Aller au contenu

Coronavirus : publications scientifiques, cartes, statistiques, essais cliniques etc.

Freezbee

Par Freezbee
dans COVID-19

Messages recommandés

RaHaN

RaHaN

Posté
Posté

 

 

Il y a 4 heures, Lancelot a dit :

https://www.sciencedirect.com/science/article/pii/S1871402120300515

Chloroquine and hydroxychloroquine in the treatment of COVID-19 with or without diabetes: A systematic search and a narrative review with a special reference to India and other developing countries

 

Ils expliquent dans un premier temps qu'il y a plus de diabète chez les personnes atteintes du Covid-19 en réa. Ensuite ils reprennent l'étude des chinois et de Marseille sur la Chloro. Enfin, ils terminent en rappelant le résultat des études de la chloro sur d'autres maladies (type chikungunya par exemple), et des éventuels effets secondaires. A un moment ils disent ça : "Additionally, hypoglycemia must be looked for in patients with diabetes especially with concurrent use of chloroquine/HCQ and lopinavir/ritonavir". C'est la seule fois dans les méthudes et résultats que le mot diabète apparait.

 

Futures directions : Peut-être bien que la chloroquine et la HCQ pourrait constituer une stratégie efficace pour lutter contre le COVID-19 (en particulier chez les patients atteints de diabète et d'autres comorbidités chez qui la mortalité est élevée).

 

No way.

A ce compte là, je pense qu'on peut proposer des posts de liborgiens avec des titres ronflants à certains comités de lecture. Ça passerait crème.

 

Le seul truc éventuellement à retenir :

 

Citation

Use of HCQ in patients with diabetes in India where it is already approved for treatment: It would be interesting to research COVID-19 infection in patients with diabetes who are already on HCQ for treatment of diabetes

Ils veulent des sous.

 

 

Edit : A case of SARS-CoV-2 carrier for 32 days with several times false negative nucleic acid tests

Citation

 

 

Takeshin

Takeshin

Posté
Posté
49 minutes ago, Rübezahl said:

ça me semble quand même pas évident de démêler la séquence.

est-ce asphyxie par détérioration mécanique des poumons => hypoxie, ce qui semble assez logique,

ou l'inverse ?

 

Les deux mécanismes en même temps. L'hémoglobine serait attaquée par le COVID et la modification de sa structure libère les ions Fe, avec deux conséquences :

- L'hémoglobine sans fer ne peut plus capter d'oxygène et alimenter les organes vitaux (donc hypoxie)

- Le fer en roue libre vient provoquer un stress oxydatif supplémentaire que le corps n'arrive plus à contenir et qui provoque des dommages mécaniques, le lien mentionne le foie en première ligne, mais vu le nombre d'insuffisances rénales constatées, j'imagine que ça n'est pas totalement sans lien.

 

Le ton de l'auteur est pas totalement objectif et on sent bien qu'il est convaincu par l'HCQ, mais les arguments sont intéressants.

Lancelot

Lancelot

Posté
Posté

Un preprint qui vise à reproduire le protocole hydroxychloroquine/azithromycine... pour le meilleur et pour le pire (11 patients à la comorbidité gratinée, pas d'indicaction très précise sur le stade de la maladie, aucun contrôle).

 

Quote

https://www.sciencedirect.com/science/article/pii/S0399077X20300858?via%3Dihub

 

No Evidence of Rapid Antiviral Clearance or Clinical Benefit with the Combination of Hydroxychloroquine and Azithromycin in Patients with Severe COVID-19 Infection

 

we wished to assess in a prospective study virologic and clinical outcomes of 11 consecutive patients hospitalized in our department who received hydroxychloroquine (600 mg/d for 10 days) and azithromycin (500 mg Day 1 and 250 mg days 2 to 5) using the same dosing regimen reported by Gautret et al. (3).

There were 7 men and 4 women with a mean age of 58.7 years (range: 20-77), 8 had significant comorbidities associated with poor outcomes (obesity: 2; solid cancer: 3; hematological cancer: 2; HIV-infection: 1).

At the time of treatment initiation, 10/11 had fever and received nasal oxygen therapy. Within 5 days, one patient died, two were transferred to the ICU. In one patient, hydroxychloroquine and azithromycin were discontinued after 4 days because of a prolongation of the QT interval from 405 ms before treatment to 460 and 470 ms under the combination. Mean through blood concentration of hydroxychloroquine was 678 ng/mL (range: 381-891) at days 3-7 after treatment initiation.

Repeated nasopharyngeal swabs in 10 patients (not done inthe patient who died) using a qualitative PCR assay (nucleic acid extraction using Nuclisens Easy Mag®, Biomerieux and amplification with RealStar SARS CoV-2®, Altona), were still positive for SARS-CoV2 RNA in 8/10 patients (80%, 95% confidence interval: 49-94) at days 5 to 6 after treatment initiation.

 

Autre preprint sur les effets secondaires possibles de l'hydroxychloroquine/azithromycine en termes cardiaques. Je vois que ça s'énerve pas mal sur cette étude chez les décodeurstm sceptiquestm et qu'on lui fait dire beaucoup de choses mais il s'agit de risques connus qui n'apparaissaient pas spécialement dans les essais cliniques parce que les personnes à risque étaient systématiquement écartées. C'est surtout un bel argument contre l'auto-médication et le manque de suivi à mon avis. Encore une fois l'état des patients au début du traitement n'est pas clair (et en vérité ils ne fournissent pas d'élément sur l'efficacité dudit traitement).

Quote

https://www.medrxiv.org/content/10.1101/2020.04.02.20047050v1.full

 

The QT Interval in Patients with SARS-CoV-2 Infection Treated with Hydroxychloroquine/Azithromycin

 

[...]

 

Although there are no approved drugs to prevent or treat SARS -CoV- 2 infection, a recent report suggested that the combination of Hydroxychloroquine wi th Azithromycin (HY/ AZ) may have favorable effect on clinical outcomes and viral load of infected patients [2]. This, has resulted in massive adoption of the regimen by clinicians worldwide. However, both medications have been independently shown to increase the risk for QT interval prolongation, drug-induced torsades de pointes (TdP), and drug induced-sudden cardiac death (SCD) [3-6]. There is no data regarding the effect of HY/ AZ on the QT interval and the risk for malignant arrhythmia induction.

 

[...]

 

we report here the change in QTc interval and the risk of TdP in 84 consecutive patients admitted to our institution with SARS-CoV-2 infection and treated with HY/AZ

 

[...]

 

Four patients died from multi-organ failure, without evidence of arrhythmia. There were no TdP events recorded, including in patients with severely prolonged QTc, defined as greater than 500 ms. The average time of ECG follow up post HY/AZ exposure was 4.3 +/- 1.7 days . The QTc interval prolonged from a baselines of 435 ± 24 ms to a maximal value of 463 ± 32 m s ( p< 0.00 1) which occurred on day 3.6 ± 1.6 of therapy . The change in daily QTc interval is presented in Figure 1. Of note, 11% of patients developed new severe QTc prolongation of > 500ms. On multivariate analysis, the development of acute renal failure was a significant predictor of severe QTc prolongation. Baseline Creatinine and Coadministration of Amiodarone trended for significance, as opposed to other QT prolonging medications. Importantly, baseline QTc and QTc > 460 ms did not predict QTc prolongation

 

[...]

 

In this preliminary work we found that the in patients treated with HY/AZ QTc prolonged significantly . In 11% of patients, QTc prolonged to >500 ms, a known marker for high risk of malignant arrhythmia and sudden cardiac death [13-15]. Of note, recent guidance suggested screening of candidate patients for novel SARS-CoV-2 therapies, including HY/ AZ based on baseline QTc [16]. Our data suggest that baseline QTc is not a reliable predictor of severe QTc prolongation in these patients. We suggest that QTc should be followed repeatedly in patients with SARS-CoV-2 infection treated with HY/AZ , particularly in patients with renal failure, a common complication in patients with SARS-CoV-2.

 

POE

POE

Posté
Posté
Il y a 3 heures, Takeshin a dit :

 

Les deux mécanismes en même temps. L'hémoglobine serait attaquée par le COVID et la modification de sa structure libère les ions Fe, avec deux conséquences :

- L'hémoglobine sans fer ne peut plus capter d'oxygène et alimenter les organes vitaux (donc hypoxie)

- Le fer en roue libre vient provoquer un stress oxydatif supplémentaire que le corps n'arrive plus à contenir et qui provoque des dommages mécaniques, le lien mentionne le foie en première ligne, mais vu le nombre d'insuffisances rénales constatées, j'imagine que ça n'est pas totalement sans lien.

 

Le ton de l'auteur est pas totalement objectif et on sent bien qu'il est convaincu par l'HCQ, mais les arguments sont intéressants.

 

Le pivot de son argumentation c'est cela "Here's where COVID-19 comes in. Its glycoproteins bond to the heme, and in doing so that special and toxic oxidative iron ion is"disassociated"(released).

Or, c'est la première fois que je lis que les glycoprotéines du virus (lesquelles ? il y en a pas 30 000 mais 3 si je me souviens bien) se fixe à l'heme et entraîne la libération du fer de l'hemoglobine.

Cela demande des expérimentations in vitro ou des études qui prouvent ce qui est avancé ici. 

Bon, biologiquement, il faudrait déjà observer une augmentation du fer dans le sang et une baisse de l’hémoglobine, est ce le cas ?

Lancelot

Lancelot

Posté
Posté

Pardon mais il me semble qu'ici on est supposé parler de publications scientifiques, pas de vidéos de gens qui racontent des anecdotes hors sujet (oui les médicaments ont des effets secondaires et si tu es assez con pour t'auto-médiquer avec des trucs faits pour des poissons il va t'arriver des bricoles).

Freezbee

Freezbee

Posté
  • Auteur
Posté

Je crois que cet article (posté par @Rübezahl dans le fil Actu) mérite sa place ici. L'auteur y formule des hypothèses judicieuses quant à la propagation de l'épidémie (dont les modèles classiques ne tiennent pas compte) :

 

Citation

SARSCOV2 un virus des villes, pas un virus des champs. Effet de masse critique en zone urbaine.

 

Je suis médecin généraliste, passionné de microbiologie, diplômé d'une maitrise de microbiologie de l Université de Rennes 1. J'observe sur le terrain clinique les épisodes hivernaux, je parle beaucoup avec les chercheurs en microbiologie vétérinaire qui m'ont beaucoup apporté et ont une vision plus fine que la nôtre, ayant accès a des terrains d'expérimentation (les élevages) qui leurs permettent d 'évaluer l'influence de la génomique, des co infections, de l'environnement, et qui n'en restent pas aux constats cliniques, multipliant les sérologies, les PCR, et pratiquant des autopsies.

 

Ils m'ont appris que ce que l'on voit est parfois très éloigné de la réalité, et que la maladie n'est qu'un état particulier au cours d'une infection, dont la réalité , le développement , la transmission nous échappe bien souvent.

 

C'est à ce prisme que j 'observe l'épidémie en cours, ou, comme en 2009, nous avons focalisé notre attention sur les malades, alors que ce virus a bien d'autres ressorts. Nous avons concentré les premiers cas à l'hôpital, et c'est bien normal : notre culture occidentale et française est totalement centrée sur l 'hôpital , et quand il se passe quelque chose d 'important, c'est à l'hôpital de résoudre le problème. 

 

Nous sommes aveugles, comme en 2009 (H1N1), parce que la majorité de ce qui se produit nous échappe, je plaidais il y a 6 semaines pour une visibilité populationelle, car adopter une doctrine, lutter contre un ennemi qu on ne voit pas, méconnaitre ses forces et ses faiblesses rend le combat incertain, et les mesures incertaines.

 

Depuis le début de cette épidémie, la modélisation épidémiologique et la doctrine qui en découle est assez simple : une contagiosité estimée à 2,7 fois celle de la grippe, un temps de doublement de 6,7 jours, et un temps de portage asymptomatique qui rend le contrôle compliqué, nécessitant d'isoler les malades mais aussi d'identifier leurs contacts, et d'isoler les vecteurs. Nous avons fait ce travail a partir d'une définition de cas excluant les symptomatiques ne revenant pas du Hubei ou de Lombardie.

 

J'ai passé un mois a essayer de comprendre cet ennemi en faisant le pont entre des données virologiques classiques assez souvent méconnues des cliniciens, et des données épidémiologiques dont les producteurs sont généralement plus mathématiciens que cliniciens.

 

Depuis trois semaines, de multiples données de terrain ont attiré mon attention , qui ne collaient pas avec le modèle connu et appliqué de propagation classique, exponentiel avec un décalage temporel lié a la période d'incubation ; j ai surveillé les chiffre italiens et français, qui ne décollaient pas hors cluster, et constaté l'anormal centrage persistant sur les zones de cluster d'origine (le confinement ne suffit pas à expliquer celà pour une maladie 2,7 fois plus contagieuse que la grippe) ; j ai constaté que dans environ quarante départements il ne se passait rien ou presque (sauf EHPAD), le confinement ayant donné un plein effet, quand en zone de cluster, les chiffres continuaient d'exploser. J 'ai constaté et alerté (dès fin février) sur le risque majeur dans les EHPAD et SSR.

 

Plusieurs éléments connus du SARS2003 ainsi que divers éléments m'ont donné des pistes, ainsi que les retours d'expérience étrangers selon la doctrine adoptée (Allemagne Corée Japon Australie versus France Italie en particulier).

 

Mes conclusions (ainsi que les données d 'études) sont celles ci :

 

- notre population étant immunologiquement totalement naive sans protection croisée (a priori), l'importance des inoculum viraux et leur répétition avant la phase symptomatique est à même de provoquer une forme plus symptomatique ou plus grave.  C’est une donnée "classique" en virologie, dont il n'a pas été tenu compte jusqu'à présent dans la modélisation, et je mets cette donnée au premier plan de mes réflexions, d autant plus que ce facteur joue un rôle probablement plus prépondérant en l'absence totale d immunité. (non validé, hypothèse personnelle).

 

- la charge virale est corrélée a la gravité de la maladie.  (validé)

 

- en zone de cluster le phénomène de masse critique se produit lorsqu un individu est à même de recevoir plusieurs inoculum viraux, de façon répétée, déclenchant une forme plus grave ou plus symptomatique, provoquant une excrétion plus forte (toux), avec de plus nombreux cas secondaires, eux mêmes plus symptomatiques (hypothèse personnelle).

L'existence des "superspreaders" (individus fortement excréteurs même si ils sont peu symptomatiques) est discutable, leur caractéristique étant de contaminer parfois 20 ou 40 personnes quand le taux admis est proche de 2,7 ; il y a de forts excréteurs , mais il y a surtout des situations claires de forte propagation : lieu confiné ou grande foule compacte, qui provoquent des contagions de masse.

 

- hors cluster les contaminations peuvent se produire a très bas bruit et sans visibilité : selon Bedford (USA) , 1200 personnes ont été contaminées avant l'épisode très visible du cluster de Seattle, ce qui est retrouvé dans l 'étude italienne qui fait remonter l'épidémie a une période précédant sa visibilité.

 

- hors cluster le phénomène de masse critique peut se produire dans les établissements de soins, ce qui explique l'extrême nosocomialité du CO19. Ce phénomène est aggravé par de possibles aérosolisations ponctuelles (oxygénothérapie) mais aussi par le risque microdroplet : parallèlement aux droplets, des microdroplets sont produites lors de la toux, la parole, et le chant , qui peuvent rester en suspension ; leur potentiel contaminant n'est pas avéré, mais seraient une excellente explication aux phénomènes observés en lieu confiné ou lors des grandes manifestations de foule (réunion église évangélique et match de football).

 

- Hors cluster il est envisageable que la voie de contamination soit préférentiellement contact, moins de formes sévères, moins de toux , moins de droplets, provoquant des cas secondaires moins sévères ; sauf quand le virus entre dans un lieu confiné avec plusieurs excréteurs (EHPAD) et une population fragile.

 

Tout ceci explique beaucoup de "détails" :

 

- le centrage persistant sur les clusters et leur dynamique

- l extrême variabilité du CFR de 0,4% à 20% (hors cluster/dans un cluster)

- l' extrême variabilité du R estimé à 18 en situation de confinement (étude japonaise) quand il est généralement de 2,7 dans les modèles mathématiques (la cinétique de contagion est donc liée à l urbanisme et aux lieux confinés, aux foules).

- la diminution de l'âge des cas réa a mesure de la constitution du cluster (avant une notion de tri), les patients moins fragiles et moins suceptibles de faire une forme grave devenant a risque par augmention des inoculum viraux répétitfs. 

- l'absence de dynamique hors cluster même après importation de personnes contaminées : l urbanisme, les transports en commun, l hôpital local ne participant pas à la dynamique

- l'explosion de mortalité dans les EHPAD (alors qu il ne se passe rien ou presque hors EHPAD dans presque 40 départements.

 

Tout ceci explique l'extrême pertinence de certaines pratiques et politiques appliquées dans les pays qui maitrisent en évitant d'atteindre un seuil de criticité que l on retrouve en zone de cluster.

 

Phénomène de masse critique (hypothèses personelles) : quelles conséquences en terme de doctrine ?

 

Nous avons vu que dans un cluster, plusieurs éléments convergent , expliquant leur dynamique :

un nombre de cas plus important avec une cinétique plus rapide d'apparition des cas, par augmentation du R lié a des conditions d'urbanisme (foules, locaux clos, rassemblement de personnes en locaux clos, rassemblement de malades à l 'hôpital et cas secondaires en intrafamilial chez les soignants, transports en commun , métro/rer/bus/tramway). Probabilité d inoculum répétés augmentant à mesure de cette dynamique en même temps qu'augmente la charge virale des contaminés.

 

Le plus important étant sans doute au delà de cette dynamique, un impact fondamental sur la létalité , fonction de la charge virale : dans les pays qui maitrisent (même sans confinement) la létalité baisse à 0,4% et on peut dans ce cas parler de très grosse grippe (CFR fois 4) ; dans les clusters, elle décuple, voire plus. J'ai cru un moment que ceci était lié à la désorganisation ou au grand âge (Italie) , mais ceci me semble une explication secondaire, par rapport au fait principal : c'est la charge virale qui fait évoluer la létalité en zone de cluster.

 

La question est donc de savoir comment éviter d'entrer dans ce régime de fonctionnement ; selon la part de population immunisée (études sérologiques en cours) , il faudra peut être que nous apprenions à vivre avec ce virus, et ceci n'est pas hors de portée. Le japon et la Corée , peut être l'Allemagne semblent nous donner de très sérieuses pistes. Je compléterai cet article rapidement pour évoquer ces pistes.

 

Ceci est un premier jet destiné à être complété et enrichi des références bibliographiques.

 

  • Yea 3
h16

h16

Posté
Posté
Le 07/04/2020 à 09:09, Rübezahl a dit :

ça me semble quand même pas évident de démêler la séquence.

est-ce asphyxie par détérioration mécanique des poumons => hypoxie, ce qui semble assez logique,

ou l'inverse ?

l'inverse : 

- hémoglobine qui ne transporte plus l'o2 => hypoxie

- le fer est relargué dans le sang

- destruction des organes par oxydation abusive (d'où les poumons de verre, en bilatéral, au CT scan)

TODA

TODA

Posté
Posté

dans le méme sens, perturbation de la circulation d'oxigéne

  • Yea 1
Freezbee

Freezbee

Posté
  • Auteur
Posté

Covid-19 Does Not Lead to a “Typical” Acute Respiratory Distress Syndrome

 

Citation

Dear Editor,

 

In northern Italy an overwhelming number of patients with Covid-19 pneumonia and acute respiratory failure have been admitted to our Intensive Care Units. Attention is primarily focused on increasing the number of beds, ventilators and intensivists brought to bear on the problem, while the clinical approach to these patients is the one typically applied to severe ARDS, namely high Positive End Expiratory Pressure (PEEP) and prone positioning.

 

However, the patients with Covid-19 pneumonia, fulfilling the Berlin criteria of ARDS, present an atypical form of the syndrome. Indeed, the primary characteristics we are observing (confirmed by colleagues in other hospitals), is the dissociation between their relatively well preserved lung mechanics and the severity of hypoxemia.

 

As shown in our first 16 patients (Figure 1), the respiratory system compliance of 50.2 ± 14.3 ml/cmH2O is associated with shunt fraction of 0.50 ± 0.11. Such a wide discrepancy is virtually never seen in most forms of ARDS. Relatively high compliance indicates well preserved lung gas volume in this patient cohort, in sharp contrast to expectations for severe ARDS.

 

A possible explanation for such severe hypoxemia occurring in compliant lungs is the loss of lung perfusion regulation and hypoxic vasoconstriction.

 

Actually, in ARDS, the ratio between the shunt fraction to the fraction of gasless tissue is highly variable, with mean 1.25 ± 0.80(1). In eight of our patients with CT scan, however, we measured a ratio of 3.0 ± 2.1, suggesting remarkable hyperperfusion of gasless tissue.

 

If so, the oxygenation increases with high PEEP and/or prone position are not primarily due to recruitment, the usual mechanism in ARDS(2), but instead, in these patients with a poorly recruitable pneumonia(3), to the redistribution of perfusion in response to pressure and/or gravitational forces. We should consider that:

 

1. Patients treated with Continuous Positive Airway Pressure or Non Invasive Ventilation, presenting with clinical signs of excessive inspiratory efforts, intubation should be prioritized to avoid excessive intrathoracic negative pressures and self-inflicted lung injury(4).Page 2 of 5 AJRCCM Articles in Press. Published March 30, 2020 as 10.1164/rccm.202003-0817LE Copyright © 2020 by the American Thoracic Society

 

2. High PEEP in a poorly recruitable lung tends to result in severe hemodynamic impairment and fluid retention;

 

3. Prone positioning of patients with relatively high compliance results in a modest benefit at the price of a high demand for stressed human resources.

 

After considering that, all we can do ventilating these patients is “buying time” with minimum additional damage: the lowest possible PEEP and gentle ventilation. We need to be patient.

 

Screenshot-from-2020-04-10-00-41-53.png

 

  • Yea 2
Freezbee

Freezbee

Posté
  • Auteur
Posté

Does recombinant human Erythropoietin administration in critically ill COVID‐19 patients have miraculous therapeutic effects?

 

Citation

Abstract

An 80‐year‐old man with multiple comorbidities presented to the emergency department with tachypnea, tachycardia, fever and critically low O2 saturation and definitive chest CT scan findings in favor of COVID‐19 and positive PCR results in 48 h. He received antiviral treatment plus recombinant human Erythropoietin(rhEPO) due to his severe anemia. After 7 days of treatment, he was discharged with miraculous improvement in his symptoms and hemoglobin level. We concluded that rhEPO could attenuate respiratory distress syndrome and confront the SARS‐CoV‐2 virus through multiple mechanisms including cytokine modulation, anti‐apoptotic effects, leukocyte release from bone marrow, and iron redistribution away from the intracellular virus.

 

  • Yea 1
  • Ancap 1
Lancelot

Lancelot

Posté
Posté

Alors allons-y pour le dernier effort de l'équipe de Raoult. L'abstract et un tableau de données (avec notamment des stats sur pas mal de comorbidités) sont en ligne.

 

Quote

Findings

From March 3rd to April 9th, 2020, 59,655 specimens from 38,617 patients were tested for COVID-19 by PCR. Of the 3,165 positive patients placed in the care of our institute, 1061 previously unpublished patients met our inclusion criteria. Their mean age was 43.6 years old and 492 were male (46.4%). No cardiac toxicity was observed. A good clinical outcome and virological cure was obtained in 973 patients within 10 days (91.7%). Prolonged viral carriage at completion of treatment was observed in 47 patients (4.4%) and was associated to a higher viral load at diagnosis (p < 10-2) but viral culture was negative at day 10 and all but one were PCR-cleared at day 15. A poor outcome was observed for 46 patients (4.3%); 10 were transferred to intensive care units, 5 patients died (0.47%) (74-95 years old) and 31 required 10 days of hospitalization or more. Among this group, 25 patients are now cured and 16 are still hospitalized (98% of patients cured so far). Poor clinical outcome was significantly associated to older age (OR 1.11), initial higher severity (OR 10.05) and low hydroxychloroquine serum concentration. In addition, both poor clinical and virological outcomes were associated to the use of selective beta-blocking agents and angiotensin II receptor blockers (P<0.05). Mortality was significantly lower in patients who had received >3 days of HCQ-AZ than in patients treated with other regimens both at IHU and in all Marseille public hospitals (p< 10-2).

Interpretation

The HCQ-AZ combination, when started immediately after diagnosis, is a safe and efficient treatment for COVID-19, with a mortality rate of 0.5%, in elderly patients. It avoids worsening and clears virus persistence and contagiosity in most cases.

 

Je suis particulièrement intéressé par les deux trucs en gras quand le papier complet sera disponible.

  • Yea 1
Vilfredo

Vilfredo

Posté
Posté

Personne ne semble avoir mentionné les effets du ciclésonide (un glucocorticoïde présent dans les traitements contre l'asthme) contre le virus. Apparemment, il n'a pas l’effet immunosuppresseur redouté des autres corticoïdes. Etude japonaise d'il y a un mois https://www.biorxiv.org/content/10.1101/2020.03.11.987016v1.full.pdf

Citation

Ciclesonide exhibited low cytotoxicity and potent suppression of viral growth (Fig. 1a). Cortisone and prednisolone, which are commonly used for systemic steroid treatment, dexamethasone, which has strong immunosuppressant effects, and fluticasone, a commonly used inhaled steroid, did not suppress viral growth (Fig. 1a).

 

Rübezahl

Rübezahl

Posté
Posté
il y a 13 minutes, Vilfredo Pareto a dit :

Personne ne semble avoir mentionné les effets du ciclésonide (un glucocorticoïde présent dans les traitements contre l'asthme) contre le virus. Apparemment, il n'a pas l’effet immunosuppresseur redouté des autres corticoïdes. Etude japonaise d'il y a un mois https://www.biorxiv.org/content/10.1101/2020.03.11.987016v1.full.pdf

https://www.lefigaro.fr/sciences/un-medicament-contre-l-asthme-efficace-in-vitro-face-au-covid-19-20200410

 

Freezbee

Freezbee

Posté
  • Auteur
Posté
Citation
Profile picture
 
Let me explain why using models to simulate epidemics basically doesn't work when it comes to predicting the future (and why it doesn't mean models are useless). And also why the “reproduction number” is a very problematic quantity. •1/36
 
When the epidemic starts, we see a nice predictable exponential growth. What we would like our models to tell us is when and how this exponential growth will slow down and stop, how many people will be infected and how many will die. Sorry, but that won't work. •2/36
 
Of course we have a model which can describe a simple epidemic with constant contagiousness in a homogeneous population: this model is called SIR. I talked about it here:
 
… •3/36
 
… or on my blog (in French, but Google Translate should do a decent job): madore.org/~david/weblog/… •4/36
 
… or in this more technical note (in which I compare SIR to a variant of it in which people recover in constant time rather than through an exponential process): hal.archives-ouvertes.fr/hal-02537265 •5/36
 
And of course SIR comes in many more sophisticated variants, like SEIR which takes into account incubation period, or variants with stratification by age, geography and so on. But whatever the variant, we still have some fundamental problems. •6/36
 
First, there are the unknowns on the medical side: we don't know how many cases of Covid-19 (and asymptomatics) there really are. Tests are being done but the results contradict each other in crazy ways, suggesting that there are more unknowns than we thought. •7/36
 
And of course, with the number of cases being unknown (and the number of deaths also unknown, though not to the same extent), the fatality rate is as well. Estimates vary from 0.1% to over 5%, which tells you how little we know! It probably depends on many factors. •8/36
 
Now what like SIR tells you is something like “the epidemic has exponential growth until a significant amount of immunity slows it down and then it peaks”. If you don't know how many cases you have, you don't know the immunity, so the model tells you little. •9/36
 
Now you think “maybe I can read this from the curve of past cases”, but no: the curve is far too noisy. And its exponential growth can slow down for a zillion different reasons, not least of which lockdowns or people changing their habits (I'll return to this). •10/36
 
But this is still not the end of the story. Another important aspect is that even if people don't change their habits and even if we know exactly the number of infections, there are still too many unknowns because of social effects. Let me explain this. •11/36
 
I already wrote a long thread with various simulations on this (and why it can lower the final attack rate),
‌, but let me try to explain from a different angle. •12/36
 
Consider the same epidemic in two different, idealized countries: in country A the population is fairly homogeneous, the epidemic follows the SIR model accurately; in country B, the population is divided into two different sub-populations: … •13/36
 
… population B₁ behaves just like country A, but in population B₂ the epidemic has a much lower contagiousness because these people have fewer contacts; B₁ and B₂ could be geographical (e.g., urban and rural) but they could also be social categories. •14/36
 
Now when you start observing the epidemic, countries A and B behave the same: but in country A the epidemic is infecting the whole country, in B it's only infecting B₁ and getting nowhere with B₂. Only you might not notice that because the stats don't tell you. •15/36
 
If it's urban/rural you'll probably catch on on the B₁/B₂ distinction, but if it's more subtle socioeconomic factors you might not at all be able to pick them in the data. So you think A and B are doing the same, you fit your constants from the models from that. •16/36
 
But then suddenly in B you reach the point where B₁ starts having significant immunity and the epidemic slows down, whereas in A you don't because you need the whole country to have immunity. And you end up with very different attack rates: … •17/36
 
… because in A the epidemic will infect x% of the population whereas in B it will infect x% of B₁ and almost nothing of B₂. Despite the fact that they seemed to behave identically and have the same parameters! But you were just observing B₁ and not knowing about B₂. •18/36
 
This, of course, is highly simplified, but shows the sort of things that can happen. When we talk about the “reproduction number” of an epidemic, this is a synthetic figure which is so synthetic that it becomes almost meaningless: … •19/36
 
… the epidemic is progressing in different subpopulations of the population with different dynamics, basically exponentials. But in a sum of exponentials you only see the exponential with the fastest growth! The rest are drowned in the noise. •20/36
 
So when we say we observe a reproduction number of 3, what this really means is that in the fastest-growing subpopulation the epidemic has this reproduction number. It tells us nothing of the size of this population or of the reproduction number in other subpopulations. •21/36
 
So unless we can gather extremely fine geographical and socioeconomic data on the people who are infected (which we do NOT have), we have simply no way of knowing how the epidemic is behaving in different subpopulations or how it will behave in the future. •22/36
 
And this whole problem is made even far worse by the fact that people adapt their behavior based on the news they hear and how afraid they are of the epidemic, not just on measures the authorities decree (lockdowns and such). •23/36
 
So if you see the exponential growth start to slow down, it's extremely hard to tell whether that's because some subpopulation is becoming significantly immune, or because people have changed how they behave. •24/36
 
Needless to say, there is no satisfactory modelling of how people react to news about the epidemic and change their behavior, or what effect these changes in behavior have on the contagiousness of the epidemic. •25/36
 
Oh yeah, did I mention that we don't even know how, where and by whom most infections happen? We don't. So even if we could accurately measure or predict how fewer contacts people have at work, or with friends, or in public transport, we still couldn't tell the effect. •26/36
 
So, in effect, trying to predict the epidemic's behavior using models is like trying to predict the weather two weeks from now using just a thermometer in a few major regional capitals. Oh, and the thermometers aren't even calibrated the same way! •27/36
 
(Because, yeah, various countries or states have entirely different ways of measuring the number of cases and even the number of deaths. And then they report them in various ways. And they don't even accurately document what they report. It's a mess.) •28/36
 
Of course you can try to build a highly sophisticated model with a zillion different parameters accounting for geographical and socioeconomic subpopulations, different reactions to the epidemic, medical complexities, subpar reporting, imported cases, the full monty. •29/36
 
But then you're basically building a model of all of society, and there's a reason why psychohistory doesn't exist: with too many free parameters, a model becomes simply useless predictionwise. You can fit anything by twiddling the parameters. •30/36
 
THIS DOESN'T MEAN MODELS ARE USELESS. They're just useless for making predictions. But they're useful for understanding the SORT of phenomena which CAN happen. Even if you have just a bunch of thermometers you can still theorize some interesting things about weather: … •31/36
 
… like what an anticyclone is and how it tends to behave. I've explained in texts linked above how “social effects can lower attack rates” and “constant recovery time can make the infection peak sharper”: I can't predict by how much, but these are effects worth noting. •32/36
 
But everyone running simulations on computer models, no matter how sophisticated (perhaps even MORE so if the models are sophisticated and have many parameters) should be VERY MODEST when putting forward what their models predict as an indication of the future. •33/36
 
(EVEN if they got it right so far: remember, a trivial model predicting an endless exponential growth will be correct up to a certain point, where it suddenly ceases to be correct. The trick is to predict that point and maybe you can't do it better than a hunch.) •34/36
 
Similarly, anyone using the term “reproduction number” should be aware that it's about as informative as the mean Earth temperature when talking about the weather: you don't know what subpopulation you're measuring it for, nor what influences it. •35/36
 
What worries me is that politicians will listen to epidemiologists who brag most loudly about their model's quality just like they tend to listen to physicians who brag most loudly about their miracle cure. And they might not be the most competent! •36/36

 

  • Yea 1

Créer un compte ou se connecter pour commenter

Vous devez être membre afin de pouvoir déposer un commentaire

Créer un compte

Créez un compte sur notre communauté. C’est facile !

Créer un nouveau compte

Se connecter

Vous avez déjà un compte ? Connectez-vous ici.

Connectez-vous maintenant
Aller sur la liste des sujets
×
×
  • Créer...