論文の概要: A framework for optimizing COVID-19 testing policy using a Multi Armed Bandit approach

• arxiv url: http://arxiv.org/abs/2007.14805v1
• Date: Tue, 28 Jul 2020 10:28:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 01:43:47.423566
• Title: A framework for optimizing COVID-19 testing policy using a Multi Armed Bandit approach
• Title（参考訳）: マルチ武装バンディットを用いたcovid-19検査方針の最適化のための枠組み
• Authors: Hagit Grushka-Cohen, Raphael Cohen, Bracha Shapira, Jacob Moran-Gilad and Lior Rokach
• Abstract要約: 新型コロナウイルスの患者発見に対する様々な優先順位付け方針の影響について論じる。 本研究は, 人口監視の必要性と, 正の個体の最大発見のバランスをとるための枠組みを提案する。
• 参考スコア（独自算出の注目度）: 15.44492804626514
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Testing is an important part of tackling the COVID-19 pandemic. Availability of testing is a bottleneck due to constrained resources and effective prioritization of individuals is necessary. Here, we discuss the impact of different prioritization policies on COVID-19 patient discovery and the ability of governments and health organizations to use the results for effective decision making. We suggest a framework for testing that balances the maximal discovery of positive individuals with the need for population-based surveillance aimed at understanding disease spread and characteristics. This framework draws from similar approaches to prioritization in the domain of cyber-security based on ranking individuals using a risk score and then reserving a portion of the capacity for random sampling. This approach is an application of Multi-Armed-Bandits maximizing exploration/exploitation of the underlying distribution. We find that individuals can be ranked for effective testing using a few simple features, and that ranking them using such models we can capture 65% (CI: 64.7%-68.3%) of the positive individuals using less than 20% of the testing capacity or 92.1% (CI: 91.1%-93.2%) of positives individuals using 70% of the capacity, allowing reserving a significant portion of the tests for population studies. Our approach allows experts and decision-makers to tailor the resulting policies as needed allowing transparency into the ranking policy and the ability to understand the disease spread in the population and react quickly and in an informed manner.
• Abstract（参考訳）: 検査は新型コロナウイルスのパンデミックに取り組む上で重要な要素だ。 テストの可用性は制約のあるリソースによるボトルネックであり、個人の効果的な優先順位付けが必要である。 本稿では、新型コロナウイルスの患者発見に対する異なる優先順位付け方針の影響と、その結果を効果的な意思決定に活用する政府や医療機関の能力について論じる。 ポジティブな個体の最大発見と、疾患の広がりと特徴を理解するための人口ベースの監視の必要性とをバランスさせるテストの枠組みを提案する。 このフレームワークは、リスクスコアを使用して個人をランク付けし、ランダムサンプリングのためのキャパシティの一部を保存することによって、サイバーセキュリティの領域における優先順位付けに類似したアプローチから導かれる。 このアプローチは、基盤となる分布の探索/探索を最大化するマルチアームバンドの応用である。 いくつかの単純な特徴を用いて効果的なテストにランク付けすることができ、これらのモデルを用いてランク付けすることで、陽性者の65%(ci: 64.7%-68.3%)をテスト能力の20%未満、陽性者の92.1%(ci: 91.1%-93.2%)を70%の能力で獲得し、人口調査のかなりの部分を保存することができる。 このアプローチにより、専門家や意思決定者は、ランキングポリシーの透明性と、人口に拡がる病気を理解し、素早く、そしてインフォームドな方法で反応できる能力が必要とされるように、結果のポリシーを調整できる。

関連論文リスト

• Privacy Preserving Adaptive Experiment Design [13.839525385976303]
  社会的福祉の喪失と統計的権力とのトレードオフを文脈的盗賊実験で検討する。 プライバシが"ほぼ無償"であることを示す,下位境界にマッチする差分プライベートアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-16T09:22:12Z)
• Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top exploration [53.122045119395594]
  マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。 $m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。 ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
  論文  参考訳（メタデータ） (2023-01-30T12:22:30Z)
• Using Sampling to Estimate and Improve Performance of Automated Scoring Systems with Guarantees [63.62448343531963]
  本稿では,既存のパラダイムを組み合わせることで,人間が知能的に収集する応答をサンプリングする手法を提案する。 比較的少ない予算で精度(平均19.80%)と二次重み付きカッパ(平均25.60%)の顕著な増加を観察した。
  論文  参考訳（メタデータ） (2021-11-17T05:00:51Z)
• Multi-Objective Allocation of COVID-19 Testing Centers: Improving Coverage and Equity in Access [2.7910505923792646]
  新型コロナウイルスは4200万人以上に感染し、全米で67万3000人以上が死亡している。 公衆衛生当局は、感染のホットスポットを特定するための診断検査の結果を監視した。 テストサイトアロケーションの現在のスキームのほとんどは、経験や利便性に基づいています。
  論文  参考訳（メタデータ） (2021-09-21T03:53:14Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• A Partially Observable MDP Approach for Sequential Testing for Infectious Diseases such as COVID-19 [29.84897273754802]
  本研究では,制約付き逐次学習に基づく資源配分問題として,テスト問題をキャストできることを示す。 そして、感染した個体数を最小化する効率的な学習戦略を開発する。
  論文  参考訳（メタデータ） (2020-07-25T22:13:37Z)
• A Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
  我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。 報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。 どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
  論文  参考訳（メタデータ） (2020-05-15T17:17:45Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)
• 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)
• COVID-19: Strategies for Allocation of Test Kits [18.334339425815312]
  テストキット割り当ての現在の戦略は、主にルールベースであり、a)新型コロナウイルスの症状、(b)旅行歴、または(c)確認された新型コロナウイルス患者との接触歴を持つ個人に焦点を当てている。 地域社会の広がりを防ぎ、早期に新たな症例を検出することを目的とした、1日あたりの検査キットの別予算を割り当てることが重要である。 これらのアプローチは、コミュニティの広がりを包含し、新しいケースを早期に検出するのに有用であると考えています。
  論文  参考訳（メタデータ） (2020-04-03T19:02:59Z)

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。