#PAGE_PARAMS# #ADS_HEAD_SCRIPTS# #MICRODATA#

Proč používat antigenní testy u lékaře, ale ne při plošném testování?

24. 3. 2021

Proč antigenní test umožňuje poměrně úspěšně potvrdit infekci koronavirem u pacienta testovaného dobře zaškolenými zdravotníky a proč naopak odborníci nedoporučují využití antigenních testů v plošném měřítku, například ve školách. Z čeho mají obavy? Na celou problematiku se podíváme z pohledu matematických zákonitostí i klinické praxe a reality.

Základní charakteristika diagnostického testu: senzitivita, specificita, prevalence

Zázraky neumíme. Žádný diagnostický test, který používáme ke stanovení infekce virem SARS-CoV-2 (dále koronavirem), neposkytuje 100% přesný výsledek. Základními vlastnostmi testu, které určují jeho kvalitu, jsou jeho senzitivita a specificita (1).

Senzitivita (citlivost) určuje schopnost testu správně identifikovat pacienty infikované. Diagnostický test, který správně identifikuje 100 % pacientů, je nejcitlivější.

Specificita určuje schopnost testu správně identifikovat osoby, které nemají infekci koronavirem. Test, který správně identifikuje všechny lidi bez infekce jako negativní, je nejpřesnější.

Situace je zdánlivě jednoduchá – testem chceme odlišit dvě skupiny osob – osoby s infekcí a osoby bez infekce. A máme dva možné výsledky testu – pozitivní a negativní. Problém spočívá v tom, že ne každý pozitivní výsledek testu automaticky znamená, že daná osoba má infekci. A neplatí, že negativní výsledek testu znamená, že člověk infekci nemá. Máme totiž i neinfekční osoby, u kterých test vyjde pozitivně (tedy falešně pozitivní – FP) a osoby infekční s negativním testem (tedy falešně negativní – FN).

Prevalence představuje součet skutečně pozitivních a falešně negativních přepočítaný na velikost sledované populace (uvádí se v procentech).

Jak kouzlo předtestové pravděpodobnosti ovlivňuje validitu výsledku

Důležitými hodnotami, na které nesmíme zapomínat, jsou tzv. predikce pozitivního výsledku (PPV), což je pravděpodobnost, že osoba s pozitivním výsledkem testu má infekci, a predikce negativního výsledku (NPV), tedy pravděpodobnost, že osoba s negativním výsledkem testu nemá infekci. Představíme-li si třeba skupinu pacientů s respiračním onemocněním na straně jedné a pravidelně testované fotbalisty na straně druhé, pak lehce pochopíme, že PPV bude vyšší v prvním případě než ve druhém.

Posledním pojmem, který bychom měli znát, je předtestová pravděpodobnost (PTP), tj. pravděpodobnost (v době před provedením testu), že osoba je infikovaná koronavirem. Ta bude vysoká, pokud před sebou máme osobu nemocnou, a výrazně nižší u sportovce potřebujícího „potvrzení o bezinfekčnosti“. Toto vše musíme vzít v úvahu, když hodnotíme „váhu výsledků“ našeho testování.

Jaký rozptyl ukazují 4 modelové příklady antigenního testování

Vraťme se však k tomu, proč antigenní test umožňuje poměrně úspěšně potvrdit infekci koronavirem u pacienta testovaného v ordinaci lékaře a proč naopak odborníci nedoporučují využití antigenních testů v testování plošném, například ve školách. Z čeho mají obavy? Příčinou je právě rozdílná předtestová pravděpodobnost. Pokud test použijeme u nemocných osob (případ A), je PTP takřka rovná 1 (tj. 100 %). Pokud testujeme školáky (případ B a C), PTP se rovná prevalenci, tedy v současnosti to bude přibližně 0,01–0,03 (tj. 1–3 %). Jestliže bychom testovali třídu, ve které se již COVID-19 vyskytuje (případ D), zvýší se nám PTP v závislosti na počtu již známých pozitivních osob třeba na 0,1 (tj. 10 %).

Pojďme se podívat na to, jakou PPV mají pozitivní výsledky a jakou NPV negativní výsledky, ve 4 různých situacích. Jaké testy pro naše zkoumání použít? Podle Společnosti pro lékařskou mikrobiologii ČLS JEP by měly mít vhodné antigenní testy senzitivitu minimálně 90 % a specificitu 97 % (2). Použijme tedy nejprve senzitivitu testu 90 % a dopřejme si test se špičkovou specificitou 99,5 %. V případě A (u lékaře) předpokládáme, že při testování takových vzorků máme 80 % vzorků s pozitivním výsledkem (předpokládaná pozitivita), v případě B a C předpokládáme, že v takových skupinách vyšetření bude mít pozitivní výsledek 35 % vzorků. Přepokládanou pozitivitu musíme určit sami na základě zkušeností. Jde o procento pozitivních vzorků (tedy vlastně součet skutečně a falešně pozitivních vzorků).

V tabulce níže jsou uvedené výsledky výpočtů PPV a NPV a počtu falešně pozitivních a falešně negativních výsledků při 4 různých scénářích:

  1. Testování (n = 10 000) pacientů s respiračním onemocněním v ordinaci lékaře (předpokládaná prevalence 50 %, předpokládaná pozitivita 80 %) testem, který má senzitivitu 90 % a specificitu 99,5 %.
  2. Testování (n = 10 000) žáků bez projevů respiračního onemocnění (předpokládaná prevalence 2 %, předpokládaná pozitivita 35 %) testem, který má senzitivitu 90 % a specificitu 99,5 %.
  3. Testování (n = 10 000) žáků bez projevů respiračního onemocnění (předpokládaná prevalence 2 %, předpokládaná pozitivita 35 %) testem, který má senzitivitu pouze 60 % a specificitu 99,5 %.
  4. Testování (n = 10 000) žáků bez projevů respiračního onemocnění, ale ve třídách s potvrzeným výskytem COVID-19 (předpokládaná prevalence 20 %, předpokládaná pozitivita 35 %) testem, který má senzitivitu 90 % a specificitu 99,5 %.

Tab.  Výsledky testování podle scénářů A–D

Scénář

Prevalence

Senzitivita

Specificita

PPV

NPV

FP

FN

A (pacienti u lékaře)

50 %

90,00 %

99,50 %

99,45 %

90,87 %

44 (0,55 %)

183 (9,13 %)

B (žáci ve třídě)

2 %

90,00 %

99,50 %

78,60 %

99,80 %

749 (21,40 %)

13 {0,20 %)

C (žáci ve třídě)

2 %

60,00 %

99,50 %

71,01 %

99,19 %

1015 (28,99 %)

53 (0,81 %)

D (žáci ve třídě s výskytem COVID-19)

20 %

90,00 %

99,50 %

95,24 %

98,90 %

76 (4,76 %)

159 (1,10 %)

Při testování pacientů s respiračním onemocněním v ordinaci lékaře (skupina A) získáme velký predikovaný počet osob s falešně negativním výsledkem, a to kvůli vysoké prevalenci. Při testování žáků v rámci epidemiologické studie (skupina B) získáme velký predikovaný počet osob s falešně pozitivním výsledkem testu, a to kvůli nižší prevalenci v porovnání se scénářem A. Tento výsledek se ještě zhorší, pokud ve scénáři C použijeme test s nižší senzitivitou než u scénáře B. Zároveň se zvyšuje i predikovaný počet osob s falešně negativním výsledkem testu. Pokud je ve třídě již detekován výskyt koronaviru a prevalence se zvýší na 20 % (skupina D), získáme ještě vyšší predikovaný počet osob s falešně negativním výsledkem v porovnání se scénářem B, a to kvůli zvýšené prevalenci.

Jak závisí falešná negativita a falešná pozitivita na parametrech testu a prevalenci

Na obrázku níže jsou barevně zobrazeny hodnoty falešně pozitivních výsledků (horní řádka) a falešně negativních výsledků (dolní řádka) v závislosti na senzitivitě, jejíž hodnoty jsou vyneseny na ose x, a specificitě, jejíž hodnoty jsou zobrazeny na ose y. Zobrazeny jsou situace při prevalenci 2 %, 20 % a 50 %. Červeně jsou zobrazeny intervaly, při nichž je predikce velmi špatná a získáme mnoho falešně pozitivních nebo falešně negativních výsledků. Tmavě modře jsou naopak zobrazeny ty situace, kdy je predikce kvalitní a pravděpodobnost falešně pozitivních nebo falešně negativních výsledků je akceptovatelná.

Co se tedy děje? Zvyšování prevalence přinese zvýšení počtu falešně negativních výsledků a pokles počtu falešně pozitivních výsledků. Pokles senzitivity testu přinese zvýšení počtu falešně pozitivních osob a také snížení počtu falešně negativních osob. Tedy za nízké prevalence potřebujeme vysoce specifický test, za vysoké prevalence musí mít test vysokou senzitivitu.

Obr.  Predikce (a) falešně pozitivních výsledků (neinfekčních osob s pozitivním testem), (b) falešně negativních výsledků (infekčních osob s negativním testem). Zobrazena je situace s prevalencí 2 %, 20 % a 50 %. Červená barva značí velmi špatnou spolehlivost výsledku (vysokou falešnou pozitivitu/negativitu), tmavě modrá značí dobrou spolehlivost výsledku (nízkou falešnou pozitivitu/negativitu). Číselné hodnoty v legendě značí podíly falešně pozitivních (FP), resp. negativních (FN) výsledků.


 

Proč je nutné vyzkoušet test před testováním populací

Proč nevěříme výrobcem deklarované senzitivitě testů a domníváme se, že ve skutečnosti bude nižší, tedy oněch cca 60 %? Musíme si uvědomit, že kvalitu diagnostických testů výrobci testují na skutečně nemocných osobách (např. hospitalizovaných pacientech), které mají vysokou virovou nálož. Děti ve škole jsou úplně jiná cílová skupina. Pokud virus mají, pak jen málo z nich bude mít vysokou nálož; spíše se u nich bude vyskytovat jen malé množství virů. Antigenní test u nich tím pádem bude vykazovat výrazně nižší senzitivitu než při testování pacientů v nemocnici. Proto je nutné nespoléhat se na údaje výrobce, ale ověřit je na populaci, kterou chceme testovat.

Ve verifikační studii provedené ve Zdravotním ústavu v Ostravě na pacientech indikovaných k vyšetření lékařem (tedy s prevalencí cca 30 %) byla u 5 různých typů antigenních testů zjištěna senzitivita 41–76 % v porovnání s PCR testem a 81–98 % v porovnání s kombinací kultivačního testu viru a PCR (3). Zjištěná specificita se pohybovala v rozmezí 56–99 % při porovnání s PCR testem a 61–99 % při porovnání s kultivačním testem a PCR. Ve FN Motol byly testovány 2 antigenní testy a byla zjištěna senzitivita 63 a 67 % [4]. Nicméně obě tyto studie byly provedené pomocí odběrů kvalifikovaným zdravotnickým personálem u skupin pacientů indikovaných k vyšetření, tedy odpovídajících spíše naší skupině A.

Nejnovější verifikační studie byla provedena v únoru 2021 ve FN Motol na 496 bezpříznakových osobách indikovaných k PCR vyšetření. Autoři porovnávali výsledky 3 vyšetření: Nejprve antigenního testu (od firmy Abbott) ze stěru z nosu a současně klasického PCR testu z nazofaryngeálního stěru, provedených první den (5). Testované osoby následně dostaly antigenní test domů a vyšetření zopakovaly za 2 dny. Opakovaný výsledek nahlásilo 360 osob. Pozitivní PCR mělo 93 osob – silně pozitivní výsledek PCR byl zaznamenán u 54 z nich, slabší u 39. Pozitivní antigenní test vyšel u 41 osob, všechny měly vysoce pozitivní PCR. Tedy citlivost testu byla 76 % při stanovení pro skupinu silně pozitivních, 44 % při stanovení všech PCR-pozitivních. Při opakovaném antigenním testu provedeném o 2 dny později byl zjištěn u skupiny, která měla silně pozitivní PCR (40 osob), pozitivní záchyt u 6 osob s původně negativním výsledkem. Navíc mělo druhé antigenní testy pozitivní 5 lidí se slabou PCR pozitivitou a 2 osoby původně PCR negativní. Tedy u indikovaných osob opakované antigenní testování kvalitním testem po 2 dnech zvýšilo senzitivitu na 95 % (v porovnání se silnou PCR pozitivitou) a 59,7 % (v porovnání se všemi PCR-pozitivními).

Pár praktických postřehů na závěr

Kromě matematiky nenahrává potenciální úspěšnosti antigenního testování ve školách ani to, že senzitivita testů se snižuje v závislosti na typu a kvalitě odběru materiálu. Z důvodu menší bolestivosti, respektive invazivnosti se u dětí zvažuje testování ze slin, kloktání či výtěr z nosu. Tyto metody mají nižší výtěžnost viru než klasický nazofaryngeální stěr. Opět – budou-li tyto testy zkoušet nemocní lidé, může být testování úspěšné. U bezpříznakových osob však bude virová nálož pravděpodobně nižší.

Připustíme-li, že vybereme ucházející testy, nedomyšlené na celé akci „testujme ve školách“ je naprosté opomíjení rizika přenosu infekce při vlastním odběru materiálu dětmi. Jak bude infekční materiál po testování likvidován a skladován? Jak bude třída po testech uklizena? Budou-li odběry prováděny ve venkovních stanech, což byla také jedna ze zvažovaných možností, bude dodržena doporučená teplota při testování?

Bohužel jsme se ocitli v době, kdy politická reprezentace nezvládá zkrotit epidemii, a v zoufalé snaze se jí ubránit se uchyluje k použití metod, které by zdánlivě fungovat měly, ale ve skutečnosti tomu tak nebude. Ministerstvo školství ani zdravotnictví nenaslouchají doporučením odborníků z řad mikrobiologické společnosti, kteří již v září upozorňovali na úskalí spojená s antigenním testováním. A nepoučená veřejnost bohužel doufá v zázrak, který se konat nebude. Řešením je cílené testování využívající testy s ověřenou kvalitou provedené proškolenými osobami, nikoliv amatérská hra na „malého chemika“.

Pro ty, kdo si rádi hrají, však přesto máme na závěr malý tip: Problematiku testování si lze prakticky vyzkoušet a ověřit prostřednictvím interaktivní simulace připravené Jakubem Dostálem (ABRADATAS).

doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky, Masarykova univerzita, Brno
Ústav informatiky AV ČR, Praha

RNDr. Zuzana Krátká, Ph.D.
Imunologická laboratoř, GENNET, s. r. o., Praha
4BIN – Centrum pro bayesovskou inferenci

Zdroje:
1. Pepe S. M. The Statistical Evaluation of Medical Tests for Classification and Prediction. Oxford University Press, 2004.
2. Přímá detekce SARS-CoV-2 – detekce antigenu. Společnost pro lékařskou mikrobiologii ČLS JEP, 23. 9. 2020. Dostupné na: www.splm.cz/article/prima-detekce-sars-cov-2-detekce-antigenu
3. Výsledky studie antigenních testů. Zdravotní ústav se sídlem v Ostravě, 1. 12. 2020. Dostupné na: https://zuova.cz/Content/files/novinky/20201201-vysledky-studie-antigennich-testu.pdf
4. Výsledky srovnávací studie antigen vs. PCR. Ústav lékařské mikrobiologie 2. LF UK a FN Motol v Praze, 27. 10. 2020. Dostupné na: www.fnmotol.cz/_sys_/FileStorage/download/3/2854/priloha_vysledky-srovnavaci-studie-antigen-vs-pcr.pdf
5. Antigenní testy pro plošné testování? Jen pokud se často opakují. Ústav lékařské mikrobiologie 2. LF UK a FN Motol v Praze, 10. 3. 2021. Dostupné na: https://www.fnmotol.cz/_sys_/FileStorage/download/4/3023/tz10032021_anitgenni-testy-pro-plosne-testovani.pdf



Kurzy Podcasty Doporučená témata Časopisy
Přihlášení
Zapomenuté heslo

Zadejte e-mailovou adresu, se kterou jste vytvářel(a) účet, budou Vám na ni zaslány informace k nastavení nového hesla.

Přihlášení

Nemáte účet?  Registrujte se

#ADS_BOTTOM_SCRIPTS#