在疾病检测的过程中,如果对每一个检测样本进行检测,将会消耗大量的人力、物力、财力,因此如何降低检测次数,同时减少检测的成本,提高疾病检测效率,成为人们研究的重点。二战时期,Dorfman提出的分组检测思想(也称为Dorfman算法),可以有效提高检测效率。国内外学者对分组检测的最优分组大小进行深入研究,但多集中于假定患病率为定值的情况,结合个体差异的较少。本文考虑待测群体的差异性,即个体患病率随着个体信息变化,建立个体患病率与个体信息的Logistic回归模型,利用模型中未知参数的Fisher信息矩阵,推导出二项分布采样和逆二项分布采样的最优组大小。论文首先推导二项分布采样的情形下患病率回归模型参数的Fisher信息矩阵,结合D-最优准则得出最优分组大小的表达式。其次推导逆二项分布采样情形下患病率回归模型参数的Fisher信息矩阵,同时结合D-最优准则得出最优分组大小的表达式。这两部分考虑个体差异,利用个体患病率回归模型参数的Fisher信息矩阵极大化寻找最优分组大小,可以得到更精确的患病率参数估计。根据最优分组大小的表达式并考虑多种分组策略,进行模拟计算,并在患病率取群体均值和直接考虑个体患病率两种情形下寻求最优的组大小,使得相应的参数估计具有良好的统计性质。实例分析的数据来自肯尼亚进行的一项HIV病毒监测研究,根据最优分组大小的表达式找出了肯尼亚HIV检测样本在不同分组策略下的最优分组大小。最后提出后续研究的一些展望,以及将分组检测的最优分组大小方法应用于高校艾滋检测、社会流行疾病检测的建议。