Bounding infection prevalence by bounding selectivity and accuracy of tests: with application to early COVID-19
通过约束检测选择性与准确性界定感染率：早期新冠疫情应用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：摘要研究选择性检测下的部分识别，未直接涉及所列因果、分布效应或其他细分方向。
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
通过约束检测选择性与准确性界定感染率：早期新冠疫情应用
- 研究问题
- 当检测存在选择性且准确性不完全已知时，如何利用检测率和阳性检出率，对总体感染率给出具有信息量的部分识别界限？
- 方法与思路
- 作者让使用者设定检测准确性与选择性的界限，以真实感染状态对受检优势比的影响约束选择性，并说明其可嵌入 logit 设定。
- 材料陈述的贡献
- 摘要称，新界限在疫情早期数据中仍有信息量，并据此认为意大利截至四月中旬的感染致死率明显高于流感水平。
- 阅读关注点
- 应核对准确性和选择性界限如何设定、界限的信息量与敏感性，以及从感染率推算感染致死率时使用的数据和时间对应关系。
- 阅读边界
- 摘要未给出界限公式、具体参数范围或致死率估计数值；应用判断依赖所设约束和早期疫情数据，不能直接推广至其他时期。
原文摘要
Summary I propose novel partial identification bounds on infection prevalence from information on test rate and test yield. The approach utilizes user-specified bounds on (i) test accuracy and (ii) the extent to which tests are targeted, formalized as restriction on the effect of true infection status on the odds ratio of getting tested and thereby embeddable in logit specifications. The motivating application is to the COVID-19 pandemic but the strategy may also be useful elsewhere. Evaluated on data from the pandemic’s early stage, even the weakest of the novel bounds are reasonably informative. Notably, and in contrast to speculations that were widely reported at the time, they place the infection fatality rate for Italy well above the one of influenza by mid-April.