构建用于评估COVID-19对策的贝叶斯决策支持系统
应用统计
2021-12-21 v3
摘要
面对灾害的决策需要考量若干复杂因素。在此类情况下，贝叶斯多准则决策分析提供了决策框架。本文展示如何构建多属性决策支持系统，以在缓解COVID-19影响的封锁等对策策略间进行选择。此类分析可评估各种候选对策的短期与长期效能。对策策略的期望效用分数捕捉了政策对健康结果及人口福祉其他度量的预期影响。我们使用的广泛方法已确立一段时间。然而，该应用具有许多新颖元素：科学普遍的不确定性；各候选对策组合内体制间的必要动态转换；以及潜在威胁快速移动的随机演化，都给该领域带来新挑战。我们通过一个简化示例说明方法论，展示如何通过对策对人口短期（如COVID-19死亡）及中长期（如贫困加剧）影响的权衡，正式比较各策略效能。
引用
@article{arxiv.2101.04774,
title = {Building A Bayesian Decision Support System for Evaluating COVID-19 Countermeasure Strategies},
author = {Peter Strong and Aditi Shenvi and Xuewen Yu and K. Nadia Papamichail and Henry P Wynn and Jim Q Smith},
journal= {arXiv preprint arXiv:2101.04774},
year = {2021}
}
备注
32 pages including supplementary material