COVID-19 检测中几种分组检测架构的比较
统计方法学
2020-10-27 v2 定量方法
摘要
各国 COVID-19 应对的一个重要组成部分是快速高效的检测——以识别和隔离病例，并及早发现局部热点。对许多国家而言，生产足够数量的检测试剂一直是控制 COVID-19 感染努力中的严重限制因素。分组检测是一种成熟的数学工具，可大幅且廉价地扩展检测能力。在本札记中，我们在 COVID-19 的 qPCR 检测背景下比较了几种流行的分组检测方案。我们发现，在实际环境中，对于识别 COVID-19 个体，Dorfman 检测在患病率高达 30% 时是最佳选择；而对于估计总人群中的 COVID-19 患病率，在给定固定且相对较少检测数的情况下，Gibbs-Gower 检测在患病率高达 30% 时是最佳选择。例如，在患病率高达 2% 时，Dorfman 检测带来 3.5–8 的效率增益；在 1% 患病率下，即便将池大小限制在可行数量，Gibbs-Gower 检测仍带来 18 的效率增益。本札记旨在作为实施分组检测方法的实验室的实用手册。
引用
@article{arxiv.2005.03051,
title = {A comparison of group testing architectures for COVID-19 testing},
author = {J. Batson and N. Bottman and Y. Cooper and F. Janda},
journal= {arXiv preprint arXiv:2005.03051},
year = {2020}
}
备注
19 pages, 4 figures