Using Administrative Data to Incorporate Age and Sex-Dependent Resource Use for COVID-19 Acute Care Resource Use Simulations in Ontario, Canada
Notice bibliographique
Résumé
Abstract As the COVID-19 pandemic has progressed, more local data has become available, enabling a more granular modeling approach. In March 2020, we developed a COVID-19 Resource Estimator (CORE) model to estimate the acute care resource use in Ontario, Canada. In this paper, we describe the evolution of CORE2.0 to incorporate age, sex, and time-dependent acute care resource use, length of stay, and mortality to simulate hospital occupancy. Demographics (e.g., age and sex) of infected cases are informed by 4-month averages between March-June, and July-October using 10-year age groups. The probability of hospitalization, ICU admission, and requiring mechanical ventilation are all age and sex-dependent. LOS for each acute care level ranges from 5.7 to 16.15 days in the ward, 6.5 to 10.7 days in the ICU without ventilation, and 14.8 to 21.6 days on the ventilator, depending on month of infection. We calibrated some LOS components to reported ward and ICU occupancy between June 15 and October 31, 2020. Furthermore, we demonstrate the use of CORE2.0 for a regional analysis of Region of Waterloo, Ontario, Canada to simulate the ward bed, ICU bed, and ventilator occupancies for 30 days starting December 2020 for three case trajectory scenarios. Moving forward, this model has become highly flexible and customizable to data updates, and can better inform acute care planning and public measures as the pandemic progresses.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».