2022年12月27日 星期二

一个生物狗的科普:从99%是轻症无症状到医院重症很多是怎么回事?

 


个人观点,不代表任何组织与单位

1. 90%无症状和99%轻症无症状


国内推出新十条时不少专家表示奥密克戎危险性大幅降低(其中一些几个月甚至几周前仍在强调奥密克戎致死率比流感高好几倍以及有多种后遗症),引用比较多的数据是广州90%乃至95%是无症状。后来又有99%乃至99.5%是无症状或轻症。


如今多个城市处于彻底暴发状态时,我们却发现医院仍面对极多的重症病人。不少人感染后的感觉也与宣传的大量无症状相去甚远。还有人因此开始猜测某些地方感染的是否是德尔塔。


其实,不是某个地方遇到了德尔塔,而是之前90%无症状纯属胡说八道,而99%轻症无症状的说辞也缺乏必要的对应背景介绍。奥密克戎是个相对而言病死率低一些的新冠病毒株,但其极强的传染性、突破性感染之频繁,仍会给医疗系统乃至全社会带来巨大的压力。


搜肠刮肚想把防范奥密克戎说得轻松无比,实际上只会干扰必要的准备与公众心理预期。


2. 从不存在的90%无症状


几周前不少人在强调奥密克戎感染以无症状居多,包括大量引用广州当时的无症状占比高达95%。差不多一个月前,我曾在一篇文章里质疑过这种极高的无症状比例(无症状比例问题)。把当时几个疫情严重的城市(广州、北京、重庆、郑州)每日报告的无症状比例比较一下,就会发现这种比例有值得怀疑的地方:

图片

我们可以看到北京(黄色)无症状比例一直不是那么高,很多时候以有症状为主。而广州是到11月之后突然变得以无症状为主。

如果把这些地方10月16-11月16日一个月间的通报无症状以及后续的无症状转确诊比例汇总,就会发现四个城市的数据毫不相符:

图片

北京无症状不到一半,除去转确诊的连40%都不到。而广州无症状虽高,除去累计转确诊的也会降到80%多,重庆郑州则是极高的无症状,转确诊的也很少。

奥密克戎在全球流行一年多来没有发现不同亚株在致病性上显著区别。不同城市出现了无症状比例巨大的差异,就我个人而言,绝不敢冒然选择其中任何一个数据来宣传。查找一些奥密克戎无症状感染的研究,加州的一个研究发现奥密克戎时期,56%的感染者没有注意到自己感染过,包括10%是有症状。以为是感冒等其它疾病[1]。另外还有国内的研究人员专门分析了2021年11月到2022年4月的文献数据,综合8个研究,近八千名奥密克戎感染者的数据,无症状感染者比例是32.4%[2]。

不同城市的数据有如此大的矛盾,又与多项研究有别,在使用所谓95%无症状这一说法前,严谨的做法应要考虑无症状的判定是否存在一定主观性,以及是否存在大规模核酸筛查,导致部分潜伏期感染者被先判为无症状的偏差。

一些人可能会说90或95%无症状问题不大,后来也改成无症状轻症一起说了。但我并不如此认为,无症状的比例一方面涉及到给民众一个合理的预期,另一方面是对数据真实性、严谨性的要求。


无症状、有症状是民众最容易感知的差别,明知疫情暴发在即,宣扬90,95%无症状,等于是让民众在真切遇到疫情后对一切防疫数据的真实性更为怀疑。而且随意采纳如此漏洞百出的数字也开了非常坏的头,变相允许更多人采用不严谨但好看的数据。


疫情的发展飞快时,是会出现一些比较奇怪的数据点,对这些诡异的数据,如果没时间求证核实,合理的做法是寻找有更多证据的数据,而非冒然将可能有问题的说法通过宣传机器放大。


3. 99%轻症无症状不代表不危险


另一个如今被“网暴”的说法是奥密克戎感染99%或99.5%是轻症无症状,或者不需要住院治疗。在一些人眼里看来,很多地方明明医院爆满,重症病人一点都不少,120都叫不到,这种说法显然是误导。


对重症率的相关说法产生怀疑的不仅是非专业人士,有些医疗工作人员也在犯嘀咕,传言说有些地方感染的可能不是奥密克戎,而是致病性更强的德尔塔。


说99%或99.5%非重症未必有错。比如台湾地区2022年的疫情数据[3]:


图片


轻症无症状比例是高达99.55%。问题出在了我们怎么把极低的重症率放到恰当的背景里去理解。


一个疾病是不是一定要重症率达到较高的比例才能造成严重危害?我们还是看台湾的数据,2022年新冠截至12月25日在当地造成死亡已达14244人,全是奥密克戎感染。对照一下当地2021年的前十大死因[4]:


图片


奥密克戎的这个致死人数仅次于癌症和心脏疾病,会是第三大死因。2021年台湾遇到德尔塔,死亡人数排在哪里呢?第19位。


当一个疾病传播能力非常强,即便病死率、重症率较低,也是有可能在整体上造成较大负担。这也是为什么2022年奥密克戎在美国造成的死亡人数超20万,仅次于癌症与心血管疾病;而香港人口不过740万,2022年新冠死亡11000多人。


因此,抛却奥密克戎传染性的背景不提,单独说新冠重症率低于1%或0.5%,很容易造成一个错误的印象:奥密克戎不危险。


4. 如何评估重症率低于1%的新冠


其实如果我们全面评估奥密克戎的威胁,当下很多地方的困境可以说是在预料之中。


第一,在第一次遇到奥密克戎时,由于人群免疫基础的问题,必然迅速出现大量感染,即便不到1%的人会是重症,最终的重症人数并不少。可以参考美国每十万人新冠住院人数变化[5]:


图片


2022年初奥密克戎第一波造成的高峰远超德尔塔的峰值。其实也是美国三年疫情的最高峰。所以,奥密克戎本身的致病性是足以造成巨大的医疗压力以及社会整体健康负担的。这在讨论奥密克戎重症率高低时不应忽略。


第二,奥密克戎的重症率分布不是平均的。当我们说重症率不到1%,这是特定人口结构与免疫基础之下的整体重症率。在现实中不同的人群,结果会很不一样。


还是拿台湾的数据稍作计算,70-79,80-89,90以上的重症率分别为0.9%,3.1%和7.8%。反过来30多岁的人重症率是0.0095%。可以看到,高龄老人重症率是高于1%的,而且台湾的重症率和病死率非常接近,年轻人中什么0.5%重症,其实连万分之一都不到。


因此,我个人非常不喜欢轻症无症状99%或99.5%的说法。因为这个说法对于高危人群可能带来虚假的安全感,对年轻人又有误导——总会有些比较焦虑的人说1%风险还挺高,可有些人群风险明明比1%还要低很多。这种过度焦虑在儿童新冠感染里最为突出。


第三,奥密克戎对社会包括医疗系统的冲击是超过重症率本身的。由于奥密克戎的传播能太强,第一波短短两三个月之内一个社会感染个20-30%的人非常正常。重症率是可能低于1%甚至0.5%,但问题是剩下99%或99.5%的人都是生龙活虎,毫无影响吗?别说这毕竟不是感冒,就算是感冒,一个感冒的人工作效率等各方面可以和健康人比吗?


面对奥密克戎疫情时,就要考虑到大量人生病带来的额外冲击。这可能是一个医院本来能收治100个重症病人,现在凑不齐人手,只能收治80个或者50个。也可能是一个养老院,本来可以较好照料里面的老人,如今护理人员不足,看护难以周全,影响到老人的健康状态。


如果把上述这些重要的背景情况和奥密克戎的重症率放在一起,就不会片面认为奥密克戎已经是个感冒,或者不危险,或者很容易应对。反而会觉得需要提起十二分的精神,谨慎对待。

5. 全面真实的数据是合理决策的基础


如今不少人对之前说95%无症状,或99%非重症的专家们恨之入骨。其实没必要,无症状的数据收集时就可能存在一定偏差,99%非重症也是境外一些地方的真实数据,国内也完全有可能类似。

关键问题不是有人在说这些数据,而是我们如何做到全面研判数据,用真实的数据做合理的决策。

比如别人报95%无症状,我们要想想几个地方数据对不上,是不是采样上存在偏差,太多是潜伏期,或者询问患者时是否有主观暗示让人觉得有些症状不算新冠症状?

另一方面,也有反向的采样偏差。比如我们说重症率不到1%。可在一个医院里,是不是绝对来100个人只有1一个重症?不是啊,可能就是高危人群才主动来,或者身体状态极差,自己熬不下去的才来。这个医院完全有可能遇上重症率高得多的情况。或者是一个养老院,相当于集中抽样了高危人群,重症率还能是1%吗?

参考任何一个国家遇到奥密克戎时的情况,有哪个能说一帆风顺,毫无波折的?除了朝鲜大概是名义上最顺利的,大多数国家都是经历了不小的的考验。奥密克戎本身就够难对付了,只有对真实的数据做全面分析,以此来获得合理的决策,方能降低些难度。

如今国内提出的各种说法琳琅满目。比如说有的地方遇到德尔塔,最简单的做法,重症患者的样本做些测序,不用全基因组测序,就用老套的桑格测序测一下S蛋白,很快就能知道是不是德尔塔。又比如有个城市说当地流行病毒株BF.7占47%,剩下是BA.5.2,测了几个病毒基因组序列,能那么精确?还有个人口1000万的城市,推算当下每日新增49-53万,以10%比例增速。“推算”的数字未免过于精准,另外增长之快似乎也超过奥密克戎在全球扩散时的表现。

当下,中国是三年疫情以来最需要用准确真实的数据来决策的时候,不应再让这些明显令人存疑的“推断”流行于世。


如果觉得此文还算靠谱,那么订阅一下这个公众号,转发分享图片

微信扫一扫
关注该公众号

也可以在微博(@生物狗Y博)上找到我


参考资料

https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2795246

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9321237/

https://udn.com/news/covid19/COVID19_Taiwan

https://www.mohw.gov.tw/cp-16-70314-1.html

https://covid.cdc.gov/covid-data-tracker/#new-hospital-admissions

沒有留言:

張貼留言