di DAVIDE VISIGALLI (RI Genova)<\/p>\n
Il prof. J. Ioannidis di Stanford, uno tra i pi\u00f9 grandi epidemiologi viventi, ha appena pubblicato (26 marzo) uno studio di revisione sulla letteratura riguardante i dati di sieroprevalenza di SARS-COV-2 nel mondo (pi\u00f9 precisamente i dati arrivano in larga parte da Europa ed America). Nello studio si vogliono comparare i diversi risultati dell\u2019Infection Fatality Rate (IFR<\/a><\/strong>), ossia la proporzione tra decessi e contagi in un determinato periodo come misura della gravit\u00e0 di malattia. Dove l\u2019AIDS ha il 99%, il tetano e l\u2019influenza H5N1 60%, la MERS 35% e la SARS 11%.<\/p>\n Lo studio riguarda 6 meta-analisi che utilizzavano i dati di 338 studi provenienti da 50 paesi diversi.<\/p>\n Per chi si volesse addentrare nello studio, qui il link<\/a><\/strong>. Leggendolo si pu\u00f2 notare il rigore dello scienziato nel trattare i dati epidemiologici e la quantit\u00e0 di bias metodologici presenti in molti studi, anche in quelli pi\u00f9 quotati, sintomo della grande incertezza conoscitiva che abbiamo.<\/p>\n Degno di nota, l\u2019autore afferma senza alcun dubbio che lo studio dell\u2019Imperial College ha sovrastimato l\u2019IFR, escludendo studi di sieroprevalenza con meno di 100 decessi durante la finestra sperimentale e determinando l\u2019esclusione di tutti gli studi con l’Infection Fatality Rate (IFR) pi\u00f9 basso. Inoltre ha incluso lo studio di prevalenza italiano, nonostante fosse al di fuori dei loro rigidi criteri di inclusione.<\/p>\n Ma la cosa pi\u00f9 importante che ci interessa da vicino, \u00e8 che l\u2019IFR italiano (2.5%), afferma Ioannidis, \u00e8 semplicemente impossibile, \u00e8 da due a 20 volte pi\u00f9 alto di quello di tutti gli altri Paesi, facendo fortemente pensare un\u2019enorme sottostima delle infezioni in Italia (e non come si potrebbe pensare, ad una sovrastima del numero di morti).<\/p>\n Altro dato su cui riflettere \u00e8 la presenza di un IFR pi\u00f9 alto nei paesi con pi\u00f9 alto reddito, dovuto probabilmente alla differente distribuzione demografica a favore dei soggetti pi\u00f9 anziani, ovvero i pi\u00f9 esposti al rischio COVID-19.<\/p>\n L\u2019autore spiega come mai \u00e8 molto facile sottostimare la sieroprevalenza (e quindi sovrastimare l\u2019IFR), soprattutto per via della sieroconversione (la riduzione degli anticorpi specifici) che dopo soli 2 mesi \u00e8 del 30%, restando comunque su valori bassi, al limite diagnostico.<\/p>\n Anche errori di stima nel conteggio dei morti sono frequenti e ovviamente incidono sull\u2019IFR. E anche la correzione con l\u2019eccesso di mortalit\u00e0 causa non pochi problemi. Infatti l\u2019eccesso di mortalit\u00e0 riflette sia le morti da COVID-19 che quelle per le misure prese per contrastarle. La variabilit\u00e0 annuale \u00e8 sempre molto elevata e dovrebbe essere stratificata per l\u2019et\u00e0 della popolazione. Si fa l\u2019esempio della Germania, dove da un eccesso grezzo di 8000 decessi durante la prima ondata si arriva ad una diminuzione di 5000 decessi aggiustando i dati per i cambiamenti demografici in atto nella popolazione. Mentre in Giappone l\u2019infezione si \u00e8 distribuita molto su tutto il territorio senza causare eccesso di mortalit\u00e0.<\/p>\n Nonostante tutte queste variabili, \u00a0l\u2019autore stima che a settembre 2020 oltre 630 milioni di persone si siano infettate nel mondo, escludendo la Cina.<\/p>\n Tenendo conto che a novembre in India si sia infettata circa il 60% della popolazione delle aree urbane, la stima sale a oltre un miliardo di infettati.<\/p>\n Estrapolando i dati con cautela si pu\u00f2 stimare da 1.5 a 2 miliardi di infetti nel mondo a fine febbraio, all\u2019inizio della terza ondata. L\u2019IFR globale si dovrebbe attestare quindi sullo 0.15%.<\/p>\n Di sicuro l\u2019IFR varia molto tra Paesi diversi. Si pu\u00f2 stimare in 0.3-0.4% in Europa\/America e 0.05% in Africa e Asia. ED \u00e8 stato diverso (pi\u00f9 alto) nella prima ondata rispetto alle altre.<\/p>\n Con l\u2019introduzione dei vaccini, che probabilmente abbasseranno i decessi (ma non i contagi), l\u2019IFR potr\u00e0 scendere sotto 0.1%, valore pressoch\u00e9 identico a quello dell\u2019influenza pandemica (l\u2019influenza stagionale \u00e8 molto pi\u00f9 bassa, 0.002%).<\/p>\n L\u2019autore conclude affermando che, nonostante tutte le difficolt\u00e0 del caso, l\u2019IFR \u00e8 sicuramente molto pi\u00f9 basso dei nostri timori e SARS-COV-2 \u00e8 molto pi\u00f9 diffuso nella popolazione di quanto pensassimo.<\/p>\n E ora cerchiamo di focalizzare questo interessante studio sui numeri del nostro Paese per capirne meglio la portata.<\/p>\n L\u2019IFR per il nostro Paese dovrebbe essere compreso tra lo 0.15 e lo 0.4, dai dati sopra riportati. Certamente molto pi\u00f9 basso del 3.1% basato sui tamponi effettuati e del tutto non credibile.<\/p>\n Giocando un po\u2019 con i numeri, se prendessimo i decessi attuali<\/a>\u00a0(109847) e usassimo lo 0.4% di IFR (l\u2019estremo pi\u00f9 alto), otterremo qualcosa come 27 milioni 461 mila 750 infettati al 1 aprile 2021. Ben il 45% di tutta la popolazione. E siamo stati conservativi.<\/p>\n Altro dato su cui riflettere. Se applichiamo l\u2019IFR di 0.4% a tutta la popolazione nazionale, avremo una stima dei morti totali se il virus avesse infettato idealmente tutta la popolazione, quindi senza lockdown e oltre: un paradosso senza dubbio. Questi decessi saranno stimati in 241 mila\u00a0 e 490. Molti, certo, ma pur sempre molto distante dai milioni prospettati dai modellisti e virologi. \u00a0Ovviamente questo numero non tiene conto delle cure e dell\u2019eventuale carico sanitario (come dei decessi causati dalle misure), ma credo aiuti a centrare l\u2019ordine di grandezza.<\/p>\n Ora passiamo al concetto di herd immunity <\/em><\/strong>[immunit\u00e0 di gregge, ndr]<\/em>.<\/p>\n Seguendo questi dati, ad oggi abbiamo una copertura grazie all\u2019immunit\u00e0 naturale del 45%, molto vicino alla quota di immunit\u00e0 per eradicare il virus<\/a>, calcolata con la formula 1-(1\/R0) e stabilita intorno al 60-70%.<\/p>\n Mancherebbe solo un 15-25%. Circa 15 milioni.\u00a0 Quasi precisamente la popolazione sopra i 60 anni di et\u00e0.<\/p>\n