Método nuevo de pruebas de COVID-19 en muestras combinadas podría ser altamente efectivo para controlar la pandemia de SARS-CoV-2

Chan (Boston, MA, EE. UU.) y el Instituto Broad de MIT y Harvard (Cambridge, MA, EE. UU.).

Al identificar a las personas infectadas para que puedan ser tratadas o aisladas, la prueba del SARS-CoV-2 es una herramienta poderosa para frenar la pandemia de COVID-19 y reabrir escuelas y negocios de manera segura. Pero las pruebas limitadas y, a veces, costosas durante toda la pandemia han obstaculizado el diagnóstico de las personas y han dificultado los esfuerzos de salud pública para reducir la propagación del virus. Las pruebas en muestras mezcladas, en las que se procesan varias muestras individuales a la vez, podrían ser una herramienta poderosa para aumentar la eficiencia de las pruebas. Si una prueba con muestras combinadas resulta negativa, todas las muestras de esa combinación se consideran negativas, lo que elimina la necesidad de realizar más pruebas. Si una muestra combinada es positiva, las muestras individuales dentro de ese grupo de prueba deben ser analizadas nuevamente por separado para identificar qué muestras específicas son positivas. Aunque se han implementado pruebas en muestras mezcladas durante la pandemia de COVID-19, su utilidad se reduce cuando el patógeno está muy extendido en una comunidad. En esas circunstancias, la mayoría de los resultados en las muestras mezcladas podrían ser positivas y requerir pruebas adicionales para identificar a los individuos positivos en cada grupo. Esta prueba de confirmación elimina cualquier eficiencia obtenida mediante las pruebas en muestras combinadas.

Para identificar formas de hacer que las pruebas combinadas sean más útiles durante los brotes generalizados, los investigadores desarrollaron un modelo de cómo las cantidades de ARN viral, que se utilizan para identificar la infección por SARS-CoV-2, varían entre las personas infectadas de la población durante un brote. Esto les dio a los investigadores una imagen muy detallada de cómo la sensibilidad de la prueba se ve afectada por el tamaño del grupo y la prevalencia del SARS-CoV-2. Luego usaron el modelo para identificar estrategias de análisis con muestras combinadas óptimas en diferentes escenarios. Con el modelo, los esfuerzos de prueba podrían adaptarse a los recursos disponibles en una comunidad para maximizar el número de infecciones identificadas utilizando la menor cantidad de pruebas posible. Incluso en laboratorios con importantes limitaciones de recursos, el equipo creó esquemas simples de pruebas con muestras mezcladas que podían identificar hasta 20 veces más personas infectadas por día, en comparación con las pruebas individuales.

“Nuestra investigación agrega otra herramienta a la caja de herramientas de pruebas y salud pública”, dijo Michael Mina, profesor asistente de epidemiología en la Facultad Chan de Harvard y miembro asociado del Broad. “Para las agencias de salud pública y los laboratorios clínicos que realizan pruebas con limitaciones de recursos, que para COVID-19 son casi todas las naciones, esta nueva investigación demuestra que podemos obtener mucho más poder de análisis para uso médico y de salud pública con los mismos, o incluso menos recursos, de los que se utilizan actualmente”.

Enlace relacionado:
Facultad de Salud Pública Harvard T.H. Chan
Instituto Broad de MIT y Harvard