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。
这项研究对4个州10家医院的2991名选择性手术患者进行了测试，看他们是否具有抗SARS-CoV-2(导致COVID-19的病毒)的抗体。
该研究最初发现了41名阳性患者(1.4%)，但随后根据抗体测试不完美的特异性产生的假阳性进行了调整，研究人员估计每1000次测试会产生11个假阳性。这估计得出了0.28%的流行率，即在2991人样本中有8个“真正的”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。
这就引出了两个主要问题:这是否会改变我们对如何最好地遏制COVID-19传播的看法?这项研究是否有我们应该注意的局限性?
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
在澳大利亚等COVID-19发病率非常低的国家，抗体测试的关键要求是很高具体的- 是，避免误报。这比高度更重要敏感的(避免假阴性)。
据报道，这项新研究中使用的抗体测试的特异性为98.9%，灵敏度为100%。这意味着，每1000次检测，我们可以预期11次假阳性，没有假阴性。
想象一个病毒高流行的地方，比如纽约市，在那里大约20%据估计已经感染了COVID-19。一种样本平均1000人中有200人是COVID-19阳性，检测能正确识别所有200人，没有假阴性。该研究还将发现11个阳性的人实际上是阴性的，估计患病率为211 / 1000，即21.1%，这接近真实数字。
现在，假设1000名澳大利亚人的样本中，COVID-19流行率为0.2%。
只有两个人在这个样本中会正确测试正面，但我们期望测试能够提供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。
即使你像作者所做的那样，修改你的估计来解释预期的假阳性，我们可以看到准确估计低流行率是多么困难。为数不多的真实案例很容易在噪声中丢失。
2.样本大小
更大的样本量可以提供更高的精度。的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
一种解决方案是用现有的商业样品重新测试抗体试验特异性为99.9%。这将提供一种克服假阳性问题的方法。
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
还有一个问题是，这些结果在多大程度上可以推广到整个澳大利亚公众。这项研究涉及了接受选择性手术的人，他们接触病毒的风险可能不同。
从现有的数据来看，很难判断是否对年龄、性别和居住州等变量进行了调整，从而适用于更广泛的澳大利亚人口。
那么我们能确定什么呢?
通过这项研究，我们可以确定澳大利亚感染COVID-19的人数是多少?不幸的是，由于没有更大的样本、更广泛的人群抽样和更可靠的检测，我们对COVID-19暴露的流行程度知之甚少。
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。
我们真正需要的是对SARS-CoV-2的流行情况进行更全面的检测，而不是只从表面上接受这些估计抗体，包括追踪这种流行情况的研究。
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。
该研究的主要作者之一伊恩·考克伯恩(Ian Cockburn)告诉the Conversation网站假阳性在试图估计低流行率时，确实更可能是一个重要因素，但他把这项研究描述为基于两项独立统计分析的“最佳估计”，这两项分析都得出了相同的结果。他补充说，研究小组计划使用进一步的统计方法来检查研究结果，然后才接受全文发表。
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，很难证实商业公司声称自己的抗体测试具有更高的特异性，而且登记为假阳性的患者可能也会在其他患者的抗体测试中出现假阳性测试如果它以同样的方式工作。
用户评论