da JOSÉ GUILHERME CHAUI-BERLINCK*
Una guida visiva per comprendere il problema
Lo scopo di questo testo è quello di presentare una “guida visiva” che possa aiutare una persona che non è nell'area dei numeri a comprendere il rischio che corre quando crede nella possibilità di trattamenti “alternativi” (si fa per dire) in caso di contaminazione da SARS-CoV-2 e sviluppo di COVID-19. Data la proposta, la lettura del testo stesso va intesa quasi come se fosse una grande didascalia delle figure (che quindi lascio senza didascalie). Prima di entrare, però, nel problema in sé, penso che sia importante presentare alcuni numeri. Poi …
alcuni numeri preliminari
Alla data attuale (12 marzo 2021), abbiamo 118 milioni di casi di COVID-19 nel mondo, che rappresentano 2 milioni e 600 mila morti. Il Brasile conta 11 milioni e 200mila casi, con 270mila morti. La popolazione mondiale è di circa 7 miliardi di persone, quella del Brasile, 212 milioni. Detto in questo modo, questi sembrano riportare solo numeri. La Figura 1 illustra le relazioni di "dimensione" tra questi numeri.
Figura 1
Nella Figura 1, vediamo che il Brasile ha una popolazione di circa il 3% della popolazione mondiale e sta contribuendo (se questo è il termine giusto) al 9% dei casi e dei decessi totali per COVID-19. Cioè, Il Brasile ha una partecipazione all'attuale pandemia 3 volte maggiore di quella che avrebbe in proporzione alla sua popolazione!
Questo fatto da solo, dato da numeri molto semplici ed evidenti, dovrebbe bastare a provocare imbarazzo e innescare azioni efficaci da parte di chi ha assunto il governo federale, se non per responsabilità, almeno per vergogna.
I nostri prossimi numeri provengono dallo Stato di San Paolo[I]. La Figura 2 illustra, in viola, la distribuzione approssimativa dei casi di COVID-19 nelle popolazioni di età inferiore e superiore ai 65 anni in SP. Si noti che c'è una leggera differenza nella percentuale di casi segnalati tra questi due gruppi. I numeri indicano la popolazione totale di ciascuna fascia di età. Faccio questa divisione tra over e under 65 solo per far notare ai più giovani che i problemi di cui parleremo in seguito non sono specifici degli “anziani”. Come si vedrà, il collo di tutti è in gioco. La domanda con cui vi lascio, alla fine, è a chi consegnereste il chiavistello della ghigliottina... quindi passiamo al problema.
Figura 2
Il cugino dottore e la domanda sbagliata
Una persona, volendo sbarazzarsi del “nuovo anormale” per tornare al “vecchio normale”, chiede al cugino medico: se ho il COVID-19, devo prendere la medicina "A"?
Il cugino medico risponde: Ho avuto quattro pazienti che l'hanno preso e sono migliorati.
La persona è soddisfatta e ritorna alla “vecchia normalità”.
Quello che ho appena descritto è aneddotico, ma dovrebbe essere molto simile agli eventi che hai vissuto (se non sei la persona o il cugino medico).
Questo rimedio “A” può essere una qualsiasi delle droghe o delle condotte senza alcun supporto tecnico che sono state propagandate da tempo da gruppi di persone senza il minimo addestramento per tali affermazioni. Non importa.
Il primo punto che ci interessa è la domanda della persona. Di fronte alla decisione che ha avuto, dopo la risposta, di tornare alla “vecchia normalità”, chiaramente la domanda che si sarebbe dovuta porre non è quella che era. La vera domanda era: se ho il COVID-19 e prendo la medicina "A", starò meglio (o non morirò o non avrò sequele)?
Perché la persona non fa questa domanda? Il motivo per cui le persone non fanno la vera domanda che vogliono porre è perché, da quella domanda, sanno già quali sono le risposte e l'onestà associata alle risposte. Quindi una risposta onesta che il cugino può dare è "Non lo so". Non lo sai perché non esiste un trattamento (per nessuna malattia) che possa garantire un'efficacia al 100%. Ma "non lo so", la persona lo sa già, e la risposta, quindi, non gli porta alcuna informazione.
D'altra parte, il cugino potrebbe rispondere "no". Questa è anche una risposta onesta agli studi per questi farmaci "A" che sono stati promossi. Tuttavia, questa risposta non consentirà un ritorno alla "vecchia normalità".
Alla fine, il cugino potrebbe rispondere "sì". Tuttavia, cadrebbe nel problema di garantire il 100% di efficacia per un trattamento, che sia lui che la persona sanno essere irrealistico, come abbiamo detto poco sopra. Cioè, la risposta "sì" è la risposta disonesta. Ma è ciò che la persona vuole sentire e ciò che il cugino vuole dare. Come risolverlo?
Allo stesso modo in cui la persona trasforma in sostituto la domanda vera, il cugino trasforma in sostituto la risposta disonesta: “Ho avuto quattro pazienti che l'hanno preso e sono guariti”. Non ha detto "sì". Questo è implicito o, a discrezione del cliente, decidere quale sia stata la risposta.
Fino a questo punto, devo essere stato un gioco da ragazzi per molti, poiché si trattava semplicemente di un esercizio di teoria dell'informazione, statistica bayesiana e psicologia a buon mercato. Quello che cercherò di fare ora è illustrare visivamente il problema posto dalla persona e la portata che può avere la risposta. Inoltre, cercherò di chiedere quali domande possono essere poste e cosa è implicito nella domanda.
Supponiamo, ora, che la domanda "se ho il COVID-19, devo prendere la medicina "A"?" viene utilizzato onestamente, cioè senza sostituirne un altro per il quale la persona conosce già l'insieme delle risposte oneste che potrebbero essere date (e che non vuole sentire). Cosa significa questa domanda o a cosa si riferisce?
La questione può essere intesa in tre modi diversi:
- Qual è la probabilità di trattamento TA essere la causa del miglioramento M? oppure, dato che il trattamento T è stato effettuatoA, qual è la probabilità di miglioramento M?
- Dato che c'è stato un miglioramento M, qual è la probabilità che tu abbia ricevuto il trattamento TA?
- Poiché non è stato eseguito alcun trattamentoA, qual è la probabilità di miglioramento M?
La maggior parte delle persone potrebbe pensare che la domanda alluda solo al caso 1 di cui sopra, ma tutte e tre le interpretazioni sono ugualmente valide. Infatti la risposta del cugino ci porta alla formulazione 1.
Ma avrebbe potuto dire "Ho incontrato due pazienti che non hanno preso "A" e sono morti”. Si noti che ora si accede alla formulazione 3.
La formulazione 2 è la più complicata e difficilmente il cugino cercherà una risposta che alluda ad essa. I numeri che sono stati dati nelle altre risposte del cugino (“quattro pazienti” e “due pazienti”) sono facilmente trasponibili, da parte dell'interlocutore, in qualche tangibile “probabilità” da comprendere. Tuttavia, la formulazione 2 richiede un'inversione di ragionamento e un dato numero non è evidente.
Tuttavia, se le tre formulazioni sono valide come equivalenti alla domanda non formale che è stata posta, significa che per rispondere correttamente a questa domanda dobbiamo conoscere la risposta alle 3 formulazioni che possono essere equivalenti a tale domanda. allora parlerò...
…di qualsiasi malattia…
Immaginiamo una malattia che si è manifestata e non c'è cura per essa. La figura 3 illustra la distribuzione dei casi e il miglioramento spontaneo (poiché, per ora, c'è solo miglioramento senza trattamento). L'area delimitata dalla linea verde indica i casi che presentano un miglioramento spontaneo all'interno del numero totale di casi osservati, delimitato dalla linea rossa. Quindi compaiono alcuni trattamenti e passiamo al grafico illustrato nella Figura 4. Assumiamo che i trattamenti non interferiscano con il tasso di guarigione spontanea e, quindi, appare la regione delimitata dalla linea blu, espandendo il numero di miglioramenti .
Vediamo "chi" abita ogni regione della rappresentazione grafica di questa malattia (Figura 5):
a: la regione delimitata dalla linea verde è già nota dalla Figura 3, abitata da coloro che miglioreranno con o senza cure;
beta: tra la regione delimitata dalla linea verde e quella delimitata dalla linea blu, abitano coloro che prima sarebbero morti, ma ora, grazie alle possibili cure, migliorano;
g: tra i confini blu e rosso ci sono quelli che moriranno, con o senza trattamento (si noti che non sto dicendo che il trattamento è stato la causa della morte, sto dicendo che qualsiasi trattamento, se somministrato, è inefficace per superare la malattia in questi individui)
 |
Figura 3 |
 |
Figura 4 |
 |
Figura 5 |
Nota che la risposta “Ho avuto quattro pazienti che l'hanno preso e sono guariti” ti porta a considerare che il trattamento con “A” è ciò che crea la regione b, ma questa regione è abitata da tutti gli individui che hanno ricevuto un trattamento, sia “A” o no.
Invece la risposta “ho incontrato due pazienti che non hanno preso “A” e sono morti” fa pensare che la regione g sia abitata solo da chi non ha preso “A”, quando, in realtà, questa regione è abitato da individui che non hanno assunto “A”, individui che hanno assunto “A” e individui che non hanno ricevuto cure e non appartengono al gruppo a.
Se ignoriamo le induzioni fatte dalle risposte, vediamo che ci sono due domande che non hanno avuto risposta:
- Quanti dei quattro pazienti che hanno assunto “A” appartenevano al gruppo a? Quelli appartenenti a questo gruppo migliorerebbero benché di qualsiasi trattamento. Guarda come la risposta seguente cambia completamente l'induzione fatta, pur contenendo la stessa affermazione precedente: “Ho avuto quattro pazienti che l'hanno presa e sono migliorati e ne ho avuti quattro a cui non ho dato niente e sono migliorati”.
- Quanti pazienti hanno ricevuto "A" e sono nel gruppo g? Questi pazienti sono quelli per i quali il trattamento è inefficace. Guarda come la risposta seguente cambia completamente l'induzione fatta, pur contenendo la stessa affermazione precedente: “Ho incontrato due pazienti che non hanno preso “A” e sono morti e due che hanno preso “A” e sono morti”.
In questo quadro semplificato, ma abbastanza generale da non perdere la validità dell'analisi che stiamo facendo, il problema scientifico di validare un certo trattamento è quello di differenziare i trattamenti che allargano l'intervallo b da quelli che non fanno nulla. Ricordiamo che stiamo ignorando, proprio per semplicità, la possibilità che un certo trattamento sposti un individuo dal gruppo a al g (cioè il trattamento diventi causa di morte), e anche la concomitanza di trattamenti (cioè il trattamento “ A” è dato insieme a “B”, o “C”, ecc.).
Delle 3 formulazioni che ho detto erano equivalenti alla domanda non formale “se ho il COVID-19, dovrei prendere la medicina “A”?”, possiamo vedere, nella Figura 5, che solo se esiste solo il trattamento “A” si possono ottenere risposte dirette per le formulazioni 1, 2 e 3: la formulazione 3 è la regione a; e le formulazioni 1 e 2 sarebbero la stessa formulazione[Ii] e la risposta sarebbe regione b.
Tuttavia, è qui che rimane gran parte del problema: poiché ci sono una moltitudine di trattamenti che vengono dati in concomitanza (anche per motivi etici), come differenziare la partecipazione di ciascuno all'esito finale? Cioè, quali trattamenti allargano la regione b e quali no.
Questo problema scientifico non è risolto con 2, 4, 6 o 20 pazienti visitati da un medico. Questa è l'esperienza del professionista, ma non è l'esperienza di convalidare un trattamento.
Le popolazioni contenute nelle aree rappresentate nelle cifre sono enormi, a migliaia, e nel caso del COVID-19, siamo a centinaia di milioni in tutto il mondo.
La figura 6 illustra, senza ulteriori pretese, quali specialisti si occupano di quali pazienti COVID-19. Le linee bianche indicano quali tipi di pazienti vedono questi specialisti. Il punto importante da comprendere è che "cliniche generali"E"altre specialità”, i cui professionisti non fanno parte della prima linea, vedrà sostanzialmente i pazienti COVID-19 del nostro gruppo a. Cioè, sono professionisti che sono solo in contatto con il gruppo che migliorerà benché del trattamento. È importante notare che la stragrande maggioranza dei medici e degli operatori sanitari si trova in questa condizione: contatto periferico con pazienti COVID-19.
Inoltre, vediamo che la regione b, quella che contiene individui che necessitano di cure adeguate per non andare nella regione g (morte), costituisce circa il 20% dell'area[Iii]. Ciò significa che 1 persona su 5 che contrae il COVID-19 si troverà in questa regione b (ovviamente senza sapere, in quanto non c'è nulla che indichi, in anticipo, chi sarà in quale delle regioni).
Figura 6
Trattamenti adeguati
Come ho detto sopra, non sono 2 o 20 pazienti visitati da un professionista che compongono un gruppo di test clinici. Come ho anche detto, questo tipo di circostanza è la mera esperienza del professionista. Non solo uno studio deve avere moltissimi casi per formare statistiche adeguate, ma deve anche essere ben progettato in termini di gruppi e trattamenti. Quindi, qual è la situazione attuale (marzo 2021) in termini di raccomandazioni terapeutiche per COVID-19? Oppure, usando il vocabolario che abbiamo creato sopra, quali sono i trattamenti farmacologici considerati adeguati per collocare individui della regione g nella regione b?
La tabella seguente si basa sulle linee guida per il trattamento del COVID-19 elaborate dall'American Infectious Disease Society (IDSA[Iv]), il National Institutes of Health (NIH) e l'Organizzazione mondiale della sanità (OMS). In esso ho elencato solo i farmaci più pubblicizzati dai gruppi a cui ho fatto riferimento in precedenza e i corticosteroidi. Una semplice lettura della tabella ci permette già di percepire quali possono e quali no far uscire l'individuo dalla regione ge andare nella regione b.
TC: studi clinici
E se fossi tu?
Infine, veniamo alla domanda che ho annunciato all'inizio.
La figura 7 corrisponde ai quadrati viola nella figura 2, utilizzando il modello di colore delle figure precedenti per discriminare tra i gruppi a, b e g (vedere le figure 5 e 6). Immagina di essere un dardo lanciato a caso (poiché non sai, a priori, a quale gruppo appartiene), nella Figura 7.
Se atterri nella regione verde, sei salvo nonostante qualsiasi trattamento.[V]. Se cade nella regione rossa, mi dispiace, non c'è o non c'era niente che potessi fare per te.
La freccetta può anche finire nella regione blu, corrispondente al gruppo b. Abbiamo visto che la possibilità che ciò accada è di circa il 20% (1 su 5).
E qui arriva la grande domanda: se la tua freccetta atterra nella regione blu, quella che dipende dalla corretta gestione, metteresti la tua vita sulla spericolata freccetta lanciata dal cugino?
In altre parole, se ti trovi nella regione blu, useresti il trattamento suggerito da quelli insignificanti che vedono solo pazienti che si trovano nella regione verde?
Figura 7
*José Guilherme Chaui-Berlinck è medico e professore presso il Dipartimento di Fisiologia dell'Istituto di Bioscienze dell'USP.
note:
[I] Ho preso come esempio lo Stato di San Paolo solo per facilitare l'ottenimento dei dati. Il quadro, in termini generali, è simile in Brasile e l'analisi che ci interessa non è esattamente l'esattezza di questi numeri.
[Ii] A titolo di formalizzazione, le formulazioni 1 e 2 sono, rispettivamente, P( M | T ) e P( T | M ). C'è solo il trattamento TA (ovvero T = TA) le probabilità diventano le stesse.
[Iii] I numeri sono stati ottenuti dai dati attuali per lo Stato di San Paolo. La discriminazione del gruppo b tra i casi con miglioramento è stata ottenuta dalla frazione di pazienti che necessitano di cure mediche oltre il livello ambulatoriale (appuntamento del 12/mar/21: https://www.uptodate.com/contents/coronavirus-disease-2019-covid-19-clinical-features?topicRef=126981&source=related_link)
[Iv] https://www.idsociety.org/practice-guideline/covid-19-guideline-treatment-and-management/
[V] Quello che sappiamo non è vero, in quanto esistono trattamenti, soprattutto quelli di tipo “A”, con serie possibilità di gravi effetti collaterali.
