Má ciência e análises incorretas fazem as vacinas…

O aumento da disponibilidade de dados para investigação tem, paradoxalmente, contribuído para a desinformação científica. Quando uma pessoa não tem conhecimento para analisá-los criticamente, os dados podem ser mal utilizados e mal interpretados.

Embora o acesso fácil às informações seja útil, também permite que críticas negativas se espalhem sem controle. O problema se agrava quando estudos mal feitos são publicados em revistas científicas, levando o público leigo a acreditar que são “validados cientificamente”.

A crise da revisão por pares

Veículos científicos respeitáveis ​​usam o revisão por pares. Especialistas na área do artigo avaliam os estudos antes da publicação para garantir sua qualidade.

Contudo, as mudanças nos modelos de negócio dos editores estão a enfraquecer este sistema. Muitos revistas científicas agora priorizam o lucroaceitar artigos mal conduzidos em troca do pagamento de taxas de publicação. Quanto mais artigos publicam, mais ganham, sem se preocupar com a qualidade.

Essas revistas fazem comentários superficiaischamar revisores sem conhecimento adequado para reler os artigos. Isto resulta na publicação de estudos com erros graves, que são tratados como ciência confiável.

Um exemplo é o artigo “Avaliação do risco de mortalidade pós-covid em casos classificados como síndrome respiratória aguda grave no Brasil: um estudo longitudinal de médio e longo prazo”publicado em Fronteiras na Medicina em dezembro de 2024. Os revisores deste artigo não eram especialistas na área, nem tinham qualquer experiência com a epidemiologia da Covid-19 no Brasil.

O artigo afirma que as vacinas Covif-19 aumentam o risco de morte não relacionada à Covid um ano após a infecção. Surpreendentemente, o único critério utilizado para definir mortes “não-Covid” foi que ocorreram mais de três meses após o início dos sintomas — uma escolha sem base científica.

Dados mal interpretados

O artigo utilizou dados públicos sobre casos de síndrome respiratória aguda grave (SARS) no Brasil de 2020 a 2023. O problema é que o sistema utilizado para registrar esses dados foi projetado para monitorar doenças respiratórias graves no início da doença, ou seja, não é o melhor para esse tipo de pesquisa.

O sistema registra datas como início dos sintomas, internação, alta ou óbito e vacinação. A maior parte dessas informações (exceto vacinas) é inserida manualmente, o que aumenta o risco de erros e requer ajustes para garantir a precisão.

Além disso, o sistema regista apenas as mortes que ocorrem durante a hospitalização por SARS ou as mortes relacionadas com a SARS que ocorrem fora do hospital. Como o sistema se concentra nas mortes por SARS, a definição de mortes “não relacionadas à Covid” é inerentemente falha. A base de dados mais adequada para esta análise seria o SIM (Sistema de Informações sobre Mortalidade), que registra todos os óbitos, independentemente da causa.

Como o sistema foi projetado para casos agudos, os registros com intervalos superiores a 3 meses provavelmente refletem erros de digitação. Utilizando a mesma base de dados do artigo, constatamos que a maioria dos casos apresenta intervalo de até 14 dias entre os sintomas e a alta ou óbito, conforme mostra a figura 1.

Notavelmente, cerca de 99% dos casos têm entre 0 e 84 dias de idade. O número de casos com intervalos de tempo maiores diminui progressivamente, até atingir intervalos próximos de um ou dois anos. Esses picos sugerem erros na digitação de datas, especificamente no registro do ano. Uma base de dados com mais de 2 milhões de casos, em que apenas 0,07% deles apresentam intervalo de tempo tão longo, reforça a ideia de que esses registros são erros.

Erros de análise e seu impacto nos resultados

Apesar desses erros nos registros, não se espera que eles se concentrem em grupos específicos, como vacinados ou não vacinados. Assim, os resultados obtidos a partir da análise destes dados deverão refletir padrões gerais da amostra. Mas o estudo utilizou uma análise inadequada.

O principal problema está relacionado ao momento do início da vacinação no Brasil, que começou em 2021. Portanto, os casos de 2020 não podem ser comparados em relação à vacinação, uma vez que não havia pessoas vacinadas naquele momento.

A comparação correta seria entre pessoas com início dos sintomas em mesmo período do ano (horário do calendário). Neste caso, as pessoas vacinadas e não vacinadas serão comparadas em condições semelhantes de capacidade do sistema de saúde e medidas de controlo da pandemia.

Mas os autores compararam esses grupos com base no intervalo entre os sintomas e a morte ou alta. Assim, as pessoas infectadas em 2020 foram comparadas, por exemplo, com as pessoas infectadas em 2022, ignorando diferenças importantes. Em 2020, o sistema de saúde não estava preparado para a pandemia e não havia vacina disponível. Em contrapartida, em 2022, as vacinas foram amplamente distribuídas e o número de novas hospitalizações devido à Covid-19 foi significativamente menor.

Outro problema significativo no estudo é a forma como o estado de vacinação é categorizado. O sistema SARS vincula as datas de vacinação, mas estas podem ser registradas após a alta hospitalar, incluindo as doses administradas após o início dos sintomas. Isto distorce a análise, pois estas doses não representam o estado de vacinação no momento da infecção.

A classificação correta deve considerar apenas as doses recebidas antes do início dos sintomas, pois as doses recebidas após o início dos sintomas referem-se a indivíduos não vacinados no momento da infecção.

Como o artigo não especifica como as doses da vacina foram contadas, consideramos a vacinação antes ou depois do início dos sintomas como igual para tentar corresponder à classificação de dose 1/2/3 encontrada no artigo. Na nossa análise, os números da abordagem errada são semelhantes, mas não iguais, aos do artigo. Todos os dados e códigos utilizados em nossa análise podem ser acessados aqui.

Os resultados usando as abordagens certas e erradas são bastante diferentes. Conforme mostra a Figura 2, a utilização do método incorreto gerou uma falsa associação entre vacinação e maior risco de morte. Por outro lado, a análise correta revelou a vacinação como fator de proteção.

O papel da má ciência na disseminação de desinformação

É importante ressaltar que, mesmo empregando a abordagem correta (utilizando o tempo do calendário), o tipo de análise apresentado no artigo não é ideal para responder à questão de pesquisa. Os autores limitaram a amostra a pessoas que sobreviveram mais de um ano (ou 3 meses) após os sintomas, ignorando as mortes no período inicial. Porém, é necessário avaliar o risco de morte desde o período inicial.

Um exemplo ilustrativo deste problema pode ser encontrado em Segunda Guerra Mundialquando os reforços em aviões danificados foram inicialmente priorizados em áreas com mais marcas de fogo. No entanto, concluiu-se que era o contrário: se os aviões conseguiram regressar foi porque as zonas afectadas eram menos críticas, tendo-se então decidido reforçar as zonas sem danos aparentes. Da mesma forma, restringir a análise do artigo aos sobreviventes após um ano distorce os resultados, pois exclui os casos que não sobreviveram e que seriam cruciais para uma análise completa.

O artigo discutido aqui está sendo usado como evidência para alimentar movimentos antivacinas em mídia social. Essa repercussão reflete diretamente a responsabilidade dos autores, revisores e editores. Ao não garantirem análises rigorosas e interpretações precisas, acabam contribuindo para a disseminação de desinformação.

Erros graves como os apresentados inviabilizam qualquer confiabilidade naquele estudo. Porém, quando aceito e divulgado como válido, acaba gerando uma falsa sensação de incerteza sobre a segurança das vacinas e enfraquece os esforços de saúde pública. Quando a má ciência se espalha, serve de combustível para a pseudociência e a desinformação, tornando-se um perigo real para a saúde coletiva.

*Thiago Cerqueira SilvaPesquisador do Departamento de Estatística Médica, Escola de Higiene e Medicina Tropical de Londres; Manoel Barral-NettoPresidente da ACB, Academia de Ciências da Bahia (ACB) e Viviane BoaventuraPesquisador da Fiocruz e professor da Faculdade de Medicina da Bahia, Universidade Federal da Bahia (UFBA)