Cientistas acendem alerta para falta de credibilidade de previsões sobre coronavírus

Em meio a pandemia do novo coronavírus, muitas informações surgem para iluminar o caminho das pessoas, por outro lado, inúmeras mentiras também aparecem para confundir. No meio dessa confusão toda está a ciência. Embora ela sirva para ajudar a esclarecer as coisas e colocar um ponto final a qualquer dúvida, por outro lado ela também acaba sendo objeto nas mãos de oportunistas. São remédios milagrosos de um lado e previsões com milhões e milhões de mortos do outro. Ao que parece, a ciência também pode ter se tornado vítima da distorção dos fatos. Há ainda muitas perguntas que não foram respondidas e o desejo pelas respostas, faz com que cientistas publiquem a toque de caixa, dados de pesquisas sobre o tema. O objetivo disso é claro: dar a devida munição as autoridades, para que adotem melhores medidas de combate à doença a partir de projeções.

Um grupo de pesquisadores europeus, porém, fez um alerta: algumas das predições, que são baseadas em levantamentos frágeis, podem levar, em sua maioria, a enganos. Na última terça, uma das publicações de maior prestígio na área da saúde, a revista científica britânica The BMJ (antiga The British Medical Journal), trouxe em sua edição uma análise, feita por pesquisadores, de 31 modelos usados em 27 estudos para detectar a infecção (diagnóstico), prever futuras complicações em pacientes com a doença e identificar os grupos de risco para a Covid-19.

A reportagem do jornal Folha de São Paulo, que deu repercussão ao estudo, revela que em todos esses modelos foi encontrado um alto risco de presença de viés, ou seja, resultados completamente tendenciosos. As principais causas disso, segundo os autores do artigo, foram a exclusão de participantes no meio dos experimentos, a falta de uma amostra representativa de pacientes nas pesquisas, como também análises estatísticas insuficientes.

Em seis estudos selecionados que desenvolveram um modelo para predizer o risco de mortalidade em pacientes com Covid-19, ou suspeita de infecção, a taxa de letalidade, variou entre 8% e 59%. Essa distorção nos números, de acordo com os pesquisadores, é resultado de uma amostra enviesada, que tirou do estudo, participantes ainda doentes e, assim, o desfecho da infecção (seja morte, seja recuperação) não entrou nos resultados finais.

O alto risco de viés implica que esses modelos irão provavelmente ter um desempenho pior do que a relatada [por seus criadores]. É necessária uma orientação metodológica no desenvolvimento e na validação dos modelos de predição, uma vez que previsões duvidosas podem causar mais danos do que benefícios quando usados para guiar decisões clínicas.

Os pesquisadores relatam que entre as barreiras encontradas para a criação de bons modelos de previsão, estão a escassez de dados clínicos de pacientes, ainda limitados aos dados de China e Itália, e poucos registros de outros lugares que já registraram casos da doença. No caso dos estudos criticados no artigo, os modelos desenvolvidos servem bem para descrever os dados coletados, observados previamente, entretanto, são ineficazes para fazer previsões. Conhecido como sobreajuste, em estatística.

Os 31 modelos descritos no trabalho foram divulgados como tendo bom ou excelente desempenho de predição, mas os pesquisadores que fizeram a crítica consideram esse posicionamento otimista.

“O alto risco de viés implica que esses modelos irão provavelmente ter um desempenho pior do que a relatada [por seus criadores]. É necessária uma orientação metodológica no desenvolvimento e na validação dos modelos de predição, uma vez que previsões duvidosas podem causar mais danos do que benefícios quando usados para guiar decisões clínicas”, escrevem os autores do artigo.

Existe uma falta de base de dados confiável que acaba sendo também um obstáculo para pesquisadores brasileiros fazerem análises criando modelos de previsão para a evolução da epidemia no país, de acordo com Paulo Inácio Prado, que é professor do Instituto de Biociências da USP e parte do Observatório Covid-19 BR, que reúne cientistas de diferentes universidades para monitorar a situação da doença no país.

Prado diz que a forma como os testes para detectar a infecção são feitos, pode levar a estimativas que superestimem ou subestimem a letalidade do vírus.

Se só os casos mais graves são testados, por exemplo, a taxa de letalidade pode ficar maior do que é na realidade, já que eles tem maior chance de terminar em morte do que os casos leves. Por outro lado, um teste que privilegie os mais jovens, que geralmente têm menos complicações da doença, pode fazer com que a letalidade do vírus seja subestimada.

Em meados de março, o secretário-executivo do Ministério da Saúde, disse que a prioridade nos testes é para os casos graves.

No Brasil, até o momento em que esta reportagem é publicada, ao menos 800 pessoas morreram de Covid-19, de acordo com dados divulgados pelo ministério da Saúde. A taxa de letalidade está em 5%.