De recente studies rond immuniteit onder de Belgische bevolking laten toe om een aantal risico's te gaan kwantificeren. Dat kan het debat objectiveren over de implementatie van de exit, en of het verantwoord is en eventueel zelfs verplicht kan worden weer te gaan werken (en te gaan lesgeven).
De volgende tabellen zijn berekend op basis van de gemeten immuniteit in de studie van sciensano (bloedstalen van 14 april) en een combinatie van andere databronnen (zie hieronder). Bemerk dat de geschatte risico's gelden in geval iemand besmet is. De kans dat iemand besmet wordt is vanzelfsprekend ook niet 100% en daar is geen rekening mee gehouden. Die kans hangt immers sterk af van de opgelegde lock down maatregelen, en zal dus varieren. Bovendien neem ik aan dat wie besmet is ook meetbare hoeveelheden antistoffen zal ontwikkelen. Mocht dit veelal niet het geval zijn dan zijn de onderstaande risico's overschattingen (want dan moet de noemer van de breuk, het aantal mensen dat COVID-19 heeft doorgemaakt, groter zijn).
De volgende tabellen zijn berekend op basis van de gemeten immuniteit in de studie van sciensano (bloedstalen van 14 april) en een combinatie van andere databronnen (zie hieronder). Bemerk dat de geschatte risico's gelden in geval iemand besmet is. De kans dat iemand besmet wordt is vanzelfsprekend ook niet 100% en daar is geen rekening mee gehouden. Die kans hangt immers sterk af van de opgelegde lock down maatregelen, en zal dus varieren. Bovendien neem ik aan dat wie besmet is ook meetbare hoeveelheden antistoffen zal ontwikkelen. Mocht dit veelal niet het geval zijn dan zijn de onderstaande risico's overschattingen (want dan moet de noemer van de breuk, het aantal mensen dat COVID-19 heeft doorgemaakt, groter zijn).
| Risico schattingen | Vrouwen | |||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Leeftijdsgroepen | 0-24 | 25-44 | 45-64 | 65-74 | 75-84 | 85- | ||||||||||||||
| 0-9 | 10-19 | 20-29 | 30-39 | 40-49 | 50-59 | 60-69 | 70-79 | 80-89 | 90- | |||||||||||
| Kans op test en positief resultaat indien besmet | 0,3% | 0,6% | 7% | 8% | 9% | 9% | 5% | 9% | 28% | 62% | ||||||||||
| Kans op ziekenhuisopname indien besmet | 0,2% | 0,1% | 0,3% | 0,7% | 1,5% | 2,2% | 2,7% | 5% | 10% | 12% | ||||||||||
| Kans op overlijden indien besmet | 0,002% | 0,02% | 0,2% | 1,3% | 6% | 21% | ||||||||||||||
| Achtergrondkans op overlijden in enig jaar | 0,02% | 0,04% | 0,3% | 0,9% | 3,0% | 11,8% | ||||||||||||||
| Aantal keer meer kans op overlijden dit jaar indien besmet | x 1,1 | x 1,4 | x 1,7 | x 2,3 | x 2,9 | x 2,6 | ||||||||||||||
| Risico schattingen | Mannen | |||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Leeftijdsgroepen | 0-24 | 25-44 | 45-64 | 65-74 | 75-84 | 85- | ||||||||||||||
| 0-9 | 10-19 | 20-29 | 30-39 | 40-49 | 50-59 | 60-69 | 70-79 | 80-89 | 90- | |||||||||||
| Kans op test en positief resultaat indien besmet | 0,4% | 0,4% | 2,5% | 3,3% | 5% | 7% | 8% | 13% | 27% | 61% | ||||||||||
| Kans op ziekenhuisopname indien besmet | 0,3% | 0,1% | 0,3% | 0,7% | 1,9% | 3,4% | 5% | 8% | 14% | 23% | ||||||||||
| Kans op overlijden indien besmet | 0,000% | 0,024% | 0,5% | 2,6% | 10% | 31% | ||||||||||||||
| Achtergrondkans op overlijden in enig jaar | 0,03% | 0,09% | 0,4% | 1,6% | 4,6% | 14,1% | ||||||||||||||
| Aantal keer meer kans op overlijden dit jaar indien besmet | x 1 | x 1,3 | x 2 | x 2,5 | x 3 | x 2,9 | ||||||||||||||
De kans op een test (en dus een test en positief resultaat) is vanzelfsprekend in grote mate beinvloed door de test strategie. De andere risico's zijn echter meer fundamenteel, en geven de vatbaarheid van de Belgische populatie en de efficientie van het gezondheidszorgsysteem en COVID-19 strategie weer.
Enkele voorzichtige conclusies
Hier kunnen we een aantal conclusies uit trekken.Vooreerst: is het aannemelijk dat diegenen die overlijden sowieso binnenkort overleden zouden zijn, zoals soms wordt geopperd? Aangezien de overlijdenskans per jaar in geval van besmetting voor de oudsten ongeveer driemaal groter is dan normaal, zullen de overledenen in het beste geval diegenen zijn die dit jaar, het komende jaar, en over 2 jaar sowieso al zouden overlijden. Zelfs in het beste geval zou een derde van de overleden ouderen dus pakweg twee levensjaren verliezen.
Bij wijze van voorbeeld kunnen we nu ook een bovengrens op het werkgerelateerde overlijdensrisico bepalen voor leerkrachten. We moeten dan de meerkans berekenen dat die leerkracht overlijdt aan COVID-19 (ook zonder voor de klas te staan kan het immers gebeuren), met andere woorden de kans dat de leerkracht enkel op school besmet zou worden en ten gevolge daarvan vervolgens overlijdt. Die kans berekenen vereist meer informatie, maar de analyse hierboven geeft in elk geval een (wellicht zeer ruime) bovengrens op die kans.
Het gemiddelde werkgerelateerde COVID-19 overlijdensrisico voor leerkrachten van 25-44 jaar is met andere woorden wellicht veel lager dan 0,026% (1 op 3850), en voor leerkrachten van 45-64 jaar wellicht veel lager dan 0,5% (1 op 200). Hoeveel lager hangt af van de genomen maatregelen om het besmettingsrisico van leerkrachten op school te beperken, en van een eventuele keuze om risicogroepen toch uit de klas te houden.
Volgende stappen?
Op dit moment bekijken we met mijn enkele leden (Maarten Buyl, Dieter De Witte, Bo Kang, Ahmad Mel, en Raphael Romero) van onderzoeksgroep of we dit soort analyse kunnen repliceren voor enkele andere landen. Een vergelijking van die analyses kan misschien inzicht geven in de effecten van de verschillende strategieen en behandelwijzen gebruikt in verschillende landen.
Beperkingen en bedenkingen
Er zijn vanzelfsprekend een heel aantal kanttekeningen te maken:- De immuniteitstudies van sciensano en van Van Damme en Theeten hebben onvermijdelijk een aantal tekortkomingen. Het is bijvoorbeeld niet helemaal duidelijk hoe sensitief en hoe specifiek de gebruikte tests zijn. Bovendien zijn de genomen steekproeven niet helemaal representatief (bij de studie van Van Damme en Theeten zijn het reststalen van mensen die sowieso om medische redenen bloed hadden laten nemen, bij de studie van sciensano zijn het gezonde bloedgevers).
- Ik maak een aantal aannames en benaderingen die noodzakelijk zijn gezien de beperktheden in de data en andere ontbrekende informatie. Meer specifiek neem ik een vast gemiddeld aantal dagen aan voor de tijd tussen besmetting en symptomen, tussen symptomen en ziekenhuisopname, tussen symptomen en overlijden, enz. Deze schattingen kunnen inaccuraat zijn, en bovendien kunnen deze tijdsintervallen verschillen tussen demografische groepen. De gemaakte keuzes zijn wel-overwogen op basis van de literatuur, maar zeker niet perfect.
- Vooral bij de jongste groepen (tot 20 jaar) is er zeer weinig data voorhanden. Dit maakt de schattingen minder betrouwbaar (een enkel overlijden meer of minder maakt een groot relatief verschil).
- Voor sommige data is de spreiding over de leeftijden niet gepubliceerd of niet makkelijk toegankelijk. Dan heb ik die evenredig geschat (voor de immuniteit), of op basis van grafieken gepubliceerd door sciensano (het aantal gehospitaliseerden).
- Voor de bevolkingspiramide gebruik ik die van 1 januari 2019.
- Voor de sterftecijfers ga ik uit van de sterfte die officieel aan COVID-19 is toegeschreven. Voor Belgie lijkt die aanname wel heel verdedigbaar aangezien dat aantal zeer goed overeenkomt met de oversterfte.
- Bij het berekenen van de relatieve bijkomende kans om te overlijden neem ik aan dat overlijden van COVID-19 statistisch onafhankelijk is van overlijden mocht er geen COVID-19 zijn. Het is duidelijk dat dat, vooral voor ouderen en mensen met comorbiditeit, niet het geval is: diegenen die aan COVID-19 overlijden zullen vaak dezelfden zijn als diegenen die anders ook waren overleden. Dit wil zeggen dat deze bijkomende kansen wellicht overschattingen zijn.
- Ik gooi iedereen binnen een bepaalde leeftijdsinterval en geslacht op een hoopje, terwijl bepaalde groepen (met comorbiditeiten) duidelijk meer risico lopen en anderen dus minder. De analyse zou meer inzicht geven mochten die groepen uitgesplitst zijn.
- Missen is menselijk, en mijn analyse is door niemand nagekeken, laat staan door een onafhankelijke collega/expert zoals gebruikelijk is voor wetenschappelijke artikels. Wie deze analyse graag repliceert of controleert mag mij contacteren. Ik geef met plezier toegang tot de gebruikte data (die sowieso publiek is) en gevolgde methoden.
Voornaamste gebruikte databronnen
- COVID-19 gevallen en gerelateerde ziekenhuisopnames en overlijdens: https://epistat.sciensano.be/Data/20200427/COVID19BE_20200427.xlsx
- Demografie van gehospitalizeerden: https://covid-19.sciensano.be/sites/default/files/Covid19/COVID-19_Weekly%20report_20200423%20-%20NL_0.pdf
- Achtergrondkans op overlijden in enig jaar: https://www.zorg-en-gezondheid.be/sterfte-per-leeftijd-2017
- Deze analyse is los geinspireerd door deze blog post (die het lezen meer dan waard is) van Robin Fransman over de situatie in Nederland. De resultaten kunnen wel niet eenvoudig met mekaar vergeleken worden, aangezien Robin Fransman vertrekt van gerapporteerde COVID-19 overlijdens in Nederland (veel lager dan de oversterfte in Nederland, in tegenstelling tot in Belgie), en aangezien hij (voor zover ik begrijp) bij het berekenen van de risico's geen rekening houdt met de tijdsintervallen tussen infectie, symptomen, immuniteit, hospitalisatie, en overlijden.
Geen opmerkingen:
Een reactie posten