使用强盗算法最大化SARS-CoV-2病例发现:评估和可行性研究
Michael F Rayo1, Daria Faulkner2, David Kline3
1Department of Integrated Systems Engineering, College of Engineering, The Ohio State University, Columbus, OH, United States.
这项研究成功地使用了贝叶斯搜索算法来监测COVID-19,最大限度地检测病例并接触到服务不足的社区. 这种创新方法加强了城市环境中的传染病监测.
科学领域:
- 流行病学 流行病学
- 公共卫生 公共卫生
- 生物统计学 生物统计学
背景情况:
- 灵活自适应算法监测测试 (FAAST) 计划开创了积极疾病监测的贝叶斯自适应方法.
- 迫切需要检测SARS-CoV-2病例,特别是可用的COVID-19治疗方法,推动了这项研究.
- 贝叶斯搜索算法虽然在其他领域使用,但对于积极的传染病监测来说是新的.
研究的目的:
- 评估贝叶斯搜索算法,以准俄俄州哥伦布的SARS-CoV-2传播热点.
- 为了最大限度地检测新的SARS-CoV-2病例随着时间的推移在各种社区地点.
- 评估适应算法在现实世界公共卫生监测中的可行性.
主要方法:
- 一个基于普森采样的贝叶斯搜索算法指导了弹出的SARS-CoV-2测试.
- 在俄俄州哥伦布的13个不同地点建立了弹出测试站点.
- 礼品卡和快速抗原测试等激励措施鼓励参与测试活动.
主要成果:
- 贝叶斯算法有效地将测试引导到具有较高SARS-CoV-2病例产量的位置.
- 该战略出乎意料地最大限度地提高了服务不足社区的少数民族居民的病例识别.
- 测试努力成功地超出了非洲裔美国参与者的比例,相对于当地人口统计数据.
结论:
- 使用强盗算法进行弹出测试是一种可行的城市流行病战略.
- 这标志着这些算法在疾病监测中的首次现实应用.
- 该研究验证了自适应算法的有效性,用于检测未被诊断的SARS-CoV-2和其他感染.
更多相关视频
11:11Efficient SARS-CoV-2 Quantitative Reverse Transcriptase PCR Saliva Diagnostic Strategy utilizing Open-Source Pipetting Robots
Published on: February 11, 2022
07:13Swabbing the Urban Environment - A Pipeline for Sampling and Detection of SARS-CoV-2 From Environmental Reservoirs
Published on: April 9, 2021
相关概念视频
Steps in Outbreak Investigation
Statistical Methods for Analyzing Epidemiological Data
Single Nucleotide Polymorphisms-SNPs
Comparing the Survival Analysis of Two or More Groups
Principles of Disease Surveillance
