正相关的样本节省混合测试成本
统计方法学
2021-11-12 v2 计算机与社会
摘要
相较于个体检测方式能显著降低成本的分组检测（group testing）方法，因 COVID-19 的大规模检测近来受到广泛关注。许多研究简单地假设组内混合样本相互独立。然而，对于 COVID-19 这类传染性疾病，该假设可能并不合理。具体而言，家庭成员之间往往相互传染，因而很可能呈正相关。通过利用正相关性，我们做出以下两项主要贡献。其一是提供严格证明：当组内样本呈正相关时，使用 Dorfman 两阶段方法可进一步降低成本。其二是提出一种基于社交图进行混合测试的层次凝聚算法，其中社交图中的边连接两人之间频繁的社交接触。当应用 Dorfman 两阶段算法时，与随机池化相比，该算法可带来显著的成本降低（约 20%–35%）。
引用
@article{arxiv.2011.09794,
title = {Positively Correlated Samples Save Pooled Testing Costs},
author = {Yi-Jheng Lin and Che-Hao Yu and Tzu-Hsuan Liu and Cheng-Shang Chang and Wen-Tsuen Chen},
journal= {arXiv preprint arXiv:2011.09794},
year = {2021}
}
备注
14 pages, 8 figures, submitted for publication