Als Victoria sich mit einem second-wave-Ausbruch von COVID-19, die Bedeutung von large-scale-Tests wurde erneut hervorgehoben.
Ohne seine „Tests blitz“ Ziel 10.000 tests pro Tag, das Ausmaß des Ausbruchs gewesen wäre, unsichtbar für viel mehr.
Australien-weiten haben wir bisher erreicht eine sieben-Tage-Durchschnitt von etwas mehr als 50.000 tests pro Tag.
Seit Beginn der Pandemie, die Befürworter der Masse Tests mit Streit zu testen erheblich größere zahlen.
Ein US-ökonom Paul Romer, die gemeinsam im Jahr 2018 Nobelpreis für Wirtschaftswissenschaften für seine arbeiten über die Bedeutung von wissen und Ideen in der Wirtschaft. Ende März ist er modelliert eine „frequent testing policy“ in die: „7% der Bevölkerung zufällig ausgewählt zum testen, jeden Tag. Die über 500 Tage, illustriert die Handlung und die animation bedeutet dies, dass die Durchschnittliche person, die getestet wird, etwa 30 mal in 500 Tagen—in etwa einmal in zwei Wochen.“
Diese rate des Tests würde bedeuten, das testen in der Nähe von 2 Millionen Australier einen Tag. Aber auch das ist wohl nicht genug.
Die Mathematik der Masse testen
Zu verstehen, warum eine noch große Anzahl von tests erforderlich ist, stellen Sie sich rein zufällig-Tests verwendet wird. Das heißt, Tests, die nicht konzentriert sich auf „hot spots“ wie wurde der Fall in Melbourne.
Testing, tracing und zu isolieren, werden nur wirksam, wenn im Durchschnitt der Prozess identifiziert Fällen, bevor solche Menschen, die das virus übertragen. Epidemiologen nennen, die Zahl der Infektionen, verursacht durch einen einzelnen Fall der „Reproduktion“ (R) Zahl. Wenn es weniger als 1, die Pandemie sterben aus. Wenn es mehr als 1, breitet sich das virus.
Wenn unkontrollierte, COVID-19 breitet sich etwa einmal alle sechs Tage. Dies entspricht einer Vermehrung der Anzahl von 2,5 über 15 Tage eine person mit COVID-19 ist in der Regel ansteckend.
Außerdem, wie Romer Hinweise, aktuelle tests sind bei weitem nicht perfekt. Er geht von einer 20% falsch-negativ-rate (tests, Ergebnisse, die sagen, jemand nicht haben COVID-19, wenn Sie tun) und 1% false-positive-rate (Ergebnisse sagen, jemand hat es, wenn Sie nicht).
Die Mathematik sagt, um die Krankheit zu kontrollieren müssen wir testen die gesamte Bevölkerung etwa alle vier Tage.
In einem Papier veröffentlicht von der Harvard University Edmond J. Safra Center for Ethics, Divya, Siddarth und Glen Weyl] die Berechnung der 20%, die falsch-negative Befunde werden im Durchschnitt passieren das virus auf 2,5 Personen. Die anderen 80% der Fälle sind gefangen im Durchschnitt auf halbem Weg durch den Test-Zyklus.
Um es in einfache Mathematik Bedingungen, testen wir Menschen alle „x“ Tage, wir fangen diese Infektionen im Durchschnitt nach der Hälfte der Zeit (x/2 Tagen). Halten Sie die effektive Reproduktionsrate bei, sagen wir, 0.75 brauchen wir „x“ um 3.75. Das bedeutet, dass die Prüfung jeder etwa einmal alle vier Tage.
Und das würde bedeuten, dass die Prüfung mehr als 6,5 Millionen Australier einen Tag. Huch!
Asymptomatische Fälle
Angesichts des Ausmaßes benötigt, um Stichproben-Tests erfolgreich verlaufen, ist es vielleicht nicht verwunderlich, haben die Behörden entschieden sich für eine gezielte Prüfung—Schwerpunkt auf der übertragung von hot spots.
https://www.youtube.com/embed/fx2SGGwAhRQ?color=white
Aber Siddarth und Weyl erklären, den fatalen Fehler, mit jedem Test-Strategie reagieren nur auf symptomatische Fälle: „wenn symptomatische Patienten zeigen, die Sie bereits infiziert haben .833 Menschen. Darüber hinaus 20% der infizierten asymptomatisch während der gesamten Zeit haben Sie die Krankheit, und 20% der getesteten ergeben falsch-negative Befunde. Dies bedeutet, dass eine Politik der Tests nur diejenigen, die mit den gegenwärtigen Symptome und nur isolieren, diejenigen, die positive test führt eine Durchschnittliche infizierten Person, um andere zu infizieren mit einer rate von 1,4.“
Über 1 bedeutet dies, dass der virus immer noch wächst exponentiell.
Die Prüfung mit der Ermittlung von Kontaktpersonen
Eine bessere Lösung ist, um zu testen, basierend auf strengen contact tracing von bekannten Infektionen. Dies ist der Grund, warum Regierungen angeheftete so große Hoffnungen auf die Technologie von tracing apps wie Australia ‚ s COVIDSafe.
Siddarth und Weyl überlegen, eine Art best-case-Szenario, dass alle Spuren einer infektiösen person in Kontakt gekommen ist, und alle Menschen, die in Kontakt kommen mit sowie. Sie berechnen, dies könnte dazu führen, das aufspüren 75% der Fälle. Andere Getriebe würde verfolgt werden, durch die umgehende Prüfung alle mit Symptomen.
In den USA würde dies etwa 2 Millionen tests pro Tag. In Australien müsste es etwa 150.000 tests, die ein Tag—drei mal so viele tests durchgeführt.
Gruppe testen
Eine interessante Lösung ist „Gruppe-Prüfung“. Diese Idee gibt es schon seit den 1940er Jahren und um die Bündelung von patientenproben für den Test. Wenn die gepoolten test negativ ist, wird die gesamte Gruppe gelöscht. Wenn der test positiv ist, stärker fokussierte Tests zum identifizieren der einzelnen Fälle.
Die Frage ist also, was ist die optimale Gruppe-Test-Strategie? Zum Beispiel, was ist die beste Gruppe die Größe zu wählen? Sollten einige Leute platziert werden, in mehreren Gruppen? Sollte es mehrere Stufen der Gruppe testen?
In einer US-amerikanischen National Bureau of Economic Research working paper veröffentlicht in diesem Monat, vier Wissenschaftler von der Universität von Kalifornien in Berkeley zeigen, wie maschinelles lernen kann helfen, um zu bestimmen, die optimale Strategie.
Zum Beispiel, die optimale Gruppe zu testen, die Größe hängt von der Prävalenz des virus in der Bevölkerung. Durch die Schätzung der individuellen Risiko-profile—eine person, die Alter, bereits bestehenden gesundheitlichen Probleme, wo Sie Leben, wenn Sie arbeiten in einem job, setzt Sie Risiken, und so weiter—es ist möglich, Ziel-tests effizienter, als wenn die Behandlung von allen als gleichermaßen gefährdet.
Das Ziel ist die Verbesserung der prädiktiven Genauigkeit durch die Einbeziehung möglichst viele beobachtbare Merkmale, die Einfluss auf das Risiko wie möglich. Dies ist ein klassisches problem für „supervised machine learning“. Mit machine-learning machen konnte, die Gruppe testen, vielleicht vier bis fünf mal effizienter, die Berkeley-Forscher vorschlagen.
Auf diese Weise getan, die wir vielleicht in der Lage sein, um eine effektive Strategie durch das testen von nur 30.000 bis 40.000 Australier einen Tag.
Aber der Ansatz ganz anders als jetzt.
Unsere pre-Impfstoff Zukunft
Bis ein wirksamer Impfstoff gefunden wird und weit verbreiteten Tests ist entscheidend für die Kontrolle COVID-19.
Wie die Berkeley-Autoren betonen, moderne analytische Techniken machen können „high-frequency, intelligente Gruppe testen ein leistungsfähiges neues Werkzeug im Kampf gegen COVID-19, und möglicherweise andere ansteckende Krankheiten“.