3月15日,國務院聯防聯控機制召開新聞釋出會。國家衛生健康委臨床檢驗中心副主任李金明在釋出會上表示,抗原檢測應該用在高風險、高流行率的聚集性感染的人群檢測,一般人群不要随意做抗原檢測。
李金明解釋,人群流行率低于百萬分之一,如果拿敏感性在85%、特異性97%的新冠抗原檢測試劑盒,到千萬人口的城市做篩查的話,會得到30萬個陽性,但這30萬個陽性裡隻有9個是真的,也就是說絕大部分是假陽性,當然檢測是陰性的結果是可靠的。
李金明表示,如果在一個流行率達到5%的人群去使用85%敏感性、97%的特異性的試劑盒,做100個陽性中約60個是真的,同時漏檢不超過1%。
問題來了:30萬的假陽性和100個陽性中約60個是真的是怎麼算出來?下面為大家詳細講解。
一、基礎知識
1.敏感性Se:檢測結果陽性數占患病群體的比例,即真陽性率。
2.特異性Sp:檢測結果陰性數占未患病(健康)群體的比例,即真陰性率。
3.陽性預測值PPV:在檢測的陽性結果中真正為患病群體的比例。
4.陰性預測值NPV:在檢測的陰性結果中真正為未患病(健康)群體的比例。
敏感性和特異性是一個診斷試驗的内在屬性,是不會随着流行率的變化而改變的。當流行率增加時,陽性預測值增加而陰性預測值減小;當流行率減小時,陽性預測值減小而陰性預測值增加。診斷試驗的敏感性越高,則陰性預測值越高;診斷試驗的特異性越高,則陽性預測值越高。
5.表觀流行率AP:檢測陽性結果數與群體總數的比例。
6.真實流行率:P(D+):
二、流行率較低時檢測試劑特異性的影響
李金明表示,人群流行率低于百萬分之一,如果拿敏感性在85%、特異性97%的新冠抗原檢測試劑盒,到千萬人口的城市做篩查的話,會得到30萬個陽性,但這30萬個陽性裡隻有9個是真的,也就是說絕大部分是假陽性,當然檢測是陰性的結果是可靠的。
計算
假設真實流行率P(D+)=0.0000001(百萬分之一),Se=0.85,Sp=0.97,則表觀流行率AP=0.03。
檢測陽性數量=1000萬×0.03=30萬
患病數量=1000萬×0.0000001=10
真陽性數量=1000萬×1/100萬×0.85=8.5≈9
真陰性數量=1000萬×(1-1/100萬)×0.97=9699990
假陽性數量=1000萬×(1-1/100萬)×(1-0.97)=300000
假陰性數量=1000萬×1/100萬×(1-0.85)=1.5≈1
錯檢(假陽性)比例=300000/300009=99.997%
陽性預測值PPV=0.003%
陰性預測值NPV= 99.9999%
當真實流行率等于1%時結果和百萬分之一類似:
假設真實流行率P(D+)=0.01(百分之一),Se=0.85,Sp=0.97,則表觀流行率AP=0.038。
檢測陽性數量=1000萬×0.038=38萬
真陽性數量=1000萬
解讀:
當疫病流行率較低時(低于1%),由于真陽性數量較少,檢測出的陽性數量主要受檢測試劑的特異性影響;即檢測出的陽性基本上都是檢測試劑非特異造成的的假陽性(1-Sp)。是以當疫病流行率較低時(低于1%),進行群體的篩查需要使用高特異性的試劑。
三、流行率較高時檢測試劑敏感性的影響
假設真實流行率P(D+)=0.05(百分之五),Se=0.85,Sp=0.97,則表觀流行率AP=0.071。
檢測陽性數量=100
總樣本數量=100/0.071=1408
患病數量=1408×0.05≈71
真陽性數量=1408×0.05×0.85=60
真陰性數量=1408×(1-0.05)×0.97=1297
假陽性數量=1408×(1-0.05)×(1-0.97)=40
假陰性數量=1408×0.05×(1-0.85)=11
漏檢(假陰性)比例=11/1408=0.78%
陽性預測值PPV=59.9%
陰性預測值NPV = 99.2%
當疫病流行率較高時(高于1%),檢測出的陽性數量主要受檢測試劑的敏性影響;敏感性越高假陽性越低。是以當疫病流行率較高時(高于1%),進行群體的篩查時需要使用高敏感性的試劑。
網絡上有很多流行病學的計算工具,不需要我們手工去計算這些結果,但是抱着學習的态度給大家從頭算了一遍。檢測的盡頭真的是數學!
來源:原博士帶你做檢測
編輯:任裡程 審校:小冉