Sebelas Kesalahpahaman tentang Data COVID-19 dan Interpretasinya

Sebelas kesalahpahaman tentang data COVID-19 dan interpretasinya untuk lebih menginformasikan penggunaan data kami untuk pengambilan keputusan.

Pandemi COVID-19 adalah krisis kesehatan publik terbesar dalam lebih dari satu abad dan menyebar ke seluruh dunia dalam hitungan minggu. Demikian pula, jumlah data dan sains di sekitar COVID-19 telah meningkat secara eksponensial, mengarah pada diskusi sehari-hari di antara para ahli dan orang awam tentang kasus, kematian, dan ke mana kita menuju. Minggu ini kami menyoroti 11 kesalahpahaman tentang data COVID-19 dan interpretasinya untuk lebih menginformasikan penggunaan data kami untuk pengambilan keputusan.

Mitos 1

Tren kasus cukup untuk memantau penyebaran COVID-19. Kecenderungan dalam jumlah kasus, bahkan yang disesuaikan dengan jumlah populasi, tidak cukup untuk sepenuhnya memahami situasi penyakit. Beban absolut penyakit juga penting: penurunan 10% pada 10.000 kasus jauh berbeda dari penurunan 10% pada 100 kasus. Tingkat pengujian juga merupakan pertimbangan penting, karena tren kasus dapat secara artifisial meningkat atau menurun jika tingkat pengujian berubah secara signifikan. Terakhir, jumlah orang yang rentan dari waktu ke waktu harus dipertimbangkan ketika menggunakan tingkat kasus. Jika kasus per kapita menurun 10% di tempat di mana separuh orang pindah pada periode waktu yang sama, penyebaran penyakit yang sebenarnya mungkin meningkat, bukan menurun. Untuk sepenuhnya memahami penyebaran penyakit, informasi tambahan dari pengukuran lain harus dipertimbangkan.

Mitos 2

Kejadian kasus selalu merupakan indikator risiko masyarakat yang baik. Jumlah kasus baru (insiden) dalam suatu populasi tidak selalu mencerminkan risiko penularan dalam suatu komunitas. Alasan utama adalah bahwa komposisi atau distribusi kasus-kasus ini mungkin sangat berbeda, walaupun total keseluruhannya sama. Mungkin juga ada pengelompokan yang signifikan dari peristiwa "superspreader" yang menggerakkan transmisi lokal. Sebagai contoh, perhatikan dua komunitas hipotetis berikut, A dan B. Keduanya memiliki empat kasus baru dalam populasi 20 orang, sehingga tingkat kejadian kasus adalah sama (satu dari lima orang). Namun, Komunitas A memiliki distribusi kasus yang lebih beragam secara demografis dan geografis daripada Komunitas B, di mana tiga dari empat kasus berada di fasilitas perawatan jangka panjang yang sama. Risiko kontak dengan orang yang menular di Komunitas B jauh lebih rendah daripada di Komunitas A.

Untuk secara akurat menangkap risiko masyarakat, kita harus mempertimbangkan informasi tambahan tentang kasus dan pola penularan, di mana mereka berada, dan status tindakan pengendalian saat ini seperti isolasi kasus dan karantina kontak. Informasi ini bervariasi berdasarkan lokasi dan harus digunakan untuk menyempurnakan kesehatan masyarakat dan tindakan sosial di tingkat lokal.

Mitos 3

COVID-19 kematian adalah indikator dari situasi saat ini. Jeda waktu dalam melaporkan kematian membuatnya kurang berguna untuk memahami apa yang terjadi hari ini. Dengan tidak adanya informasi yang konsisten tentang kasus, rawat inap atau metrik lainnya, kematian dapat menjadi indikator yang lebih dapat diandalkan dari beban penyakit dalam suatu populasi, terutama ketika risiko kematian tidak diharapkan berubah secara substansial dari waktu ke waktu. Kematian juga dapat digunakan untuk memperoleh perkiraan kasar jumlah kasus dalam suatu populasi. Kalkulator sederhana juga dapat menjelaskan faktor-faktor lain seperti distribusi usia suatu populasi dan interval waktu antara kasus dan kematian. Interval ini, atau kelambatan, membuat kematian merefleksikan situasi beberapa minggu sebelum ketika mereka dilaporkan. Menurut perkiraan terbaik pemodelan parameter CDC, dibutuhkan rata-rata sekitar enam hari untuk mengembangkan gejala setelah terpapar, 15 hari dari awal gejala hingga kematian, dan tujuh hari dari kematian hingga pelaporan, dengan total sekitar 28 hari dari awal gejala hingga awal. kematian. Penting untuk diingat bahwa ini adalah perkiraan kasar dan dalam praktiknya garis waktu ini dapat sangat bervariasi dari satu individu ke individu berikutnya.

Mengingat kelambatan ini, kematian bukanlah indikator awal yang berguna untuk memantau apakah situasi penyakit memburuk atau membaik. Secara praktis, ini berarti bahwa untuk menilai dampak perubahan (mis. Melonggarkan atau memperketat) kesehatan masyarakat dan tindakan sosial, seseorang harus menunggu beberapa minggu sebelum perubahan terdeteksi.

Mitos 4

Kematian COVID-19 adalah satu-satunya indikator kematian terkait COVID-19. Kematian COVID-19 diremehkan karena beberapa alasan: pengujian terbatas mengarah pada pendeteksian mereka yang terinfeksi, dan sebagian besar kematian yang terjadi di masyarakat — tidak seperti di rumah sakit — mungkin tidak dikaitkan dengan COVID-19. Kelebihan kematian, atau kesenjangan antara kematian saat ini dan rata-rata historis, adalah ukuran yang lebih baik dari dampak keseluruhan COVID-19. Ini termasuk mereka yang secara langsung atau tidak langsung mati karena pandemi. Kesenjangan ini bisa sangat besar di beberapa lokasi, seperti Italia:

Digambarkan bahwa hanya sekitar setengah dari kelebihan kematian dari Maret hingga April yang dikaitkan dengan COVID-19. Karenanya jumlah kematian COVID-19 resmi tidak akan sepenuhnya mencerminkan angka kematian yang terkait dengan COVID-19. Kematian lainnya kemungkinan termasuk campuran orang yang meninggal karena COVID-19 (tetapi tidak diuji atau diduga didiagnosis dengan itu) di luar fasilitas kesehatan, dan kematian tambahan dari kondisi lain seperti serangan jantung karena gangguan dalam perawatan rutin dan darurat.

Mitos 5

Indikator mobilitas adalah indikator risiko langsung. Data mobilitas, biasanya dihasilkan menggunakan data lokasi dari perangkat seluler (mis. Data dari Apple, Facebook, atau Google), telah dirujuk secara luas dalam pandemi ini sebagai indikator risiko utama. Data ini dapat memberikan informasi yang tepat waktu dan terperinci di tingkat lokal untuk menilai kepatuhan yang luas dengan langkah-langkah jarak fisik. Penting untuk menyadari bahwa ini adalah proksi risiko, dan ada batasan dan pertimbangan signifikan yang harus diingat ketika menggunakan data ini. Data mobilitas dapat memberi tahu Anda tentang tren frekuensi dan jarak perjalanan tetapi tidak memberi tahu Anda banyak tentang perilaku berisiko tinggi, seperti berada dalam kontak dekat dengan seseorang untuk jangka waktu yang lama di dalam ruangan. Ini juga tidak bisa memberi tahu Anda tentang perilaku pribadi, seperti kebersihan tangan yang baik dan pemakaian pelindung muka, yang dapat mengurangi penularan meskipun ada peningkatan mobilitas. Ada kemungkinan bahwa perilaku ini, jika diadopsi secara luas, dapat menurunkan dampak transmisi penyakit dari peningkatan mobilitas. Data mobilitas juga mungkin tidak sepenuhnya mewakili populasi di daerah dengan penetrasi telepon seluler yang rendah di seluruh kelompok demografis. Untuk mengukur perubahan risiko dan dampak kesehatan masyarakat dan tindakan sosial secara akurat, data mobilitas harus ditafsirkan bersamaan dengan informasi tentang perilaku pribadi dan informasi epidemiologis tambahan.

Mitos 6

“R” adalah angka reproduksi penularan penyakit. Seperti yang sebelumnya dibahas dalam Peninjauan Ilmiah untuk Menyelamatkan Kehidupan, angka reproduksi efektif (Rt) mudah dimengerti tetapi sulit untuk diperkirakan dengan akurasi. Angka ini mewakili jumlah yang diharapkan dari infeksi sekunder yang timbul dari satu orang yang terinfeksi. Jika nilai Rt lebih besar dari 1, maka penyebaran penyakit meningkat. Jika Rt kurang dari 1, maka penyebaran penyakit menurun. Gagasan bahwa satu nomor dapat diperbarui setiap hari untuk mencerminkan transmisi saat ini sangat menarik. Ini telah digunakan oleh para pejabat untuk berkomunikasi dengan publik dan media, misalnya, dari San Francisco Chronicle, “Skor sederhana menunjukkan seberapa cepat penyebaran virus corona. Inilah untuk Teluk Area." Namun, seperti yang disajikan dalam tinjauan sains, tidak ada satu cara standar untuk memperkirakan R, estimasi biasanya memiliki sejumlah besar ketidakpastian dan interval kepercayaan yang luas, dan, karena pelaporan kasus yang tertunda, estimasi biasanya memiliki keterlambatan satu hingga dua minggu. sebelum mereka stabil. Faktor-faktor ini membuat mereka kurang berguna untuk pengambilan keputusan. Misalnya, pertimbangkan perkiraan Rt untuk negara bagian di A.S.

Digambarkan setiap negara bagian AS diwakili oleh tanda dengan interval kepercayaan 90% dari taksiran. Seperti yang digambarkan, jika kita menggunakan estimasi titik R untuk menginformasikan pengambilan keputusan, R di banyak negara (tepatnya 38) akan berada di bawah 1, menunjukkan penurunan transmisi, dan beberapa (10 negara) akan berada di atas 1, menunjukkan pertumbuhan transmisi. Tetapi jika kita mempertimbangkan ketidakpastian estimasi Rt, hanya tiga negara yang memiliki nilai yang berbeda secara statistik dari 1; New York, New Jersey dan Illinois adalah satu-satunya negara bagian dengan R di bawah 1. Juga tidak ada batas standar kapan harus mengambil keputusan. Sebagai contoh, apakah boleh untuk membuka kembali jika Rt adalah 0,95, 0,9 atau 0,8? Berapa lama harus seperti itu, satu hari atau satu minggu? Jika keputusan untuk memperketat atau melonggarkan langkah-langkah kesehatan dan sosial masyarakat didasarkan pada estimasi titik Rt saja, keputusan yang berbeda mungkin dibuat tergantung pada model yang digunakan dan apakah ketidakpastian dipertimbangkan. Jika Rt digunakan untuk pengambilan keputusan, harus dipertimbangkan bersama dengan data epidemiologi lainnya untuk sepenuhnya memahami penyebaran penyakit.

Mitos 7

Skrining berbasis gejala cukup untuk melindungi setiap populasi. Skrining berbasis gejala untuk COVID-19 adalah umum, dan digunakan di tempat-tempat seperti bandara, kantor dan rumah sakit. Orang yang memiliki kemungkinan infeksi lebih tinggi dapat diidentifikasi dengan menanyakan tentang demam, batuk dan gejala COVID-19 lainnya. Skrining gejala dapat menginformasikan siapa yang harus diuji dan kapan harus mengisolasi individu. Meskipun mudah dilakukan, metode penyaringan ini tidak cukup untuk melindungi setiap populasi dari COVID-19. Berdasarkan bukti awal, sekitar 20-50% dari mereka yang terinfeksi COVID-19 tidak pernah mengalami gejala. Selain itu, sebagian orang yang terinfeksi tidak akan bergejala saat skrining tetapi terus mengembangkan gejala kemudian menular satu atau dua hari sebelum mengembangkan gejala, sehingga kurangnya gejala tidak menyiratkan kurangnya menular. Menurut CDC A.S., kasus asimptomatik adalah 50% hingga 100% sama menularnya dengan kasus simtomatik. Jelas, skrining berbasis gejala akan kehilangan proporsi infeksi. Dalam pengaturan dengan populasi yang rentan (seperti panti jompo) di mana banyak orang berisiko lebih tinggi untuk penyakit dan kematian, penting bahwa skrining berbasis gejala dilengkapi dengan pengujian laboratorium untuk mengidentifikasi dengan cepat sebagian besar orang yang terinfeksi untuk memfasilitasi isolasi awal dan menghentikan transmisi berkelanjutan.

Mitos 8

Kapasitas rumah sakit dan tempat tidur ICU adalah metrik yang paling berguna untuk menangkap kesiapan sistem perawatan kesehatan. Kemampuan untuk mengelola kasus COVID-19 dengan aman, termasuk yang sakit kritis, merupakan sarana penting untuk mencegah kematian. Namun, proporsi tempat tidur rumah sakit dan unit perawatan intensif (ICU) saat ini yang tersedia bukan merupakan indikator kuat dari kemampuan ini. Hunian rumah sakit berubah dengan musiman, naik selama musim influenza dan jatuh pada bulan-bulan lainnya. Pada atau di dekat puncak influenza musiman, tempat tidur rumah sakit dan tempat tidur ICU cenderung berada pada atau dekat kapasitas, yang sesuai dan diharapkan. Data yang lebih informatif adalah proporsi tempat tidur rumah sakit atau tempat tidur ICU yang ditempati oleh pasien dengan COVID-19, dan kemampuan sistem perawatan kesehatan untuk memperluas jumlah tempat tidur, mendapatkan dan memelihara peralatan yang memadai (misalnya oksigen dan ventilator), dan sebagian besar penting, staf terlatih, untuk mengakomodasi lonjakan pada pasien COVID-19. Indikator sistem perawatan kesehatan penting lainnya adalah jumlah infeksi di antara petugas kesehatan. Puluhan ribu petugas kesehatan telah terinfeksi dalam pandemi saat ini, dan banyak yang tidak dilengkapi dengan baik untuk melindungi diri mereka sendiri, pasien mereka atau keluarga mereka. Saat ini, banyak lokasi tidak memiliki data tentang jumlah infeksi petugas kesehatan, yang berarti mereka tidak dapat secara akurat menilai kemampuan mereka untuk merawat pasien dengan aman.

Mitos 9

Tes positif PCR COVID adalah semua yang perlu Anda ketahui tentang kondisi pengujian: Tes PCR digunakan untuk mendeteksi infeksi aktif; tes positif adalah jumlah tes positif dari total tes yang dilakukan. Pengukuran ini berguna untuk memahami apakah suatu lokasi menguji cukup banyak orang untuk mendeteksi kasus, terlepas dari ukuran wabahnya. Misalnya, tingkat kepositifan tes 5% menunjukkan bahwa ada satu kasus yang dikonfirmasi dari setiap 20 orang yang diuji. Secara umum, semakin rendah tingkat tes positif, semakin kuat program pengujian. Namun, jumlah ini saja tidak cukup untuk memahami pengujian karena tidak menunjukkan apa-apa tentang apakah orang yang berisiko tinggi sedang diuji. Pertimbangkan contoh hipotetis dua komunitas ini:

Kedua komunitas memiliki 100 orang dan tiga orang dengan infeksi COVID-19.

Komunitas A membiarkan siapa saja yang membutuhkan tes untuk mendapatkan tes, dan banyak dari tes ini telah dilakukan dalam kelompok risiko rendah (orang-orang yang mungkin memiliki akses yang lebih baik ke pengujian).

Komunitas B memiliki strategi pengujian yang mencakup pengujian yang diprioritaskan untuk kelompok berisiko tinggi (mis. Penghuni panti jompo, petugas layanan kesehatan, kontak simptomatik dari kasus yang diketahui). Karena Komunitas B sedang menguji orang yang lebih mungkin untuk memiliki penyakit, mereka telah mendeteksi lebih banyak kasus (dua dari tiga) di masyarakat dibandingkan dengan Komunitas A (satu dari tiga). Kedua Komunitas A dan B memiliki tingkat uji positif 10%. Karenanya, jika ini adalah satu-satunya metrik yang dipantau, wawasan penting akan terlewatkan. Idealnya, masyarakat memiliki metrik untuk menguji kelompok-kelompok prioritas, tetapi ini mungkin sulit diukur. Dengan tidak adanya tes yang satu ini mungkin memantau jumlah tes yang dilakukan sebagai ukuran kasar apakah cukup banyak orang (termasuk kelompok berisiko tinggi) sedang diuji. Pertimbangan penting lainnya saat menginterpretasikan pengujian adalah apakah jumlah tes mengacu pada jumlah orang yang diuji, atau jumlah tes yang dilakukan. 

Dalam beberapa kasus, satu individu dapat menerima beberapa tes, sehingga jumlah tes yang dilakukan lebih besar dari jumlah sebenarnya orang yang diuji. Misalnya, banyak protokol untuk pemulangan di rumah sakit mengharuskan pasien COVID-19 menjalani dua tes negatif setidaknya 24 jam terpisah. Ini berarti bahwa sebagian besar pasien COVID-19 yang dirawat di rumah sakit yang sembuh telah diuji setidaknya tiga kali (sekali saat masuk, dua kali untuk keluar). Indikator seperti interval waktu antara onset gejala dan hasil tes positif, dan interval waktu antara onset gejala dan isolasi, lebih informatif dan lebih relevan untuk menentukan apakah pengujian ditargetkan dengan baik, dan lebih berguna untuk meningkatkan strategi pengujian dan tindak lanjut hasil tes.

Mitos 10

Dampak pandemi kesehatan yang paling signifikan terkait langsung dengan COVID-19. COVID-19 bisa menjadi penyakit parah, terutama pada orang tua dan orang-orang dengan kondisi yang mendasarinya. Seperti pada wabah penyakit sebelumnya, di banyak komunitas, dampak kesehatan terbesar dari COVID-19 kemungkinan bukan dari mereka yang secara langsung terkena penyakit, tetapi dalam gangguan sekunder dari layanan kesehatan esensial dan program kesehatan masyarakat. Dalam epidemi Ebola Afrika Barat, lebih dari 11.000 orang meninggal secara langsung dari Ebola, tetapi diperkirakan 11.000-26.000 kematian tambahan terjadi karena HIV / AIDS, tuberkulosis, malaria, dan campak saja, karena gangguan dalam pengobatan dan vaksinasi. Dalam pandemi COVID-19, gangguan telah merusak program pengendalian penyakit menular, kegiatan imunisasi, kegiatan kesehatan reproduksi dan ibu dan anak, dan manajemen penyakit yang tidak menular. 

WHO memperkirakan bahwa gangguan COVID-19 dapat menggandakan kematian malaria di Afrika Sub-Sahara dan mengganggu vaksinasi 80 juta anak di bawah usia 1. Untuk mengurangi dampak kesehatan COVID-19 secara keseluruhan, kembalinya kegiatan ini secara cepat dalam cara yang lebih aman sangat penting, seperti dengan kampanye imunisasi lanjutan. Untuk memahami sepenuhnya dampak kesehatan total dari pandemi ini, penting untuk memantau metrik non-COVID untuk memahami efek langsung dan tidak langsung pada kesehatan populasi.

Mitos 11

Setiap orang adalah ahli epidemiologi. Pandemi COVID-19 telah menghasilkan lebih banyak orang yang terlibat dan menggunakan data epidemiologis daripada sebelumnya, untuk mencoba memahami bagaimana pandemi ini berkembang dan mendapatkan wawasan tentang risiko pribadi mereka. Istilah yang sebelumnya hanya diketahui oleh para ilmuwan, seperti R dan tes positif, tiba-tiba menjadi bagian dari percakapan sehari-hari di banyak kalangan. Artikel dan panduan media yang menyarankan pegukuran dan target dirilis secara berkala. Data pada COVID-19 dapat ditemukan untuk mendukung hampir semua sudut pandang atau pesan, baik secara ilmiah valid atau tidak.

Di tengah banjirnya informasi ini, penting untuk memahami bahwa epidemiologi, yang merupakan ilmu tentang distribusi dan penentu penyakit, merupakan bidang ilmu yang menggeluti kasus dan kematian. Sama seperti penyedia layanan kesehatan adalah seorang ahli dalam bidang kedokteran dan seorang ahli virologi adalah seorang ahli dalam virus, seorang ahli epidemiologi adalah seorang ahli dalam cara mengumpulkan, menganalisis, dan menyebarluaskan data dan mengambil langkah-langkah lain untuk mencegah dan mengendalikan penyakit.

Ahli epidemiologi memiliki wawasan yang dapat menginformasikan tindakan yang masuk akal dan mempercepat kemajuan dalam merespons terhadap pandemi. Mereka juga mengadaptasi rekomendasi mereka berdasarkan informasi yang berkembang, yang sering merupakan indikasi ilmu pengetahuan yang baik dan bukan bahwa rekomendasi sebelumnya salah. Masyarakat perlu mendengar dari para ahli penyakit ini secara langsung dan sering untuk memahami keadaan pandemi.

Sumber:

Prevent Epidemics. Eleven epidemiological fallacies in COVID-19. Eleven misconceptions about COVID-19 data and its interpretation to better inform our use of data for decision-making. June 9, 2020