“你是什么意思,这是一个假阳性?“理解COVID-19测试和术语
COVID-19大流行期间,单词和短语,通常仅限于流行病学和公共卫生专业人员已进入公共领域。尽管我们已经迅速接受epidemiology-based新闻,公众尚未有机会充分吸收这些词语的真正意思是什么。
正如所有疾病测试,假阳性结果COVID-19测试会造成不必要的压力对个人,他们试图浏览他们的诊断,从家庭请假和隔离。一个引人注目的例子是俄亥俄州州长迈克·迪怀的假阳性的结果让他取消会见总统唐纳德·特朗普。
假阴性检测结果甚至更危险,因为人们可能会认为他们是安全的和适当的参与社会活动。当然,测试的类型等因素,个人是否有症状之前测试和测试的时间也会影响测试预测一个人是否感染。
敏感性和特异性是两个极其重要的科学概念对于理解COVID-19测试的结果。
在流行病学背景下,灵敏度是真阳性的比例,正确识别。如果100人有疾病,这些人的测试标识90疾病,测试的敏感性是90%。
特异性的能力测试,正确识别那些没有疾病。如果100人没有疾病,和测试正确识别90人无病,测试的特异性为90%。
这个简单的表格帮助轮廓时如何计算敏感性和特异性prevalence-the实际上有疾病的人口比例25%(总数以粗体显示):
测试灵敏度80%似乎对新发布的测试(如对于虚构的数字我上面报道)。
预测价值
但这些数字并不能传达整个消息。一个测试的有效性在人群中并不取决于其敏感性和特异性。当我们使用敏感性和特异性,我们如何测试工作当我们已经知道这人做什么,也不要,有疾病。
但一个测试的真正价值在现实生活环境中的来自它能够正确地预测谁是被感染的,谁不是。这是有道理的,因为在现实世界的环境中,我们不知道谁真正的疾病我们依赖测试本身告诉我们。我们用积极的预测价值和消极的预测价值的测试总结,测试的预测能力。
驱动点回家,想想看:在一个群体中,没有人有疾病,甚至一个测试,是在检测任何可怕的疾病会出现伟大的工作。它将“正确”识别大多数人没有疾病。这更多的是有多少人在人群中疾病(流行),而不是如何测试工作。
使用上面的数字一样,我们可以估计阳性预测值(PPV)以及阴性预测值(NPV),但这一次我们关注行总数(以粗体显示)。
计算PPV为真阳性的数量除以总人数确定为积极的测试。
PPV是解释为阳性的概率,有人有这种疾病。NPV的概率是一个测试-没有疾病。尽管敏感性和特异性不改变人口患病个体的比例变化,PPV和NPV严重依赖患病率。
让我们看看会发生什么,当我们重新绘制疾病表当人口患病率高达百分之一,而不是25%(更接近真正的流行COVID-19在加拿大)。
所以,当疾病患病率较低,测试的PPV可以很低。这意味着,一个阳性的概率有COVID-19很低。当然,根据不同的敏感性,特异性和人群中患病率,相反的也可以是真实的:测试呈阴性反应的可能不是真正的人疾病无。
在现实生活中假阳性和假阴性的测试
这是什么意思COVID-19质量测试开始了吗?至少它意味着公众应该有明确的假阳性的意义的信息。所有人都应该知道的假阳性或假阴性测试的可能性,特别是当我们搬到一个重依赖测试今年秋天通知我们的行动和决定。我们可以看到上面使用一些简单的表和数学,PPV和NPV可以限制即使在面对一个“好”测试与高灵敏度和特异性。
没有足够的理解背后的科学测试和假阳性和假阴性的原因发生,我们甚至可能进一步推动公众不信任和问题的实用性公共卫生和测试。知识就是力量的大流行。
进一步探索
用户评论