接触者追踪提升 COVID-19 分组检测效率

在持续的 COVID-19 大流行背景下，分组检测可以节省检测资源。在分组检测中，给定 $n$ 个样本（每人一个），并将它们安排为 $m < n$ 个混合样本，其中每个混合样本由 $n$ 个个体样本的一个子集混合得到。随后使用分组检测算法识别感染者。在本文中，我们在非自适应/单阶段分组检测算法中利用从接触者追踪（CT）收集的辅助信息（SI）。我们通过结合 CT 辅助信息以及个体间疾病传播特征来生成数据。这些数据被输入到两个用于分组检测的信号与测量模型中，数值结果表明我们的算法提供了更高的灵敏度和特异度。尽管 Nikolopoulos 等人利用家庭结构改进了非自适应分组检测，我们的工作是首个探索并证明 CT 辅助信息可进一步提升分组检测性能的研究。