Evaluating the Need for Routine COVID-19 Testing of Emergency Department Staff: Quantitative Analysis
Notice bibliographique
Résumé
Background As the number of COVID-19 cases in the US continues to increase and hospitals experience shortage of personal protective equipment (PPE), health care workers have been disproportionately affected. However, since COVID-19 testing is now easily available, there is a need to evaluate whether routine testing should be performed for asymptomatic health care workers. Objective This study aimed to provide a quantitative analysis of the predicted impact that regular testing of health care workers for COVID-19 may have on the prevention of the disease among emergency department patients and staff. Methods Using publicly available data on COVID-19 cases and emergency department visits, as well as internal hospital staffing information, we developed a mathematical model to predict the impact of periodic COVID-19 testing of asymptomatic staff members of the emergency department in COVID-19–affected regions. We calculated various transmission constants based on the Diamond Princess cruise ship data, used a logistic model to calculate new infections, and developed a Markov model based on the average incubation period for COVID-19. Results Our model predicts that after 180 days, with a transmission constant of 1.219e-4 new infections/person2, weekly COVID-19 testing of health care workers would reduce new health care worker and patient infections by approximately 3%-5.9%, and biweekly testing would reduce infections in both by 1%-2.1%. At a transmission constant of 3.660e-4 new infections/person2, weekly testing would reduce infections by 11%-23% and biweekly testing would reduce infections by 5.5%-13%. At a lower transmission constant of 4.067e-5 new infections/person2, weekly and biweekly COVID-19 testing for health care workers would result in an approximately 1% and 0.5%-0.8% reduction in infections, respectively. Conclusions Periodic COVID-19 testing for emergency department staff in regions that are heavily affected by COVID-19 or are facing resource constraints may significantly reduce COVID-19 transmission among health care workers and previously uninfected patients.
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 | 0,017 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 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 ».