マルチアームバンディットアプローチを用いたCOVID-19試験政策を最適化するためのフレームワーク【JST・京大機械翻訳】

Grushka-Cohen Hagit; Cohen Raphael; Shapira Bracha; Moran-Gilad Jacob; Rokach Lior

プレプリント

J-GLOBAL ID：202202204987671440 整理番号：22P0176332

マルチアームバンディットアプローチを用いたCOVID-19試験政策を最適化するためのフレームワーク【JST・京大機械翻訳】

A framework for optimizing COVID-19 testing policy using a Multi Armed Bandit approach

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年07月28日プレプリントサーバーでの情報更新日： 2020年07月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

試験は,COVID-19パンデミックのタックリングの重要な部分である。テストのアベイラビリティは,制約された資源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。ここでは,COVID-19患者発見に対する異なる優先順位付け政策の影響,および政府と健康組織の能力について,効果的な意思決定に対する結果の使用を検討した。疾患の広がりと特徴の理解を目的とした集団ベースの監視の必要性を有する陽性個人の最大発見のバランスをとる試験のフレームワークを提案した。このフレームワークは,リスクスコアを用いたランキング個体に基づくサイバーセキュリティのドメインにおける優先順位付けへの同様のアプローチから引き出され,次にランダムサンプリングのための容量の一部を保存する。この手法は,基礎となる分布の探査/開発を最大化するマルチArmed-Banditsの応用である。個人は少数の簡単な特徴を用いて効果的な試験のためにランク付けでき,そのようなモデルを用いてそれらをランク付けするのは,試験能力の20%以下,容量の70%を用いた陽性個体の92.1%(CI:91.1%~93.2%)を捕捉でき,個体群研究に対する試験のかなりの部分を保存できる,というのは,陽性個体の65%(CI:64.7%~68.3%)を捕捉できることを見出した。本アプローチは,専門家と意思決定者が,ランク付け政策への透明性を可能にする必要のある政策と,個体群における疾患広がりを理解し,迅速に,そして,情報的に反応する能力を可能にするように,結果としての政策を仕立てることを可能にする。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

分子・遺伝情報処理 , 遺伝学研究法 , 水源,取水,送水,配水,給水

, , ,

前のページに戻る