Development and assessment of a hospital admissions-based syndromic surveillance system for COVID-19 in Ontario, Canada: ACES Pandemic Tracker
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has continued to pose a major global public health risk. The importance of public health surveillance systems to monitor the spread and impact of COVID-19 has been well demonstrated. The purpose of this study was to describe the development and effectiveness of a real-time public health syndromic surveillance system (ACES Pandemic Tracker) as an early warning system and to provide situational awareness in response to the COVID-19 pandemic in Ontario, Canada. METHODS: We used hospital admissions data from the Acute Care Enhanced Surveillance (ACES) system to collect data on pre-defined groupings of symptoms (syndromes of interest; SOI) that may be related to COVID-19 from 131 hospitals across Ontario. To evaluate which SOI for suspected COVID-19 admissions were best correlated with laboratory confirmed admissions, laboratory confirmed COVID-19 hospital admissions data were collected from the Ontario Ministry of Health. Correlations and time-series lag analysis between suspected and confirmed COVID-19 hospital admissions were calculated. Data used for analyses covered the period between March 1, 2020 and September 21, 2020. RESULTS: Between March 1, 2020 and September 21, 2020, ACES Pandemic Tracker identified 22,075 suspected COVID-19 hospital admissions (150 per 100,000 population) in Ontario. After correlation analysis, we found laboratory-confirmed hospital admissions for COVID-19 were strongly and significantly correlated with suspected COVID-19 hospital admissions when SOI were included (Spearman's rho = 0.617) and suspected COVID-19 admissions when SOI were excluded (Spearman's rho = 0.867). Weak to moderate significant correlations were found among individual SOI. Laboratory confirmed COVID-19 hospital admissions lagged in reporting by 3 days compared with suspected COVID-19 admissions when SOI were excluded. CONCLUSIONS: Our results demonstrate the utility of a hospital admissions syndromic surveillance system to monitor and identify potential surges in severe COVID-19 infection within the community in a timely manner and provide situational awareness to inform preventive and preparatory health interventions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».