oleh

Kesalahpahaman Tentang Data COVID-19

Oleh: drh. Pudjiatmoko, Ph.D | Medik Veteriner Ahli Utama | Peneliti Kebijakan Peternakan dan Kesehatan Hewan, Pangan Institute

Pandemi COVID-19 adalah krisis kesehatan publik terbesar dalam lebih dari satu abad dan menyebar ke seluruh dunia dalam hitungan minggu. Demikian pula, jumlah data dan sains di sekitar COVID-19 telah meningkat secara eksponensial, mengarah pada diskusi sehari-hari di antara para ahli dan orang awam tentang kasus, kematian, dan ke mana kita menuju. Terdapat beberapa kesalahpahaman tentang data COVID-19 dan interpretasinya agar lebih dapat  menginformasikan penggunaan data untuk pengambilan keputusan.

Kejadian kasus selalu merupakan indikator risiko masyarakat yang baik

Jumlah kasus baru dalam suatu populasi tidak selalu mencerminkan risiko penularan dalam suatu komunitas. Alasan utama adalah bahwa komposisi atau distribusi kasus-kasus ini mungkin sangat berbeda, walaupun total keseluruhannya sama. Mungkin juga ada pengelompokan yang signifikan dari peristiwa “penyebaran cepat” yang menimbulkan penularan lokal. Sebagai contoh, perhatikan dua komunitas hipotetis berikut, A dan B. Keduanya memiliki empat kasus baru dalam populasi 20 orang, sehingga tingkat kejadian kasus adalah sama yaitu satu dari lima orang. Namun, Komunitas A memiliki distribusi kasus yang lebih beragam secara demografis dan geografis daripada Komunitas B, di mana tiga dari empat kasus berada di fasilitas perawatan jangka panjang yang sama. Risiko kontak dengan orang yang menular di Komunitas B jauh lebih rendah daripada di Komunitas A.

Untuk mengetahui secara akurat risiko masyarakat, kita harus mempertimbangkan informasi tambahan tentang (a) kasus dan pola penularan, (b) di mana mereka berada, dan (c) status tindakan pengendalian saat ini seperti isolasi kasus dan karantina kontak. Informasi ini bervariasi berdasarkan lokasi dan harus digunakan untuk meningkatkan kesehatan masyarakat dan tindakan sosial di tingkat lokal.

 COVID-19 kematian adalah indikator dari situasi saat ini

Jeda waktu dalam melaporkan kematian membuatnya kurang berguna untuk memahami apa yang terjadi hari ini. Dengan tidak adanya informasi yang konsisten tentang kasus, rawat inap atau metrik lainnya, kematian dapat menjadi indikator yang lebih dapat diandalkan dari beban penyakit dalam suatu populasi, terutama ketika risiko kematian tidak diharapkan berubah secara substansial dari waktu ke waktu. Kematian juga dapat digunakan untuk memperoleh perkiraan kasar jumlah kasus dalam suatu populasi. Kalkulator sederhana juga dapat menjelaskan faktor-faktor lain seperti distribusi usia suatu populasi dan interval waktu antara kasus dan kematian. Interval ini, atau kelambatan, membuat kematian merefleksikan situasi beberapa minggu sebelum ketika mereka dilaporkan. Menurut perkiraan terbaik pemodelan dibutuhkan rata-rata sekitar enam hari untuk mengembangkan gejala setelah terpapar, 15 hari dari awal gejala hingga kematian, dan tujuh hari dari kematian hingga pelaporan, dengan total sekitar 28 hari dari awal gejala hingga awal kematian. Penting untuk diingat bahwa ini adalah perkiraan kasar dan dalam praktiknya garis waktu ini dapat sangat bervariasi dari satu individu ke individu berikutnya.

Mengingat kelambatan ini, kematian bukanlah indikator awal yang berguna untuk memantau apakah situasi penyakit memburuk atau membaik. Secara praktis, ini berarti bahwa untuk menilai dampak perubahan (mis. Melonggarkan atau memperketat) kesehatan masyarakat dan tindakan sosial, seseorang harus menunggu beberapa minggu sebelum perubahan terdeteksi.

“R” adalah angka reproduksi penularan penyakit

Angka reproduksi efektif (Rt) mudah dimengerti tetapi sulit untuk diperkirakan dengan akurasi. Angka ini mewakili jumlah yang diharapkan dari infeksi sekunder yang timbul dari satu orang yang terinfeksi. Jika nilai Rt lebih besar dari 1, maka penyebaran penyakit meningkat. Jika Rt kurang dari 1, maka penyebaran penyakit menurun. Gagasan bahwa satu angka dapat diperbarui setiap hari untuk mencerminkan penularan saat ini sangat menarik. Ini telah digunakan oleh para pejabat untuk berkomunikasi dengan publik dan media.  Namun, seperti yang disajikan dalam kajian sains, tidak ada satu cara standar untuk memperkirakan Rt, estimasi biasanya memiliki sejumlah besar ketidakpastian dan interval kepercayaan yang luas, dan, karena pelaporan kasus yang tertunda, estimasi biasanya memiliki keterlambatan satu hingga dua minggu. sebelum mereka stabil. Faktor-faktor ini membuat mereka kurang berguna untuk pengambilan keputusan. Misalnya, pertimbangkan perkiraan Rt untuk satu provinsi tertentu.

Sulit juga apabila tidak ada batas standar kapan harus mengambil keputusan. Sebagai contoh, apakah boleh untuk membuka kembali jika Rt adalah 0,95, 0,9 atau 0,8? Berapa lama harus seperti itu, satu hari atau satu minggu? Jika keputusan untuk memperketat atau melonggarkan langkah-langkah kesehatan dan sosial masyarakat didasarkan pada estimasi titik Rt saja, keputusan yang berbeda mungkin dibuat tergantung pada model yang digunakan dan apakah ketidakpastian dipertimbangkan. Jika Rt digunakan untuk pengambilan keputusan, harus dipertimbangkan bersama dengan data epidemiologi lainnya untuk bisa memahami penyebaran penyakit.

Skrining berbasis gejala cukup untuk melindungi setiap populasi

Skrining berbasis gejala untuk COVID-19 adalah umum, dan digunakan di tempat-tempat seperti bandara, kantor dan rumah sakit. Orang yang memiliki kemungkinan infeksi lebih tinggi dapat diidentifikasi dengan menanyakan tentang demam, batuk dan gejala COVID-19 lainnya. Skrining gejala dapat menginformasikan siapa yang harus diuji dan kapan harus mengisolasi individu. Meskipun mudah dilakukan, metode penyaringan ini tidak cukup untuk melindungi setiap populasi dari COVID-19. Berdasarkan bukti awal, sekitar 20-50% dari mereka yang terinfeksi COVID-19 tidak pernah mengalami gejala. Selain itu, sebagian orang yang terinfeksi tidak akan memperlihatkan gejala saat skrining tetapi terus berkembang kemudian menular satu atau dua hari sebelum timbul gejala, sehingga kurangnya gejala tidak menyiratkan kurangnya penularan. Kasus asimptomatik adalah 50% hingga 100% sama penularannya dengan kasus simtomatik. Jelas, skrining berbasis gejala akan kehilangan proporsi infeksi. Dalam pengaturan dengan populasi yang rentan (seperti panti jompo) di mana banyak orang berisiko lebih tinggi untuk penyakit dan kematian, penting bahwa skrining berbasis gejala dilengkapi dengan pengujian laboratorium untuk mengidentifikasi dengan cepat sebagian besar orang yang terinfeksi untuk memfasilitasi isolasi awal dan menghentikan transmisi berkelanjutan.

 Tes positif PCR COVID semua perlu ketahui

Tes PCR digunakan untuk mendeteksi infeksi aktif; tes positif adalah jumlah tes positif dari total tes yang dilakukan. Pengukuran ini berguna untuk memahami apakah suatu lokasi menguji cukup banyak orang untuk mendeteksi kasus, terlepas dari ukuran wabahnya. Misalnya, tingkat kepositifan tes 5% menunjukkan bahwa ada satu kasus yang dikonfirmasi dari setiap 20 orang yang diuji. Secara umum, semakin rendah tingkat tes positif, semakin kuat program pengujian. Namun, jumlah ini saja tidak cukup untuk memahami pengujian karena tidak menunjukkan apa-apa tentang apakah orang yang berisiko tinggi sedang diuji. Pertimbangkan contoh hipotetis dua komunitas ini: Kedua komunitas memiliki 100 orang dan tiga orang dengan infeksi COVID-19.

Komunitas A membiarkan siapa saja yang membutuhkan tes untuk mendapatkan tes, dan banyak dari tes ini telah dilakukan dalam kelompok risiko rendah (orang-orang yang mungkin memiliki akses yang lebih baik ke pengujian).

Komunitas B memiliki strategi pengujian yang mencakup pengujian yang diprioritaskan untuk kelompok berisiko tinggi (mis. Penghuni panti jompo, petugas layanan kesehatan, kontak simptomatik dari kasus yang diketahui). Karena Komunitas B sedang menguji orang yang lebih mungkin untuk memiliki penyakit, mereka telah mendeteksi lebih banyak kasus (dua dari tiga) di masyarakat dibandingkan dengan Komunitas A (satu dari tiga). Kedua Komunitas A dan B memiliki tingkat uji positif 10%. Karenanya, jika ini adalah satu-satunya pengujian yang dipantau, wawasan penting akan terlewatkan. Idealnya, masyarakat memiliki pengujian untuk menguji kelompok-kelompok prioritas, tetapi ini mungkin sulit diukur. Dengan tidak adanya tes yang satu ini mungkin memantau jumlah tes yang dilakukan sebagai ukuran kasar apakah cukup banyak orang (termasuk kelompok berisiko tinggi) sedang diuji. Pertimbangan penting lainnya saat menginterpretasikan pengujian adalah apakah jumlah tes mengacu pada jumlah orang yang diuji, atau jumlah tes yang dilakukan.

Dalam beberapa kasus, satu individu dapat menerima beberapa tes, sehingga jumlah tes yang dilakukan lebih besar dari jumlah sebenarnya orang yang diuji. Misalnya, banyak protokol untuk pemulangan di rumah sakit mengharuskan pasien COVID-19 menjalani dua tes negatif setidaknya dalam jangka waktu 24 jam. Ini berarti bahwa sebagian besar pasien COVID-19 yang dirawat di rumah sakit yang sembuh telah diuji setidaknya tiga kali (sekali saat masuk, dua kali untuk keluar). Indikator seperti interval waktu antara onset gejala dan hasil tes positif, dan interval waktu antara onset gejala dan isolasi, lebih informatif dan lebih relevan untuk menentukan apakah pengujian ditargetkan dengan baik, dan lebih berguna untuk meningkatkan strategi pengujian dan tindak lanjut hasil tes.

Komentar

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan.

News Feed