Estimating healthcare resource needs for COVID-19 patients in Nigeria
Notice bibliographique
Résumé
Abstract Background Predicting potential healthcare resource use under different scenarios will help to prepare the healthcare system for a surge in COVID-19 patients. In this study, we aim to predict the effect of COVID-19 on hospital resources in Nigeria. Method We adopted a previously published discrete-time, individual-level, health-state transition model of symptomatic COVID-19 patients to the Nigerian healthcare system and COVID-19 epidemiology. We simulated different combined scenarios of epidemic trajectories and acute care capacity. Primary outcomes included expected cumulative number of cases, days until depletion resources, and number of deaths associated with resource constraints. Outcomes were predicted over a 60-day time horizon. Results In our best-case epidemic trajectory, which implies successful implementation of public health measures to control COVID-19 spread, the current number of ventilator resources in Nigeria (conservative resources scenario), were expended within five days, and 901 patients may die while waiting for hospital resources in conservative resource scenario. In our expanded resource scenarios, ventilated ICU beds were depleted in all three epidemic trajectories within 60 days. Acute care resources were only sufficient in the best-case and intermediate epidemic scenarios, combined with a substantial increase in healthcare resources. Conclusion Current hospital resources are inadequate to manage the COVID-19 pandemic in Nigeria. Given Nigeria’s limited resources, it is imperative to increase healthcare resources and maintain aggressive public health measures to reduce COVID-19 transmission. KEY QUESTIONS What is already known on this subject? While western countries seem to be recovering from the COVID-19 pandemic, there is an increasing community spread of the virus in many African countries. The limited healthcare resources available in the region may not be sufficient to cope with increasing numbers of COVID-19 cases. What this study adds? Using the COVID-19 Resource Estimator (CORE) model, we demonstrate that implementing and maintaining aggressive public health measures to keep the epidemic growth at a low rate, while simultaneously substantially increasing healthcare resources is critical to minimize the impact of COVID-19 on morbidity and mortality. The impact of COVID-19 in low resource settings will likely overwhelm health system capacity if aggressive public health measures are not implemented. To mitigate the impact of COVID-19 in these settings, it is essential to develop strategies to substantially increase health system capacities, including hospital resources, personal protective equipment and trained healthcare personnel and to implement and maintain aggressive public health measures.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».