Optimizing testing policies for detecting COVID-19 outbreaks
COVID-19疫情对持续经济活动构成挑战，同时降低健康风险。虽然这些挑战可以通过测试来缓解，但测试预算往往有限。在这里，我们研究机构，如养老院，应该如何利用固定的测试预算，早期发现疫情。使用扩展的网络SEIR模型，我们表明，给定一定的预算的测试，它通常是更好地测试较小的子群的人口经常比测试较大的群体，但频率较低。数值结果是一致的分析表达式，我们推导出的爆发在检测的指数传播模型的大小。我们的工作为机构提供了一个简单的指导方针：将您的总测试分布在几个批次中，而不是一次使用它们。我们预期，在适当的情况下，这项易于实施的政策建议将导致更早发现和更好地缓解当地COVID-19疫情。
2021-01-01 physics.soc-ph q-bio.PE
Assaying Large-scale Testing Models to Interpret COVID-19 Case Numbers
大规模检测被认为是评估当前COVID-19疫情状况的关键。然而，报告的病例数与大流行病的真实状况之间的联系仍然难以捉摸。我们基于有关此联系的竞争性假设开发数学模型，从而根据病例数提供不同的患病率估计，并通过预测SARS-CoV-2归因的死亡率轨迹来验证它们。假设仅根据预先确定的传染性风险对个体进行检测，意味着绝对病例数反映了患病率，但结果证明这是一个很差的预测因素，在两次COVID-19流行波开始时一直高估了增长率。相比之下，假设测试能力被充分利用，则性能更好。这导致使用的艾滋病毒阳性率作为一个更强大的指标的流行动态，但我们发现它是一个饱和现象，需要考虑到测试的数量变得更大。
2021-02-03 q-bio.PE stat.AP
COVID-19: Nowcasting Reproduction Factors Using Biased Case Testing Data
及时估计COVID-19复制因子$R$的当前值已成为为管理策略提供信息的主要目标。$R$是政策制定者在设定缓解水平时使用的一个重要衡量标准，对于准确模拟疫情进展也很重要。本文简要介绍了一种从有偏测试数据中估计$R$的方法。使用测试数据，而不是住院或死亡数据，提供了症状进展量表的早期指标。这在抗击传染病的指数性质时非常重要。我们开发了一个实用的估计量，并将其应用于苏格兰案例测试数据，以推断$0.74$的当前（2020年5月20日）$R$值，$95\%$置信区间为$[0.48 - 0.86]$。
2020-05-25 physics.med-ph physics.soc-ph q-bio.PE
Kemeny-based testing for COVID-19
检测、跟踪和追踪能力已被确定为帮助各国在第一波COVID-19病毒后安全重新开放活动的关键。联系人追踪应用程序为重建日常联系人图表提供了前所未有的可能性，所以问题是谁应该接受测试？众所周知，人类接触网络具有社区结构，因此在本文中，我们证明了图的凯梅尼常数可用于识别和分析图中社区之间的桥梁。我们的“Kemeny指标”是当节点或边从图中删除时Kemeny常数的变化。我们表明，测试与Kemeny指标的大值相关的个体可以帮助有效地拦截新的病毒爆发，当它们仍处于早期阶段时。广泛的模拟在早期识别和阻断可能在不同社区之间传播疾病的“超级传播者”联系方面提供了有希望的结果。
2020-07-24 physics.soc-ph q-bio.PE
Theory of Infectious Diseases with Testing and Testing-less Covid-19 Endemic
本研究构建含检测的传染病模型，证明存在有/无检测的地方病平衡点及其稳定性，并揭示大流行通过随机捕获机制以无检测地方病状态终结。
2023-11-15 math.DS nlin.CD q-bio.PE
Identification-Detection Group Testing Protocols for COVID-19 at High Prevalence
通过测试样品池而不是单个样品，组测试可以节省化学试剂、分析时间和成本。我们引入了一类具有小稀释度的组检测方案，即使在高患病率（$5\%-10\%$）下也适合操作，并且在第一轮检测中最大化分类为阳性/阴性的样本的分数。准确地说，如果测试组恰好有一个阳性样本，则协议无需进一步单独测试即可识别该样本。该协议还检测组中两个或更多个阳性的存在，在这种情况下，可以应用第二轮来识别阳性个体。$5\%$的流行率和最大稀释度为6，100次测试，我们对242个个体进行分类，其中$92\%$在一轮中进行，而$8\%$需要第二次单独测试。相比之下，Dorfman的方案可以用100次测试来测试229个个体，其中第二轮测试针对个体的$18.5\%$。
2022-03-08 physics.soc-ph q-bio.PE
Assessing potential insights of an imperfect testing strategy: Parameter estimation and practical identifiability using early COVID-19 data in India
本文提出含感染者检测的确定性模型研究检测策略影响，利用印度早期COVID-19数据估计参数并验证可辨识性，发现提高检测率与效能可显著降低峰值病例数、推迟峰值并减轻疾病负担。
2022-11-16 physics.soc-ph q-bio.PE
Evaluation of Pool-based Testing Approaches to Enable Population-wide Screening for COVID-19
背景：在大流行期间，快速检测感染对于防止病毒持续传播和过度发病率和死亡率至关重要。本研究旨在确定基于样本合并的替代检测策略是否可以提高SARS-CoV-2筛查的速度和通量。研究方法：选择了一种数学建模方法，根据关键输入参数（感染率、检测特征、种群规模、检测能力等）模拟六种不同的检测策略。模拟了目前正在经历COVID-19疫情的五个国家（美国、德国、英国、意大利和新加坡）的情况，以反映各种各样的人口规模和检测能力。在任何数据收集之前完成的主要研究结果测量是所需的测试时间和数量;确定的病例数量;以及假阳性数量。结果：所有测试方法的性能取决于输入参数，即筛选活动的具体情况。为了在感染率为1%的情况下对每个国家十分之一的人口进行筛查-例如，当优先考虑一线医务人员和公共工作者时-现实的优化检测策略使这样的活动能够在大约10年内完成。美国29天，英国71天，新加坡25天，意大利17天，德国10天。比单独测试快8倍）。当感染率相当低时，或者当采用最佳但逻辑上更复杂的合并方法时，收益更明显。基于池的方法还将假阳性诊断的数量减少了50%。释义：本研究的结果为采用基于池的测试策略以提高SARS-CoV-2测试的速度和通量提供了明确的理论基础。目前的个人测试方法不必要地浪费了宝贵的时间和资源。
2020-10-08 q-bio.PE stat.AP
Exploring the effectiveness of a COVID-19 contact tracing app using an agent-based model
在放宽封锁措施后，我们认为有必要采取接触者追踪策略，以遏制COVID-19的传播。使用基于代理的模型，我们探索了所提出的基于技术的策略之一，一个接触追踪智能手机应用程序。该模型模拟了COVID-19在城市规模的代理人群中的传播。代理人的特征是异质的，并在代表社会结构的多层网络中联系在一起-包括家庭，友谊，就业和学校。我们探讨了接触者追踪应用程序的各种采用率，不同水平的测试能力和行为因素之间的相互作用，以评估对疫情的影响。结果表明，当伴随着足够的检测能力或当检测政策优先考虑有症状的病例时，接触者追踪应用程序可以大大有助于降低人群的感染率。随着使用率的增加，感染率下降。因此，当有症状的病例没有被优先考虑进行测试时，应用程序用户的高比率可能会导致测试需求的广泛增加，如果没有足够的供应，可能会使应用程序适得其反。这表明了有效的测试政策的关键作用和提高测试能力的必要性。
2020-11-03 cs.CY cs.MA cs.SI
Effectiveness of Testing, Tracing, Social Distancing and Hygiene in Tackling Covid-19 in India: A System Dynamics Model
我们提出了一个新冠肺炎在印度传播的系统动力学（SD）模型。详细的基于年龄结构的分区模型内生地捕获了各种疾病传播途径，从标准SEIR模型显著扩展。该模型是为印度定制的，使用了适当的人口金字塔、接触率矩阵、外部到达人数（根据实际数据）以及其他一些基于印度报告的新冠肺炎病例的校准分数。此外，我们使用独立的时变杠杆，明确建模了检测、接触者追踪、隔离Covid阳性患者、隔离、使用口罩/更好的卫生习惯、通过减少家庭（H）、工作（W）、学校（S）和其他（O）地点不同区域的接触率来保持社交距离的影响。模拟结果显示，即使在延长封锁期后，仍会留下一些数量不小的感染者（甚至是无症状感染者），大流行将重新出现。唯一能有效对抗这场大流行病的工具是对那些表现出新冠肺炎类似症状的人进行高比率的检测，如果他们呈阳性，就将他们隔离，并追踪所有与阳性患者接触的人，并将他们隔离，同时使用口罩和个人卫生。接触者追踪、隔离、预防和个人卫生措施的有效性的广泛结合有助于最大限度地减少大流行的影响，一项措施的实施中的一些缺陷可以通过更好地实施其他措施来弥补。
2020-04-19 q-bio.PE
Forecast U.S. Covid-19 Numbers by Open SIR Model with Testing
本文提出改进的开放SIR模型解释美国Covid-19数据的高频振荡现象，通过偏差修正将28天累计病例预测的均方相对误差降至10%以内。
2023-11-15 math.DS physics.soc-ph q-bio.PE
The evolving usefulness of the Test-Negative Design in studying risk factors for COVID-19 due to changes in testing policy
本文是我们之前关于使用测试阴性设计研究COVID-19风险因素的论文[arXiv：2004.06033]的简短扩展[参见：PubMed和ArXiv参考下文]扩展的原因是人们转诊进行测试的条件发生了很大变化：最初，在大多数国家，优先考虑有症状的人，但现在没有症状的人也会因为不同的原因进行测试，例如，在接触者追踪期间，或被允许乘坐（国际）航班。有趣的是，这为单独研究感染的风险因素和患病的风险因素开辟了新的可能性。为了最好地利用这种新情况，人们必须仔细考虑如何阐明进行测试的不同原因，以及对不同的群体进行什么样的分析。
2021-06-07 q-bio.PE stat.ME
How Reliable are Test Numbers for Revealing the COVID-19 Ground Truth and Applying Interventions?
Indian Institute of Science（印度科学学院）
在公共话语和政策制定中，COVID-19确诊病例的数量通常被用作真值COVID-19感染病例的实际数量的代表。然而，确诊病例的数量取决于检测策略，理解使用不同检测策略获得的阳性病例数量如何揭示未知的真值是很重要的。我们在Python中开发了一个基于代理的模拟框架，可以模拟各种测试策略以及基于它们的锁定等干预措施。代理之间的交互可以考虑各种社区和移动模式。我们的框架的一个显著特点是存在另一种症状类似于COVID-19的“流感”样疾病，这使我们能够在选择待检测患者时对噪音进行建模。我们实例化我们的模型，在印度的Bengalu市，使用人口普查数据分布代理的地理位置，交通流的流动性数据来模拟长距离的互动和混合。我们使用模拟框架来比较三种测试策略的性能：随机症状测试（Random Symptoms Testing，简称ESTA）、接触跟踪（Contact Tracing，简称CT）和一种新的基于位置的测试策略（Location Based Testing，简称LBT）。我们观察到，如果有足够比例的有症状的患者出来进行测试，那么即使每天进行很少的测试，ESTA也可以非常接近地捕获真值。然而，CT始终捕获更多的阳性病例。有趣的是，我们的新LBT，这是操作强度低于CT，提供了性能与CT相媲美。在另一个方向上，我们比较了这三种测试策略在启用锁定方面的功效，并观察到CT最大限度地使真值曲线平滑，LBT…
2020-04-24 cs.LG cs.SI q-bio.PE
An unbiased spatiotemporal risk model for COVID-19 with epidemiologically meaningful dynamics (A systematic framework for spatiotemporal modelling of COVID-19 disease)
COVID-19等传染病的时空建模涉及使用各种流行病学指标，如区域病例比例或区域阳性率。虽然观察它们随时间的变化对估计区域疾病负担至关重要，但这些措施的动态特性以及相互关系没有得到系统的解释。在这里，我们提供了一个时空框架组成的六个常用的和新构建的流行病学指标，并进行案例研究评估。我们引入了一个改进的风险模型，既不受人口规模差异的影响，也不受检验的空间异质性的影响。特别是，所提出的方法可用于无偏地识别COVID-19风险升高的时间段，而对人群或测试的空间异质性不敏感。我们的研究结果还提供了有关区域优先级的测试和潜在的同步流行病的后果地区之间的见解。
2020-12-11 q-bio.PE q-bio.QM
A modelling study across the Italian regions: Lockdown, testing strategy, colored zones, and skew-normal distributions. How a numerical index of pandemic criticality could be useful in tackling the CoViD-19
由于欧洲正面临第二波CoViD-19大流行，每个国家都应仔细审查如何应对第一波疫情。从第一次经验中吸取的教训应有助于避免不分青红皂白地关闭，最重要的是，有助于确定普遍的（可以理解的）参数，以指导采取遏制措施，减少病毒的传播。使用很少的（有效的）参数对于在当局和民众之间建立联系确实极为重要，使民众能够理解某些限制的原因，从而能够积极参与防治这一流行病的斗争。测试策略，拟合偏斜参数（平均值，模式，标准差和偏斜度），死亡率和每周CoViD-19传播数据，随着越来越多的人被感染，被用来比较意大利地区爆发的第一波疫情，并确定在引入限制性遏制措施之前必须检查哪些参数。我们提出了一些\textit{universal}参数，一旦适当权衡，这些参数可能有助于正确区分国家领土上的流行病情况，并快速为每个地区分配适当的流行病风险。
2021-02-09 q-bio.PE
Constructions and Comparisons of Pooling Matrices for Pooled Testing of COVID-19
与单个测试相比，组测试（也称为合并测试）在减少测试数量方面更有效，并可能导致巨大的成本降低。正如美国FDA网站最近发布的文章所述，COVID-19的群体测试方法最近引起了很大的兴趣。分组测试技术中有两个关键要素：（i）将样本集中到组中的集中矩阵，以及（ii）使用分组测试结果重建每个样本状态的解码算法。在本文中，我们提出了一个新的家庭的汇集矩阵从包装线束（PPoL）在一个有限的射影平面。我们比较他们的性能与文献中提出的各种池化矩阵，包括2D池化，P-BEST，Tapestry，使用两阶段的definite defectives（DD）解码算法。通过对高达5%的患病率范围进行广泛的模拟，我们的数值结果表明，在整个患病率范围内，没有相对成本最低的合并矩阵。为了优化性能，应该根据患病率选择正确的汇集矩阵。PPoL矩阵族可以根据患病率动态调整其列权重，并且可能是比使用固定池化矩阵更好的替代方案。
2021-06-15 cs.DM cs.IT math.IT
Group Testing Enables Asymptomatic Screening for COVID-19 Mitigation: Feasibility and Optimal Pool Size Selection with Dilution Effects
对SARS-CoV-2进行反复的无症状筛查有望控制病毒的传播，但需要太多的资源才能大规模实施。团体测试是有前途的筛选更多的人用更少的测试资源：多个样本一起测试在一个池可以排除一个阴性的测试结果。然而，现有的SARS-CoV-2无症状筛查的分组测试设计方法没有考虑稀释效应：假阴性在更大的样本池中变得更常见。因此，他们可能会推荐太大的样本池大小或错误估计筛选的益处。建模稀释效应，我们推导出封闭形式的表达式，预期的测试次数和假阴性/阳性每个人筛选下两个流行的组测试方法：线性和正方形阵列的方法。我们发现，一个共同的病毒载量引起的测试误差相关性在一个人的样本结果少得多的假阴性比预期的不太现实，但更广泛的假设独立的错误。这一见解还表明，假阳性可以通过重复测试来控制，而不会显著增加假阴性。使用这些封闭形式的表达式来跟踪错误率和测试的帕累托边界，我们设计了一个大的人群的重复无症状筛查的测试协议。我们通过优化随时间变化的样本池大小和受每日检测能力和假阳性限制限制的筛查频率来最大限度地降低疾病患病率。这提供了一个测试方案，从业者可以用来减轻COVID-19。在案例研究中，我们证明了这种方法在控制传播方面的有效性。
2020-11-16 math.OC q-bio.PE stat.ME
Using random testing to manage a safe exit from the COVID-19 lockdown
我们认为，对受感染者的比例进行频繁采样（通过随机检测或污水分析）是管理COVID-19大流行的核心，因为它既可以实时测量限制性措施控制的关键变量，又可以预测疾病进展对医疗系统的负担。了解随机检测结果将（i）显著提高大流行的可预测性，（ii）允许就如何修改限制性措施做出知情和优化的决定，延迟时间比目前短得多，以及（iii）能够实时评估降低传播率的新手段的效率。在这里，我们建议，无论大小的一个适当的同质的人口，一个保守的估计为15000随机测试的人数每天将足以获得可靠的数据，目前的感染率及其演变的时间，从而使接近实时评估的定量效果的限制性措施。更高的测试能力允许检测扩散率的地理差异。此外，最重要的是，通过每日采样，可以尝试重新启动，而感染者的比例仍然比放松限制所需的水平高出一个数量级，重点是对有症状的个人进行测试。这是证明通过考虑反馈和控制模型的缓解，其中的反馈是来自嘈杂的采样数据。
2020-04-16 cond-mat.other cond-mat.stat-mech physics.med-ph
