[論文レビュー] COVID-19: Should We Test Everyone?

Grace Y. Yi, Wenqing He+2 more|arXiv (Cornell University)|Apr 2, 2020

COVID-19 diagnosis using AI参考文献 5被引用数 6

ひとこと要約

本論文は、広範な新型コロナウイルス感染症の検査がもたらす統計的影響を評価し、特に偽陰性および偽陽性の検査不正確性が検査意思決定に組み込まれるべきであることを強調している。繰り返し検査と、患者の健康状態に応じた検査性能の層別評価を提唱することで、限られたリソースを最適化し、検出精度を向上させることを目的としている。

ABSTRACT

Since the beginning of 2020, the coronavirus disease 2019 (COVID-19) has spread rapidly in the city of Wuhan, P.R. China, and subsequently, across the world. The swift spread of the virus is largely attributed to its stealth transmissions in which infected patients may be asymptomatic. Undetected transmissions present a remarkable challenge for the containment of the virus and pose an appalling threat to the public. An urgent question that has been asked by the public is "Should I be tested for COVID-19 if I am sick?". While different regions established their own criteria for screening infected cases, the screening criteria have been modified based on new evidence and understanding of the virus as well as the availability of resources. The shortage of test kits and medical personnel has considerably limited our ability to do as many tests as possible. Public health officials and clinicians are facing a dilemma of balancing the limited resources and unlimited demands. On one hand, they are striving to achieve the best outcome by optimizing the usage of the scant resources. On the other hand, they are challenged by the patients' frustrations and anxieties, stemming from the concerns of not being tested for COVID-19 for not meeting the definition of PUI (person under investigation). In this paper, we evaluate the situation from the statistical viewpoint by factoring into the considerations of the uncertainty and inaccuracy of the test, an issue that is often overlooked by the general public. We aim to shed light on the tough situation by providing evidence-based reasoning from the statistical angle, and we expect this examination will help the general public understand and assess the situation rationally. Most importantly, the development offers recommendations for physicians to make sensible evaluations to optimally use the limited resources for the best medical outcome.

研究の動機と目的

• 限られた検査リソースのもとで、誰が新型コロナウイルス感染症の検査を受けるべきかという公共的・臨床的ジレンマに対処すること。
• 検査の不正確性、特に偽陰性および偽陽性の影響が検査結果に与える影響を定量化すること。
• リソース制約下での検査使用の最適化を支援する、根拠に基づく統計的根拠を提示すること。
• 全体の感度および特異度に依存するのではなく、年齢、症状、合併症などの患者サブグループごとの検査性能の洗練された評価を提言すること。
• 繰り返し検査や代替診断ツール（例：CTスキャン、迅速分子検査）が、検出精度を向上させる役割をどのように果たすかを検討すること。

提案手法

• 検査感度および特異度が個人および集団レベルの検査結果に与える影響を評価する統計的モデリングを用いる。
• 報告された感度および特異度値に基づき、Hutchison (2020) のRT-PCRとIgM-IgG迅速検査の2つの実世界の検査を比較する。
• 独立した検査結果を仮定して、繰り返し検査が偽陰性率を低下させる効果を分析する。
• 感染状態 $Y(t)$ の時間に依存するモデリングを提唱し、時間経過に伴うウイルス量および感染リスクの動的変化を反映する。
• 症状の重症度、合併症の有無などの患者特徴に基づいて、検査性能指標を層別化することで、臨床的意思決定を改善することを提言する。
• 段階的検査戦略におけるCTスキャンや迅速分子検査（例：CepheidのXpert Xpress）などの代替スクリーニングツールの統合を評価する。

実験結果

リサーチクエスチョン

• RQ1 検査の不正確性、特に偽陰性の影響が、個人および集団レベルの検査結果の信頼性にどのように及ぶか？
• RQ2 リソースを節約しつつ、感染を逃す確率を最小限に抑えるために、繰り返し検査の最適戦略は何か？
• RQ3 全体の感度および特異度に依存するのではなく、異なる患者サブグループにおける検査性能をどのようによりよく評価できるか？
• RQ4 RT-PCR結果が不確かである場合、CTスキャンや迅速分子検査などの代替診断ツールが検出精度を向上させる役割を果たすか？
• RQ5 疫学的状況および公衆衛生対策が変化するに伴い、検査プロトコルはどのように調整すべきか？

主な発見

• 新型コロナウイルス感染症のIgM-IgG迅速検査は、Hutchison (2020) が報告した検査よりも高い感度および特異度を示したが、患者集団やサンプルサイズの違いにより、この比較には限界がある。
• 繰り返し検査は、偽陰性の確率を顕著に低下させ、時間の経過とともに感染している個体の検出を向上させる。
• 感染状態 $Y(t)$ の時間に依存するモデリングは、ウイルス量および感染リスクの動的変化を反映するために不可欠である。
• 症状の重症度や合併症の有無に応じた、異なる患者サブグループにおける検査性能指標（感度および特異度）の別々の報告が、極めて重要である。
• CTスキャンや迅速分子検査（例：CepheidのXpert Xpress）などの代替ツールは、RT-PCR結果が陰性の患者に対して、スクリーニングの貴重な補完として機能することができる。
• 迅速でやや不正確な検査を初期スクリーニングに、より正確で高コストな検査を確認に用いる段階的検査戦略を採用することで、リソースの効率的使用と検出効率の向上が可能になる。