In unserer kleinen Seminarreihe „Testen gerne, aber richtig“ will ich noch einmal auf die Problematik der falsch positiven Testergebnisse eingehen. Ihr Anteil an allen positiven Testergebnissen hängt, wie gezeigt, auch bei guten Tests sehr stark von der Prävalenz der Infizierten ab. Die ist im Durchschnitt der Bevölkerung sehr gering, der Anteil der falsch positiven Tests an allen positiven Tests wäre bei bevölkerungsweiten Tests daher hoch.

Nehmen wir an, wir würden die ganze Bevölkerung testen, die Sensitivität läge wieder wie bei unserem letzten Beispiel bei 75 %, die Spezifität bei 99,5 %. Worldometers weist heute für Deutschland 7.718 aktive Fälle aus. Nehmen wir weiter an, die wahre Prävalenz wäre 5 mal so hoch. Dann hätten wir in Deutschland derzeit etwa 40.000 Infizierte. Nur 6,5 % der Menschen, die positiv getestet werden, sind unter diesen Annahmen tatsächlich infiziert. Das überrascht uns in Teil 5 unserer Reihe zum Testen nun nicht mehr. Auch die Vierfeldertafel, mit der sich die 6,5 % einfach errechnen lassen, können wir inzwischen im Schlaf hinschreiben, und wundern uns auch nicht mehr, wenn Zeilen- oder Spaltensummen durch das Aufrunden auf ganze Menschen nicht ganz stimmen.

Wenn man beim Testen quer Beet so viele falsch positive Befunde hat, sollte man sich gut überlegen, mit welchem Ziel man welche Gruppen testet. Auch das wurde schon mehrfach gesagt. Aber ich will heute auf etwas anderes hinaus: Bezogen auf die nichtinfizierte Bevölkerung beträgt die Falsch-Positiven-Rate nämlich gerade mal 0,5 %. In einschlägig beleumundeten Kreisen wird aber von 1,5 % oder 2 % gesprochen und behauptet, damit würde man jetzt schon im Bereich des statistischen Hintergrundrauschens testen, vielleicht gäbe es ja schon gar keine SARS-CoV-2-Fälle mehr. Es könnte sein, dass das Argument einen Pferdefuß mit Faktor 3 – 4 hat.

In dem Zusammenhang ist auch eine Grafik meiner Kolleg/innen interessant, die die Zahl der Laborproben in Bayern und – als schwarze Linie – die Positivenrate darstellt:

Diese Grafik dürfte es nicht geben, wenn die einschlägig beleumundeten Kreise mit ihren 1,5 % oder 2 % recht hätten – denn die Positivenrate liegt seit Tagen nahe an 1 %. Die Falsch-Positiven sind ein Teil davon, d.h. die Falsch-Positiven-Rate muss müsste bei gegebener Datenlage sogar noch etwas niedriger liegen. Richtig ist, dass – von den genannten Testgütekriterien ausgehend – der Anteil der Falsch-Positiven inzwischen wohl nicht mehr gering ist. Wie groß er unter den tatsächlich getesteten Personen ist, kann ich nicht beurteilen, weil sich die Testpopulation aus unterschiedlichen Gruppen (symptomatische Personen, Kontaktpersonen usw.) mit unterschiedlicher Prävalenz zusammensetzt. Darüber mögen sich klügere Leute den Kopf zerbrechen.

Nur am Rande, weil das eine andere Geschichte ist: Interessant an der Grafik ist auch der Verlauf der Testhäufigkeit. Während die Positivenrate zurückging, ist die Testhäufigkeit tendenziell auch nach Anfang April weiter gestiegen. Wer noch immer glaubt, die Zunahme der Infektionsfälle sei doch nur der Zunahme der Tests geschuldet gewesen, möge bitte erklären, warum dann die Zahl der Infektionsfälle seit Wochen so stark zurückgehen konnte, obwohl die Zahl der Tests eher gestiegen ist. Oder gilt das Argument Testhäufigkeit = Infektionshäufigkeit nur bergauf?

—————
Edit: Die Falsch-Positivenrate hatte ich zunächst zu gering angegeben – falsche Excelzelle erwischt. Ist korrigiert.

Edit 10.6.2020: Wenn der Wurm schon mal drin ist: Die Falsch-Positivenrate wird im korrekten epidemiologischen Sprachgebrauch nicht auf alle Getesteten, sondern auf die Nichtinfizierten bezogen. Numerisch macht das hier keinen Unterschied, aber ich streue noch etwas mehr Asche auf mein Haupt und habe “nichtinfizierte” vor “Bevölkerung” eingefügt und weiter unter ein “muss” durch ein “müsste bei gegebener Datenlage” ersetzt. Noch eine Kerbe mehr in meinem Fehlerholz.

————–
Zum Weiterlesen rund um Tests:

Übersicht bei Wikipedia zu Kennziffern rund um die Vierfeldertafel

Coronakrise: Testen von Menschen? Testen von Abwässern?

Stichwort „Number Needed to Screen“

Coronakrise: Sinnloses Testen, sinnlose Statistik, Sinn und Unsicherheit

Stichwort „Falsch positive Testergebnisse“

Kommentare (53)

  1. #1 meregalli
    9. Juni 2020

    Was ich nirgendwo heraus gelesen habe, vielleicht hab ich’s übersehen: Handelt es sich bei der Anzahl der Tests um Anzahl der Proben(wie im obigen Diagramm beschrieben) oder Anzahl der getesteten Personen? Ich nehme an, dass es zur Bestimmung des Krankheitsverlaufes oder bei fraglichen Ergebnissen zahlreiche Mehrfachtestungen geben wird.

    • #2 Joseph Kuhn
      9. Juni 2020

      @ meregalli:

      In der Grafik geht es um Proben, nicht um Personen. Ob es viele Personen mit “zahlreichen” Mehrfachtestungen gibt (z.B. weil sie über längere Zeit schwach positiv bleiben und daher immer wieder getestet werden), glaube ich zwar nicht, der Test macht ja normalerweise schon nach wenigen Tagen keinen Sinn mehr, aber Mehrfachtestungen gibt es natürlich. Wie sich das entwickelt, wenn künftig bestimmte Personengruppen regelmäßig getetest werden sollen, weiß ich nicht. Für meine Argumentation ist das, wenn ich keinen Denkfehler gemacht habe, aber irrelevant.

      Noch was: In den Tageswerten der Grafik sollten übrigens keine Mehrfachtestungen sein. Dafür müssten ja für eine Person am gleichen Tag mehrere Proben ausgewertet worden sein.

  2. #3 B8l
    9. Juni 2020

    “Der Anteil der Falsch-Positiven inzwischen wohl nicht mehr gering ist”
    Also wenn man von einer Positivrate von 1% und einer Falsch-Positiv-Rate von 0.5% ausgeht sind also schon die Hälfte der positiv getesteten gar nicht infiziert. Und viel weiter können die Infektionszahlen dann auch gar nicht mehr sinken. Von den ca. 8000 Infizierten in Dland sind dann vielleicht nur 4000 wirklich infiziert!

    Die fallende Positiv-Rate zeigt doch recht klar, dass die Test-Kriterien immer weiter aufgeweicht worden sind. Also anders als das RKI emphohlen hat, vermutlich doch breit getestet wird.

    • #4 Joseph Kuhn
      9. Juni 2020

      @ B8l:

      Ich fürchte, das ist eine Milchmädchenrechnung. Die 0,5% kommen unter den genannten Voraussetzungen beim Querbeet-Testen zustande. So wurde aber bisher nicht getestet, daher auch der explizite Hinweis darauf, dass der Anteil der falsch Positiven unter den real Getesteten (zumindest mir) nicht bekannt ist.

  3. #5 jogo
    9. Juni 2020

    “Von den ca. 8000 Infizierten in Dland sind dann vielleicht nur 4000 wirklich infiziert!”

    Plus die 25% Infizierten, deren Test negativ ist. Macht zusammen gute 5000.
    Muss man die Dunkelziffer auf die tatsächlich Infizierten, oder auf die positiv Getesteten beziehen?
    Oder ist das so grob geschätzt, dass es eh egal ist?

  4. #6 jogo
    9. Juni 2020

    @ Joseph Kuhn:
    Ich dachte, die Sensitivität (ca. 75 %) und die Spezifität (ca. 99,5 %) hängen mit dem Test selbst zusammen und nicht mit der Prävalenz der Gruppe, die man testet. Ist das nicht so?

    • #7 Joseph Kuhn
      9. Juni 2020

      @ jogo:

      Sensitivität und Spezifität sind Testeigenschaften (hier mit den 75 % Sensitivität in einem weiteren Sinn, einschl. des Testablaufs). Die sind im Prinzip in allen Gruppen, die man testet, identisch. Aber der positive prädiktive Wert, also der Anteil der wirklich Infizierten an den positiven Tests (und analoge Werte) hängen auch von der Prävalenz ab. Spielen Sie mal etwas mit der Vierfeldertafel, Sie sehen es dann sofort.

  5. #8 Kai
    9. Juni 2020

    @Jogo: Sensitivität und Spezitivität werden immer aus der confusion matrix berechnet. Sensitivität ohne Prävalenz geht also nicht, man kann nur eine Stichprobe mit ausbalancierten Fällen annehmen. Ich kenne mich mit Medizin-Statistik aber nicht aus, vielleicht macht man das da so.

    Wo kommen eigentlich diese Angaben zu Falsch-Positiven her? Ich finde dazu nix. Überall heißt es immer nur, der PCR Test hätte eine so hohe Spezitivität, dass man die genaue Falsch-Positiv Rate gar nicht genau detektieren kann.

    Was Sinn macht, wenn man mal drüber nachdenkt. Wie will man denn eine Falsch-Positiv Rate genau bestimmen? Dafür müsste man Proben von Patienten haben, von denen man exakt weiß, dass sie kein COVID19 haben. Nur woher will man das wissen? Dafür müsste man die Patienten ja erst testen. Und dafür bräuchte man einen Test, der noch genauer als die PCR ist.

    • #9 Joseph Kuhn
      9. Juni 2020

      @ Kai:

      Sie müssen unterscheiden zwischen der empirischen Ermittlung von Sensitivität und Spezifität im Zuge der Testentwicklung (oder Testvalidierung) und der Bedeutung der einmal bestimmten Werte später bei der Testanwendung. Das gilt auch für die Frage nach den falsch Positiven.

  6. #10 jogo
    9. Juni 2020

    @ Joseph Kuhn
    Ich frage, weil Sie die 0,5% beim Beitrag von @B8l von der getesteten Gruppe abhängig machen.
    Die Falschpositivrate ist doch 100% minus der Spezifizität 99,5%, und damit 0,5%?
    Ich habe mit der Tafel rumgespielt. Man kann aus der Tafel nicht nur den Anteil der tatsächlich positiven an den positiv Getesteten ausrechnen (oben im Beispiel 6,5%) sondern auch die Positivrate. Die liegt im Beispiel oben bei 0,53% und damit deutlich unter den 0,98%, die das LGL Bayern für gestern angibt. Was schon sein kann, da ja keine zufällige Gruppe getestet wurde. Wenn man mit den 75% und die 99,5% rechnet, kann man aus den 0,98% des LGL die Vierfeldertafel zurückrechnen. Mit den Zahlen vom LGL (positiv=46,negativ=4671) komme ich auf eine Prävalenz der Gruppe von ca.0,64% und wie @B8i schreibt ca. 50% Falschpositive an positiv Getesteten.

    • #11 Joseph Kuhn
      9. Juni 2020

      @ jogo:

      “Die Falschpositivrate ist doch 100% minus der Spezifizität 99,5%”

      Nein. Die Falschpositivenrate ergibt sich als Quotient der falsch Positiven und der Gesamtzahl der Getesteten. Ja. Aber machen Sie mal eine Vierfeldertafel mit den gleichen Werten für Sensitivität und Spezifität, aber einer Prävalenz von z.B. 15 % (wie sie vielleicht in einem Heim mit einem Ausbruch vorliegt), dann sehen Sie, wie die Falschpositivenrate ebenso wie der Anteil der falsch Positiven an den positiv Getesteten extrem absinkt.*

      Edit: Zur Falschpositivenrate siehe oben den Nachtrag zum Blogbeitrag.

      “Wenn man mit den 75% und die 99,5% rechnet, kann man aus den 0,98% des LGL die Vierfeldertafel zurückrechnen”

      Nein, das kann man nicht, weil Sie dazu Annahmen darüber treffen müssen, wie sich die positiven Tests in richtig und falsch Positive aufteilen und die negativen Tests in richtig und falsch Negative.

      Edit: Siehe unten. Den ganzen Kommentar hätte ich mir besser gespart.

  7. #12 Bbr
    Niedersachsen
    9. Juni 2020

    Das Hauptproblem scheint doch zu sein, dass niemand die Spezifität der Tests wirklich kennt. Außerdem sind viele Tests am Markt, die sich in diesem Punkt noch unterscheiden können. Und die Hersteller verifizieren ihre Tests selbst, es gibt keine externe Kontrollinstanz, soweit ich das verstanden habe. Dass sie deutlich besser als 98,6 sein muss, ist im Artikel gut erläutert. Aber die 99,5 % sind auch nur eine Annahme, wie ich das verstehe. Irgendwo wurde für den Roche-Test mal 99,8 % angegeben. Bei Roche finde ich nur, dass in internen Tests gar keine Fehler auftraten, aber keine Angabe der Art „besser als 99,x“. Alles sehr unbefriedigend angesichts der sinkenden Fallzahlen, wo das Thema akut wird. Dass im Göttinger Pflegeheim bei 200 Tests genau ein Fall gefunden wurde, ist jedenfalls verdächtig. Das wäre bei 99,5 % Spezifität genau der eine falsch positive, den man erwarten würde.

    • #13 Joseph Kuhn
      9. Juni 2020

      Bbr:

      “Dass im Göttinger Pflegeheim bei 200 Tests genau ein Fall gefunden wurde, ist jedenfalls verdächtig. Das wäre bei 99,5 % Spezifität genau der eine falsch positive, den man erwarten würde.”

      Mit solchen Schlussfolgerungen von statistischen Zusammenhängen auf konkrete Einzelfälle wäre ich vorsichtig.

  8. #14 Kai
    9. Juni 2020

    “Das Hauptproblem scheint doch zu sein, dass niemand die Spezifität der Tests wirklich kennt.”

    Genau, das ist ja auch nicht so einfach. Wie wollen sie denn testen wie hoch die Spezitivität eines Testverfahrens ist. Dafür müsste man ja Proben haben, von denen 100%ig klar ist, ob sie das Virus enthalten oder nicht. Gleichzeitig müssen die Proben ausreichend realistisch sein (wenn man Blutserum beim Testverfahren benutzt aber dann einen Rachenabstrich in der Praxis anwendet, lassen sich die Werte ja auch nicht vergleichen).

    Antikörpertests lassen sich mittels PCR Tests validieren. Aber ich wüsste nicht, wie man einen PCR Test validieren soll.

    “Sie müssen unterscheiden zwischen der empirischen Ermittlung von Sensitivität und Spezifität im Zuge der Testentwicklung (oder Testvalidierung) und der Bedeutung der einmal bestimmten Werte später bei der Testanwendung.”

    Ja, aber wie sind denn die Testdaten aufgebaut? Sind die gebalanced?

  9. #15 kalle
    9. Juni 2020

    Wie kommen denn überhaupt falsch-positiv Ergebnisse zustande? Falsch-negativ ist ja einleuchtend (falscher Zeitpunkt, Fehler bei Probenentnahme), aber falsch positiv ist mir unklar. Insbesondere, was passiert bei Wiederholung des Tests?

  10. #16 Joseph Kuhn
    10. Juni 2020

    @ Kai:

    “Wie wollen sie denn testen wie hoch die Spezitivität eines Testverfahrens ist. … Ja, aber wie sind denn die Testdaten aufgebaut?”

    Ich bin kein PCR-Fachmann. Entweder fragen Sie einen oder recherchieren die Literatur dazu. Es gibt inzwischen einiges zu Sensitivität und Spezifität bei den SARS-CoV-2-Tests und auch Christian Drosten hatte sich schon vor Wochen dazu geäußert, als ihm vorgeworfen wurde, sein Test sei nicht validiert.

    @ Kalle:

    “Wie kommen denn überhaupt falsch-positiv Ergebnisse zustande?”

    Durch Verunreinigungen beispielsweise. Wie gesagt, ich bin kein PCR-Fachmann. Eine kurze Kommentierung von Fehlerquellen gibt es bei Wikipedia: https://de.wikipedia.org/wiki/PCR-Optimierung

  11. #17 jogo
    10. Juni 2020

    @Joseph Kuhn:

    “Nein….”

    Danke. Da hatte ich gestern einen Denkfehler.
    Wenn man wie @B8l rechnet (0,5% geteilt durch Positivrate ist Anteil der Falschpositiven an allen Positiven) ist der Fehler nicht groß: Bei 1% Prävalenz 39,8% zu 40,2% und bei 15% Prävalenz 3,6% zu 4,3%.

    “Nein, das kann man nicht, weil Sie dazu Annahmen darüber treffen müssen, wie sich die positiven Tests in richtig und falsch Positive aufteilen und die negativen Tests in richtig und falsch Negative.”

    Das Verhältnis ergibt sich doch aus den 75%, den 99,5% und der Positivrate?
    Richtig positiv = Sensitivität * Prävalenz * Testanzahl
    Falsch positiv = (1 – Spezifizität) * (1 – Prävalenz) * Testanzahl
    Die Summe durch Testanzahl ist die Positivrate. Umformen ergibt:

    Prävalenz=(Positivrate+Spezifizität-1)/(Sensitivität+Spezifizität-1)

    Oder denke ich wieder falsch? Eigentlich nicht wichtig, aber es macht gerade Spaß mit der Vierfeldertafel zu spielen.

  12. #18 Pablo
    10. Juni 2020

    Hallo,
    es gibt schon seit Anfang Mai einen groß angelegten Ringversuch zur externen Validierung der PCR-Tests durch Instand e.V. (1). Demnach liegt die empirische Spezifität bei 97.8-98.6%. Das ist scheinbar die reine technische Laborspezifität. Meldeübertragungsfehler, Vertauschungen usw. sind da offensichtlich noch gar nicht dabei. Das ist natürlich kein fester mathematischer Wert, wie die Kreiszahl Pi, aber es scheint doch recht repräsentativ gemacht worden zu sein.

    Ich bin leider kein Epidemiologe, deshalb: Wie kann man diese emp. Spezifität mit einer typischen epidemiologischen 4-Felder-Tafel verwenden, um die Falsch-Positiven zu errechnen? Vom RKI wird ja nur die Gesamtzahl der Testungen pro Woche angegeben sowie die davon Test-Positiven (KW21 waren es glaub ich 1.5%). Um das miteinander verrechnen zu können und auf die absolute Anzahl der Falsch-Positiven zu kommen bräuchte man doch die Anzahl der tatsächlich Infizierten, aber die ist ja unbekannt, oder? Weil Spezifität ist ja Falsch-Positive durch (Falsch-Positive + Richtig-Positive). Der Nenner sind also die Gesamtzahl der tatsächlich Infizierten in der Population.

    Das Hauptproblem an der Sache ist doch, dass wir gar nicht wissen, wie das RKI bzw. die Gesundheitsämter das berechnen. Ich hoffe und vermute mal, dass dem RKI als oberste Seuchenbehörde das Problem bekannt ist und das “herausgeschätzt” wird oder vlt. sogar jede Probe extra validiert wird. Das Problem mit den Falsch-Positiven (insbesondere bei anlasslosen Reihentestungen und abnehmender Prävalenz am Ende einer Epidemie) ist ja schließlich nichts Neues, sondern Grundlage in jedem Epidemiologie-Lehrbuch.

    Falls das natürlich das RKI bzw. die Gesundheitsämter nicht berücksichtigen, hätten wir ein handfestes Problem. Pandemie ohne Ende…

    (1) https://www.instand-ev.de/System/rv-files/340%20DE%20SARS-CoV-2%20Genom%20April%202020%2020200502j.pdf

  13. #19 Joseph Kuhn
    10. Juni 2020

    @ jogo:

    “Oder denke ich wieder falsch?”

    Das “wieder” ist fehl am Platz, ich war auf dem Holzweg. Ihre Rückrechnung sieht korrekt aus, aber nachdem ich mich hier schon bei der Falsch-Positivenrate nicht mit Ruhm bekleckert habe, schau ich es mir morgen noch mal in Ruhe an.

    Vorschlag: Gehen Sie mal von 100 Getesteten aus, einer Positivenrate von 1 %, berechnen Sie dann die Prävalenz nach der Formel in Ihrem Kommentar, zerlegen Sie das Ergebnis für die Vierfeldertafel in die Richtig Positiven und Falsch Negativen und füllen dann den Rest der Vierfeldertafel. Passen die Zahlen zusammen?

    @ Pablo:

    “Spezifität ist ja Falsch-Positive durch (Falsch-Positive + Richtig-Positive).”

    Die Spezifität ist der Quotient der Richtig-Negativen durch alle Nichtinfizierten (also der Falsch-Positiven plus der Richtig-Negativen).

  14. #20 UMa
    10. Juni 2020

    Aus den verlinkten Daten des Bayrischen Landesamtes lässt sich eine obere Schranke für die Falsch-Positivrate von 0,75% (bei 95%CL) ableiten. Könnte natürlich auch viel niedriger sein.

  15. #21 Joseph Kuhn
    11. Juni 2020

    @ jogo:

    Einmal unterstellt, das Rückrechnen sei trotz der Unsicherheiten um die wahren Werte von Sensitivität und Spezifität und vielleicht anderer Probleme, an die wir nicht denken, ein gangbarer Weg, kommen wir zu einer Schätzung der Prävalenz in der getesteten Gruppe.

    Für die Falschpositivenrate spielt die aber, falls ich nicht wieder wie in Kommentar #11 neben der Spur denke, anders als für den positiven prädiktiven Wert, keine Rolle. Solange die Spezifität der Tests nicht massiv ins Wanken gerät, müsste die Aussage im Blogbeitrag also belastbar bleiben.

    Ansonsten bin ich einmal mehr davon beeindruckt, wie kontraintuitiv sich manche der Falsch-Positiven-Kennziffern verhalten.

    Bei Wikipedia habe ich noch eine schöne Übersicht über Kennziffern rund um die Vierfeldertafel gefunden: https://de.wikipedia.org/wiki/Beurteilung_eines_bin%C3%A4ren_Klassifikators.

    @ UMa:

    Sie verwirren mich. Jogo hat darauf hingewiesen, dass die Falschpositivenrate eine genau definierte Bedeutung hat, nämlich 1 minus Spezifität, und nicht, wie ich laienhaft ursprünglich annahm, damit der Bezug der falsch Positiven auf alle Tests gemeint ist. Wenn Sie mit einer Spezifität von 99,5 % zurückrechnen, wie kann dann 0,75% rauskommen? Die prävalenzabhängige Dynamik schlägt sich in den Relationen der Werte in den Zeilen der Vierfeldertafel nieder, nicht der in den Spalten, die sind durch Sensitivität und Spezifität fixiert.

  16. #22 Kai
    11. Juni 2020

    @Pablo:

    “Demnach liegt die empirische Spezifität bei 97.8-98.6%. Das ist scheinbar die reine technische Laborspezifität. ”

    Ich weiß nicht ob man das so rechnen kann. Die haben in dem Test ja verschiedene Gensegmente getestet. Das nicht jedes Gensegment gleichermaßen gut funktioniert ist aber klar. Auch im PCR Paper von Drosten steht, dass bestimmte Gensegmente nicht so gut funktionieren. Die Gen-Segmente, die dort als die besten aufgelistet sind, zeigen auch in dem von ihnen genannten Link die besten Ergebnisse.

    Kurz gesagt: es ist nicht 97.8-98.6% sondern es ist 98.6% wenn man einen guten Test benutzt.

    Aber nochmal: das ist nur die Spezitivität PRO Test. Wenn aber eine Probe getestet wird, macht man meines Wissens nicht einen Test, sondern mehrere (ich glaube 3 Tests auf verschiedene Segmente werden durchgeführt, hab jetzt aber nicht nochmal nachrecherchiert, bin auch nur Laie). Deshalb sind diese 98.6 wohl auch nicht die endgültigen Werte. Wenn die Tests statistisch unabhängig sind, würde man die Fehlerrate wohl mit 0.024**3 bestimmen, das wäre dann um die 0.001% rum. Aber wahrscheinlich ist das nicht unabhängig und wahrscheinlich erzähl ich gerade auch viel Dummes.

    Ist hier jemand Laborfachmann und weiß wie man solche Daten zu interpretieren hat? 😛

  17. #23 Kai
    11. Juni 2020

    Im Drosten Paper steht:
    “For a routine workflow, we recommend the E gene assay as the first-line screening tool, followed by confirmatory testing with the RdRp gene assay.”

    Das wäre laut ihrer Quelle dann:
    E gene: 0.5 % Falsch-Positiv-Rate
    RdRp: 2.2 % Falsch-Positiv Rate
    Macht zusammen: 0.1 % Falsch-Positiv Rate

  18. #24 Pablo
    11. Juni 2020

    @Joseph Kuhn: “Die Spezifität ist der Quotient der Richtig-Negativen durch alle Nichtinfizierten (also der Falsch-Positiven plus der Richtig-Negativen).”
    Danke, das meinte ich so, habs in der Schnelle verwechselt, Sorry.

    @Kai: Ja wie gesagt, bin kein Fachmann für Epidemiologie. Hab das nur in den letzten Tagen immer wieder mal gelesen, dass selbst wenn man die obere Grenze von Instand nimmt, also 1.4% falsch-positiv wären das angeblich, wenn man das mit denn 300-400 000 Tests pro Woche verrechnet, man auf mehrere 100 falsch-positive Tests pro Tag kommen würde, als in etwa das Niveau, was wir seit Mitte Mai haben an Neuinfektionen. Ich wollte das überprüfen aber hab das einfach nicht geschafft in die epidemiologischen Formeln bzw. 4-Felder-Tafeln umzusetzen. V.a., weil mir das so irrsinnig hoch vorkommt, muss das ja von den Verantwortlichen irgendwie berücksichtigt werden. Sonst wär das ja unverantwortlich 😉 Klar, wenn vlt. 1 von 100 000 Tests falsch-positiv ist, braucht man sich erst darüber den Kopf zerbrechen, wenn wir auf diesem Niveau an Neuinfektionen angekommen sind, wo das relevant wird. Sind das aber 1400 von 100 000, wie manche Interpretationen des Instand-Versuchs suggerieren, ist das schon eine andere Hausnummer. Mir ist auch klar, dass die Instand Spezifität nur ein empirischer Anhaltspunkt ist und nicht blind übertragen werden darf. Und natürlich gibt es da noch viele andere Faktoren über die in der Öffentlichkeit nichts bekannt ist: Wieiviel von den Tests sind anlasslose Reihentests? Wird vlt jede Probe ohnehin nochmal extern validiert? Rechnet das RKI bereits den Fehler heraus? u.v.m.

    Mich hätte nur interessiert, wie man das rechnerisch umsetzen würde, angenommen man könnte die 1.4% Spezifität für bare Münze nehmen. Vlt. noch eine Prävalenz von 0.1% und 350 000 Tests pro Woche und 1.5% positive Tests. Und alle anderen Annahmen ausblenden.

    Noch eine Anmerkung: Soweit ich das schön öfters gelesen habe stimmt das grundsätzlich, dass jede Probe validiert wird. Allerdings, soweit ich weiss, wird im selben Testkit bzw. während dem selben Prozess die Probe an zwei unterschiedlichen Gensequenzstellen geprüft. Aber eben nur die selbe Probe, d.h. Vertauschungs-, Verschleppungs und Entnahmefehler sind da nicht berücksichtigt. Oder falsche abgelaufene Reagenzien usw.

    Grüße

  19. #25 Pablo
    11. Juni 2020

    Sorry schon wieder ein Flüchtigkeitsfehler: Es muss natürlich heißen im vorletzten Absatz “98.6% Spezifität” statt “1.4% Spezifität”.

  20. #26 Kai
    11. Juni 2020

    “Aber eben nur die selbe Probe, d.h. Vertauschungs-, Verschleppungs und Entnahmefehler sind da nicht berücksichtigt. Oder falsche abgelaufene Reagenzien usw.”

    Ja, ich könnte mir sehr gut vorstellen, dass diese “menschliche Komponente” den größten Anteil am Fehler ausmacht. 1% halte ich aber auch hier für recht hoch. Die Gefahr eine Probe zu kontaminieren oder falsch zu ettiketieren müsste ja auch von der Zahl der Positiv-Proben abhängen. Wenn im Labor 100 Proben reinkommen und keine einzige Positiv ist, kann man ja auch nix kontaminieren. Je mehr Positiv Proben reinkommen, desto höher die Gefahr der Kontamination. Oder sehe ich das falsch?

    Es gibt ja auch viele Landkreise in Deutschland, die gar keine Infektionen mehr verzeichnen. Gleichzeitig gibt es immer noch Hotspots, wo relativ viele Infektionen vorliegen. Wenn die Positiven Tests alle nur statistisches Rauschen wären, müssten sie gleichmäßiger verteilt sein. Wenn dagegen die Zahl der Falsch-Positiven immer auch irgendwie relativ zur Zahl der Positiven ist, dann spielt das aus epidemiologischer Sicht ja keine so große Rolle (die offiziellen Zahlen sind halt ein paar Prozentpunkte daneben).

    Generell ist es aber eben schwer, die Fehlerraten zu bestimmen. Auch der Menschliche Fehler lässt sich ja nicht so leicht abschätzen. Der technische Fehler ebenfalls nicht, denn man kann ja nur unter Laborbedingungen die Genauigkeit der PCR testen, nicht aber unter realen Bedingungen (sprich: man testet im Labor Virusinfiziertes Serum. Man testet nicht wie gut der Test auf Rachenabstriche tatsächlich Infizierter funktioniert).

    Generell finde ich das Thema schon sehr interessant. Es zeigt auch sehr schön, warum das Mantra “Testen, Testen, Testen!” nicht so einfach umsetzbar ist. Man sollte aber meiner Meinung nach nicht darauf schließen, dass die positiven Testergebnisse größtenteils nur statistisches Rauschen sind. Wenn das wirklich so wäre, müsste das meiner Meinung nach den Labors längst aufgefallen sein.

  21. #27 Joseph Kuhn
    11. Juni 2020

    @ Pablo:

    Die Annahme, dass es keine Infizierten mehr gibt, aber 1,4 % falsch Positive, passt nicht zu den empirischen Daten (siehe die Grafik mit der Positivenrate in Bayern, die bundesweiten Werte sehen auch nicht anders aus).

    @ Kai:

    Wenn in den Regionen ohne Neuerkrankungen trotzdem häufig getestet wird, spräche das in der Tat gegen eine nennenswerte Falsch-Positivenrate, gutes Argument.

  22. #28 B8l
    Köln
    11. Juni 2020

    Echt interessant was ihr hier schreibt. Wenn ich Zeit hab werd ich’s mir mal genauer anschauen.

    Hier noch paar Sachen.
    https://www.theguardian.com/world/video/2020/may/03/coronavirus-reinfections-were-false-positives-says-who-technical-lead-video

    Die Zweitinfektionen in Südkorea waren falsch positive durch totes Lungengewebe, das noch Viren rna enthielt aber nicht mehr infektiös war.

    https://www.bbc.com/news/amp/uk-england-somerset-53007661
    Eine Quelle von falsch positiven sind wohl verunreinigte Laborgeräte.

    https://www.google.com/amp/s/theconversation.com/amp/the-positives-and-negatives-of-mass-testing-for-coronavirus-137792
    Ähnliche Argumente wie hier.

  23. #29 Pablo
    12. Juni 2020

    @all: VIelen Dank für die Beiträge

    @ Joseph Kuhn: Wie ich schon mehrfach geschrieben habe, braucht man sich wegen mir nicht exakt an den empirischen 1.4% Falsch-positiven festkrallen. Mir ist schon klar, dass das nur eine Momentaufnahme unter bestimmten empirischen Voraussetzungen war. Ich bin einfach nur an dem Rechenweg interessiert. Kann man gern auch mit 99.99% Spezifität rechnen.
    Die Grundproblematik, die mich interessiert ist, in welche Formel kann ich von mir aus irgendeine Spezifität, irgendeine Prävalenz, irgendwelche Testzahlen und pos. Testergebnisse eintragen, um die absolute Anzahl an Falsch-positiven Tests herauszubekommen? Und da habe ich einfach nichts gefunden bisher. Die Formeln aus dem Epidemiologie-Lehrbuch helfen mir hier nicht.

    Ich finde das deshalb so wichtig, weil mir das einfach komisch vorkommt, dass trotz aller Lockerungen, Großdemos etc. die Neuinfektionen seit Mitte Mai mehr oder weniger konstant bei ein paar Hundert vor sich hindümpeln. Ich würde vom Verlauf der Infektionskurve her erwarten, dass entweder durch die Lockerungen die Positivenraten wieder raufgegangen wär im Mai oder umgekehrt die Positivenraten-Kurve konstant weiter abgenommen hätte und man folglich inzwischen bei (annähernd) 0 wär. Muss aber auch nichts bedeuten, was ich erwarte 😉

    Und natürlich am Ende einer Pandemie steht die große Frage, wann erklären wir sie für (zumindest zwischenzeitlich) beendet? Wenn dann aufgrund eines zufälligen Fehlers, die Population nie auf Null kommen kann, ist das eine berechtigte Frage. Und ich wüsste gerne, wie man sowas mathematisch/epidemiologisch korrekt berechnet. Irgendwie müssen das die Damen und Herren im Landesamt und im RKI ja berücksichtigen/berechnen.

    Abgesehen davon verstehe ich immer noch nicht, warum die verlinkten Daten oder besser gesagt die Grafik vom Landesamt belegen soll, dass es keine (bzw. so gut wie keine) falsch-positiven Tests darunter geben kann? Man erkennt indirekt, dass die Prävelanz insgesamt von März bis Juni vermutlich stark sinkt (klar, Dunkelziffer ist nicht bekannt, aber man kann eine gewissen Korrelation voraussetzen). 2. und, dass die Positivenrate seit ca. 24.5. mal mehr mal weniger um die 1% schwankt. Testzahlen haben sich ja nur wenig geändert.
    Ich finde das ist jetzt per se nicht abwegig, dass es sich in diesen Größenordnungen, d.h. ca. 1% +/- 0.5% Positiv-Rate bei Testzahlen von um die 9000 (+/- Wochenende) zu einem gewissen Teil um “statistisches Rauschen”, also Zufall handeln kann? Und dieser “gewisse Teil” könnte allmählich größenmäßig relevant werden…

    • #30 Joseph Kuhn
      12. Juni 2020

      @ Pablo:

      Die Grafik soll nicht belegen, dass es keine falsch Positiven gibt, sondern dass eine Falschpositivenrate von 1,5% oder 2% nicht hinkommt. Der Anteil der Falschpositiven an allen Positiven könnte dagegen durchaus relevant sein, steht auch im Blog.

      Formel: Wenn Sie Sensitivität, Spezifität und Prävalenz haben, können Sie ohne Formel über die Vierfeldertafel die Zahl der Falschpositiven zu beliebigen Bevölkerungsgrößen ausrechnen. Die Falschpositivenrate – korrekt verstanden als Quotient der Falschpositiven an den Nichtinfizierten – müssen Sie gar nicht ausrechnen, das ist der Rest der Spezifität zu 100%.

  24. #31 Kai
    12. Juni 2020

    Joseph hat es ja schon angesprochen: der offensichtlichste Hinweis darauf, dass der Virus immer noch in der Bevölkerung zirkuliert, ist die Zahl der Patienten in Behandlung.

    https://www.zeit.de/wissen/2020-04/coronavirus-intensivbetten-deutschland-auslastung-kapazitaeten-tagesaktuelle-karte

    Man sieht: die Zahl der Patienten mit COVID19 in Intensivstationen hat über die Zeit konstant abgenommen, es sind aber immer noch gut 500 Patienten in Behandlung. Und wenn man die Karte mit der Karte der Neuinfektionen vergleicht, sieht man auch grob, dass in Landkreisen mit vielen Infizierten auch eher viele in Intensivbehandlung sind. So ganz zufällig sieht das alles nicht aus.

    ” Ich bin einfach nur an dem Rechenweg interessiert. Kann man gern auch mit 99.99% Spezifität rechnen.”

    Naja, die Prävalenz ist ja erstmal nicht so wichtig. Wenn ein Test 99.99% Spezitivität hat, und sie testen 80 Millionen gesunde Menschen in Deutschland, dann werden 8000 Menschen fälschlicherweise als positiv getestet, obgleich sie gesund sind. Solange der Anteil an Infizierten nicht übermäßig ansteigt, dürfte die Zahl der Falsch-Positiven auch in etwa gleich bleiben. Die Prävalenz ist eher dahingehend interessant, dass wenn sehr wenige Menschen infiziert sind, irgendwann der Anteil an Falsch Positiven größer wird als der Anteil richtig Positiver. Ab einem gewissen Punkt macht dann das Testen keinen Sinn mehr.

    Das wir an dem Punkt sind, wo sich die Pandemie nur noch in den Laborergebnissen abspielt, halte ich aber für extrem unwahrscheinlich. Wir hören ja in den Nachrichten immer wieder von einzelnen Ausbrüchen, die die Pandemie antreiben. Solche geclusterten Ereignisse lassen sich nicht über Falsch-Positive erklären. Schaut man sich die Karte an, sieht man halt auch noch große Unterschiede, z.B. im Ruhrgebiet oder in Bayern, wo eine deutlich höhere Infektionsrate pro Kopf vorliegt als in Ostdeutschland. Demzufolge müsste dort auch deutlich mehr getestet werden. Das glaube ich aber nicht. Andere Metropolregionen wie Hamburg haben ja z.B. auch eine sehr niedrige Neuinfektionsrate.

    Ich bin mir auch nicht sicher, ob bei der derzeitigen Lage das alles überhaupt einen so großen Unterschied macht. Ob wir jetzt 10 oder 100 Neuinfektionen pro Tag haben, ändert denke ich nix daran, dass die Pandemie gerade abgeflacht ist und man die meisten Schutzmaßnahmen wieder zurückfahren kann. Das Verbieten von Großveranstaltungen wäre aber z.B. so eine Maßnahme, die ich selbst dann noch eine Weile aufrechterhalten würde, wenn die Zahl der Infektionen auf 0 sinkt.

  25. #32 noch'n Flo
    Schoggiland
    12. Juni 2020

    Jetzt hat sogar Obervirologe Drosten die Vermutung geäussert, dass Corona in Europa inzwischen eine Mutation zum Harmloseren durchlaufen habe (eine These, die ich bereits im Laufe Mai hier bei SB und im GWUP-Blog mehrfach geäussert habe).

    Es würde sich dann wesentlich besser in den Nasenschleimhäuten reproduzieren können und nicht mehr so oft die Lunge dafür befallen. Es wäre also zu einer einfachen Erkältung mutiert.

    Für das Virus ergibt sich daraus ein Reproduktionsvorteil, für den menschlichen Wirt ein Überlebensvorteil. also eine win-win-Situation. Und die Neumutation würde ihren Vorgänger dadurch allmählich verdrängen und gleichzeitig recht harmlos die Bevölkerung durchseuchen.

    Dann wollen wir mal hoffen, dass Herr Drosten sich nicht irrt… 😉

  26. #33 Pablo
    12. Juni 2020

    @Kai: Vielen Dank für die Antwort. Die Problematik der Falsch-positiven an anderen Parametern, wie Tod, Hospitialisierung, Intensivbetten, festzumachen, daran hatte ich auch schonmal gedacht. Allerdings hat mich das nicht sonderlich überzeugt, da es das Problem ja nur auf eine andere Ebene verlagert. Klar, man hat hier wenigstens Symptome als Anhaltspunkt, die man bei asymptomatischen Reihentestungen nicht hat. Aber kann man dann trotzdem einigermaßen sicher sagen, dass der Corona-positive Patient auf der Intensivstation nicht an einer davon unabhängigen Lungenentzündung (z.B. ausgelöst durch diverse Krankenhauskeime (laut RKI ca. 10-20 000 Tote pro Jahr in D)) leidet? “Reguläre” Lungenentzündungen, Krankenhauskeime etc. sind ja nicht auf einmal verschwunden, nur weil’s jetzt Corona gibt. Gleiches gilt bei Tod, da außer in HH bei Toten ja auch immer noch nicht unterschieden wird, ob an oder mit Corona gestorben.

    Bei den medial wirksamen lokalen Ausbrüchen wissen wir aber auch die Anzahl der Testungen nicht. Wenn z.B., wie in Göttingen ganze Hochausblocks und mehrere Schulen durchgetestet werden (also mutmaßlich mehrere 1000 Tests) und am Schluss 183 Positive (Stand 11.6., Anzahl Infizierte für den ganzen Kreis Göttingen) dabei rausspringen, widerlegt das leider die These nicht.

    Verstehen Sie mich nicht falsch, mir geht es nicht darum etwas herbeizureden, was es nicht gibt oder nicht relevant ist. Maßnahmen sollen m.E. selbstversändlich solange Aufrecht erhalten werden, wie epidemiologisch geboten. Falls es aber da ein Problem in relevanter Größenordnung gibt, wäre das natürlich wichtig zu wissen bzw. fatal in den Konsequenzen. Aber scheinbar kann das bisher niemand stichhaltig belegen oder widerlegen. Oder gar eine seriöse Schätzung abgeben, wie hoch dasd Problem ist. Aber genau darum gehts mir. Ich möchte einfach wissen, ob da was dran ist und wenn ja wie hoch in etwa das Problem ist und wie man das sauber berechnet. Ich persönlich glaub ja auch, dass unter den aktuell Positiven höchstens 1%-3% falsch-positive sind. Aber Glaube interssiert hier nicht, weder meiner noch der eines Virologen oder Epidemiologen. Es geht um Wissenschaft und damit um belegbare oder widerlegbare Hypothesen.

    @ noch’n Flo: Das ist zwar nicht das Kernthema hier, aber das sagen ja mehrere Ärzte, v.a. in Italien, schon seit ein paar Wochen, dass sich die Europa-Version des Virus bereits in der Gefährlichkeit stark abgenutzt hat und nicht mehr mit der Virsu-Version im Februar/März vergleichbar ist. Dass das unser Bundesvirologe jetzt mit hätte/könnte/vielleicht/möglicherweise aufgreift und als seine eigene göttliche Eingebung hinaus trompetet überrascht mich jetzt nicht wirklich…

  27. #34 Kai
    12. Juni 2020

    ” Dass das unser Bundesvirologe jetzt mit hätte/könnte/vielleicht/möglicherweise aufgreift und als seine eigene göttliche Eingebung hinaus trompetet überrascht mich jetzt nicht wirklich…”

    Ich hab den letzten Podcast noch nicht gehört, aber ich wäre sehr überrascht wenn Herr Drosten da irgendeine “göttliche Eingebung” hat. Falls Sie den Podcast noch nie angehört haben, schauen sie mal rein. Sie werden feststellen, dass dort vor allem wissenschaftliche Publikationen zum Virus besprochen werden. Wenn es also neue Erkenntnisse gibt, dass der Virus mutiert ist, dann ist das keine Eingebung Drostens, sondern neue Literatur die er im Podcast erklärt.

    Wir sind hier auf einem Science Blog wo Wissenschaftler versuchen ihr eigenes Fachgebiet einem Laienpublikum aufzubereiten und zu erklären. Drosten macht nichts anderes. Ich finde ja man sollte dankbar sein, wenn andere Menschen sich für sowas Zeit nehmen.

  28. #35 Pablo
    12. Juni 2020

    @ Kai: Entschuldigung, da hab ich wohl ins Wespennest gestochen. War zugegeben etwas polemisch ausgedrückt von mir. Ich stehe Herrn D. leider spätestens seit der Schweinegrippe sehr skeptisch gegenüber, was aber natürlich nicht heißt, dass alles falsch ist, was er sagt. Ich persönlich und auch als Wissenschaftler finde die Art seiner Kommunikation sowie die ungleich hohe Zentrierung der politischen und medialen Aufmerksamkeit auf ihn schon sehr bedenklich, auch wenn er eine Fachkoryphäe sein mag. Aber lassen wir das , hat ja nichts mit dem Thema direkt zu tun.

    @ Joseph Kuhn: Vielen Dank für die Erklärung in Post #30 unter #29.

    @all:
    Also ich halte mal fest zum Thema bzw. meiner Frage:
    – Falsch-Positive gibt es auch bei Covid-19
    – je nachdem wie hoch emp. Sens/Spez und Prävalenz usw. wirklich sind, ist der Anteil der Falsch-Positiven
    – Dies lässt sich per 4-Felder-Tafel berechnen
    – Aber es kann natürlich niemand zuverlässig oder zumindest einigermaßen abschätzen, wie groß das Problem wirklich ist
    – Es gibt zum Ausmaß der Falsch-Positiven-Problematik nur Vermutungen. Die einen behaupten (extern, nicht auf diesem Blog), dass inzwischen (fast) allen Flasch-Positiv sind. Ander wiederum, dass man es nicht einschätzen kann, andere wiederum, dass es kaum ins Gewicht fällt. Es gibt weder stichhaltige Belege dafür, dass das Problem keine relevante Rolle bei der aktuellen Situation spielt, noch umgekehrt.

    Dann bleibt als Quintessenz nur zu hoffen, dass das Problem wirklich irrelevant ist, aufgrund geringer Größe. Oder, falls nicht, die Behörden das Problem kennen und praktisch oder rechnerisch berücksichtigen.

    Danke nochmal an alle für die hilfreichen Inputs!

  29. #36 Joseph Kuhn
    12. Juni 2020

    @ Pablo:

    “Aber kann man dann trotzdem einigermaßen sicher sagen, dass der Corona-positive Patient … nicht an einer davon unabhängigen Lungenentzündung … ausgelöst durch diverse Krankenhauskeime … leidet?”

    Ich bin kein Arzt, aber das Krankheitsbild scheint einigermaßen gut abgrenzbar zu sein, zeitlich kongruent zur Ansteckung, mit z.T. diagnostisch spezifischen Symptomen wie dem Geschmacks- und Geruchsverlust. Bei Krankenhauskeimen geht es übrigens in der Regel um Bakterien.

    “Falsch-Positive gibt es auch bei Covid-19”

    Ja natürlich, keine Diagnostik ist perfekt. Und dass die Frage, wie viele falsch Positive sehen wir, drängender wird, je niedriger die Fallzahlen sind und je mehr getestet wird, da sind sich sogar Wodarg & Co. und Drosten & Co. einig.

    @ Kai:

    “Wir sind hier auf einem Science Blog wo Wissenschaftler versuchen ihr eigenes Fachgebiet einem Laienpublikum aufzubereiten”

    Was mich angeht: Weder Infektionsepidemiologie noch Virologie sind meine Fachgebiete, da bin ich auch nur mehr oder weniger belesener Laie. Aber richtig ist, dass ich Angebote machen will, Themen unter Rückgriff auf Daten, Studien etc. zu diskutieren und danach vielleicht besser zu verstehen. Natürlich nur, weil mir die “göttliche Eingebung” fehlt. Das wiederum habe ich mit Drosten gemeinsam.

  30. #37 UMa
    12. Juni 2020

    @Joseph Kuhn
    Es geht um den Abschnitt zwischen „In dem Zusammenhang… den Kopf zerbrechen.“ rund um das Diagramm. Mit dem Abschnitt darüber hat es nichts zu tun. Ich habe aus den verlinkten Daten eine obere Schranke für die Falschpositivrate bestimmt. Das ein relativ runder Wert heraus gekommen ist, ist Zufall.
    Über die Richtigpositiven weiß man zumindest, das ihre Zahl nicht negativ ist.
    Allerdings würde für hohe Werte der Falschpositivrate R abgenommen haben müssen, was für den Zeitraum unwahrscheinlich ist. Nimmt man an, dass R im Mittel nicht abgenommen hat, kann die Falschpositivrate nicht über 0,15% liegen. Würde mit den Angaben von Kai in #23 zusammenpassen.

  31. #38 Pablo
    12. Juni 2020

    Kann mir das vlt. netterweise jemand an eine Beispiel vorrechnen? Mir ist nämlich nicht ganz klar worauf ich die Spezifität dann beziehe.

    Hab hier mal Zahlen rausgeschrieben von Bayern vom LA für Gesundheit für die 22. KW:
    Gegeben:
    – 80539 Tests
    – darunter 979 positive Tests (Positivenrate 1.2%)
    – Prävalenz von 0.33% (leider immer noch mangels belastbarer Daten in D muss hier die SORA-Studie aus Ö vom April herhalten; inzwischen sicherlich wesentlich niedriger)
    – 0.15% Spezifität von UMa oder alternativ auch 0.1% von Kai
    – Vortestwahrscheinlichkeit ausgeblendet, da keine Information vorhanden

    Gesucht: Anzahl Falsch-positive

    @Joseph Kuhn: Ich bin auch kein Arzt, aber es ist ein Trugschluss zu glauben, Covid-19 hätte den Geschmacks/-Geruchsverlust als Alleinstellungsmerkmal. Das kommt bei vielen anderen Erkältungs- und Grippeviren ebenfalls vor, sogar bis zum völligen Verlust und selten sogar viele Monate bis Jahre oder dauerhaft. Bei Covid-19 kommt das offensichtlich nur etwas häufiger vor (aber mit 15-85% sehr variabel). Auch das RKI schreibt: “Die Krankheitsverläufe sind unspezifisch, vielfältig und variieren stark…” oder die Presse nennt es gern “Das Chamälion”. Soweit mir das von einem unserer ärztlichen Mitarbeiter erklärt wurde, ist es ohne Test oder MRT oder zumindest Kontext (d.h. best. Risikokontakt) sogar fast unmöglich Covid-19 abzugrenzen von anderen respiratorischen Infektionen. Und klar, da haben sie Recht, Krankenhauskeime sind überwiegend MRSA, also Bakterien. Diese können (und machen das auch sehr oft) aber ebenfalls eine intensivpflichtige Lungenentzündung hervorrufen. Was ja mit der daraus resultierenden Atemnot der Hauptgrund für die Hospitalisierung/Intensivbetreung/Beatmung ist.

  32. #39 Joseph Kuhn
    13. Juni 2020

    @ Pablo:

    “Kann mir das vlt. netterweise jemand an eine Beispiel vorrechnen?”

    Alle Ihre Zahlen zusammen geht nicht.

    Variante 1: Sie unterstellen die Prävalenz 0,33 % aus Österreich, Sens. 75 %, Spez. 99,5 %, Testanzahl wie von Ihnen genannt, dann komme ich auf ca. 390 falsch Positive.

    Variante 2: Sie rechnen die Prävalenz nach der von jogo ganz korrekt abgeleiteten Formel zurück aus den von Ihnen genannten bayerischen Daten, sonst alles wie oben, dann komme ich auf Ca. 400 falsch Positive.

    Es sei denn: Ich habe mich zu später Stund nach’m Glaserl Wein verrechnet.

    Wenn die Spezifität des Tests höher ist, sinkt die Zahl der falsch Positiven. Bei Spez. 99,8 % kommen nur noch knapp 160 falsch Positive raus.

    Es sei denn: Ich habe mich zu später Stund nach’m Glaserl Wein verrechnet.

    Wenn’s stimmt: Interessant, oder?

    “Covid-19 abzugrenzen”

    Ja, die Krankheitsverläufe variieren. Man wird sicher nicht jeden Fall eindeutig zuordnen können, bei den Sterbefällen nicht mal mit Obduktion. Auch das ist kein 100%iges Diagnoseverfahren. Aber die Ärzte sind sich eben sicher, in vielen Fällen trotzdem die Diagnose stellen zu können, aus dem Gesamtbild (Infektion, Zeit, Symptome, ggf. CT, usw.). Ich kann dazu nicht viel mehr sagen, auch bei der Entfernung Erde-Mond muss ich irgendwann denen glauben, die das messen – oder sehr viel Zeit aufwenden, um wirklich selbst alles nachzumessen.

  33. #40 Pablo
    13. Juni 2020

    @ Joseph Kuhn: Vielen herzlichen Dank, Sie haben mir sehr geholfen! Auch wenn das natürlich nur ein Zahlenbeispiel ist, das sich versucht der Realität anzunähern und diversen Annahmen unterworfen ist, sind die Zahlen doch sehr ernüchternd…

  34. #41 RainerO
    15. Juni 2020

    Vielleicht passt es hier rein:
    Ab wann nach einer potentiellen Infektion macht es überhaupt Sinn, einen Test zu machen?
    Es heißt ja, dass es einige Tage benötigt, bis ein Test eine Infektion nachweisen kann.

  35. #43 RainerO
    15. Juni 2020

    @ Joseph Kuhn
    Herzlichen Dank für die schnelle Antwort. Wenn ich das richtig lese, kann man bereits 2-3 Tage nach einer Infektion das Virus nachweisen.

  36. #44 Viktualia
    17. Juni 2020

    Hier ist ein Beispiel aus dem richtigen Leben – 1.050 Abstriche und 650 positiv: https://www.nw.de/lokal/kreis_guetersloh/rheda_wiedenbrueck/22807713_Corona-Ausbruch-Toennies-dicht-Schulen-zu-7.000-Menschen-in-Quarantaene.html
    Zum Spielen mit dem Feld.

  37. #46 rolak
    26. Juni 2020

    (falls es bereits einen aktuelleren Artikel zum Thema gibt: sorry, nicht gefunden)

    Letztens bin ich aufgrund eines attraktiven Köders im Honigtopf der Royal Institution kleben geblieben. Passend zu hier fand sich auch dortdrin die Demonstration der verblüffenden Aussagelosigkeit so manchen Testergebnisses.

  38. #47 Darkfoot
    Norddeutschland
    26. Juli 2020

    Soweit ich die Instand Ergebnisse verstehe, beziehen sich die Prozentangaben der Spezifität auf den Test gegen Proben mit einen anderen Coronvirus.

    Das heißt die entsprechende falsch positiven Ergebnisse setzen eine Verbreitung dieses Viruses von 100% voraus. Ist das Virus weniger verbreitet, sinkt die Rate entsprechend.
    Da in DE üblicher auf mindesten 2 Sequenzen getestet wird, sind die Falsch positiv Raten zu multiplizieren.
    2 Sequenzen mit jeweils 98% ergeben maximal 0,04% falsch positive, es gibt Mittlerweile reichlich Beispiele von realen positiv Raten von unter 0,02% bei mehreren 1000 Tests. Z.B. Neuseeland: ab 15.Mai 188.000 Test mit < 40 positive Tests. Hamburg mehrere Wochen mit rund 12.000 Tests und 0 positiven.

  39. #48 Lösung?
    Wien
    12. August 2020

    Hallo. Vielleicht lässt sich die Frage mit den Kurven aus Bayern so erklären, dass die Prävalenz im zum jeweiligen Zeitpunkt getesteten Sample sich über die Zeit stark verändert hat.

  40. #49 Joseph Kuhn
    13. August 2020

    @ Lösung?

    In der Positivenrate spiegelt sich der Verlauf der Epidemie wider, sie wird aber natürlich z.B. auch von Änderungen der Testindikation beeinflusst. Wenn nur einschlägig symptomatische Personen getestet werden, ist sie naherliegenderweise höher als wenn jeder sich testen lassen kann.

    Sie ist bis heute recht gering, aber in bestimmten Gruppen, z.B. den Rückkehrern aus Risikoländern, liegt sie deutlich über dem Durchschnitt, an den Flughäfen in NRW oder an der A3 in Passau waren es über 2 %.

  41. #50 Joseph Kuhn
    22. August 2020

    Schönes Erklärvideo von Mai Thi:

  42. #51 rolak
    22. August 2020

    Schön

    Wie kannst Du so etwas sagen? Das ist doch bei :44 eindeutig zensiert!!1elf

    Doch die anschauliche Erklärung im Verbund mit der bei Mai auch im August hohen Verbreitungsrate kann sich durchaus positiv auswirken…

  43. #52 Alexandra
    Freising
    16. Oktober 2020

    Hallo zusammen,

    mich als medizinischen Laien, würde interessieren, wie es überhaupt zu einem falsch positiven Testergebnis kommen kann? Beim PCR-Test wird meines Wissens das virale Erbgut in einem bestimmten Verfahren verfielfältigt und dann durch fluoreszierende Stoffe sichtbar gemacht. Wo kein genetisches Virusmaterial ist, kann doch dann auch nichts sichtbar werden, oder? Danke für die Aufklärung.

    • #53 Joseph Kuhn
      16. Oktober 2020

      @ Alexandra:

      Es geht wohl vor allem um Verunreinigungen, siehe z.B. die Erläuterungen bei Wikipedia: https://de.m.wikipedia.org/wiki/PCR-Optimierung

      Mehr dazu können ggf. hier mitlesende Laborfachleute sagen, ich bin da auch nur Laie.