O renomado cientista britânico afirma que a “população suscetível efetiva nunca foi 100%”. Os modelos da epidemia teriam errado ao assumir que a maioria das pessoas não tem alguma imunidade ao novo coronavírus. No Reino Unido, cerca de 80% da população não seria suscetível ao SARS-CoV-2, diz Friston. https://www.frontliner.com.br/
Alerta: artigo publicado há mais de 1 ano
Há apenas um mês, a ideia de que a maioria das pessoas não é suscetível ao Covid-19 seria considerada negacionismo.
No início de maio, o Professor de Stanford e Prêmio Nobel Michael Levitt afirmou à Freddie Sayers, em entrevista ao LockdownTV/UnHerd, que as curvas de crescimento da doença nunca foram realmente exponenciais, sugerindo algum tipo de “imunidade anterior”.
“É importante ressaltar que detectamos células T CD4+ reativas ao SARS-CoV-2 em 40% a 60% dos indivíduos não expostos, sugerindo o reconhecimento de células T reativas cruzadas entre coronavírus circulantes de resfriado comum e SARS-CoV-2″, diz o artigo.
São quatro os coronavírus responsáveis pelo resfriado comum: Alpha coronavírus 229E e NL63, Beta coronavírus OC43 e o HKU1. Eles circulam por todo o mundo. A maioria das pessoas se infecta com os coronavírus comuns ao longo da vida, sendo as crianças pequenas mais propensas a se infectarem.
Agora, de um membro proeminente do SAGE, o grupo criado para desafiar os pareceres científicos do governo britânico, vem a afirmação de que a parcela das pessoas que não são suscetíveis ao Covid-19 pode chegar a 80%.
O professor Karl Friston, como Michael Levitt, não é um virologista; sua experiência é compreender processos biológicos complexos e dinâmicos, representando-os em modelos matemáticos. No campo da neurociência, ele foi classificado pela revista Science como o mais influente do mundo. É regularmente citado como um cientista que provavelmente será agraciado com um Nobel.
Friston inventou uma técnica chamada de “mapeamento paramétrico estatístico” para entender a imagem cerebral e, nos últimos meses, ele vem aplicando seu método particular de análise bayesiana, que ele chama de “modelagem causal dinâmica”, aos dados disponíveis da Covid-19.
“Até o momento, nossas previsões foram precisas dentro de um ou dois dias; portanto, há uma validade preditiva em nossos modelos que os convencionais não possuem”, explicou Friston ao The Guardian.
Seus modelos sugerem que a grande diferença entre os resultados no Reino Unido e na Alemanha, por exemplo, não é primariamente um efeito de diferentes ações governamentais, mas é melhor explicada pelas diferenças entre as populações, que fazem a “população suscetível” da Alemanha muito menor do que no Reino Unido.
“O fato é que o alemão médio tem menos probabilidade de ser infectado e morrer do que o britânico médio. Por quê? Existem várias explicações possíveis, mas uma que parece cada vez mais provável é que a Alemanha tenha mais “matéria escura” imunológica – pessoas que são impermeáveis à infecção, talvez porque estejam geograficamente isoladas ou tenham algum tipo de resistência natural. É como a matéria escura no universo: não podemos vê-la, mas sabemos que deve estar lá”, especulou.
A matéria escura específica mencionada acima compreende um subconjunto da população que participa da epidemia de uma maneira que os torna menos suscetíveis à infecção – ou menos propensos a transmitir o vírus. Esse tipo de matéria escura representa um desvio das abordagens epidemiológicas básicas de doenças infecciosas que assumem 100% de suscetibilidade da população.
“Tecnicamente, a evidência para essa matéria escura é esmagadora; no sentido de que a evidência (também conhecida como probabilidade marginal) de modelos com essa subpopulação é muito maior do que a evidência de modelos equivalentes sem ela”, escreve Friston.
O cientista destaca que uma vez que se incorpora no modelo comportamentos que as pessoas adotam de qualquer maneira, como ficar na cama quando estão doentes, o efeito do lockdown “literalmente desaparece”.
Sua explicação para os resultados de mortalidade notavelmente semelhantes na Suécia (sem lockdown) e no Reino Unido (lockdown total) é que “eles não eram realmente diferentes. Porque no final das contas, os processos reais que entram na dinâmica epidemiológica – os comportamentos reais, o distanciamento, foram especificados evolutivamente pela maneira como nos comportamos quando temos uma infecção”.
Isso significaria que a principal suposição subjacente por trás dos lockdowns, tipificada pelas famosas previsões do Imperial College – sem controle a doença contaminaria toda a população de todos os países e mataria cerca de 1% dos infectados, levando a incontáveis milhões de mortes em todo o mundo – estava errada, por um grande fator.
Contudo, Friston disse que as premissas dos modelos de Neil Ferguson estavam todas corretas, “sob a qualificação de que a população de quem eles estavam falando é muito menor do que você imagina”. Em outras palavras, Ferguson estava certo de que cerca de 80% das pessoas suscetíveis seriam rapidamente infectadas, e estava certo de que entre 0,5% e 1% morreria, mas não percebeu que a população suscetível era apenas uma pequena parcela de pessoas no Reino Unido e uma parcela ainda menor em países como a Alemanha e outros países.
O que muda tudo.
Em circunstâncias normais, a maioria das pessoas nunca irá contrair a doença.
Naturalmente, cenários com uma carga viral muito alta, como médicos que tratam pacientes com Covid-19 em hospitais, podem vencer essas defesas.
A maior ação governamental coordenada da história, fechando à força a maioria das sociedades do mundo com consequências que podem durar gerações, teria sido baseada em ciência falha.
Os efeitos colaterais na América já podem ser mais mortais do que a pandemia.
Scott Atlas, da Hoover Institution, estima que as conseqüências do desemprego, da falta de consultas médicas e de outros fatores durante os dois meses de lockdown levarão a tantas mortes extras que os americanos perderão 1,5 milhão de anos acumulados de vida, o dobro do total perdido até o momento com a Covid-19.
Atualização 26/06/2020 – Estimativas do Dr. Friston para o Brasil.
“Dessa forma, a análise apontou que a porcentagem da população brasileira imune à covid-19 (que já se recuperou da doença após apresentar sintomas leves) seria de 7%; a parcela não-suscetível ao coronavírus (que têm algum tipo de “resistência” natural) seria de 61%”, reportou o Estadão em 26 de junho.
* Com informações da LockdownTV/UnHerd, The Guardian, Sociedade Brasileira de Medicina Tropical (SBMT), City Journal, Hoover Institution (Stanford)
Utilizamos cookies essenciais e tecnologias semelhantes de acordo com a nossa Política de Privacidade e, ao clicar em "Aceitar", você concorda com estas condições.
Necessary cookies are absolutely essential for the website to function properly. These cookies ensure basic functionalities and security features of the website, anonymously.
Cookie
Duração
Descrição
cookielawinfo-checbox-analytics
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics".
cookielawinfo-checbox-functional
11 months
The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional".
cookielawinfo-checbox-others
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other.
cookielawinfo-checkbox-necessary
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary".
cookielawinfo-checkbox-performance
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance".
viewed_cookie_policy
11 months
The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data.
Functional cookies help to perform certain functionalities like sharing the content of the website on social media platforms, collect feedbacks, and other third-party features.
Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.
Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics the number of visitors, bounce rate, traffic source, etc.
Advertisement cookies are used to provide visitors with relevant ads and marketing campaigns. These cookies track visitors across websites and collect information to provide customized ads.