CONTRARRELATO
Empleando datos históricos de Madrid, una investigación preliminar independiente ha descubierto y avanzado resultados en Twitter que muestran el test PCR, a un CT de 31 o más, arroja sólo falsos positivos. Esto confirma (y profundiza) la denuncia de eXtramuros de hace seis meses respecto de la nula confiabilidad de los tests PCR tal como se efectúan hoy
Por Plaforscience
RESULTADO RELEVANTE
Hemos descubierto que la falsa positividad (por restos antiguos de ARN) del test PCR es una función del Ct medio del mismo PCR.
Si el Ct medio es superior a ~27,5, se crean casos falsos (dan resultado por presencia de restos antiguos de ARN)
A partir de ahí, la proporción de falsos positivos crece a un ~30% por cada punto de Ct medio.
Con un Ct medio>31 tendremos sólo casos falsos (antiguos).
El método:
HILO
Disponemos de un conjunto de datos de Madrid con los resultados de los tests PCR&Antígeno y los promedios del Ct del PCR.
Con ellos podemos calcular las positividades encontradas con cada uno de los métodos. Observamos que son similares, pero la del PCR es mayor con menor prevalencia, y la del test de Ant lo es con mayor prevalencia.
Vamos a compararlas.
Si encontramos sus proporciones nos damos cuenta de que el PCR da casi todo el tiempo positividades MUCHO MÁS ALTAS que el Antígeno.
Podrían tener la misma tasa (1) si los tests fueran técnicamente iguales, o hubiese una desproporción constante debido a una mejor especificidad/sensibilidad.
Pero el cambio a lo largo del tiempo no tiene NINGÚN SENTIDO.
Dado que conocemos profundamente el problema, estábamos familiarizados con la inexplicable curva resultante. La has visto en el primer tuit: el Ct medio (azul)
Si juntamos ambas curvas, UNO PUEDE VER la relación.
Tiene todo el sentido que la positividad extra del PCR provenga de un problema del test mismo.
Significa que la Falsa Positividad es una función del Ct.
La calculamos considerando que hay una PREVALENCIA VERDADERA, la que encontraríamos si tuviéramos una medida PERFECTA.
Definimos las ecuaciones considerando todos los factores involucrados:
Verdaderos positivos, falsos positivos, positivos viejos y falsos negativos.
Puesto que la positividad VERDADERA (TRUE) es común, sin importar el tipo de prueba, podemos resolver las ecuaciones y encontrarla, así como la carga de adicionales que el PCR está mostrando.
La explicación de un trøll será que una diferente sensibilidad / especificidad es la culpable.
Lo hemos comprobado bajo las mismas ecuaciones.
Spoiler, los trølls están equivocados.
Hay rangos para las sensibilidades y especificidades de la PCR y el antígeno.
Probamos todas las combinaciones de límites y promedios
Nada cambió.
La detección por PCR NUNCA fue proporcional, siempre hubo CASOS EXTRA DE PCR INEXPLICABLES.
Y SIEMPRE fueron f(Ct). Siempre una función del número Ct.
Detección de fragmentos virales antiguos
Hubo diferentes anomalías locales (dejar de profundizar en los supuestos extremos) dependiendo de los valores de especificidad y sensibilidad, pero NUNCA perdieron la tendencia del Ct
Fijamos los valores de sensibilidad y especificidad más aceptados y calculamos la función que relaciona el valor medio de Ct y los casos antiguos
Aislamos la fracción necesaria de positividad extra de PCR que hace que las positividades verdaderas de antígeno&PCR sean iguales, y la relacionamos con el valor medio de Ct.
Con ello se puede calcular la PCR+ verdadera, la PCR+ antigua y el antígeno+ verdadero; y pedir datos asociados: positividades, número de casos verdaderos…
Volviendo a este gráfico, en nuestro modelo la proporción entre la positividad PCR & la de ANTIGENO VERDADERA (y digo VERDADERA, la exacta que conoce el todopoderoso Newton) es perfectamente plana en 1.
La medida oficial está ahí dando tumbos como un loco, sin (ya has visto que no es sensibilidad/especificidad) ninguna explicación racional
Con las soluciones de la ecuación mediana (K) de los datos, modelamos una ecuación general aproximada
%Fpos=(AvCt – 27,5)/3,42
%Fpos: porcentaje de PCR+ falsos antiguos
AvCt: Valor medio de Ct.
Es sólo una aproximación, pero se ajusta bien a la positividad verdadera y a la positividad antigua observada.
Por supuesto, al Ct medio le falta mucha escala, y a la aproximación de la mediana, delicadeza; pero si comprobamos las positividades de PCR/ANTIGEN, comprobamos que el modelo K está mucho más cerca de ajustarse en plano ~1
La desviación máxima es de ±50%, con una media de ~0
¡Oficialmente es de hasta +150%, con una media superior al 50%!
Hemos planeado utilizar los rangos desagregados por Ct para su mejor refinamiento.
Queríamos un primer modelo, aún más impreciso, que se basara sólo en el Ct medio, ya que sabemos que los datos del Ct son muy difíciles de encontrar. Cuanto más generales sean los datos necesarios, más posibilidades tendremos de utilizarlos en otro lugar.
Sólo comprobando con el modelo que ya hicimos de la verdadera Epidemia a partir de los rangos de Ct (<20,21-29,>30) notamos que las tendencias eran correctas, y se puede refinar más.
Ocurrirá cuando tengamos tiempo.
Paciencia.
El gobierno tiene TODOS los datos.
¿Por qué no descartan simplemente los viejos PCR fraudulentos?
Creemos que esto es muy relevante, y pedimos que cualquiera arrime cualquier serie de datos que incluya valores Ct, de modo que podamos precisar mejor el modelo
A estas alturas, esto es una prueba matemática de la existencia de una alta proporción de falsos positivos por PCR, ESPECIALMENTE en entornos de baja prevalencia.
Publicado originalmente en https://threadreaderapp.com/thread/1383105140895444995.html