Model zestawia dwie warstwy, które podczas alarmu łatwo pomylić: statystykę wyniku testu przesiewowego oraz logistykę laboratorium. Pierwsza odpowiada, ile wyników oczekujemy w czterech polach tabeli 2×2. Druga przelicza wszystkie badania pierwotne, powtórzenia i potwierdzenia na obciążenie, kolejkę oraz czas zamknięcia alarmu.

Kalkulator: fałszywa epidemia — obciążenie laboratorium.

Narzędzie nie modeluje transmisji, zachorowań ani sposobu generowania zgłoszeń. „Fałszywa epidemia” jest nazwą scenariusza odporności informacyjnej: pokazuje, że duża liczba próbek i niedoskonała swoistość mogą przeciążyć system nawet przy bardzo małej częstości rzeczywistych przypadków.

Tabela 2×2 jest punktem wyjścia

Dla liczby próbek N, częstości bazowej p, czułości Se i swoistości Sp model oblicza wartości oczekiwane:

  • osoby lub próbki objęte stanem: N · p;
  • nieobjęte stanem: N · (1-p);
  • prawdziwie dodatnie: TP = N · p · Se;
  • fałszywie ujemne: FN = N · p · (1-Se);
  • prawdziwie ujemne: TN = N · (1-p) · Sp;
  • fałszywie dodatnie: FP = N · (1-p) · (1-Sp).

Wyniki mogą być ułamkowe, ponieważ opisują średnią oczekiwaną w wielu podobnych seriach. 47,5 prawdziwie dodatniego wyniku nie jest twierdzeniem o połowie próbki. W konkretnej serii liczby będą całkowite i losowo zmienne.

Model zakłada jedną czułość i swoistość dla całej populacji. Nie uwzględnia fazy zakażenia, jakości pobrania, różnych matryc, zmian odczynników, operatorów, progów sygnału ani zależności między powtórzeniami.

Częstość bazowa musi odpowiadać testowanej populacji

Pole p nie jest częstością choroby w całym kraju, jeżeli próbki pochodzą z grupy objawowej, ogniska, monitoringu ścieków albo przesiewu personelu. Powinno opisywać prawdopodobieństwo stanu w populacji rzeczywiście kierowanej do tego testu i w tym okresie.

Zmiana kryterium kierowania zmienia częstość bazową bez zmiany testu. Dlatego dodatnia wartość predykcyjna może spaść podczas masowego przesiewu, mimo że czułość i swoistość analityczna pozostają te same. W alarmie ze skąpymi danymi warto liczyć szeroki zakres p, a nie wybierać jedną pozornie dokładną wartość.

PPV i NPV odpowiadają na pytanie po uzyskaniu wyniku

Dodatnia wartość predykcyjna:

PPV = TP / (TP + FP)

jest oczekiwanym udziałem prawdziwych dodatnich wśród wszystkich wyników dodatnich. Ujemna wartość predykcyjna:

NPV = TN / (TN + FN)

jest udziałem prawdziwych ujemnych wśród wyników ujemnych. Nie są to czułość i swoistość odczytane „w drugą stronę”. Zależą od częstości bazowej.

Gdy p jest niskie, liczba osób bez stanu jest ogromna. Nawet niewielki odsetek 1-Sp może wtedy wygenerować więcej wyników fałszywie dodatnich niż prawdziwie dodatnich. To nie dowodzi, że test jest bezwartościowy; pokazuje potrzebę odpowiedniego algorytmu potwierdzenia i ostrożnej komunikacji.

Kalkulator nie oblicza prawdopodobieństwa dla konkretnego pacjenta. Taka interpretacja wymaga obrazu klinicznego, czasu, jakości próbki i właściwego algorytmu diagnostycznego.

Łączne obciążenie jest większe niż liczba próbek

Każda próbka generuje jedno oznaczenie pierwotne. Model dodaje powtórzenia jako stały odsetek wszystkich próbek:

N_repeat = N · r

oraz jedno potwierdzenie dla każdego oczekiwanego wyniku dodatniego:

N_confirm = TP + FP

Stąd:

N_total = N + N_repeat + N_confirm

To jawne uproszczenie. Realny algorytm może wymagać dwóch powtórzeń, ponownego pobrania, testu inną metodą, kontroli serii albo potwierdzania tylko podzbioru. Jeżeli potwierdzenie zużywa inną pracownię i nie konkuruje o tę samą przepustowość, nie powinno być sumowane w jednym zasobie.

Przepustowość musi mieć tę samą granicę procesu

Pole C oznacza liczbę wszystkich oznaczeń dziennie, które może wykonać wspólny zasób. Nie jest nominalną wydajnością instrumentu, jeżeli ograniczeniem są ekstrakcja, przyjęcie materiału, autoryzacja wyników, dostępność personelu lub potwierdzenie.

Wąskie gardło wyznacza zdolność całego przepływu. Jeżeli instrument wykonuje 4000 reakcji, lecz zespół może przygotować i zweryfikować 2000, do kalkulatora należy wprowadzić 2000. Kontrole jakości i powtórzenia powinny być albo ujęte w N_total, albo już odjęte od dostępnej przepustowości — nigdy w obu miejscach.

Model kolejki jest deterministyczny

Czas pracy analitycznej wynosi:

T_proc = N_total / C

Próbki napływają równomiernie przez T_in. Czas zamknięcia alarmu jest obliczany jako:

T_close = max(T_in, T_proc) + T_confirm

Kolejka po zakończeniu napływu:

Q_end = max(0, N_total - C · T_in)

a czas jej likwidacji wraz z końcowym opóźnieniem to Q_end/C + T_confirm.

Model nie jest pełnym modelem kolejkowym. Nie losuje napływu, nie uwzględnia zmian, awarii, priorytetów, partii, minimalnej wielkości serii ani rosnącego czasu oczekiwania próbki. Przy napływie skokowym może znacznie zaniżyć maksymalną kolejkę.

Czas potwierdzenia jest dodawany po analizie

T_confirm opisuje opóźnienie od zakończenia pracy analitycznej do finalnego zamknięcia alarmu. Może obejmować transport do laboratorium referencyjnego, dodatkową inkubację, autoryzację lub decyzję zespołu kryzysowego.

Kalkulator dodaje je raz na końcu, równolegle dla całej serii. Jeśli potwierdzenia są wykonywane sekwencyjnie albo mają własną ograniczoną przepustowość, potrzebny jest drugi etap kolejki. Samo zwiększenie zdolności pierwszej pracowni nie skróci celu poniżej tego stałego opóźnienia.

Personel jest skalowany proporcjonalnie, nie planowany stanowiskami

Wymagana przepustowość dla docelowego czasu T_goal wynosi:

C_req = N_total / (T_goal - T_confirm)

o ile część w nawiasie jest dodatnia. Wymagane FTE są następnie skalowane względem bieżącego stanu:

FTE_req = FTE_current · C_req / C

To nie jest grafik. Zakłada liniową skalowalność: dwa razy więcej personelu daje dwa razy większą przepustowość. W rzeczywistości ograniczają ją instrumenty, powierzchnia, kompetencje, nadzór, materiały, system informatyczny i zmęczenie. Wyniku nie należy zaokrąglać w dół ani traktować jako gotowej normy zatrudnienia.

Przykład domyślny

Dla 10 000 próbek, częstości 0,5%, czułości 95% i swoistości 98% model przewiduje 50 próbek objętych stanem i 9950 nieobjętych. Oczekiwane liczby to:

  • TP = 47,5;
  • FN = 2,5;
  • TN = 9751;
  • FP = 199.

Wyników dodatnich jest 246,5, ale PPV wynosi tylko około 19,27%. Przy 10% powtórzeń dochodzi 1000 oznaczeń, a potwierdzenia dodają 246,5. Łączne obciążenie wynosi 11 246,5 oznaczenia.

Przy przepustowości 2000 oznaczeń/dzień praca zajmuje 5,623 dnia. Próbki napływają przez dwa dni, więc na koniec napływu pozostaje kolejka 7246,5 oznaczenia. Po dodaniu 12 godzin potwierdzenia alarm zamyka się po około 6,123 dnia.

To spójny scenariusz planistyczny, ale nie prognoza rzeczywistego ogniska. Wartości oczekiwane nie pokazują rozrzutu, a równomierny napływ łagodzi szczyt.

Swoistość może mieć większy wpływ logistyczny niż czułość

Przy niskiej częstości większość próbek pochodzi od osób bez stanu. Poprawa swoistości z 98% do 99,5% zmniejsza oczekiwane FP czterokrotnie, z około 199 do około 49,75 w przykładzie. To ogranicza liczbę potwierdzeń i obciążenie komunikacyjne.

Nie oznacza to, że czułość jest mniej ważna klinicznie. Fałszywie ujemny wynik ma inny ciężar niż kolejka. Kalkulator logistyczny nie nadaje wag szkodom i nie optymalizuje progu diagnostycznego. Dobór testu musi uwzględniać cel medyczny, a nie tylko przepustowość.

Powtórzenie nie zawsze daje niezależną informację

Powtórzenie tej samej próbki tą samą metodą może odtworzyć błąd przedanalityczny, kontaminację lub interferencję. Model traktuje je wyłącznie jako dodatkową pracę. Nie przelicza, jak zmienia się prawdopodobieństwo wyniku po powtórzeniu.

Algorytm potwierdzenia powinien określać, czy używa nowej próbki, innego celu molekularnego, innej zasady pomiaru albo laboratorium referencyjnego. Bez tego samo mnożenie badań może zwiększyć kolejkę bez proporcjonalnego wzrostu pewności.

Dane losowe i przedziały niepewności

Tabela 2×2 w konkretnej serii jest losowa. Dla małego p nawet oszacowanie częstości bazowej może mieć szeroki przedział. Czułość i swoistość z walidacji również są estymatami, zależnymi od liczebności i spektrum próbek.

Do analizy odporności warto obliczyć kombinacje dolnej i górnej granicy p, Se oraz Sp. Najgorszy scenariusz logistyczny często łączy wyższą częstość dodatnich z niższą swoistością, lecz najgorszy scenariusz kliniczny może wyglądać inaczej. Pełna analiza może użyć rozkładu dwumianowego lub symulacji Monte Carlo; kalkulator celowo pozostaje deterministyczny i przejrzysty.

Czego model nie obejmuje

Narzędzie nie uwzględnia:

  • zależności wyników w klastrach i wielokrotnego badania tej samej osoby;
  • kolejki próbek pilnych i rutynowych;
  • czasu pobrania, transportu, rejestracji i raportowania indywidualnego;
  • ograniczeń odczynników, kontroli jakości i awarii;
  • pracy zmianowej, weekendów, zmęczenia i krzywej uczenia;
  • wielu etapów o odrębnych przepustowościach;
  • niejednorodnej czułości i swoistości;
  • kosztów, szkód klinicznych ani kryteriów ogłoszenia lub odwołania epidemii.

Nie powinien służyć do dyskredytowania rzeczywistego alarmu. Niski PPV w hipotetycznym przesiewie nie jest dowodem, że obserwowany wzrost zachorowań jest fałszywy.

Jak używać modelu do ćwiczenia odporności

Zespół powinien najpierw narysować realny przepływ próbki i wskazać wspólne zasoby. Następnie wprowadzić nominalną oraz potwierdzoną przepustowość, przetestować skok napływu i określić osobny plan potwierdzeń. Dobre ćwiczenie pyta również o priorytety kliniczne, komunikację wyników, zapas materiałów, laboratoria partnerskie i kryteria przełączenia trybu pracy.

Wynik modelu powinien prowadzić do decyzji typu „potrzebujemy zwalidowanej ścieżki drugiego laboratorium” albo „potwierdzenia są wąskim gardłem”, a nie tylko do liczby dodatkowych FTE.

Minimalny raport

Raport powinien podać populację, definicję stanu, źródło częstości bazowej, walidację testu, granice przepustowości, algorytm powtórzeń i potwierdzeń oraz scenariusze. Przykład:

Dla 10 000 próbek napływających przez 2 dni model oczekiwał 11 246,5 oznaczenia łącznie. Przy stałej zdolności 2000 oznaczeń/dzień kolejka na końcu napływu wynosiła 7246,5, a zamknięcie po doliczeniu 12 h potwierdzenia następowało po 6,12 dnia. Model zakładał równomierny napływ, jedną wspólną przepustowość oraz parametry testu Se 95% i Sp 98%.

Powiązane artykuły

Znaczenie reprezentatywnej próbki rozwija Od pytania klinicznego do właściwej próbki, a źródła wyników fałszywie dodatnich omawia Kontaminacja próbki a rzeczywiste zakażenie. Dobór metody do celu wspiera drzewo identyfikacji mikroorganizmu.

Źródła i dalsza lektura

Rachunek testu diagnostycznego i podstawy epidemiologii opracowano na podstawie książek Epidemiologia — od teorii do praktyki, Podstawy mikrobiologii i epidemiologii szpitalnej oraz Analiza statystyczna w laboratorium badawczym, zakupionych z licencją do republikacji. Planowanie przepustowości skonfrontowano z materiałami CDC o laboratoryjnej surge capacity oraz wytycznymi WHO dotyczącymi przygotowania laboratoriów na ogniska.cdc-surge,who-outbreak