fbpx Alcuni dati sui test antigenici per SARS-CoV-2 | Scienza in rete

Ci si può fidare dei test antigenici per SARS-CoV-2?

Primary tabs

Tra ottobre e novembre, nell’ospedale San Luigi Gonzaga di Orbassano è stato effettuato ai pazienti che accedevano in pronto soccorso un tampone nasofaringeo, poi analizzato sia utilizzando un test antigenico, sia utilizzando il test molecolare RT-PCR, per valutare sensibilità e specificità dei test repidi in un contesto reale. Il paragone dei risultati porta a concludere che i test antigenici siano piuttosto specifici, ma con sensibilità modesta.

Crediti immagine: Medical photo created by freepik - www.freepik.com

Tempo di lettura: 5 mins

La diagnosi di infezione da SARS-CoV-2 viene effettuata mediante l’esecuzione di un tampone nasofaringeo analizzato con tecniche molecolari di real-time RT-PCR (Reverse Transcription-Polymerase Chain Reaction) per individuare i geni virali principalmente espressi durante l’infezione. Tale procedura può essere però eseguita solo in laboratori specializzati e richiede un tempo medio di processazione del campione di circa 5/6 ore dal momento della sua presa in carico in laboratorio. La prima caratteristica rende molto complicato l’utilizzo dei test molecolari a livello di screening di popolazione, in quanto la capacità massima giornaliera dei possibili test è limitata. La seconda non li rende efficienti in un contesto ospedaliero, in quanto è importante poter definire velocemente l’eventuale positività di un paziente che accede al pronto soccorso, in modo da poterlo immediatamente isolare riducendo così il rischio di contagio degli altri pazienti.

Per questo motivo sono studiate altre tipologie di test che permettano un’identificazione dell’infezione da SARS-CoV-2 più veloce e senza il ricorso a strumentazioni di laboratorio. Tra questi, la principale è il test antigenico che, a partire dal tampone nasofaringeo, è in grado di identificare in maniera veloce la presenza delle proteine virali (i cosiddetti antigeni).

Questi test sono di due tipi: quelli per cui la lettura del risultato avviene direttamente sul dispositivo di raccolta (a lettura diretta) e quelli per cui la lettura del risultato avviene tramite l’inserimento del dispositivo in una macchina reader (a lettura facilitata). Tuttavia, sebbene le aziende ne certifichino l’accuratezza, poco si sa ancora di questi test in termini di sensibilità e specificità nella loro applicazione in contesti reali, così come dei valori predittivi in differenti situazioni di prevalenza.

Dal 26 ottobre al 10 novembre 2020, nell’ospedale San Luigi Gonzaga di Orbassano (l’ospedale Covid-19 principale della cintura ovest di Torino) è stato effettuato ai pazienti che accedevano in pronto soccorso un tampone nasofaringeo che è stato analizzato sia utilizzando un test antigenico rapido, sia utilizzando il test molecolare RT-PCR. Nella prima settimana, è stato utilizzato un test antigenico a lettura diretta, mentre nella seconda settimana è stato utilizzato un test a lettura facilitata. In considerazione dell'elevata affluenza e dell’impossibilità di mantenere isolamento dei pazienti durante l’attesa dell’esito del tampone molecolare, sono stati creati percorsi e aree di stazionamento separati per i sospetti Covid-19 e i pazienti probabilmente Covid-19-free.

Il tampone rapido è stato utilizzato in un protocollo integrato con la valutazione clinica (fattori di rischio epidemiologici, sintomatologia, risultati degli esami di laboratorio e dell’imaging delle prime ore) allo scopo di supportare la corretta allocazione dei pazienti in queste due aree. Dei 324 test effettuati in doppio, 210 sono risultati positivi al test molecolare (considerato come gold standard), di cui 168 sono risultati positivi anche al test antigenico. Questo corrisponde a una sensibilità del test pari a 0,800 (Intervallo di Confidenza al 95% - IC 95%: 0,746-0,854). Dei 114 negativi al tampone molecolare, 7 sono risultati positivi al test antigenico, evidenziando una specificità pari a 0,939 (IC 95%: 0,895-0,983). Il valore predittivo positivo è risultato pari a 0,960 (IC 95% CI: 0,931-0,989) e il valore predittivo negativo è risultato pari a 0,718 (CI 95%: 0,646-0,790).

  SARS-CoV-2 pos SARS-CoV-2 neg
Antigen test pos 168 7
Antigen test neg 42 107

Paragonando i test a lettura diretta e a lettura facilitata, quelli a lettura diretta hanno dimostrato una sensibilità e un valore predittivo negativo più bassi (Sensibilità: 0,743, IC 95%: 0,663-0,824 vs 0,866, IC 95%: 0,581-0,774, p-value per le differenze 0,026; VPN: 0,678, IC 95%: 0,581-0,774 vs 0,780, IC 95%: 0,674-0,885, p-value per le differenze 0,177) mentre la specificità e il valore predittivo positivo sono risultati più alti (Specificità: 0,984, IC 95%: 0,953-1,000 vs 0,885, IC 95%: 0,798-0,971, p-value per le differenze 0,028; VPP: 0,988, IC 95%: 0,965-1,000 vs 0,933, IC 95%: 0,882-0,985, p-value per le differenze 0,064).

  SARS-CoV-2 pos SARS-CoV-2 neg
Antigen test pos 84 1
Antigen test neg 29 61

a. Test antigenico a lettura diretta

  SARS-CoV-2 pos SARS-CoV-2 neg
Antigen test pos 84 6
Antigen test neg 13 46

b. Test antigenico a lettura facilitata

In nessuno dei due casi, l’applicazione ai dati reali ha confermato i valori di sensibilità elevati dichiarati dalle case produttrici (superiori al 95%).

Entrambi i test antigenici mostrano dunque una sensibilità piuttosto modesta (ovvero i soggetti con SARS-CoV-2 non sempre vengono rilevati dal test), sebbene la specificità sia piuttosto alta (ovvero i soggetti non infetti vengono riconosciuti correttamente come tali dal test). Inoltre, in un contesto ad alta prevalenza come quello di un pronto soccorso di un ospedale Covid, in cui più del 60% dei soggetti è infetto, anche il valore predittivo negativo è non accettabile (un paziente dichiarato negativo dal test ha circa il 30% di probabilità di non esserlo veramente).

In conclusione, questi dati suggeriscono che questi test antigenici non siano molto efficienti se utilizzati come screening di popolazione a causa della bassa sensibilità. Inoltre, in un contesto ad alta prevalenza, come quello di un pronto soccorso, un risultato negativo non può essere sufficiente a considerare un paziente come non infetto ed è pertanto importante che il personale sanitario mantenga un elevato grado di sospetto e valuti il risultato del test antigenico nel contesto della stratificazione del rischio comprensiva dei dati epidemiologici, clinici e di imaging.

 

Articoli correlati

Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.