A Falsa Luz no Fundo da Caverna: Cloroquina na COVID-19

Cercados pelo medo. Esperança é a última coisa que morre. Pandemia da COVID-19. Pandemia de artigos científicos. Pandemia de "leitores manada" dos artigos. Eu atiro para depois me perguntar em quem atirei e o porquê do disparo. Pois, como mencionei, estamos cercados pelo medo, mas esse não pode cegar nosso discernimento e crivo científico.

Hoje, estamos caminhando dentro de uma caverna escura e misteriosa. Nosso olhos ainda não se acostumaram com essa escuridão e com a capacidade de lidar com a incerteza do que vamos nos deparar a medida que andamos cada vez mais fundo nessa caverna. Nossos guias, nesse momento, não são as melhores companhias, é o pessimismo e o negativismo o tempo inteiro. Falam o tempo inteiro de quantas pessoas morreram nessa caverna, mas não nos encorajam com os números das outras várias que saíram dela ilesos. Nos contam histórias e nos mostram fotografias desastrosas dos viajantes dessa caverna, mas não nos acalentam com bons relatos e fotografias incríveis tiradas a partir dessa escura toca. Gostaria de ouvir bons comentários e raios de luz de esperança. E foi esse o raio de luz que nos apareceu, sendo noticiado muitas vezes como a "cura do coronavírus", esse raio de luz no fundo da caverna foi a cloroquina.


Nesse contexto, iremos comentar nas linhas a seguir o artigo intitulado de: Hydroxychloroquine and azithromycin as a treatment of COVID-19: results of an openlabel non-randomized clinical trial.

Ficha Técnica


Título do Artigo:

Hydroxychloroquine and azithromycin as a treatment of COVID-19: results of an openlabel non-randomized clinical trial.

Nome do Jornal Publicado:

International Journal of Antimicrobial Agents

Data de Publicação:

20 de Março de 2020

Autor Principal:

Philippe Gautret

Centro de Pesquisa do Autor Principal:

IHU-Méditerranée Infection, Marseille, France e Aix Marseille Univ, IRD, AP-HM, SSA, VITROME, Marseille, France.


Desenho do Estudo:

Ensaio Clínico Não Randomizado

Objetivo:

Avaliar o efeito da hidroxicloroquina nos pacientes infectados pelo SARS-CoV-2.

Desfecho Primário:

Clearance viral no 6º dia após a inclusão do estudo.

Cálculo Amostral:

48 pacientes com COVID-19 (50% de eficácia no 7º dia na redução da carga viral, poder de 85%, alfa de 0.05 e perda de follow-up de 10%)

Número de Pacientes no início do estudo:

42 pacientes

Grupo Tratamento:

Tratamento com sulfato de hidroxicloroquina oral 200mg, 3 vezes ao dia por 10 dias (26 pacientes)

Grupo Controle:

Tratamento sem uso da hidroxicloroquina (16 pacientes)


Critérios de Inclusão:

Para a inclusão no estudo devem ser preenchidos os 2 critérios primários:

1) Idade > 12 anos;

2) Carreador documentado de SARS-CoV-2 por PCR da amostra nasofaríngea na admissão independente do estado clínico.

Critérios de Exclusão:

1) Alergia conhecida a cloroquina ou hidroxicloroquina;

2) Tiveram alguma outra contraindicação para o tratamento ao longo do estudo, incluindo retinopatia, deficiência da G6PD e prolongamento do intervalo QT;

3) Gestantes ou mulheres em aleitamento.

Análise do Artigo

Essa ideia de ler artigo científico, como descrito pelo estudioso na área de Medicina Baseada em Evidência, Dr. Luís Correia, é muito mais uma "arte" do que meramente aplicações de check-lists. Precisamos chegar no cerne do artigo e entender sua essência para captarmos vieses que passariam debaixo do nosso radar caso fizéssemos nossa leitura usando ferramentas de "critical appraisals".

PRÉ-LEITURA

1ª Etapa: Controle do "Myself Bias"

Inicialmente, precisamos controlar nossas crenças internas sobre o tema. Recebemos essa notícia da Cloroquina como mensagens no Whatsapp, notícias na televisão e em discursos de presidentes. O que inicialmente parecia otimista demais e com "cara de fake-news". Antes então de lermos o artigo, tivemos que controlar nosso preconceito pela Cloroquina e a forma como ela foi veiculada e estarmos com a mente aberta para a leitura.


PRÉ-LEITURA

2ª Etapa: Probabilidade Pré-Teste da Ideia

Esse tópico não diz respeito apenas a plausibilidade biológica da ideia, ou seja, nos perguntar se tem lógica essa associação, mas devemos avaliar evidências prévias utilizando esse medicamento e termos uma noção do panorama geral do que devemos esperar de uma associação entre a utilização da Hidroxicloroquina e a redução da carga viral do SARS-CoV-2.


Antes de mais nada, vamos entender rapidamente o que é a cloroquina.

A Cloroquina é uma aminoquinolina (Antimalárico) disponível no formato via oral em comprimidos, que atua da seguinte forma:

  • Se ligando e inibindo as RNA ou DNA polimerase, interferindo no metabolismo e na utilização da hemoglobina do parasita;

  • Inibe os efeitos da prostaglandinas;

  • Concentra dentro do parasita vesículas ácidas, elevando o pH interno, resultando em uma inibição do crescimento;

  • Agregação da ferroprotoporfirina IX atuando como os receptores de cloroquina causando danos na membrana;

  • Pode interferir na síntese de proteínas nucleares.

Então, basicamente é isso que ele faz com bom antimalárico. E como "Anti-COVID", o que acontece? Ainda não é muito claro os mecanismos fisiopatológicos que podem se associar, mas parece que a cloroquina muda o pH da superfície da membrana e inibe a fusão viral, ou então relacionado com a interferência na síntese de proteínas nucleares.


Mas o que temos de evidência prévias com uso da cloroquina nas infeções virais?

Desde 1969, a cloroquina vem sendo testada essa hipótese da cloroquina inibir o crescimento viral. Porém, com uma série de resultados negativos para tal hipótese:

Além de muitas outras que vocês podem conferir nessa publicação aqui, não temos uma probabilidade pré-teste promissora para a hipótese sendo testada (baixa probabilidade pré-teste). Ou seja, mesmo diante de um resultado positivo promissor, ainda sim não podemos trazer esse estudo como algo confirmatório, pela baixa probabilidade pré-teste da ideia que está sendo testada.


PRÉ-LEITURA

3º Etapa: Probabilidade Pré-Teste dos Resultados

Depois de analisar a probabilidade pré-teste da hipótese do autor, vamos avaliar a probabilidade pré-teste dos achados do autor: é bom demais para ser verdade? Vamos olhar os resultados no resumo e bisbilhotar um pouco desses resultados no texto.

O estudo apresentava ao final de tudo apresentou um total de 70% dos pacientes "curados" no grupo tratamento-cloroquina e 12.5% dos pacientes no grupo controle (p=0.001). Se calcularmos a redução relativa do benefício de você ter um bom desfecho de redução da carga viral de SARS-CoV-2 utilizando a cloroquina seria:

  • Risco relativo (RR) do benefício = Riscocontrole/Riscotratamento = 12.5%/70% ~= 0,18%

  • Redução relativa do benefício = 1 - RR = 0,82 = 82%

Ou seja, você tem um benefício de 82% a mais na redução da carga viral se você utilizar a cloroquina. Isso é surreal. Normalmente, não encontramos esses benefícios estupendos. Então, sobre a pergunta lá em cima: "está muito bom para ser verdade".


INÍCIO DA LEITURA

4ª Etapa: Entender a Intenção do Autor

Quando lemos artigos, precisamos estar atentos para a intenção do autor. Para isso vamos avaliar sua conclusão com base no seu objetivo: ele está sendo tendencioso em sua conclusão?


OBJETIVO

CONCLUSÃO

Podemos perceber algumas coisas com essa comparação objetivo-conclusão:

  • É uma conclusão positiva, ou seja, o autor encontrou o resultado da sua hipótese;

  • "Brotou" uma azitromicina na sua conclusão, algo que não era proposto no seu objetivo;

  • Teor épico e confirmatório da sua conclusão:

"[...] recomendamos que os pacientes de COVID-19 sejam tratados com hidroxicloroquina e azitromicina para curar a infecção e limitar a transmissão do vírus para outras pessoas, para freiar a disseminação do COVID-19 no mundo".

  • Parágrafo final grifado em verde querendo dizer o seguinte: "nosso trabalho quase não tem validade interna, mas nessa situação, precisamos que isso seja 'verdade'".

Percebam, equipe, que o autor não está com boas intenções. Me parece muito uma manchete do G1 essa conclusão. Muito positiva. Muito enfeitada. Pouca ciência, muita propaganda. Diante disso, vamos dobrar nossa atenção na leitura do artigo.


INÍCIO DA LEITURA

5ª Etapa: Avaliar o Envolvimento dos Autores com a Indústria

Esse ponto é bem importante. Imagina se o autor principal é o dono da fábrica da Cloroquina? Complicado. Mas, para o bem da nação, não houve financiamento de indústrias farmacêuticas e o suporte foi governamental (vemos isso lá no final do texto).


INÍCIO DA LEITURA

6ª Etapa: Avaliar o Protocolo do Estudo

Nesse ponto, vamos avaliar se o autor ao longo do estudo, modificou seu protocolo ou ao menos registrou o protocolo antes de iniciar o estudo. Se não fizer isso, é como um mágico que vai adivinhar um número que você está pensando na cabeça:


- Pensa em um número de 0-100... - Pensei, Mister M. - Qual foi o número que você pensou? - 4. - Sabia, que era esse! É o que eu achava desde o começo.


Não tem lógica fazer isso. Mas isso acontece. O autor encontra um achado e fala que é isso que ele queria encontrar, porque não publicou previamente o que ele queria com a pesquisa.


No caso desse estudo, ele publicou o protocolo dele no EU Clinical Trials Register, ao acessar não conseguimos ver se houve modificações ao longo do tempo como podemos ver no ClinicalTrials.gov, mas o objetivo e o desfecho primário da pesquisa dele são iguais aos que estão no artigo.


LEITURA DO ARTIGO

7ª Etapa: Erros Sistemáticos

Pronto, chegamos onde todos os "check-lists" começam, mas perceberam o quanto de coisa tivemos que fazer antes de chegar até aqui? Então vamos avaliar agora a metodologia do estudo, o desenho dele, procurar por erros no planejamento e na execução dele. Portanto, vamos aprofundar essa análise nos Métodos do estudo.

1) Randomização

A randomização tem o intuito de reduzir o viés de confusão da amostra, uma vez que ela tenta criar grupos homogêneos, de modo que a única diferença entre eles seria a intervenção.

Como vimos, esse foi um estudo não randomizado o que abre margem para a presença do viés de confusão dentro do estudo, ou seja, pode existir a presença de um 3º ou 4º ou 5º fator que esteja ligando as duas associações (ex. quem bebe mais café, tem mais câncer de pulmão. Todavia, quem bebe mais café, também tende a fumar mais, logo o fumo foi uma variável de confusão).


2) Cegamento

Pra quê um estudo precisa ser cego? Para evitar um viés de desempenho de 3 pessoas: do participante, do administrador da terapia e do analista de dados.


Se o paciente sabe qual o grupo que ele está, só pelo fato de ele saber que ele é do grupo tratamento, por exemplo, ele pode imaginar que o tratamento vai funcionar melhor e segue mais a risca e se dedica mais. Isso faz com que ele obtenha melhores desfechos. O contrário também é verdadeiro, um paciente no grupo placebo acha que não vai funcionar.


O administrador da terapia sabendo qual grupo é o paciente, ele pode tratar melhor um grupo de pacientes do tratamento, oferecendo melhores cuidados, mais assistência. Pelo contrário, se ele sabe que é do grupo controle, ele pode oferecer piores cuidados para o paciente. O paciente que é mais observado e melhor cuidado, desempenha melhor, isso é chamado de Efeito Rowthorn.


Assim como o analista de dados, sabendo qual grupo é o paciente, ele pode ser mais rígido ou menos rígido na análise de dados daquele paciente e isso interferir nos resultados.


Como vimos, ele é um estudo não cego. O que abre margem para presença de viés de desempenho nas três esferas como vimos anteriormente.


3) Compare "LIKE WITH LIKE"

Esse é o ponto básico proposto por Bradford Hill para os estudos que é comparar semelhante com semelhante. Não dá para fazermos um estudo testando a eficácia da estatina na mortalidade geral comparando um grupo tratamento de idosos com um grupo placebo de jovens atletas. Ou então, comparar a mortalidade da insuficiência cardíaca em um grupo usando um tratamento otimizado dose máxima com um grupo placebo dose moderada. Precisamos comparar IGUAL COM IGUAL.


Primeiro ponto: os grupos são semelhantes nas suas características entre si?

Como vemos esse pedaço do texto retirado da primeira parte dos resultados, vemos que houve uma diferença na idade entre os dois grupos significativa, onde os pacientes que receberam o tratamento da hidroxicloroquina são mais velhos do que os pacientes do grupo controle.


Segundo ponto: o grupo controle de fato é um grupo controle? As intervenções são comparáveis entre si?

Primeira coisa que vemos, é que os pacientes do grupo tratamento são recrutados e manejados no centro de Marseille e recebem a hidroxicloroquina. Os pacientes do grupo controle são recrutados e manejados Marseille e em outros centros, o que podemos ter uma diferença de tratamento, assistência, cuidado para os controles localizados em outros centros. Além disso, não tem especificação quanto ao tratamento que será administrado ao grupo controle, apenas: tratamento sem hidroxicloroquina. Abrindo margem para o viés de desempenho que comentamos.


Pacientes que se recusavam receber o tratamento, iam parar no grupo controle. Isso pode mostrar um grupo de pacientes com mais medo ou mais negligentes, ou seja, diferentes que iam parar no grupo controle podendo alterar os resultados pelo viés de desempenho.


O mais absurdo: pacientes que tinham critérios de exclusão, não eram excluídos do estudo e sim alocados para o grupo controle. Se o paciente apresenta critérios de exclusão, ele não deve ser incluído no estudo como já diz o nome do critério, sendo sua inclusão levar a alteração dos resultados seja por efeito de confusão, por efeito de desempenho, por qualquer tipo de viés a depender de quais eram os critérios.


Uma coisa fundamental aqui é, que os pacientes iriam receber tratamentos sintomáticos e antibióticos quando necessário para prevenir super-infecções de bactérias, baseados no julgamento clínico. Ponto final. Nada mais. Depois vocês vão entender o porquê.


4) Análise Por Intenção de Tratar

O ideal em estudos de superioridade, é utilizar a análise por intenção de tratar uma vez que ela favorece a hipótese nula do estudo e evita a quebra da randomização. Assim, na análise por intenção de tratar, o paciente será a analisado como o grupo que ele foi inicialmente alocado, independente do que aconteça com ele: seja ele falecido, mudado de grupo (tomado o tratamento ao invés do placebo), saído do estudo...


Nesse caso, ele não diz como ele fez sua análise, mas ele fez sua análise disfarçadamente por protocolo.

Como vemos aqui, ele excluiu 6 pacientes que supostamente "perderam follow-up". Sendo que 3 deles foram transferidos para a UTI, ou seja, ele poderia ter ido até a UTI para conseguir as informações, mas preferiu excluir do estudo. 1 paciente faleceu. 1 paciente decidiu parar o tratamento porque estava ficando com náuseas e o outro foi excluído porque deixou o hospital. Perceba, que esses 5/6 pacientes do grupo tratamento tiveram um desfecho negativo e foram excluídos do estudo. Reduzindo assim, o número de desfechos negativos nesse grupo.


5) Análise do Desfecho

O desfecho é a forma como vamos mensurar ou utilizar para conseguir provar nossa hipótese. Ele não pode ser subjetivo demais ("soft" ou mole) que possa ser difícil de ser aferido ou facilmente manipulado, como por exemplo, internação por angina - internação é algo muito subjetivo e o médico pode escolher quando ele vai internar ou não e pode criar desfechos. Por outro lado, mortalidade é um bom desfecho objetivo ("hard" ou duro") porque é fácil mensurar e incapaz de manipular.


Além disso, o desfecho deve ser clínico, ou seja, o desfecho está relacionado com uma melhora clínica de aspectos clínicos do paciente e não por medidas laboratoriais ou exames de imagem, ou seja, por marcadores intermediários (desfecho substituto).


E em casos de desfecho composto, ou seja um grupo de desfechos, (Ex. MACE: Major Cardiovascular Events - Mortalidade Geral, Mortalidade por IAM, Internação por Insuficiência Cardíaca) precisamos estar atentos na "dureza" dos desfechos incluídos e na contribuição de cada um para o resultado encontrado.

O que vemos aqui é um desfecho primário substituto, ou seja, estou medindo a redução da carga viral pelo método PCR no após 6 dias da inclusão no estudo. Isso não significa que a pessoa que usa clororoquina vai morrer menos, vai melhorar dos sintomas gripais, vai precisar de menos internação, ela vai melhorar a carga viral após 6 dias de utilização da droga. Essa é a conclusão que podemos chegar com esse desfecho e o que passar disso é extrapolação.


Desfechos substitutos são bons geradores de hipóteses ou busca por mecanismos fisiopatológicos, mas não foram feitos para predizer desfechos clínicos.


6) Perda de Seguimento

É tolerável uma perda de 15% dos pacientes ao longo do estudo, acima disso, temos um desbalanço muito grande entre grupos, ou podemos comprometer nosso poder estatístico. Para mensurar isso, iremos ver a diferença entre o número de pacientes alocados no estudo e o número de pacientes analisados para o desfecho.

Pacientes alocados no estudo = 36 Pacientes

Número de perdas dos pacientes = 6 Pacientes

Número de pacientes analisados = 30 Pacientes

Perder 6 pacientes de 36 pacientes = 6/36 ~= 0,17 = Perder 17% dos pacientes


Como pudemos observar, houve uma perda maior que 15% do número de pacientes o que prejudica a análise principalmente o poder estatístico.


LEITURA DO ARTIGO

8ª Etapa: Erros Aleatórios

Depois de visto a metodologia, vamos buscar por possíveis erros decorrentes do acaso, ou forjando resultados a partir do acaso. Isso nós observamos principalmente nos resultados.


1) VALOR DE P

O valor de P nos indica basicamente a seguinte ideia:


 Qual a probabilidade de eu ter encontrado esse resultado por sorte? 

Se essa probabilidade de eu ter encontrado isso na sorte for muito pequena, menos que 5%, eu considero que essa associação existe e não foi por acaso: daí surge o p < 0.05.

Ele obteve um valor de p, estatisticamente significante <0.05 (p = 0.001), logo essa associação aparentemente não foi por acaso.


2) PODER ESTATÍSTICO + CÁLCULO AMOSTRAL

O poder estatístico está relacionado, basicamente, a seguinte ideia:


Qual a probabilidade de eu encontrar uma diferença que existe? 

Ou seja, o poder é sua capacidade de encontrar uma diferença que existe! Se você tiver pouco poder, mesmo que uma diferença exista, você pode não detecta-la. Para isso, precisamos calcular nossa amostra com base em inúmeros parâmetros para conseguir de fato obter esse poder estatístico que desejamos >80%.

Dentro de alguns parâmetros que podemos utilizar no cálculo do tamanho amostral incluímos:

  • Diferença que seremos capazes de detectar entre os grupos;

  • Poder do Estudo (1-Beta);

  • Probabilidade do Erro do Tipo I (Alfa);

  • Prevalência dos desfechos na população (raro ou comum);

  • Perda de follow-up.

Percebam que para obter um poder de 85% e encontrar uma diferença de 50% de eficácia da hidroxicloroquina, precisaria de 48 pacientes, quando de fato ele possuía 30 pacientes. Temos um estudo pequeno e impreciso, com alta probabilidade de erro decorrente do acaso.


3) O BROTAR DA AZITROMICINA

Como vimos acima, os médicos estavam autorizados, por julgamento próprio, a lançar mão de antibióticos para deter super-infecções de bactérias. Eis que no meio dos resultados, o autor impute uma metodologia nova e coloca a azitromicina:

Ele decide, arbitrariamente, sem nenhum planejamento na metodologia ou no protocolo, dar azitromicina para 6 pacientes apenas do grupo tratamento e não dar para nenhum do grupo controle.

E encontrou uma taxa de "cura" de 100% dos pacientes que utilizaram essa combinação. Não foi feito nenhum cálculo, nenhuma metodologia a respeito disso. Nesse momento, a probabilidade de isso ter acontecido por acaso é gigante.

Isso vira o título do artigo e o gráfico veiculado nas redes sociais. Como falei, é o brotar da azitromicina. Inacreditável.


PÓS-LEITURA DO ARTIGO

9ª Etapa: Impacto Clínico

É um estudo com um resultado positivo, mesmo que falsamente positivo, mas o que o paciente vai se beneficiar desse tratamento?

Como vimos lá em cima, o estudo apresentava ao final de tudo apresentou um total de 70% dos pacientes "curados" no grupo tratamento-cloroquina e 12.5% dos pacientes no grupo controle (p=0.001). Se calcularmos a redução relativa do benefício de você ter um bom desfecho de redução da carga viral de SARS-CoV-2 utilizando a cloroquina seria:

  • Risco relativo (RR) do benefício = Riscocontrole/Riscotratamento = 12.5%/70% ~= 0,18%

  • Redução relativa do benefício = 1 - RR = 0,82 = 82%


Que vimos que uma Redução Relativa do Risco Positivo de

82% é muito grande para ser verdade.


E mesmo que fosse verdade, é uma redução de 82% na sua carga viral no PCR e não uma redução na chance de você morrer ou ser internado por COVID-19.


Uma medida que mensura a magnitude do tratamento é o Número Necessário para Tratar (NNT) - quem quiser saber mais sobre acessa esse link - obtido a partir da Redução Absoluta do Risco (RAR).

  • Redução Absoluta do Risco (RAR) = Risco do Tratamento - Risco do Controle = 70 - 12.5 = 57,5

  • Número Necessário para Tratar (NNT) = 100/RAR = 100/57,5 ~= 1,74 ~= 2

NNT = 2, significa que a cada 2 pessoas que você trata, 1 delas recebe o verdadeiro benefício do medicamento. Isso é um valor fantasioso e irreal - poucos tratamentos chegam a esse número. Isso está com um NNT menor do que desfibrilar um paciente que está em parada cardíaca que possui um NNT = 2,5 e o da Cloroquina na redução da carga viral da COVID-19 é NNT = 1.74


PÓS-LEITURA

10ª Etapa: Take (Stay) Home Message

É um artigo que parte de uma baixa probabilidade pré-teste de existir uma correlação, apresenta incontáveis erros metodológicos e aleatórios, efeitos surreais de magnitude do tratamento. Pode até ser que a cloroquina venha se provar no futuro como realmente efetiva contra o COVID-19 (baixa probabilidade), mas não é com esse estudo que podemos obter essa resposta.

Acima de tudo, ele nos traz uma lição importante:


Em situações de desespero e de caos, não é uma justificativa para uma falta de integridade científica, mas é o momento onde mais precisamos ser íntegros para encontrar, não o caminho certo, mas sim o melhor caminho.


Como já dizia Doug Altman:


We need less research, better research, and research done for the right reasons


Referências:

  • Gautret P, Lagier JC, Parola P, Hoang Vt, et al. Hydroxychloroquine and azithromycin as a treatment of COVID-19: results of an open-label non-randomized clinical trial. International Journal of Antimicrobial Agents. 2020; 55 (3).

  • Paton NI, Lee L, Xu Y, Ooi EE, et al. Chloroquine for influenza prevention: a randomised, double-blind, placebo controlled trial. The Lancet Infectious Diseases. 2011; 11 (9): 677-683.

  • Tricou V, Minh NN, Van TP, Lee SJ, et al. A Randomized Controlled Trial of Chloroquine for the Treatment of Dengue in Vietnamese Adults. PLOS Neglected Tropical Diseases. 2010; 4 (8): e785.

  • Inglot AD. Comparison of the Antiviral Activityin vitroof some Non-steroidal Anti-inflammatory Drugs. Journal of General Virology. 1969; 4 (2).

  • Vigerust DJ, McCullers JA. Chloroquine is effective against influenza A virus in vitro but not in vivo. Influenza and other respiratory viruses. 2007; 1 (5-6): 189-192.

  • Touret F, de Lamballerie X. Of chloroquine and COVID-19 [published online ahead of print, 2020 Mar 5].Antiviral Res. 2020;177:104762. doi:10.1016/j.antiviral.2020.104762

  • https://www.thennt.com/nnt/defibrillation-for-cardiac-arrest/