Опубликовано : Сен 02, 2020

Групповое тестирование для борьбы с COVID-19

covid
Кредит: Pixabay/CC0 Public Domain

В австралийском штате Виктория, в котором в июле были введены строгие ограничения этапа 4 после резкого увеличения числа случаев COVID-19, сейчас проводится блиц-тестирование, чтобы выявить все возможные случаи заболевания в надежде быстро остановить вспышку.

В настоящее время они проводят в среднем около 20 000 тестов каждый день, причем большинство результатов возвращается в течение трех дней.

Но достаточно ли этого?

Есть призывы к массовому тестированию бессимптомных людей, чтобы получить полное представление о том, как болезнь распространяется в обществе. Это может быть важным шагом в борьбе со вспышками, но как мы можем значительно расширить масштабы тестирования, не перегружая испытательные лаборатории?

Есть простой ответ — групповое тестирование. Объединив образцы от нескольких людей в один тест, 20 000 анализов могут охватить 100 000 человек. Для сужения числа положительных результатов, обнаруженных в групповых тестах, потребуется дальнейший анализ, но это будет означать, что 20 000 тестов можно будет проанализировать за 6–12 часов вместо 48–72 часов.

Профессор Аурора Делэйгл — профессор статистики в Мельбурнском университете, которая разрабатывает статистические модели заболеваемости. Она говорит, что мы должны добавить групповое тестирование к нашим программам мониторинга, чтобы большее количество людей могло пройти тестирование быстрее и можно было определить истинную заболеваемость COVID-19 среди населения.

Этот призыв к групповому или объединенному тестированию проводится по всему миру и уже используется в таких странах, как Китай и США. В Китае с помощью группового тестирования было протестировано 9 миллионов жителей Ухани всего за 10 дней.

«Предположим, мы можем обрабатывать только 1000 тестов в день», — говорит профессор Делэйгл.

«Если распространенность составляет 1 процент, то из 1000 человек в среднем только 10 будут иметь болезнь. Но если вы запустите 1000 тестов и в каждом тесте вы объедините выборки из 10 человек, то вы получите 10 000 человек. Вместо того, чтобы поймать 10 больных, в среднем вы поймаете 100 из них. Так вы сможете узнать намного больше «.

Профессор Делэйгл говорит, что для точного определения распространенности заболевания нельзя просто протестировать множество людей. Вам также необходимо знать, кого вы тестируете.

В Виктории количество положительных случаев быстро снижается, но на пике вспышки около 2 процентов из более чем 20 000 ежедневных тестов были положительными.

Однако это не означает, что 2 процента жителей Виктории были недавно инфицированы COVID-19, потому что в большинстве случаев люди, которые проходят тестирование, — это те, у кого либо проявляются симптомы заболевания, либо у них есть близкие контакты, либо они живут или работают в выявленные кластеры или «горячие зоны». Таким образом, люди, проходящие тестирование, не обязательно являются репрезентативными для всего населения.

Это кажется уместным в данных обстоятельствах, поскольку правительство хочет выявить как можно больше заболевших, чтобы инфицированные и их близкие люди могли быть помещены в карантин. При ограниченных ресурсах лучший способ найти инфекцию — это проверить тех, кто с наибольшей вероятностью заразится.

Но мы также знаем, что у многих людей, инфицированных COVID-19, симптомы отсутствуют. А в региональной Виктории и других штатах, где нет или очень мало известных случаев, более широкий, крупномасштабный режим тестирования для всего сообщества может быть полезным способом раннего выявления новых случаев, а не просто тестирования тех, которые считаются «подверженными риску» <./p>

«Существуют различные способы случайного выбора людей из популяции», — говорит профессор Делэйгл.

«Иногда можно сосредоточиться на некоторых регионах или группах больше, чем на других, и в этом случае, чтобы получить точные оценки распространенности, мы вносим корректировки, чтобы учесть количество выборок каждой группы, что не всегда проста. Независимо от стратегии выборки, объединяя людей в небольшие группы и тестируя только группы, мы можем принять во внимание большее количество людей и повысить точность оценок «.

Используя сгруппированные данные с помощью статистических моделей, профессор Делэйгл и ее коллеги могут рассчитать не только общую заболеваемость, но и заболеваемость по возрасту, полу, местоположению или любым другим интересующим факторам, при условии, что у них есть информация для полного понимания данные.

Профессор Делэйгл отмечает, что всегда есть какая-то необходимая информация, которой не хватает. И когда эта недостающая информация не является случайной, необходимо применить поправочный коэффициент.

«Часто люди не приходят на тестирование по какой-то причине, и если причина связана с тем, что вы хотите измерить, в данном случае с болезнью, вы должны принять во внимание это отсутствие. Например, предположим, что больные или пожилые люди отказываются проходить тестирование. Если вы не примете это во внимание, ваши результаты будут неверными — у вас будет искаженная выборка. Однако существует корректирующий фактор, который может учитывать причина, по которой они не пришли. Поэтому вам нужно смоделировать отсутствие и включить это при оценке вашей распространенности «.

Профессор Делэйгл говорит, что мы также искажаем анализ, когда есть ложные срабатывания и ложные отрицания. Как только вы узнаете вероятность ложноположительного и ложноотрицательного результата, вам необходимо применить поправочные коэффициенты, чтобы получить точные оценки распространенности. Профессор Делэйгл разработал несколько методов для этого для сгруппированных данных.

Также могут быть проблемы с разбавлением — объединяя образцы, вы рискуете настолько сильно разбавить тест, что пропустите положительные случаи. Профессор Делэйгл работал над способами борьбы с этим путем включения в модели некоторых поправочных коэффициентов для разбавления.

Наконец, распространенность меняется с каждым днем, и есть также способы объединить старые данные с новыми данными и обновить оценку распространенности по мере ее изменения со временем.

Хотя группировка позволяет тестировать гораздо больше людей, недостатком является то, что вы не знаете, какие люди в определенной сгруппированной выборке страдают заболеванием. Но профессор Делэйгл говорит, что это легко решить, если повторно протестировать людей только на положительных образцах. Когда общая заболеваемость низкая, как в случае COVID-19, это все же позволяет гораздо большему количеству людей пройти тестирование быстрее по сравнению с тестированием каждой отдельной выборки.

Правительство также может ввести режим гибридного тестирования, при котором некоторые люди из группы высокого риска проходят индивидуальное тестирование параллельно с программой группового тестирования, в рамках которой люди в сообществе тестируются более случайным образом.

По мере того, как мы переходим от стратегии сокращения массы к стратегии более контролируемого подавления, профессор Делэйгл говорит, что сейчас самое время ввести массовое групповое тестирование.

«Чем больше людей мы будем тестировать, тем быстрее мы сможем выявить кластеры вспышек и тем быстрее мы сможем их контролировать»./p>

Spread the love

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *