【台灣為何不學韓國全面篩檢】統計學上錯誤率僅 1%「仍大量沒病確診」,「脈絡式」檢驗能更有效揪病毒

【我們為什麼選擇這篇文章?】

據《金融時報》報導 ,這波新冠肺炎(武漢肺炎)疫情,韓國篩檢率最高,因為韓國從第一個爆發疫情的大邱市開始,即針對無症狀,只要可能暴露在病毒底下的民眾,都給予篩檢,目前已篩檢 21 萬人。

所以隨著台灣疫情升溫,有網友開始 討論「台灣採全面篩檢」的可能性,本篇作者就要用統計學的概念解答,台灣至今仍不採用「全面篩檢」的道理何在。(責任編輯:黃梅茹)

醫檢師在實驗室內負責檢驗武漢肺炎病毒。首圖來源:中央社

文/ 盲眼的尼安德塔石器匠

所有檢驗方法都有出錯的機率。什麼叫偽陽性?沒有病但是檢驗出來有病。什麼叫偽陰性?有病但是檢驗結果是沒病。當實際有病的比例很低,仍然大樣本檢驗時,會發生什麼狀況呢?

用統計學估算,台灣若採全面篩檢合適嗎?

現在有 10000 個人,當中沒病 9900 人、100 人有病,有病的機率為 1%,檢驗的錯誤機率為 1%。

沒病的 9900 人,檢驗結果:99 人有病、9801 人沒病。有病的 100 人,檢驗結果:99 人有病、1 人沒病。

檢驗結果合計:198 人有病,真正有病的為 99 人,一半是偽陽性。就是左圖的 Type I Error。9802 人沒病,真正有病的為 1 人,0.01% 是偽陰性。也就是右圖的 Type II Error。

圖片來源:作者提供

我的統計不好,有些名詞可能很口語,重點是這些數字會受到實際有病的機率、檢驗錯誤的機率、檢驗樣本的數目等因素影響,不過趨勢是一樣的:

1. 實際比例很低
2. 錯誤率不用多高
3. 由愈大量的樣本中檢驗出來的陽性,有愈高的數目會是偽陽性

愛假設錯誤率只有 0.1% 這種近乎不可能的數字也可以,趨勢還是一樣的。但是如果假設錯誤率是 0%⋯⋯呃,與現實脫節要有個限度。

以上是某些科系可能大一就學過的基礎統計,貝氏統計的概念。不過不要說沒有學過的人,很多人即使學過,也無法應用在實際狀況上。

為何台灣不像韓國一樣,採取全面篩檢?

所以說台灣現在到底要檢驗多少人,一個問題是台灣目前有多少檢驗能力,另一個問題是檢驗有什麼意義,這是息息相關,卻不一樣的兩個問題。這也是「快篩」的重要價值。不過快篩研發沒這麼快,至少要再一個月。

有很多方法可以降低偽陽性的干擾,可以替陽性的人重複檢驗,另外常見的作法是「要看脈絡」:有感染機會的人,實際有病的機率當然比較大,針對這些人檢驗,偽陽性的比例就會比較低,是檢驗上最最最基本的常識。(《BO》編按:目前最有感染機會者,則是有旅遊史和接觸史的民眾。)

檢驗還有個問題在於,它只是取樣當下的狀況。有可能你檢驗完是陰性很高興,出門吃著火鍋,唱著歌,突然被麻匪傳染就變陽性惹。

至於韓國採取大規模檢驗,是因為局勢跟台灣不一樣。韓國一開始群聚感染,許多地區出現獨立的確診病例後,可以預期有很多人被傳染。當林子裡的鳥太多的時候,亂槍打鳥比較划算,重點是先打到大量的鳥比較重要,這時打錯並不是優先考慮的重點。

最後再說一件關鍵的事。導致 目前疫情的 SARS-CoV-2(《BO》編按:此為 COVID-19 疾病的正式病毒名稱)對人類而言是一種全新的病毒,所有針對它的檢驗都是全新設計,小樣本下沒問題,但是擴大使用後,到底有多可靠其實不清楚。 美國之所以檢測嚴重延宕,一個原因就是連 CDC 生產的試劑都出問題。另外 WHO 的試劑也有出問題,造成偽陽性或偽陰性的檢驗,只是新聞比較小。

之前兩個月,中國在短時間內出現大量病例的狀況下,即使一切資訊誠實公布(理想很豐滿,現實大概很骨感?),檢驗結果也有不少問題。

到底有多少人感染、再傳染給別人的機率、感染者無症狀的機率,其實都是問號。比方說,一位確診為陽性的「無症狀感染者」,到底真的是有病毒但是無症狀,或是檢驗錯誤,沒病毒的偽陽性?

大家把一堆數字加減乘除的時候,請務必注意這些,否則可能會得到很離譜的推論。

推薦閱讀

【台灣毀滅倒數 28 天】真正防疫破口在 1.6 萬「過去」遊歐者!負壓病床剩 400 床,醫生曝疫情全境擴散關鍵

【9 年前電影預言今日病毒起源】《全境擴散》位列全球熱門電影第 2 !劇情竟和武漢肺炎疫情有「2 巧合」

【中國專家:武漢有望 0 新增病例】中共「數字取巧」保持社會正面氣氛,但刻意「漏算 1 對象」恐釀下波疫情高峰?

(本文經原作者 盲眼的尼安德塔石器匠 授權轉載,並同意 BuzzOrange 編寫導讀與修訂標題,原文 連結 。首圖來源: 中央社 。)


想看到每天《報橘》精選好文?趕快把我們加入你的 Telegram 好友

 

點關鍵字看更多相關文章: