Reprise du retard en chirurgie causé par la COVID-19 en Ontario : étude de modélisation de séries chronologiques
Notice bibliographique
Résumé
CONTEXTE: Pour limiter la propagation de la maladie à coronavirus 2019 (COVID-19), de nombreux pays ont décidé de réduire le nombre d’interventions chirurgicales non urgentes, ce qui a créé des retards en chirurgie partout dans le monde. Notre objectif était d’évaluer l’ampleur du retard pour ce type d’interventions en Ontario, au Canada, ainsi que le temps et les ressources nécessaires pour y remédier. MÉTHODES: Nous avons consulté 6 bases de données administratives décrivant la population ontarienne et canadienne pour dégager la distribution du volume chirurgical et de la cadence des salles d’opération pour chaque type d’interventions et chaque région, et connaître la durée d’occupation d’un lit d’hôpital et d’un lit de soins intensifs. Les données utilisées concernent l’ensemble ou une partie de la période du 1er janvier 2017 au 13 juin 2020. Nous avons estimé l’ampleur du retard accumulé et prédit le temps nécessaire pour le reprendre dans un scénario avec capacité d’appoint de + 10 % (ajout d’un jour à 50 % de la capacité par semaine) à l’aide de modèles de séries chronologiques, de modèles de files d’attente et d’une analyse de sensibilité probabiliste. RÉSULTATS: Entre le 15 mars et le 13 juin 2020, le retard en chirurgie à l’échelle de l’Ontario s’est accru de 148 364 opérations (intervalle de prévision à 95 % 124 508–174 589) au total, et en moyenne de 11 413 opérations par semaine. Pour reprendre le retard accumulé, il faudra environ 84 semaines (intervalle de confiance [IC] à 95 % 46–145) et une cadence hebdomadaire de 717 patients (IC à 95 % 326–1367), qui elle demande 719 heures passées au bloc opératoire (IC à 95 % 431–1038), 265 lits d’hôpital (IC à 95 % 87–678) et 9 lits de soins intensifs (IC à 95 % 4–20) par semaine. INTERPRÉTATION: L’ampleur du retard en chirurgie dû à la COVID-19 laisse entrevoir de graves conséquences pour la phase de reprise en Ontario. Le cadre qui nous a servi à modéliser la reprise du retard peut être adapté ailleurs, avec des données locales, pour faciliter la planification.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».