Ekspert i biostatistik: Det kan du bruge en hurtigtest for corona til
BLOG. Du kan nu få en hurtigtest for corona uden selv at skulle betale for den. Men hvad kan du bruge svaret til? Det har lektor ved Aarhus Universitet, Institut for Folkesundhed, skrevet en blog om.
Danske aviser og DR´s radioavis har omtalt den som en usikker test "...med 60 procent præcision", men er det rigtigt, og hvad betyder det overhovedet? Svaret er mere kompliceret end som så, men den almindelige borger bør fokusere på, at testens resultat betyder følgende:
Min test var positiv: "Der er mere end 85 procent risiko for, at jeg faktisk har corona, så jeg selvisolerer og får taget en bekræftende test hurtigst muligt for at være sikker."
Min test var negativ: "Der er nu cirka samme risiko for, at jeg ikke har corona, som inden jeg tog testen. Jeg kan derfor ikke bare holde juleaften sammen med bedsteforældrene uden at bekymre mig om corona. Der er dog heller ikke grund til yderligere test."
Synes du også, disse to udsagn passer dårligt med, hvad man sådan umiddelbart ville forvente for en test med 60 procent præcision, så kommer forklaringen her (omend den bliver lidt teknisk).
Når journalisterne taler om 60 procent præcision (f.eks. DRs Radioavis kl 12:00, 12. december 2020), eller at testen har 60 procent følsomhed, så er det egentlig testens såkaldte sensitivitet, de taler om: Hvor mange af dem, som er smittede, bliver fundet med testen? Det lyder måske lavt med 60 procent (og det er det i nogle sammenhænge), men det kan sagtens være en meget nyttig test alligevel - hvis forskere gerne ville vide, hvor mange der er smittet med corona, kunne de hurtigt teste 1.000 tilfældige, og hvis den så finder 60 med et positivt testsvar, ja så ved vi, at der i alt er 100 smittede blandt de 1.000 tilfældige personer, for testen har jo forventeligt overset 40 procent af de smittede.
Men vigtigere er, at en tests præcision ikke kun afhænger af, hvor god den er til at finde dem, der faktisk er smittede - den skal også kunne si dem fra, som ikke er smittede. Hvor god en test er til det, kaldes for specificiteten: Hvor mange af dem, som ikke er smittede, får et negativt test-resultat? Det er nemt at forstå, hvorfor specificitet også må være vigtigt. Hvis vi nu ville lave en super simpel test med 100 procent sensitivitet (alle smittede får et positivt testresultat), skulle vi jo bare lade være med at teste og sige til alle, at de var testet positive. Det ville selvfølgelig være absurd og helt ubrugeligt, for så har vi også udnævnt alle uden sygdom til at være positive. En god test er derfor karakteriseret ved, at den både har en høj sandsynlighed for at finde de syge (sensitivitet) og en høj sandsynlighed for at frikende de raske (specificitet). Specificiteten for en hurtigtest er nok tæt på 100 procent, men om den er eksakt 100 procent er nok ret optimistisk.
Sensitivitet og specificitet er vigtige størrelser, når man skal sammenligne tests for at se, hvor gode de er. Men hvis du overvejer, hvad du kan bruge dit test-svar til, er både sensitivitet og specificitet ret ligegyldige, for du kan ikke bruge de værdier til at forstå dit resultat fra testen. I stedet har du brug for at få de såkaldte prædiktive værdier oplyst, og det er dem, jeg synes, journalisterne burde fortælle om. Der er to prædiktive værdier, en svarende til en positiv og en anden svarende til en negativ test. Sagt lidt poppet, giver de dig svaret på spørgsmålet om: Kan jeg stole på mit testresultat? Hvis min test var positiv, er jeg så faktisk smittet? Hvis min test var negativ, er jeg så faktisk ikke smittet (og kan holde jul med bedsteforældrene)?
De prædiktive værdier hænger sammen med sensitivitet og specificitet, men de afhænger også af hvor udbredt smitten er. Hvis du vil se nærmere på, hvordan de hænger sammen, har jeg lavet nedenstående regneark for at vise mekanikken i det.
Ideen med regnearket er, at vi kan angive sensitivitet og specificitet, samt hvor udbredt sygdommen er (det daglige smittetal gange varighed for sygdom + mørketallet, lidt forsimplet - formlen er i regnearkets celle B22) og så forestiller vi os, at hurtigtesten bliver brugt på 10.000 tilfældige personer. Nogle vil være sandt positive (smittede med positivt svar), falsk positive (ikke-smittede med positivt svar), sandt negative (ikke-smittede med negativt svar) og falsk negative (smittede med negativt svar). Jeg har tilføjet et par ark for at vise, hvordan de prædiktive værdier ændrer sig, hvis f.eks. specificiteten ikke er helt perfekt (den bliver sat til 98 procent). Så bliver den positive prædiktive værdi ret lav: Mange tester positive, men få af dem er smittede. Også hvis mørketallet er lidt lavere end forudsat i basis-scenariet, falder den positive prædiktive værdi.
Du er velkommen til at hente regnearket og selv lege med, hvad forskellige forudsætninger betyder:
https://docs.google.com/spreadsheets/d/15-UFoVO96PL_ydrWxz9O34tRj52yAywHIoLMHTptzQo/edit#gid=0
Hvad er konklusionen så? Som borger, der overvejer at blive testet, er det ret ligegyldigt, hvad testens følsomhed er - det vigtige er, at man kan stole på det testresultat, man faktisk har fået. Kan man så det?
Ja, hvis man tester positiv, kan man være ret sikker på, at man er smittet, og man skal tage sine forholdsregler (isolation, opfølgende test og smitteopsporing). Men hvad så, hvis man tester negativ? Det kunne jo se ud som om, at man kan være virkelig sikker på ikke at være smittet (99 procent eller mere). Sådan set rigtigt, men læg mærke til, at det jo stort set er samme sandsynlighed, som inden man blev testet (den er i basis-scenariet 98,9 procent, hvis man ikke har symptomer eller har været tæt på en person med kendt smitte).
Så et negativt test-resultat fortæller med andre ord ikke ret meget mere, end du vidste, inden du blev testet.
Sagt kort: Du er nok ikke smittet, men du kan ikke være helt sikker og skal derfor fortsat tage dine forholdsregler, også (og måske især) juleaften.
Tags: corona