Wie ist ein COVID-19 Testergebnis zu verstehen? Understand article

Ein negatives Ergebnis eines medizinischen Tests heißt, dass Du definitiv nicht krank bist, richtig? Falsch: Es kommt auf die Falsch-Negativ-Rate des Tests und Dein persönliches Risiko an.   Im Folgenden wurde ein Artikel aus dem BMJ angepasst um zu…

Auf der ganzen Welt gab es den Ruf nach COVID-19 Tests und der Generaldirektor der Weltgesundheitsorganisation rief Länder zum “testen, testen, testen” auf. Die schnelle Verfügbarkeit des kompletten COVID-19 Genoms in der frühen Phase der Pandemie hat die Entwicklung von Tests zur Detektion viraler RNA vereinfacht. ^[1] Mehrere Tests mit verschiedenen Ziel-Genen wurden basierend auf der Reverse-Transkriptase-Polymerase-Kettenreaktion (RT-PCR) entwickelt. ^[2] Diese Tests auf virale RNAs, auch bekannt als PCR Tests, nutzen Proben aus Abstrichen, um akute Infektionen zu erkennen. Sieh Dir das Zusatzmaterial an, um mehr darüber zu erfahren, wie COVID-19 Tests funktionieren.

COVID-19 Tests haben zum Ziel, infizierte Individuen zu identifizieren, so dass diese sich isolieren und die Ausbreitung der Infektion reduzieren können. ^[3] Es ermöglicht auch die Kontaktnachverfolgung von Individuen ^[4] die mit dem Virus in Berührung gekommen sind, und liefert Informationen zu regionalen und nationalen Infektionsraten für staatliche Gesundheitsmaßnahmen. Dennoch herrscht häufig Unsicherheit darüber, wie man die Testergebnisse nutzen sollte, um gute Entscheidungen zu treffen. 

Wie genau sind Testergebnisse?

Kein klinischer Test liefert hundertprozentig genaue Ergebnisse. Tests können falsch-positiv (wenn das Testergebnis positiv ist, aber die getestete Person die Krankheit gar nicht hat) oder falsch-negativ (wenn jemand, der krank ist, trotzdem ein negatives Testergebnis erhält) ausfallen. Deshalb ist es wichtig, die ‘Sensitivität’ und ‘Spezifität’ eines bestimmten Tests zu kennen.

Sensitivität bezieht sich auf die Richtig-positiv-Rate (also den Anteil an kranken Leuten, deren Tests positiv waren). Spezifität bezeichnet die Richtig-negativ-Rate (also den Anteil der Leute, die nicht krank sind, deren Tests negative waren). Diese Begriffe, die verwirrend sein können, sind in Tabelle 1 zusammengefasst.

An den Formeln in der Tabelle können wir sehen, dass Sensitivität und Spezifität eng mit den Falsch-negativ- und Falsch-positiv-Raten zusammenhängen. Wenn ein Test eine Sensitivität von 70 % hat, bedeutet das eine Falsch-negativ-Rate von 100 % – 70 % = 30 %. Ist seine Spezifität 95 %, ist die Falsch-positiv-Rate 100% – 95 % = 5 %.

Also, wie genau sind COVID-19 PCR-Tests auf virale RNAs? Laut Studien hängt die Genauigkeit von mehreren Faktoren ab: dem Krankheitsstadium (welches einen Einfluss auf die Anzahl der Viruspartikel im Körper hat und damit darauf, wie einfach diese zu detektieren sind), ^[6] die Körperstelle, von der die Probe genommen wird, und die Qualität der Probenahme. Bei einer Studie lag die Sensitivität von Abstrich-PCR-Tests von 205 Patienten bei 63 % bei Nasenabstrichen, aber nur bei 32 % für Halsabstriche. ^[7] Obwohl die Zahlen zwischen verschiedenen Studien schwanken, nehmen wir für diesen Artikel die ungefähren Zahlen von 70 % für die Sensitivität und 95 % für die Spezifität an, welche auch mit den aktuellen Schätzungen übereinstimmen. ^[8]

Was müssen wir wissen, um ein Testergebnis zu verstehen?

Die Interpretation eines Testergebnisses hängt nicht nur von der Genauigkeit des Tests selbst ab, sondern auch von der Vortestwahrscheinlichkeit der Krankheit. Die Vortestwahrscheinlichkeit ist einfach die Wahrscheinlichkeit, mit der jemand die Krankheit hat, bevor er/sie getestet wurde. Diese hängt von Faktoren wie Krankheitssymptomen oder der allgemeinen Häufigkeit der Krankheit ab.

Wenn Leute ihre Vortestwahrscheinlichkeit bei der Interpretation eines Testergebnissen nicht berücksichtigen und sich nur auf das Testergebnis selbst konzentrieren, fehlt ihnen eine wichtige Information. Tatsächlich wird dieser Logikfehler als ‘Prävalenzfehler’ bezeichnet, welcher sehr häufig bei der Interpretation von Statistiken gemacht wird. In unserem Fall ist die Vortestwahrscheinlichkeit die Prävalenz.

Ärzte schätzen Vortestwahrscheinlichkeiten unbewusst im Alltag ein und nutzen diese Schätzungen für die Diagnose ihrer Patienten. Allerdings sind in Anbetracht einer so neuen und únbekannten Krankheit wie COVID-19 solche intuitiven Schätzungen weniger zuverlässig, daher nutzen Kliniker spezifische Informationen zur Schätzung der Vortestwahrscheinlichkeit, darunter:

• das Wissen über die lokalen COVID-19 Infektionsraten aus nationalen ^[9] und regionalen ^[10] Daten
• die Symptome und Anzeichen beim Patienten^[11]
• die Wahrscheinlichkeit einer anderen Diagnose basierend auf den Symptomen
• die Vorgeschichte des Patienten bezüglich einer COVID19-Exposition

Der Effekt der Vortestwahrscheinlichkeit auf die Bedeutung von Testergebnissen wird am folgenden Fall praktisch demonstriert (siehe Textbox ). Wie dieses Beispiel klar macht, ist ein einzelnes negatives Testergebnis nicht zuverlässig, wenn die Vortestwahrscheinlichkeit hoch ist. 

Dieser Fall zeigt wie gefährlich der Prävalenzfehler ist: Es kann verlockend sein, zu viel Vertrauen in einen ‘objektiven’ Test zu haben und zu ignorieren, was Symptome und lokale Infektionsraten nahelegen.

Der Gedanke, dass die Vortestwahrscheinlichkeit die Zuverlässigkeit des Ergebnisses beeinflusst mag etwas kontraintuitiv erscheinen, aber die folgende Infografik (Abbildung 1) illustriert den Effekt. Sie zeigt die Resultate, wenn 100 Leute mit einer COVID-19 Vortestwahrscheinlichkeit von 80 % getestet werden (mit einem Test mit 70 % Sensitivität und 95 % Spezifität). Diese Vortestwahrscheinlichkeit ist realistisch für Menschen mit Symptomen, die möglicherweise einer Infektion ausgesetzt waren.

In diesem Beispiel ist die Zahl der Falsch-positiven sehr gering: Nur eine von 100 Personen. Aber die Zahl der Falsch-negativen ist mit 24 von 100 viel höher. Die Gefahr ist, dass diese Leute, basierend allein auf ihrem Testergebnis, annehmen könnten, dass sie sich nicht selbst isolieren müssen und daher ausgehen und mehr Leute anstecken.

Diese interaktive Infografik zeigt, wie die Anzahlen der Richtig- und Falsch-positiven und -negativen von der Vortestwahrscheinlichkeit beeinflusst wird. Ihr könnt die Vortestwahrscheinlichkeit ändern und sehen, wie sich die Testergebnisse verändern. Ihr könnt auch Sensivitäts- und Spezifitätswerte ändern und sehen, wie diese die Resultate verändern.    

Was sind die Auswirkungen für Praxis und Politik?

Während positive COVID-19 Tests klinisch nützlich sind, müssen negative Tests mit Vorsicht interpretiert werden und die Vortestwahrscheinlichkeit sollte dabei bedacht werden. Wegen der relativ hohen Falsch-negativ-Rate von PCR/Virus-RNA Tests (und der neueren ‘Lateral-Flow-Tests’, welche eine noch höhere Falsch-negativ-Rate haben), bergen sie substantielle Risiken: Patienten könnten von den COVID-19-Stationen verlegt werden und dadurch könnten sich in Krankenhäusern erworbene Infektionen verbreiten; ^{[12] Pfleger könnten die Infektion an anfällige Angehörige weitergeben und Gesundheitsfachkräfte riskieren es, COVID-19 an viele anfällige Individuen weiterzugeben. Jeder, der ein einzelnes negatives Testergebnis und gleichzeitig Symptome hat, sollte sich, in Übereinstimmung mit den Richtlinien für COVID-19-Verdachtsfälle, selbst isolieren.}   

Danksagung

Dieser Artikel wurde (mit Genehmigung) von Susan Watt adaptiert, ausgehend von einem ursprünglich von BMJ veröffentlichten Artikel: Watson J, Whiting FP, Brush JE (2020) Interpreting a covid-19 test result . BMJ 369 : m1808. doi: 10.1136 / bmj.m1808