Friaaz Azeez viene testata per COVID-19 da un operatore sanitario presso un centro di test pop-up presso l'Istituto Islamico di Toronto a Scarborough, Ontario, il 29 maggio 2020. LA STAMPA CANADESE / Nathan Denette

Durante la pandemia COVID-19, parole e frasi che erano tipicamente limitate agli epidemiologi e ai professionisti della sanità pubblica sono entrate nella sfera pubblica. Sebbene abbiamo rapidamente accettato le notizie basate sull'epidemiologia, al pubblico non è stata data la possibilità di assorbire appieno il significato di tutti questi termini.

Come per tutti i test di malattia, a un risultato falso positivo su un test COVID-19 può causare stress eccessivo sugli individui mentre cercano di navigare nella loro diagnosi, prendere giorni di ferie e isolarsi dalla famiglia. Un esempio di alto profilo è stato il governatore dell'Ohio Mike DeWine il cui Il risultato falso positivo lo ha portato ad annullare un incontro con il presidente Donald Trump.

Risultati del test falsi negativi sono ancora più pericolosi, poiché le persone possono pensare che sia sicuro e appropriato per loro impegnarsi in attività sociali. Naturalmente, fattori come il tipo di test, se l'individuo presentava sintomi prima di essere testato e la tempistica del test possono anche influire sulla capacità del test di prevedere se qualcuno è infetto.

La sensibilità e la specificità sono due concetti scientifici estremamente importanti per comprendere i risultati dei test COVID-19.

Nel contesto epidemiologico, la sensibilità è la proporzione di veri positivi che vengono identificati correttamente. Se 100 persone hanno una malattia e il test identifica 90 di queste persone come affette dalla malattia, la sensibilità del test è del 90%.

Un assistente tecnico di laboratorio presso LifeLabs gestisce un campione da testare per COVID-19 dopo averne scansionato il codice a barre al ricevimento presso il laboratorio dell'azienda, nel Surrey, BC, il 26 marzo 2020. LA STAMPA CANADIANA / Darryl Dyck

La specificità è la capacità di un test di identificare correttamente coloro che non hanno la malattia. Se 100 persone non hanno la malattia e il test identifica correttamente 90 persone senza malattia, il test ha una specificità del 90%.

Questa semplice tabella aiuta a delineare come vengono calcolate sensibilità e specificità quando la prevalenza - la percentuale della popolazione che ha effettivamente la malattia - è del 25% (totali in grassetto):

Sensibilità e specificità con una prevalenza della malattia del 25%. (Priyanka Gogna), Autore previsto

Una sensibilità del test dell'80% può sembrare ottima per un test appena rilasciato (come per i numeri di casi inventati che ho riportato sopra).

Valore predittivo

Ma questi numeri non trasmettono l'intero messaggio. L'utilità di un test in una popolazione non è determinata dalla sua sensibilità e specificità. Quando usiamo sensibilità e specificità, stiamo cercando di capire come funziona un test quando sappiamo già quali persone hanno e non hanno la malattia.

Ma il vero valore di un test in un contesto reale deriva dalla sua capacità di prevedere correttamente chi è infetto e chi no. Questo ha senso perché in un contesto reale, non sappiamo chi ha veramente la malattia - ci affidiamo al test stesso per dircelo. Usiamo il valore predittivo positivo e il valore predittivo negativo di un test per riassumere la capacità predittiva di quel test.

Per chiarire il punto, pensa a questo: in una popolazione in cui nessuno ha la malattia, anche un test che è terribile per rilevare qualcuno con la malattia sembrerà funzionare alla grande. Identificherà "correttamente" la maggior parte delle persone come non affette dalla malattia. Questo ha più a che fare con quante persone hanno la malattia in una popolazione (prevalenza) piuttosto che con quanto bene funziona il test.

Utilizzando gli stessi numeri di cui sopra, possiamo stimare il valore predittivo positivo (PPV) e il valore predittivo negativo (NPV), ma questa volta ci concentriamo sui totali delle righe (in grassetto).

Il PPV viene calcolato come il numero di veri positivi diviso per il numero totale di persone identificate come positive dal test.

Valore predittivo positivo e negativo con una prevalenza della malattia del 25%. (Priyanka Gogna), Autore previsto

Il PPV viene interpretato come la probabilità che qualcuno che è risultato positivo al test abbia effettivamente la malattia. Il NPV è la probabilità che qualcuno che è risultato negativo non abbia la malattia. Sebbene la sensibilità e la specificità non cambino al variare della proporzione di individui malati in una popolazione, il VPP e il VAN dipendono fortemente dalla prevalenza.

Vediamo cosa succede quando ridisegniamo la nostra tabella delle malattie quando la prevalenza della popolazione è dell'uno per cento invece del 25 per cento (molto più vicino alla reale prevalenza di COVID-19 in Canada).

Sensibilità, specificità, PPV e NPV con una prevalenza di malattia dell'uno per cento. (Priyanka Gogna), Autore previsto

Quindi, quando la malattia ha una bassa prevalenza, il PPV del test può essere molto basso. Ciò significa che la probabilità che qualcuno che è risultato positivo al test abbia effettivamente COVID-19 è bassa. Naturalmente, a seconda della sensibilità, specificità e prevalenza nella popolazione, può essere vero anche il contrario: qualcuno risultato negativo potrebbe non essere veramente libero dalla malattia.

Test falsi positivi e falsi negativi nella vita reale

Cosa significa questo quando iniziano i test di massa per COVID-19? Per lo meno significa che il pubblico dovrebbe avere informazioni chiare sulle implicazioni dei falsi positivi. Tutti gli individui dovrebbero esserne consapevoli la possibilità di un test falso positivo o falso negativo, soprattutto perché ci spostiamo a un maggiore dipendenza dai test questo autunno per informare le nostre azioni e decisioni. Come possiamo vedere usando alcune semplici tabelle e matematica sopra, PPV e NPV possono essere limitanti anche di fronte a un "buon" test con alta sensibilità e specificità.

Senza un'adeguata comprensione della scienza alla base dei test e del motivo per cui si verificano falsi positivi e falsi negativi, potremmo spingere il pubblico a diffidare ulteriormente - e persino mettere in dubbio l'utilità - della salute pubblica e dei test. La conoscenza è potere in questa pandemia.

Circa l'autore

Priyanka Gogna, dottoranda, epidemiologia, Queen's University, Ontario

Questo articolo è ripubblicato da The Conversation sotto una licenza Creative Commons. Leggi il articolo originale.

Libri correlati:

Il corpo tiene il punteggio: cervello mente e corpo nella guarigione del trauma

di Bessel van der Kolk

Questo libro esplora le connessioni tra trauma e salute fisica e mentale, offrendo spunti e strategie per la guarigione e il recupero.

Clicca per maggiori informazioni o per ordinare

Respiro: la nuova scienza di un'arte perduta

di Giacomo Nestore

Questo libro esplora la scienza e la pratica della respirazione, offrendo approfondimenti e tecniche per migliorare la salute fisica e mentale.

Clicca per maggiori informazioni o per ordinare

Il paradosso delle piante: i pericoli nascosti negli alimenti "sani" che causano malattie e aumento di peso

di Steven R. Gundry

Questo libro esplora i collegamenti tra dieta, salute e malattia, offrendo spunti e strategie per migliorare la salute e il benessere generale.

Clicca per maggiori informazioni o per ordinare

Il codice di immunità: il nuovo paradigma per la salute reale e l'antietà radicale

di Joel Green

Questo libro offre una nuova prospettiva sulla salute e l'immunità, attingendo ai principi dell'epigenetica e offrendo intuizioni e strategie per ottimizzare la salute e l'invecchiamento.

Clicca per maggiori informazioni o per ordinare

La guida completa al digiuno: guarisci il tuo corpo attraverso il digiuno intermittente, a giorni alterni e prolungato

del dottor Jason Fung e Jimmy Moore

Questo libro esplora la scienza e la pratica del digiuno offrendo spunti e strategie per migliorare la salute e il benessere generale.

Clicca per maggiori informazioni o per ordinare