MétaCan
Menu
Retour à la cohorte
Enregistrement W2626464112 · doi:10.1371/journal.pone.0179315

Modelling community-control strategies to protect hospital resources during an influenza pandemic in Ottawa, Canada

2017· article· en· W2626464112 sur OpenAlexafffundabout
Patrick Saunders‐Hastings, Bryson Quinn Hayes, Robert J. Smith, Daniel Krewski

Notice bibliographique

RevuePLoS ONE · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Ottawa
Mots-clésPsychological interventionPandemicMedicinePopulationEnvironmental healthInfluenza pandemicPublic healthCoronavirus disease 2019 (COVID-19)Infectious disease (medical specialty)DiseaseNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A novel influenza virus has emerged to produce a global pandemic four times in the past one hundred years, resulting in millions of infections, hospitalizations and deaths. There is substantial uncertainty about when, where and how the next influenza pandemic will occur. METHODS: We developed a novel mathematical model to chart the evolution of an influenza pandemic. We estimate the likely burden of future influenza pandemics through health and economic endpoints. An important component of this is the adequacy of existing hospital-resource capacity. Using a simulated population reflective of Ottawa, Canada, we model the potential impact of a future influenza pandemic under different combinations of pharmaceutical and non-pharmaceutical interventions. RESULTS: There was substantial variation in projected pandemic impact and outcomes across intervention scenarios. In a population of 1.2 million, the illness attack rate ranged from 8.4% (all interventions) to 54.5% (no interventions); peak acute care hospital capacity ranged from 0.2% (all interventions) to 13.8% (no interventions); peak ICU capacity ranged from 1.1% (all interventions) to 90.2% (no interventions); and mortality ranged from 11 (all interventions) to 363 deaths (no interventions). Associated estimates of economic burden ranged from CAD $115 million to over $2 billion when extended mass school closure was implemented. DISCUSSION: Children accounted for a disproportionate number of pandemic infections, particularly in household settings. Pharmaceutical interventions effectively reduced peak and total pandemic burden without affecting timing, while non-pharmaceutical measures delayed and attenuated pandemic wave progression. The timely implementation of a layered intervention bundle appeared likely to protect hospital resource adequacy in Ottawa. The adaptable nature of this model provides value in informing pandemic preparedness policy planning in situations of uncertainty, as scenarios can be updated in real time as more data become available. However-given the inherent uncertainties of model assumptions-results should be interpreted with caution.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,331

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,281
Tête enseignante GPT0,363
Écart entre enseignants0,082 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetCOVID-19 epidemiological studiesTravaux en français237 207