COVID-19: Adaptation of a model to predict healthcare resource needs in Valle del Cauca, Colombia
Notice bibliographique
Résumé
Background: Valle del Cauca is the region with the fourth-highest number of COVID-19 cases in Colombia (>50,000 on September 7, 2020). Due to the lack of anti-COVID-19 therapies, decision-makers require timely and accurate data to estimate the incidence of disease and the availability of hospital resources to contain the pandemic. Methods: We adapted an existing model to the local context to forecast COVID-19 incidence and hospital resource use assuming different scenarios: (1) the implementation of quarantine from September 1st to October 15th (average daily growth rate of 2%); (2-3) partial restrictions (at 4% and 8% growth rates); and (4) no restrictions, assuming a 10% growth rate. Previous scenarios with predictions from June to August were also presented. We estimated the number of new cases, diagnostic tests required, and the number of available hospital and intensive care unit (ICU) beds (with and without ventilators) for each scenario. Results: We estimated 67,700 cases by October 15th when assuming the implementation of a quarantine, 80,400 and 101,500 cases when assuming partial restrictions at 4% and 8% infection rates, respectively, and 208,500 with no restrictions. According to different scenarios, the estimated demand for reverse transcription-polymerase chain reaction tests ranged from 202,000 to 1,610,600 between September 1st and October 15th. The model predicted depletion of hospital and ICU beds by September 20th if all restrictions were to be lifted and the infection growth rate increased to 10%. Conclusion: Slowly lifting social distancing restrictions and reopening the economy is not expected to result in full resource depletion by October if the daily growth rate is maintained below 8%. Increasing the number of available beds provides a safeguard against slightly higher infection rates. Predictive models can be iteratively used to obtain nuanced predictions to aid decision-making
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 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».