論文の概要: Bayesian inference of infected patients in group testing with prevalence estimation

• arxiv url: http://arxiv.org/abs/2004.13667v2
• Date: Sat, 13 Jun 2020 02:28:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 22:43:01.745497
• Title: Bayesian inference of infected patients in group testing with prevalence estimation
• Title（参考訳）: 集団検査における感染患者のベイズ推定と有病率推定
• Authors: Ayaka Sakata
• Abstract要約: グループテスト(グループテスト)は、患者から採取された検体を検査することで、感染した患者を特定する方法である。 本研究は,各患者の点推定の信頼区間を考慮し,真陽性率の向上を図っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Group testing is a method of identifying infected patients by performing tests on a pool of specimens collected from patients. For the case in which the test returns a false result with finite probability, we propose Bayesian inference and a corresponding belief propagation (BP) algorithm to identify the infected patients from the results of tests performed on the pool. We show that the true-positive rate is improved by taking into account the credible interval of a point estimate of each patient. Further, the prevalence and the error probability in the test are estimated by combining an expectation-maximization method with the BP algorithm. As another approach, we introduce a hierarchical Bayes model to identify the infected patients and estimate the prevalence. By comparing these methods, we formulate a guide for practical usage.
• Abstract（参考訳）: グループテスト(グループテスト)は、患者から採取された検体を検査することで、感染した患者を特定する方法である。 検査が有限確率で偽の結果を返す場合,プール上で行った検査結果から感染した患者を識別するためのベイズ推論と対応する信念伝達(bp)アルゴリズムを提案する。 本研究は,各患者の点推定の信頼区間を考慮し,真陽性率の向上を図っている。 さらに、期待最大化法とbpアルゴリズムを組み合わせることにより、テストにおける有病率と誤差確率を推定する。 別のアプローチとして,感染患者を同定し,有病率を推定する階層型ベイズモデルを導入する。 これらの方法を比較することで,実践的利用のための指針を定式化する。

関連論文リスト

• Domain constraints improve risk prediction when outcome data is missing [1.6840408099522377]
  機械学習モデルにより, 検査対象者および検査対象者双方のリスクを正確に推定できることが示唆された。 本研究は,癌リスク予測のケーススタディに適用し,そのモデルが癌診断を予測していることを示す。
  論文  参考訳（メタデータ） (2023-12-06T19:49:06Z)
• Estimating treatment effects from single-arm trials via latent-variable modeling [14.083487062917085]
  すべての患者が治療グループに属しているシングルアーム臨床試験は、有効な代替手段であるが、外部コントロールグループへのアクセスが必要である。 このシナリオに対して、同定可能なディープ潜在変数モデルを提案する。 その結果, 直接治療効果評価と患者マッチングによる効果評価の両面で, 性能が向上した。
  論文  参考訳（メタデータ） (2023-11-06T10:12:54Z)
• A Covariate-Adjusted Homogeneity Test with Application to Facial Recognition Accuracy Assessment [0.3222802562733786]
  通常のスコアは、医療画像研究やブラックボックス法医学研究で一般的に見られる。 本研究は, 5つのグループ間で統計的に有意な差異を同定するために, 顔認識実験に適用した。
  論文  参考訳（メタデータ） (2023-07-17T21:16:26Z)
• Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
  本研究の目的は、希少な疾患を患っているk人の集団を同定することである。 個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
  論文  参考訳（メタデータ） (2022-06-15T16:38:50Z)
• Group Testing with Non-identical Infection Probabilities [59.96266198512243]
  そこで我々は,集合形成法を用いた適応型グループテストアルゴリズムを開発した。 提案アルゴリズムは, エントロピー下界に近い性能を示す。
  論文  参考訳（メタデータ） (2021-08-27T17:53:25Z)
• Group Testing with a Graph Infection Spread Model [61.48558770435175]
  感染は個人間のつながりを通じて広がり、その結果、確率的クラスター形成構造と、個人に対する非i.d.感染状態が生じる。 そこで本研究では,既知の確率的感染拡散モデルを利用する2段階のサンプルグループテストアルゴリズムを提案する。 その結果, 感染率が高い場合でも, 集団検査により必要な検査数を大幅に削減できることが示唆された。
  論文  参考訳（メタデータ） (2021-01-14T18:51:32Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)
• Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
  新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。 標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。 原理的に部分観測可能なベイズ的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-12T20:37:33Z)
• Active pooling design in group testing based on Bayesian posterior prediction [0.0]
  集団で感染した患者を特定する際、集団検査は検査数を減らし、検査ミスを修正する効果的な方法である。 本稿では,ベイズ推定の枠組みとして,予測分布に基づくプールの適応設計手法を提案する。
  論文  参考訳（メタデータ） (2020-07-27T06:50:24Z)
• Survival Analysis Using a 5-Step Stratified Testing and Amalgamation Routine in Randomized Clinical Trials [0.0]
  患者の不均一性の増加は、治療の違いを検出する共通の統計的アプローチの能力を弱める可能性がある。 どちらの治療でも生存を予測できない可能性を持つ塩基性共変体のリストは、事前に特定されている。 条件推論木アルゴリズムを用いて、異種臨床試験集団を予後同種患者のサブ集団に分割する。 提案した5段階の階層化テストとアマルガメーションルーチン(5-STAR)の高消費電力化性能について述べる。
  論文  参考訳（メタデータ） (2020-04-28T15:44:41Z)
• 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。