DOPE：D-最优池化实验设计及其在 SARS-CoV-2 筛查中的应用
应用统计
2021-03-08 v1 定量方法
统计计算
摘要
检测个体是否感染严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2)（导致 2019 冠状病毒病 (COVID-19) 的病原体）对于遏制传播链至关重要。此外，快速检测许多潜在感染者往往是控制 COVID-19 暴发的限制因素。因此，采用了将个体分组并同时检测的池化策略。我们提出了一种实施 D-最优池化实验设计 (DOPE) 的新颖池化策略。DOPE 将最大化数据与感染状态之间互信息的池化检测定义为最优。我们通过蒙特卡洛采样估计上述互信息，并采用离散优化启发式方法对其进行最大化。DOPE 在更低错误率和更少检测次数方面均优于常见池化策略。DOPE 还具有若干额外优势：它提供感染概率的后验分布，而非仅提供二分类结果；它自然纳入感染概率和检测错误率的先验信息；最后，它可轻松扩展以纳入有关 COVID-19 的其他新发现信息。因此，我们认为贝叶斯 D-最优实验设计的实施对于抗击 COVID-19 及其他未来大流行病极具前景。
引用
@article{arxiv.2103.03706,
title = {DOPE: D-Optimal Pooling Experimental design with application for SARS-CoV-2 screening},
author = {Yair Daon and Amit Huppert and Uri Obolski},
journal= {arXiv preprint arXiv:2103.03706},
year = {2021}
}
备注
18 pages, 3 figures