Temuan menunjukkan model epidemiologis harus menjelaskan masalah dengan diagnosis dan pelaporan – Sains Terkini

Ketika data terakumulasi pada COVID-19 kasus dan kematian, para peneliti telah mengamati pola puncak dan lembah yang berulang setiap minggu. Tetapi memahami apa yang mendorong pola-pola itu tetap menjadi pertanyaan terbuka.

Sebuah studi yang diterbitkan minggu ini di mSistem melaporkan bahwa osilasi tersebut muncul dari variasi dalam praktik pengujian dan pelaporan data, bukan dari praktik sosial seputar cara orang terinfeksi atau diobati. Temuan menunjukkan bahwa model epidemiologis penyakit menular harus mempertimbangkan masalah dengan diagnosis dan pelaporan.


"Praktek memperoleh data sama pentingnya dengan data itu sendiri," kata ahli biologi komputasi Aviv Bergman, Ph.D., di Fakultas Kedokteran Albert Einstein di New York City, dan ahli mikrobiologi Arturo Casadevall, MD, Ph.D ., di Sekolah Kesehatan Masyarakat Johns Hopkins Bloomberg di Baltimore, Maryland. Bergman dan Casadevall mengerjakan penelitian dengan Yehonatan Sella, Ph.D., di Albert Einstein, dan ilmuwan-ilmuwan Peter Agre, Ph.D., di Johns Hopkins.

Penelitian dimulai ketika Perjanjian, yang ikut memenangkan Hadiah Nobel Kimia tahun 2003, memperhatikan bahwa fluktuasi mingguan yang pasti dalam data jelas terkait dengan hari dalam seminggu. "Kami menjadi sangat curiga," kata Bergman.

Para peneliti mengumpulkan jumlah total tes harian, tes positif, dan kematian dalam data nasional AS selama 161 hari, dari Januari hingga akhir Juni. Mereka juga mengumpulkan data spesifik Kota New York dan data khusus Los Angeles dari awal Maret hingga akhir Juni. Untuk lebih memahami pola berosilasi, mereka melakukan analisis spektrum daya, yang merupakan metodologi untuk mengidentifikasi frekuensi yang berbeda dalam suatu sinyal. (Ini sering digunakan dalam pemrosesan sinyal dan gambar, tetapi penulis percaya karya baru ini merupakan aplikasi pertama untuk data epidemiologis.)

Analisis menunjuk ke siklus 7 hari dalam naik dan turunnya kasus-kasus baru nasional, dan siklus 6,8 hari dan 6,9 hari di New York City dan Los Angeles, masing-masing. Osilasi tersebut tercermin dalam analisis yang menemukan, misalnya, bahwa tingkat kematian lebih tinggi pada akhir minggu atau pada akhir pekan.

Khawatir dengan konsistensi sinyal, para peneliti mencari penjelasan. Mereka melaporkan bahwa peningkatan pertemuan sosial di akhir pekan kemungkinan bukan faktor, karena waktu dari paparan virus corona hingga menunjukkan gejala dapat berkisar antara 4-14 hari. Analisis sebelumnya juga menyarankan bahwa pasien menerima perawatan berkualitas rendah di akhir minggu, tetapi analisis baru tidak mendukung hipotesis itu.

Para peneliti kemudian memeriksa praktik pelaporan. Beberapa daerah, seperti New York City dan Los Angeles, melaporkan kematian sesuai dengan saat individu tersebut meninggal. Tetapi data nasional menerbitkan kematian menurut kapan kematian dilaporkan – bukan ketika itu terjadi. Dalam kumpulan data besar yang melaporkan tanggal kematian, alih-alih tanggal laporan, osilasi yang tampak menghilang. Perbedaan serupa dalam pelaporan kasus menjelaskan osilasi yang ditemukan dalam data kasus baru.


Para penulis studi baru mencatat bahwa interaksi akhir pekan atau kualitas perawatan kesehatan dapat mempengaruhi hasil, tetapi faktor-faktor sosial ini tidak berkontribusi secara signifikan pada pola yang berulang.

"Osilasi ini adalah pertanda masalah dalam respons kesehatan masyarakat," kata Casadevall.

Para peneliti menekankan bahwa tidak ada hubungan antara jumlah tes dan jumlah kasus, dan bahwa kecuali jika praktik pelaporan data berubah, osilasi akan tetap ada. "Dan selama ada orang yang terinfeksi, osilasi ini, karena fluktuasi jumlah tes yang dilakukan dan pelaporan, akan selalu diamati," kata Bergman, "bahkan jika jumlah kasus turun."

You may also like...

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.