Por el Dr. Ronald B. Brown
El siguiente es un artículo importante del Dr. Ronald B Brown que se centra en la sobreestimación de la mortalidad por coronavirus.
Esta contribución científica proporciona una comprensión de la crisis de Covid y las estimaciones, a menudo engañosas, proporcionadas por nuestras autoridades sanitarias.
Nuestro agradecimiento al Dr. Brown, Guelph U y Cambridge University Press (énfasis agregado)
Cotizaciones seleccionadas
Con base en los datos disponibles en ese momento, se informó al Congreso que la tasa de mortalidad estimada para el coronavirus era 10 veces mayor que la de la influenza estacional, lo que ayudó a lanzar una campaña de distanciamiento social, bloqueos organizacionales y comerciales, y refugio en el lugar. pedidos.
El sesgo de muestreo en los cálculos de mortalidad por coronavirus llevó a una sobreestimación de la mortalidad 10 veces mayor el 11 de marzo de 2020, testimonio del Congreso de EE. UU. Este sesgo probablemente se debió al sesgo de información debido a la clasificación errónea de un IFR de influenza estacional como un CFR, evidente en un editorial de NEJM.org.
La evidencia de la OMS confirmó que el CFR aproximado del coronavirus generalmente no es más alto que el de la influenza estacional. A principios de mayo de 2020, los niveles de mortalidad por COVID-19 estaban considerablemente por debajo de las sobreestimaciones previstas, un resultado que el público atribuyó a las medidas de mitigación exitosas para contener la propagación del nuevo coronavirus.
Este artículo presentó importantes lecciones de salud pública aprendidas de la pandemia COVID-19. Se necesitan salvaguardias confiables en la investigación epidemiológica para evitar que errores de cálculo aparentemente menores se conviertan en desastres.
Publicado en línea en el New England Journal of Medicine (NEJM.org), el editorial declaró:
" ... las consecuencias clínicas generales de Covid-19 pueden, en última instancia, ser más similares a las de una influenza estacional grave (que tiene una tasa de letalidad de aproximadamente el 0,1%)". 4
****
Resumen
En un testimonio ante el Congreso de los Estados Unidos el 11 de marzo de 2020, se informó a los miembros del Comité de Reforma y Supervisión de la Cámara de Representantes que la mortalidad estimada por el nuevo coronavirus era 10 veces mayor que la de la influenza estacional. Sin embargo, evidencia adicional sugiere que la validez de esta estimación podría beneficiarse de la investigación de sesgos y errores de cálculo. El principal objetivo de este artículo es evaluar críticamente la estimación de mortalidad por coronavirus presentada al Congreso. Los textos informativos de la Organización Mundial de la Salud y los Centros para el Control y la Prevención de Enfermedades se comparan con los cálculos de mortalidad por coronavirus en el testimonio del Congreso.
Los resultados de esta evaluación crítica revelan un sesgo de información y un sesgo de selección en la sobreestimación de la mortalidad por coronavirus, muy probablemente causado por clasificar erróneamente una tasa de letalidad por infección de influenza como una tasa de letalidad. Las lecciones de salud pública aprendidas para futuras pandemias de enfermedades infecciosas incluyen: protección contra sesgos de investigación que pueden subestimar o sobrestimar un riesgo asociado de enfermedad y mortalidad; reevaluar la ética de las campañas de salud pública basadas en el miedo; y proporcionar una divulgación pública completa de los efectos adversos de las medidas de mitigación severas para contener la transmisión viral.
***
El 23 de septiembre de 1998, la Administración Nacional de Aeronáutica y del Espacio (NASA) perdió permanentemente el contacto con el Mars Climate Orbiter de 125 millones de dólares. 1 Un simple error de cálculo, la imposibilidad de convertir las medidas inglesas en medidas métricas, condenó la misión espacial a Marte. 2 Una investigación posterior encontró que los procedimientos de garantía de calidad de respaldo no estaban implementados en la NASA para detectar y corregir este simple error de cálculo. Avance rápido 22 años hasta otra crisis que involucró a una agencia del gobierno de EE. UU.: El 11 de marzo de 2020, el Comité de Reforma y Supervisión de la Cámara del Congreso de EE. UU. Recibió información del Instituto Nacional de Alergias y Enfermedades Infecciosas (NIAID) sobre el nuevo coronavirus, síndrome respiratorio agudo severo. coronavirus 2 (SARS-CoV-2) y coronavirus-enfermedad 2019 (COVID-19).3 Con base en los datos disponibles en ese momento, se informó al Congreso que la tasa de mortalidad estimada para el coronavirus era 10 veces mayor que la de la influenza estacional, lo que ayudó a lanzar una campaña de distanciamiento social, bloqueos organizacionales y comerciales, y refugios en hacer pedidos.
Antes de la audiencia del Congreso, apareció una estimación menos severa de la mortalidad por coronavirus en un editorial del 28 de febrero de 2020 publicado por el NIAID y los Centros para el Control y la Prevención de Enfermedades (CDC). Publicado en línea en el New England Journal of Medicine (NEJM.org), el editorial declaró:
" ... las consecuencias clínicas generales de Covid-19 pueden, en última instancia, ser más similares a las de una influenza estacional grave (que tiene una tasa de letalidad de aproximadamente el 0,1%)". 4
Casi como una ocurrencia tardía entre paréntesis, el editorial de NEJM declaró incorrectamente que 0.1% es la tasa aproximada de letalidad de la influenza estacional. Por el contrario, la Organización Mundial de la Salud (OMS) informó que 0,1% o menos es la tasa aproximada de letalidad por infección de influenza, 5 no la tasa de letalidad. Para apreciar completamente la importancia de las discrepancias en el uso de la tasa de letalidad por parte del NIAID, los CDC y la OMS, a continuación se presentan breves definiciones de términos epidemiológicos relevantes.
Los epidemiólogos utilizan las tasas de letalidad (CFR), las tasas de letalidad por infección (IFR) y las tasas de mortalidad para describir las muertes durante y después de un brote de enfermedad infecciosa. El CDC definió una tasa de mortalidad como la frecuencia de muertes dentro de un período de tiempo en relación con el tamaño de una población bien definida. 6 Los pacientes pueden clasificarse con una enfermedad similar a la influenza (ETI) como COVID-19 de acuerdo con los criterios estándar en una definición de caso. 7
Un CFR se define como la proporción de muertes entre los casos confirmados de la enfermedad.
Los CFR indican la gravedad de la enfermedad, mientras que un IFR se define como la proporción de muertes en relación con la prevalencia de infecciones dentro de una población. 8Los IFR se estiman después de un brote, a menudo con base en muestras representativas de análisis de sangre del sistema inmunológico en personas expuestas a un virus. Se necesita con urgencia la estimación del IFR en COVID-19 para evaluar la escala de la pandemia de coronavirus. 9
Debido a que los diferentes tipos de tasas de mortalidad pueden variar ampliamente, es imperativo no confundir las tasas de mortalidad entre sí; de lo contrario, podrían producirse cálculos engañosos con consecuencias importantes. A fines de la primavera de 2020, una búsqueda del término de palabra clave "tasa de mortalidad por infección" en el sitio web de los CDC no arrojó resultados coincidentes o términos similares, ni el término epidemiológico se encontraba en la publicación de 511 páginas de los CDC, Principios de epidemiología en la práctica de salud pública. . (Los CDC finalmente introdujeron el índice de mortalidad por infección (IFR) el 10 de julio de 2020 "como un nuevo valor de parámetro para la gravedad de la enfermedad". 10) Esta omisión de terminología, junto con el uso cuestionable de la terminología de la tasa de letalidad en el editorial de NEJM, genera señales de alerta, advirtiendo sobre posibles inexactitudes en la estimación de mortalidad por coronavirus presentada al Congreso.
De manera similar a la necesidad de investigar los errores de cálculo que podrían haber rescatado la misión de la NASA a Marte en 1998, examinar la estimación de la mortalidad por coronavirus en busca de errores de cálculo y sesgos puede beneficiar la validez de las conclusiones de mortalidad.
Por lo tanto, el propósito de este artículo es presentar una evaluación crítica ad hoc de la estimación de mortalidad por coronavirus presentada al Congreso de los Estados Unidos el 11 de marzo de 2020.
Los resultados de un análisis comparativo de videos y textos seleccionados se utilizan en este artículo para evaluar críticamente la validez de los cálculos de mortalidad por coronavirus presentados en el testimonio del Congreso de los EE. UU. La valoración crítica es un proceso que juzga la validez de la evidencia de la investigación científica. 11 El análisis comparativo es una herramienta utilizada en una metodología de teoría fundamentada para investigar un área inexplorada mediante la inducción lógica de temas y explicaciones coherentes que se basan en evidencia empírica. 12 El texto del editorial de febrero de 2020 NEJM.org y el video del testimonio del Congreso se comparan con textos informativos confiables de la OMS y los CDC. Se discuten las inconsistencias, inexactitudes, sesgos, utilización y consecuencias de la estimación de la mortalidad por coronavirus.
En el testimonio del NIAID ante la Audiencia del Comité de Reforma y Supervisión de la Cámara sobre la respuesta al coronavirus, Día 1, 3 , el Comité se enteró de que la mortalidad por influenza estacional es del 0,1%. Además, se informó al Congreso que la mortalidad general por coronavirus de aproximadamente 2-3% se había reducido al 1% para tener en cuenta a las personas infectadas que son asintomáticas o tienen síntomas leves. Luego se comparó la tasa de mortalidad ajustada por coronavirus del 1% con la tasa de mortalidad de 0.1% por influenza estacional, y se informó al Comité de la Cámara de Representantes que el coronavirus era 10 veces más letal que la influenza estacional.
En un análisis comparativo con documentos de la OMS y los CDC, la tasa de mortalidad por coronavirus de 2-3% que se ajustó al 1% en el testimonio del Congreso es consistente con el CFR de coronavirus de 1.8-3.4% (mediana, 2.6%) informado por los CDC. 13 Además, la OMS informó que la CFR del virus de la influenza H1N1 (1918) también es de 2-3%, 14 similar a la CFR no ajustada del 2-3% del coronavirus reportada en el testimonio del Congreso, sin diferencias significativas en la mortalidad. Como se mencionó anteriormente, la OMS también informó que 0.1% es el IFR de la influenza estacional, 5 no el CFR de la influenza estacional como se informó en el editorial de NEJM.
Discusión
La confusión entre los CFR y los IFR puede parecer trivial, y es fácil pasarla por alto al principio, pero esta confusión puede haber llevado finalmente a un error de cálculo involuntario en la estimación de la mortalidad por coronavirus. Los IFR de muestras de toda la población incluyen infecciones no diagnosticadas, asintomáticas y leves, y a menudo son más bajos en comparación con los CFR, que se basan exclusivamente en grupos relativamente más pequeños de casos diagnosticados de moderada a grave al comienzo de un brote.
Debido a los mecanismos de defensa del hospedador y la autoinmunidad proporcionada por las respuestas inmunitarias innatas y adaptativas, 15 las infecciones asintomáticas suelen prevalecer en la influenza. 16 Con muchas infecciones asintomáticas ya identificadas en COVID-19, 17Parece poco probable que el IFR en una ILI como COVID-19 se aproxime al CFR de la enfermedad. Las infecciones presintomáticas también pueden reducir la proporción de infecciones asintomáticas. Por ejemplo, un informe de los CDC encontró que los individuos asintomáticos identificados mediante la prueba de reacción en cadena de la polimerasa con transcriptasa inversa (RT-PCR) desarrollaron síntomas una semana después, y esos individuos fueron reclasificados como presintomáticos en el momento de la prueba. 18
En la Figura 1 , 4 casos agrupados en el recuadro de línea punteada también se incluyen entre 7 infecciones, lo que ilustra que todos los casos son infecciones pero no todas las infecciones son casos, un punto potencial de confusión en los informes de los medios de comunicación de COVID-19. Por ejemplo, se descubrió una gran cantidad de infecciones por coronavirus en plantas empacadoras de carne de EE. UU. En Iowa, 19 pero estas infecciones se informaron como casos en los medios de comunicación, 20 causando potencialmente un tipo de sesgo de información conocido como clasificación errónea. 21 La clasificación errónea se refiere a "la clasificación errónea de un individuo, un valor o un atributo en una categoría diferente a la que debería asignarse". 22Este tipo de sesgo de información en la investigación epidemiológica puede llevar a subestimar o sobrestimar los riesgos asociados de enfermedad y mortalidad. 21
FIGURA 1 CFR e IFR. 1 fatalidad / 4 casos = 25% CFR. 1 muerte / 7 infecciones = 14,28% IFR.
Los CFR y los IFR representan diferentes segmentos de una población objetivo y contienen proporciones muy diferentes de infecciones no mortales; por lo tanto, la aplicación incorrecta de los hallazgos o la generalización de inferencias entre estos 2 grupos puede causar un tipo de sesgo de selección conocido como sesgo de muestreo 23 o sesgo de verificación. 24 En este tipo de sesgo, las personas no representan segmentos de la población a los que se aplican los hallazgos. Además, "... las comparaciones del CFR de una enfermedad con el IFR de otra son en su mayoría inútiles", 25 y el sesgo de muestreo puede conducir a graves inexactitudes, como cuando se informó al Congreso que el coronavirus es 10 veces más letal que la influenza estacional.
Es posible que se haya realizado una comparación de los CFR de coronavirus y la influenza estacional durante el testimonio ante el Congreso, pero debido a la clasificación errónea de un IFR como CFR, la comparación resultó ser entre un CFR de coronavirus ajustado del 1% y un IFR de influenza del 0,1%. Si la tasa de mortalidad por coronavirus ajustada no se hubiera reducido del 3% al 1%, las comparaciones de mortalidad del coronavirus con el IFR de la influenza estacional habrían aumentado de 10 veces más a 20 a 30 veces más. Para entonces, los epidemiólogos podrían haber sido alertados de la posibilidad de un error de cálculo en una estimación tan alarmante.
Seguro de calidad
La mayoría de las personas confían en expertos en salud pública de confianza de organizaciones como los CDC para difundir información vital sobre enfermedades infecciosas. 26 Desafortunadamente, incluso los expertos pueden cometer simples errores de cálculo que pueden conducir a resultados catastróficos. En el ejemplo del Mars Climate Orbiter perdido de la NASA, la junta de la NASA que investigaba la misión fallida reconoció que los errores ocurren en los proyectos, "Sin embargo, generalmente se implementan suficientes procesos en los proyectos para detectar estos errores antes de que se vuelvan críticos para el éxito de la misión". 2La junta de la NASA también reconoció la importancia de los procedimientos de aseguramiento de la calidad para prevenir fallas futuras. De relevancia, en 2018, el Instituto Nacional de Trastornos Neurológicos y Accidentes Cerebrovasculares (NINDS) proporcionó una definición ejemplar de garantía de calidad (QA) en las ciencias clínicas y de la salud:
"Los objetivos de los procedimientos de garantía de calidad son asegurar la precisión y coherencia de los datos del estudio, desde las observaciones originales hasta el informe de los resultados, y garantizar que los resultados del estudio se consideren válidos y creíbles dentro de las comunidades científicas y clínicas". 27
De manera similar a los problemas de garantía de calidad de la NASA en 1998, los procedimientos de garantía de calidad en las organizaciones nacionales de salud pública de EE. UU. En 2020 pueden beneficiarse de la revisión y revisión para evitar errores de cálculo cruciales de mortalidad por enfermedades infecciosas en el futuro. Como salvaguardia contra el uso indebido de las tasas de mortalidad y protección en caso de discrepancias terminológicas no estandarizadas o entre organizaciones, cada tasa de mortalidad debe definir claramente el denominador de la tasa como el grupo específico al que se aplican las muertes, ya sea para la población total en tasas de mortalidad, casos confirmados de una enfermedad en CFR o individuos expuestos a una infección viral en IFR.
Medidas de atenuación
A medida que la campaña para mitigar la transmisión del coronavirus se implementó de marzo a mayo de 2020, los totales esperados de mortalidad por coronavirus en los Estados Unidos parecían mucho más bajos que la sobreestimación informada en el testimonio del Congreso el 11 de marzo. En comparación con la temporada más reciente de influenza A grave (H3N2 ) en 2017-2018, 28 con 80.000 muertes en EE. UU. informadas por funcionarios de los CDC, 29 los totales de mortalidad por coronavirus en EE. UU. acababan de llegar a 80.000 el 9 de mayo de 2020. 30Para entonces, en relación con la influenza 2017-2018, estaba claro que el total de mortalidad por coronavirus para la temporada no estaría ni cerca de las 800,000 muertes inferidas de la sobreestimación de 10 veces la mortalidad reportada al Congreso. Incluso después de ajustar el efecto de las medidas de mitigación exitosas que pueden haber ralentizado la tasa de transmisión del coronavirus, parece poco probable que tantas muertes fueran eliminadas por completo mediante una intervención no farmacéutica como el distanciamiento social, que solo tenía la intención de contener la transmisión de infecciones, no suprimir infecciones y muertes relacionadas. 31También a principios de mayo de 2020, una encuesta del estado de Nueva York de 1269 pacientes de COVID-19 ingresados recientemente en 113 hospitales encontró que la mayoría de los pacientes habían estado siguiendo las órdenes de refugio en el lugar durante 6 semanas, lo que levantó las sospechas de los funcionarios estatales sobre las redes sociales. Eficacia distanciadora. 32 Aún así, las encuestas mostraron que el público acreditaba el distanciamiento social y otras medidas de mitigación por reducir las muertes previstas por COVID-19 y por mantener a las personas a salvo del coronavirus. 33,34
Sorprendentemente, los aumentos desproporcionados de la mortalidad en las instalaciones sanitarias italianas y estadounidenses durante el apogeo del brote de COVID-19 no fueron únicos; Se produjeron crisis similares en los centros de salud durante la temporada de influenza 2016-2017 en Italia, 35 y durante la temporada de influenza 2017-2018 en los Estados Unidos. 36 Sin embargo, estos brotes anteriores no parecieron recibir la misma cobertura mediática intensiva que COVID-19.
Aunque los informes de los medios de comunicación sobre nuevas infecciones por coronavirus reforzaron la creencia del público de que el virus seguía propagándose, un mayor nivel de pruebas puede haber aumentado la detección de infecciones que ya eran frecuentes en toda la población. Además, se desconocía la precisión de las pruebas de coronavirus que se lanzaron rápidamente durante la pandemia. 37Las pruebas de RT-PCR se han utilizado desde la detección del virus de la influenza A (H5N1) en 2005, 38 pero una limitación importante de las pruebas de RT-PCR es que la detección de ácidos nucleicos no es capaz de determinar la diferencia entre virus infecciosos y no infecciosos. 39 Además, los CDC modificaron los criterios para registrar la mortalidad por coronavirus al incluir muertes "probables" y "probables" en el código de Clasificación Internacional de Enfermedades (ICD) para COVID-19. 40
Para el 21 de junio, las nuevas muertes diarias por coronavirus se redujeron a 267 en los Estados Unidos, una disminución del 90% de las 2693 muertes diarias reportadas el 21 de abril. 30 Sin embargo, los casos confirmados en algunas áreas aumentaron a medida que se levantaron los cierres, 41 y el total de infecciones en EE. UU. llegó a 1.254.055 para el 21 de junio. 30 Varias razones además del aumento de la transmisión viral podrían explicar el aumento de casos. Por ejemplo, es posible que las personas enfermas ya no teman ir a los hospitales a medida que la sociedad se reabre, 42 y las pruebas de coronavirus también pueden resultar en un mayor diagnóstico diferencial de las infecciones por SARS-CoV-2 de otras infecciones virales respiratorias comunes. 43
Con más casos reportados de COVID-19 en personas más jóvenes luego de la reapertura, 44En realidad, los CFR podrían disminuir debido al menor riesgo de mortalidad asociado en este grupo de edad. Además, las comparaciones de países de los CFR de coronavirus a menudo se confunden por numerosos factores, 45incluidas las diferencias de atención médica en las definiciones de casos, el acceso a un tratamiento de calidad y pruebas confiables, el cumplimiento de las medidas de mitigación y las condiciones de salud subyacentes; diferencias demográficas en edad, raza, nivel socioeconómico y densidad de población; y diferencias geopolíticas, incluido el clima, la estacionalidad, la contaminación ambiental, las desigualdades sociales y los disturbios, las libertades personales, las políticas de salud pública, la confiabilidad en la presentación de estadísticas gubernamentales válidas de enfermedades y las costumbres de estilo de vida que afectan la salud física y mental, el saneamiento público y la higiene personal . En última instancia, con una gran cantidad de factores de confusión no controlados, una encuesta serológica de muestras representativas de una población es un método más confiable para determinar la verdadera prevalencia de las infecciones por coronavirus.
Los factores de confusión emergentes en los Estados Unidos también han contribuido a una tendencia en aumento de la mortalidad en las ETI como COVID-19. Por ejemplo, cada año los miembros supervivientes de la cohorte de 76 millones de personas nacidas entre 1946 y 1964 que han envejecido durante la posguerra ingresan en la categoría de alto riesgo de contraer ETI, lo que aumenta la carga que pesa sobre los sistemas de atención médica. 46 Además, la investigación muestra que una tendencia al calentamiento en el Ártico puede conducir a condiciones climáticas invernales más extremas, especialmente en el este de los Estados Unidos, 47 lo que puede influir en el aumento de las tasas de mortalidad por enfermedades similares a las plagas durante la temporada de influenza.
Mientras las autoridades de salud respondieron a la pandemia de COVID-19 implementando cierres y otras medidas de mitigación con evidencia de apoyo mínima , los científicos advirtieron de “un fiasco en ciernes”, 48 También se tomó precaución contra las violaciones de principios fundamentales de la ciencia y la lógica, como la suposición errónea de que la correlación implica causalidad . 45 La hipótesis nula no asume conocimiento a priori. Por lo tanto, antes de implementar medidas de mitigación que incurran en costos severos, los proponentes de la mitigación tienen la responsabilidad de rechazar formalmente la hipótesis nula al justificar las afirmaciones de beneficios que salvan vidas.
Además, la educación en los principios de los métodos de investigación básica es esencial para los consumidores de la investigación en salud pública, y existe la necesidad de aumentar la instrucción en la ciencia y la lógica de los métodos de investigación en los planes de estudio de educación general. 50Por ejemplo, la creencia del público de que las medidas de mitigación fueron responsables de reducir la mortalidad por coronavirus puede ser una falacia post hoc si la menor mortalidad se debiera en realidad a la sobreestimación de las muertes por coronavirus. Además, implementar la hipótesis no confirmada de que las medidas de mitigación salvan vidas en poblaciones vulnerables y rechazar la hipótesis nula que asume que no existe un efecto que salve vidas, es un error de tipo I en la prueba de hipótesis. 49 También se necesita con urgencia más investigación de intervenciones de mitigación no farmacológica para prevenir COVID-19, especialmente en poblaciones vulnerables. 51
Los científicos también advirtieron sobre las decisiones de salud pública que se toman sin datos confiables sobre la prevalencia de la infección en la población. 45,48 A falta de datos de entrada válidos debido a pruebas insuficientes para la prevalencia de la enfermedad, los métodos de modelado estadístico a menudo se basaron en suposiciones especulativas, produciendo predicciones aterradoras de aumento de la mortalidad, que a menudo han demostrado ser poco fiables. 52 Una revisión sistemática encontró que la mayoría de los modelos de diagnóstico y predicción para COVID-19 carecen de rigor, tienen un alto riesgo de sesgo de selección y es probable que tengan un rendimiento predictivo menor en la práctica real en comparación con los informes optimistas publicados en la literatura de investigación. 53
Una versión revisada de un estudio no revisado por pares sobre la seroprevalencia de anticuerpos COVID-19 en el condado de Santa Clara, California, encontró que las infecciones eran muchas veces más prevalentes que los casos confirmados. 54
A medida que se realizan más encuestas serológicas en todo el país, se necesita con urgencia una encuesta serológica COVID-19 coordinada a nivel nacional de una muestra representativa de la población, 55que puede determinar si el IFR nacional es lo suficientemente bajo como para acelerar la aplicación generalizada de medidas de mitigación restrictivas. Los planes para una encuesta serológica nacional de EE. UU. Fueron anunciados en abril de 2020 por los Institutos Nacionales de Salud, que serán realizados por el NIAID y el Instituto Nacional de Bioingeniería e Imágenes Biomédicas (NIBIB), con la asistencia del Centro Nacional para el Avance de las Ciencias Traslacionales (NCATS). y el Instituto Nacional del Cáncer (NCI). 56 De relevancia, las medidas de mitigación a nivel nacional, como los encierros, el distanciamiento social y las órdenes de refugio en el lugar, no se implementaron durante la influenza 2017-2018 con 45 millones de enfermedades en los EE. UU. Informadas por los CDC.57Tampoco se implementaron medidas de mitigación durante la influenza de 2009, con estimaciones reportadas ajustadas por hospitalizaciones no reportadas de aproximadamente 60.8 millones de casos en los Estados Unidos, que oscilan entre 43.3 millones y 89.3 millones de casos. 58
Miedo y daño colateral
Los efectos adversos psicológicos, como la ansiedad, la ira y el estrés postraumático, se han relacionado con medidas restrictivas de mitigación de la salud pública debido al aislamiento, la frustración, la pérdida financiera y el miedo a la infección. 59,60 Una encuesta del 8 de junio de 2020 de la Asociación de Estudios Canadienses encontró que el miedo a contraer el coronavirus afectaba al 51% de la población canadiense, en comparación con el 56% de la población estadounidense.61Aventurarse en público durante la fase de reapertura del cierre fue estresante para el 50% de los canadienses en comparación con el 56% de los estadounidenses. El 76% de los canadienses y el 64% de los estadounidenses también esperaban una segunda ola del virus. Además, existe la posibilidad de que pueda surgir otro virus nuevo, potencialmente reavivando un proceso perpetuo de miedo infundado y bloqueos innecesarios si las estimaciones de mortalidad no se investigan adecuadamente.
El miedo, en contraste con el deber moral cívico y la orientación política, demostró ser un predictor más poderoso del cumplimiento de la conducta mitigadora en respuesta a una pandemia viral, pero con un bienestar decreciente y una toma de decisiones más deficiente. 62 Los estudios han demostrado que el miedo afecta el desempeño de tareas cognitivas a través de la ansiedad y la preocupación debilitantes. 63 Incluso si una amenaza deja de existir, la evitación prolongada y temerosa de las amenazas es desadaptativa y restringe el regreso a la interacción social y la productividad normales. 64 Por ejemplo, después de que terminó el brote de SARS en 2004, el comportamiento de evitación continuó restringiendo las interacciones sociales de las personas e impidió que las personas regresaran al trabajo. sesenta y cinco
Los niveles exagerados de miedo fueron impulsados por la cobertura mediática sensacionalista durante la pandemia de COVID-19. 45,66,67 Y, sin embargo, aunque se ordenó al público el cierre, no se habían evaluado los costos y beneficios generales para la sociedad de las medidas de mitigación severas. 45
El miedo a la infección también impidió que las personas buscaran los servicios de atención médica necesarios en los hospitales durante la pandemia. 68 La ética de implementar campañas de salud pública basadas en el miedo debe ser reevaluada por el daño potencial que estas estrategias pueden causar. 69 La difusión de información vital sobre la salud al público debe utilizar mensajes emocionalmente persuasivos sin explotar y alentar reacciones exageradas basadas en el miedo.
Además, las violaciones legales y éticas asociadas con la mitigación de enfermedades pandémicas fueron investigadas previamente por el Instituto de Medicina en 2007. 70 Las personas deben tener derecho a la divulgación completa de toda la información pertinente a los impactos adversos de las medidas de mitigación durante una pandemia, incluida la información sobre cuestiones legales y constitucionales de derechos humanos, 45 y se debe garantizar al público una voz en un proceso transparente a medida que las autoridades establecen políticas de salud pública.
Por último, las severas medidas de mitigación durante la pandemia de COVID-19 causaron considerables trastornos sociales y económicos a nivel mundial. 71 Los cierres forzosos aumentaron la violencia doméstica, cerraron negocios y escuelas, despidieron trabajadores, restringieron los viajes, afectaron los mercados de capitales, amenazaron la seguridad de las familias de bajos ingresos y cargaron a los gobiernos con una enorme deuda.
Entre febrero y abril de 2020, el desempleo en EE. UU. Aumentó del 3,5%, el más bajo en 50 años, al 14,7%. 72La Oficina Nacional de Investigación Económica también declaró oficialmente una recesión en los Estados Unidos en junio de 2020, poniendo fin a 128 meses de expansión económica histórica. De relevancia, las recesiones económicas están asociadas con tasas de suicidio más altas en comparación con tiempos de prosperidad, y un mayor riesgo de suicidio puede estar asociado con estrés económico como consecuencia de medidas de mitigación severas durante una pandemia. 73 También se predijo que las recaídas y los casos recién diagnosticados de trastorno por consumo de alcohol aumentarían debido al aislamiento social, y el consumo nocivo de alcohol en China se duplicó después del brote de COVID-19. 74 Como experimento natural global, los resultados psicológicos de las intervenciones restrictivas en la pandemia de COVID-19 requieren más investigaciones. 75
Las lecciones de salud pública aprendidas durante la pandemia de COVID-19 aportan conocimientos y conocimientos que pueden aplicarse para prevenir futuras crisis de salud pública. 76 La Figura 2 muestra un diagrama de flujo que resume los sesgos y los efectos potenciales de la sobreestimación de la mortalidad viral observada en una pandemia. No intervenir en la fuente del problema, en los niveles iniciales de sesgo de información y sesgo de muestreo, puede permitir que el miedo se intensifique rápidamente y puede causar una respuesta hiperactiva que produce daños colaterales gravemente dañinos para la sociedad.
FIGURA 2 Sesgos y posibles efectos relacionados de la sobreestimación de la mortalidad por virus.
Conclusiones
El sesgo de muestreo en los cálculos de mortalidad por coronavirus llevó a una sobreestimación de la mortalidad 10 veces mayor el 11 de marzo de 2020, testimonio del Congreso de EE. UU. Este sesgo probablemente se debió al sesgo de información debido a la clasificación errónea de un IFR de influenza estacional como un CFR, evidente en un editorial de NEJM.org. La evidencia de la OMS confirmó que el CFR aproximado del coronavirus generalmente no es más alto que el de la influenza estacional. A principios de mayo de 2020, los niveles de mortalidad por COVID-19 estaban considerablemente por debajo de las sobreestimaciones previstas, un resultado que el público atribuyó a las medidas de mitigación exitosas para contener la propagación del nuevo coronavirus.
Este artículo presentó importantes lecciones de salud pública aprendidas de la pandemia COVID-19. Se necesitan salvaguardias confiables en la investigación epidemiológica para evitar que errores de cálculo aparentemente menores se conviertan en desastres.Se deben implementar suficientes procedimientos de aseguramiento de la calidad organizacional en las instituciones de salud pública para verificar, detectar y corregir sesgos y errores de investigación que subestiman o sobrestiman los riesgos asociados de enfermedad y mortalidad. En particular, el denominador de las tasas de mortalidad debe definir claramente el grupo al que se aplican las muertes.
Las campañas de salud pública basadas en el miedo pueden tener efectos nocivos, y la ética de tales campañas debe reevaluarse. Las personas deben tener una mayor voz en un proceso transparente que influye en la política de salud pública durante un brote, y los planes de estudios educativos deben incluir métodos de investigación básicos para enseñar a las personas cómo ser mejores consumidores de información de salud pública. El público también debe estar plenamente informado de los impactos adversos sobre el bienestar psicológico, los problemas de derechos humanos, la alteración social,
Para terminar, las naciones de todo el mundo pueden anticipar con temor las futuras oleadas de la pandemia de coronavirus y mirar con tristeza los brotes de otras infecciones virales nuevas con un regreso a las medidas de mitigación severas. Sin embargo, conviene tener en cuenta los consabidos consejos de un célebre aforismo del poeta filósofo George Santayana, que es relevante para las lecciones de salud pública aprendidas en este artículo: "Aquellos que no pueden recordar el pasado están condenados a repetirlo". 77
Notas
1. NASA. Mars Climate Orbiter. Sitio web de ciencia de la NASA. https://solarsystem.nasa.gov/missions/mars-climate-orbiter/in-depth/ . Publicado el 25 de julio de 2019 . Consultado el 11 de mayo de 2020. Google Scholar
2. Isbell , D , Savage , D. La junta de fallas del orbitador climático de Marte publica un informe, numerosas acciones de la NASA están en marcha en respuesta. Sitio web de la NASA. https://mars.nasa.gov/msp98/news/mco991110.html . Publicado el 10 de noviembre de 1999. Consultado el 8 de mayo de 2020. Google Scholar
3. Fifer , J. Audiencia del Comité de Reforma y Supervisión de la Cámara sobre la Respuesta al Coronavirus, Día 1. Sitio web de C-SPAN. https://www.c-span.org/video/?c4860450/user-clip-dr-anthony-fauci-addresses-covid-19-mortality-rate%20 . Publicado el 11 de marzo de 2020. Consultado el 30 de abril de 2020. Google Scholar
4. Fauci , AS , Lane , HC , Redfield , RR . Covid-19: navegando por lo desconocido. Sitio web del New England Journal of Medicine. https://www.nejm.org/doi/full/10.1056/nejme2002387 . Publicado el 28 de febrero de 2020. Consultado el 8 de mayo de 2020. Google Scholar
5. WHO.int. Enfermedad por coronavirus 2019 (COVID-19): informe de situación, 46. Organización Mundial de la Salud. https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200306-sitrep-46-covid-19.pdf?sfvrsn=96b04adf_4 . Publicado en 2020. Consultado el 30 de abril de 2020. Google Scholar
6. Dicker , R , Coronado , F , Koo , D , et al. Principios de epidemiología en la práctica de la salud pública . Atlanta GA : Departamento de Salud y Servicios Humanos de EE . UU . 2006 . Google Académico
7. WHO.int. Definiciones de casos de vigilancia de la OMS para ETI y IRAG. Sitio web de la Organización Mundial de la Salud. https://www.who.int/influenza/surveillance_monitoring/ili_sari_surveillance_case_definition/en/ . Publicado en enero de 2014. Consultado el 26 de abril de 2020. Google Scholar
8. Bui , Q , Sanger-Katz , M , Kliff , S. ¿Cuán mortal es el coronavirus? Lo que sabemos y lo que no. El sitio web del New York Times. https://www.nytimes.com/interactive/2020/03/07/upshot/how-deadly-is-coronavirus-what-we-know.html . Publicado en 2020. Actualizado el 7 de marzo. Consultado el 30 de abril de 2020. Google Scholar
9. Mallapaty , S. ¿Qué tan mortal es el coronavirus? Los científicos están cerca de una respuesta. Sitio web de Nature. https://www.nature.com/articles/d41586-020-01738-2 . Publicado el 16 de junio de 2020. Consultado el 18 de junio de 2020. Google Scholar
10. CDC.gov . Escenarios de planificación para una pandemia de COVID-19 . https://www.cdc.gov/coronavirus/2019-ncov/hcp/planning-scenarios.html . Publicado el 10 de julio de 2020 . Consultado el 12 de julio de 2020. Google Scholar
11. Mhaskar , R , Emmanuel , P , Mishra , S , et al. Las habilidades de evaluación crítica son esenciales para la toma de decisiones informada . Indian J Sex Transm Dis AIDS. 2009 ; 30 ( 2 ): 112 - 119 . Académico de Google | PubMed
12. Chun Tie , Y , Birks , M , Francis , K. Investigación de la teoría fundamentada: un marco de diseño para investigadores novatos . SAGE Open Med. 2019 ; 7 : 2050312118822927 . CrossRef | Académico de Google | PubMed
13. CDC.gov. Resultados severos entre pacientes con enfermedad por coronavirus 2019 (COVID-19) —Estados Unidos, del 12 de febrero al 16 de marzo de 2020. Informe semanal de morbilidad y mortalidad: sitio web de los Centros para el Control y la Prevención de Enfermedades. https://www.cdc.gov/mmwr/volumes/69/wr/mm6912e2.htm . Publicado el 27 de marzo de 2020. Consultado el 30 de abril de 2020. Google Scholar
14. apps.WHO.int . Gestión del riesgo de influenza pandémica: una guía de la OMS para informar y armonizar la preparación y respuesta ante una pandemia nacional e internacional. Organización Mundial de la Salud. https://apps.who.int/iris/handle/10665/259893 . Publicado en 2017. Consultado el 30 de abril de 2020. Google Scholar
15. Aoshi , T , Koyama , S , Kobiyama , K , et al. Respuestas inmunitarias innatas y adaptativas a la infección viral y la vacunación . Curr Opin Virol. 2011 ; 1 ( 4 ): 226 - 232 . CrossRef | Académico de Google | PubMed
16. Furuya-Kanamori , L , Cox , M , Milinovich , GJ , et al. Prevalencia heterogénea y dinámica de infecciones asintomáticas por el virus de la influenza . Emerg Infect Dis. 2016 ; 22 ( 6 ): 1052 - 1056 . CrossRef | Académico de Google | PubMed
17. Gao , Z , Xu , Y , Sun , C , et al. Una revisión sistemática de infecciones asintomáticas con COVID-19 . J Microbiol Immunol Infect. 2020 . doi: 10.1016 / j.jmii.2020.05.001 CrossRef | Académico de Google | PubMed
18. Kimball , A , Hatfield , KM , Arons , M , et al. Infecciones asintomáticas y presintomáticas por SARS-CoV-2 en residentes de un centro de enfermería especializada de atención a largo plazo - King County, Washington, marzo de 2020 . Informe Semanal de Morbilidad y Mortalidad del MMWR 2020 ; 69 ( 13 ): 377 - 381 . CrossRef | Google Académico
19. Leys , T. El coronavirus infecta a más de 1,600 trabajadores en cuatro plantas empacadoras de carne de Iowa. Sitio web de Des Moines Register. https://www.desmoinesregister.com/story/news/health/2020/05/05/coronavirus-infects-thousands-iowa-meatpacking-plant-workers-covid-19-waterloo-perry/5170796002/ . Publicado el 5 de mayo de 2020. Consultado el 5 de mayo de 2020. Google Scholar
20. Maddow , R. Declaración del HHS TRANSCRIPCIÓN: 5/5/20. El sitio web Rachel Maddow Show. http://www.msnbc.com/transcripts/rachel-maddow-show/2020-05-05 . Publicado el 5 de mayo de 2020. Consultado el 5 de mayo de 2020. Google Scholar
21. Althubaiti , A. Sesgo de información en la investigación en salud: definición, trampas y métodos de ajuste . J Multidisc Healthc. 2016 ; 9 : 211 - 217 . CrossRef | Académico de Google | PubMed
22. Clasificación errónea . En: Porta , M , ed. Diccionario de epidemiología . 5ª ed . Nueva York, NY : Oxford University Press ; 2008 . Google Académico
23. Johnson , LC , Beaton , R , Murphy , S , et al. Sesgo de muestreo y otras amenazas metodológicas a la validez de la investigación de encuestas de salud . Int J Stress Manag. 2000 ; 7 ( 4 ): 247 - 267 . CrossRef | Google Académico
24. Delgado-Rodríguez , M , Llorca , J. Bias . J Epidemiol Community Health. 2004 ; 58 ( 8 ): 635 - 641 . CrossRef | Académico de Google | PubMed
25. Roth , S , Clausen , L , Mueller , S. COVID-19. Escenarios de crisis superflua. Sitio web SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3564920 . Publicado el 30 de marzo de 2020. Consultado el 30 de abril de 2020. CrossRef | Google Académico
26. Fingerhut , H. Encuesta AP-NORC: Alto uso, poca confianza de los medios de comunicación en COVID-19. Sitio web de AP. https://apnews.com/4e2a20bd01bd2352009c3281b657375d . Publicado el 30 de abril de 2020. Consultado el 9 de junio de 2020. Google Scholar
27. NINDS. Directrices de garantía de calidad. Sitio web del Instituto Nacional de Trastornos Neurológicos y Accidentes Cerebrovasculares. https://www.ninds.nih.gov/Funding/Apply-Funding/Application-Support-Library/Quality-Assurance-Guidelines . Publicado el 13 de agosto de 2018. Consultado el 11 de mayo de 2020. Google Scholar
28. CDC.gov. Resumen de la temporada de influenza 2017-2018. Sitio web de los Centros para el Control y la Prevención de Enfermedades. https://www.cdc.gov/flu/about/season/flu-season-2017-2018.htm . Publicado el 5 de septiembre de 2019. Consultado el 5 de mayo de 2020. Google Scholar
29. AP. CDC: 80.000 personas murieron a causa de la gripe el invierno pasado en EE. UU., La cifra más alta de muertes en 40 años. 2018. Sitio web STAT. https://www.statnews.com/2018/09/26/cdc-us-flu-deaths-winter/ . Publicado el 26 de septiembre de 2018. Consultado el 12 de mayo de 2020. Google Scholar
30. worldometers.info . Estados Unidos. Sitio web de Worldometer. https://www.worldometers.info/coronavirus/country/us/ . Publicado el 21 de junio de 2020. Consultado el 21 de junio de 2020. Google Scholar
31. Ferguson , N , Laydon , D , Nedjati Gilani , G , et al. Informe 9: Impacto de las intervenciones no farmacéuticas (NPI) para reducir la mortalidad y la demanda de atención médica por COVID19 . Londres : Imperial College of London ; 2020 . Google Académico
32. Matthews , K , Villeneuve , M , Hill , M. La mayoría de los pacientes nuevos con COVID-19 en Nueva York no trabajan, mayores: encuesta. Sitio web de Associated Press. https://apnews.com/29033e79ac5a3cf66b0c1fd2422e729d . Publicado el 7 de mayo de 2020. Consultado el 7 de mayo de 2020. Google Scholar
33. Benzie , R. La mayoría de los canadienses apoyan las medidas de COVID-19, pero la pandemia nos está desgastando, según una encuesta. El sitio web de Star. https://www.thestar.com/politics/provincial/2020/05/05/most-canadians-support-covid-19-measures-but-the-pandemic-is-wearing-us-down-poll-finds. html . Publicado en 2020. Consultado el 6 de mayo de 2020. Google Scholar
34. Chappell , B. 8 de cada 10 estadounidenses apoyan el cierre de COVID-19, encuentra Kaiser Health Poll. Sitio web de NPR. https://www.npr.org/sections/coronavirus-live-updates/2020/04/23/843175656/8-in-10-americans-support-covid-19-shutdown-kaiser-health-poll-finds . Publicado en 2020. Consultado el 6 de mayo de 2020. Google Scholar
35. Rosano , A , Bella , A , Gesualdo , F , et al. Investigar el impacto de la influenza en el exceso de mortalidad en todas las edades en Italia durante las últimas temporadas (temporadas 2013 / 14-2016 / 17) . Int J Infect Dis. 2019 ;88 : 127 - 134 . CrossRef | Google Académico
36. Macmillan , A. Los hospitales abrumados por pacientes con gripe los tratan en tiendas de campaña. Sitio web TIME. https://time.com/5107984/hospitals-handling-burden-flu-patients/ . Publicado el 8 de enero de 2018. Consultado el 7 de mayo de 2020. Google Scholar
37. Perrone , M. La precisión aún se desconoce para muchas pruebas de coronavirus que se lanzaron rápidamente. Sitio web de AP. https://apnews.com/38967d1644ef374d1bcbc7806b383b8e . Publicado el 14 de junio de 2020. Consultado el 15 de junio de 2020. Google Scholar
38. OMS. El uso de PCR en la vigilancia y diagnóstico de influenza. Documento presentado en: informe de la 4ª reunión del grupo de trabajo de la OMS sobre protocolos de reacción en cadena de la polimerasa para la detección del subtipo de virus de influenza A. Ginebra: OMS; 2011. Google Scholar
39. Joynt , GM , Wu , WK. Entendiendo COVID-19: ¿que significa realmente la carga de ARN viral? Lancet Infect Dis. 2020 ; 20 ( 6 ): 635 - 636 . CrossRef | Académico de Google | PubMed
40. Schwartz , S. COVID-19 Alert No. 2. Sitio web de los Centros para el Control y la Prevención de Enfermedades. https://www.cdc.gov/nchs/data/nvss/coronavirus/Alert-2-New-ICD-code-introduced-for-COVID-19-deaths.pdf . Publicado el 24 de marzo de 2020. Consultado el 17 de junio de 2020. CrossRef | Google Académico
41. Cohen , H. Con 2.581 nuevos casos de coronavirus, Florida alcanza un récord por tercer día consecutivo. Sitio web del Miami Herald. https://www.miamiherald.com/news/coronavirus/article243513417.html . Publicado el 13 de junio de 2020. Consultado el 15 de junio de 2020. Google Scholar
42. White , E. Pacientes que regresan lentamente a las salas de emergencia de un hospital en el noreste de Ontario. Sitio web de CBC. https://www.cbc.ca/news/canada/sudbury/emergency-room-hospitals-covid-northeastern-ontario-1.5584581 . Publicado el 27 de mayo de 2020. Consultado el 14 de junio de 2020. Google Scholar
43. Singhal , T. Una revisión de la enfermedad por coronavirus-2019 (COVID-19) . Indian J Pediatr. 2020 ; 87 ( 4 ): 281 - 286 . CrossRef | Google Académico
44. Samore , P. hospitales de Arizona se llenan más a medida que los pacientes de COVID-19 se vuelven más jóvenes. Sitio web de KTAR NEWS. https://ktar.com/story/3291284/arizona-hospitals-getting-fuller-as-covid-19-patients-getting-younger/ . Publicado el 17 de junio de 2020. Consultado el 17 de junio de 2020. Google Scholar
45. James , JJ. Bloqueo o encierro . Disaster Med Public Health Prep. 2020 : 1 - 4 . Académico de Google | PubMed
46. Henderson , L , Maniam , B , Leavell , H. El tsunami plateado: evaluación del impacto del envejecimiento de la población en los EE . UU . J Bus Behav Sci. 2017 ; 29 ( 2 ): 153 - 169 . Google Académico
47. Cohen , J , Pfeiffer , K , Francis , JA. Episodios cálidos del Ártico relacionados con una mayor frecuencia de clima invernal extremo en los Estados Unidos . Nat Commun. 2018 ; 9 ( 1 ): 869 . CrossRef | Académico de Google | PubMed
48. Ioannidis , JP. ¿Un fiasco en ciernes? A medida que la pandemia de coronavirus se afianza, tomamos decisiones sin datos fiables. Sitio web Stat. https://www.statnews.com/2020/03/17/a-fiasco-in-the-making-as-the-coronavirus-pandemic-takes-hold-we-are-making-decisions-without-reliable- datos /. Publicado en 2020. Consultado el 17 de marzo de 2020. Google Scholar
49. Randolph , C. ¿ Recuerda la hipótesis nula? Psiquiatría J Neurol Neurosurg. 2020 ; 91 ( 9 ). CrossRef | Académico de Google | PubMed
50. Aguado , NA. Métodos didácticos de investigación: aprender haciendo . J Public Aff Educ. 2009 ; 15 ( 2 ): 251 - 260 .CrossRef | Google Académico
51. Glasziou , PP , Sanders , S , Hoffmann , T. Waste in covid-19 research . BMJ. 2020 ; 369 : m1847 . Académico de Google | PubMed
52. Begley , S. El influyente modelo Covid-19 utiliza métodos defectuosos y no debería guiar las políticas estadounidenses, dicen los críticos. Sitio web Stat.https://www.statnews.com/2020/04/17/influential-covid-19-model-uses-flawed-methods-shouldnt-guide-policies-critics-say /. Publicado en 2020. Consultado el 6 de mayo de 2020. Google Scholar
53. Wynants , L , Van Calster , B , Bonten , MM , et al. Modelos de predicción para el diagnóstico y pronóstico de la infección por covid-19: revisión sistemática y valoración crítica . BMJ. 2020 ; 369 : m1328 . CrossRef | Académico de Google | PubMed
54. Bendavid , E , Mulaney , B , Sood , N , et al. Seroprevalencia de anticuerpos COVID-19 en el condado de Santa Clara, California . medRxiv . 2020 . doi: https://doi.org/10.1101/2020.04.14.20062463 Google Académico
55. McClellan , M , Gottlieb , S , Mostashari , F , et al. Un sistema nacional de vigilancia de COVID-19: lograr la contención. Sitio web del Centro Margolis de Políticas de Salud. https://healthpolicy.duke.edu/sites/default/files/atoms/files/a_national_covid_surveillance_system_withcover.pdf . Publicado el 7 de abril de 2020. Consultado el 8 de mayo de 2020. Google Scholar
56. NIH.gov. Los NIH comienzan un estudio para cuantificar los casos no detectados de infección por coronavirus. Sitio web de los Institutos Nacionales de Salud. https://www.nih.gov/news-events/news-releases/nih-begins-study-quantify-undetected-cases-coronavirus-infection . Publicado el 10 de abril de 2020. Consultado el 10 de junio de 2020. Google Scholar
57. CDC.gov. Enfermedades de influenza, visitas médicas, hospitalizaciones y muertes estimadas en los Estados Unidos: temporada de influenza 2017-2018. Centros para el Control y la Prevención de Enfermedades, Atlanta, GA. Sitio web. https://www.cdc.gov/flu/about/burden/2017-2018.htm . Publicado en 2018. Consultado el 21 de mayo de 2020. Google Scholar
58. Shrestha , SS , Swerdlow , DL , Borse , RH , et al. Estimación de la carga de la influenza pandémica A (H1N1) 2009 en los Estados Unidos (abril de 2009 a abril de 2010) . Clin Infect Dis. 2011 ; 52 ( Supl. 1 ): S75 - S82 . CrossRef | Google Académico
59. Brooks , SK , Webster , RK , Smith , LE , et al. El impacto psicológico de la cuarentena y cómo reducirlo: revisión rápida de la evidencia . Lanceta. 2020 ; 395 ( 10227 ): 912 - 920 . CrossRef | Google Académico
60. Hoof , EV. El bloqueo de COVID-19 es el experimento psicológico más grande del mundo, y pagaremos el precio. Sitio web del Foro Económico Mundial. https://www.weforum.org/agenda/2020/04/this-is-the-psychological-side-of-the-covid-19-pandemic-that-were-ignoring /. Publicado el 9 de abril de 2020. Consultado el 5 de mayo de 2020. Google Scholar
61. ACS-aec.ca . Rastreador semanal nacional de pandemias de Leger. Sitio web de la Asociación de Estudios Canadienses. https://acs-aec.ca/wp-content/uploads/2020/06/Leger-National-weekly-pandemic-tracker-june-8th-2020.pdf . Publicado el 8 de junio de 2020. Consultado el 10 de junio de 2020. Google Scholar
62. Harper , CA , Satchell , LP , Fido , D , et al. El miedo funcional predice el cumplimiento de la salud pública en la pandemia de COVID-19. Sitio web de la Revista Internacional de Salud Mental y Adicciones. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7185265 /. Publicado el 27 de abril de 2020. Consultado el 8 de mayo de 2020. CrossRef | Google Académico
63. Zhuang , Q , Wang , L , Tang , Y , et al. Traducción del reflejo del miedo en función cognitiva deteriorada mediada por la preocupación . Sci Bull. 2016 ; 61 ( 24 ): 1 841 - 1 843 . CrossRef | Google Académico
64. Sangha , S , Diehl , MM , Bergstrom , HC , et al. Conoce la seguridad, sin miedo . Neurosci Biobehav Rev. 2020 ; 108 : 218 - 230 . CrossRef | Google Académico
sesenta y cinco. Usher , K , Bhullar , N , Jackson , D. La vida en la pandemia: aislamiento social y salud mental . J Clin Nurs. 2020 ; 29 ( 15-16 ): 2756 - 2757 . CrossRef | Académico de Google | PubMed
66. Oprysko , C. Fauci:
Los estadounidenses deberían estar preparados para "agacharse" aún más. Sitio web de POLITICO. https://www.politico.com/news/2020/03/15/coronavirus-fauci-americans-hunker-down-130035 . Publicado el 15 de marzo de 2020. Consultado el 11 de mayo de 2020. Google Scholar
67. Budrick , Z. Fauci: "Si parece que estás exagerando, probablemente estás haciendo lo correcto". El sitio web de Hill. https://thehill.com/homenews/sunday-talk-shows/487639-fauci-if-it-looks-like-youre-overreacting-youre-probably-doing-the . Publicado el 15 de marzo de 2020. Consultado el 30 de abril de 2020. Google Scholar
68. McFarling , UL. "¿Dónde están todos nuestros pacientes?": La fobia a la covid mantiene alejadas de las salas de emergencia a las personas con síntomas cardíacos graves. Sitio web STAT. https://www.statnews.com/2020/04/23/coronavirus-phobia-keeping-heart-patients-away-from-er/ . Publicado el 23 de abril de 2020. Consultado el 12 de mayo de 2020. Google Scholar
69. Bayer , R , Fairchild , AL . Medios, fines y ética de las campañas de salud pública basadas en el miedo . J Med Ethics . 2016 ; 42 ( 6 ): 391 - 396 . CrossRef | Académico de Google | PubMed
70. Gostin , L , Berkman , B. Preparación para la pandemia de influenza: desafíos legales y éticos. En: Consideraciones éticas y legales en la mitigación de enfermedades pandémicas: resumen del taller . Vol. 80. Washington, DC: Instituto de Medicina; 2007. Google Scholar
71. Nicola , M , Alsafi , Z , Sohrabi , C , et al. Las implicaciones socioeconómicas del coronavirus y la pandemia de COVID-19: una revisión . Int J Surg. 2020 ; 78 : 185 - 193 . CrossRef | Académico de Google | PubMed
72. Davidson , P. Es oficial: Estados Unidos está en recesión, poniendo fin a la expansión más larga de la historia. Sitio web de USA Today. https://www.usatoday.com/story/money/2020/06/08/recession-begins-us-ending-longest-expansion-history/5320335002/ . Publicado el 8 de junio de 2020. Consultado el 10 de junio de 2020. Google Scholar
73. Reger , MA , Stanley , IH , Joiner , TE. Mortalidad por suicidio y enfermedad por coronavirus 2019: ¿una tormenta perfecta? Psiquiatría JAMA. 2020 . doi: 10.1001 / jamapsychiatry.2020.1060 CrossRef | Académico de Google | PubMed
74. Da , BL , Im , GY , Schiano , TD. Resaca COVID-19: una marea creciente de trastornos por consumo de alcohol y enfermedad hepática asociada al alcohol . Hepatología. 2020 . doi: 10.1002 / hep.31307 CrossRef | Académico de Google | PubMed
75. Patrick , SL , Cormier , HC. ¿Son nuestras vidas el experimento? Lecciones de COVID-19 durante un experimento natural caótico: un comentario . Salud Behav Política Rev. 2020 ; 7 ( 2 ): 165 - 169 .Google Académico
76. Secchi , P , Ciaschi , R , Spence , D. Un concepto para un sistema de lecciones aprendidas de la ESA. Documento presentado en: Actas de alertas y lecciones aprendidas: una forma eficaz de prevenir fallas y problemas 1999. Google Scholar
77. Santayana , G. La vida de la razón: Vol. 1: Razón en sentido común. Mineola NY : Dover Publications Incorporated ; 1905 .Google Académico
La fuente original de este artículo es Cambridge University Press.
