Investigating the implications of COVID-19 for the rural and remote population of Northern Ontario using a mathematical model
Notice bibliographique
Résumé
Abstract Background COVID-19 has the potential to disproportionately affect the rural, remote, and Indigenous populations who typically have a worse health status and live in substandard housing, often with overcrowding. Our aim is to investigate the potential effect of COVID-19 on intensive care unit (ICU) resources and mortality in northwestern Ontario. Methods This study was conducted in northwestern Ontario which has a population of 230,000. A set of differential equations were used to represent a modified Susceptible-Infectious-Recovered (SIR) model with urban and rural hospital resources (i.e., ICU and hospital beds). Rural patients requiring ICU care flowed into the urban ICU. Sensitivity analyses were used to investigate the effect of poorer health status (i.e., increased hospital admission, ICU admission, and mortality) and overcrowding (i.e., increased contact rate) in the rural population as compared to the urban population. Physical distancing within the urban population was modelled as a decreased contact rate. Results At the highest contact rate, the peak in daily active cases, ICU bed requirements and mortality was higher and occurred earlier than lower contact rates. The urban population with a lower contact rate and baseline health status had a lower predicted prevalence of active cases and lower mortality than the rural population. Interpretation An increased contact rate and worse health status in the rural population will likely increase the required ICU resources and mortality as compared to the urban population. Rural populations will likely be affected disproportionately more than urban populations.
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 | 0,002 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».