Thread by @bslagter

Vandaag stond er een artikel in NRC waarin een RIVM-medewerker met Excel aan de slag ging om te berekenen hoeveel mensen er ten onrechte een positieve testuitslag kregen (namelijk: 16%).

Draadje waarom dit niet klopt 👇

https://twitter.com/nrc/status/1304283528255827968

2/ Het uitgangspunt van het artikel is een specificiteit van 99,5% en een sensitiviteit van 85%.

Van de 5427 positieve tests in een week zouden er dan 868 ten onrechte positief zijn (fout-positief of false positive). Dat is 16%.

3/ Hoe zit dat dan met Hong-Kong waar deze week 128.000 tests zijn uitgevoerd, met maar 6 positieve uitslagen? Dat is 0,005%.

https://twitter.com/AdamJKucharski/status/1303245775435071489

4/ Of in Wuhan, waar men 9,9 miljoen mensen testte, en maar 300 positieven vond? Dat is 0,003%.

https://twitter.com/AdamJKucharski/status/1304445022847348736

5/ Of in Nieuw-Zeeland, waar men in mei en juni weken achter elkaar geen enkele positieve test had, maar wel tienduizenden tests uitvoerde?

6/ De belangrijkste reden is dat de vakmensen in laboratoria manieren hebben om het percentage foutpositieven enorm veel lager te krijgen, zoals:

1) Meerdere targets gebruiken.
2) Een lagere Ct-afkapwaarde.
3) Test herhalen (evt op een ander platform).

h/t @BertMulderCWZ

7/ @MarionKoopmans gebruikt in het Erasmus MC twee targets. Ze gaat uit van 98,5% specificiteit per target. Met twee targets wordt de specificiteit van de test 99,98%.

Van de 5427 positieve tests zijn er dan nog maar 46 onterecht positief - 0,85%.

https://twitter.com/MarionKoopmans/status/1304479682172252162

8/ @MarcBonten is 'baas boven baas' en gebruikt zelfs drie targets. Dan daalt het aantal onterecht positieven naar 0,01%.

Nota bene: dit is bij een sensitiviteit van 85% en een specificiteit van 98,5%. Mogelijk zijn die zelfs een stuk beter.

https://twitter.com/MarcBonten/status/1304482445832736768

9/ Je kunt ook naar de Ct-waardes kijken. Hoe lager de Ct-waarde, hoe meer virusdeeltjes er oorspronkelijk aanwezig waren. En dus hoe kleiner de kans dat het een foutpositieve uitslag is.

https://twitter.com/bslagter/status/1294628019592736769

10/ In het ziekenhuislab van @BertMulderCWZ hadden de eerste 30 positieve tests vandaag een Ct-waarde van gemiddeld 22.

Ik citeer: "dat is echt een knal-positieve uitslag, toen de IC's vol lagen was de gemiddelde Ct 28".

https://twitter.com/BertMulderCWZ/status/1304484890277277697

11/ Mijn voorzichtige conclusie is dat het artikel van @NRC een theoretische invuloefening is geweest, en dat de realiteit heel anders is.

Men zou daarmee velen op het verkeerde been zetten.

12/ Tot slot: Een zwak positief geteste persoon kan nog oude stukjes erfelijk materiaal van het virus bij zich dragen.

Positief betekent daarom NIET dat deze ook zeker besmettelijk was op dat moment.

Lees voor dat verschil mijn draad over de PCR-test.

https://twitter.com/bslagter/status/1294628016879030272

13/ Bonus: Lees ook deze geweldige draad van @JustinLessler (h/t AdamJKucharski) waarin de dilemma's worden beschreven van hoe gevoelig je de test maakt (o.b.v. Ct-drempel).

https://twitter.com/JustinLessler/status/1304430338228224001

14/ Naschrift: natuurlijk is er nog veel meer nuance aan te brengen, zoals:

- mogelijk is er correlatie bij extra targets
- prevalentie is sterk ongelijk verdeeld over het land
- doel van de test speelt mee bij oordeel laborant

Maar de essentie is duidelijk :-)