Crédito: Unsplash/CC0 Public Domain
Para la detección de la transmisión comunitaria de COVID-19, Nueva Zelanda actualmente depende del rastreo de contactos, pruebas de personas con síntomas y personas con permiso para viajar entre diferentes niveles de alerta, y pruebas de vigilancia del personal en empresas autorizadas a operar en niveles de alerta más altos.
Las pruebas de vigilancia han detectado casos antes de que supieran que eran contactos de otra persona infectada. Pero es posible que las personas que solo se hacen la prueba después de sentirse mal ya hayan transmitido el virus a otras personas. Es posible que otras personas que tienen COVID-19 no muestren síntomas.
Como complemento a las pruebas actuales, sugerimos un régimen de muestreo aleatorio sólido y correctamente diseñado de ciertas áreas o lugares de trabajo para proporcionar una forma rentable de determinar, con probabilidad conocida, si hay algún COVID-19 en un área o grupo específico.
El punto crítico es que tales encuestas de verificación de autorización de COVID deben ser aleatorias.
Las pruebas continuas de aguas residuales, el rastreo de contactos y las estaciones de pruebas comunitarias siguen siendo de vital importancia. Pero no proporcionan ninguna medida de precisión porque actualmente no incorporan diseños de muestreo formales.
Teoría de la probabilidad detrás del muestreo aleatorio
Un esquema de muestreo aleatorio diseñado estadísticamente, basado en tan solo 100 personas u hogares de subpoblaciones clave, daría una probabilidad muy alta de detectar si Hay algún caso de COVID-19. Sin embargo, para determinar esta probabilidad, es fundamental que el muestreo sea aleatorio.
Las ubicaciones geográficas podrían incluir ciertos vecindarios y áreas de captación de aguas residuales. El muestreo en el lugar de trabajo podría centrarse en grandes empresas, residencias de ancianos, hospitales y prisiones.
Los controles de aprobación de COVID basados en muestras aleatorias podrían acortar los cierres, disminuir el impacto social, ahorrar dinero y apoyar a las empresas. Una vez que se reabrieran las fronteras de Aotearoa, proporcionarían información crítica de precisión conocida sobre los puntos críticos de infección.
El esquema de muestreo formal se basa en la teoría de la probabilidad, que proporciona la conexión matemática entre la prevalencia de COVID (p), el tamaño de la muestra (n) y la probabilidad de detectar el virus en la subpoblación (p).
A menos que una subpoblación sea muy pequeña, su tamaño tiene poco efecto sobre el tamaño de muestra requerido. Para una muestra aleatoria simple, que selecciona personas u hogares esencialmente de forma independiente y con igual probabilidad, la probabilidad de detectar COVID es: p = 1-(1-p)
Por ejemplo, para una prevalencia de 3% de COVID y una muestra aleatoria de 100, la posibilidad de detectar el virus es superior al 95%. Se requeriría una muestra más grande para detectar COVID con una prevalencia más baja, para esquemas de muestreo aleatorio agrupado o para niveles más altos de probabilidad de detección.
En lugar de un simple muestreo aleatorio de hogares, se podría utilizar un muestreo sistemático (que selecciona hogares en un intervalo fijo en una lista o a lo largo de una ruta) para simplificar el trabajo de campo sin pérdida de precisión.
El diseño de la encuesta y el trabajo de campo estructurado proporcionarían el mecanismo para implementar la selección aleatoria de personas y condiciones de trabajo seguras para el equipo de muestreo. Para el muestreo aleatorio, esto ahora es factible porque las pruebas de saliva han sido aprobadas recientemente por el Ministerio de Salud.
Usar pruebas de saliva autoadministradas reduciría el contacto cercano entre el personal de campo y los miembros del hogar, minimizando el riesgo de propagación.
Cómo funcionaría
Ejemplos donde Sería útil realizar una encuesta de verificación de autorización de COVID para incluir pueblos o suburbios de ciudades y hogares en áreas de captación con resultados positivos de aguas residuales. El muestreo de áreas alrededor de las instalaciones MIQ, pero sin incluirlas, proporcionaría información sobre la posible transmisión comunitaria.
Como primer paso, el Ministerio de Salud identificaría áreas o grupos de interés particulares y luego seleccionaría una muestra al azar. dentro de él, utilizando métodos estadísticamente sólidos, para garantizar que cada persona tuviera una probabilidad conocida distinta de cero de ser incluida.
Para el muestreo del área, habiendo notificado previamente a los residentes, el personal de campo dejaría pruebas de saliva en cada muestra familiar. Luego se recopilarían pruebas domésticas, ya sea para individuos separados o combinados, utilizando protocolos de seguridad establecidos.
Cualquier hogar seleccionado que no devuelva los resultados de la prueba será contactado nuevamente para reducir el sesgo de falta de respuesta. Cualquier caso detectado pondría en juego otros mecanismos de control actuales.
Detectar todos los casos en un área es diferente y más difícil que detectar si hay casos. Los casos detectados por el muestreo de verificación de autorización de COVID proporcionan un reflector en lugar de iluminar completamente la situación. Encontrar todos los casos requeriría tamaños de muestra mucho más grandes, razón por la cual dichos controles complementan, en lugar de reemplazar, los métodos de vigilancia actuales.
Usar esquemas de muestreo aleatorio bien diseñados e implementados puede ser una forma efectiva, rápida y económica de evaluar si hay casos comunitarios, sin evaluar a miles de personas que no son necesariamente las de mayor interés. Cuando sea útil, dichas encuestas se pueden repetir, usando otra muestra de la misma área o grupo.
Como todos nos damos cuenta ahora, mantener al COVID-19 fuera de Aotearoa no puede ser un plan a largo plazo. Una vez que las tasas de vacunación sean altas y las fronteras comiencen a reabrirse, los controles de aprobación de COVID que utilizan muestreo aleatorio para monitorear posibles puntos críticos serán cada vez más útiles, incluso necesarios, para la vigilancia.
Explore más
El estudio sobre el muestreo coordinado ayuda en la lucha contra la pandemia de coronavirus Proporcionado por The Conversation
Este artículo se vuelve a publicar de The Conversation bajo una licencia Creative Commons. Lea el artículo original.
Cita: Cómo un régimen de muestreo aleatorio podría ayudar a detectar COVID y resaltar los puntos críticos de infección (2021, 15 de octubre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-10 -random-sampling-regimen-covid-highlight.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.