[論文レビュー] Optimal pooling strategies for laboratory testing

Brian G. Williams|arXiv (Cornell University)|Jul 28, 2010

Statistical Methods in Clinical Trials参考文献 9被引用数 4

ひとこと要約

本稿では、特に陽性サンプルの有病率が低い場合に、生物学的サンプルをスクリーニングする際の検査回数を最小限に抑えるために最適なプール化戦略を提案している。最適なプールサイズの数学的表現を導出し、有病率が1%未塔の際にプール化が最も効果的であることを示している。1%未塔ではプールサイズ4がほぼ最適であり、特に二段階プール化を用いることで大きな利点が得られる。ただし、大きなプールサイズでは検査感度の低下を考慮する必要がある。

ABSTRACT

We consider the optimal strategy for laboratory testing of biological samples when we wish to know the results for each sample rather than the average prevalence of positive samples. If the proportion of positive samples is low considerable resources may be devoted to testing samples most of which are negative. An attractive strategy is to pool samples. If the pooled samples test positive one must then test the individual samples, otherwise they can all be assumed to be negative. The pool should be big enough to reduce the number of tests but not so big that the pooled samples are almost all positive. We show that if the prevalence of positive samples is greater than 30% it is never worth pooling. From 30% down to 1% pools of size 4 are close to optimal. Below 1% substantial gains can be made by pooling, especially if the samples are pooled twice. However, with large pools the sensitivity of the test will fall correspondingly and this must be taken into consideration. We derive simple expressions for the optimal pool size and for the corresponding proportion of samples tested.

研究の動機と目的

• 生物学的サンプルをスクリーニングする際、特に陽性サンプルの有病率が低い場合に必要な検査回数を減らすこと。
• 希釈による偽陰性リスクの増加というトレードオフを考慮しながら、総検査回数を最小化する最適なプールサイズを特定すること。
• さまざまな有病率において、単一段階プール化と二段階プール化戦略の有効性を比較すること。
• 大きなプールサイズにおける検査感度の低下が及ぼす影響を定量化し、最適化フレームワークに統合すること。
• 有病率と望ましい効率に基づいた、臨床検査プロトコルの実用的ガイドラインを提供すること。

提案手法

• 著者らは、プール内の陽性サンプルの二項確率に基づく確率的フレームワークを用いて、必要な期待検査回数をモデル化した。
• プールが陽性である確率と、その後の個別再検査の必要性を考慮し、期待検査回数を最小化する最適なプールサイズの閉形式式を導出した。
• 大きなプールサイズにおけるサンプル希釈による検査感度の低下をモデル化し、期待検査回数にこれを適切に反映させた。
• 全サンプルを一度にプールする単一段階プール化と、最初にプール検査を行い陽性プールを個別に再検査する二段階プール化を比較分析した。
• 有病率30%から0.1%までの範囲で、数値最適化を用いて最適なプールサイズを特定した。
• 大きなプールサイズにおける感度低下はプールサイズの減少関数としてモデル化され、期待検査回数に統合された。

実験結果

リサーチクエスチョン

• RQ1 陽性サンプルの有病率が低い場合に、検査回数を最小化する最適なプールサイズは何か？
• RQ2 プール化が非効率的または逆効果となる有病率の閾値は何か？
• RQ3 二段階プール化と単一段階プール化は、検査回数の削減と感度低下の観点からどのように比較できるか？
• RQ4 大きなプールサイズにおける希釈が検査感度に与える影響は何か？ これを最適化にどのように組み込むべきか？
• RQ5 プール化による最大の効率向上はどれほど達成可能か？ どのような条件下で達成されるか？

主な発見

• 陽性サンプルの有病率が30%を超えると、プール化は常に非効率であり、個別検査よりも期待検査回数が増加する。
• 有病率が30%から1%の間では、プールサイズ4がほぼ最適であり、検査回数の大幅な削減が可能で、感度低下も限定的である。
• 有病率が1%未塔の場合、特に二段階プール化戦略を用いることで、顕著な効率向上が得られる。
• 大きなプール（例：10〜20サンプル）では、非常に低い有病率（例：0.1%）において検査回数を最大80%まで削減可能だが、これは検査感度が十分に高い、または希釈補正がなされている場合に限る。
• 有病率が上昇するにつれて最適なプールサイズは減少し、検査回数削減と感度低下のトレードオフが中程度のプールサイズで最も顕著になる。
• 本稿では、最適なプールサイズと検査が必要なサンプルの期待割合を直接応用可能な明示的な数式として提供している。