Новые тесты на антитела могут кардинально изменить правила игры в защите населения от инфекции и одновременно перезапустить экономику. Давая "паспорта неприкосновенности" тем, у кого был положительный результат теста на болезнь, позволит тысячам людей вернуться на работу.
Тем не менее, эта новая идея вызывает столько же споров, сколько и ажиотаж. Многие люди прежде всего думают об этических последствиях. Людей, находящихся в трудных экономических обстоятельствах, могут, наоборот, побудить заразиться болезнью, чтобы они могли вернуться к работе. Для других проблемы конфиденциальности, связанные с централизованным хранением медицинских данных, являются камнем преткновения. Всемирная организация здравоохранения (ВОЗ) также поставила под сомнение степень защиты людей, выздоровевших от COVID-19, от заражения в будущем.
Возможно, наименее понятная проблема – это точность тестов. Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) предоставило разрешение на использование в чрезвычайных ситуациях семи производителям, чтобы они принесли на рынок тесты на антитела к COVID-19. Один из первых тестов для получения авторизации был разработан Cellex. Если у вас есть антитела против COVID-19, их анализ покажет вам это правильно 93.8% времени (это "чувствительность"). Если вы этого не сделаете, он получит это правильно 95.6% времени (это "специфичность"). Получение правильного результата более чем в 90% случаев звучит довольно обнадеживающе.
Но давайте посмотрим, что было бы, если бы тест дали 10 000 человек, как на диаграмме ниже. Хотя (оценки значительно различаются), ВОЗ недавно предположила, что всего 3% мирового населения могли иметь COVID-19 и выздороветь. Это означает, что 9700 из 10000 протестированных не болеют этим заболеванием, и только 300 будут иметь. Из 300 выздоровевших пациентов 93.8% – или 281 – правильно скажут, что у них есть антитела против этого заболевания. Из подавляющего большинства (9700) людей, не болевших этой болезнью, 4.4% – или 427 – ошибочно скажут, что они перенесли болезнь и выздоровели.
Ложноположительные результаты могут перевешивать истинные положительные результаты, если распространенность болезни в популяции низкая, а тест не обладает специфичностью. Автор создан
Короче говоря, ложноположительные результаты получат гораздо больше людей, чем истинно положительные. До 60% тех, кто вернулся на работу, могут сами подвергаться риску заражения и неосознанно распространять болезнь среди других, что спровоцирует вторую волну эпидемии. Если истинная распространенность заболевания среди населения составляет всего 1%, то этот показатель может возрасти до 80%.
Проблема перевешивания ложных срабатываний на истинные срабатывания возникает в любой ситуации, когда распространенность заболевания в тестируемой популяции низкая, а тест дает значительную долю ложных срабатываний. Как я узнал в «Математике жизни и смерти», такая ситуация часто встречается в программах скрининга. Например, при скрининге на рак груди ложноположительные результаты могут перевешивать истинные положительные результаты в соотношении три к одному, что вызывает серьезное беспокойство и возможность проведения ненужных процедур.
Однако повторение того же теста на антитела может снизить количество ложных срабатываний. Повторное тестирование тех людей, у которых был положительный результат первого теста, и выдача паспортов иммунитета только тем, кто получил два положительных результата, может снизить долю ложноположительных результатов до менее 7% (см. Диаграмму ниже) – значительное улучшение.
Но двойное тестирование работает только в том случае, если результаты двух тестов независимы. Если, однако, причина ложных срабатываний носит систематический характер – например, обнаружение антител от других коронавирусов, то нет оснований полагать, что второй тест сработает лучше, чем первый.
Даже если нет более точного теста, повторное тестирование всех пациентов с положительным тестом может значительно снизить количество ложных срабатываний, но только если ошибка не является систематической. Автор создан
Ложноотрицательные результаты
В то время как ложные срабатывания являются проблемой для более широкого сообщества, больницы могут столкнуться с острой проблемой из-за ложноотрицательных результатов. По ряду причин (включая неточный мазок и переменную вирусную нагрузку) тест ОТ-ПЦР, используемый для диагностики людей, которые в настоящее время болеют COVID-19, дает ложноотрицательный результат до 30%. В зеркальном отображении ситуации в более широком сообществе, когда распространенность заболевания в группе высока (как у пациентов, госпитализированных в больницы с подозрением на COVID-19) ложные негативы затмевают истинные негативы с потенциально катастрофическими последствиями.
Естественно предположить, что люди, поступающие в больницу с тяжелыми симптомами COVID-19, вероятно, болеют этим заболеванием. Этим людям необходимо поставить правильный диагноз, чтобы их можно было изолировать от общей популяции больниц и лечить.
Предполагая, что 90% этих случаев будут иметь заболевание, естественно спросить, какая часть отрицательных результатов тестов верна. Используя тот же математический аргумент, что и раньше, учитывая репрезентативную выборку из 10 000 пациентов, приведенная ниже диаграмма показывает, что в этом случае отрицательный результат может быть верным лишь в одном случае из каждых четырех.
Отрицательные результаты теста RT-PCR могут быть правильными не чаще, чем в четверти случаев. Эта диаграмма предполагает преобладание 90%, ложноположительных 5% и ложноотрицательных 30%. Автор создан
Это огромная проблема для больниц. Пациенты, которые должны быть изолированы, могут быть неправильно отправлены в палаты с отрицательным диагнозом COVID и получать несоответствующее лечение или даже быть отправлены домой, думая, что они не заразны, только для того, чтобы широко распространить болезнь.
Понимание поразительного количества ложноположительных и ложноотрицательных результатов тестов, которые на первый взгляд кажутся достаточно точными, может иметь серьезные последствия для политики здравоохранения по мере того, как мы углубляемся в эту пандемию. Невыполнение нашей математической проверки может привести нас к переломному моменту, после которого эпидемия снова начнет расти, что приведет к еще большему количеству смертей, которых можно было бы избежать.