# Pooling samples could boost corona test efficiency

## Pooling corona tests could boost test efficiency by a factor of 10

ย

According to calculations by the Complexity Science Hub Vienna (CSH), significantly more people could be tested for SARS-CoV-19 with the tests currently available if several samples were combined into one test [1]. The method presented here indicates the optimal pooling size. With 10,000 actually infected persons in Austria, about 45,000 people could be tested with 3,000 tests available daily. If the number of infected persons is 100,000, about 15,000 people could be tested daily. Pooling could thus help to significantly alleviate bottlenecks in testing.

ย

### Background

ย

Many countries, including Austria, face a shortage of tests for the SARS-CoV-2 virus. Pooling strategies for testing potentially infected persons are a practically free way of multiplying the efficiency of the tests while the level of infection of the population is still low.

In the simplest version of pooling, samples from several people are given together and tested with a single test. If the test is negative, all the people tested are negative. If the test is positive, all persons are tested individually. If the infection level of the population is low, this can lead to considerable increases in testing efficiency.

### The method

In pooling strategies, samples from several people are combined and evaluated in one test. In this way, the effective number of people measured per test can be increased massively. The quality of the method depends on the number of infections in the population. With an infection rate of 0.1 percent, up to 15 persons can be measured per test, i.e. the same number of tests can test 15 times more persons. At an infection rate of 1 percent, 5 people can be tested per test. With 10 percent infected, the effectiveness of the method drops to under 2 persons per test.

### Results in detail

The proposed method is a formula which, on the one hand, indicates how many people can be pooled, i.e. how many samples are to be measured together in one test. On the other hand, it estimates the degree of efficiency: i.e. how many people can be effectively tested with one test.

The results are shown in Figure 1 (blue curve). The x-axis shows the infection level of the population, the y-axis the optimal pooling size (see Figure 1 [a]).

Figure 1 (b) shows the number of people that can be measured with one test.

Figure 1 (c) shows the expected error rate (“false negatives”) of the pooling method.

#### Pooling of SARS-CoV-2 samples

Fig. 1 (a) Optimal pooling size for a given infection level in the population.
(b) Individuals that can be effectively measured by a test. The tables within the graphs show the situation for low levels of infection.
(c) Error rates (“false negatives”) of the pooling procedure.

### Conclusion of the CSH

Assuming that there are currently 10,000 actually infected persons in Austria, the optimal pooling size is approximately 32 samples per test. In this case, with 3,000 tests available daily, about 45,000 people could be tested in Austria.

If the number of infected persons is 100,000, the optimal pooling size is 11, which means that with 3,000 tests, 15,000 persons could be tested daily.

Assuming a number between 10,000 and 100,000 infected persons, the optimal pooling size will be about 20 samples per test. Here, it can be assumed that about 30,000 people can be tested daily.

As the infection level of the population increases, the pooling size as shown in Figure 1 (a) should be reduced.

Of course, there could be practical and logistical problems in laboratories and testing facilities that would make the method hard to implement.

#### CSH scientists Rudolf Hanel and Stefan Thurner, Medical University of Vienna

ย

[1] ย ย R Hanel, S Thurner, Boosting test efficiency by pooled testing strategies for SARS-CoV-2, March 21, 2020

ย

ย

## Pooling von Coronavirus-Tests kann die Anzahl der getesteten Personen pro verfรผgbarem Test massiv erhรถhen

ย

Laut Berechnungen des Complexity Science Hub Vienna (CSH) kรถnnten mit den derzeit verfรผgbaren Tests deutlich mehr Personen auf SARS-CoV-19 untersucht werden, wenn mehrere Proben zu einem Test zusammengefรผhrt werden [1]. Die hier vorgestellte Methode gibt die optimale Pooling-Grรถรe an. Bei 10.000 tatsรคchlich infizierten Personen in รsterreich kรถnnten mit 3.000 tรคglich verfรผgbaren Tests etwa 45.000 Menschen getestet werden. Liegt die Zahl der Infizierten bei 100.000, kรถnnten etwa 15.000 Menschen tรคglich getestet werden. Pooling kรถnnte somit dabei helfen, Engpรคsse bei den Tests deutlich zu entschรคrfen.

ย

### Hintergrund

ย

Viele Lรคnder, darunter auch รsterreich, sind mit einer Knappheit von Tests fรผr das SARS-CoV-2-Virus konfrontiert. Pooling-Strategien zum Testen von mรถglicherweise Infizierten sind eine praktisch kostenlose Mรถglichkeit, die Effizienz der Tests zu vervielfachen, solange der Infektionsgrad der Bevรถlkerung noch gering ist.

In der einfachsten Version von Pooling werden Proben von mehreren Personen zusammen gegeben und mit einem einzigen Test getestet. Ist der Test negativ, sind alle gemessenen Personen negativ. Ist der Test positiv, werden alle Personen einzeln getestet. Bei einem geringen Infektionsgrad der Bevรถlkerung kann man so betrรคchtliche Effizienzsteigerungen beim Testen erreichen.

### Das Verfahren

Bei Pooling-Strategien werden Proben von mehreren Personen zusammengefasst und in einem Test ausgewertet. So kann die effektive Zahl der gemessenen Personen pro Test massiv gesteigert werden. Die Qualitรคt der Methode hรคngt von der Zahl der Infektionen in der Population ab. Bei einem Infektionslevel von 0,1 Prozent kann die Methode bis zu 15 Personen pro Test messen, das heiรt, mit derselben Anzahl von Tests kรถnnen 15 Mal mehr Personen getestet werden. Bei einem Infektionsgrad von 1 Prozent kรถnnen noch immer 5 Personen pro Test getestet werden. Bei 10 Prozent Infizierten sinkt die Wirksamkeit der Methode auf knapp 2 Personen pro Test.

### Ergebnisse im Detail

ย

Die vorgeschlagene Methode ist eine Formel, die einerseits angibt, wie viele Personen gepoolt werden, also wie viele Proben zusammen in einem Test gemessen werden sollen. Andererseits schรคtzt sie den Effizienzgrad ab: also wie viele Leute effektiv mit einem Test getestet werden kรถnnen.

Die Ergebnisse sind in Abb. 1 dargestellt (blaue Kurve). Die x-Achse zeigt den Infektionsgrad der Bevรถlkerung, die y-Achse die optimale Pooling-Grรถรe (Abb. 1 (a)).

Abb. 1 (b) zeigt die Anzahl der Personen, die mit einem Test gemessen werden kรถnnen.

Abb. 1 (c) gibt die zu erwartende Fehlerrate (โfalse negativesโ) der Pooling-Methode an.

ย

#### ย Pooling von SARS-CoV-2-Samples

Abb 1 (a) Optimale Pooling-Grรถรe fรผr einen gegebenen Infektionsgrad in der Bevรถlkerung.
(b) Personen, die effektiv mit einem Test gemessen werden kรถnnen. Die Vergrรถรerungen innerhalb der Grafik zeigen die Situation fรผr niedrige Infektionsgrade.
(c) Fehlerraten (โfalse negativesโ) des Pooling-Verfahrens.

### Fazit des CSH

Unter der Annahme, dass es derzeit in รsterreich 10.000 tatsรคchlich infizierte Personen gibt, ergibt sich eine optimale Pooling-Grรถรe von ca. 32 Samples pro Test. In รsterreich kรถnnten in diesem Fall mit 3.000 tรคglich verfรผgbaren Tests etwa 45.000 Menschen getestet werden.

Liegt die Zahl der Infizierten bei 100.000 Personen, ist die optimale Pooling-Grรถรe 11. Damit kรถnnten mit 3.000 Tests 15.000 Personen tรคglich getestet werden.

Nimmt man eine Zahl zwischen 10.000 und 100.000 Infizierten an, wird die optimale Pooling-Grรถรe bei etwa 20 Samples pro Test liegen. Hier kann man davon ausgehen, etwa 30.000 Menschen tรคglich testen zu kรถnnen.

Mit der Erhรถhung des Infektionsgrades der Bevรถlkerung ist die Pooling-Grรถรe gemรคร Abb. 1 (a) zu reduzieren.

Einschrรคnkend ist zu sagen, dass diesem Vorschlag konkrete Probleme in den Laboren und Teststellen entgegenstehen kรถnnten.

#### CSH Wissenschaftler Rudolf Hanel und Stefan Thurner, MedUni Wien

[1] ย ย R Hanel, S Thurner, Boosting test efficiency by pooled testing strategies for SARS-CoV-2, March 21, 2020

The Complexity Science Hub Vienna was founded with the aim of using Big Data for the benefit of society. Among other things, the CSH systematically and strategically prepares large data sets so that they can be used in agent-based models. These simulations allow the effects of decisions in complex situations to be tested in advance and systematically assessed. Thus, the CSH provides fact-based foundations for an evidence-based governance.

CSH Policy Briefs ย present socially relevant statements that can be derived from CSH research results.

### รber den CSH

Der Complexity Science Hub Vienna wurde gegrรผndet mit dem Ziel, Big Data zum Wohle der Gesellschaft zu nutzen. Unter anderem werden am CSH groรe Datensรคtze systematisch und strategisch so aufbereitet, dass sie in Agenten-basierten Modellen verwendet werden kรถnnen. Diese Simulationen erlauben es, Auswirkungen von Entscheidungen in komplexen Situationen vorab zu testen und systematisch einzuschรคtzen. Damit liefert der CSH faktenbasierte Grundlagen fรผr eine evidenzbasierte Governance.

CSH Policy Briefs enthalten gesellschaftlich relevante Aussagen, die sich aus Forschungsergebnissen des CSH ableiten lassen.

Press

### Was crime as bad as it was portrayed [feat.Rafael Prieto Curiel]

abcNEWS, Nov 18, 2022

Event

### CSH Talk by Zlata Tabachovรก: "Supply chain shock propagation and financial systemic risk"

Dec 02, 2022 | 15:00โ16:00

Complexity Science Hub Vienna

Spotlight

Dec 2, 2022

Research News

Nov 28, 2022

Press

### A charada do desequilibrio de genero na ciencia [Portuguese][feat.Fariba Karimi]

Pesquisa Fapesp, Nov 17, 2022

Publication

N. Pontika, T. Klebel, A. Correia, H. Metzler, P. Knoth, T. Ross-Hellauer

#### Indicators of research quality, quantity, openness and responsibility in institutional review, promotion and tenure policies across seven countries

Quantitative Science Studies 1-49

Publication

W. Schueller, J. Wachs, V. D. P. Servedio, S. Thurner, V. Loreto

#### Evolving collaboration, dependencies, and use in the Rust Open Source Software ecosystem

Scientific Data 9 (2022) 703

Event

### CSH Talk by Meike Zehlike: "Beyond Incompatibility: Trade-offs between Mutually Exclusive Fairness Criteria in Machine Learning and Law"

Dec 09, 2022 | 15:00โ16:00

Complexity Science Hub Vienna

Publication

H. Kong, S. Martin-Gutierrez, F. Karimi

#### Influence of the first-mover advantage on the gender disparities in physics citations

Communications Physics 5 (243) (2022)

Press

### MAMMOth: KI-Tendenz zur Diskriminierung durchbrechen [feat.Fariba Karimi]

Brutkasten, Nov 22, 2022

Event

### CSH Talk by Elma Dervic: "Unravelling cradle-to-grave disease trajectories from multilayer comorbidity networks"

Dec 16, 2022 | 15:00โ16:00

Complexity Science Hub Vienna

People

Nov 30, 2022

Press

### Was crime as bad as it was portrayed [feat.Rafael Prieto Curiel]

abcNEWS, Nov 18, 2022

Event

### CSH Talk by Zlata Tabachovรก: "Supply chain shock propagation and financial systemic risk"

Dec 02, 2022 | 15:00โ16:00

Complexity Science Hub Vienna

Spotlight

Dec 2, 2022

Research News

Nov 28, 2022

Press

### A charada do desequilibrio de genero na ciencia [Portuguese][feat.Fariba Karimi]

Pesquisa Fapesp, Nov 17, 2022

Publication

N. Pontika, T. Klebel, A. Correia, H. Metzler, P. Knoth, T. Ross-Hellauer

#### Indicators of research quality, quantity, openness and responsibility in institutional review, promotion and tenure policies across seven countries

Quantitative Science Studies 1-49

Publication

W. Schueller, J. Wachs, V. D. P. Servedio, S. Thurner, V. Loreto

#### Evolving collaboration, dependencies, and use in the Rust Open Source Software ecosystem

Scientific Data 9 (2022) 703

Event

### CSH Talk by Meike Zehlike: "Beyond Incompatibility: Trade-offs between Mutually Exclusive Fairness Criteria in Machine Learning and Law"

Dec 09, 2022 | 15:00โ16:00

Complexity Science Hub Vienna

Publication

H. Kong, S. Martin-Gutierrez, F. Karimi

#### Influence of the first-mover advantage on the gender disparities in physics citations

Communications Physics 5 (243) (2022)

Press

### MAMMOth: KI-Tendenz zur Diskriminierung durchbrechen [feat.Fariba Karimi]

Brutkasten, Nov 22, 2022

Event

### CSH Talk by Elma Dervic: "Unravelling cradle-to-grave disease trajectories from multilayer comorbidity networks"

Dec 16, 2022 | 15:00โ16:00

Complexity Science Hub Vienna

People

Nov 30, 2022

People

Nov 30, 2022

Spotlight

Dec 2, 2022

Research News

Nov 28, 2022

Spotlight

Nov 28, 2022

Research News

Nov 17, 2022

Research News

Oct 13, 2022

Research News

Oct 13, 2022

News

Sep 30, 2022

News

Sep 21, 2022

Research News

Sep 20, 2022

People

Sep 16, 2022

Research News

Aug 8, 2022

Press

### MAMMOth: KI-Tendenz zur Diskriminierung durchbrechen [feat.Fariba Karimi]

Brutkasten, Nov 22, 2022

Press

### Was crime as bad as it was portrayed [feat.Rafael Prieto Curiel]

abcNEWS, Nov 18, 2022

Press

### A charada do desequilibrio de genero na ciencia [Portuguese][feat.Fariba Karimi]

Pesquisa Fapesp, Nov 17, 2022

Press

### COVID : Les animaux peuvent-ils attraper le virus? [French] [feat.Amรฉlie Desvars-Larrive]

News24, Nov 17, 2022

Press

### Departure of Tech Workers Weighs on Russian Economy [feat.Johannes Wachs]

The Wall Street Journal, Nov 14, 2022

Press

### Mรคnner profitieren stรคrker vom Pionier-Vorteil als Frauen [feat.Fariba Karimi]

Spektrum Online, Oct 26, 2022

Press

### Can your phone tell if a bridge is in good shape?

Scienmag, Nov 3, 2022

Press

### Which Animals Catch COVID? This Database Has Dozens of Species and Counting [feat.Amรฉlie Desvars-Larrive]

Scientific American, Oct 19, 2022

Press

### Hinweise auf subtile Bevorzugung von Arbeiten von Mรคnnern in Physik [feat.Fariba Karimi]

APA Science, Oct 14, 2022

Press

### Female representation in physics: Can we fix it?[feat.Fariba Karimi]

Cosmos Magazine , Oct 17, 2022

Press

### Hundreds of Russia's top software developers may have left the country [feat.Johannes Wachs]

New Scientist , Oct 19, 2022

Event

### CSH Talk by Zlata Tabachovรก: "Supply chain shock propagation and financial systemic risk"

Dec 02, 2022 | 15:00โ16:00

Complexity Science Hub Vienna

Event

### CSH Workshop: "Innovation and obsolescence in the space of the possible"

Dec 12, 2022โDec 14, 2022

Complexity Science Hub Vienna

Event

### CSH Talk by Meike Zehlike: "Beyond Incompatibility: Trade-offs between Mutually Exclusive Fairness Criteria in Machine Learning and Law"

Dec 09, 2022 | 15:00โ16:00

Complexity Science Hub Vienna

Event

### CSH Talk by Elma Dervic: "Unravelling cradle-to-grave disease trajectories from multilayer comorbidity networks"

Dec 16, 2022 | 15:00โ16:00

Complexity Science Hub Vienna