Algoritmo que prevê infecção pela covid-19 pode orientar retorno seguro às aulas
Pesquisa coordenada pela Faculdade de Saúde Pública (FSP) criou um algoritmo para classificar alunos e funcionários de escolas em grupos de probabilidade de infecção pelo vírus sars-cov-2, causador da covid-19. A fórmula, que combina indicadores epidemiológicos dos municípios, como números de casos e mortes, com variáveis individuais de fácil medição, como perda de olfato e viagens recentes, é descrita em preprint (versão prévia de artigo científico) publicada no site medRxiv em junho.
De acordo com o estudo, a classificação poderia ajudar a orientar o retorno às aulas em situações onde o controle da doença é evidente, mantendo as medidas básicas de proteção e aumentando a cobertura vacinal.
“A pesquisa estimou a prevalência da infecção pelo sars-cov-2 em alunos e funcionários de escolas e identificou fatores que podem prever a infecção e, dessa forma, orientar o retorno às aulas de forma mais segura”, relata o professor Fredi Alexander Diaz-Quijano, da FSP, primeiro autor do artigo. “O estudo corresponde a um inquérito virológico, realizado em escolas do Estado de São Paulo. Foram incluídos 3.436 participantes, 1.689 alunos e 1.747 funcionários, vinculados a 84 escolas de 16 municípios. No entanto, os participantes incluíram residentes de 72 municípios.”
A avaliação foi realizada no segundo semestre de 2020, quando foi considerada a volta às aulas por controle relativo da epidemia. “Aos participantes foi aplicado um questionário com informações sociodemográficas e clínicas. Além disso, foi realizado swab de nasofaringe para teste virológico do tipo RT-PCR. Também avaliamos a relação dos indicadores epidemiológicos de covid-19 do município de residência com a probabilidade de infecção pelo vírus”, descreve Diaz-Quijano.
“Para isso, foi proposto um índice relacionando mortalidade recente e incidência anterior, chamado de índice RM/PI. Este índice é baseado na quantidade de mortes por covid-19 registradas na segunda e terceira semanas contadas para trás e a soma dos casos durante as sete semanas anteriores. Posteriormente, obtivemos um modelo múltiplo integrando indicadores epidemiológicos e variáveis individuais.”
De acordo com o professor, a prevalência geral de infecção foi de 1,7%. “A infecção por sars-cov-2 foi independentemente associada à perda do olfato, história de doença pulmonar e uma viagem recente para fora do município. Além disso, o índice RM/PI previu consistentemente a infecção pelo coronavírus”, destaca. “Com base nessas associações, o estudo permitiu classificar os participantes em grupos com diferentes prevalências de infecção, segundo manifestações e caraterísticas do município.”
Probabilidade de infecção
“Por exemplo, pessoas vivendo em município com valores baixos do índice proposto, e sem perda de olfato, doença pulmonar ou antecedente de viagem recente, teriam a menor probabilidade de infecção, ou seja, de 0,54%”, afirma Diaz-Quijano.
“Combinando as variáveis mencionadas, o índice e a presença dos preditores clínicos, também foi possível reconhecer mais três categorias de risco, podendo dessa forma estabelecer um ranking segundo a probabilidade de infecção.”
O professor esclarece que os valores exatos da prevalência podem mudar ao longo do tempo e conforme a população. “No entanto, espera-se que a estratégia apresentada no algoritmo permita identificar grupos com tendências similares”, salienta. “Dessa forma, ele poderia orientar a ordem para reiniciar as aulas, começando pelo grupo sem nenhum preditor individual de infecção e que morem em cidades com baixo índice RM/PI.”
Diaz-Quijano adverte que o estudo foi realizado num momento de aparente controle da doença, no segundo semestre de 2020. “Por essa razão, recomendamos que o algoritmo seja aplicado apenas em contextos nos quais exista consenso de que está havendo controle da epidemia e seguindo as medidas de segurança, idealmente com coberturas elevadas de vacinação”, conclui.
A pesquisa foi coordenada por Fredi Alexander Diaz-Quijano, professor do Departamento de Epidemiologia da FSP, com a participação de José Mário Nunes da Silva, do Laboratório de Inferência Causal em Epidemiologia (Lince-USP) e do programa de pós-graduação em Epidemiologia da FSP, Tatiana Lang D’Agostini, Jéssica Pires de Camargo, Nathalia Cristina Soares Franceschi Landi de Moraes e Regiane A. Cardoso de Paula, da Coordenadoria de Controle de Doenças da Secretaria de Saúde do Estado de São Paulo, Ricardo Haddad e Dimas Tadeu Covas, do Instituto Butantan, e Maria Cecília Gomes Pereira, da Secretaria de Educação do Estado de São Paulo. O estudo teve financiamento da Fundação Butantan.