[論文レビュー] The Hypothesis of Testing: Paradoxes arising out of reported coronavirus case-counts

Walter Dempsey|arXiv (Cornell University)|May 20, 2020

COVID-19 epidemiological studies参考文献 30被引用数 6

ひとこと要約

この論文は、選択バイアスとテストの不完全性が報告された新型コロナウイルス感染症の症例数にどのように歪みをもたらすかを調査し、有病率と基本再生産数の推定値におけるパラドックスを明らかにしている。単純な統計モデルを用いて、限定的で非ランダムなテストと偽陽性・偽陰性が公衆衛生の解釈を著しく誤らせることを示し、データの透明性と正確性を高めるための改善された報告手法を提案している。

ABSTRACT

Many statisticians, epidemiologists, economists and data scientists have registered serious reservations regarding the reported coronavirus case-counts. Limited testing capacity across the country has been widely identified as a key driver of suppressed coronavirus case-counts. The calls to increase testing capacity are well-justified as they become a more frequent point of discussion in the public sphere. While expanded testing is a laudable goal, selection bias will impact estimates of disease prevalence and the effective reproduction number until the entire population is sampled. Moreover, tests are imperfect as false positive/negative rates interact in complex ways with selection bias. In this paper, we attempt to clarify this interaction. Through simple calculations, we demonstrate pitfalls and paradoxes that can arise when considering case-count data in the presence of selection bias and measurement error. The discussion guides several suggestions on how to improve current case-count reporting.

研究の動機と目的

• 非ランダムなテストと不完全な診断による報告された新型コロナウイルス症例数に生じる統計的パラドックスを特定し、明確化すること。
• 限られたテスト能力が、症例有病率の抑制的かつ誤解を招く推定値を生じることを強調すること。
• 選択バイアスと測定誤差（偽陽性・偽陰性）が疫学的データ解釈に与える相互作用を検討すること。
• 現在の症例数報告手法の透明性と信頼性を高めるための実行可能な提言を提供すること。
• データサイエンティストと公衆衛生担当者が、報告された症例データを用いる際の誤った推論を避けるためのガイダンスを提供すること。

提案手法

• 非ランダムなテストが症例数推定に与える影響を模擬するために、基本的な確率論と統計モデリングを用いる。
• 選択バイアス（非ランダムな標本抽出）とテストの不完全性（偽陽性・偽陰性）の併存効果が、報告された有病率に与える影響をモデル化する。
• 単純な数学的計算を用いて、偏ったサンプリングとテスト誤りによって生じる直感に反する結果（例：感染拡大が低下しているにもかかわらず症例数が上昇する現象）を示す。
• 不完全で偏ったテストデータから導かれる有効再生産数（Rt）を、不完全なテスト条件下で分析し、それが系統的に過大または過小に推定され得ることを示す。
• 誤解を減らすために、テスト陽性率とテストカバレッジを症例数とともに報告するなど、データ報告の方法論的改善を提言する。
• 選択バイアスを排除し、疫学的指標の妥当性を高めるために、母集団レベルのサンプリングの必要性を強調する。

実験結果

リサーチクエスチョン

• RQ1 新型コロナウイルスパンデミック期に、限定的で非ランダムなテストが真の疾患有病率の推定にどのようにバイアスをもたらすか？
• RQ2 選択バイアスと不完全なテスト精度を組み合わせた場合、報告された症例数にどのようなパラドキシカルな結果が生じ得るか？
• RQ3 偽陽性率および偽陰性率が、症例トレンドおよび有効再生産数の解釈をどのように歪めるか？
• RQ4 不完全なテストデータから導かれる有効再生産数（Rt）の信頼性に、選択バイアスがどのように影響するか？
• RQ5 バイアスがかかるおよび誤りを含む症例数に起因する誤解のリスクを軽減するための報告手法は何か？

主な発見

• 限られたテスト容量による選択バイアスは、観察された症例数を体系的に抑制し、真の疾患有病率の低く見積もられることにつながる。
• 偽陽性および偽陰性のテスト結果が選択バイアスと相互作用し、感染拡大が低下しているにもかかわらず症例数が上昇するといった直感に反するトレンドを生じる。
• 偏った非代表的なテストデータから導かれる有効再生産数（Rt）は、顕著に誤って推定される可能性がある。
• テストを増やしても、母集団全体がサンプリングされない限り、選択バイアスは持続し、主要な疫学的指標の妥当性を損なう。
• 症例数に加えてテスト陽性率とテストカバレッジを報告することで、透明性が向上し、誤解のリスクが低下する。
• 単純な統計モデルにより、現在の症例数報告が測定誤差と標本バイアスを十分に考慮していないため、公衆衛生の誤った推論が生じやすいことが明らかになった。