這種檢測方法在理論是可行的，將10份標本分別離心濃縮以後，將上清液棄掉，再將十分標本的離心沉澱物混合在一起，加入細胞裂解液提取核酸，再進行核酸擴增分析。若10個標本在一起有陽性了再分別檢測，若無陽性了，就進行下10個標本檢測，這樣對初篩檢驗來說，明顯提高了檢測速度。但在中國的檢測實驗室還未見到此類報道，不知道美國這樣每天檢測量非常大的國家是否採取這樣一個檢測方法。

個人觀點:不可以，新冠肺炎核酸檢測，必要單獨分開，才能達到高檢測效率，將幾份標本混合在一起，會有混合分不請，誰陽性誰陰性，這是一個錯誤的選擇，低劣的想法。

印度方面的醫學，也不是很先進，將幾份標本混合檢測，是想節約醫療成本，根本行不通，如用這一方法，會使更多人交叉感染。

德國方面，也是一個錯誤的選擇，導致疫情感染大爆發，感染人數急劇上升。如果德國方面有這一黑科技，疫情就不會嚴重發展，早已得到控制。這些都是一些醫生庸俗的想法，最終會失敗。

理論上是可行的。檢測一百個人，十人一組，如果這一百個都沒有陽性，那麼檢測十次就結束了。如果有一個人是陽性的，再把這十人重新分組或者直接分別檢測。這樣做一來可以節省檢測試劑，二來節省時間。

結論：

這是“合併檢測法”（pool test），在人數多的團體中，普查某種患病比率較小的疾病時，可以起到減少檢測次數，節約檢測試劑的作用。

當地時間13日，印度醫學研究理事會發表公告，建議實驗室在進行新冠病毒檢測時，採用“合併檢測法”。

印度醫學研究理事會稱，建議在患病率較低地區或對無症狀人員進行社群調查取樣時採用此方法。

其建議，合併檢測5份樣本，若結果為陰性，則證明所有5份樣本為陰性，若為陽性，則進行進一步的分別檢測，以提高檢測效率。

在患病率較高地區，則不建議採取該檢測方法。

將多個人的樣本混合，然後放到一起檢測，這背後是不是有很大的問題呢？

乍一聽這個方法可能覺得很奇怪，但這的確是在缺少試劑，且需要檢測的人數眾多情況下一個非常棒的方法。

如果學習過機率論與數理統計，做過數學建模的朋友，應該見到過如下問題：

（解答參考了“機率論與數理統計題庫”和“血樣分組檢驗的數學模型”）

在人數很多的團體中普查某種疾病，為此要抽查N個人的血，可以有兩種方法進行：

（1）將每個人的血分別去驗，這就需 N 次

（2）按k個人一組進行分組，把從 k 個人抽出來的血混在一起進行檢驗。

如果這混合血液呈陰性反應，就說明k個人的血液都呈陰性反應，這樣，這 k 個人的血就只需驗一次。

若呈陽性，則再對這 k 個人的血液分別進行化驗。這樣，這 k 個人的血總共要化驗 k+1次。

假設每個人化驗呈陽性的機率為p，且這些人的試驗反應是相互獨立的。

（Ⅰ）設以k個人為一組時，記這k個人總的化驗次數為 X ，求 X 的分佈列與數學期望；

（Ⅱ）設以 k 個人為一組，從每個人平均需化驗的次數的角度說明，若 p=0.1，選擇適當的k，按第二種方法可以減少化驗的次數，並說明k取什麼值時最適宜．

問題分析：

本問題在現今醫學研究、病毒檢驗等諸多醫學問題中是一個很普遍的問題。由於進行某種疾病的調查需要大量的統計資料，為了提高檢驗的效率，以最少的檢驗次數達到最終的檢驗效果，就必然要面臨如何對人群分組這個難題。

對血樣分組檢驗建立數學模型，目的就是要找到一種最佳的分組方案，對於一個數量固定的人群（假定人群數量為N 人），我們在決定哪一種分組方案最好或者需不需要分組時，可以引入數學期望。如果不分組，每個人都參加檢驗，則總共需要檢驗N次，如果分組後計算出平均檢驗次數小於N次，則認為分組比不分組好，需要分組;反之，則不需要分組。

在眾多組合的分組中，哪一種分組計算出來的平均檢驗次數最小，則認為這種分組時最優的分組方案。這也是數學建模的基本思路。

問題解答：

根據題意，如果p=0.1 既該病在人群中的患病比率為10%的時候，理想情況下，4人一組檢測會有最高的效率。

在實際情況中，p遠小於0.1，但實際情況會更加複雜。

簡而言之，印度採取合併檢測法（pool test）方法，在當時的條件下，是一個科學有效的選擇。