[论文解读] Boosting test-efficiency by pooled testing strategies for SARS-CoV-2

Ricardó A. Hanel, Stefan Thurner|IIASA PURE (International Institute of Applied Systems Analysis)|Mar 22, 2020

SARS-CoV-2 detection and testing被引用 30

一句话总结

本文提出一个公式化框架，用于优化SARS-CoV-2的混合检测，推导出最优池大小、预期效率提升，以及未检测感染的界限，作为人口感染水平和检测错误率的函数；它讨论了重复检测并给出一个奥地利示例。

ABSTRACT

In the current COVID19 crisis many national healthcare systems are confronted with an acute shortage of tests for confirming SARS-CoV-2 infections. For low overall infection levels in the population, pooling of samples can drastically amplify the testing efficiency. Here we present a formula to estimate the optimal pooling size, the efficiency gain (tested persons per test), and the expected upper bound of missed infections in the pooled testing, all as a function of the populationwide infection levels and the false negative/positive rates of the currently used PCR tests. Assuming an infection level of 0.1 % and a false negative rate of 2 %, the optimal pool size is about 32, the efficiency gain is about 15 tested persons per test. For an infection level of 1 % the optimal pool size is 11, the efficiency gain is 5.1 tested persons per test. For an infection level of 10 % the optimal pool size reduces to about 4, the efficiency gain is about 1.7 tested persons per test. For infection levels of 30 % and higher there is no more benefit from pooling. To see to what extent replicates of the pooled tests improve the estimate of the maximal number of missed infections, we present all results for 1, 3, and 5 replicates.

研究动机与目标

• 在有限的检测资源下，推动使用混合检测以提高检测吞吐量。
• 推导一个数学框架，用于计算最优池大小、每次检测的测试人数（PPT），以及未检出感染的上限（FNPT）。
• 评估重复检测在不同感染水平下对假阴性和效率的影响。
• 提供实用指南并给出一个关于奥地利的示例。

提出的方法

• 模型假设人口中的感染分数为lambda。
• 将样本分成大小为omega的组并对合并样本进行检测。
• 在合并检测中引入假阳性率gamma_plus和假阴性率gamma_minus。
• 使用r个重复检测并以多数结果来判定池为阳性。
• 如果池为阳性，则对该组中的每个个体进行单独检测。
• 计算P_plus，即合并检测为阳性的概率。
• 计算q，即每人预期的测试次数，PPT = 1/q。
• 将FNPT定义为在使用多数规则和重复检测时，每个被检测者的未检出感染的上限。
• 推导gamma_minus^*作为二项式多数概率，并通过p、gamma_minus以及gamma_minus^*来表达FNPT。
• 请注意，结果取决于感染水平、检测错误率、池大小和重复检测。

实验结果

研究问题

• RQ1 最优池大小omega_opt作为人口感染水平lambda和检测错误率(gamma_plus, gamma_minus)的函数是？
• RQ2 在不同感染水平和重复检测下，混合检测能实现多少效率提升（PPT）？
• RQ3 混合检测未检出感染的上限（FNPT）是多少，以及它如何取决于r（重复检测）和gamma_minus？
• RQ4 多次重复检测是否在FNPT和PPT上带来明显改进，以及在何种条件下？

主要发现

• 最优池大小随人口感染水平上升而减小（例如，0.1%时约为32，1%时为11，10%时为4，29%以下时约为3–4，超过29%时混合检测收益消失）。
• 在低感染水平下，效率提升（PPT）很高（0.1%时约15 PPT，1%时约5.1 PPT，10%时约1.7 PPT），当感染率超过30%时降至接近1。
• 重复检测可以降低FNPT，但随着重复检测增多，整体PPT下降（在所给情景下，更多重复检测约带来4.3 PPT）。
• 在大多数实际筛查场景中，超过一份重复检测并不明显必要；单次重复通常已经足够。
• 一个奥地利示例（约1000万人口）表明，0.1%感染时最优池大小约为32，1%感染时约为11，使用一个重复检测的情况下，预期提升约十倍。
• FNPT随gamma_minus增加而增加，重复检测的改进有限；最坏情况下未检出感染仍然有上界（例如在0.1%感染时，约1/800，即0.13%，可能被漏检）。