Estimated surge in hospitalization and intensive care due to the novel coronavirus pandemic in the Greater Toronto Area, Canada: a mathematical modeling study with application at two local area hospitals
Notice bibliographique
Résumé
Abstract Background A hospital-level pandemic response involves anticipating local surge in healthcare needs. Methods We developed a mechanistic transmission model to simulate a range of scenarios of COVID-19 spread in the Greater Toronto Area. We estimated healthcare needs against 2019 daily admissions using healthcare administrative data, and applied outputs to hospital-specific data on catchment, capacity, and baseline non-COVID admissions to estimate potential surge by day 90 at two hospitals (St. Michael’s Hospital [SMH] and St. Joseph’s Health Centre [SJHC]). We examined fast/large, default, and slow/small epidemics, wherein the default scenario (R0 2.4) resembled the early trajectory in the GTA. Results Without further interventions, even a slow/small epidemic exceeded the city’s daily ICU capacity for patients without COVID-19. In a pessimistic default scenario, for SMH and SJHC to remain below their non-ICU bed capacity, they would need to reduce non-COVID inpatient care by 70% and 58% respectively. SMH would need to create 86 new ICU beds, while SJHC would need to reduce its ICU beds for non-COVID care by 72%. Uncertainty in local epidemiological features was more influential than uncertainty in clinical severity. If physical distancing reduces contacts by 20%, maximizing the diagnostic capacity or syndromic diagnoses at the community-level could avoid a surge at each hospital. Interpretation As distribution of the city’s surge varies across hospitals over time, efforts are needed to plan and redistribute ICU care to where demand is expected. Hospital-level surge is based on community-level transmission, with community-level strategies key to mitigating each hospital’s surge.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».