Analysis of the Healthcare MERS-CoV Outbreak in King Abdulaziz Medical Center, Riyadh, Saudi Arabia, June–August 2015 Using a SEIR Ward Transmission Model
Notice bibliographique
Résumé
Middle East respiratory syndrome coronavirus (MERS-CoV) is an emerging zoonotic coronavirus that has a tendency to cause significant healthcare outbreaks among patients with serious comorbidities. We analyzed hospital data from the MERS-CoV outbreak in King Abdulaziz Medical Center, Riyadh, Saudi Arabia, June–August 2015 using the susceptible-exposed-infectious-recovered (SEIR) ward transmission model. The SEIR compartmental model considers several areas within the hospital where transmission occurred. We use a system of ordinary differential equations that incorporates the following units: emergency department (ED), out-patient clinic, intensive care unit, and hospital wards, where each area has its own carrying capacity and distinguishes the transmission by three individuals in the hospital: patients, health care workers (HCW), or mobile health care workers. The emergency department, as parameterized has a large influence over the epidemic size for both patients and health care workers. Trend of the basic reproduction number (R0), which reached a maximum of 1.39 at the peak of the epidemic and declined to 0.92 towards the end, shows that until added hospital controls are introduced, the outbreak would continue with sustained transmission between wards. Transmission rates where highest in the ED, and mobile HCWs were responsible for large part of the outbreak.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».