Surge Capacity: Analysis of Census Fluctuations to Estimate the Number of Intensive Care Unit Beds Needed
Notice bibliographique
Résumé
OBJECTIVE: To compare methods of characterizing intensive care unit (ICU) bed use and estimate the number of beds needed. STUDY SETTING: Three geographic regions in the Canadian province of Manitoba. STUDY DESIGN: Retrospective analysis of population-based data from April 1, 2000, to March 31, 2007. METHODS: We compared three methods to estimate ICU bed requirements. Method 1 analyzed yearly patient-days. Methods 2 and 3 analyzed day-to-day fluctuations in patient census; these differed by whether each hospital needed to independently fulfill its own demand or this resource was shared across hospitals. PRINCIPAL FINDINGS: Three main findings were as follows: (1) estimates based on yearly average usage generally underestimated the number of beds needed compared to analysis of fluctuations in census, especially in the smaller regions where underestimation ranged 25-58 percent; (2) 4-29 percent fewer beds were needed if it was acceptable for demand to exceed supply 18 days/year, versus 4 days/year; and (3) 13-36 percent fewer beds were needed if hospitals within a region could effectively share ICU beds. CONCLUSIONS: Compared to using yearly averages, analyzing day-to-day fluctuations in patient census gives a more accurate picture of ICU bed use. Failing to provide adequate "surge capacity" can lead to demand that frequently and severely exceeds supply.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».