En japansk iværksætter, Masayoshi Son har tweetet, at han planlægger at levere en masse-PCR-test for en million mennesker midt i coronavirus-udbruddet, men modtog kraftigt tilbageslag fra netizens, at det vil forårsage en "medicinsk katastrofe". Hvorfor er det?


Svar 1:

Quora Evangelist

har skrevet en utrolig informativ

til spørgsmålet. Jeg var oprindeligt ret forvirret, endda lidt vred på den offentlige reaktion, så det var ret åben for at blive informeret om, hvad der muligvis kunne følge af en uforsigtig masse-test i dette aktuelle øjeblik.

Nedenfor er en oversættelse af hans svar. Desværre understøtter Quora-oversættelse ikke japansk til engelsk, så igen vil jeg sørge for, at dette er Kenn Ejimas svar, og al æren går til ham. Naturligvis er eventuelle fejl på grund af oversættelse mit ansvar.

-------------------------------------------------- ----------------

Jeg tror faktisk, at dette vil være en meget god eksempler på et ”folkesundhedsforedrag for alle”.

For dem, der ikke er villige til at læse hele svaret, skal du huske at huske dette, før du rejser: “

Der er ingen test, der er 100% nøjagtig

”.

Så faktisk, hvor nøjagtige / unøjagtige er testene generelt? Se på nedenstående figur. Tænk ikke "Der er for mange tekniske jargons!", Du har det godt. Foreløbig behøver du kun at kende

fire begreber i midten

.

  • Sandt-positivt: Du blev testet positiv, og du har virkelig sygdommen (Bingo!)
  • Sandt-negativt: Du blev testet negativ, og du har virkelig ikke sygdommen (Bingo!)
  • Falsk-positiv: Du blev testet positiv, men du har faktisk ikke sygdommen (Forkert)
  • Falsk-negativ: Du blev testet negativ, men du har faktisk sygdommen (Forkert)

Du kan forstå disse fire udtryk ganske intuitivt, ikke?

Hvis vi

antager, at disse testinger alle er 100% nøjagtige

, ville der kun være "sandt positivt" og "sandt negativt", så vi behøver ikke alle de komplicerede diskussioner. Måske er det, hvad du skulle forestille dig, når du tænker på en medicinsk test.

Imidlertid,

der er ikke sådan noget som en 100% nøjagtig test

, så der kunne være to mulige tilstande i

testresultat

(testet som positiv / testet som negativ) og to mulige tilstande for

faktisk sundhedstilstand

(inficeret / uinficeret), hvilket resulterer i fire mulige tilfælde som kombinationen af ​​to. Alle, der tog testen, vil blive kategoriseret i et af disse fire tilfælde.

Som sagt betyder falsk-positive, at du faktisk ikke er syg, men at du diagnosticeres som sådan.

Falsk-negative betyder, du er faktisk syg, men du er blevet overset.

Ok, indtil videre?

Der er nu to kriterier til måling af testens nøjagtighed. Den ene er følsomhed, og den anden er specificitet. For eksempel kan det sige, for et influenza testkit

“Følsomhed: 60%, specificitet: 98%”

for at vise pålideligheden af ​​testen.

  • Følsomhed: Procentdelen af ​​syge mennesker, der er korrekt identificeret som at have tilstanden
  • Specificitet: Procentdelen af ​​raske mennesker, der er korrekt identificeret som ikke har tilstanden

Så hvis vi tager den førnævnte influenza test som et eksempel,

  • Fordi følsomheden er 60%, hvis der er 100 inficerede, diagnosticeres 60 personer som positive og 40 personer diagnosticeres forkert som negativ.
  • Fordi specificiteten er 98%, hvis der er 100 raske mennesker, diagnosticeres 98 personer som negative, og to personer er forkert diagnosticeret som positive.

Som du kan se, når følsomheden er lav, vil flere mennesker blive fejlagtigt diagnosticeret som negative.

Har du nogen erfaring med at besøge hospitalet, da du ville teste for en influenza, fordi du følte dig lidt syg, men blev bedt om at gå hjem igen, indtil din feber bliver højere? Dette betyder faktisk, at fordi testens følsomhed er lav, vil du ikke få en korrekt diagnose, før virusen stiger til et vist niveau.

Pålideligheden af ​​det enkle testkit, som Mr.Son skulle levere, skulle svare til det for et influenza-testkit. Lad os antage, at det vil have det samme tal, "Følsomhed: 60%, specificitet: 98%".

Forberedelsen er færdig!

Det sidste manglende stykke, vi har brug for at kende, er den forudgående sandsynlighed. Lad os bruge dataene fra Diamond Princess for at forklare dette. Af de 3771 passagerer var der 705 personer, der blev testet som positive, og over halvdelen af ​​dem var asymptomatiske. Den samlede dødstal er seks personer, hvilket betyder, at dødeligheden var 0,85%.

Faktisk er PCR-testen, der er udført af National Institute of Infectious Diseases, ganske pålidelig og måske kunne estimeres som "Følsomhed: 95%, specificitet: 99,9%". Lad os antage, at det er 100%, og de 705 positive patienter blev virkelig inficeret. Overvej at vælge en person tilfældigt og lade ham / hende tage Mr.Sons test. Hvad ville være muligheden for, at denne person er den "virkelig inficerede"? Som vi har estimeret er dette 705/3711 = 19%. Dette er den forudgående sandsynlighed (eller prævalensrate).

Lad os nu bruge et online-værktøj til at beregne yderligere.

検 査 結果 に お け る 陽性 的 中 率 と 陰性 的 中 率 (有病 率 指定)

(JPN)

Klinisk lommeregner 2

(ENG)

Hvis vi indtaster de nødvendige oplysninger, følsomhed 60%, specificitet 98%, prævalensrate 19%, kan vi beregne to typer målinger "Positiv forudsigelsesværdi" og "Negativ forudsigelsesværdi". Vi har brug for disse to værdier for at evaluere resultatet af testen.

Den "positive forudsigelsesværdi" er den vigtige i dette tilfælde, som nogle gange simpelt henvises til som præcision. I maskinlæringssammenhæng benævnes det normalt PPV (Positiv forudsigelsesværdi).

Disse værdier betyder, at:

  • Hvis testresultatet var positivt: 88% af dem er virkelig positive, blev 12% forkert diagnosticeret som positive
  • Hvis testresultatet var negativt: 91% af dem er virkelig negative, blev 9% fejlagtigt diagnosticeret som negative

Der er godt nogle unøjagtigheder, men ikke så slemt, ikke?

Dette var, da krydstogtspassageren blev valgt som prøvegruppe, så lad os overveje, hvad der sker, når vi leverer dette testkit til millioner mennesker rundt om i Japan.

I øjeblikket er ifølge det data, der er leveret af sundhedsministeriet, det samlede testforsøgsnummer 9376 sager, og antallet af positive sager er 604. Selvom den aktuelle PCR-test kun udføres for dem, der mistænkes for at have virussen, som mennesker, der var i kontakt med en anden patient, er sandsynligheden for at blive testet positiv kun 6%.

I nedenstående graf kan du se, at antallet af testtilfælde næsten tredobles den 4. marts, men de positive tilfælde sprang ikke, og grafen opretholder den samme (eksponentielle) vækstbane. Dette betyder, at der faktisk var

meget få tilfælde

som folk blev overset på grund af manglen på test.

Når det er sagt, kan der stadig være mange mennesker, der ikke havde svære symptomer, og som ikke fik testen, fordi de kom sig lige som en normal influenza. Så lad os estimere, at der i øjeblikket er x10 gange mere skjulte sager end det nuværende antal. Det ville være 6000 mennesker.

Antal PCR-test pr. 12. marts

Her vil vi gerne forenkle argumentet, så lad os sige, at hele 120 millioner befolkningen ville teste. Med andre ord, alle testsæt udsolges øjeblikkeligt, og en tilfældigt udvalgt million mennesker vil tage testen.

Hvad ville være den forudgående sandsynlighed (prævalensrate) i dette tilfælde? De anslåede (skjulte) tilfælde 6000 divideret med hele befolkningen er 0,005%. Lad os beregne, hvad der sker, når vi indtaster numrene i online-værktøjet.

Tag et gæt, hvad tror du, det ville være værdien?

?????????

Kan du ikke se nummeret?

Lad mig zoome ind for dig. Positiv forudsigelsesværdi er….

...

0,1%

!!!!

Hvis du udfører en test, og 1000 mennesker bliver testet positive, er der kun

en person

der har infektionen!

Det betyder, at 999 mennesker er falske positive, hvilket betyder, at de blev testet positive, men de har faktisk ikke sygdommen !!

Så hvis en million mennesker købte testkit, er de faktiske tilfælde af positive kun 30 inden for testpositive sager (20 tilfælde er falske negativer), og der ville være 20.000 tilfælde af falske positive. (Redigeret 15. mar i henhold til

's kommentar) Forestil dig, hvad der ville ske, når de alle ryster til hospitalet og prøver at få behandling?

Det ville virkelig være en fuldstændig sammenbrud af det medicinske system!

Hvilken slags "test" er det, hvis den forkerer diagnoser

99,9%

af de positive sager?

Du KAN IKKE bare tilfældigt teste mange mennesker! Dette er grunden til, at eksperterne siger, at "unødvendigt mange mennesker ikke bør testes" i modsætning til vores intuition!

Det afgørende punkt, når man udfører en test, er at øge målgruppens forudgående sandsynlighed (prævalensrate). Dette betyder, at testen skal udføres for mennesker, der opfylder de nødvendige kriterier, såsom at have feber i en længere periode, har symptomer, der er kompatible med Covid-19, såsom hoste, eller var i tæt kontakt med en inficeret person, og derefter gøre det prøve.

Bill Gates testsæt, som sandsynligvis Mr. Son hentede inspiration fra, udføres i Seattle, et af de mest inficerede områder i USA, og bekræfter også, om testen virkelig er nødvendig, ved at kontrollere rejsens historie og kontakthistorie for person via et online system for at øge den forudgående sandsynlighed. Dette er den største forudsætning for, at vi skal øge den positive forudsigelsesværdi.

検 査 し た く て も 検 査 し て も ら え な い 人 が 多数 い る と 聞 い て 発 案 し た け ど 、 評判 悪 い か ら 、 や め よ う か な ぁ 。。。— 11 mar

Mr. Son annoncerer annullering af projektet

Mr. Son, jeg bifalder for din fantastiske beslutning om hurtigt at skifte sind og standse projektet!

Japans karantæne har været en succes sammenlignet med andre lande, og fasen er allerede skiftet til næste fase. Det, vi har brug for fra nu af, er medicinske ressourcer som masker og desinfektionsmidler.

Det ville være en god ide at støtte disse ressourcer!

Jeg har skrevet flere svar i fortiden, at det ikke er godt at teste for mange mennesker. Se også disse svar.

  • Kenn Ejimas svar på Hvad skal du vide for at opdage og forhindre kræft tidligt? (JPN)
  • Er influenzaudbredelsen en rekordhøj i år? (JPN)
  • Kenn Ejima svar til Min ven havde influenzalignende symptomer og blev testet for influenza i tre gange i alt, men var alle negative. Jeg tror, ​​det var en influenza, der vurderede symptomerne, men er det muligt at være negativ, selv om du har influenza? (JPN)

“Prior probability” og “posterior probability” er ideer fra Bayesianske statistikker. Se på Mr.Sekiguchis store svaret nedenfor for at forstå mere.

  • Masahiro Sekiguchis svar på Betyder det, at din forkølelse er forårsaget af bakterier, når feberen sænkes efter at have taget antibiotika, i betragtning af at antibiotika ikke fungerer for vira? (JPN)

Svar 2:

”En japansk iværksætter, Masayoshi Son, har tweetet, at han planlægger at levere en masse-PCR-test for en million mennesker midt i coronavirus-udbruddet, men modtog kraftigt tilbageslag fra netizens, at det vil forårsage en” medicinsk katastrofe ”. Hvorfor er det?"

Efter en gæt?

Det vil kollapse hospitalets system, og masser af ekstra mennesker dør.

USA (som eksempel) har i alt mindre end en million ICU / Accute care senge.

Cirka 200.000 er tilgængelige.

Cirka 10-20% af mennesker med COVID-19

faktisk har brug for

de senge.

80–90% behøver dem ikke.

Test en million mennesker, hvis 20% af dem tester positive, og 20% ​​af dem går til hospitalet til lægebehandling, når de ikke havde brug for det, det kollaps kommer før, og flere mennesker dør.