主题：【整理】不准确的抗体测试还不如不检测---抗体护照药丸？ -- 菜根谭

科学家们“押注”的抗体检测，问题不少...

与开发检测方法相关的概念很多，基本的有敏感度、特异性、假阳性、假阴性等，非常容易引起混乱。还有其它相关概念就先不说了，说不明白比白说还不如。

下面这张图比较直观地说明开发检测方法的概念。

左边是有病的人群，右边是健康人群。开发检测方法是相对应需要有两类样本，左边病人的样本和右边没病的样本。

对病人的样本，检测出的阳性可以估计该方法的敏感度，而病人样本没有检测出阳性的，是为假阴性。

在另一边对没病样本，检测出的阴性可以估计该方法的特异性，而健康样本检测出阳性的，是为假阳性。

可以看出在开发检测方法时，左右两边是分开的，两边没有联系。但将这个检测方法应用到人群中，就是将两边整合在一起考虑了，结果就会和以前想的大不一样。

这其中的关键是左右两边的比例是极大的不同，右边没病的数量远远大于左边有病的数量。这样即使右边的特异性很高，假阳性很低，但健康人的数量太大，检测产生假阳性的数量也会很大。加州的例子很说明问题。

我查了加州研究的原文，COVID-19 Antibody Seroprevalence in Santa Clara County, California

作者使用的抗体检测试剂盒，是用85个确诊病人的样本和371个确定没有感染样本开发的。文章给出的试剂盒特异性数据是：a specificity of 99.5% (95 CI 98.3-99.9%)。假阳性率非常低，在0.1-1.7%之间。可是如果参加研究的3330人都是正常人，按照95% 置信区间估计，可以发现3-56个假阳性的人。该研究只发现50个阳性结果，正好在检测试剂盒的假阳性区间中。而该研究作者没有使用其它检查方法来确认发现的阳性病人，是无法区别阳性结果真的是被感染病人还是假阳性，所以这个研究结果以此估计人群的感染率是没有意义的。

这些应时的、没有意义的研究对政客还是很有用处的：可以公开呼吁尽早结束隔离和其他控制措施，并声称新的流行率数据支持这一呼吁。