1/ Faux positifs : Une épidémie de tests !
Testons une population 1 000 000 de personnes avec une incidence de 0.1% (100 personnes infectées pour 100 000) et des tests PCR de sensibilité 99% et spécificité 99% (bons tests).
Deux situations donnent un résultat + :
2/
99%* 0.1%* 1000 000 soit 990
1%*(1 000 000-1000)=9990
9990+990=10 980 personnes auront une résultat +, mais il n'y a que 990 personnes testées + réellement infectées par le SARSCOV2.
3/
990/10 980=11/122 soit 9% environ
Lorsque l'incidence est de 0.1%la probabilité que le test détecte une personne infectée par le SARSCOV2 est de 9%. Il y a donc 91% de faux 😲
4/ Les 99 % spécificité donc 1 % de non spécificité laisse penser qu'il n'y aura que 1% de faux + alors qu'en réalité le test produit 91 % de faux + parmi les testés.
Ce biais cognitif s'appelle :
Oubli de la fréquence de base !
L'OMS l'a rappelé dans sa seconde note :
5/ La probabilité qu'une personne qui a un résultat + (SARSCOV2 détecté) soit réellement infectée par le SARSCOV2, décroît avec l'incidence indépendamment de la spécificité ! who.int/news/item/20-0…
6/ L'OMS donne même dans sa biblio minimaliste un article pour justifier sa remarque et qui fait apparaître les formules de Bayes: europepmc.org/article/PMC/25…
7/ Via les formules de BAYES retrouvons le résultat appelé PPV pour "Positive Predictive Value"
PPV=0.99*0.001/(0.99*0.001+(1-0.99)(1-0.001))=11/122
soit à nouveau les 9% de vrais positifs détectés par le test et donc les 91% de faux +
L'OMS ne le claironne pas mais elle le dit
8/ Maintenant traçons la courbe représentative de la probabilité PPV de détection des vrais positifs en fonction de l'incidence, avec notre test de 99% de spécificité et 99%de sensibilité et observons quelques valeurs.
9/ On peut aussi tracer la courbe représentative de la probabilité de détection des faux + en pointillés.
On retrouve notre résultat de 91 % de faux +
10/
À partir de quelle incidence a-t-on moins de 10 % de faux + ?
Il faut une incidence entre 8 et 9 % soit 9000 personnes réellement infectées pour 100 000, autrement dit astronomique au regard de l'incidence classique de SARSCOV2 à moins de 1%.
1/ The RTPCR tests scam :
Assuming we test 1,000,000 people with PCR tests having a 99% specificity and sensibility, and there is a 0.1% prevalence for SARSCOV2.
There are two situations for the tests to turn +:
2/
99% of 1,000 i.e. 990
1% of 1,000,000 i.e. 10,000 (people often miss this one due to a cognitive bias called base rate fallacy)
The true + rate is 990/10,990 i.e. about 9%, and there are 91% false + !
We can get the same result from Bayes theory !
3/ When prevalence decreases wich occurs when testing asymptomatics, the number of false + blows up !
When testing symptomatics the prevalence is high, and false + is lower even marginal !
So testing asymptomatics is just insane !
@Lilas68S@Enjolras_Hugo 1/ Pas de surmortalité entre 0 et 50 ans par rapport à 2019 négligeable entre 50 et 64 ans et forte après 74 ans.
La grippe de 2013 à normalisation de la pyramide des âges sur celle de 2020 aurait fait plus de morts que la COVID olivierdemeulenaere.wordpress.com/2021/01/16/sur…
@Lilas68S@Enjolras_Hugo 3/ Les tests PCR en population générale sont une hérésie, du fait des légions de faux+. Même l'OMS le murmure seulement car bien que financée par B. Gate elle reste dans la crainte d'un procès (cf.R.Fuelmich contre C.DRosten) threadreaderapp.com/thread/1358859…
@LCI@PaeoniaG@gkierzek@MAMELIYI 1/ Une épidémie de tests faux + Preuve :
Testons une population 1 000 000 de personnes avec une incidence de 0.1% et des tests PCR de sensibilité 99% et spécificité 99%.
Deux situations donnent un résultat + :
99%* 0.1%* 1000 000 soit 990 pers
@LCI@PaeoniaG@gkierzek@MAMELIYI 2/
1%*1 000 000=10 000 pers
10 990 pers auront une résultat +, mais il n'y a réellement que 990 personnes infectées par le SARSCOV2.
990/10 990=9%. Seulement 9% de vrais + et 91 % de faux +( + mais pas infectés). C'est le biais cognitif de l'oubli de la fréquence de base !
@LCI@PaeoniaG@gkierzek@MAMELIYI 3/ Résultat retrouvé aussi par les théories mathématiques de Bayes, utilisées en épidémiologie.
Plus l'incidence est faible, plus les faux + sont légions. Tester les asymptomatiques est un hérésie, car l'incidence est faible en population générale. @gkierzek