Moet ik mijn kind laten testen op school of niet?

Een in verwarring geraakte ouder plaatste een hulpvraag op De Corona Middenweg. Ze had een brief gekregen over zelftesten en vroeg ons of ze er aan mee moet doen of niet. Ben je een goed mens ten opzichte van de zorg en de rest van de samenleving als je meedoet met het testen of juist als je niet meedoet. Is het een gewetensvraag, een praktische vraag, of misschien een vraag uit het schoolexamen statistiek?

Het probleem is dat, als je zo een brief krijgt, er geen rekensommen bij staan. Er wordt niet uitgelegd wat de voors en tegens zijn. Misschien weten de opstellers van de brief dat zelf ook helemaal niet. Immers, testen, testen, testen is het credo.

Het eerste dat mij opvalt in deze brief is de bevestiging van wat Maurice hier al een hele tijd beweert. Er staat namelijk zwart op wit: “Is de uitslag positief: (…) Het is belangrijk dat je contact opneemt met de GGD, om een coronatest te doen in de GGD-testlocatie.”
Het gevolg van deze instructie is dat het percentage positief getesten in de teststraten omhoog gaat, omdat er op deze manier alleen positieve uitslagen meegeteld worden. Is dat erg? Voor de geteste persoon niet, maar er moet bij de uiteindelijke interpretatie van de “besmettingscijfers” wel rekening mee worden gehouden. De vraag moet worden gesteld bij het maken van een afspraak. Bij de instructie moet ook duidelijk staan: “Belangrijk: Meld bij de GGD dat je positief bent getest met een thuistest” en dit moet bij het verwerken van de cijfers meegewogen worden.

Maar er is meer aan de hand. De vraag is niet alleen of we er de zorg mee helpen, maar ook of we er de maatschappij mee helpen. De maatschappij bestaat namelijk ook uit Toneelspelers, Horecamedewerkers, Sportcoaches en Rondvaartbootkapiteins. Hoe kwalijk kan het zijn voor hen om die test te laten afnemen. Nu gaat mijn rekenhoofd aan de gang.

Het probleem met de (zelf)testen is dat hoe minder het aantal besmettingen, (door voortgaande vaccinatie en immuniteit) hoe groter het aandeel false positives wordt. Dat is lastig te begrijpen als je nooit statistiek hebt gehad, maar met een voorbeeld duidelijk:

Stel, één op de honderd mensen heeft corona op enig moment (dat is nu zo volgens ons RIVM). De test geeft in 99% van de gevallen een terecht positieve uitslag (uit onderzoeken komen getallen tussen de 90 en 99,8%, maar het gaat hier om een rekenvoorbeeld).
Als je nu 100.000 mensen test krijg je dus 1% vals positieven, dat zijn duizend mensen. Ook krijg je duizend mensen die positief zijn, immers 1% heeft het. Er zijn dus evenveel echt positieven als vals positieven. Gevolg, als je positief test heb je 50% kans dat je het helemaal niet hebt. In dit geval is dus de Cafébaas en de Festivalorganisator, die niet aan het werk mogen, evenveel de pineut als de zorgmedewerker die er wellicht een geval bijkrijgt.*

Straks zijn we verder in de lente en slechts één op de duizend mensen heeft het virus nog (net als vorig jaar in juni/juli). Op diezelfde 100.000 mensen test nog steeds 1% vals positief, dus duizend mensen. Ook zijn er dus honderd mensen terecht positief. We gaan door met het rekenexperiment.
Nu is dus de situatie dat van de 1100 positief geteste personen er maar honderd echt positief zijn. De kans dat je uitslag terecht is is nog maar 9%, of één op de elf. De Reisorganisator wordt dus elf keer harder getroffen dan de zorgmedewerker.

Een voorbeeld van hoe het uit de hand kan lopen met testuitslagen: Uit onderzoek in Madrid (Madrid bewijst het: RIVM model faalt) blijkt dat, als het om de PCR test gaat, bij een toenemend aantal positieve testen het aantal vals positieven afneemt en bij afname van het aantal besmettingen het aantal vals positieve gevallen juist toeneemt.
Hoe kan dat nu? Als mensen corona gehad hebben blijven ze nog tot wel vier weken daarna positief testen (lees Wat voorspelt de PCR test). Als je het extreem bekijkt begrijp je het meteen. Als er vorige maand honderd mensen besmet waren en nu duizend en alle uitslagen kloppen, dan komen er bij die duizend van vandaag hooguit vijftig mensen bij die het al hebben gehad, dat zijn er vijf per honderd ofwel 5%.
Nu met teruglopende cijfers: Als er vorige maand duizend mensen besmet waren en nu nog maar honderd, dan komen er vijfhonderd mensen bij die het al hebben gehad. Dat zijn er dus zeshonderd, waarvan slechts één op de zes het echt heeft. 84% is vals positief. Maar goed, een sneltest is niet hetzelfde als de PCR test.

Zo extreem zal het niet zijn, maar dit rekenvoorbeeld maakt het effect duidelijk. Het is ook duidelijk dat het aantal besmettingen nu (snel) zal gaan afnemen door groeiende immuniteit, meer vaccinaties en grotere luchtvochtigheid. Dus misschien is het voorbeeld wel helemaal niet zo extreem.

Als het om een PCR test gaat werkt dus zelfs dubbel. Het zou zomaar kunnen dat als je dan van de zomer 100.000 mensen test niet 1%, maar 10% of zelfs 20% vals positief is. Laten we die tien nemen als voorbeeld en de prevalentie (aantal gevallen) stellen op één op de duizend.
We zien nu dus 10.000 vals positieven en honderd terecht positief als je die groep test. Je krijgt dus 10.100 positieve uitslagen waarvan er slechts honderd terecht zijn. Dat is minder dan 1% die de juiste uitslag krijgt. Oh jé, nu dupeer ik maar liefst honderd Studenten die nog niet naar hun opleiding mogen tegenover één zorgmedewerker als ik mijn kind zou laten testen bij de GGD nadat de zelftest een positieve uitslag heeft gegeven.

Nu ga ik in deze berekening nog uit van de PCR test. De zelftesten doen het misschien nog veel slechter. Hoeveel is nog niet eens vastgesteld, is ook lastig, want als referentie wordt niet, zoals zou moeten, gekeken hoeveel mensen werkelijk ziek zijn, symptomen hebben. Stel nu dat de betrouwbaarheid van de test 90% is (ik hoorde zondag Sywert van de Linden bij WNL zeggen dat ze misschien zelfs slechts 60% betrouwbaar zijn). Een van de fabrikanten, Roche, geeft zelf bij de specificatie van de test aan: Sensitiviteit: 90.6%; Specificiteit: 98.6%; (Extern Onderzoek) en scoort daarmee al niet beter dan de PCR test.

Op basis van dit alles blijkt het hele testen onzin. Het leidt alleen maar tot een eindeloze hoeveelheid cijfers in de statistiek van mensen die besmet zijn die dat helemaal niet zijn. Daarmee hou je de angst en de maatregelen in stand. Daarmee is het niet solidair met Ondernemers en Studenten die liever vandaag dan morgen terug naar normaal willen, terwijl het nauwelijks bijdraagt aan vermindering van de druk op de zorg.
En dan is er nog iets. De zelftest geeft een groter aantal vals negatieven dan de PCR. Dus je waant je misschien ten onrechte veilig. Dat maakt het allemaal nog ingewikkelder, en nog duidelijker dat het niet bijdraagt.

Mijn mening is dus: doe niet mee aan de testsamenleving, het komt voort uit blinde angst en paniek, het leidt tot vergroting van de angst en de paniek.

Maar dan, je hebt de Zorg en je hebt de Maatschappij, maar je hebt ook je kind, je gezin, je klas, je sociale omgeving. De hele brief ademt gemeenschapszin uit, groepsdruk. Whatsapp-groepen van de klas met trotse kinderen die hun testresultaat laten zien gaan rond. Als je je kind niet laat testen? Mag het nog meedoen met de rest? Kan je kind mee op schoolreisje? Komt de uitslag van die zelftest uiteindelijk wel in de statistieken terecht?
Dan kan ik hier wel zeggen: “Doe het niet”, maar neem ook dat in overweging. Hou rekening met elkaar, we moeten na deze crisis ook weer met elkaar verder.
Soms draaf je door in je felheid, in je verzet. Soms moet je ook naar binnen kijken, naar je eigen gezin en je eigen welzijn, los van de grote belangen in de grote wereld.
Dus ik zeg tegen de politiek: STOP MET DEZE WAANZIN, maar tegen jou, als ouder, weeg het zorgvuldig af in het belang van je kind.

Lees nog mijn artikel bij terug waarin ik het voorreken bij testen voor evenementen. (Risicoanalyse vooraf testen bij evenementen) Het is echt waanzin. Stop ermee!

Rogier Rumke

*) De vergelijking tussen de last die zorgmedewerkers hebben ten opzichte van anderen die lijden onder de maatregelen is hier niet als statistische eenheid bedoeld. Het gaat om een metafoor om de verhouding aan te geven tussen de last die de samenleving ondervindt van terecht positief geteste personen tegenover onterecht positief geteste personen.