新兴流行病的数据驱动公平资源分配：以COVID-19康复血浆为案例研究
摘要：流行病是一种严重的公共卫生威胁，减轻其影响的资源通常是有限的。决策者面临着预测这些资源的供需的挑战，因为通常无法获得有关疾病的先前信息，疾病的行为可以间歇性地变化（无论是自然的还是由于公共卫生政策），并且在地理区域上可能存在差异。使用稀缺资源（如血液制品）作为随机干预的随机对照试验(RCTs)受到流行病的影响。在这项工作中，我们讨论了一种适用于新兴爆发时的短期实时供需预测的模型。我们考虑了在加拿大多个医院中心（不包括魁北克）涉及多个多中心RCT的COVID-19康复血浆（CCP）需求预测和分配稀缺数量的案例研究。我们提出了一种基于数据驱动的混合整数规划(MIP)资源分配模型，该模型分配可用资源以在资源需求实体之间实现公平的概念最大化。将我们的MIP模型应用于案例研究的数值结果表明，我们的方法可以帮助平衡CCP等有限产品的供需，并最小化需求实体的未满足需求比率。我们分析了我们的模型对不同分配设置的敏感性，并显示我们的模型在实体之间分配公平的资源配置。
作者：Maryam Akbari-Moghaddam, Na Li, Douglas G. Down, Donald M. Arnold, Jeannie Callum, Philippe B''egin, Nancy M. Heddle
论文ID：2106.14667
分类：Applications
分类简称：stat.AP
提交时间：2023-01-24