Os modelos da epidemia teriam errado ao assumir que a maioria das pessoas não tem alguma imunidade ao novo coronavírus.

Michael levitt: Latest News, Photos, Videos on Michael levitt ...
No início de maio, o Professor de Stanford e Prêmio Nobel Michael Levitt afirmou à revista Freddie Sayers, que as curvas de crescimento do coronavírus nunca foram realmente exponenciais, sugerindo algum tipo de "imunidade anterior".

Hoje, porém, evidências de algum nível de resistência e imunidade anteriores à Covid-19 já estão presentes em artigos publicados revisados por outros médicos. Por exemplo, o estudo Targets of T Cell Responses to SARS-CoV-2 Coronavirus in Humans with COVID-19 Disease and Unexposed Individuals, publicado em meados de maio na revista científica Cell, da Elsevier, sugere que 40% a 60% das pessoas não expostas têm resistência de outros coronavírus.

"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.

O professor Karl Friston, assim 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.

* Com informações da LockdownTV/UnHerd, The Guardian, Sociedade Brasileira de Medicina Tropical (SBMT), City Journal, Hoover Institution

POSTAGENS MAIS VISITADAS