MediaVrijheid

_{BMJ 2020; 371 doi: https://doi.org/10.1136/bmj.m3883 (Published 06 October 2020) Cite this as: BMJ 2020;371:m3883}

Geachte redacteur

Een nauwkeurige beoordeling van de kans op overlijden na blootstelling aan covid-19 is belangrijk, aangezien deze statistiek door overheden is gebruikt om lockdowns te sturen in een poging om deze sterfgevallen te beperken. In correspondentie met de BMJ hebben professoren Baker en Wilson, beiden voorstanders van de lockdown in Nieuw-Zeeland, kritiek geuit op onze bewering dat de infectiesterfteverhouding (IFP) van covid-19 vergelijkbaar is met seizoensgriep.[1] Ze beweren dat de IFP voor influenza 0,039% is, ongeveer zes keer lager dan de IFP voor covid-19 die we noemden, een gecorrigeerde mediaanwaarde van 0,23%.[2]

Het is duidelijk dat de mortaliteit is gestratificeerd naar leeftijd ten opzichte van covid-19. De gecorrigeerde mediaanschattingen van IFP voor mensen jonger dan 70 jaar bedragen momenteel 0,05%, [2] wat voor de bevolking die minder kwetsbaar is voor sterfgevallen vergelijkbaar is met influenza. De algehele schattingen voor covid-19 zijn echter hoger, vanwege het hogere sterftecijfer bij ouderen.

In dit artikel gaan we dieper in op de beoordeling van de IFP voor de twee virussen en richten we ons op vier kwesties die wij belangrijk vinden:

1. Gemodelleerde COVID-19-sterfgevallen zijn overschat
   Vroeg in de loop van COVID-19 was de IFP voor alle leeftijden hoog, geschat op 0,66% (geloofwaardig interval: 0,39 tot 1,33%).[3] Dit leidde tot alarmerende voorspellingen van COVID-19-sterfgevallen, als de infectie zich zou verspreiden. Deze IFP’s werden verkregen door de sterftecijfers aan te passen aan de percentages terugkeerders die positief testten op repatriëringsvluchten vanuit Wuhan. Dit leidde tot een voorspelling van in totaal 250.000 sterfgevallen voor het VK,[4] wat lockdowns rechtvaardigde. Toch laten de waargenomen sterfgevallen in het VK nu zien dat deze modellen de sterfgevallen zeven keer overschatten.[5] Vergelijkbare modellen in Nieuw-Zeeland voorspelden 80.000 sterfgevallen door de pandemie als er geen strenge lockdowns zouden worden afgekondigd.[6] Barnard et al. geschat tussen 12.600 en 33.600 doden op basis van een ‘case-fatality ratio’ van respectievelijk 0,75% en 2% – zelfs met lockdowns.[7] We weten nu dat deze prognoses te hoog waren en dat lockdowns van twijfelachtige waarde zijn voor het verminderen van de sterfte per hoofd van de bevolking.[8]
2. Schattingen van IFP
   Voor verschillende ziekten wordt de IFP op verschillende manieren geschat. Voor covid-19 is het de verhouding van het cumulatieve aantal klinisch toegewezen covid-19-sterfgevallen tot het aantal geïnfecteerde personen. Vaak wordt het aantal geïnfecteerde personen geschat door het product van de prevalentie van antilichaampositieve gevallen en het aantal inwoners. De prevalentie van seropositieve personen wordt verondersteld gelijk te zijn aan een cumulatieve beoordeling van virale infecties.

De schatting van Baker en Wilson voor influenza wordt enigszins anders afgeleid. De IFP voor influenza wordt afgeleid van een gemodelleerd jaarlijks influenzasterftecijfer,[9] gedeeld door de seropositieve prevalentie van influenza.[10] Dit is anders dan bij covid-19. Voor deze ziekte zijn sterfgevallen individueel toegeschreven op basis van massatesten die op ongekende schaal zijn uitgevoerd voor welke luchtwegaandoening dan ook. Hoewel dit op het eerste gezicht het vertrouwen in het aantal gevallen zou moeten vergroten, suggereert de geschiedenis dat dit nieuwe testregime, met een scherpere focus op covid-19, de mortaliteit waarschijnlijk zal overschatten, zoals we zullen bespreken.

3. Vaststelling van overlijden
   Nieuwe pandemieën worden vaak geassocieerd met bevooroordeelde veranderingen in de codering van doodsoorzaken. Bijvoorbeeld, in de VS in 1968-69, waar artsen op de hoogte waren van een naderende influenza A (H3N2) winter, nam het aantal sterfgevallen dat als influenza werd gecodeerd in de zomer van 1968 zestien keer toe in vergelijking met de zomers in de jaren voor en na de pandemie.[11] Toch werd gedacht dat er geen significante circulatie van influenza had plaatsgevonden in die zomer. Vanwege deze onnauwkeurige registratie van influenza op overlijdensaktes, hebben de auteurs deze sterfgevallen statistisch geschat, onafhankelijk van overlijdensakten, zoals de gegevens waarnaar Baker en Wilson verwijzen.

We zien soortgelijk bewijs voor het overtellen van sterfgevallen in landen met hoge IFP’s voor covid-19. Een opmerkelijk voorbeeld was Engeland, waar het onmogelijk was om te herstellen van covid-19 nadat een individu positief was getest.[12] Rapporten uit Italië hebben een soortgelijke bevooroordeeldheid ten gunste van covid-19-sterfgevallen aan het begin van die pandemie laten zien. Na een formele beoordeling van schijnbare covid-19-doden was slechts 12% van de eerdere cijfers direct toe te schrijven aan het nieuwe virus.[13]

Bewijs voor een lagere sterfte komt uit landen met veel covid-19-gevallen, maar weinig doden. Op het moment van schrijven had Singapore 57.883 herstelde gevallen en 28 doden, wat neerkomt op een case-fataliteitsverhouding van 0,05%. Wij geloven dat, vanwege Singapore’s naleving van de case-definitie bij het toewijzen van covid-19-doden,[14] de cijfers de sterfte betrouwbaarder beoordelen en de vertekening elders belichten. Verder is de noemer groot, waarschijnlijk vanwege agressieve tests. Als serologie zou worden geschat, zou de IFP van deze stadstaat waarschijnlijk nog lager zijn.

4. Infectieprevalentie
   Naast vertekening in de teller is de noemer in COVID-19 IFP-berekeningen waarschijnlijk lager dan de werkelijke infectietellingen, omdat positieve antilichaamreacties sneller afnemen dan bij influenza.[15 16] Dit leidt tot een onderschatting van cumulatieve infectie en bijgevolg tot een overschatting van de IFP. Ondersteunend bewijs komt van niveaus van positieve antilichaamtesten die na twee maanden halveren in een cohort van blootgestelde zorgverleners uit Nashville.[17] Daarentegen zijn hoge niveaus van influenza-antilichamen gedocumenteerd tot 28 weken na vaccinatie bij gezonde volwassenen in Maryland.[16] Verder is bewijs van blootstelling aan COVID-19 mogelijk alleen detecteerbaar in specifieke T-cellen (reactief op spike-glycoproteïnen), in plaats van in antilichamen alleen.[18]

Andere ondersteuning voor een lage IFP voor COVID-19 komt uit onderzoeken die seriële antilichaamtesten binnen individuen bijhouden. Bijvoorbeeld, een achtvoudige toename in de prevalentie van positieve antilichamen in Tokio vond plaats in de zomer, van 5,8% naar 46,8%, maar er was weinig toename in sterfte door het virus.[19]

Dus, wat is een redelijke IFP voor covid-19? De algehele gecorrigeerde mediane IFP van 61 studies in een meta-analyse is 0,23%.[2] Dit komt overeen met een bevolkingsserosurvey in Indiana.[20] Deze studies beschouwen alleen seropositiviteit als een indicator van cumulatieve blootstelling aan het virus. Ze zijn er ook van uitgegaan dat de cijfers over de doodsoorzaak accuraat zijn. Dus, als deze factoren eenmaal in overweging zijn genomen, geloven we dat onze vergelijking met seizoensgriep niet misleidend is. Aangezien modellen die hogere IFP’s hebben opgenomen hebben geleid tot economisch verlammende lockdowns,[21] geloven we dat het van vitaal belang is om deze vergelijkingen te onderzoeken en dat een herwaardering van de covid-19 IFP te laat is.

Simon Thornley, Section of Epidemiology and Biostatistics, The University of Auckland

Arthur J. Morris, LabPLUS, Auckland City Hospital

Gerhard Sundborn, Section of Pacific Health, The University of Auckland

Samantha Bailey, Clinical & Pharmaceutical Research Trust, 40 Stewart Street, Christchurch.

References

1. Baker MG, Wilson N. The covid-19 elimination debate needs correct data. BMJ 2020;371 doi: https://doi.org/10.1136/bmj.m3883
2. Ioannidis J. The infection fatality rate of COVID-19 inferred from seroprevalence data. Bull World Health Organ 2020
3. Verity R, Okell LC, Dorigatti I, et al. Estimates of the severity of COVID-19 disease. medRxiv 2020 doi: https://doi.org/10.1101/2020.03.09.20033357
4. Ferguson NM, Laydon D, Nedjati-Gilani G, et al. Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand. 2020. DOI 2020;10:77482.
5. National Health Service. COVID-19 Daily Deaths 2020 [Webpage]. Available from: https://www.england.nhs.uk/statistics/statistical-work-areas/covid-19-da… accessed 7/11 2020.
6. James A, Hendy SC, Plank MJ, et al. Suppression and mitigation strategies for control of COVID-19 in New Zealand. medRxiv 2020 doi: https://doi.org/10.1101/2020.03.26.20044677
7. Telfar Barnard LT, Wilson N, Kvalsig A, et al. Modelled Estimates for the Spread and Health Impact of Covid-19 in New Zealand: Revised Preliminary Report for the NZ Ministry of Health. Wellington: University of Otago, 2020.
8. Chaudhry R, Dranitsaris G, Mubashir T, et al. A country level analysis measuring the impact of government actions, country preparedness and socioeconomic factors on COVID-19 mortality and related health outcomes. EClinicalMedicine 2020;25:100464.
9. Khieu TQ, Pierse N, Telfar-Barnard LF, et al. Modelled seasonal influenza mortality shows marked differences in risk by age, sex, ethnicity and socioeconomic position in New Zealand. J Infect 2017;75(3):225-33.
10. Huang QS, Bandaranayake D, Wood T, et al. Risk factors and attack rates of seasonal influenza infection: results of the Southern Hemisphere Influenza and Vaccine Effectiveness Research and Surveillance (SHIVERS) seroepidemiologic cohort study. J Infect Dis 2019;219(3):347-57.
11. Thompson WW, Moore MR, Weintraub E, et al. Estimating influenza-associated deaths in the United States. Am J Public Health 2009;99(S2):S225-S30. doi: https://doi.org/10.2105/AJPH.2008.151944
12. Loke Y, Heneghan C. Why no-one can ever recover from COVID-19 in England – a statistical anomaly: Centre for Evidence Based Medicine; 2020 [Webpage]. Available from: https://www.cebm.net/covid-19/why-no-one-can-ever-recover-from-covid-19-… accessed 28/10 2020.
13. Newey S. Coronavirus: Is Covid-19 really the cause of all the fatalities in Italy? Stuff.co.nz: Stuff; 2020 [Webpage]. Available from: https://www.stuff.co.nz/national/health/coronavirus/120443722/coronaviru… accessed 29/10 2020.
14. Geddie J, Aravindan A. Why is Singapore’s COVID-19 death rate the world’s lowest [Webpage.]. Reuters.com: Thomson Reuters; 2020 [News report]. Available from: https://www.reuters.com/article/health-coronavirus-singapore-explainer-i… accessed 28/10 2020.
15. Weis S, Scherag A, Baier M, et al. Seroprevalence of SARS-CoV-2 antibodies in an entirely PCR-sampled and quarantined community after a COVID-19 outbreak-the CoNAN study. medRxiv 2020 doi: https://doi.org/10.1101/2020.07.15.20154112
16. Clements ML, Murphy BR. Development and persistence of local and systemic antibody responses in adults given live attenuated or inactivated influenza A virus vaccine. J Clin Microbiol 1986;23(1):66-72.
17. Patel MM, Thornburg NJ, Stubblefield WB, et al. Change in Antibodies to SARS-CoV-2 Over 60 Days Among Health Care Personnel in Nashville, Tennessee. JAMA 2020 doi: https://doi.org/10.1001/jama.2020.18796
18. Braun J, Loyal L, Frentsch M, et al. SARS-CoV-2-reactive T cells in healthy donors and patients with COVID-19. Nature 2020:1-5. doi: https://doi.org/10.1038/s41586-020-2598-9
19. Hibino S, Hayashida K, Ahn AC, et al. Dynamic Change of COVID-19 Seroprevalence among Asymptomatic Population in Tokyo during the Second Wave. medRxiv 2020:2020.09.21.20198796. doi: https://doi.org/10.1101/2020.09.21.20198796
20. Blackburn J, Yiannoutsos CT, Carroll AE, et al. Infection fatality ratios for COVID-19 among noninstitutionalized persons 12 and older: results of a random-sample prevalence study. Ann Intern Med 2020
21. Joffe A. COVID-19: Rethinking the Lockdown Groupthink. Preprints 2020 doi: https://doi.org/10.20944/preprints202010.0330.v2

Blijf kritisch, blijf nadenken en blijf VRIJ.