[논문 리뷰] COVID-19: Should We Test Everyone?

Grace Y. Yi, Wenqing He외 2명|arXiv (Cornell University)|2020. 04. 02.

COVID-19 diagnosis using AI참고 문헌 5인용 수 6

한 줄 요약

이 논문은 광범위한 코로나19 검사의 통계적 영향을 평가하며, 특히 잘못된 음성 및 양성 결과와 같은 검사 정확도의 문제를 검사 결정에 반영해야 한다고 강조한다. 반복 검사와 환자의 건강 상태에 따라 검사 성능을 분류 평가하는 것이 자원이 제한된 상황에서 자원을 최적화하고 정확도를 높이는 데 기여한다.

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.

연구 동기 및 목표

• 제한된 검사 자원 속에서 누가 코로나19 검사를 받아야 할지에 대한 공적 및 임상적 딜레마를 해결하기 위해.
• 특히 잘못된 음성 및 양성 결과를 포함한 검사 정확도의 영향을 수량화하여 검사 결과에 미치는 영향을 분석하기 위해.
• 자원 제약 상황에서 의료 제공자들이 검사 사용을 최적화하는 데 기초가 되는 통계적 근거를 제공하기 위해.
• 전반적인 민감도와 특이도에 의존하는 것보다도 환자 하위군(예: 연령, 증상, 기저질환)에 따라 검사 성능을 정교하게 평가할 것을 권고하기 위해.
• 반복 검사와 다른 진단 도구(예: CT 촬영, 빠른 분자 검사)가 감염 검출 정확도를 향상시키는 데 어떻게 기여할 수 있는지 탐색하기 위해.

제안 방법

• 검사 민감도와 특이도가 개인 및 인구 수준의 검사 결과에 미치는 영향을 평가하기 위해 통계 모델링을 사용한다.
• 보고된 민감도 및 특이도 값을 바탕으로 실제 두 가지 검사—Hutchison (2020) RT-PCR 및 IgM-IgG 빠른 검사—를 비교한다.
• 독립적인 검사 결과를 가정할 때 반복 검사를 통해 잘못된 음성 비율을 줄이는 영향을 분석한다.
• 감염 확률의 동적 변화를 반영하기 위해 감염 상태 $Y(t)$ 의 시간에 따라 변하는 모델링을 제안한다.
• 증상의 심각도, 기저질환 등 환자 특성에 따라 검사 성능 지표를 분류하여 임상적 의사결정을 향상시키기 위해 권고한다.
• 계층화된 검사 전략에서 CT 촬영 및 빠른 분자 검사(예: Cepheid의 Xpert Xpress)와 같은 보조 선별 도구의 통합을 평가한다.

실험 결과

연구 질문

• RQ1 검사 정확도, 특히 잘못된 음성 결과가 개인 및 인구 수준의 검사 결과 신뢰성에 어떻게 영향을 미치는가?
• RQ2 자원을 절약하면서도 감염을 놓치는 것을 최소화하기 위해 반복 검사를 어떻게 최적화할 수 있는가?
• RQ3 전체 민감도와 특이도를 사용하는 것보다 환자 하위군에 따라 검사 성능을 어떻게 더 잘 평가할 수 있는가?
• RQ4 RT-PCR 결과가 모호한 경우 CT 촬영, 빠른 분자 검사와 같은 보조 진단 도구가 감염 검출에 어떻게 기여하는가?
• RQ5 epidemiological 조건과 공중보건 조치가 변화하는 상황을 반영하여 검사 프로토콜은 어떻게 시간이 지남에 따라 조정되어야 하는가?

주요 결과

• 코로나19 IgM-IgG 빠른 검사는 Hutchison (2020)에서 기술한 검사보다 높은 민감도와 특이도를 보였지만, 환자 집단과 표본 크기의 차이로 인해 비교는 제한적이다.
• 반복 검사는 잘못된 음성 결과의 확률을 크게 줄여 시간이 지남에 따라 감염자 탐지 정확도를 향상시킨다.
• 감염 상태 $Y(t)$ 의 시간에 따른 모델링은 바이러스 부하와 전파 위험의 동적 특성을 반영하기 위해 필수적이다.
• 증상의 심각도나 기저질환 유무에 따라 다른 환자 하위군에 대해 민감도 및 특이도와 같은 검사 성능 지표를 별도로 보고할 필요성이 크다.
• CT 촬영 및 빠른 분자 검사(예: Cepheid의 Xpert Xpress)와 같은 보조 도구는 특히 RT-PCR 결과가 음성인 환자에게서 선별에 있어 유용한 보완 수 Mittel이 될 수 있다.
• 빠르지만 정확도가 다소 낮은 검사를 초기 선별에 사용하고, 정확도는 떨어지지만 비용이 더 많이 드는 검사를 확진을 위해 사용하는 계층화된 검사 전략은 자원 활용도를 최적화하고 감염 탐지 효율을 높일 수 있다.