【数学建模】大区域核酸检测中分组的诀窍

1 问题描述

在全员核酸筛查中，为减少检验次数，通常采用分组检测的办法，将一组人的样本混合在一起化验。当某组的混合样本呈阳性时，则可判定该组至少有一人样本为阳性。于是，有三个问题需要解决：

问题(一)： 假如对样本进行第一次分组检测后，再对混合样本呈阳性的小组进行全员检测，则当给定样本为阳性的先验概率$p$时，应如何分组，可使平均总检验次数与不分组的情况相比更少？
问题(二)： 当$p$多大时不应分组检验？
问题(三) ：假如第一次分组检测后，再对混合样本呈阳性的小组人员进行二次分组检测，则当给定$p$时，这两次分组应该怎么分，可使平均总检验次数最小？

2 问题(一)分析与建模

(1) 符号定义与问题分析

$n$: 待查人员总数
$k$: 每组$k$人
$x$: 将总人数$n$分成$x$组，$x=\frac{n}{k}$
$p$: 样本为阳性的先验概率
$q$: 样本为阴性的先验概率，$q=1-p$

问题分析：
不论怎么分组，首先必须对每组的混合样本检测一次，也就是先检测$x$次。如果混合样本为阳性，还需对小组成员再逐一检测一次。
小组检测中，至少一个样本呈阳性的概率为：$1-q^k$，也就是说平均有$[(1-q^k)\cdot x]$个阳性小组。那么检测总次数$N=x+(1-q^k)\cdot x\cdot k$.

(2) 建立模型
根据上述分析，现用$E(k)$表示单人阳性概率为$p$，$k$人一组时的人均检测次数，
$$E(k)=\frac{N}{n}=\frac{x+(1-q^k)\cdot x\cdot k}{n}=\frac{1}{k}+1-q^k$$
将$q=1-p$代入上式得，
$$E(k)=\frac{1}{k}+1-(1-p{)}^k(1)$$
现在问题转化为，给定$p$，求$k$，使得$E(k)$最小。

(3) 问题求解
当$p$很小时，$(1-p{)}^k\approx 1-kp$，代入公式(1)可得，
$$E(k)=\frac{1}{k}+kp(2)$$

容易求得函数E(k)的极小值点为$k=p^{-\frac{1}{2}}$. 由于$k$应为整数，所以取$k=[p^{-\frac{1}{2}}]$和$k=[p^{-\frac{1}{2}}]+1$，代入公式(2)，比较$E(k)$的值，取较优的$k$.
现取$p=0.0001,0.001,0.01,0.02,0.05$，求得较优的$k$和较小的$E(k)$，见表-1.

表-1 一次分组检验结果

p	0.0001	0.001	0.01	0.02	0.05
k	100	32	10	8	5
E(k)	0.020	0.063	0.196	0.274	0.426

3 问题(二)分析与证明

(1) 分析
显然，当人均检测次数大于1时，不应分组，即，当$E(k)>1$时不应分组。也就是
$$E(k)=\frac{1}{k}+1-(1-p{)}^k>1(3)$$
时，不应该分组。

(2) 求解
由不等式(3)解得$p>1-k^{-\frac{1}{k}}$.
观察表-1可知，随着阳性概率$p$增大，要使$E(k)$取得最小值，小组人数$k$随之减小。为了得到较大的$p$，我们从$k=2$，$k=3$开始试. 求得$p$后，再验证$p$是否为可分组的最大阳性概率。经计算，
当$k=2$时，$p\approx 0.293$
当$k=3$时，$p\approx 0.307$

从计算结果看，似乎与表-1反应的规律有些矛盾。不是说$k$越小时，$p$就越大吗，怎么反过来了。这里需要注意，$k$越小时，$p$越大是指，满足$E(k)$取得最小值的$k$越小，$p$就越大。
现在我们来验证，当$p=0.293$时，满足$E(k)$取得最小值的$k$是否为2.
将$k=2$，$k=3$，$k=4$，$p=0.293$代入公式(3)，得
$E(2)=1+\frac{1}{2}-(1-0.293{)}^2\approx 1.0001$
$E(3)=1+\frac{1}{3}-(1-0.293{)}^3\approx 0.9799$
$E(4)=1+\frac{1}{4}-(1-0.293{)}^4\approx 1.0001$
从计算结果可知，当$k=3$，$p=0.293$时，$E(k)<1$，所以$p=0.293$不是不可分组的最大阳性概率.

(3) 验证$p=0.307$是可分组的最大阳性概率

用反证法
假设$\exists \epsilon \in (0.307,1)$，$k\in [2,+\infty )$，使得$E(k)<1$，即下面不等式成立，
$$1+\frac{1}{k}-(1-\epsilon {)}^k<1(4)$$
化简后得，
$$\epsilon <1-k^{-\frac{1}{k}}(5)$$

令$y=k^{-\frac{1}{k}}$，求$y$的极值点。
$$\frac{dy}{dk}=e^{-\frac{1}{k}lnk}\cdot \frac{1}{k^2}\cdot (lnk-1)$$
令$\frac{dy}{dk}=0，$求得函数$y$的极小值点$k=e$，极小值$y=0.693$. 也就是函数$z(k)=1-k^{-\frac{1}{k}}$的极大值为$z=(1-0.693)=0.307$，因此得，当$\epsilon \in (0.307,1)$，$k\in [2,+\infty )$时，$\epsilon <1-k^{-\frac{1}{k}}$。结论与原假设矛盾，所以当$p>0.307$时不应分组。

4 问题(三)分析与建模

(1) 符号定义与问题分析

$n$: 待查人员总数
$k$：第一次分组的小组人数
$x$：第一次分组的分组总数，$x=\frac{n}{k}$
$m$：第二次分组的小组人数
$y$：将第一次检测呈阳性的小组再分$y$小组，$y=k/m$
$p$： 样本为阳性的先验概率
$q$:：样本为阴性的先验概率，$q=1-p$
$p_1$：第一次检测，小组呈阳性的概率，$p_1$=1-$q^k$
$p_2$：第二次检测，小组呈阳性的概率。为简化问题，这里将第一次检验呈阳性小组全部组合在一起，然后再重新分组，因此，$p_2$=1-$q^m$

分析：
第一次检验呈阳性组的平均值为$x{p}_1$，将$x{p}_1$个小组组合起来再进行第二次分组，得到$x{p}_1\cdot y$个小组。所以，第二次检验阳性组的平均值为$x{p}_1\cdot y\cdot p_2$。
所以平均总检验次数为：第一次分组的检验次数，加上第二次分组的检验次数，再加上对所有阳性组成员进行检验的次数，即，$N=x+x{p}_1\cdot y+x{p}_1\cdot y\cdot p_2\cdot m$.

(2) 建立模型
用$E(k,m)$表示单人平均检验次数，即，$E(k,m)=\frac{N}{n}$，则有，

(3) 问题求解
现在问题转化为给定$p$，求$k$，$m$使$E(k,m)$最小。$p$很小时，$(1-p{)}^k\approx 1-kp$，代入公式(6)得，
$$E(k,m)\approx \frac{1}{k}+\frac{kp}{m}+km{p}^2(7)$$

令$z=\frac{1}{k}+\frac{kp}{m}+km{p}^2$，求$z$关于自变量$k,m$的二元函数的最小值点，得
$$k=\frac{1}{\sqrt{2}}{p}^{-\frac{3}{4}},m=p^{-\frac{1}{2}}(8)$$
根据题目要求，$k,m,k/m$均为整数。将$p=0.0001,0.001,0.01,0.02,0.05$代入公式(7)、公式(8)，并比较$E(k,m)$，得到$k,m$的最优值，见表-2.

表-2 二次分组检验结果

p	0.0001	0.001	0.01	0.02	0.05
k	700	124	24	16	8
m	100	31	12	8	4
E(k,m)	0.0028	0.0159	0.0905	0.1537	0.3050

由表-2可知，与表-1比较可知，采用两次分组办法的效果比一次分组办法的效果更好。