冠状病毒大规模检测的阳性和阴性
许多司法管辖区在世界现在正在没有症状测试人员，作为管理Covid-19的努力的一部分。在维多利亚，无症状的保健工作者是最近的一部分“测试闪电战”。
我们倾向于理所当然地认为医学测试的结果是准确的，但没有任何测试是完美的，而且所有测试都有某种伤害的风险。尽管有增加检测的驱动力，但我们必须认识到，对于冠状病毒也是如此。
所有测试都有局限性
诊断测试的不足之处在于可能出现假阴性(当一种疾病存在时未能检测到)和假阳性(当一种疾病不存在时检测到)。
很容易看出为什么假阴性会成为一个问题——我们失去了早期干预的好处。
但假阳性也会造成伤害，包括不必要的治疗。这就是为什么筛查结果呈阳性后，经常要进行另一种不同的检测来确诊。
例子包括进一步的成像和可能的活检后，乳房x光检查呈阳性乳腺癌或在正面筛选后的结肠镜检查结肠癌。
为什么会出现误报?
误报的原因有很多，包括正常的人为和系统错误(例如错误标记、数据输入错误或样本处理不当)。
有时假阳性测试结果可能是由于与样本中的其他东西交叉反应，如不同的病毒。
对于COVID-19，确认阳性结果的唯一常规可选方法是使用相同的方法重新检测。这可以解决由于样本污染或人为错误而产生的假阳性。
即便如此,一些部门建议对返回检测呈阳性的人进行隔离，无论随后的结果如何。
更广泛的检测可能意味着更多的假阳性
在所有的阳性结果中，假阳性的比例不仅取决于测试的特点，而且取决于被测试的疾病在被测试者中有多普遍。
这是因为即使是一个高度特定的测试——一个几乎不会产生任何假阳性的测试——产生的假阳性结果仍然可能比那些被测试者的实际情况(真阳性)要多。
让我们通过一个例子来工作。
假设我们有一个非常好的测试，具有99.9%的特异性，也就是说，每1000个测试中只有一个会出现假阳性。想象一下，我们对2万人进行X型疾病的测试。X型疾病的流行率很低，我们估计它的影响为0.01%，也就是人口的1万分之一。
在这个级别，我们可以预期我们样本中的两个人有条件x，所以我们可能会得到两个真正的积极成果。但是，考虑到我们测试的错误率，我们还期望大约20个错误的积极结果。
所以测试呈阳性的人实际上患有X的比例是22人中只有2人，也就是9。1%
这叫做阳性预测值的一个测试。人群中某一疾病的患病率越低，阳性预测值越低。
Covid-19怎么样？
在澳大利亚，控制措施一直非常成功地减少目前感染Covid-19的人数。我们估计积极测试的可能性现在非常低（尽管当然这可能会随着限制而变化）。
目前澳大利亚报告的COVID-19活动性病例数为约600。即使我们目前只诊断出十分之一的感染者，这仍然不到人口的0.03%。
虽然我们仍在确定SARS-CoV-2(导致COVID-19的冠状病毒)检测的特异性，但早期证据表明，这是一种估计99%或更大是合理的。
然而，按照上述例子的相同计算，在0.03%的流行率下，即使是具有99.9%特异性的检测也意味着只有30%的检测呈阳性的人实际患有这种疾病。这意味着超过三分之二的阳性结果实际上是假阳性，如果我们测试的是无症状的人，没有增加风险。
这就是为什么测试标准经常被应用。如果只对有COVID-19症状的人进行检测，几乎可以肯定，这种情况在接受检测的人群中比在一般(无症状)人群中更常见，因此真阳性的比率将会更高。
但如果我们开始进行更广泛的检测，假阳性的可能性就会变得更令人担忧。
为什么假阳性是一个问题?
显然，我们需要测试尽可能敏感 - 很容易看出为什么假阴性Covid-19结果可能是一个严重的问题。但重要的是要识别错误的积极结果也可能对个人和社区带来重大问题。
例如，考虑无症状卫生工作者筛查的影响，如果假阳性检测结果导致对被错误诊断的人进行隔离，并隔离被(错误地)确定为COVID-19病例密切接触者的临床同事。
此外，出现假阳性结果的人可能认为自己没有未来感染的风险，因为他们认为自己有免疫力，从而对个人及其接触者造成潜在后果。
即使从流行病学的角度来看，高比例的假阳性也可能扭曲我们对COVID-19在社区传播的理解。
在澳大利亚，COVID-19检测受到严格监管，并使用尽可能最好的检测和高素质的工作人员。
但是，当一种疾病的流行率在澳大利亚像COVID-19那样低时，进行无症状筛查必须仔细权衡这种检测的好处和潜在危害。
进一步探索
用户评论