επιμέλεια: Χριστόδουλος Δολαψάκης
Ενδιαφέροντα στοιχεία για τoν Covid-19 στην Ελλάδα (στα αγγλικά…)
Στη χώρα μας είναι εδώ και δεκαετίες δεδομένο πως η καταξίωση ενός γιατρού κρίνεται από τις δημοσιεύσεις του σε ξένα επιστημονικά περιοδικά. Ο Covid-19 όχι μόνο δεν αποτέλεσε εξαίρεση, αλλά προκάλεσε και ένα καταιγισμό δημοσιεύσεων σε αρκετές περιπτώσεις αμφιβόλου ποιότητας και χρησιμότητας (βλ. και ημερολόγια πανδημίας 16ης Μαΐου). Θα ήταν πολύ χρήσιμο για τους εργαζόμενους στα νοσοκομεία όλης της χώρας η «ελληνική εμπειρία» του πρώτου κύματος Covid-19 να δημοσιοποιούνταν σε τακτική βάση, στην ελληνική γλώσσα, σε ένα περιοδικό ειδικά αφιερωμένο για αυτόν τον σκοπό με τη φροντίδα επιστημονικών εταιρειών και ιατρικών συλλόγων. Κάτι τέτοιο θα απαιτούσε συνεργασία και παραμέριση «φιλοδοξιών», χαρακτηριστικά πολλές φορές δυστυχώς δυσεύρετα. Αυτές οι σκέψεις προέκυψαν με αφορμή τη δημοσίευση ενδιαφέροντων άρθρων σε ξένα επιστημονικά περιοδικά που αποτυπώνουν πλευρές της επιδημίας στην Ελλάδα.
Μία μελέτη του τμήματος ιατροδικαστικής του Πανεπιστημίου Αθηνών (1) συνέκρινε τα χαρακτηριστικά των νεκροτομών του Μαρτίου-Απριλίου 2020 με την αντίστοιχη περίοδο του 2019.Παρατηρήθηκε αύξηση των θανάτων σε ηλικίες 70-79 ετών και σημαντική μείωση των θανάτων από τροχαία ατυχήματα. Δεν θεωρήθηκε στατιστικά σημαντική η καταγραφόμενη αύξηση στους θανάτους από έμφραγμα καθώς και οι θάνατοι που συνέβησαν εκτός νοσοκομείου.
Ένα δεύτερο άρθρο (2) μελέτησε το ποσοστό ανίχνευσης αντισωμάτων έναντι SARS-CoV2 μέχρι τις 15 Μαΐου στους επαγγελματίες υγείας δύο νοσοκομείων της Αθήνας εκ των οποίων μόνο το πρώτο λειτούργησε ως νοσοκομείο αναφοράς Covid-19. Συνολικά 15 από τους 1.495 συμμετέχοντες είχαν αντισώματα κάτι που αντιστοιχεί σε ποσοστό 1.07%, σημάδι της «χαμηλής κυκλοφορίας» του ιού στην Ελλάδα, αν και το ποσοστό είναι μεγαλύτερο από αυτό που υπολογίζεται για το γενικό πληθυσμό. Αξίζει να σημειωθεί ότι τα περισσότερα θετικά αποτελέσματα ήταν από το νοσοκομείο που θεωρητικά δεν απασχολήθηκε με ασθενείς Covid-19, κάτι που υποδηλώνει μετάδοση από την κοινότητα – στην Κίνα αυτός θεωρήθηκε ο κύριος τρόπος μόλυνσης των γιατρών.
Στις εισαγωγικές πληροφορίες μιας τρίτης μελέτης (3) περιέχεται η σημαντική πληροφορία ότι οι επαγγελματίες υγείας αποτέλεσαν το 10% των συνολικών κρουσμάτων στην Ελλάδα. Στην πολύ ενδιαφέρουσα αυτή μελέτη αναλύθηκαν 3.398 εργαζόμενοι νοσοκομείων που ήρθαν σε επαφή με κρούσμα Covid-19 μεταξύ 13 Μαρτίου και 3 Μαΐου ανάλογα με το βαθμό έκθεσης που καθορίζει την παραμονή ή όχι στην εργασία σύμφωνα με τις οδηγίες του ΕΟΔΥ. Το 22% εμφάνισε κάποιο από τα συμπτώματα Covid-19 και από αυτούς τελικά 13 νοσηλεύτηκαν χωρίς κανένα θάνατο. Είναι πολύ ενδιαφέρον ότι το διοικητικό προσωπικό φάνηκε να είχε μεγαλύτερο κίνδυνο νόσησης από Covid-19 σε αυτή τη μελέτη.
Τέλος δεδομένα που ανακοινώθηκαν σε διαδικτυακό σεμινάριο επιβεβαιώνουν και για την Ελλάδα τις δυσμενείς επιπτώσεις της πανδημίας συνολικά στην υγεία των ασθενών και υπογραμμίζουν τις συνέπειες της ολοκληρωτικής «στροφής» του συστήματος υγείας προς τον SARS-CoV2: Συγκριτικά με την περίοδο Δεκεμβρίου 2019-Φεβρουαρίου 2020, την περίοδο των μέτρων ενάντια στον ιό παρατηρήθηκε 40% μείωση των εισαγωγών στα νοσοκομεία λόγω εγκεφαλικού, ενώ ο χρόνος από την εμφάνιση των συμπτωμάτων μέχρι την προσέλευση στο νοσοκομείο αυξήθηκε κατά 3,5 ώρες (συνολικά 6.5 ώρες!).
1) Sakelliadis et al. Impact of Covid-19 Lockdown on Characteristics of Autopsy Cases in Greece. Comparison Between 2019 and 2020.
2) Psichogiou et al. Antibodies against SARS-CoV-2 among health care workers in a country with low burden of COVID-19
3) Maltezou et al. SARS-CoV-2 infection in healthcare personnel with high-risk occupational exposure: evaluation of seven-day exclusion from work policy
Μαθηματικά μοντέλα και πραγματικότητα
Οι παραδοχές οποιουδήποτε μοντέλου αδυνατούν να περιγράψουν όλες τις λεπτομέρειες των συστημάτων του πραγματικού κόσμου. Παρόλα αυτά, τα φαινόμενα του πραγματικού κόσμου χαρακτηρίζονται από «συμπεριφορές μεγάλης κλίμακας» που δεν εξαρτώνται από την κάθε λεπτομέρειά τους. Ένα απλό μοντέλο που κατορθώνει να συλλάβει αυτές τις «συμπεριφορές μεγάλης κλίμακας» είναι χρήσιμο ακόμα κι αν κάνει λάθη στις «λεπτομέρειες». Αντιθέτως, ένα περίπλοκο μοντέλο που λαμβάνει υπόψη του τις «λεπτομέρειες» αλλά λαθεύει στον χαρακτηρισμό των «συμπεριφορών μεγάλης κλίμακας» είναι παραπλανητικό. Το πιο σημαντικό είναι να κατανοήσουμε τι δεν μπορεί να προβλεφθεί. Για τον SARS-CoV2, δεδομένου ότι ο ρυθμός επέκτασης της επιδημίας καθορίζει τον αριθμό των νοσούντων, ακόμα και μικρές ανακρίβειες στην πρόβλεψη του πρώτου θα επιφέρουν μεγάλες αλλαγές στον αριθμό των δεύτερων. Επιπλέον, ο ρυθμός επέκτασης ή υποχώρησης της επιδημίας εξαρτάται από τις ακριβείς λεπτομέρειες των μέτρων για την ανάσχεσή της. Όσο σημαντικό κι αν είναι να κατανοήσουμε έστω και προσεγγιστικά τη φυσική πορεία της επιδημίας, η αβεβαιότητα για τις δυναμικές της κοινωνίας και της ασθένειας, αλλά και του τρόπου θέσπισης των μέτρων περιορισμού της, κάνει τη συνεχή προσφυγή σε «μοντέλα» να δημιουργεί μία ψευδαίσθηση πρόβλεψης. Εάν οι «συμπεριφορές μεγάλης κλίμακας» περιγράφονται σωστά, τότε συγκεκριμένες λεπτομέρειες μπορούν να κατανοηθούν μέσω της επίδρασής τους σε αυτές τις συμπεριφορές. Όμως εάν οι παραδοχές ενός μοντέλου δεν αντικατοπτρίζουν τα βασικά χαρακτηριστικά του φαινομένου που μελετάται, η προσθήκη επιπλέον λεπτομερειών εξυπηρετεί μόνο την ψευδαίσθηση της επάρκειας.
Η εκ νέου αύξηση των κρουσμάτων μετά την άρση των μέτρων είναι μία δυνητική «συμπεριφορά μεγάλης κλίμακας» της επιδημίας, αλλά δεν είναι αναπότρεπτη, όπως τα μοντέλα προβλέπουν: εξαρτάται από συγκεκριμένες πράξεις. Το «τι θα συμβεί» είναι διαφορετική ερώτηση από το «τι πρέπει να κάνουμε». Για το «σύστημα SARS-CoV2» η απάντηση στο δεύτερο ερώτημα είναι πιο εύκολη καθώς απαιτεί «απλά» την κατανόηση των συνεπειών που έχουν πράξεις και πολιτικές στις βασικές παραμέτρους της επιδημίας που είναι ο ρυθμός επέκτασης ή υποχώρησής της και οι πιθανότητες μετάδοσης μεταξύ περιοχών ή χωρών. Η «πρόβλεψη της πορείας της επιδημίας» είναι λιγότερο σημαντική από τον προβληματισμό για τα αναγκαία βήματα α) για την επίτευξη του περιορισμού και όχι της αύξησης των κρουσμάτων και β) για να επιτευχθεί αυτό όσο το δυνατόν πιο γρήγορα. Το θέμα δεν είναι συγκεκριμένες προβλέψεις για το κάθε συγκεκριμένο μέτρο (π.χ. μάσκες, καραντίνα, μαζικά τεστ, περιορισμοί πτήσεων) αλλά πως ο συνδυασμός τους μπορεί να σταματήσει την επιδημία. Αυτός ο διαχωρισμός είναι ιδιαίτερης σημασίας καθώς οι επιστήμονες συχνά κάνουν προβλέψεις βασισμένες στην παραδοχή ότι οι κοινωνίες είναι απρόθυμες ή ανίκανες να νικήσουν τον ιό. Επιπλέον, η δήλωση ότι ο ιός δεν μπορεί να νικηθεί χωρίς εμβόλιο μπορεί να μετατραπεί σε αυτοεκπληρούμενη προφητεία αν λειτουργήσει ως άλλοθι στο να μην θεσπιστούν τα εφικτά κυβερνητικά μέτρα εξαιτίας δήθεν επιστημονικών προβλέψεων.
Siegenfeld et al. What models can and cannot tell us about COVID-19, αποσπάσματα, www.pnas.org
