Les nouveaux tests d’anticorps pourraient changer la donne en protégeant le public contre les infections tout en relançant l’économie. L’octroi de « passeports d’immunité » à ceux qui ont été testés positifs pour avoir eu la maladie permettrait à des milliers de personnes de retourner au travail.
Cependant, cette nouvelle idée suscite autant de controverse que d’enthousiasme. Les implications éthiques sont au premier plan dans l’esprit de beaucoup de gens. Les personnes en situation économique difficile peuvent, de manière perverse, être incitées à contracter la maladie pour pouvoir retourner au travail. Pour d’autres, les questions de respect de la vie privée liées au stockage centralisé des données médicales sont une pierre d’achoppement. L’Organisation mondiale de la santé (OMS) a également émis des doutes quant à la mesure dans laquelle les personnes qui se sont remises de la COVID-19 seront protégées contre une infection future.
La précision des tests est peut-être la moins bien comprise des préoccupations. La Food and Drug Administration (FDA) américaine a accordé une autorisation d’utilisation d’urgence à sept fabricants pour la mise sur le marché de tests d’anticorps pour COVID-19. L’un des premiers tests à obtenir une autorisation a été développé par Cellex. Si vous avez des anticorps contre COVID-19, leur test vous le dira correctement dans 93,8 % des cas (c’est la « sensibilité » du test). Si vous n’en avez pas, il vous le dira correctement 95,6 % du temps (c’est la « spécificité » du test). Obtenir le bon résultat plus de 90 % du temps semble assez encourageant.
Mais considérons ce qui se passerait si le test était donné à 10 000 personnes comme dans le schéma ci-dessous. Bien que (les estimations varient considérablement), l’OMS a récemment suggéré que seulement 3 % de la population mondiale pourrait avoir eu le COVID-19 et s’en être remise. Cela signifie que 9 700 des 10 000 personnes testées n’auront pas eu la maladie et que seulement 300 l’auront eue. Sur les 300 patients guéris, 93,8% – soit 281 – seront correctement informés qu’ils ont des anticorps contre la maladie. Sur la grande majorité (9 700) des personnes qui n’ont pas eu la maladie, 4,4 % – soit 427 – se verront dire à tort qu’elles ont eu la maladie et qu’elles en sont guéries.
En bref, beaucoup plus de personnes recevront des résultats faussement positifs que des résultats réellement positifs. Jusqu’à 60 % des personnes réintégrées dans la population active pourraient être elles-mêmes exposées au risque d’infection et propager la maladie à d’autres personnes sans le savoir, ce qui déclencherait une deuxième vague de l’épidémie. Si la prévalence réelle de la maladie dans la population est aussi faible que 1 %, ce chiffre pourrait atteindre 80 %.
Le problème des faux positifs l’emportant sur les vrais positifs se pose dans toute situation où la prévalence d’une maladie dans la population testée est faible et où le test donne une proportion significative de faux positifs. Comme je le découvre dans les Maths de la vie et de la mort, cette situation est courante dans les programmes de dépistage. Dans le cas du dépistage du cancer du sein, par exemple, les faux positifs peuvent l’emporter sur les vrais positifs dans un rapport de trois pour un, ce qui entraîne une anxiété importante et la possibilité de procédures inutiles.
La répétition du même test d’anticorps pourrait cependant réduire le taux de faux positifs. Le fait de refaire les tests des personnes ayant obtenu un résultat positif au premier test et de ne délivrer des passeports d’immunité qu’à celles qui ont obtenu deux résultats positifs pourrait réduire la proportion de faux positifs à moins de 7 % (voir le diagramme ci-dessous) – une amélioration significative.
Mais le double test ne fonctionne que si les résultats des deux tests sont indépendants. Si, toutefois, la raison des faux positifs est systématique – détection d’anticorps d’autres coronavirus, par exemple – il n’y a aucune raison de croire qu’un deuxième test fera mieux que le premier.
Faux négatifs
Alors que les faux positifs sont un problème dans la communauté au sens large, les hôpitaux peuvent être confrontés à un problème aigu en raison des faux négatifs. Pour diverses raisons (notamment un écouvillonnage inexact et une charge virale variable), le test RT-PCR utilisé pour diagnostiquer les personnes actuellement atteintes de COVID-19 donne un taux de faux négatifs pouvant atteindre 30 %. À l’image de la situation dans la communauté au sens large, lorsque la prévalence d’une maladie dans un groupe est élevée (comme c’est le cas pour les personnes admises dans des hôpitaux où l’on soupçonne la présence de COVID-19), les faux négatifs submergent les vrais négatifs, ce qui peut avoir des conséquences désastreuses.
Il est naturel de supposer que les personnes qui se rendent à l’hôpital avec des symptômes graves de COVID-19 ont probablement la maladie. Ces personnes doivent être correctement diagnostiquées afin de pouvoir être isolées de la population hospitalière générale et traitées.
En supposant que 90 % de ces cas seront atteints de la maladie, il est naturel de se demander quelle proportion de résultats négatifs est correcte. En utilisant le même argument mathématique qu’auparavant, en considérant un échantillon représentatif de 10 000 patients, le diagramme ci-dessous montre que, dans ce contexte, un résultat négatif pourrait être correct aussi rarement qu’un cas sur quatre.
C’est un énorme problème pour les hôpitaux. Les patients qui devraient être isolés peuvent être envoyés à tort dans des services où le COVID est négatif et recevoir un traitement inapproprié ou même être renvoyés chez eux en pensant qu’ils ne sont pas contagieux, pour ensuite propager la maladie à grande échelle.
Comprendre les taux surprenants de faux positifs et de faux négatifs pour des tests qui semblent, en apparence, assez précis pourrait avoir de profondes conséquences pour la politique de santé alors que nous nous enfonçons dans cette pandémie. Si nous ne faisons pas preuve de diligence mathématique, nous risquons de dépasser le point de basculement au-delà duquel l’épidémie recommence à se propager, ce qui entraînera encore plus de décès évitables.
Cet article est republié de The Conversation par Christian Yates, maître de conférences en biologie mathématique, Université de Bath, sous licence Creative Commons. Lire l’article original.
Couverture de la Corona
Lisez notre couverture quotidienne sur la façon dont l’industrie technologique réagit au coronavirus et abonnez-vous à notre bulletin hebdomadaire Coronavirus in Context.
Pour des conseils et des astuces sur le travail à distance, consultez nos articles sur les quarts de croissance ici ou suivez-nous sur Twitter.
