可行的接触者追踪
统计方法学
2023-12-12 v1 综合经济学
种群与进化
经济学
应用统计
摘要
接触者追踪是预防传染病传播的最重要工具之一，但正如 COVID-19 的经验所示，当疾病迅速传播时，它也几乎是不可能实施的。我们展示了如何通过结合衡量患者传染性异质性的标准微观经济学工具与机器学习中关于序列优化的思想，大幅提高接触者追踪的效率。我们的贡献有两方面。首先，我们将个体传染性的异质性纳入多臂老虎机中，以建立最优算法。该策略的核心是专注于学习。在接触者追踪的典型概念中，对感染者的接触者进行检测是为了发现更多感染。然而，在“学习优先”框架下，对感染者接触者进行检测是为了确定该感染者是否可能是“高传染者”，并且只有在预期极具成效时才去寻找额外感染。其次，我们使用 COVID-19 期间来自印度和巴基斯坦的三个行政接触者追踪数据集证明，该策略提高了效率。使用我们的算法，我们仅用 40% 的接触者就发现了 80% 的感染，而当前的方法需要测试两倍的接触者才能识别相同数量的感染。我们进一步表明，一种易于在现场实施的简单策略的表现接近最优水平，从而实现了我们所说的可行接触者追踪。这些结果可直接推广至任何流行病的接触者追踪中。
引用
@article{arxiv.2312.05718,
title = {Feasible contact tracing},
author = {Aparajithan Venkateswaran and Jishnu Das and Tyler H. McCormick},
journal= {arXiv preprint arXiv:2312.05718},
year = {2023}
}
备注
main paper 37 pages, 4 figures; supplementary 32 pages, 13 figures