返回網站
返回網站

測試COVID-19抗體:敏感性,特異性和預測能力的重要性

Author contributions

The article was conceived by J.S. during a discussion initiated by R.B. in the COVID-19 researchers Google Group. The manuscript was drafted by N.K. All authors commented on the drafts and agreed the final version. L.G. is the corresponding author and guarantor of the manuscript.

為了在抑制COVID-19率的同時幫助扭轉當前的鎖定狀態,我們需要確定誰目前感染了病毒,誰感染了並且康復了。由於最近已詳細討論了用於檢測當前感染的逆轉錄酶聚合酶鏈反應(RT-PCR)測試,我們在本文中重點介紹抗體測試。抗體的存在與否可以通知個人是否感染,並指導個人和社會決定是否以及何時恢復正常活動。因此,抗體測試需要特別準確。它也可以用來估計先前感染的人群患病率。我們證明了為此目的不需要高精度,但是假陽性和假陰性的數量需要大致相等。

抗體測試越來越多,但準確性卻有所不同。希望可以將其用於識別至少部分免疫的人。對於被認為已從COVID-19中恢復的個人而言,免疫證書是一個比免疫護照更為寬泛的詞,它對人們提出了太多的承諾,目前正在國際範圍內進行討論。是否進行了試驗,為臨床診斷,篩選或豁免權證明書,我們需要有足夠的信心,他們是準確的。

敏感測試將檢測到SARS-CoV-2(引起COVID-19的病毒)抗體的存在,而特異性測試將不會與其他抗體(例如,其他冠狀病毒)反應。沒有任何診斷或篩查測試是完美的,並且不可避免會有錯誤的結果,尤其是因為測試的時機很關鍵。血清轉化需要時間,IgM,IgG和IgA抗體通常以此順序發展,並且可以變化,並取決於疾病的嚴重程度和個體的免疫系統。抗體水平隨後隨時間下降。抗體測試系統的性能可能不如製造商的結果所建議。例如,羅氏(Roche)和雅培(Abbott)均報告說,他們的抗體測試對於症狀發作後14天或更長時間採集的樣品具有100%的敏感性,我們在這裡展示瞭如何測量測試的準確性以及其與疾病患病率的關係如何變化(補充表中有12個表格顯示了靈敏度,特異性和人群患病率分別為1%,5%,10%和20%的結果。文件)。下表列出了其準確性的兩個關鍵指標,即靈敏度和特異性,其中的單元格標識為A(真陽性),B(假陽性),C(假陰性)和D(真陰性)。敏感性(A / A + C)是指疾病患者在接受檢測時得到陽性檢測結果的比例。也稱為真實陽性率。特異性(D / D + B)是沒有疾病的個體所佔的比例,這些個體在接受檢測時會得到陰性檢測結果。也稱為真實負利率。

  • 1、具有90%的靈敏度和特異性(5%的患病率)的測試的預測能力。
測試結果(90%靈敏度和90%特異性)真正患有疾病的人真正沒有疾病的人合計
正4500(A)9500(B)14,000
負500(攝氏度)85,500(深)86,000
總500095,000100,000

陽性測試的預測值:A / A + B = 32.1%。

陰性測試的預測值:D / D + C = 99.4%。

為了確定敏感性和特異性,我們可以測試已確診疾病的患者樣本(在本例中為SARS-CoV-2的實驗室檢測),以及已知沒有疾病的人的樣本(例如,使用所採集的血液樣本在人類中存在COVID-19之前)。實際上,例如由於存儲或運輸樣本的問題或從感染開始到血液中抗體出現(血清轉化)然後下降的可變時間滯後,測試的性能通常會比建立的值差。測試結果中有誤的比例部分取決於疾病在人群中的流行程度。患病率低,即使是具有高靈敏度和特異性的檢測,也會產生很大比例的假陽性。在這篇文章中,在一個假設的100,000人中,我們將重點放在變量準確性為5%的人群的測試結果上,其中5,000人感染了病毒,而95,000人沒有感染。在許多國家中,這是過去COVID-19的當前流行趨勢,雖然也可以在一些地區高很多。

第1張表顯示,如果敏感性為90%,則4500人將正確地檢測為陽性,而500人將錯誤地檢測為陰性,並被錯誤告知他們沒有該病的抗體證據。如果特異性為90%,則85,500人將正確地檢測為陰性,而9500人將錯誤地檢測為陽性,並被錯誤地告知他們具有先前感染的抗體證據。因此,在獲得陽性檢測結果的14,000人中,只有32%(4500 / 14,000; A / A + B)患有該病。這稱為陽性測試的預測值(或功效)。其他68%的人將獲得錯誤的信息。在接受否定測試的86,000人中,有99%(85,500 / 86,000; D / C + D)將獲得正確的結果。這稱為陰性測試的預測值(或功效)。

敏感性和特異性隨不同的測試而變化,但是對於任何特定的抗體測試,可以通過改變確定陽性結果所需的抗體水平來進行調整。需要更高水平的抗體以得到陽性結果會提高特異性,但會降低靈敏度。這將減少誤報(C),但會增加誤報(B)。選擇具有80%靈敏度和99%特異性的測試,如第2張表所示,測試呈陽性的人中有81%患有該疾病,高於32%。現在,測試陽性的人中大約有五分之一不會患上這種疾病。這表明,當疾病的流行率較低時,即使特異性高達99%的抗體測試,仍會產生許多假陽性,因此陽性測試的預測能力遠非100%。

  • 2、具有80%的靈敏度和99%的特異性(5%的患病率)的測試的預測能力。
測試結果(80%的靈敏度和99%的特異性)真正患有疾病的人真正沒有疾病的人合計
正4000(A)950(B)4950
負1000(攝氏度)94,050(D)95,050
總500095,000100,000

陽性測試的預測值:A / A + B = 80.8%。

陰性測試的預測值:D / D + C = 98.9%。

如果測試非常準確(如Roche和Abbott系統所要求的),例如99%的靈敏度和特異性,結果將在第3張表中顯示。即使是現在,陽性測試的預測能力也僅從81%(靈敏度為90%)上升到83.8%。如果患病率上升到20%,則陽性測試的預測能力為96.1%,陰性測試的預測能力為99.7%。

  • 3、具有99%的敏感性和99%的特異性(5%的患病率)的測試的預測能力。
測試結果(99%靈敏度和99%特異性)真正患有疾病的人真正沒有疾病的人合計
正4950(A)950(B)5900
負50(攝氏度)94,050(D)94,100
總500095,000100,000

陽性測試的預測值:A / A + B = 83.8%。

陰性測試的預測值:D / D + C = 99.9%。

如果根據這些結果得出豁免證書或個人或社會恢復正常的決定,那麼很大一部分是不正確的。例如,在該疾病已高度流行的地方,例如在醫療保健和家庭護理人員中,陽性檢測的力量會更高,因此可以更加依靠它。即使有20%和99%的敏感性和特異性,該測試本身也不能保證個人水平,並且在應用發現時需要個人和臨床判斷。抗體測試的主要希望是,與那些測試陰性的人相比,那些測試陽性的人可以更充分,更自信地恢復工作和社交活動。抗體的存在應表示相同的疾病不會復發,該人沒有傳染性,並且對未來的COVID-19感染至少具有部分免疫力。我們需要確定這是否正確。

如果抗體測試的目的是評估代表性人群中COVID-19的患病率,則這些臨床問題不適用。通過這種測量得出的患病率的準確性將取決於實現相等的假陽性和假陰性。例如,儘管真實患病率為5%,但,上三張表給出了100,000個假設人口的患病率,分別為14%(14,000個陽性),4.95%(4950個陽性)和5.9%(5900個陽性) ), 分別。也許令人驚訝的是,在此人群普遍水平下,靈敏度為80%,特異性為99%(第2張表)的測試給出了最準確的估計。

總之,以目前對總體人群患病率的合理估計,即使是高敏感性和特異性也會產生大量假陽性。測試呈陽性的人,尤其是沒有指示性病史的人,可能需要進一步測試以確認結果。考慮到當前抗體發出的免疫水平不確定性,建議所有抗體檢測呈陽性的人都應採取保護措施。迫切需要更多的信息來確定從COVID-19中恢復過來的人的免疫力和免疫力持續時間,以及其中某些病毒是否仍然具有傳染性或被再次感染。提供虛假的安全和放心對個人可能有害,破壞公眾信心並助長爆發。

Public Health

Volume 185, August 2020, Pages 88-90

上一篇
When to Wear a Mask and When You Can Skip It
下一篇
 返回網站
所有文章
×

快要完成了!

我們剛剛發給你了一封電郵。 請點擊電郵中的鏈接確認你的訂閱。

好的