Assessing diagnostic accuracy of Ov16 rapid diagnostic tests for onchocerciasis using Bayesian latent class models
通过对来自莫桑比克、加纳和贝宁的汇总数据应用贝叶斯潜在类模型，本研究表明，尽管新型 GADx Ov16 快速检测试剂达到了停止大规模药物管理所需的灵敏度，但所有评估的检测试剂均未能达到支持在没有确认策略的情况下做出消除决策所需的特异性阈值。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，你正在试图寻找一位非常害羞、隐形的客人（一种叫做“盘尾丝虫”的寄生虫，它会导致河盲症）。为了抓住它，卫生工作者使用特殊的“嗅闻犬”（快速诊断测试），这些狗专门寻找它留下的证据，特别是名为“Ov16”的气味标记。
多年来，唯一可用的嗅闻犬是 SD Bioline 测试。但问题在于，这只狗有点不可靠。有时它会漏掉客人（灵敏度低），有时它又会对松鼠乱叫（特异性低）。此外，它对食物也很挑剔：它在处理干燥血液样本时表现最好，但在处理新鲜血液时却很吃力，这使得实地工作变得缓慢且复杂。
最近，两只新的嗅闻犬被训练出来了：GADx 测试和 DDTD 测试。大问题在于：这些新来的狗更优秀吗？它们能否让我们信任并告诉卫生官员：“好了，客人已经离开了，我们可以停止搜寻并停止给药了”？
挑战：没有完美的“真相”
通常，要测试一只新出的狗，你需要将其与一只从不出错的“完美”之狗进行对比。但在这种疾病的研究中，并没有完美的狗。旧有的“金标准”（通过显微镜观察皮肤）对人们来说很痛苦，而且如果感染程度较低，显微镜往往会漏掉这位客人。
因此，研究人员不能简单地说“新狗 A 比完美狗 B 更好”。相反，他们使用了一种聪明的统计技巧，叫做贝叶斯潜在类别模型（Bayesian Latent Class Model）。
你可以把这想象成一个在没有供词的情况下破解谜团的侦探。侦探有三位证人（三种不同的测试），他们看到了同一个场景，但可能有不同的看法。侦探并不知道谁在说绝对的真话，但通过倾听所有人的陈述并观察他们的异同，他可以通过数学方法推测出谁是最可靠的证人，以及他们出错的概率是多少。
调查过程
研究人员收集了来自三个不同国家（莫桑比克、加纳和贝宁）的数据，这些地方都有这种寄生虫存在。他们同时对数千人进行了这三种“嗅闻犬”测试，并将数据代入他们的侦探数学模型中。
以下是他们的发现：
1. “嗅闻”能力（灵敏度）
这衡量的是当寄生虫确实存在时，测试找到它的能力。世界卫生组织（WHO）规定，一个测试至少要有 89% 的准确度才能被用于决定停止药物项目。
- GADx（新星）： 这个测试表现最好。它大约能找到 92% 的寄生虫。它稳定地通过了 89% 的门槛。
- SD Bioline（老将）： 这个测试表现不稳定。在某些计算中，它通过了 89% 的标准，但在另一些计算中，它降到了约 83%。它不够可靠，无法每次都让人放心。
- DDTD（多抗原犬）： 这个测试寻找多种气味标记。它表现尚可，找到了大约 87% 的寄生虫，但始终略低于 89% 的目标。
2. “虚假警报”问题（特异性）
这衡量的是在没有客人的情况下，测试是否能做到“不乱叫”。世界卫生组织要求测试在这一项上达到 99.8% 的完美度。如果测试对着松鼠乱叫（假阳性），可能会导致为一个并不需要药物的村庄继续提供药物，从而浪费金钱和精力。
- 坏消息是： 这三种测试都没有达到 99.8% 的目标。
- 表现最好的选手是 GADx，达到了 98.8%，紧随其后的是 DDTD 和 SD Bioline。
- 虽然 98.8% 听起来很高，但在庞大的人口基数下，这点微小的差距意味着一些其实并没有寄生虫的人仍会被检测为阳性。
结论
论文得出结论：虽然新的 GADx 测试 是一项显著的进步，并且在寻找寄生虫方面非常出色（灵敏度高），但没有任何一种测试完美到可以单独用来决定何时停止给药。
因为它们都有比世界卫生组织要求的稍高的“虚假警报”率，所以仅凭这些测试可能会导致错误的决策：要么由于漏掉寄生虫而过早停止用药，要么由于虚假警报而持续用药过久。
研究人员表示，我们需要要么开发出一种更优秀的测试，要么采用一种策略，将这些测试作为第一步，随后再进行第二次检查，最后再做出停止对抗河盲症的最终决定。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。