The Impact of Halting Elective Admissions in Anticipation of a Demand Surge Due to the Coronavirus Pandemic (COVID-19)
Notice bibliographique
Résumé
BACKGROUND: In anticipation of a demand surge for hospital beds attributed to the coronavirus pandemic (COVID-19) many US states have mandated that hospitals postpone elective admissions. OBJECTIVES: To estimate excess demand for hospital beds due to COVID-19, the net financial impact of eliminating elective admissions in order to meet demand, and to explore the scenario when demand remains below capacity. RESEARCH DESIGN: An economic simulation to estimate the net financial impact of halting elective admissions, combining epidemiological reports, the US Census, American Hospital Association Annual Survey, and the National Inpatient Sample. Deterministic sensitivity analyses explored the results while varying assumptions for demand and capacity. SUBJECTS: Inputs regarding disease prevalence and inpatient utilization were representative of the US population. Our base case relied on a hospital admission rate reported by the Center for Disease Control and Prevention of 137.6 per 100,000, with the highest rates in people aged 65 years and older (378.8 per 100,000) and 50-64 years (207.4 per 100,000). On average, elective admissions accounted for 20% of total hospital admissions, and the average rate of unoccupied beds across hospitals was 30%. MEASURES: Net financial impact of halting elective admissions. RESULTS: On average, hospitals COVID-19 demand for hospital bed-days fell well short of hospital capacity, resulting in a substantial financial loss. The net financial impact of a 90-day COVID surge on a hospital was only favorable under a narrow circumstance when capacity was filled by a high proportion of COVID-19 cases among hospitals with low rates of elective admissions. CONCLUSIONS: Hospitals that restricted elective care took on a substantial financial risk, potentially threatening viability. A sustainable public policy should therefore consider support to hospitals that responsibly served their communities through the crisis.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».