MétaCan
Menu
Retour à la cohorte
Enregistrement W3099964593 · doi:10.1371/journal.pone.0241954

Projected impact of COVID-19 mitigation strategies on hospital services in the Mexico City Metropolitan Area

2020· article· en· W3099964593 sur OpenAlexaff
Zachary Fowler, Ellie Moeller, Lina Roa, Isaac Deneb Castañeda-Alcántara, Tarsicio Uribe‐Leitz, John G. Meara, A Cervantes

Notice bibliographique

RevuePLoS ONE · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSocial distanceMetropolitan areaCoronavirus disease 2019 (COVID-19)PandemicMedicineOccupancyIntensive care unitGovernment (linguistics)Emergency medicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Environmental healthGeographyDemographyMedical emergencyIntensive care medicineDiseaseInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Evidence-based models may assist Mexican government officials and health authorities in determining the safest plans to respond to the coronavirus disease 2019 (COVID-19) pandemic in the most-affected region of the country, the Mexico City Metropolitan Area. This study aims to present the potential impacts of COVID-19 in this region and to model possible benefits of mitigation efforts. The COVID-19 Hospital Impact Model for Epidemics was used to estimate the probable evolution of COVID-19 in three scenarios: (i) no social distancing, (ii) social distancing in place at 50% effectiveness, and (iii) social distancing in place at 60% effectiveness. Projections of the number of inpatient hospitalizations, intensive care unit admissions, and patients requiring ventilators were made for each scenario. Using the model described, it was predicted that peak case volume at 0% mitigation was to occur on April 30, 2020 at 11,553,566 infected individuals. Peak case volume at 50% mitigation was predicted to occur on June 1, 2020 with 5,970,093 infected individuals and on June 21, 2020 for 60% mitigation with 4,128,574 infected individuals. Occupancy rates in hospitals during peak periods at 0%, 50%, and 60% mitigation would be 875.9%, 322.8%, and 203.5%, respectively, when all inpatient beds are included. Under these scenarios, peak daily hospital admissions would be 40,438, 13,820, and 8,650. Additionally, 60% mitigation would result in a decrease in peak intensive care beds from 94,706 to 23,116 beds and a decrease in peak ventilator need from 67,889 to 17,087 units. Mitigating the spread of COVID-19 through social distancing could have a dramatic impact on reducing the number of infected people and minimize hospital overcrowding. These evidence-based models may enable careful resource utilization and encourage targeted public health responses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,119
Score d'incertitude au seuil0,238

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,322
Tête enseignante GPT0,412
Écart entre enseignants0,090 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetCOVID-19 epidemiological studiesTravaux en français237 207