澳大利亚真的有6万未确诊病例吗?
一个初步研究据澳大利亚国立大学(Australian National University)等机构的研究人员本周在网上发布的一份报告估计，到7月中旬，有7.1万澳大利亚人感染了COVID-19，比那个阶段的官方确诊病例多出6万人。
该研究涉及在四个州的十家医院测试2,991名选修外科患者，看看它们是否有针对SARS-COV-2的抗体，导致Covid-19的病毒。
该研究最初发现了41名阳性患者（1.4％），但随后调整了由于抗体试验的不完美特异性而产生的假阳性，研究人员估计为每1000个测试产生11个误报。这估计患病率为0.28％ - 从抽样的2,991人的八个“真实”阳性。
研究人员然后将这个估计，包括它的不确定性参数，外推到整个澳大利亚人口。他们最终得出的结论是，澳大利亚携带SARS-CoV-2抗体的人数——也就是可能感染了covid -19的人数——介于零到181,050人之间，最有可能约为71,000人。
这提出了两个主要问题：这应该改变我们对Covid-19的差异的最佳观点，以及我们应该了解的研究有什么局限性吗？
让我们从后一个问题开始。以下是解释结果时需要考虑的四个关键问题。
1.假阳性
在Covid-19率非常低的国家，例如澳大利亚，抗体测试的关键要求是高度具体的也就是说，为了避免误报。这比“高度”更重要敏感的（避免虚假的否定）。
据报道，新研究中使用的抗体试验具有98.9％的特异性，灵敏度为100％。这意味着每1000个测试，我们都可以期待11个误报，没有假底片。
想象一下病毒患病率高的地方，如纽约市，在哪里大约20％人们估计有Covid-19。一个样本平均而言，1,000人含有200个Covid-19个积极的人，其中测试将正确识别所有200，没有假底片。它也会发现11人阳性实际负面，估计普遍性为1,000人，或21.1％ - 接近真实数字。
现在想象一下1000澳大利亚人的样本，具有Covid-19流行，比如说，0.2％。
在这个样本中，只有两个人会正确地检测出阳性，但我们同样预计该测试会产生11个假阳性。这使得1000人中估计有13人，或1.3%，这比真实数字高出数倍。
即使您修改了估计，才能考虑到预期的误报，因为作者所做的，我们可以看到估计低普遍性的努力。少数实际情况易于在噪音中丢失。
2.样本大小
更大的样本量可以提供改善的精度。这小样本大小这就是为什么这项研究的估计范围如此之广。事实上，它一直延伸到零，尽管我们知道澳大利亚不可能没有COVID-19病例。但无论研究小组的规模有多大，只要患病率较低，假阳性问题就永远不会真正消失。
3.测试方法
一项解决方案将通过当前可用的商业标准重新测试样品抗体测试特异性为99.9％。这将提供一种克服误报问题的方法。
只有一名COVID-19阳性患者与一名已知COVID-19病例有过接触，检测呈阳性的患者中没有一人报告过任何COVID-19样疾病，这一事实支持了样本包含大量假阳性的怀疑。
4.外推法
结果还有问题，结果如何可以推广到整个澳大利亚公众。该研究涉及接受选修外科的人们，可能对病毒的暴露风险不同。
无论是在推翻到更广泛的澳大利亚人群的情况下，是否难以提供任何调整的任何调整，如过去的年龄，性别和居住地。
那么我们肯定会说什么？
我们可以从这项研究中确定有关暴露于Covid-19的人数在澳大利亚的研究中吗？不幸的是，没有更大的样本，更广泛的人口采样，以及更可靠的测试，我们更多地了解了与我们已经做过的Covid-19暴露的普遍存在。
这意味着，用这些新发现来宣称COVID-19的危险或致命程度比我们想象的要低是不明智的。
而不是将这些估计视为面值，我们真正需要的是更全面的测试SARS-COV-2的患病率抗体，包括跟踪这种流行随着时间流行的研究。
无论如何，澳大利亚可以认为自己很幸运，因为它的病例数量足够少，因此假阳性问题成为解释这类研究的一个主要警告。可悲的是，在其他许多地方，假阳性被大量真实病例所掩盖。
Ian Cockburn是一名学习的引导作者，告诉谈话误报在尝试估计低流行率时，确实更有可能成为一个重要因素，但将研究作为基于两个单独的统计分析的“最佳估计”，两者都达到相同的结果。他补充说，研究团队计划使用进一步的统计方法来检查研究结果，然后才接受完全出版物。
他说，研究样本“不是人群的完美横截面”，理想的研究规模是6000 - 10000人，但从一般人群中获取血液样本在后勤和成本方面存在重大障碍。
他补充说，难以验证商业公司的索赔具有更高的特异性抗体检验，并且注册假阳性的患者也可能与另一个患者测试假阳性测试如果它以同样的方式工作。
用户评论