COVID-19: Pool testing, hacer más con menos

Testear a la población es prioritario. Pero hacerlo demanda tiempo e insumos que no se tienen. Los autores examinan los potenciales beneficios de usar test grupales (pool testing). A modo de ejercicio, si la prevalencia en Santiago fuese de 0,5%, el testeo grupal permitirá examinar a 7 millones de  santiaguinos en dos meses.

Desde el inicio de la pandemia, múltiples agentes han llamado a adoptar estrategias de testeo masivo. Si bien existe consenso respecto a los beneficios asociados a la implementación de dichas políticas, la realidad es que la capacidad de testeo está limitada, debido a la escasez de múltiples insumos (horas de laboratorio, reactivos y disponibilidad de hisopos nasales, entre otros). Chile, por ejemplo, realiza actualmente alrededor de 20 mil test PCR diarios (que son los que permiten detectar la existencia del virus en el organismo). Sin embargo, durante las últimas dos semanas, Wuhan –la ciudad origen del SARS-CoV-2– ha testeado a cerca de 7 millones de personas.

¿Cómo pudo Wuhan testear a más de 6,5 millones de personas en solo 9 días? Hay varias razones y factores; uno de ellos es pool testing. A diferencia del testeo “tradicional”, que examina a cada persona de manera individual, pool testing agrupa las muestras de personas. Si dicho test grupal da positivo, entonces se procede a testear a cada individuo del grupo para determinar quiénes tienen la enfermedad; mientras que en el caso contrario (el test grupal da negativo), se decide no testear a los individuos.

De esta forma, si los grupos a testear están conformados por 5 individuos, entonces pool testing usará 6 tests (en el caso de que el test grupal de positivo) y 1 test, en caso contrario. En el primer caso se estará usando un mayor número de tests, con respecto a la metodología de testeo tradicional (6 en vez de 5), sin embargo, en el segundo caso, el número de test a utilizar se reduce significativamente (de 5 a 1).

La conveniencia de aplicar pool testing dependerá de la prevalencia (la probabilidad de que una persona tenga el virus). Si la prevalencia es baja, conviene, ya que, en este caso, será más probable que muestras grupales den negativo y, por ende, no sea necesario testear individualmente. Por otra parte, si la prevalencia es alta -matemáticamente mayor a 30%, específicamente- entonces no conviene. En Wuhan, las últimas semanas de testeo han resultado en una positividad de un 0,002% (vale decir, cada 100.000 personas hay 2 personas contagiadas).

En el ejemplo descrito usamos 5 como el tamaño de grupo, no obstante, puede que otro valor sea mejor (en el sentido de que utilice un menor número de tests, en promedio). El mejor tamaño de grupo a considerar dependerá de la prevalencia. Dada una prevalencia (por ejemplo, 2%, 5%, etc.) es posible computar matemáticamente (bajo algunos supuestos) el tamaño de grupo óptimo.

Por ejemplo, si la prevalencia es de 1%, entonces el tamaño óptimo es 10; mientras que si la prevalencia es de 5%, entonces el tamaño óptimo es 5 (ver recuadro).

Para cada nivel de prevalencia se indica el tamaño óptimo de grupo a utilizar y el número de tests promedio que se usarían para testear a 1.000 personas. La eficiencia indica cuántos tests menos se requieren versus la estrategia de testeo tradicional.

En el recuadro se puede ver que con una prevalencia del 1%, el sistema de pool testing usa, en promedio, 5 veces menos tests que el número de personas a testear (1.000 en el ejemplo del recuadro). Cabe mencionar que estudios clínicos han determinado que la viabilidad de hacer test grupales es posible para grupos de hasta 32 personas.

La posibilidad de obtener un falso negativo (cuando el test dice que el individuo o grupo -en caso de pool testing– no están infectados, en circunstancias de que alguien sí lo tiene) existe tanto en el caso de un test individual como grupal. Estudios sobre pool testing indican que, en el límite, efectivamente puede haber casos en donde la estrategia grupal da un falso negativo (no así en un test individual sobre el infectado). Sin embargo, estos son poco probables.

A la fecha, ya son numerosos los casos en el mundo en que se ha aplicado la estrategia de pool testing. Por ejemplo, en Israel, Nebraska, sectores de India, China y Alemania.

Para el caso de Chile, supongamos que queremos realizar una campaña de testeo masiva en la Región Metropolitana, testeando a 7 millones de habitantes -asumiendo una prevalencia de 0,002% (como en Wuhan)-; realizando tests grupales con tamaño 30 (el tamaño más grande clínicamente validado), sin realizar cambios al protocolo de testeo. Para ello, se requeriría realizar aproximadamente 17 mil tests diarios por dos semanas.

Si asumimos otros niveles de prevalencia, por ejemplo 0,5%, entonces la misma labor tomaría casi dos meses. La capacidad instalada de testeo hace este ejercicio académico factible. Sin embargo, la logística asociada a recolectar 7 millones de muestras es una tarea enorme. Por último, cabe destacar que la prevalencia de la enfermedad en la capital es desconocida; no obstante, testear grandes grupos de gente ayudaría a obtener mejores estimaciones de dicha prevalencia.

Este artículo es parte del proyecto CIPER/Académico, una iniciativa de CIPER que busca ser un puente entre la academia y el debate público, cumpliendo con uno de los objetivos fundacionales que inspiran a nuestro medio.

CIPER/Académico es un espacio abierto a toda aquella investigación académica nacional e internacional que busca enriquecer la discusión sobre la realidad social y económica.

Hasta el momento, CIPER/Académico recibe aportes de cinco centros de estudios: el Centro de Estudios de Conflicto y Cohesión Social (COES), el Centro de Estudios Interculturales e Indígenas (CIIR), el Instituto Milenio Fundamentos de los Datos (IMFD), el Centro de Investigación en Comunicación, Literatura y Observación Social (CICLOS) de la Universidad Diego Portales  y el Observatorio del Gasto Fiscal. Estos aportes no condicionan la libertad editorial de CIPER.