×
胡久云;梅亚军;萨拉·霍尔特;严浩

自适应资源分配CUSUM用于二项式计数数据监测，并应用于COVID-19热点检测。 （英语） Zbl 07761989号

J.应用。斯达。 50，第14号，2889-2913（2023）.
摘要：在本文中，我们提出了一种有效的统计方法（称为“自适应资源分配CUSUM”），以在有限的采样资源下稳健高效地检测热点。我们的主要思想是将多臂盗贼（MAB）和变点检测方法相结合，以平衡热点检测资源分配的探索和开发。此外，使用贝叶斯加权更新更新感染率的后验分布。然后，使用置信上限（UCB）进行资源分配和规划。最后，CUSUM监视统计信息以检测更改点和更改位置。为了进行性能评估，我们将该方法与文献中的几种基准方法进行了性能比较，表明该算法能够实现较低的检测延迟和较高的检测精度。最后，将该方法应用于华盛顿州县级每日COVID-19阳性病例的实际案例研究中的热点检测，并在分布样本非常有限的情况下证明了该方法的有效性。

引用于1文件

MSC公司：

62至XX 统计
62页第10页 统计学在生物学和医学中的应用；元分析
62升15 统计中的最优停止

关键词：

多机枪强盗;变化点检测;自适应资源分配;count数据;CUSUM统计
PDF格式BibTeX公司 XML格式引用
\文本{J.Hu}等人，J.Appl。Stat.50，No.14，2889--2913（2023；Zbl 07761989）
全文： DOI程序 arXiv公司

参考文献：

[1] Astley，C.M。；Tuli，G。；Mc Cord，K.A。；科恩，E.L。；雷德，B。；Varrelman，T.J。；邱，S.L。；邓，X。；Stewart，K。；Farag，T.H。；Barkume，K.M。；拉罗卡，S。；莫里斯，K.A。；Kreuter，F。；Brownstein，J.S.，《通过从脸书用户群抽样的在线调查对新型冠状病毒疫情影响进行全球监测》，Proc。国家。阿卡德。科学。，118 (2021)
[2] Auer，P.，《利用置信界限进行开采勘探权衡》，J.Mach。学习。研究，3397-422（2002）·Zbl 1084.68543号
[3] 阿瓦内索夫，V。；Buzun，N.，高维协方差结构中的变点检测，电子。J.Stat.，12，3254-3294（2018）·Zbl 1454.62252号
[4] Chatzimanolakis，M。；韦伯，P。；Arampatzis，G。；瓦尔赫利，D。；基奇一世。；卡纳科夫，P。；Papadimitriou，C。；Koumoutsakos，P.，《量化新冠肺炎感染的有限测试资源的优化分配》，瑞士医学会。，150，W20445（2020）
[5] 陈，J。；Kim，S.H。；Xie，Y.，S 3t：时空变化点检测的得分统计，Seq。分析。，39, 563-592 (2020) ·兹比尔1461.62134
[6] Corradin，R。；Danese，L。；Ongaro，A.，《缺失观测值的多元时间序列的贝叶斯非参数变化点检测》，《国际期刊近似原因》。，143, 26-43 (2022) ·Zbl 07478963号
[7] Das，J。；曼达尔，T。；Saha，P.，印度北孟加拉邦冬季温度的时空趋势和变化点检测，斯帕特。《Inf.Res.》，第27期，第411-424页（2019年）
[8] 东，E。；杜，H。；Gardner，L.，《柳叶刀感染》，实时跟踪新型冠状病毒肺炎的交互式网络仪表板。数字化信息系统。，20, 533-534 (2020)
[9] Dubey，P.、Xu，H.和Yu，Y。，缺少值的在线网络更改点检测，预印本（2021）。可在arXiv:2110.06450购买。
[10] Ellenberger，D。；劳森，B。；Friede，T.，小样本二项式序列中改进功率的精确变化点检测，Biom。J.，63，558-574（2021年）
[11] Enikeeva，F。；Harchaoui，Z.，稀疏替代下的高维变点检测，Ann.Statist。，47, 2051-2079 (2019) ·Zbl 1427.62036号
[12] Farajtabar，M.、Rodriguez，M.G.、Zamani，M.，Du，N.、Zha，H.和Song，L。，回到过去：部分观测级联扩散网络中的源识别，英寸人工智能与统计PMLR，2015年，第232-240页。
[13] 郭，J.，严，H.，张，C.，和海，S。，基于平滑解析分解的部分可观测在线变化检测，预印本（2020年）。网址：arXiv:2009.10645。
[14] 内脏，A。；Steinebach，J.，基于更新计数过程的截断顺序变化点检测，Scand。J.统计。，29, 693-719 (2002) ·Zbl 1039.62074号
[15] 欣克利，D.V。；Hinkley，E.A.，关于二项式变量序列中变化点的推断，生物统计学，57477-488（1970）·Zbl 0214.46603号
[16] 江，F。；赵，Z。；Shao，X.，《新冠肺炎感染曲线的时间序列分析：变化点视角》，J.Econom。(2020)
[17] 蒋伟（Jiang，W.）。；舒，L。；Tsui，K.L.，监测不同样本大小泊松过程的加权cusum控制图，J.Qual。技术。，43, 346-362 (2011)
[18] Knoblauch，J.和Damoulas，T。，基于模型选择的时空贝叶斯在线变化点检测，英寸机器学习国际会议PMLR，2018年，第2718-2727页。
[19] 刘凯。；梅，Y。；Shi，J.，在线高维过程监测的自适应采样策略，Technometrics，57，305-319（2015）
[20] Lorden，G.，《应对分布变化的程序》，《数学年鉴》。统计人员。，42, 1897-1908 (1971) ·Zbl 0255.62067号
[21] Luo，J.，新冠肺炎预测监测，446（2020），新加坡SUTD数据驱动创新实验室
[22] Mei，Y.，《监控大量数据流的高效可扩展方案》，Biometrika，97，419-433（2010）·Zbl 1406.62088号
[23] Moustakides，G.V.，检测分布变化的最佳停止时间，Ann.Statist。，14, 1379-1387 (1986) ·Zbl 0612.62116号
[24] 穆斯塔基德斯，G.V。；Polunchenko，A.S。；Tartakovsky，A.G.，用于检测分布变化的cusum和shiryaev-roberts程序的数值比较，Comm.Statist。理论方法，38，3225-3239（2009）·Zbl 1175.62084号
[25] sars-cov-2（COVID-19）测试概述(2022). 可在https://www.cdc.gov/conarovirus/2019-ncov/hcp/testing-overview.html。
[26] Page，E.S.，《连续检查计划》，《生物特征》，41，100-115（1954）·Zbl 0056.38002号
[27] Page，E.S.，未知点参数变化测试，Biometrika，42，523-527（1955）·Zbl 0067.11602号
[28] Raue，A。；Kreutz，C。；Maiwald，T。；巴赫曼，J。；席林，M。；Klingmüller，美国。；Timmer，J.，利用剖面可能性对部分观测到的动力学模型进行结构和实际可识别性分析，生物信息学，251923-1929（2009）
[29] 斯考比，H.M。；约翰逊，A.G。；苏塔尔，A.B。；Severson，R。；奥尔登，N.B。；巴尔特，S。；贝尔托利诺，D。；布莱斯，D。；Brady，S。；卡德维尔，B。；Cheng，I。；戴维森，S。；德尔加迪略，J。；德文尼，K。；杜钦，J。；杜维尔，M。；费舍尔，R。；Fleischauer，A。；格兰特，A。；格里芬，J。；哈迪克斯，M。；汉德，J。；Hanson，M。；霍金斯，E。；Herlihy，R.K。；希克斯，L。；Holtzman，C。；霍斯金斯，M。；Hyun，J。；Kaur，R。；凯，M。；Kidrowski，H。；Kim，C。；小松，K。；库格勒，K。；刘易斯，M。；公元前Lyons。；里昂，S。；Lynfield，R。；McCaffrey，K。；麦克马伦，C。；Milroy，L。；迈耶，S。；诺伦·L。；帕特尔，M.R。；波戈斯詹斯，S。；Reese，H.E。；A.索普。；Sell，J。；索科尔，T。；索辛，D。；斯坦尼斯拉夫斯基，E。；史蒂文斯，K。；背心，H。；怀特，K。；Wilson，E。；麦克尼尔，A。；医学博士Ritchey。；Silk，B.J.，《通过疫苗接种状态监测新冠肺炎病例、住院和死亡的发生率——美国13个司法管辖区》，2021年4月4日至7月17日，Morb。致命的。威克利。代表，701284（2021）
[30] Shiryaev，A.N.，最快速检测满足过程中干扰的问题，Dokl。阿卡德。诺克SSSR，1381039（1961）
[31] 塔里克，A。；Lee，Y。；罗萨，K。；布隆伯格，S。；Yan，P。；马，S。；Chowell，G.，《新加坡新冠肺炎传播潜力的实时监测》，2020年3月，BMC Med.，18，1-14（2020）
[32] Truong，C。；Oudre，L。；Vayatis，N.，离线变化点检测方法的选择性审查，信号处理，167（2020）
[33] 谢毅。；黄，J。；Willett，R.，缺失数据的高维时间序列的变点检测，IEEE J.Sel。顶部。信号处理。，7, 12-27 (2012)
[34] Xie，Y.和Siegmund，D。，顺序多传感器切换点检测，英寸2013年信息理论与应用研讨会（ITA）IEEE，2013年，第1-20页。
[35] Xu，Q.和Mei，Y。，采样控制下变后参数未知的多流最快检测，英寸2021年IEEE信息理论国际研讨会（ISIT）IEEE，2021年，第112-117页。
[36] 徐，Q。；梅，Y。；穆斯塔基德斯，G.V.，《带采样控制的最佳多流顺序切换点检测》，IEEE Trans。通知。理论，67，7627-7636（2021）·Zbl 1487.94050号
[37] Yu，X。；男爵，M。；Choudhary，P.K.，二项稀疏过程中的变点检测及其在流行病学中的应用，Seq。分析。，32, 350-367 (2013) ·Zbl 1294.62174号
[38] Zhang，C.和Hoi，S.C。，部分可观测的多传感器序列变化检测：一种组合多武器强盗方法，英寸夏威夷AAAI人工智能会议记录2019年第33卷，第5733-5740页。
[39] 张，C。；Yan，H。；Lee，S。；Shi，J.，基于多轮廓传感器的监测和异常检测，J.Qual。技术。，50, 344-362 (2018)
[40] 张，C。；Yan，H。；Lee，S。；Shi，J.，通过稀疏子空间学习进行动态多元函数数据建模，技术计量学，63，370-383（2021）
[41] Zhang，W.和Mei，Y。，采样控制下实时监测高维数据的带宽变点检测，预印本（2020年）。可从arXiv获取：2009.11891。
[42] Zhao，Ma，T.F.，Ng，W.L.和Yau，C.Y。，一种基于复合类hood的时空变化点检测方法，预印本（2019）。可从arXiv:1904.06340获取。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。