澳大利亚是否真的有60,000个未确诊的Covid-19案件？
一种初步研究，本周通过澳大利亚国立大学和其他地方的研究人员在线发布，估计71,000名澳大利亚人在7月中旬 - 60,000岁的澳大利亚人曾多于该阶段被诊断的官方案件。
该研究涉及在四个州的十家医院测试2,991名选修外科患者，看看它们是否有针对SARS-COV-2的抗体，导致Covid-19的病毒。
该研究最初发现了41名阳性患者（1.4％），但随后调整了由于抗体试验的不完美特异性而产生的假阳性，研究人员估计为每1000个测试产生11个误报。这估计患病率为0.28％ - 从抽样的2,991人的八个“真实”阳性。
然后，研究人员将这种估计推断，包括其不确定性参数，整个澳大利亚人口。他们最终得出了SARS-COV-2抗体的澳大利亚人的数量 - 因此，据推测，据可能是Covid-19 - 是零1和181,050之间的某个地方，最有可能大约71,000。
这提出了两个主要问题：这应该改变我们对Covid-19的差异的最佳观点，以及我们应该了解的研究有什么局限性吗？
让我们从后者的问题开始。以下是解释结果时需要考虑的四个关键令。
1.误报
在Covid-19率非常低的国家，例如澳大利亚，抗体测试的关键要求是高度具体的- 是，避免误报。这比高度更重要敏感的（避免虚假的否定）。
据报道，新研究中使用的抗体试验具有98.9％的特异性，灵敏度为100％。这意味着每1000个测试，我们都可以期待11个误报，没有假底片。
想象一下病毒患病率高的地方，如纽约市，在哪里大约20％人们估计有Covid-19。一种样本平均而言，1,000人含有200个Covid-19个积极的人，其中测试将正确识别所有200，没有假底片。在剩下的800人中，它会发现九人患者实际上是消极的，估计普遍存在1,000或20.9％的估计患病率 - 或20.9％ - 接近真实数字。
现在想象一下1000澳大利亚人的样本，具有Covid-19流行，比如说，0.2％。
这个样本中只有两个人将正确测试正面，并且在剩下的998中，我们希望测试能够提供大约11个误报。这给出了1,000或1.3％的估计患病率，或1.3％，比真实数字高出几倍。
即使您修改了估计，才能考虑到预期的误报，因为作者所做的，我们可以看到估计低普遍性的努力。少数实际情况易于在噪音中丢失。
2.样本大小
更大的样本量可以提供改善的精度。这小样本大小是为什么这项研究的估计范围是如此之大。事实上，它一直延伸到零，即使我们知道在澳大利亚可能是零Covid-19案例。但无论研究组的规模，只要流行率低，虚假的积极问题从未真正消失。
3.测试方法
一项解决方案将通过当前可用的商业标准重新测试样品抗体试验特异性为99.9％。这将提供一种克服误报问题的方法。
暂停样本包括大量比例的假阳性，只有一个Covid-19阳性患者与已知的Covid-19案例接触，而且没有任何测试阳性的人报告了任何Covid-19类似的疾病。
4.推断
结果还有问题，结果如何可以推广到整个澳大利亚公众。该研究涉及接受选修外科的人们，可能对病毒的暴露风险不同。
无论是在推翻到更广泛的澳大利亚人群的情况下，是否难以提供任何调整的任何调整。
那么我们肯定会说什么？
我们可以从这项研究中确定有关暴露于Covid-19的人数在澳大利亚的研究中吗？不幸的是，没有更大的样本，更广泛的人口采样，以及更可靠的测试，我们更多地了解了与我们已经做过的Covid-19暴露的普遍存在。
这意味着使用这些新发现是不明智的，以索赔covid-19比我们想象的那么危险或致命。
而不是将这些估计视为面值，我们真正需要的是更全面的测试SARS-COV-2抗体的患病率，包括跟踪随时间普遍存率的研究。
在任何情况下，澳大利亚都可以认为自己有幸拥有足够低的案件数字，以至于假阳性问题成为解释这项研究的主要警告。遗憾的是，在许多其他地方，假阳性被埋在真正的Covid-19案件的滑坡中。
编者注：Ian Cockburn是这项研究的引导作者之一，告诉谈话误报在尝试估计低流行率时，确实更有可能成为一个重要因素，但将研究作为基于两个单独的统计分析的“最佳估计”，两者都达到相同的结果。他补充说，研究团队计划使用进一步的统计方法来检查研究结果，然后才接受完全出版物。
他说，研究样本“不是一个完美的横断面”的人口，理想的研究规模将是6000-10,000人，但从一般人群中获得血液样本构成了重大的后勤和成本障碍。
他补充说，难以验证商业公司的索赔具有更高的特异性抗体检验，并且注册假阳性的患者也可能与另一个患者测试假阳性测试如果它以同样的方式工作。
用户评论