό θα μεταφράζεται σε περίπου 10.000 θανάτους. Αυτό ακούγεται σαν ένας τεράστιος αριθμός, αλλά είναι θαμμένος μέσα στο «θόρυβο» της εκτίμησης των θανάτων από «γριπώδη συνδρομή».
Εάν δεν γνωρίζαμε για έναν νέο ιό εκεί έξω και δεν είχαμε ελέγξει τα άτομα με δοκιμές PCR, ο αριθμός των συνολικών θανάτων που οφείλονται σε «γριπώδη συνδρομή» δεν θα φαινόταν ασυνήθιστο φέτος. Το πολύ, ίσως να παρατηρούσαμε ότι η γρίπη αυτή τη σεζόν φαίνεται να είναι κάπως χειρότερη από το μέσο όρο. Η κάλυψη των μέσων ενημέρωσης θα ήταν μικρότερη από ό, τι για ένα παιχνίδι NBA μεταξύ των δύο πιο αδιάφορων ομάδων.
Κάποιοι ανησυχούν ότι οι 68 θάνατοι από το κορονοϊό στις ΗΠΑ στις 16 Μαρτίου θα αυξηθούν εκθετικά σε 680, 6.800, 68.000, 680.000 … μαζί με παρόμοια καταστροφικά σχέδια σε όλο τον κόσμο. Είναι ένα ρεαλιστικό σενάριο ή κακή επιστημονική φαντασία; Πώς μπορούμε να πούμε σε ποιο σημείο μια τέτοια καμπύλη μπορεί να σταματήσει;
Η πιο πολύτιμη πληροφορία για την απάντηση σε αυτά τα ερωτήματα θα ήταν να γνωρίζουμε τον επιπολασμό της λοίμωξης από κορονοϊό σε ένα τυχαίο δείγμα πληθυσμού και να επαναλαμβάνουμε αυτή την άσκηση σε τακτά χρονικά διαστήματα για να εκτιμήσουμε την επίπτωση νέων μολύνσεων. Δυστυχώς, αυτή είναι η πληροφορία που δεν έχουμε.
Αφού δεν έχουμε δεδομένα, η «προετοιμασία για τα χειρότερα» οδηγεί σε ακραία μέτρα κοινωνικής απομόνωσης και lock-down. Δυστυχώς, δεν γνωρίζουμε εάν τα μέτρα αυτά λειτουργούν. Το κλείσιμο σχολείων, για παράδειγμα, μπορεί να μειώσει τα ποσοστά μετάδοσης.
Μπορεί όμως να αποδειχθεί αναποτελεσματικό στην περίπτωση που τα παιδιά κοινωνικοποιούνται ούτως ή άλλως, εάν το κλείσιμο του σχολείου οδηγεί τα παιδιά να περάσουν περισσότερο χρόνο με ευπαθή ηλικιωμένα μέλη της οικογένειας, εάν τα παιδιά στο σπίτι διαταράξουν την ικανότητα των γονιών τους να εργαστούν και πολλά άλλα. Το κλείσιμο σχολείων μπορεί επίσης να μειώσει τις πιθανότητες εμφάνισης ανοσίας της αγέλης σε μια ηλικιακή ομάδα που δεν κάνει σοβαρή νόσο.
Αυτή ήταν η λογική πίσω από τη διαφορετική στάση του Ηνωμένου Βασιλείου, που κρατά τα σχολεία ανοιχτά, τουλάχιστον μέχρι την ώρα που γράφεται το άρθρο. Ελλείψει δεδομένων σχετικά με την πραγματική πορεία της επιδημίας, δεν γνωρίζουμε εάν αυτή η προοπτική ήταν λαμπρή ή καταστροφική.
Η επιπέδωση της καμπύλης για να αποφευχθεί η κατάρρευση του συστήματος υγείας είναι ως σκέψη σωστή – θεωρητικά. Ένα γράφημα που έχει γίνει viral στα μέσα μαζικής ενημέρωσης και στα κοινωνικά μέσα δείχνει πως η επιπέδωση της καμπύλης μειώνει τον όγκο της επιδημίας που είναι πάνω από το όριο του τι μπορεί να χειριστεί το σύστημα υγείας ανά πάσα στιγμή.
Ωστόσο, εάν η πίεση στο σύστημα υγείας ξεπεράσει τα όριά του, η πλειοψηφία των επιπλέον θανάτων μπορεί να μην οφείλεται σε κορονοϊό, αλλά σε άλλες κοινές ασθένειες και καταστάσεις όπως καρδιακές προσβολές, εγκεφαλικά επεισόδια, τραύμα, αιμορραγία και άλλα παρόμοια που δεν θα αντιμετωπίζονται επαρκώς. Αν η επιδημία κατακλύσει το σύστημα υγείας και τα ακραία μέτρα έχουν μέτρια αποτελεσματικότητα, τότε η ισοπέδωση της καμπύλης μπορεί να χειροτερεύσει τα πράγματα:
Αντί να πιεστεί υπερβολικά σε μια σύντομη, οξεία φάση, το σύστημα υγείας θα παραμείνει πιεσμένο για μια παρατεταμένη περίοδο . Αυτός είναι άλλος λόγος που χρειαζόμαστε δεδομένα για την ακριβή καταγραφή της επιδημίας.
Ένα από συμπεράσματα είναι ότι δεν γνωρίζουμε πόσο χρόνο μπορούν να διατηρηθούν μέτρα κοινωνικής απομάκρυνσης και lock-down χωρίς σοβαρές συνέπειες για την οικονομία, την κοινωνία και την ψυχική υγεία. Μπορεί να προκύψουν απρόβλεπτες εξελίξεις, όπως η οικονομική κρίση, οι αναταραχές, οι εμφύλιες συγκρούσεις, ο πόλεμος και η κατάρρευση του κοινωνικού ιστού. Κατ’ ελάχιστον, χρειαζόμαστε αμερόληπτα δεδομένα επιπολασμού και επίπτωσης για το εξελισσόμενο μολυσματικό φορτίο που θα καθοδηγήσει τη λήψη αποφάσεων.
Στο πιο απαισιόδοξο σενάριο, το οποίο δεν υιοθετώ, εάν ο νέος κοροναϊός προσβάλλει το 60% του παγκόσμιου πληθυσμού και το 1% των μολυσμένων ανθρώπων πεθαίνουν, αυτό θα μεταφραστεί σε περισσότερους από 40 εκατομμύρια θανάτους παγκοσμίως, επίπτωση όμοια την πανδημία γρίπης του 1918. Η συντριπτική πλειοψηφία αυτής της εκατόμβης θα είναι άτομα με περιορισμένο προσδόκιμο ζωής. Αυτό είναι σε αντίθεση με το 1918, όταν πέθαναν πολλοί νέοι.
Κάποιος μπορεί μόνο να ελπίζει ότι, όπως και το 1918, η ζωή θα συνεχιστεί. Αντίθετα, με το lock-down για μήνες, αν όχι έτη, η ζωή σταματάει σε μεγάλο βαθμό, οι βραχυπρόθεσμες και μακροπρόθεσμες συνέπειες είναι εντελώς άγνωστες και μπορεί να διακυβευθούν τελικά δισεκατομμύρια, και όχι μόνο εκατομμύρια, ζωές.
Εάν αποφασίσουμε να πηδήσουμε από το βράχο, χρειαζόμαστε κάποια στοιχεία για να ξέρουμε αν είναι λογική μια τέτοια ενέργεια και ποιες είναι οι πιθανότητες να προσγειωθούμε κάπου ασφαλείς.
Ποιος είναι ο Γιάννης Ιωαννίδης
Ο Γιάννης Ιωαννίδης είναι Διευθυντής του Κέντρου Έρευνας και Πρόληψης του Stanford και κάτοχος της έδρας C.F. Rehnborg για την Πρόληψη Νοσημάτων στο Πανεπιστήμιο Stanford. Είναι επίσης καθηγητής Στατιστικής στη Σχολή Ανθρωπιστικών Επιστημών του Stanford, ένας εκ των 2 Διευθυντών στο Κέντρο Μετα-ερευνητικής Καινοτομίας του Stanford, μέλος του Αντικαρκινικού Ινστιτούτου του Stanford και του Καρδιαγγειακού Ινστιτούτου.
Γεννήθηκε στη Νέα Υόρκη το 1965, όμως μεγάλωσε στην Αθήνα. Από μικρός, ήταν πάντα ο καλύτερος μαθητής της τάξης, ενώ κέρδισε πολλά βραβεία όπως το Πανελλαδικό Βραβείο της Ελληνικής Μαθηματικής Εταιρείας το 1984.
Αποφοίτησε πρώτος από την Ιατρική Σχολή του Πανεπιστημίου Αθηνών το 1990. Συνέχισε στο ίδιο Πανεπιστήμιο αποκτώντας διδακτορικό στην Βιοπαθολογία. Σπούδασε στο Harvard και Tufts, όπου εξειδικεύθηκε στην εσωτερική παθολογία και στα λοιμώδη νοσήματα, και αμέσως μετά εργάστηκε στο NIH, στο Johns Hopkins και στο Tufts.
Από το 1999 έως το 2010 ήταν Πρόεδρος του Τμήματος Υγιεινής και Επιδημιολογίας του Πανεπιστημίου Ιωαννίνων και από το 2003 είναι επισκέπτης καθηγητής.
Έχει διατελέσει επιστημονικός και εργαστηριακός συνεργάτης στην Ιατρική Σχολή του Πανεπιστημίου Tufts από το 1996. Από το 2008 έως το 2010 ήταν επικεφαλής του Τμήματος Γενετικής/ Γονιδιωμάτων του Ινστιτούτου Κλινικής και Μεταγραφικής Επιστήμης του Tufts και του Κέντρου Γενετικής Επιδημιολογίας και Μοντελοποίσης του Tufts.
«Μου αρέσει να εργάζομαι με ένα ευρύ φάσμα των συναδέλφων από πολύ διαφορετικούς επιστημονικούς κλάδους και να έχωτην ευκαιρία να μάθω από νέους και παλιότερους ερευνητές, και ιδιαίτερα από φοιτητές» δηλώνει ο Δρ. Ιωαννίδης.
Επίσης, διετέλεσε συνεργαζόμενος καθηγητής επιδημιολογίας στη Σχολή Δημόσιας Υγείας του Harvard και επισκέπτης καθηγητής επιδημιολογίας και βιοστατιστικής Imperial College του Λονδίνου.
Είναι μέρος του Δ.Σ. του Δικτύου Επιδημιολογίας του Ανθρώπινου Γονιδιώματος και σύμβουλος στο Εθνικό Αντικαρκινικού Ινστιτούτου των ΗΠΑ.
Έχει δεχθεί δεκάδες βραβεία όπως το Ευρωπαϊκό Βραβείο Αριστείας στην Κλινική Επιστήμη το 2007 και εξελέγη Μέλος επί τιμή του Ιδρύματος Έρευνας και Τεχνολογίας Ελλάδας το 2014.
Ανήκει στους επιστήμονες με τις περισσότερες δημοσιεύσεις παγκοσμίως .
Έγινε γνωστός στην παγκόσμια ιατρική κοινότητα, το 2005 με την πολυσυζητημένη εργασία του «Γιατί τα ευρήματα των περισσότερων δημοσιευμένων επιστημονικών ερευνών είναι αναληθή». Μάλιστα, είναι το περισσότερο διαβασμένο άρθρα στην ιστορία της Δημόσιας Βιβλιοθήκης της Επιστήμης με πάνω από 1,1 εκατομμύρια αναγνώσεις.
Το 2014 ίδρυσε το εργαστήριο METRICS στο Πανεπιστήμιο Stanford, το οποίο είναι μοναδικό στον κόσμο. Αποστολή του εργαστηρίου είναι να ανιχνεύει κενά και παραλείψεις σε έρευνες που δημοσιεύονται σε επιστημονικά περιοδικά. Στη διεπιστημονική ομάδα του εργαστηρίου θα μετέχουν και νομικοί, κοινωνιολόγοι, αλλά και καθηγητές της Φιλοσοφίας της Επιστήμης.
Η σύζυγός του Δέσποινα είναι παιδίατρος λοιμωξιολόγος και αναπληρώτρια καθηγήτρια στο Στάνφορντ.
πηγη
