Hoe gevaarlijk is Covid-19 nu écht? Een recent document van het Europees geneesmiddelenagentschap EMA geeft een duidelijk antwoord.
De Hazard Ratio (HR) van een dodelijke afloop van Covid-19 wordt voor de leeftijdsgroep 50 tot 59 jaar op 1 geplaatst (zie onder). Voor de leeftijdsgroep 18 tot 39 bedraagt het (aangepaste) risico slechts 5 % van de vijftigers. Anders gesteld is het risico bij hen dus 20 keer lager dan bij de vijftigers.
Bij bejaarden is die verhouding uiteraard omgekeerd. Aangezien het risico van dodelijke Covid-19 exponentieel toeneemt met de leeftijd is het risico bij hen ook veel groter. Voor 80-plussers is het risico op mortaliteit zelfs ruim 43 keer hoger dan bij de 50-plussers.
Het toont opnieuw aan dat Covid-19 gevaarlijk is voor oudere personen. Het volledige rapport staat hier .
Wanneer er bij een survival analyse slechts één voorspellende factor onderzocht wordt die slechts een paar mogelijke waardes kan aannemen, kan een Kaplan Meier analyse volstaan. Zijn er echter meerdere factoren die de overleving kunnen beinvloeden, dan is een uitgebreider model nodig. Een veel gebruikt model is het Cox proportional hazards model. Hiermee kun je net als met andere multivariabele regressie modellen meerdere voorspellers tegelijk bestuderen. Voordeel van het Cox model boven een Kaplan Meier analyse is bovendien dat er naast de vraag "is er een effect" ook antwoord gegeven wordt op de vraag "hoe groot is het effect" van een bepaalde voorspeller. Het Cox model geeft de grootte van een effect weer met behulp van hazard ratio's (HR), waarbij een HR van 1 aangeeft dat er geen verschil is. De hazard is de instantane kans om een event te krijgen, en een hazard ratio is vergelijkbaar met een relatief risico. Bijvoorbeeld: "During the 20-year follow-up, 83 women developed lung cancer. There was a moderate association between hormone use and lung cancer (hazard ratio, 1.13; 95% CI, 1.08-1.73)."
Het Cox model maakt een belangrijke aanname: de proportional hazards assumptie. Deze zegt dat de HR's constant zijn in de tijd. Dit betekent dat het relatieve verschil in hazard veroorzaakt door verschillende waardes van een voorspeller gelijk blijft in de tijd. Er wordt in het bovenstaande voorbeeld dus vanuit gegaan dat het wel of niet gebruiken van hormonen een zelfde invloed heeft na 1 jaar als na 20 jaar follow up: op ieder tijdstip wordt de kans op het optreden van longkanker bij hormoongebruik 1.13 keer hoger geschat dan dezelfde kans als er geen hormonen werden gebruikt. Bij een Cox regressie, zijn er verder geen specifieke aannames over de verdeling van de hazard functie of voorspellende variabelen. Ze hoeven dus niet normaal verdeeld te zijn .
