Lies, damn lies, and COVID deaths

(Πώς η προσπάθεια υπεραπλούστευσης μίας εξαιρετικά πολύπλοκης κατάστασης αποτελεί τροχοπέδη στο να δούμε την μεγάλη εικόνα της πανδημίας)

Trust me, it’s complicated!

Είναι εντυπωσιακό ότι πολλοί, και πολλοί ιατροί μεταξύ αυτών, αντιμετωπίζουν το θέμα της πανδημίας σαν να ήταν ένας αγώνας ποδοσφαίρου όπου ένα απλό νούμερο μάς λέει και το τελικό αποτέλεσμα (και μάλιστα στην αρχή του αγώνα ακόμη) και εν τέλει μας λέει και το ποιος έχασε και ποιος κέρδισε. Εκτός του ότι είναι λίγο άχαρο να αντιμετωπίζεται η στατιστική των θανάτων από covid σαν αγώνας ποδοσφαίρου, είναι εντυπωσιακό το πόσο δύσκολο μοιάζει να συλλάβει κανείς την πολυεπίπεδη πολυπλοκότητα της κατάστασης που βιώνουμε. Η αυξημένη θνησιμότητα στον πληθυσμό είναι ένας από τους τρόπους που η πανδημία επηρεάζει την κοινωνία μας. Με το να ξεχνάμε όμως επιδεικτικά όλους τους άλλους τομείς που η πανδημία (και η αντίδρασή μας προς αυτήν) έχει και θα έχει επιπτώσεις, το μόνο που καταφέρνουμε είναι να υπεραπλουστεύουμε μία απίστευτα πολύπλοκη κατάσταση και εν τέλει να χάνουμε την ευκαιρία να ενημερώσουμε με αξιόπιστο και έγκυρο τρόπο και να κατανοήσουμε την μεγάλη εικόνα αυτής της τόσο έντονης περιόδου που βιώνουμε.

A. Στατιστική παρουσίαση θανάτων από COVID-19

Πριν αναφερθώ στους άλλους αυτούς τομείς που επηρεάζονται, δεν μπορώ να μην σχολιάσω ότι ακόμη κι αν οι θάνατοι ήταν το μόνο και τελικό κριτήριο αξιολόγησης του πώς αντιμετώπισε η κάθε χώρα την πανδημία, και πάλι τα νούμερα που οι περισσότεροι χρησιμοποιούν είναι εντελώς αποπροσανατολιστικά (misleading).

Οι περισσότεροι, για παράδειγμα, χρησιμοποιούν τον αριθμό θανάτων από COVID ως το κύριο στατιστικό. Κάποιοι πάνε ένα βήμα πιο πέρα και κάνουν και μία διαίρεση, και χρησιμοποιούν τον αριθμό θανάτων ανά πληθυσμό. Κι αν αυτά είναι ελκυστικά γιατί είναι απλά και συχνά επιβεβαιώνουν τις προϋπάρχουσες απόψεις μας (confirmation bias), καλό είναι να σκεφτούμε για λίγο ποιος είναι ο πιο κατάλληλος τρόπος να μιλήσουμε για το στατιστικό των θανάτων, με βάση ποιες παραμέτρους δηλαδή θα έπρεπε να σταθμίσουμε ώστε να πλησιάσουμε κάπως στην αλήθεια.

Χωρίς να είναι πλήρης ο παρακάτω κατάλογος, πιστεύω ότι τα στατιστικά των θανάτων είναι χρήσιμα μόνο όταν στην ανάλυσή μας λάβουμε υπόψιν (ή αν δεν μπορούμε λόγω έλλειψης στοιχείων, έστω να αναγνωρίσουμε την αβεβαιότητα που αυτό προκαλεί) και τα παρακάτω:

  1. Τον αριθμό (όλων) των ατόμων που έχουν νοσήσει, δηλ. την φάση στην πανδημία που βρίσκεται η κάθε χώρα (το αν μια χώρα βρίσκεται πιο μπροστά στην διασπορά της νόσου δεν σημαίνει αναγκαστικά ότι στο τέλος της πανδημίας θα τα έχει πάει χειρότερα, ιδίως αν κάποιο αποτελεσματικό εμβόλιο ή θεραπεία δεν φανούν σύντομα – όπως είναι και πιθανό δυστυχώς). Αυτό είναι το λεγόμενο infection fatality rate και είναι πιο αξιόπιστος δείκτης από το case fatality rate που δεν σταθμίζει για τα μη διαγνωσμένα άτομα και φυσικά για τα ασυμπτωματικά (και φυσικά πιο αξιόπιστος δείκτης από το θάνατοι/πληθυσμό).
  2. Τον αριθμό όλων των επιπλέον θανάτων (“επιπλέον” με βάση τους προβλεπόμενους από τα προηγούμενα έτη), καθώς σε πολλές χώρες οι θάνατοι από κορονοϊό υποκαταγράφονται, κάτι που κάνει παραδόξως μία χώρα με μεγαλύτερη διαφάνεια (π.χ. Βέλγιο, Σουηδία με τους θανάτους από COVID να εξηγούν σαφώς >90% των επιπλέον θανάτων) να φαίνεται χειρότερη από μία με λιγότερο αξιόπιστα στοιχεία (πολλά τα παραδείγματα εδώ με τους θανάτους από COVID συχνά να αντιπροσωπεύουν μέχρι και μόνο το 50% των επιπλέον θανάτων). Οι επιπλέον θάνατοι όχι μόνο μπορούν να «πιάσουν» την υποκαταγραφή των θανάτων από covid, αλλά επίσης μπορούν να αναγνωρίσουν και τους έμμεσους θανάτους που η πανδημία προκαλεί, όπως για παράδειγμα θανάτους από έμφραγμα λόγω μη προσέλευσης στο νοσοκομείο (π.χ. λόγω φόβου) ή από νεοπλασίες λόγω διακοπής της διαγνωστικής και θεραπευτικής αλυσίδας κατά την διάρκεια του lockdown (εδώ μπορεί να σκεφτεί κανείς πολλά άλλα σενάρια). Είναι προφανές ότι αυτό το στατιστικό έχει μεγάλη ουρά, δηλ. θα πρέπει να το παρακολουθήσει κανείς σε βάθος χρόνου καθώς οι έμμεσοι θάνατοι μπορεί να φανούν πολύ αργότερα (για παράδειγμα θάνατοι από μειωμένο screening του πληθυσμού, π.χ. test Pap, κ.ά.).
  3. Την διαφορετική ηλικιακή κατανομή του πληθυσμού κάθε χώρας (π.χ. οι πιο γηρασμένες κοινωνίες είναι λογικό να έχουν περισσότερους θανάτους).
  4. Την διαφορετική κατανομή των ηλικιωμένων που ζουν σε οίκους ευγηρίας. Στις χώρες όπου πολλοί ηλικιωμένοι ζουν σε οίκους ευγηρίας άρα εκεί όπου έχεις πολλές και συχνά μεγάλες (και άρα και πιο πυκνοκατοικημένες) δομές είναι προφανώς πολύ πιο δύσκολο να τις προστατεύσεις όχι μόνο γιατί είναι μεγαλύτερος ο ευάλωτος πληθυσμός, αλλά και γιατί εκ των πραγμάτων χρειάζεσαι περισσότερα άτομα να μπαινοβγαίνουν στις δομές αυτές (ακόμη και σε συνθήκες lockdown).
  5. Την πληθυσμιακή πυκνότητα της κάθε χώρας. Κι εδώ όμως τα πράγματα είναι πιο πολύπλοκα από όσο φαίνεται καθώς ο καλύτερος δείκτης είναι η πληθυσμιακή πυκνότητα στις περιοχές της χώρας που κατοικούνται (lived density) καθώς πολλές χώρες έχουν μεγάλες εκτάσεις ακατοίκητες και θα ήταν λάθος να μην το λάβουμε υπόψιν (για παράδειγμα, αυτός είναι ένας από τους λόγους που μάλλον εξηγεί την εκτεταμένη διασπορά στην Ισπανία η οποία ενώ έχει μικρή πληθυσμιακή πυκνότητα έχει πολύ μεγάλη lived density).

Και τα παραπάνω είναι απλά αυτά που είναι ήδη γνωστά και που σκέφτηκα σε λίγο χρόνο. Για παράδειγμα, μπορεί στην πορεία να μάθουμε ότι πρέπει να σταθμίσουμε ως προς τις καιρικές συνθήκες (θερμοκρασία, υγρασία), ή ως προς την θνητότητα του (έστω λίγο) διαφορετικού ιού που μπορεί να επικράτησε σε κάθε χώρα, ή την διαφορετική γονιδιακή ευαλωτότητα (genetic susceptibility) του κάθε πληθυσμού στον κορονοϊό, ή ακόμη ως προς τον αριθμό των εισαγόμενων κρουσμάτων στην αρχή της πανδημίας (ένας από τους βασικούς λόγους γιατί η Βόρεια Ιταλία χτυπήθηκε τόσο δυνατά). Ή ακόμη θα μπορούσε κανείς να σκεφτεί πώς συγκρίνεται ένα κύμα την άνοιξη (1ο κύμα) έναντι ενός νέου κύματος το φθινόπωρο (2ο κύμα) όταν αρχίζουν να εμφανίζονται και όλες οι αναπνευστικές ιώσεις του χειμώνα (και ο συγχρωτισμός σε κλειστούς χώρους είναι αναπόφευκτος), ιώσεις οι οποίες συχνά δοκιμάζουν τα όρια των συστημάτων υγείας ακόμη και χωρίς κορονοϊό, και αν η έλευση του 2ου κύματος με αυξημένο αριθμό ατόμων να έχουν ανοσία (δηλ. το να έχεις επιλέξει λιγότερο περιοριστικά μέτρα κατά το 1ο κύμα) έχει κάποια δυνητικά πλεονεκτήματα. Και είμαι σίγουρος ότι υπάρχουν πολλά άλλα που μου διαφεύγουν. Νομίζω ότι είναι προφανές με βάση τα παραπάνω ότι ο απόλυτος αριθμός θανάτων (ή έστω ανά πληθυσμό) δεν είναι παρά ένας δείκτης που είναι πιο πιθανό να παραπληροφορήσει παρά το αντίθετο (ιδίως όταν χρησιμοποιείται με όρους ποδοσφαιρικούς), κι ότι στην προσπάθειά μας να δούμε την μεγάλη εικόνα θα πρέπει να ελέγξουμε και ως προς τους παράγοντες που αναφέρω παραπάνω και άλλους που ξεχνώ ή έστω να αναγνωρίσουμε τους περιορισμούς των στοιχείων που έχουμε και την συνοδό τεράστια αβεβαιότητα.

B. Επιπτώσεις πανδημίας σε άλλους τομείς που δεν φαίνονται από τα στατιστικά θνησιμότητας

Και όλα αυτά δείχνουν την πολυπλοκότητα της κατάστασης, ακόμη κι αν δεχόμασταν ότι οι θάνατοι είναι αυτοί που μας πληροφορούν πλήρως για την πανδημία. Κάτι που προφανώς δεν ισχύει καθώς δεν μπορούμε να αγνοήσουμε τις επιπτώσεις της πανδημίας στην οικονομία, στον περιορισμό των δικαιωμάτων, και στην κοινωνία συνολικά, και στο πώς όλα αυτά συνδέονται μεταξύ τους αλλά και με την ίδια την υγεία του πληθυσμού σε βάθος χρόνου. Χωρίς να μπορώ να είμαι διεξοδικός, είναι νομίζω χρήσιμο να αναφέρω απλά κάποιες από τις επιπτώσεις τόσο της πανδημίας όσο και της αντίδρασής μας σε αυτήν που επιδεικτικά αγνοούν όσοι μιλάνε για την πανδημία με όρους ποδοσφαιρικούς. Τέτοιες επιπτώσεις είναι και οι εξής:

  1. Επιπτώσεις (πέραν των θανάτων που αναφέρθηκαν παραπάνω, π.χ. στην ποιότητα ζωής) από την μειωμένη παροχή υγείας (π.χ. ακύρωση χειρουργείων, μείωση screening tests π.χ. Pap test, μείωση προγραμματισμένου εμβολιασμού, μείωση προγραμμάτων αποκατάστασης).
  2. Αύξηση ενδοοικογενειακής βίας (ίσως και χρήσης εθιστικών ουσιών).
  3. Stress και ψυχικά/συναισθηματικά προβλήματα υγείας (π.χ. σε άτομα που ήδη είχαν τέτοια προβλήματα αλλά και σε ευάλωτες και εύπλαστες ομάδες όπως στα παιδιά και τους νέους).
  4. Επιπτώσεις από την διακοπή της εκπαιδευτικής διαδικασίας (τόσο σε σχέση με τους μαθησιακούς όσο και τους συναισθηματικούς στόχους) λόγω του κλειστού σχολείου και πανεπιστημίου.
  5. Ανεργία, μειωμένο εισόδημα, και αύξηση φτώχειας.
  6. Επισιτιστική επισφάλεια (food insecurity).
  7. Μειωμένη ενασχόληση με την άσκηση, την έκθεση στον εξωτερικό χώρο και τον ήλιο.

Όλα τα παραπάνω μάλιστα επηρεάζουν τους πιο αδύναμους (κοινωνικοοικονομικά) δυσανάλογα περισσότερο, κάτι που οδηγεί σε περαιτέρω αύξηση των ανισοτήτων. Και τα παραπάνω είναι μόνο κάποια από όσα έχω δει να αναφέρονται, και σίγουρα μπορεί κανείς να σκεφτεί και περισσότερους τομείς που επηρεάζονται. Και όλα τα παραπάνω, στον βαθμό που επηρεάζονται περισσότερο από την αντίδρασή μας παρά από την ίδια την νόσο, είναι προφανές ότι επηρεάζονται περισσότερο από το lockdown και από την διάρκεια αυτού παρά από πιο ήπιες μορφές social distancing. Άρα στην προσπάθεια κάποιου να μιλήσει για τις επιπτώσεις της πανδημίας, η έμφαση μόνο στους θανάτους (κι αυτό με απλοϊκό και αποπροσανατολιστικό τρόπο) είναι καταδικασμένη να αποτύχει να οδηγήσει σε κατανόηση της μεγάλης εικόνας. Κι αυτό δεν είναι ασήμαντο καθώς μας αποτρέπει από το να κατανοήσουμε τι έγινε, τι δούλεψε καλά, τι όχι, από το να μάθουμε με λίγα λόγια πώς να γίνουμε καλύτεροι στην αντιμετώπισή μας τόσο στην τρέχουσα όσο και σε επόμενες παρόμοιες καταστάσεις που ίσως κληθούμε να αντιμετωπίσουμε. Και βέβαια, τελειώνοντας να αναφέρω ότι ακόμη κι αν είχαμε όλα τα παραπάνω δεδομένα (και όποια άλλα έχω ξεχάσει) στην διάθεσή μας, και πάλι θα ήταν δύσκολο να καταλήξουμε στο ποιες επιλογές είναι ξεκάθαρα σωστές ή λάθος, καθώς ακόμη κι αυτό μπορεί να αξιολογείται διαφορετικά ανάλογα με τις αξίες και την ιεράρχηση αυτών κάθε κοινωνίας. Όπως έχω γράψει σε προηγούμενό μου κείμενο, εν τέλει το πώς όλα τα παραπάνω θα αξιολογηθούν ιστορικά από κάθε κοινωνία είναι μία επιλογή του συγκεκριμένου πληθυσμού και μόνο, και στους «απ’ έξω», λίγος λόγος πέφτει.

Την επόμενη φορά λοιπόν που θα διαβάσετε ένα κείμενο όπου κάποιος (συχνά «ειδικός») «αναλύει» (συνήθως επικρίνει μέσα σε 4-5 γραμμές) με απόλυτο τρόπο την απάντηση μίας χώρας/περιοχής στην πανδημία, καλό είναι να σκεφτείτε με βάση ποια στοιχεία επιχειρηματολογεί. Κι αν δεν βρείτε κάποια από τα παραπάνω (έστω και ως απλή αναφορά) αλλά βρείτε μόνο υπεραπλουστεύσεις, απολυτότητες, και «βεβαιότητες», τότε θα μπορείτε πλέον να αναγνωρίσετε ότι στόχος δεν είναι η κατανόηση του φαινομένου αλλά η διάδοση προϋπαρχουσών μεροληπτικών απόψεων. Και αυτό ανήκει σε αυτό που ονομάζουμε confirmation bias, δηλ. στην επιλεκτική έμφαση μόνο στα στοιχεία που επιβεβαιώνουν τις προϋπάρχουσες απόψεις μας. Ή αλλιώς, ανήκει σε αυτό που εδώ ονομάζω ως “lies, damn lies, and COVID deaths”.

© Kostis Tsarpalis, May 2020

Αφήστε μια απάντηση

Call Now Button
Send this to a friend