論文の概要: Timely Tracking of Infection Status of Individuals in a Population
- arxiv url: http://arxiv.org/abs/2012.13393v1
- Date: Thu, 24 Dec 2020 18:49:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-19 11:42:56.427239
- Title: Timely Tracking of Infection Status of Individuals in a Population
- Title（参考訳）: 集団における感染状況の時間的追跡
- Authors: Melih Bastopcu and Sennur Ulukus
- Abstract要約: 住民の感染状況のリアルタイム追跡について検討した。
この研究では、医療提供者が感染症から回復した人だけでなく、感染した人々も検出したいと考えています。
- 参考スコア（独自算出の注目度）: 70.21702849459986
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider real-time timely tracking of infection status (e.g., covid-19) of
individuals in a population. In this work, a health care provider wants to
detect infected people as well as people who recovered from the disease as
quickly as possible. In order to measure the timeliness of the tracking
process, we use the long-term average difference between the actual infection
status of the people and their real-time estimate by the health care provider
based on the most recent test results. We first find an analytical expression
for this average difference for given test rates, and given infection and
recovery rates of people. Next, we propose an alternating minimization based
algorithm to minimize this average difference. We observe that if the total
test rate is limited, instead of testing all members of the population equally,
only a portion of the population is tested based on their infection and
recovery rates. We also observe that increasing the total test rate helps track
the infection status better. In addition, an increased population size
increases diversity of people with different infection and recovery rates,
which may be exploited to spend testing capacity more efficiently, thereby
improving the system performance. Finally, depending on the health care
provider's preferences, test rate allocation can be altered to detect either
the infected people or the recovered people more quickly.
- Abstract（参考訳）: 人口の感染状況(例:covid-19)をリアルタイムに追跡することを検討する。
この研究では、医療提供者が感染した人や、病気からできるだけ早く回復した人々を検出したいと考えている。
追跡プロセスの時系列を計測するために, 高齢者の感染状況と, 最近の検査結果をもとに, 医療提供者によるリアルタイム推定値との長期平均差を用いた。
まず、この平均的なテスト率の差について分析的な表現を見つけ、感染と回復率を与えられた。
次に,この平均差を最小化するための交互最小化に基づくアルゴリズムを提案する。
人口の全員を等しく検査する代わりに、全体の試験率に制限がある場合、その感染と回復率に基づいて、人口のほんの一部しか検査されないことが観察される。
また,総検査率の増加が感染状況の追跡に役立つことも観察した。
さらに、人口規模の増加は、感染や回復率の異なる人々の多様性を増大させ、テスト能力をより効率的に利用することで、システム性能を向上させることができる。
最後に、医療提供者の好みに応じて、感染した人または回復した人をより迅速に検出するために、テストレートの割り当てを変更することができる。
関連論文リスト
- Detecting individual-level infections using sparse group-testing through
graph-coupled hidden Markov models [1.0323063834827415]
グラフ結合型マルコフモデルを拡張し,感染状況を隠蔽状態とし,グループテストの結果を観察した。
スパーステストの扱いは未解決のままだが、パンデミック期間中にグループスクリーニングを用いて個人感染状況を正確に推定する可能性が高まっている。
論文 参考訳（メタデータ） (2023-06-05T03:12:11Z) - A Static Analysis of Informed Down-Samples [62.997667081978825]
遺伝子プログラミングの第1世代における記録された個体群と、完全に合成された個体群について検討した。
両形態のダウンサンプリングは, ダウンサンプリングを伴わない通常のレキシケース選択よりも, テストカバレッジの損失が大きくなることを示した。
論文 参考訳（メタデータ） (2023-04-04T17:34:48Z) - 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) - 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) - 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) - 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) - 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) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z) - 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) - Coronavirus Optimization Algorithm: A bioinspired metaheuristic based on
the COVID-19 propagation model [0.0]
この研究は、新型コロナウイルスが健康な人々にどのように拡散し感染するかをシミュレートする、新しいバイオインスパイアされたメタヒューリスティック(メタヒューリスティック)を提案する。
入力パラメータは疾患統計に従ってすでに設定されており、研究者が任意の値で初期化するのを防ぐことができる。
並行したマルチウイルスバージョンが提案され、いくつかのウイルス株が時間とともに進化し、より広い検索領域をより少ないイテレーションで探索する。
論文 参考訳（メタデータ） (2020-03-30T17:10:02Z)
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。