論文の概要: How Reliable are Test Numbers for Revealing the COVID-19 Ground Truth and Applying Interventions?

• arxiv url: http://arxiv.org/abs/2004.12782v1
• Date: Fri, 24 Apr 2020 17:39:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 03:24:34.647787
• Title: How Reliable are Test Numbers for Revealing the COVID-19 Ground Truth and Applying Interventions?
• Title（参考訳）: 新型コロナウイルス(COVID-19)の接地事実と介入の適用に関する検査番号はどの程度信頼性が高いか?
• Authors: Aditya Gopalan and Himanshu Tyagi
• Abstract要約: 新型コロナウイルスの感染が確認された症例の数は、多くの場合、実際の真実の数の代理として使用される。 我々は様々なテストポリシーをシミュレートできるエージェントベースのシミュレーションフレームワークをPythonで開発する。 RST(Random Symptomatic Testing)、CT(Contact Tracing)、LBT(Location Based Testing)の3つのテストポリシのパフォーマンスを比較した。
• 参考スコア（独自算出の注目度）: 46.7055935992312
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The number of confirmed cases of COVID-19 is often used as a proxy for the actual number of ground truth COVID-19 infected cases in both public discourse and policy making. However, the number of confirmed cases depends on the testing policy, and it is important to understand how the number of positive cases obtained using different testing policies reveals the unknown ground truth. We develop an agent-based simulation framework in Python that can simulate various testing policies as well as interventions such as lockdown based on them. The interaction between the agents can take into account various communities and mobility patterns. A distinguishing feature of our framework is the presence of another `flu'-like illness with symptoms similar to COVID-19, that allows us to model the noise in selecting the pool of patients to be tested. We instantiate our model for the city of Bengaluru in India, using census data to distribute agents geographically, and traffic flow mobility data to model long-distance interactions and mixing. We use the simulation framework to compare the performance of three testing policies: Random Symptomatic Testing (RST), Contact Tracing (CT), and a new Location Based Testing policy (LBT). We observe that if a sufficient fraction of symptomatic patients come out for testing, then RST can capture the ground truth quite closely even with very few daily tests. However, CT consistently captures more positive cases. Interestingly, our new LBT, which is operationally less intensive than CT, gives performance that is comparable with CT. In another direction, we compare the efficacy of these three testing policies in enabling lockdown, and observe that CT flattens the ground truth curve maximally, followed closely by LBT, and significantly better than RST.
• Abstract（参考訳）: 新型コロナウイルスの感染者数は、公的な言論と政策立案の両方において、真実の真偽の実際の数の代理として使われることが多い。 しかし、確認された症例の数は検査方針に依存しており、異なる検査方針を用いて得られた陽性症例の数がどのように未知の根拠となるかを理解することが重要である。 我々はPythonでエージェントベースのシミュレーションフレームワークを開発し、様々なテストポリシーとそれに基づくロックダウンなどの介入をシミュレートする。 エージェント間の相互作用は、様々なコミュニティやモビリティパターンを考慮することができる。 われわれのフレームワークの際立った特徴は、COVID-19に類似した症状を持つ別の「flu」様疾患の存在であり、検査対象の患者プールを選択する際のノイズをモデル化することができる。 インドにおけるベンガル市のモデルとして、地理的にエージェントを分配する国勢調査データと、長距離の相互作用と混合をモデル化する交通流モビリティデータを用いる。 シミュレーションフレームワークを用いて,RST(Random Symptomatic Testing),CT(Contact Tracing),LBT(Location Based Testing)という3つのテストポリシのパフォーマンスを比較した。 十分な数の症状のある患者が検査のために出てくると、RTTは日々の検査をほとんど行わずとも、かなり真実を捉えることができる。 しかし、CTはよりポジティブな症例を常に捉えている。 興味深いことに、私たちの新しいLBTは、CTよりも操作性が低いので、CTに匹敵するパフォーマンスが得られます。 別の方向に、ロックダウンを可能にするためのこれらの3つのテストポリシーの有効性を比較し、CTが地上の真理曲線を最大に平坦化し、LBTに近づき、RTTよりもかなり良いことを観察する。

関連論文リスト

• Adaptive Sequential Surveillance with Network and Temporal Dependence [1.7205106391379026]
  戦略的なテストアロケーションは、パンデミックと既存のパンデミックの両方のコントロールにおいて重要な役割を果たしている。 感染症の監視は、ユニークな統計上の課題を提示する。 適応型シーケンシャル監視のためのオンライン・スーパーラーナーを提案する。
  論文  参考訳（メタデータ） (2022-12-05T17:04:17Z)
• Two-stage Hypothesis Tests for Variable Interactions with FDR Control [10.750902543185802]
  本稿では,偽発見率(FDR)を制御した2段階テスト手法を提案する。 我々の2段階の手順は古典的BH法よりも効率的であり、比較または改善された統計力を持つという総合的なシミュレーション研究を通して実証する。
  論文  参考訳（メタデータ） (2022-08-31T19:17:00Z)
• DLTTA: Dynamic Learning Rate for Test-time Adaptation on Cross-domain Medical Images [56.72015587067494]
  DLTTAと呼ばれるテスト時間適応のための新しい動的学習率調整法を提案する。 本手法は,現在最先端のテスト時間適応法よりも一貫した性能向上を図り,有効かつ高速なテスト時間適応を実現する。
  論文  参考訳（メタデータ） (2022-05-27T02:34:32Z)
• Whom to Test? Active Sampling Strategies for Managing COVID-19 [1.4610038284393163]
  本稿では、新型コロナウイルスなどのパンデミック時に感染を検査する個人を選択する方法を提案する。 ここで提示されるスマートテストのアイデアは、機械学習におけるアクティブラーニングとマルチアームバンディット技術によって動機付けられている。
  論文  参考訳（メタデータ） (2020-12-25T02:04:50Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)
• Maximum Mean Discrepancy Test is Aware of Adversarial Attacks [122.51040127438324]
  最大平均誤差(MMD)テストは、原則として2つのデータセット間の分布誤差を検出できる。 MMD検査は敵の攻撃に気づいていないことが示されている。
  論文  参考訳（メタデータ） (2020-10-22T03:42:12Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Data-driven Identification of Number of Unreported Cases for COVID-19: Bounds and Limitations [10.796851110372593]
  正確な長期予測を妨げる重要な要因は、報告されていない/症状のないケースの数である。 報告された症例の要因として, 実例のこの比率の下位境界, 上限を同定できることが示唆された。 報告されていないケースの数を一定期間のみ確実に推定できることを実証する。
  論文  参考訳（メタデータ） (2020-06-03T09:39:50Z)
• Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
  病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。 本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
  論文  参考訳（メタデータ） (2020-04-26T23:41:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。