O que é a testagem em “pool”, estratégia para agilizar o diagnóstico de Covid-19
Testar vários pacientes ao mesmo tempo pode diminuir custos – e, em certos casos, adiantar o retorno à normalidade. Entenda.
Uma das maiores dificuldades no monitoramento da pandemia de Covid-19 é a subnotificação. Para entender o ritmo em que a doença está se espalhando e poder planejar uma reabertura segura, são necessários testes. A testagem maciça foi a estratégia que a Coréia do Sul, Japão, Uruguai e outros países usaram para conter o avanço do vírus sem precisar impor um lockdown restrito. E deu certo.
A lógica é simples. Para conter a pandemia, é preciso isolar pacientes que contraíram a doença. Assim, pessoas doentes não vão passar o vírus a frente, e os casos começarão a cair. Mas para isso, é preciso saber quem quem está doente. Como muitos dos pacientes são assintomáticos, a maneira mais eficaz de descobrir quem está com o vírus é fazendo uma grande quantidade de testes. Sem eles, a epidemia facilmente sai do controle e não há como saber quem está infectado, e aí é preciso recorrer ao isolamento de toda a população.
A testagem maciça é mais complexa em países continentais, como o Brasil e Estados Unidos, que demandam milhões de testes. O Uruguai fez 248 testes para cada caso confirmado no país, o que manteve o total de infectados abaixo de mil. Já o país americano, que possui uma população cem vezes maior, testou 12 pessoas para cada caso confirmado – já são mais de três milhões.
Uma estratégia que está sendo estudada pelos Estados Unidos, é a testagem agrupada, ou em pools. Ela consiste em testar pequenos grupos de pessoas usando apenas um teste. Isso poderia tornar a testagem disponível para mais pessoas, mais rápido e de uma forma mais econômica.
Nesse caso, o teste aplicado deve ser o RT-PCR, considerado o mais preciso para diagnóstico. Ele é feito a partir de amostras da mucosa do nariz ou da garganta, coletadas com um cotonete. Essa técnica identifica a presença do vírus no corpo – ao contrário dos testes rápidos, que detectam os anticorpos.
Para isso, amostras de diferentes pessoas são misturadas e testadas como se fossem uma só. Se o teste der negativo, é porque o material genético do vírus não foi encontrado – logo, nenhuma das pessoas possui a doença. Se o resultado for positivo, significa que uma ou mais pessoas estão infectadas, então o teste é repetido em cada uma das pessoas individualmente, para identificar quem está com o vírus.
A técnica também é útil para planejar um possível retorno à vida normal. Em uma sala de 20 estudantes, por exemplo, eles podem ser divididos em grupos de 5 para fazer o teste. A amostra de cada pessoa é coletada e misturada com o resto do grupo. Ao invés de usar 20 testes, só foram necessários 4.
Essa estratégia é razoável uma vez que a maior parte da população não está infectada – logo, a maior parte dos testes tem resultado negativo. Mas a economia também depende da prevalência da doença naquele conjunto de pessoas testadas. Se muitos grupos testarem positivo, serão necessários mais testes individuais para comprovar quem está infectado, então a economia será menor. Em uma escola em que 9% dos alunos estão infectados, a economia será de 50%; mas se apenas 0,1% se infectaram, a economia chega a 90%.
A testagem em pool já é usada para monitorar doenças assintomáticas na população. Laboratórios usam a técnica para identificar doenças como HIV, gonorréia e clamídia antes de uma doação de sangue. No início da pandemia nos Estados Unidos, a Universidade de Stanford usou a testagem agrupada para monitorar casos em São Francisco.
Há a preocupação de que misturar de amostras possa diluir a solução, tornando o teste impreciso. Mas estudos mostram que os resultados são quase tão precisos quanto os testes individuais se forem feitos em grupos de, no máximo, oito pessoas.
Para decidir qual é o melhor protocolo a ser adotado, cientistas colombianos propuseram uma fórmula matemática que calcula a estratégia mais eficaz, levando em conta a prevalência da doença na população e número de pessoas por grupo. Ela permite a um programa de computador gerar uma lista com as melhores estratégias para otimizar os testes disponíveis, mantendo a precisão dos resultados.