A Bayesian model for the optimal ordering of a collection of screens
一组筛查程序最优排序的贝叶斯模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要关注药物筛查排序的贝叶斯决策，没有经济离散选择、结构估计或其他所列方向的充分依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
一组筛查程序最优排序的贝叶斯模型
- 研究问题
- 对药物活性和毒性的多项筛查应按什么顺序进行，按单位成本失败概率排序的启发式规则何时能够达到最优？
- 方法与思路
- 作者为活性与毒性指标设置联合先验密度，在该贝叶斯模型中考察既有排序规则的最优性条件，并开展数值研究。
- 材料陈述的贡献
- 摘要称，所提模型在一些简明条件下满足该规则的最优性要求，数值研究还提示它在更一般情形中表现良好。
- 阅读关注点
- 应核对排序目标与成本定义、联合先验依赖结构，以及最优性条件和数值研究覆盖范围，区分严格结论与经验表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体先验、最优性条件和数值结果未提供，不能将良好表现推广到任意筛查问题。
原文摘要
Bergman & Gittins (1985) propose a screen design problem in which a collection of screens for therapeutic activity and toxicity of pharmaceutical compounds is to be sequenced. They describe conditions under which a natural ordering heuristic based on failure probability per unit cost for each screen is optimal. We propose a Bayesian model in which measures of activity and toxicity are given a joint prior density. The above conditions for optimality are satisfied for this model under simply stated conditions. A numerical study suggests that the heuristic performs well more generally.