El método de combinación de muestras podría reducir el costo y acelerar la campaña de detección, sin embargo, también puede dar como resultado un falso positivo, siempre y cuando la cantidad del virus en la muestra analizada cae por debajo del nivel de la detección de la prueba.
Madrid, 5 de marzo (EuropaPress).- Científicos franceses han desarrollado un modelo que evalúa la eficiencia de pruebas de grupo para el virus del SARS-CoV-2, que consiste en agrupar muestras de varios individuos para realizar una única prueba RT-PCR en todo el grupo, según publican en la revista PLOS Computational Biology.
Su estudio teórico, realizado por investigadores del Centro Nacional para la Investigación Científica de Francia (CNRS), la Universidad de Grenoble Alpes y la Universidad de la Sorbona, tiene en cuenta tanto el efecto de dilución como los límites de detección de la prueba de RT-PCR, en un esfuerzo por evaluar el número de posibles falsos negativos basados en el tamaño de la muestra combinada, para optimizar el tamaño del grupo minimizando así el riesgo de epidemia y, finalmente, para evaluar con mayor precisión determinar el número de individuos contaminados dentro de una población determinada.
El principio de las pruebas grupales es simple matemáticamente hablando: en lugar de probar cien muestras (una por individuo), se pueden agrupar en diez grupos de diez, con sólo una prueba para cada grupo. Si el resultado de la prueba de un grupo es positivo, al menos una de las muestras del grupo contiene el agente infeccioso. Por el contrario, un resultado negativo debería, en principio, indicar que ninguna de las muestras combinadas contiene el agente infeccioso.
El método de combinación de muestras puede reducir el costo y puede acelerar la campaña de detección, pero la combinación puede dar como resultado un resultado falso positivo siempre que la mezcla de muestras implique una dilución demasiado grande, es decir, cuando la cantidad del virus en la muestra analizada cae por debajo del nivel de detección de la prueba.
Group testing as a strategy for COVID-19 epidemiological monitoring and community surveillance https://t.co/5eYlttzMZt @NIJZ_pr @Koronavirus_slo #PLOSCompBio
— Andrej Kastrin (@akastrin) March 5, 2021
Para evaluar la eficiencia del cribado basado en una estrategia de prueba grupal, un físico y dos matemáticos que son miembros de la plataforma MODCOV19 han desarrollado un modelo matemático que estima este efecto de dilución basado en el tamaño del grupo de muestra. Su modelo puede cuantificar la reducción de la sensibilidad de las pruebas, de ahí la capacidad de las pruebas con grupos más grandes o más pequeños para detectar la presencia de un individuo contagioso.
A diferencia de los métodos que tratan de minimizar el número de pruebas necesarias para establecer un diagnóstico individual para el individuo o los individuos contaminados, el objetivo central de la publicación es ayudar a optimizar una estrategia de cribado colectivo y determinar cuál es la mejor manera de optimizar el tamaño del grupo para detectar un número máximo de individuos, limitando al mismo tiempo el riesgo de falsos negativos.
Los autores también presentan un método preciso para medir la proporción de personas infectadas en la población analizada (conocido como prevalencia) que puede orientar la aplicación de medidas preventivas contra el riesgo de epidemia.
Según su estudio, las pruebas grupales son de particular interés porque pueden evaluar rápida y regularmente la presencia de SARS-COV-2 dentro de comunidades «cerradas» (como hogares de ancianos o residencias universitarias).
Estas pruebas se implementaron en varias instituciones de investigación de todo el mundo, incluidos los 64 campus de la Universidad Estatal de Nueva York (Estados Unidos), la Universidad de Lieja, en Bélgica, y la Universidad de Nottingham (Reino Unido), lo que permitió una identificación temprana de los brotes epidémicos incipientes.
