COVID-19检测点的多目标分配：提升覆盖范围与获取公平性
计算机与社会
2021-10-19 v1 最优化与控制
应用统计
摘要
截至本文撰写时，COVID-19已在美国感染超过4200万人并导致超过673,000人死亡。在整个疫情期间，公共卫生部门一直通过监测诊断检测结果来识别传播热点。此类信息有助于减少或阻断COVID-19的传播路径，并帮助感染者接受早期治疗。然而，目前大多数检测点分配方案基于经验或便利性，往往导致效率低下和分配非最优。此外，城市内人口的历史社会人口统计模式可能导致不同种族和收入群体在检测获取方面存在可衡量的不平等。为解决这些紧迫问题，我们提出了一种新颖的检测点分配方案，以(a)最大化人口覆盖率，(b)最小化与疫情轨迹预测相关的预测不确定性，以及(c)减少获取上的不平等。我们通过案例研究展示了该方法，将我们的分配方案与佐治亚州记录的检测点分配情况进行比较，结果显示人口覆盖率和获取公平性均较现行做法有所提升。
关键词
引用
@article{arxiv.2110.09272,
title = {Multi-Objective Allocation of COVID-19 Testing Centers: Improving Coverage and Equity in Access},
author = {Zhen Zhong and Ribhu Sengupta and Kamran Paynabar and Lance A. Waller},
journal= {arXiv preprint arXiv:2110.09272},
year = {2021}
}