基于Dorfman原理的误差分组检测的参数估计问题探究

文章探讨了在分组检测中考虑检测误差情况下,如何准确估计总体患病率p和确定最优分组大小k的问题。检测某种疾病一般是通过样本分组检测,然而,大部分的研究都是没有考虑检测误差对概率p和最优组大小产生的影响。分组检测在Dorfman检测算法基础上,考虑携带检测误差下采用数学期望值最小化原则推导出患病率q的估计区间和最优组大小。并提出一种新的逐步调整分组大小的迭代算法,快速准确地确定最优分组大小k。文章方法计算简单高效,可为传染病的分组检测提供更加精确的参考。

基于多次对半分组检测的算法研究

在疾病分组检测方法中,众多研究者都致力于寻求不同的分组方案来提高检测效率。文章主要进行对半分组检测研究,通过Dorfman分组检测算法和多次对半分组检测过程分析,推导出S层分组检测算法,且根据个体概率和个体、分层的敏感性S_(e)^((g))和特异性S_(p)^((g))等构造三种组合目标函数S1、S2、S3。通过算法模拟得到,不同的目标函数趋向于凹函数,产生最优的分组大小k,而且相对于单体检测效益提高了10%~30%。最优分组人数的确定对于提高混检效率、节约成本、及早控制疫情蔓延等都具有一定现实意义。