COVID-19: porque os casos sobem e descem constantemente

people wearing diy masks

Os novos casos de COVID-19 nos EUA aumentaram acentuadamente no final de 2020 e diminuíram quase tão acentuadamente durante os primeiros meses de 2021 até recentemente. Isso é semelhante ao padrão de outros vírus respiratórios nos meses de inverno, mas, neste caso, muitos não sabem exatamente por que isso aconteceu. Neste artigo, examinamos um fator potencial pouco explorado: os diferentes padrões de interação humana. Algumas pessoas têm contato próximo com muitas outras pessoas, enquanto outras têm menos contatos. Epidemiologistas chamam isso de “mistura heterogênea”, embora a maioria dos modelos de disseminação do COVID-19 não explique isso; eles assumem que todos interagem de maneiras semelhantes. Também não é bem compreendido pelo público em geral.

Consideramos as maneiras mais díspares de mistura das pessoas em nosso modelo epidemiológico padrão para COVID-19 e descobrimos que as previsões do modelo de contagens de casos, ajustadas para padrões de mistura desiguais, refletem melhor as contagens reais de casos. Como acontece com todos os aspectos do COVID-19, é muito cedo para afirmar a causalidade; ainda há muito sobre a doença que não entendemos. Mas achamos que vale a pena examinar essa conexão, assim como suas implicações para a velocidade com que a sociedade se reabre. Uma preocupação crítica é o grupo de pessoas que não viram muitas outras pessoas no ano passado, mas agora podem se engajar novamente com a sociedade, mesmo que não sejam vacinadas. Os líderes de saúde pública podem desejar refletir sobre suas mensagens para este grupo.

Seres humanos são seres sociais

No decorrer de um dia, algumas pessoas interagem com muitas outras. Trabalhadores de varejo, professores, motoristas de entrega e muitos outros se encontram com muitas pessoas todos os dias, como parte de seus trabalhos. E outros podem sentir que a ameaça da doença para eles é baixa, então eles continuam a manter suas interações diárias. Consideraríamos as pessoas em ambos os grupos “altas misturas”. Em contraste, mixers baixos incluiriam pessoas que podem trabalhar em casa ou que tendem a ser avessas ao risco.

Os modelos epidemiológicos tradicionais geralmente assumem que as populações se misturam aproximadamente da mesma maneira, pelo menos dentro dos grupos de idade; eles não levam em conta os diferentes tipos de mistura por diferentes grupos de idade. A pesquisa sobre este tópico é um tanto limitada, com dados sobre a combinação de conclusões difíceis de encontrar e conclusões concretas não aparentes de imediato. A Figura 1 descreve o potencial para diferentes conclusões, dependendo se um modelo epidemiológico assume uma mistura uniforme ou desigual. Em ambos, a média de contatos por pessoa é dois. Mas em um modelo que considera misturadores altos e baixos, a média vem de um pequeno número de pessoas com muitos contatos (cerca de quatro vezes a do grupo maior que vê menos pessoas, de acordo com pesquisa da Universidade da Califórnia, Berkeley), e um grande número de pessoas que vêem apenas uma única pessoa. Apresente COVID-19 à população e você esperaria mais transmissão em mixers altos do que em mixers mais baixos.

Propagação rápida, declínio rápido

Para entender melhor o fenômeno, precisamos conhecer as proporções dos dois grupos, mixers altos e baixos. Os dados do telefone celular sugerem que a maioria de nós está confinada em casa ou permanece perto de casa, embora algumas pessoas permaneçam bastante ativas. Os dados sobre viagens aéreas sugerem algo semelhante: os níveis de passageiros em 2020 estavam cerca de 70% abaixo dos níveis de 2019. Pesquisadores da Universidade da Califórnia, em Berkeley, entrevistaram americanos sobre seus contatos em diferentes momentos durante a pandemia e avaliaram até que ponto o contato interpessoal diminuiu. Eles descobriram que, em média, temos cerca de 82% menos contato próximo do que antes da pandemia.

Usando essas fontes, estimamos que no final de 2020, cerca de 70 por cento da população são pouco “misturadores”, enquanto 30 por cento são altamente ativos (e incluem pessoas que frequentam os chamados eventos de superdifusão). Usamos essas estimativas, juntamente com estimativas do número de contatos que cada grupo tem em média (dois e oito) com base na pesquisa da UC Berkeley, no modelo epidemiológico McKinsey Global COVID-19, para estimar a progressão e declínio nos casos para o período começando em 11 de janeiro de 2021 (próximo ao pico de casos reais) e terminando em 9 de março de 2021 (Figura 2). O cenário de mistura desigual se ajusta perfeitamente ao declínio sustentado visto na linha que representa os casos reais e corresponde muito mais de perto do que uma projeção que usa o pressuposto epidemiológico tradicional de mesclar grupos de idade na população.

Parece plausível que os high mixers, com suas redes de interação muito mais amplas, possam ser responsáveis ​​por uma parte substancial do aumento acentuado de casos no final de 2020; em particular, reuniões de amigos e familiares durante o Dia de Ação de Graças, feriados de dezembro e dia de Ano Novo podem ter acelerado a transmissão, mesmo que grande parte dela fosse assintomática. (Alguns mixers baixos provavelmente também participaram das festividades do feriado, e então voltaram aos seus comportamentos anteriores.) Posteriormente, esses mixers podem ter se recuperado rapidamente – a pesquisa da UC Berkeley descobriu que muitos são homens jovens – e como sua doença diminuiu, eles pararam de se espalhar. Dito de outra forma, as pessoas na população com maior probabilidade de adoecer e espalhar a doença podem ter feito exatamente isso – e, com essa explosão de transmissão fora do caminho, a contagem geral de casos caiu.

Os eventos que se propagam em excesso capturaram a imaginação popular e certamente são um fator no aumento e na queda do número de casos. Mas, em nossa estimativa, o grupo de high mixers, muitos dos quais podem ter comparecido a esses eventos, pode ser ainda mais importante a se considerar.

É preciso todos os tipos para formar um rebanho

Um ponto final da pandemia virá quando uma sociedade atingir o que chamamos de imunidade de rebanho – quando um número suficiente da população tiver imunidade contra o vírus, cuja disseminação é mínima. A vacinação é, obviamente, uma variável crítica no cálculo, mas também o é a imunidade natural. Mixers altos e baixos provavelmente farão contribuições diferentes para esse resultado, já que eles provavelmente têm níveis diferentes de imunidade natural para COVID-19 após se recuperarem da infecção. Estimamos que, em meados de janeiro de 2021, 45 a 55% dos high mixers poderiam ter imunidade natural, contra cerca de 15 a 25% dos low mixers. Pesquisa recente do consumidor da McKinsey indica que os high mixersa também têm menos probabilidade de serem vacinados contra COVID-19 ou seguir as diretrizes de saúde pública (por exemplo, aqueles com pouca probabilidade de serem vacinados têm 3,5 vezes mais probabilidade de não usarem uma máscara facial adequada em locais públicos fechados e quase duas vezes mais propensos a ir a bares e participar de eventos fechados do que os indivíduos propensos a serem vacinados). A imunidade natural pode ser o caminho para a proteção dos high mixers, para melhor ou para pior. Nossa análise sugere que, com base nos últimos meses de tendências de casos, os high mixers podem ter níveis relativamente altos de imunidade na metade de 2021; este grupo já tem uma proporção substancialmente menor de pessoas suscetíveis à cepa COVID-19 original do que os low mixers.

Esse é um fator importante na busca pela imunidade do rebanho. Contanto que os high mixers e os low mixers não mudem seus comportamentos significativamente e o aumento de variantes não aumente significativamente o número de high mixers suscetíveis, o limite para a imunidade de rebanho é mais baixo do que seria se as pessoas se misturassem uniformemente. É improvável que as interações sociais se tornem introvertidas, e as pessoas cujos empregos demandem que elas se encontrem com o público continuarão a ter muitos contatos. O comportamento a ser observado é quando os países reabrem e os low mixers não vacinados começam a se engajar novamente com os outros. Esperamos mais disso no segundo trimestre de 2021, à medida que regiões e países comecem a reabrir e a lutar com o aumento de variantes. O que acontece depois? É uma das três implicações que os líderes devem considerar e que continuaremos a estudar.

Três implicações de mistura desigual

Nossa análise destaca três implicações para os líderes, pois eles consideram o momento de reabertura e continuam a garantir que as populações estejam seguras.

  1. Preste atenção nos low mixers. O que eles fazem a seguir é muito importante. Como o declínio nos casos diminuiu nas últimas semanas (e até mesmo reverteu, com o crescimento de novos casos em algumas regiões), pode-se presumir que os padrões de mistura não permaneceram constantes – é provável que mais pessoas estejam começando a se misturar, especialmente à medida que as áreas começam a reabrir. É provável que haja um gradiente de comportamento de risco no grupo de baixo consumo, embora possamos considerar três tipos potenciais de pessoas: aqueles que manterão seus comportamentos até serem vacinados ou as diretrizes de saúde pública mudarem, aqueles que já estão vacinados e voltando a se misturar, e quem vai retomar as atividades cotidianas sem se vacinar ou sem mudar as diretrizes de saúde pública. À medida que as sociedades reabrem, o primeiro grupo pode ter menos contatos do que antes da pandemia, e o segundo grupo pode ter mais, devido à demanda reprimida . O segundo grupo pode ser menos preocupante porque eles foram vacinados; eles são menos suscetíveis a doenças graves e também menos propensos a contribuir para a transmissão. No entanto, à medida que os indivíduos menos avessos ao risco no terceiro grupo vêem outros se misturando e aumentando as interações ou atingem seus limites de fadiga pandêmica, eles podem começar a tomar medidas graduais para se misturar, mesmo sem serem vacinados. O número de pessoas que retomarão as atividades diárias sem imunidade natural ou mediada por vacina tem imensas implicações para a reabertura com segurança, especialmente à medida que as variantes se instalam. Este grupo pode impulsionar a dinâmica de reabertura e deve ser a prioridade dos líderes dos setores público e privado.
  2. O verdadeiro efeito das variantes ainda é desconhecido. Novas variantes que são potencialmente mais infecciosas e para as quais high mixers podem ter baixa imunidade cruzada pode levar a um novo aumento em casos semelhantes ao que vimos após o feriado de 2020. Se a mistura permanecer a mesma que suspeitamos que tem sido recentemente, o efeito das variantes na contagem de casos pode ser mais curto do que a cepa COVID-19 original, pois as variantes podem se espalhar mais rapidamente no grupo de pessoas que fazem a mistura. Outro fator que pode limitar a propagação de variantes é a sazonalidade natural dos vírus respiratórios. Por outro lado, se misturadores baixos não vacinados começarem a misturar mais (devido, por exemplo, a um clima mais agradável, retomada da viagem ou afrouxamento das diretrizes locais de saúde pública), eles podem alimentar o aumento de uma variante antes que a corrida da vacina seja vencida. Já estamos vendo evidências potenciais de mais mistura, e isso pode alimentar outra onda de casos.
  3. A corrida para vacinar começou. As vacinas geralmente têm se mostrado eficazes e podem ser a melhor ferramenta que temos para reduzir os resultados adversos potenciais do aumento da quantidade de mistura na população. Isso exigirá taxas de cobertura vacinal relativamente altas e mensagens públicas contínuas sobre a importância das vacinas para acabar com a pandemia de COVID-19.

Fonte: McKinsey Quarterly

Autores:

Sarun Charumilind e Jessica Lamb são sócios no escritório da McKinsey na Filadélfia, Andrew Doy é consultor no escritório de Washington, DC, Konstantinos Tsakalis é cientista de dados no escritório de Londres e Matthew Wilson é sócio sênior no escritório de Nova York.

Os autores desejam agradecer a Sanjiv Baxi, Jenny Cordina, Matt Craven, David Dowdy, Michalis Michaelides e Anthony Ramirez por suas contribuições para este artigo.


Este artigo foi editado por Mark Staples, editor executivo do escritório de Nova York.

Tradução livre ASSISTANTS