“Los test de anticuerpos de COVID-19 pueden dar más falsos positivos que verdaderos”

He criticado en anteriores ocasiones a los tecnócratas que confunden la realidad con sus modelos matemáticos como por ejemplo el infame Neil Ferguson "epidemiólogo" creador del informe que justificó el confinamiento en Inglaterra y en otras partes del mundo, cuyas predicciones apocalípticas, todas fallidas,  se acercaban más a la nigromancia propia de un astrólogo que a la precisión y el rigor que se debe exigir de la ciencia.

Lo que no significa que no existan "algunos hombres buenos".

Por ejemplo, Kit Yates doctor en Biología Matemática por la Universidad de Oxford.  Reconoce en esta entrevista que los test de anticuerpos dan más falsos positivos que verdaderos y lo explica en base a las matemáticas.

Extracto del Artículo “Los test de anticuerpos de COVID-19 pueden dar más falsos positivos que verdaderos”  ver:   original   archivado

 

¿Qué nos dicen las matemáticas sobre la fiabilidad de las pruebas de coronavirus?

Nos pueden ayudar a comprender algunas de las sutilezas que están detrás de los test. Ahora se plantea hacer pruebas de anticuerpos y dar un ‘pasaporte de inmunidad’ a aquellos que dan positivo por haber tenido la enfermedad, lo que les permitiría regresar al trabajo. Sin embargo, existe tanta controversia como entusiasmo sobre esta nueva idea. Además de las implicaciones éticas –personas en circunstancias difíciles a las que se puede ‘animar’ a contraer la enfermedad para volver a trabajar–, de privacidad y que la propia OMS haya puesto en duda que una persona recuperada de COVID-19 esté protegida de futuras infecciones, existe preocupación sobre la precisión de las pruebas.

 ¿A qué se refiere? ¿Nos puede poner un ejemplo?

Tomemos uno de los test de anticuerpos aprobados por la Administración de Medicamentos y Alimentos ​​(FDA) de EE UU. Si tienes anticuerpos contra la COVID-19, esta prueba te lo dice correctamente el 93,8 % de las veces, pero si no los tienes, acertará un 95,6 % de las ocasiones (es lo que se llama, respectivamente, sensibilidad y especificidad de la prueba). En principio obtener un resultado correcto más del 90 % de las veces suena bastante alentador, pero pensemos que ocurriría si se hacemos el test a 10.000 personas, teniendo en cuenta que solo el 3 % de la población mundial puede haber tenido COVID-19 y se ha recuperado, como indican algunas estimaciones recientes de la OMS.

Esto significa que 9.700 de los 10.000 examinados no habrán tenido la enfermedad y solo 300 sí. De esos 300 pacientes recuperados, al 93,8 %, o 281, se les va a informar correctamente que tienen anticuerpos contra la COVID-19. Pero a la gran mayoría (9.700) de las personas que no han pasado la enfermedad, al 4,4 %, o 427, se les dirá incorrectamente que la tuvieron y se recuperaron. Por tanto, serán muchas más las personas que reciban falsos positivos que las que obtengan verdaderos positivos.

Esquema elaborado por Kit Yates para visualizar cómo los falsos positivos pueden tener más peso que los verdaderos cuando la prevalencia de una enfermedad, como COVID-19, es baja en una población y el test considerado carece de especificidad.

 

Y eso supone un riesgo...

Hasta el 60 % de aquellos [supuestos positivos según el test] liberados de nuevo al mercado de trabajo podrían estar en riesgo de infectarse ellos mismos y, sin saberlo, propagar también la enfermedad a otras personas, provocando una segunda ola de la epidemia. Este problema de que los falsos positivos superen a los verdaderos ocurre cuando la prevalencia de una enfermedad es baja y la prueba carece de especificidad, ofreciendo esa proporción significativa de falsos positivos. Aquí estamos hablando de test de anticuerpos, pero no sería el caso de las pruebas PCR.

En el libro comento que esta situación es común en los programas de detección. En el cribado del cáncer de mama, por ejemplo, los falsos positivos pueden superar a los verdaderos en una proporción de tres a uno, lo que genera ansiedad y la posibilidad de realizar intervenciones innecesarias.

De modo que esto sucede con las pruebas de anticuerpos, que tienen una precisión del 90% ¿Que pasará entonces con  pruebas PCR que tienen  una sensibilidad del 80%?