27.06.2020

Test sensitivity is secondary to frequency and turnaround time for COVID-19 surveillance.

Modélisation Confinement/Déconfinement
Larremore D et al
Pre-prints

Résultats principaux

L'étude indique que des tests fréquents et dont les résultats sont rapidement communiqués sont plus importants que des tests très sensibles pour le contrôle de l'épidémie (en supposant que les personnes positives s'isolent effectivement). Attention cependant : ces conclusions sont valides pour des tests utilisés pour de la surveillance d’épidémie, et non pour du diagnostic individuel.

Que retenir ?

Pour contrôler l'épidémie, il est plus important de faire des tests virologiques réguliers et d'en donner rapidement les résultats, que d'avoir des tests extrêmement sensibles. Il faut cependant tester très régulièrement.

Niveau de preuve Indéterminé

Le modèle suggère que, pour la surveillance épidémique, des tests fréquents sont plus importants que des tests sensibles, ce qui peut avoir des implications en termes de stratégies de test. Le modèle suppose que les personnes positives s'isolent efficacement, ce qui ne sera par forcément le cas. Par ailleurs, les nombres de tests nécessaires au contrôle de l'épidémie sont conséquents (tester quotidiennement tous les habitants de New York nécessite une certaine logistique, et beaucoup d'argent !), ce qui aurait pu être discuté. Un but secondaire de l'article semble être la réhabilitation des tests LAMP, parfois décriés aux États-Unis pour leurs taux de faux-négatifs.

Objectifs

Les auteurs s'intéressent à des stratégies de dépistage systématique, c'est-à-dire où toute une population est testée et non pas seulement les cas contacts. Les auteurs comparent différentes stratégies selon : la fréquence des tests (de quotidiens à bimensuels), la rapidité de l'annonce du résultat (et donc longueur du délai entre le test et l'isolement d'une personne positive), la sensibilité des tests (charge virale minimale pour la détection).

Méthodes

La stratégie de test est simulée à l'aide de deux modèles individu-centrés. Un des deux modèles représente une population bien mélangée, sans structure particulière ; l'autre modèle représente la transmission dans la ville de New York (suivant un modèle déjà publié), en suivant les données démographiques de la ville (taille des foyers) et des matrices de contact spécifiques. 

Dans ces modèles, les individus sont soit sains, infectés, guéris, isolés (après avoir reçu un test positif), ou isolés par eux-mêmes s'ils sont symptomatiques (20% des infections). Le modèle suppose que chaque individu de la population est testé tous les D jours avec un test avec une limite de détection LOD (10^3 ou 10^6 cp/mL), et reçoit sont résultat au bout de T jours.

Les modèles suivent la charge virale au cours du temps de chaque individu infecté ; cette charge virale affecte l'infectiosité des individus, ainsi que la probabilité qu'un test virologique soit positif. La charge virale au cours du temps est représentée par deux segments paramétrés par trois points contrôlés par des variables aléatoires : (i) le délai entre l'infection et une charge virale de 10^3 copies/mL, (ii) la hauteur du pic et le temps auquel il est atteint, et enfin pour la décrue de la charge virale, (iii) le temps auquel la charge virale est de retour à 10^6 copies/mL. Les paramètres sont choisis en fonction d'études cliniques suivant la charge virale de SARS-CoV-2 au cours du temps. 
Dans le modèle du texte principal, l'infectiosité d'un individu est liée au log10 de sa charge virale, et les auteurs testent d'autres liens entre infectiosité et charge virale en annexe.
 

Lire l'article

Le site Bibliovid et son contenu sont la propriété de Bibliovid.

Mentions légales