组织测试,帮助控制COVID-19
澳大利亚的维多利亚州,进入第四阶段的严格限制在7月COVID-19病例激增,是在一个测试闪电战来识别每一个积极的情况下,希望迅速控制疫情。
目前,他们平均每天约20000测试,与大多数结果三天之内回来。
但这是否就足够了呢?
有人呼吁质量检测无症状的人得到一个完整的疾病是如何移动的照片通过社区。这可能是一个重要的步骤在控制疫情,但我们怎么能大大提高我们的测试没有压倒性的测试实验室吗?
有一个简单的answer-group测试。通过结合多个人们到一个测试样本,20000分析可以覆盖100000人。进一步分析需要缩小中的阳性组测试,但这将意味着20000年测试可以在6到12个小时,而不是分析48到72。
教授Aurore Delaigle是墨尔本大学的统计学教授发展疾病发病率的统计模型。她说我们应该添加组测试我们的监测项目,以便更多的人可以更快地进行测试,而真正的社区可以确定COVID-19发病率。
呼吁集团或汇集测试是在世界各地,已被用于诸如中国和美国。在中国,组织测试用于测试900万年武汉的居民只有10天。
“假设我们只能每天处理1000测试,“Delaigle教授说。
“如果有1%的患病率,在1000人,平均只有10的疾病。但是如果你运行1000测试,每个测试的样品你把10个人,然后捕获10000人。而不是捕获10人生病,你会赶上平均100个。所以你可以学到很多。”
Delaigle教授说,为了准确地确定疾病的流行,很多人你不能测试。你还需要知道你是谁测试。
在维多利亚,阳性病例迅速下降,但在爆发的高峰期的2%左右20000 +日常测试是积极的。
然而,这并不意味着2%的维多利亚时代新COVID-19感染,因为在大多数情况下,测试人要么是那些表现出症状,阳性病例的密切接触者,或居住或工作在确定集群或“热区域。”So people being tested aren't necessarily representative of the whole population.
这似乎是适当的在这种情况下,由于政府想取尽可能多的情况下,这样可以安全地隔离感染者及其密切接触者。与有限的资源找到一个感染,最好的方法是测试那些最有可能被感染。
但是我们也知道,很多人感染COVID-19没有症状。维多利亚地区和其他国家没有或者很低的情况下,一个更广泛的、大规模的测试制度在整个社会可能是一个有用的方式,尽早发现新病例,而不仅仅是测试那些被认为是“风险”。
“有多种方式选择随机的人口,”Delaigle教授说。
“有时你可能想关注一些地区或组织超过别人,在这种情况下,流行的好估计,我们做出调整抽样的数量每组考虑在内,这并不总是简单的。无论采样策略,由池个人在小组和测试组,我们可以考虑更多的人,提高估计的精度。
通过通过统计模型运行的分组数据Delaigle教授和她的同事们不仅可以计算总体发病率,但发病率的年龄、性别、位置、或任何其他感兴趣的因素,提供他们完全理解数据的信息。
Delaigle教授指出,总有一些你需要的信息丢失。当这个缺失的信息不是完全随机的,需要应用一个修正因素。
“人们不经常出现在测试是有原因的,如果相关的原因是你想测什么,这种疾病在这种情况下,你必须考虑missingness。例如,假设病人个人或老人拒绝进行测试。如果你不考虑,那么结果会出错你会有一个有偏见的示例。然而,有一个修正因子,可以解释他们为什么没来的原因。所以你需要模型missingness,包括当你估计流行。”
Delaigle教授说,我们也倾向分析当存在假阳性和假阴性。一旦你知道假阳性和假阴性的可能性,你需要应用校正因素流行的准确估计。Delaigle教授开发了一些技术做了分组数据。
你也可以稀释问题,结合样品稀释风险测试,以至于你错过阳性病例。Delaigle教授在对抗的方法包括一些稀释的修正因素的模型。
最后,流行的发展每天也有办法将旧数据与更新的数据和更新流行随着时间的估计量。
而分组允许测试来获取更多的人,其缺点是你不知道的人在一个特定的分组样本有疾病。但是Delaigle教授说这很容易解决,重新测试个人从积极的样本。当总体发病率较低,为COVID-19,这仍然可以让更多的人更快的被测试相比,测试每个个体样本。
政府也可以运行一个混合测试制度,一些高风险的人单独的测试,与一个小组测试程序,测试人们在社区更随机。
当我们从大量减少战略更控制抑制策略,Delaigle教授说,现在是时候引入质量分组测试。
“我们更多的人测试,我们可以确定疫情集群和越快越快我们可以搬去控制他们。”
进一步探索
