Prêmio Nobel diz que previsões de casos de Covid estão erradas

Michael Levitt, professor da Faculdade de Medicina de Stanford, descobriu que, independentemente das intervenções dos governos, após cerca de duas semanas de crescimento exponencial o número de novos casos rapidamente desacelera e a curva se torna subexponencial. As implicações são profundas.

O renomado cientista não é epidemiologista. Michael Levitt recebeu o Prêmio Nobel de Quimica em 2013 por “desenvolvimento de modelos em várias escalas para sistemas químicos complexos”. Essencialmente, Levitt é um especialista em números mas, então, grande parte da ciência moderna é realmente sobre estatística.

Levitt critica especialmente um festejado artigo de Neil Ferguson, do Imperial College, que desenvolveu um modelo matemático da epidemia do coronavírus SARS-CoV-2 utilizado por inúmeros governos para justificar lockdowns, confinamentos, fechamentos de escolas e comérciose muitas outrasmedidas ditas emergenciais, como montagens de hospitais de campanha ou compras e contratações sem licitação.

Levitt vem estudando os dados da China desde janeiro e nunca encontrou um crescimento exponencial que não estivesse decaindo rapidamente.

A explicação que a população tem recebido de governos sobre esse “achatamento” é que o distanciamento social e os isolamentos desaceleram a curva.

Levitt reclama que os epidemiologistas só parecem ser considerados errados se subestimam as mortes e, portanto, existe um viés intrínseco em relação à cautela. “Eles veem seu papel como de assustar as pessoas a fazerem algo, e eu entendo isso … mas no meu trabalho, se eu disser que um número é muito pequeno e estou errado, ou muito grande e estou errado, ambos são erros”.

Ele descreve medidas indiscriminadas de lockdown como “um grande erro” e defende uma política de “lockdown inteligente”, focada em medidas mais efetivas, focadas na proteção de idosos e vulneráveis.

“Eu acredito que a política de imunidade de rebanho é a política certa. Acho que a Grã-Bretanha estava exatamente no caminho certo antes de receberem números errados [do modelo do Imperial College]. E eles cometeram um grande erro. Eu vejo os países que se sairam excepcionalmente bem como Alemanha e Suécia. Eles não praticaram muitas restrições e deixaram suficientes pessoas contrair a doença para obter alguma imunidade de rebanho. Eu vejo os perdedores de destaque países como Áustria, Austrália e Israel que tiveram um lockdown muito rigoroso, mas não tiveram muitos casos. Eles danificaram suas economias, causaram danos sociais maciços, prejudicaram o ano educacional de seus filhos, mas não obtiveram imunidade de rebanho”, diz o professor de Stanford.

“Não tenho dúvidas de que, quando olharmos para trás, os danos causados pelos lockdowns excederão qualquer economia de vidas por um grande fator”, disse Levitt.

fonte : https://www.frontliner.com.br/premio-nobel-diz-que-previsoes-de-casos-de-covid-estao-erradas/