Оценка распространенности заболеваний с учетом диагностической эффективности тестов на примере использования серологических тестов для диагностики новой коронавирусной инфекции (COVID-19)

Обложка

Цитировать

Полный текст

Аннотация

Изучение распространенности заболеваний необходимо рассматривать с учетом результативности тестов, которые используются для их диагностики. В условиях пандемии новой коронавирусной инфекции (COVID-19) лабораторное тестирование является одним из важнейших компонентов общей стратегии профилактики данного заболевания, в том числе и для изучения серопревалентности, позволяющей оценивать уровень популяционного иммунитета. В статье подробно рассматриваются способы расчета и практического применения таких показателей результативности лабораторных методов исследования, как чувствительность, специфичность, прогностическая значимость положительного и отрицательного результатов теста, коэффициента правдоподобия. На примере исследований, изучавших серопревалентность COVID-19, продемонстрировано влияние данных показателей на оценку распространенности и представлена методика ее коррекции с учетом данных о результативности диагностических тестов. Представлен образец синтаксиса для программного обеспечения R, позволяющий провести расчет доверительных интервалов для распространенности с использованием процедуры бутстрепа при известных абсолютных значениях истинно положительных и истинно отрицательных результатов, ложно положительных и ложно отрицательных результатов. Представление скорректированной на показатели результативности распространенности с указанием доверительных интервалов позволяет сопоставить результаты, полученные с использованием разных серологических тестов. Статья предназначена для магистрантов, аспирантов и докторантов медицинских специальностей, чьи исследования связаны с оценкой распространенности заболеваний по результатам популяционных серологических поперечных исследований.

Об авторах

Екатерина Анатольевна Кригер

Северный государственный медицинский университет; Арктический университет Норвегии

Автор, ответственный за переписку.
Email: kate-krieger@mail.ru
ORCID iD: 0000-0001-5179-5737
SPIN-код: 2686-7226

канд. мед. наук, доцент

Россия, г. Архангельск; г. Тромсе, Норвегия

Андрей Мечиславович Гржибовский

Северный государственный медицинский университет; Западно-Казахстанский медицинский университет им. Марата Оспанова; Казахский национальный университет им. аль-Фараби; Северо-Восточный федеральный университет им. М.К. Аммосова

Email: andrej.grjibovski@yandex.ru
ORCID iD: 0000-0002-5464-0498
SPIN-код: 5118-0081

д-р медицины

Россия, г. Архангельск; г. Актобе, Республика Казахстан; г. Алматы, Республика Казахстан; г. Якутск

Виталий Александрович Постоев

Северный государственный медицинский университет

Email: ispha@nsmu.ru
ORCID iD: 0000-0003-4982-4169
SPIN-код: 6070-2486

канд. мед. наук

Россия, г. Архангельск

Список литературы

  1. Институт по измерению показателей здоровья и оценке состояния здоровья (Institute for Health Metrics and Evaluation), Сеть человеческого развития (Human Development Network), Всемирный банк (The World Bank). Глобальное бремя болезней (Global Burden of Disease): порождение доказательств направление политики : региональное издание для Европы и Центральной Азии. Seattle, WA: IHME, 2013. URL: https://www.healthdata.org/sites/default/files/files/policy_report/2013/WB_EuropeCentralAsia/IHME_GBD_WorldBank_EuropeCentralAsia_FullReport_RUSSIAN.pdf
  2. Byambasuren O., Dobler C.C., Bell K., et al. Comparison of seroprevalence of SARS-CoV-2 infections with cumulative and imputed COVID-19 cases: Systematic review // PloS one. 2021. Vol. 16, N 4. doi: 10.1371/journal.pone.0248946
  3. Мошкин А.В. Чувствительность и специфичность как клинические индикаторы качества лабораторных исследований // Лабораторная служба. 2020. Т. 9, № 4. С. 5–6. doi: 10.17116/labs202090415
  4. World Health Organization. Laboratory testing for coronavirus disease 2019 (COVID-19) in suspected human cases: interim guidance, 2 March 2020. URL: https://apps.who.int/iris/handle/10665/331329
  5. Krajewski R., Gołębiowska J., Makuch S., et al. Update on serologic testing in COVID-19 // Clin Chim Acta. 2020. Vol. 510. P. 746–750. doi: 10.1016/j.cca.2020.09.015
  6. Yang Y., Yang M., Shen C., et al. Evaluating the accuracy of different respiratory specimens in the laboratory diagnosis and monitoring the viral shedding of 2019–nCoV infections // MedRxiv preprint. 2020. doi: 10.1101/2020.02.11.20021493
  7. Barchuk A., Shirokov D., Sergeeva M., et al. Evaluation of the performance of SARS--CoV-2 antibody assays for a longitudinal population-based study of COVID-19 spread in St. Petersburg, Russia // Journal of medical virology. 2021. Vol. 93, N 10. Р. 5846–5852. doi: 10.1002/jmv.27126
  8. Кувшинова И.Н., Некрасов Б.Г., Ливицкая Н.И., и др. Чувствительность и специфичность наборов реагентов АО «Вектор-Бест» для выявления иммуноглобулинов разных классов к SARS-CoV-2 // Справочник заведующего КДЛ. 2021. № 10. С. 27–32.
  9. Zhao J., Yuan Q., Wang H., et al. Antibody responses to SARS-CoV-2 in patients of novel coronavirus disease 2019 // MedRxiv preprint. 2020. doi: 10.1101/2020.03.02.20030189
  10. Lou B., Li T.D., Zheng S.F., et al. Serology characteristics of SARS-CoV-2 infection since the exposure and post symptoms onset // MedRxivpreprint. 2020. doi: 10.1101/2020.03.23.20041707
  11. Cohen A.N., Kessel B. False positives in reverse transcription PCR testing for SARS-CoV-2 // MedRxiv preprint. 2020. doi: 10.1101/2020.04.26.20080911
  12. Glas A.S., Lijmer J.G., Prins M.H., et al. The diagnostic odds ratio: a single indicator of test performance // J Clin Epidemiol. 2003. Vol. 56, N 11. P. 1129–1135. doi: 10.1016/s0895-4356(03)00177-x
  13. Fanshawe T.R., Power M., Graziadio S., et al. Interactive visualisation for interpreting diagnostic test accuracy study results // BMJ Evid Based Med. 2018. Vol. 23, N 1. P. 13–16. doi: 10.1136/ebmed-2017-110862
  14. Leeflang M.M., Rutjes A.W., Reitsma J.B., et al. Variation of a test's sensitivity and specificity with disease prevalence // CMAJ. 2013. Vol. 185, N 11. P. E537–E544. doi: 10.1503/cmaj.121286
  15. Meyer M.J., Yan S., Schlageter S., et al. Adjusting COVID-19 seroprevalence survey results to account for test sensitivity and specificity // Am J Epidemiol. 2022. Vol. 191, N 4. P. 681–688. doi: 10.1093/aje/kwab273
  16. Sempos C.T., Tian L. Adjusting Coronavirus prevalence estimates for laboratory test kit error // MedRxiv. Preprint 2020. doi: 10.1101/2020.05.11.20098202
  17. Lewis F.I., Torgerson P.R. A tutorial in estimating the prevalence of disease in humans and animals in the absence of a gold standard diagnostic // Emerg Themes Epidemiol. 2012. Vol. 9, N 1. P. 9. doi: 10.1186/1742-7622-9-9
  18. Bendavid E., Mulaney B., Sood N., et al. COVID-19 antibody seroprevalence in Santa Clara County, California // Int J Epidemiol. 2021. Vol. 50, N 2. P. 410–419. doi: 10.1093/ije/dyab010
  19. Uyoga S., Adetifa I.M.O., Karanja H.K., et al. Seroprevalence of anti-SARS-CoV-2 IgG antibodies in Kenyan blood donors // Science. 2021. Vol. 371, N 6524. P. 79–82. doi: 10.1126/science.abe1916
  20. Stringhini S., Wisniak A., Piumatti G., et al. Seroprevalence of anti-SARS-CoV-2 IgG antibodies in Geneva, Switzerland (SEROCoV-POP): a population-based study // Lancet. 2020. Vol. 396, N 10247. P. 313–319. doi: 10.1016/S0140-6736(20)31304-0
  21. Diggle P.J. Estimating prevalence using an imperfect test // Epidemiology Research International. Vol. 2011. P. 1–5. doi: 10.1155/2011/608719

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Кригер Е.А., Гржибовский А.М., Постоев В.А., 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».