2000万人口的北京，9天8次全员核酸，大规模群体筛查的6个要素是什么？

最近大家每天的日程里都少不了核酸检测，开始要求72h，后来要求48h，到现在的每天。

在千万级人口的城市开展多轮的全员筛查，诊断试剂的分析敏感性（Analytical Sensitivity）、分析特异性（Analytical Specificity）等分析性能参数，诊断敏感性（Diagnostic  Sensitivity）和诊断特异性（Diagnostic  Specificity）等诊断性能参数仍然远远不够，必须结合流行病学的知识，我们才能真正理解这些政策背后的意义和预期的结果。

但还有一个问题一直困惑着我，就是检测间隔对群体筛查的影响，以下文章给了我很大的启发。

检测方法的「LOD」

qPCR的最低检测限LOD为10^3 copies/ml，而POCT等快检方法的LOD通常≥10^5 copies/ml，病毒载量随时间变化如图所示，本实验是在病毒含量最高的2天后开展检测。

采取「检测-隔离」策略

如果采用“检测-隔离”策略，检测阳性病例进行隔离，则每天检测大部分病例都能检出并被隔离，每3天检测会漏检10-20%，每周则会有接近50%漏检，另10%是因为出现症状的自我隔离。即使不采取任何措施仍然会有20%的人群感染后进行自我隔离。

采用“检测-隔离”策略，通过减少感染人数降低 R0，作者通过两种模型计算2种LOD方法，不同检测间隔对R0的降低。每天检测可将R0降至0，每3天检测可将R0降低80-90%，每周检测则R0降低约50%。

「模拟举例」

假设4%流行率，检测方法LOD为10^5 copies/ml，诊断敏感性为90%，R0=1.5，每3天和7天进行检测，有50%和75%的人服从隔离。

则需要至少6周时间才能把流行率降低至＜1%。

「公式」

本文引用了多个流行病学的模型（我还没学会），下面这个公式相对简单一些，“检测-隔离”策略的基本原理是降低R0，而主要的影响因素有：

φ：服从隔离政策人群的比例；

f0：无检测策略下（自我）隔离感染人数的比例

ftest(se)：检测隔离的感染人数的比例（包含自我隔离）

如果大家都不服从隔离政策φ=0或者检测方法无效，ftest(se) = f0，则R=R0，“检测-隔离”策略失败；

如果参与隔离策略的人群比例为100%，则φ=1，R与以下公式有关，

如果感染者都能服从检测并进行隔离则ftest(se)=1，R=0，传染可被完全阻断；

因此“检测-隔离”策略成功的关键是大部分人参与隔离，检出感染者的比例。

至此我们已经知道，大规模群体的筛查的六大影响因素有：

01 检测试剂的性能：敏感性、特异性；

02 流行病学要素：阳性预测值、阴性预测值、群体数量、真实流行率、表观流行率、R0；

03 筛查策略：平行试验、垂直试验;

04 检测时间间隔；

05 人群的参与比例；

06 检测成本。

所以大家应该珍惜我国能够实施全员的核酸检测，也感谢假期期间奋战在一线的工作人员，向你们致敬！

参考文献：

Test sensitivity is secondary to frequency and turnaround time for COVID-19 surveillance Preprint. doi: 10.1101/2020.06.22.20136309. 

编辑：骆秉涵