陳建仁計算普篩精確度問題。
陳建仁計算普篩精確度問題。

美國返台少年未出現症狀卻被彰化縣衛生局安排採檢,最終確診新冠肺炎。中央流行疫情指揮中心指揮官陳時中為此下令政風處調查,引發爭議。對此,前副總統陳建仁昨晚在臉書上為民眾解釋,專業分析「為何普篩不可行」,並提出3個狀況下篩檢容易會失真。

陳建仁表示,目前彰化縣所展開的「COVID-19血清流行病學調查」,主要目標是瞭解、估計彰化縣民感染COVID-19的盛行率。但是血清流行病學調查的正確性決定於三點,分別是:檢驗方法的敏感度和特異度、檢驗抗體陽性的盛行率、受檢個案的代表性。

檢驗方法的敏感度(sensitivity)是指真正得到感染的人有多少百分比呈現陽性。陳建仁解釋,特異度(specificity)則是指真正沒有得到感染的人有多少百分比呈現陰性,其中,假陽性率是指真正沒有得到感染的人有多少百分比呈現陽性,也就是「1-specificity」,而假陰性率是指真正得到感染的人有多少百分比呈現陰性,也就是「1-sensitivity」;血清流行病學調查所得到的結果,將會受到上述4個數字的影響,一般而言,敏感度越低、特異度越低、盛行率越低,調查估計出來的檢測盛行率也越嚴重失真!

陳建仁假設,在一個5萬人的調查中,若篩檢的敏感度和特異度都是99%,在每萬人盛行率分別是1、10、100的三種狀況下,真正感染人數分別是5、50、500人,而真正未感染人數分別是49995、49950、49500人。

因為敏感度是99%,所以在三種狀況下,真正感染檢測呈陽性人數分別是5、50、495人,再加上特異度是99%,所以在篩檢中會出現1%的假陽性,人數將分別為500、500、495人。

而若以此結果反推出盛行率,摻入假陽性後計算的結果將會是101、110、198,篩檢高估倍數竟高達101倍、11倍、2倍,「換句話說,盛行率越低,錯誤高估盛行率的失真現象越嚴重!」

陳建仁進一步指出,如果真正盛行率是千分之1,敏感度是99%,檢驗特異度分別是90%、99%、99.9%的三種狀況下,篩檢出真陽性的人數都會是50人,但是呈現出的假陽性人數將分別出現4995、500、50人,由此可知,篩檢特異度越低,因為普篩後出現的假陽性數量大,使得普篩後的結果將會因為嚴重高估盛行率,造成結果失真!

陳建仁表示,從以上的例子可以看出,盛行率調查研究的特異度越低或真正盛行率越低,檢測盛行率也就越容易被高估,也越會失真!雖然研究者可以利用敏感度和特異度來進行調整,推算出真正盛行率:[真正盛行率=(檢測盛行率+特異度-1)/(敏感度+特異度-1)];但在現實中,除非利用更特異的方法再做確認,否則在篩檢過後,調查者只能告訴每個受試的陽性個案,「你真正感染的機率只有50%、10%或1%!」不會有確定的答案!

同樣的,陳建仁指出,在入境旅客的抗原篩檢策略上,如果盛行率相當低而特異度無法提升到非常高的情況下,進行普篩而非精篩,也需要注意假陽性的問題!

(中時新聞網)

#盛行率 #陽性 #特異度 #篩檢 #分別