巴西悲剧的规模

图片_Paulinho Fluxuz
Whatsapp
Facebook
Twitter
Instagram
Telegram

通过 吉尔·维森特·雷斯·德·菲格雷多*

我们在过去五个月中看到的是,在最多样化的领域,特别是在联邦政府对危机的政治、意识形态、健康和经济管理方面,不负责任的行为激增

介绍

今年XNUMX月我在网站上发布 地球是圆的 一篇题为 限制措施,其中我介绍了巴西 COVID-19 大流行的情景,主要参考了帝国理工学院一组研究人员的工作作为参考[I]的 (伦敦),几天前出版; 我表明,根据该研究,对危机的谨慎管理会将我国的死亡人数限制在 40.000 人左右。

然而,我们在过去五个月中看到的是,在最多样化的领域,尤其是在联邦政府对危机的政治、意识形态、健康和经济管理方面,不负责任的行为激增。 今天,巴西土地上的大流行病还远未造成悲惨后果,但死亡人数已经超过 127.000 人。

我们指出了三项本可以避免这条道路的基本措施: 除非另有规定,否则维持当时采取的限制社交接触的措施; 向巴西社会最脆弱的群体迅速充分地转移资源——失业者、非正规工人、没有营运资金能够应对严峻形势的微型和中小型企业家等; 从健康的角度来看,一种方法考虑了科学界及其组织传播的知识,没有能够产生回旋镖效应的反信息,并且是大规模测试、跟踪和监测的协调政策的组织极那些被感染的人,以及关于技术模型的辩论,这些模型可以在以后定义哪些协议以及在哪个时间地理顺序中逐步解除限制。

在几乎所有方面,所看到的情况恰恰相反。 结束监禁的压力一直存在,联邦政府高层通过反复声明取消这种疾病的影响,错误地声称存在治疗药物,从而阻止隔离的持续性,从而受到刑事鼓励; 反过来,必要的财政援助的转移效率低下且耗时,需要排长队,构成新的污染风险; 最后,卫生和科学准则被忽视了。

更令人担忧的是,将近半年过去了,这里仍未建立有效的检测和监测网络,无法有效控制疫情并确保相对安全地回归“新常态”。 刊物“冠状病毒 (COVID-19) 检测-统计和研究——我们的数据世界”[II]证明了这一令人遗憾的现实:根据下表 1 中包含的信息“仅包含有可用数据的国家,这些国家占世界人口的 66%”——换句话说,巴西连同其余三分之一,在相应的可靠统计基础之外,被归入“无数据“。

表 1 – 确诊病例占 COVID-19 检测总数的百分比来源:https://ourworldindata.org/coronavirus

除了记录有关百分比的信息不足外,以下诊断(同一来源)还评估了全球测试能力最好和最差的国家:

“来自斯洛伐克、泰国、新西兰、韩国和德国的数据表明,这些国家从一开始就很好地监测了大流行,并在最初爆发后迅速控制了它,并能够减少病例数”[…]“的数据 巴西、墨西哥、美国、巴拿马、印度、巴基斯坦、南非和尼日利亚 表明与各自爆发的规模相比,那里进行的测试很少. 此外,这些国家遗憾地报告说,每天仍有大量新病例。”

更严重的是,巴西是世界上每 1.000 名居民中病例发生率最高的八个国家之一。[III] 而且,在这些国家中,它是新冠病毒检测能力最低的国家——如下表 2 和图 1 所示。

Quadro 2的 – COVID-1.000 发病率最高的八个国家/地区每 19 人的病例数和检测数 资料来源:https://www.worldometers.info/coronavirus/[IV]作者的阐述 * USA = 美利坚合众国

图1
巴西:世界上 COVID-19 病例最多的八个国家中接受检测最少的国家

资料来源:https://www.worldometers.info/coronavirus/ 作者精心制作

高检测率和低死亡率之间的相关性很强,后果很严重:在提到的八个国家中, 巴林,今天还有什么测试 每百万人中有 72 人死亡 居民,而在 巴西, 测试较少的那个, 死亡人数为百万分之 593 人 居民。

图 1 – 大流行的比较演变:巴西、法国、德国、意大利和美国

由于这里的巨大无视,加上在当前健康危机中要实现的基本原则被取消资格,例如提到使用口罩的原则,总统本人经常违反,巴西正在经历一种宣布的情况令人不安的混乱和不确定性。COVID-19 大流行对地球产生了巨大影响——然而,欧洲、美国和巴西的一些国家之间的比较表明,在这方面存在本质差异。

1.1 比较死亡曲线

下面的图 2 显示,在巴西,大流行的表现非常不典型:在这里,过去四个月累计死亡人数不断增加,曲线的斜率没有减少,这与 1,5 年发生的情况不同绝大多数来自其他国家,例如法国、德国、意大利和美国,在这些国家,大约 2 到 XNUMX 个月后,疾病开始逐渐降温。

图2

资料来源:https://ourworldindata.org/coronavirus 由作者精心制作[V]

当参考新增死亡人数的 7 天移动平均值时,这一现实变得更加清晰(图 3)。

在美国和所分析的欧洲国家,死亡人数下降之前的平稳期很短,持续时间不到 15 天,而在巴西,死亡人数稳定在每百万人 4 到 5 人(800 到 1000 人之间)。 120 人,每天)持续近 XNUMX 天,这导致 额外损失约 100.000 条生命,关于如果以与世界上大多数其他国家发生的情况类似的方式控制疾病会发生什么。

图3

资料来源:https://ourworldindata.org/coronavirus 由作者精心制作

1. 2 应对疫情

还有其他指标可以分析,以评估各国对大流行病的反应是否充分。 其中之一是帝国理工学院研究人员在考虑一系列重要因素的开创性研究中指出的一组预测,该研究于今年 XNUMX 月按国家/地区提出,对未来生命损失的规模和情景进行了评估来自新的冠状病毒,包括“早期抑制”,被认为是最不严重的[六]. 今天,差不多六个月后,我们在表 3 中比较了该研究的预测与实际发生的情况。

资料来源:帝国理工学院研究。 官方页面[七]

图 4 中总结的这些数字非常引人注目: 在德国,死亡人数没有达到预测的一半, 尽管, 在巴西, 是五个国家中负数最多的国家, 几乎大了三倍.

图4


 

2 – 巴西的 COVID-19

尽管政治-意识形态-卫生偏见是理解所指出的与其他国家的差异的重要参数,但应该指出的是,这并不是唯一的一个,因为巴西的大陆维度领先——美国也出现了这种情况– COVID-19 在不同州和市存在不同的轨迹,具有不同的强度和时间。

2.1 死亡人数的演变

2020 年 XNUMX 月下半月,圣保罗市成为巴西大流行的最初中心,由从欧洲返回的旅客带来。 疾病从那里迅速传播到里约热内卢,从 XNUMX 月开始传播速度更快。

图5

资料来源(图表 5、6、7、8 和 9):https://covid.saude.gov.br/

从圣保罗 - 里约热内卢轴心,COVID-19 从 6 月中旬开始推进到亚马逊,随后到达帕拉和北部其他地区(图 XNUMX),那里的影响是巨大的,因为地方卫生系统的不稳定条件,此外,由于现有卫生资源分布不均,通常集中在首都。

图6

下一个受影响的地区是东北部,尤其是在 XNUMX 月底/XNUMX 月初之后,主要入境口岸是塞阿拉州和伯南布哥州。

 图7

在中西部(在图 8 中,我们还包括米纳斯吉拉斯州和巴伊亚州,那里的疾病有类似的轨迹)大流行从 19 月开始有效地蔓延。 除了死亡率有所下降的马托格罗索州外,这些州的 COVID-XNUMX 还没有明显下降。

图8

最后一个受到打击的地区是南部(图 9); 最糟糕的阶段显然发生在八月。

图9

图5、6、7、8、9的比例尺相同,从中可以看出,疫情除了在不同地区、不同时间有所加剧外,对华北和东北地区的影响也有所不同,严重程度不同。方式,

2.2 案件数量的演变

虽然巴西和世界的新死亡曲线勾勒出 COVID-19 全球撤回的迹象,但图 10(新病例)[八]) 呈现出相互矛盾的趋势,尤其是在法国等国家/地区,在这些国家/地区,每天的死亡人数已经大幅减少,而最近病例数的增加似乎——令人担忧地——“第二次”的开始波''。

图10

但是,死亡人数没有进一步增加。 已经提出了一些解释性假设,其中: 新感染者的年龄分布发生了变化,如今这些感染者集中在较年轻的年龄组,特别是由于欧洲夏季年轻人和游客的流动增加; 增加对无症状病例的检测;以及证据表明 COVID-19 在以前受灾最严重的地区产生了重要程度的免疫力——尽管尚未完全了解。

预测未来几个月会发生什么仍然是轻率的,特别是对巴西而言。 因此,接下来的考虑应被视为简单而纯粹的预测,尽管我们的领导人不负责任,但这种疾病的病程似乎正在下降,它遵循其自身的动态。

2.3 模型和预测——不是预测

最近几个月,发表了许多关于 COVID-19 的科学著作,特别是重新审视了几个流行病学模型和各自的预测。

有几种方法,例如将流行病呈现为一个复杂对象的方法,该方法基于由发生计划和分层接口指导的启发式建模建议[九]; 或使用线性微分方程组的[X]; 或者伴随着疾病的演变,寻求将某一类函数的值近似于观察到的数据。 在最后一行中,Se Yoon Lee 最近提议[XI]广义逻辑曲线的使用[XII] (理查兹增长曲线模型[XIII]). 在巴西的案例中,将后一种方法应用于 COVID-19,得到了附件中的图表(作者的详细说明)。

3 – 结论

最后,重要的是要重申,人们不能假设,更不用说相信这里指出的预测会自动得到确认,这将是一个非常严重的错误,因为它们取决于——只要没有疫苗——连续性和深化需要而且必须采取的措施和关怀。

尤其重要的是:保持社交距离,避免像最近在巴西看到的那样拥挤; 公共当局越来越多地传播和鼓励使用所有个人防护设备; 最重要的是,在我们国家,在尽可能短的时间内,建立了一个全面有效的方案来检测病例、定位接触者、隔离和监测患者。

如果没有坚定的集体意识,即所有这些措施都是必不可少的和必要的,那么 COVID-19 大流行病不会仅仅为了支持某些数学模型而退缩。

ANEXO

考虑到最适合官方数据的广义逻辑曲线的参数,我们在下面以淡紫色表示 COVID-19 大流行行为的预测(https://covid.saude.gov.br/) 在 4 年 2020 月 7 日之前由巴西政府提供。 在每张图表上,橙色曲线代表 14 天移动平均线(案例),黑色曲线代表 XNUMX 天移动平均线。

我们再次坚持:“预测”不能也不应该与“预测”混淆,原因有几个,其中:1)可用信息可能不可靠(报告不正确); 2) 最重要的是,未来可能不会反映过去,特别是因为人口的行为和一组其他参数可能与以前的历史不符。

*吉尔·维森特·雷斯·德·菲格雷多 是 UFSCar 数学系的退休教授。

 

笔记


[I]的COVID-19 的全球影响以及缓解和抑制策略. 26月2020. 帕特里克·GT·沃克*、查尔斯·惠特克*、奥利弗·沃森、马克·巴格林、凯莉·EC·安斯利、桑吉塔·巴蒂亚、萨米尔·布哈特、阿迪拉塔·布尼亚西里、奥利维亚·博伊德、洛伦佐·卡塔里诺、祖尔玛·库库努巴、吉娜·科莫-丹嫩堡、艾米·迪格、克里斯特尔·唐纳利、伊拉里亚多里加蒂、萨宾·范·埃尔斯兰、里奇·菲茨约翰、塞斯·弗拉克斯曼、韩福、凯蒂·盖索普、莉莉·盖德尔伯格、尼古拉斯·格拉斯利、威尔·格林、阿兰·哈姆雷特、凯瑟琳·豪克、大卫·霍、莎拉·海耶斯、韦斯·辛斯利、今井夏子、大卫·乔根森、爱德华·诺克、丹尼尔·雷登、斯瓦普尼尔·米什拉、杰玛·内贾蒂-吉拉尼、露西·C·奥克尔、史蒂文·赖利、海莉·汤普森、朱丽叶特·温温、罗伯特·维瑞蒂、米凯拉·沃尔默、卡罗琳·沃尔特斯、王皓伟、王元荣、彼得·温斯基尔、席晓月、尼尔·M·弗格森, 阿兹拉·加尼 (Azra C Ghani), 帝国理工学院 COVIE-19 应对小组。 适用于: https://www.imperial.ac.uk/mrc-global-infectious-disease-analysis/news–wuhan-coronavirus/?fbclid=IwAR0GeexFNu6ezOVclPBVW5x3Z3yOn5N1X6siDO5P7ezUOm_UwOUu31RBoAY 于 27 年 2020 月 XNUMX 日访问。

[II]可在页面访问 https://ourworldindata.org/coronavirus,上面盖有牛津大学的印章,是 COVID-19 研究工作的参考。

[III] 世界上人口超过 156 万的 XNUMX 个国家中。

[IV]这是张贴在 USP-Ribeirão Preto 出版物的参考页https://ciis.fmrp.usp.br/covid19/analise-brasil-e-mundo-testes/,关于 COVID-19 的测试能力。 8 年 2020 月 XNUMX 日访问。

[V]图 2 的制作方式如下:每个国家的累计死亡记录是从第五次死亡发生之日起——该日期对应于每个国家的“第 1 天”。 因此,比较了不同国家流行病的相似阶段(及时)。

[六]在这种情况下,假设在紧接的前一周死亡人数达到百万分之二之前采取了适当的社会疏远措施。

[七] 上述数据的来源一方面是帝国理工学院研究中包含的值,另一方面是以下官方页面(9 年 2015 月 XNUMX 日访问),分别针对当前死亡人数: https://covid.saude.gov.br/; https://www.zeit.de/zustimmung?url=https%3A%2F%2Fwww.zeit.de%2Fwissen%2Fgesundheit%2Fcoronavirus-echtzeit-karte-deutschland-landkreise-infektionen-ausbreitung; https://coronavirus.1point3acres.com/en; https://www.gouvernement.fr/info-coronavirus/carte-et-donnees; 和 http://www.salute.gov.it/nuovocoronavirus

[八] 和以前一样,使用的源是页面 https://ourworldindata.org/coronavirus

[九]将 Covid-19 大流行建模为一个复杂的对象(Samajian 笔记) 小纳奥马尔·德·阿尔梅达http://orcid.org/0000-0002-4435-755X圣保罗大学高级研究所,巴西圣保罗。 2020年(26月XNUMX日)

[X]在阿雷格里港 COVID-19 大流行高峰期,用于护理成年患者的 ICU 床位估计是多少? 使用 SEIHDR 数学模型进行研究,Cristiano Lima Hackmann、Carlos Schonerwald、Jair Ferreira 和 Maurício GuidiSaueressig,UFRGS,巴西。 2020 年(09 月 XNUMX 日)

[XI] Estimation of COVID-19 spread curves integrated global data and borrowing information, Se Yoon Lee, Bowen Lei, Bani Mallick, University of Texas,emhttps://journals.plos.org/plosone/article/authors?id=10.1371/journal.pone.0236860,PLOS ONE。 2020年(29月XNUMX日)

[XII] 它是时间的函数,有四个参数: F(t; ϴ1, ϴ2, ϴ3, ε) = ϴ1.[1+ε.exp {-ϴ2 .(t-ϴ3 )}]^(-1/ε); 在 COVID-19 大流行的特定情况下,建模建议是在给定日期(在本例中为 04 年 2020 月 XNUMX 日)找到参数值,对于 t 的连续值,在所有以前的日期,更符合经验观察到的数据。

[XIII] Richards F. 用于经验用途的灵活生长函数,实验植物学杂志。 1959; 10(2):614-616。

查看作者的所有文章

过去 10 天内阅读最多的 7 篇文章

查看作者的所有文章

搜寻

研究

THEMES

新刊物