L’Hubei dello Stivale (Parte 20) – L’assalto agli esami sierologici. Cui prodest?

(…..segue dalla parte 19)

Tutti avrete seguito il dibattito sui test anticorpali delle scorse settimane. I test sierologici sono divenuti terreno di battaglia per schiere di opinionisti e politici. Questi ultimi si sono lanciati improvvidamente nell’agòne scientifico parlando a sproposito di “patenti di immunità” (qui la dichiarazione del Governatore del Piemonte Cirio, mentre in questo altro link la dichiarazione del Governatore della Lombardia Fontana).

Dopo aver compreso la vera portata del test anticorpale, ora le Regioni sono partite lancia in resta ad effettuare test sierologici come se piovesse.

Travolti dalle critiche per quanto avvenuto sull’approvvigionamento dei DPI, sulla gestione dei tamponi, sul disastro nelle RSA e su molte altre falle organizzative, ora si cerca di correre ai ripari garantendo un esame sierologico alla platea più ampia possibile.

Ed i produttori ed i laboratori privati si sono buttati nell’affare a babbo morto.

Il test anticorpale non ha però alcun valore se non di tipo epidemiologico. Il test basato sulla ricerca della IgG ci dice solamente se il soggetto ha contratto o meno la malattia. Lo scopo non è quello di fornire una diagnosi ma di comprendere a livello di popolazione quante persone possono aver contratto la patologia da SARS-nCoV-2.

La circolare del 3 aprile 2020 del Ministero della Salute riporta testualmente che:

i test rapidi basati sull’identificazione di anticorpi IgM e IgG specifici per la diagnosi di infezione da SARS-CoV-2, secondo il parere espresso dal CTS, non possono, allo stato attuale dell’evoluzione tecnologica, sostituire il test molecolare basato sull’identificazione di RNA virale dai tamponi nasofaringei 

La diagnosi di COVID-19 continua ad essere la ricerca dell’RNA del coronavirus (RT-PCR) tramite tampone nasofaringeo.

Le conseguenze del test sierologico anticorpale sono peraltro molteplici:

  • Stimare la percentuale di persone che hanno contratto il COVID-19 senza accusare sintomi o manifestando sintomi così lievi da non considerarli importanti;
  • In conseguenza di ciò si può anche valutare quanto siamo lontani dalla immunità di gregge (che dovrebbe essere raggiunta quando il 65-70% della popolazione ha contratto il virus);
  • Giungere ad una stima più accurata della vera letalità della patologia;
  • Valutare la durata della risposta anticorpale (richiede più prelievi nel tempo);
  • Valutare se il soggetto che ha una risposta anticorpale può ancora contrarre la COVID-19 (richiede un follow up, i soggetti debbono essere seguiti nel tempo);
  • Altri ancora che per brevità non elenco.

Un problema è rappresentato dal fatto che i test proposti in queste ultime settimane sono molteplici ed alcuni sono decisamente meno accurati di altri. Alcuni sono niente più che prese in giro e sul web ne girano a bizzeffe anche a costi irrisori. Le ditte produttrici stanno inondando il mercato con prodotti estremamente vari anche in termini di rapidità di esito.

Le caratteristiche di un buon test si derivano però da due proprietà intrinseche che sono la sensibilità e la specificità oltre alla prevalenza della condizione che si vuole sottoporre a valutazione.

Bisogna sempre tenere a mente che non tutti i test sono infallibili per cui i risultati possono essere differenti dalla realtà.

Se io ho avuto un contatto con il coronavirus dovrei aver sviluppato una risposta anticorpale. Il test dovrebbe pertanto dare un risultato positivo. Se invece non ho avuto contatto con il coronavirus dovrei aspettarmi un test negativo. Il test però può dare risultati assolutamente diversi. Se il test rileva anticorpi contro altri tipi di coronavirus (differenti dal SARS-nCoV-2 che determina il COVID-19) potrebbe risultare falsamente positivo. Se invece il soggetto non ha sviluppato una risposta anticorpale adeguata potrebbe risultare falsamente negativo anche se ha contratto il COVID-19. Un caso ulteriore potrebbe essere il soggetto affetto da COVID-19 in una fase iniziale di malattia che potrebbe non aver ancora prodotto anticorpi rilevabili dalla metodica.

Sensibilità

Supponiamo di avere 10 persone che hanno contratto la patologia COVID-19. Il test anticorpale dovrebbe risultare positivo in tutti e 10 i pazienti. Come vedete però 8 persone (in verde) risulteranno positive e due persone (in rosso) negative.

I soggetti verdi sono veri positivi mentre quelli rossi sono falsi negativi. La sensibilità del test è pari all’80% perchè in media su 100 pazienti il test è in grado di dare un risultato corretto solo nell’80% dei casi.

Specificità

All’inverso se io non fossi mai venuto a contatto con il SARS-nCoV-2 dovrei aspettarmi un test anticorpale negativo. Ma in alcuni casi il test potrebbe risultare falsamente positivo.

I soggetti verdi sono veri negativi mentre quelli rossi sono falsi positivi. La specificità del test è pari al 70%; infatti il test è in grado di dare un risultato corretto solo nel 70% dei casi.

Visualizzare le diverse ipotesi

Immaginiamo una popolazione di 100 persone in cui una parte dei soggetti ha contratto il COVID-19 ed un’altra no.

I soggetti che non hanno avuto il COVID-19 sono rappresentati dai pallini bianchi (70 persone) mentre quelli che hanno superato la malattia sono rappresentati dai pallini neri (30 persone).

Questa rappresentazione è del tutto teorica ed è a fini didattici. Noi in realtà non la conosciamo. Il test ci indirizza verso una diagnosi che in alcuni casi, come detto, può essere fallace.

Attenzione ora alla legenda in cui oltre alla differenziazione basata sul reale contatto con il coronavirus (pallini neri hanno avuto il contatto, pallini bianchi no) aggiungiamo il risultato del test IgG:

Se avessimo un test perfetto, applicando il test degli anticorpi IgG a questa popolazione otterremmo questo risultato:

I soggetti che hanno contratto la patologia COVID-19 risultano tutti positivi al test IgG. I pallini neri infatti sono tutti colorati di rosso (sensibilità 100%).

Invece i soggetti che non hanno avuto la patologia da SARS-nCoV-2 risultano tutti negativi al test IgG. I pallini bianchi infatti sono tutti colorati di verde (specificità 100%).

Se questi fossero i risultati non ci sarebbero problemi. La situazione sarebbe idilliaca. Il test darebbe una visione della realtà assolutamente perfetta. Chi è IgG positivo ha avuto il COVID-19 e chi è negativo no. Potremmo buttare a mare i libri sul teorema di Bayes e smetterla di occuparci di falsi positivi e falsi negativi.

Vediamo invece cosa spesso accade. Qui di seguito abbiamo la stessa popolazione con la stessa proporzione di persone con pregressa COVID-19 (pallini neri) e soggetti che non la hanno avuta (pallini bianchi). Effettuando il test otteniamo un quadro ben diverso dalla situazione idilliaca di prima. Le persone IgG positive non sono solo quelle che hanno contratto il COVID-19.

E come non bastasse alcune persone che hanno contratto il COVID-19 sono addirittura IgG negative!

Concentriamo solo su chi ha avuto contatti con il SARS-nCoV-2 (i pallini neri)

Parte di essi sono IgG positivi (vedi legenda: sono colorati di rosso) ma purtroppo alcuni di loro sono IgG negativi (colorati di verde). Si tratta 6 persone (su 30) che pur essendo venute a contatto con il SARS-nCoV-2 risultano negative al test (falsi negativi=soggetti negativi il cui risultato in realtà è falso dato che hanno avuto il COVID-19). La sensibilità del test è quindi dell’80%. Infatti il test classifica correttamente come positive 24 persone su un totale di 30. Quindi l’80% delle persone sono veri positivi (soggetti positivi al test che hanno veramente avuto contatto con il coronavirus).

Se ci concentriamo invece sulla porzione di persone che non hanno avuto contatto con il SARS-nCoV-2 (pallini bianchi) possiamo constatare che anche in questo caso il test è lungi dall’essere perfetto.

Le persone che non hanno contratto il SARS-nCoV-2 dovrebbero tutte risultare negative al test IgG (colore verde). Invece una parte di esse risulta comunque positiva al test sierologico (colore rosso). Ricordiamoci che i soggetti che non avevano contratto il COVID-19 erano in tutto 70. Tra questi 70 soggetti 56 sono correttamente negativi mentre 14 sono positivi al test sierologico. La specificità è quindi pari a 56/70 ovvero pari all’80%. Solo il 56% delle persone sono veri negativi (soggetti negativi al test che non hanno veramente avuto contatto con il coronavirus). Le rimanenti 14 persone sono invece falsi positivi (test IgG positivo che è ovviamente falso in quanto i soggetti non hanno avuto contatti con il coronavirus)

Il problema di un qualsiasi test che non abbia valori ideali di sensibilità e specificità è che esso determinerà risultati che non corrispondono sempre alla realtà. Le conseguenze sono molto rilevanti per quanto concerne l’interpretazione del test stesso.

Conseguenze di un test poco sensibile e/o poco specifico

In estrema sintesi se ho un test non sensibile al 100% non individuerò tutti i soggetti che hanno contratto la malattia (risulteranno falsamente negativi).

Se invece il test non è specifico al 100% classificherò erroneamente alcune persone come se avessero avuto contatto con il SARS-nCoV-2 (falsamente positivi alle IgG) anche se in realtà non si sono mai ammalati. Ma tutto viene complicato dalla prevalenza.

La prevalenza

In Italia il 5,3% delle persone è diabetica. Quindi la prevalenza del diabete nella popolazione italiana è pari al 5,3%. Il numero di persone in un determinato momento che sono affette da diabete si calcola in questo modo:

Quale è la prevalenza delle persone che in Italia hanno contratto il coronavirus?

Di preciso non si sa. Vi sono dati di prevalenza che variano notevolmente da Paese a Paese, da Regione a Regione. In una RSA ci aspetteremmo una alta prevalenza ma attenzione al fatto che ciò dipende da quando effettuiamo il test. A metà marzo la prevalenza nelle RSA era verosimilmente altissima. Ora che purtroppo molti anziani sono deceduti e sono stati sostituiti da anziani senza patologia COVID-19 la prevalenza potrebbe essere di molto inferiore.

Per stimare la prevalenza di soggetti che hanno contratto il COVID-19 dovremmo pertanto basarci sul test sierologico.

Attenzione che uso la parola “stimare” non a caso. La formula sopra è la prevalenza “apparente” che risulta dal test sierologico. La prevalenza reale è quella dei soggetti che hanno contratto il COVID-19 sul totale della popolazione. La stima si avvicina al valore reale però bisogna effettuare uno studio “serio”.

Valore predittivo positivo

Ora abbiamo tutti gli elementi per comprendere se un test può essere più o meno affidabile. Come detto la sensibilitá è la capacità del test sierologico di identificare correttamente i soggetti che hanno contratto il COVID-19. La specificitá è invece la capacitá di identificare correttamente coloro che non hanno contratto la malattia.

Queste sono caratteristiche intrinseche di un test. Sulla base di valori di sensibilitá e specificitá dichiarati da un produttore, la domanda che ci dovremmo porre è quanto sia affidabile un test quando, ad esempio, risulta positivo.

Noi la realtà non la conosciamo. Il test è l’unico strumento che ci può indirizzare. Purtroppo dobbiamo mettere in conto che il test ci può portare anche fuori strada.

Un operatore sanitario esegue il prelievo e risulta positivo per le IgG.

La domanda che ci dovremmo porre è la seguente:

dato che il test anticorpale è positivo, qual è la probabilitá che il soggetto sia venuto a contatto con il Sars-nCoV-2?

Dipende.

Da cosa? Dalla prevalenza della condizione nella popolazione che stiamo prendendo in esame.

Una simulazione pratica

Immaginiamo la stessa popolazione di prima. Sappiamo già che il test è sensibile all’80% e specifico all’80%. Vi sono 30 persone che hanno avuto contatto con il coronavirus. La prevalenza è quindi del 30% (numero di persone con pregresso COVID-19 sul totale)

Se esaminiamo soltanto i casi positivi possiamo verificare che, dopo aver effettuato il test IgG, su un totale di 38 persone positive ve ne sono 24 che hanno contratto la patologia COVID-19. Pertanto il valore predittivo positivo è 24/38=63%.

Cosa significa? Riassumiamo le caratteristiche di test e popolazione:

  • Sensibilità test=80%
  • Specificità=80%
  • Prevalenza di soggetti che hanno avuto COVID-19=30%

Con questa situazione, se abbiamo un test positivo su uno dei soggetti, la probabilità che questo test sia rispondente alla realtà è pari al 63%. Un po’ di più che ottenere testa o croce dal lancio di una moneta. Non è un granchè.

Cosa succede se la prevalenza è ancora più bassa?

Guardiamo la figura successiva. La prevalenza è ora del 10%; abbiamo 10 soggetti con pregressa COVID-19 su 100 totali (pallini neri). La sensibilità e la specificità sono le stesse (potete verificare da soli).

Ora concentriamoci sui soggetti risultati positivi al test sierologico. In esso ci ricadono una parte dei soggetti che hanno contratto il COVID-19 (pallini neri=veri positivi) ed una parte di coloro che non hanno avuto la patologia (pallini bianchi=falsi positivi)

Se volessimo sapere il valore predittivo positivo è sufficiente calcolare la percentuale dei veri positivi (pallini neri) sul totale dei positivi (la parte rossa)

Il valore predittivo crolla. Su 26 soggetti positivi (il gruppo rosso) solo 8 hanno veramente avuto contatto con il COVID-19. Quindi la probabilità che un test positivo individui veramente i soggetti con pregresso COVID-19 sono 8/26=31%.

Se in questa situazione qualcuno vi dicesse che dal test sierologico risultano le IgG positive voi potreste:

  • fidarvi ciecamente e considerare di aver contratto il COVID-19
  • fare una domanda

La domanda dovrebbe essere questa:

Dato che son risultato positivo, quale è la probabilità che io abbia veramente contratto il COVID-19?

La risposta in questo ultimo caso dovrebbe essere: il 36%. Quindi, dopo aver fatto il test ed avendo ottenuto un valore positivo ho una possibilità su 3 di aver contratto il COVID-19. Che è come dire che ho due probabilità su 3 di non aver avuto il COVID-19. Ma in questo caso a che serve fare il test? Non vi pare un pessimo risultato?

Da cosa è influenzato il valore predittivo positivo

Esso dipende molto dal numero di persone che hanno contratto la malattia (probabilità a priori). Nel nostro caso da coloro che hanno avuto il contatto con il coronavirus. Ovvero dalla prevalenza.

Ad una prevalenza bassa corrisponde un valore predittivo positivo basso. Ciò significa che, mano a mano che si riduce la prevalenza aumenta la probabilità che il test dia un falso positivo.

Se anche la sensibilità del test sarà inferiore il valore predittivo sarà ancora più ridotto anche a parità di prevalenza.

La prevalenza è la nostra probabilità a priori ovvero la probabilità che una determina condizione sia presente nella popolazione. Il test non fa altro che trasformare tale probabilità a priori in una probabilità a posteriori (valore predittivo positivo).

Se la prevalenza non è molto alta l’unica salvezza per evitare un basso valore predittivo è quello di avere un test molto sensibile.

Un soggetto obeso, iperteso e fumatore ha dei sintomi tipici per coronaropatia. Qual è la probabilità a priori che abbia un infarto? Una popolazione con quelle caratteristiche e con quei sintomi ha una probabilità elevata (prevalenza).

Se vogliamo essere il più possibile sicuri che un dolore toracico irradiato al braccio sinistro in un soggetto di questo tipo sia un infarto, vi accontentereste solo di un ECG o fareste una coronarografia?

Quando si deve scegliere un test si propende per quello migliore a disposizione.

In Piemonte si è fatto così?

(…….continua)