Bayesian Inference for Medical Screening Tests: Approximations Useful for the Analysis of Acquired Immune Deficiency Syndrome
医学筛查检验的贝叶斯推断：艾滋病分析中的实用近似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：摘要聚焦医学筛查的贝叶斯准确性与人数预测，未对应所列宏观或金融预测方向。
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
医学筛查检验的贝叶斯推断：艾滋病分析中的实用近似
- 研究问题
- 如何评估献血中 HIV 抗体筛查的准确性与抽样总体患病率，并预测新样本中筛查阳性及真实阳性的人数？
- 方法与思路
- 作者采用大样本贝叶斯方法，近似阳性和阴性预测值的联合及边际后验，并构造未来阳性人数的预测分布。
- 材料陈述的贡献
- 摘要称提供筛查预测值与未来人数分布的后验近似方法，并用加拿大和英国数据展示其在医学筛查中的应用。
- 阅读关注点
- 应核对先验、筛查准确性与患病率的联合建模，以及后验近似和未来人数预测对样本规模、目标总体的要求。
- 阅读边界
- 仅依据所给 Crossref 摘要，未说明先验、近似误差或数据结果；预测值依赖目标总体，不能据摘要直接推断其他总体的筛查表现。
原文摘要
SUMMARY In this paper, we develop large sample Bayesian methods for assessing the accuracy of screening tests that are used to detect antibodies to the human immunodeficiency virus in donated blood, and for assessing the prevalence of the disease in the population sampled from. We obtain approximate joint and marginal posterior distributions for the predictive values positive and negative of a test and, additionally, we obtain approximate predictive distributions for the number of future individuals that will test positively or be truly positive out of a new sample or population of interest. We illustrate our methods with data from Canada and the UK.