COVID-19 Pandemic: Did Strict Mobility Restrictions Save Lives and Healthcare Costs in Maharashtra, India?
Notice bibliographique
Résumé
INTRODUCTION: Maharashtra, India, remained a hotspot during the COVID-19 pandemic. After the initial complete lockdown, the state slowly relaxed restrictions. We aim to estimate the lockdown's impact on COVID-19 cases and associated healthcare costs. METHODS: , we predicted new cases for the rest of the restriction phases, and we compared them with the actual number of cases during each phase. Furthermore, using the published and gray literature, we estimated the costs and savings of implementing these restrictions for the projected period, and we performed a sensitivity analysis. RESULTS: during the different phases was 1.14 (95% CI: 0.85, 1.45) for pre-lockdown, 1.67 (95% CI: 1.50, 1.82) for phase 1 (strict mobility restrictions), 1.24 (95% CI: 1.12, 1.35) for phase 2 (extension of phase 1 with no restrictions on agricultural and essential services), 1.12 (95% CI: 1.01, 1.23) for phase 3 (extension of phase 2 with mobility relaxations in areas with few infections), and 1.05 (95% CI: 0.99, 1.123) for phase 4 (implementation of localized lockdowns in high-case-load areas with fewer restrictions on other areas), respectively. The corresponding doubling time rate for cases (in days) was 17.78 (95% CI: 5.61, -15.19), 3.87 (95% CI: 3.15, 5.00), 10.37 (95% CI: 7.10, 19.30), 20.31 (95% CI: 10.70, 212.50), and 45.56 (95% CI: 20.50, -204.52). For the projected period, the cases could have reached 631,819 without the lockdown, as the actual reported number of cases was 64,975. From a healthcare perspective, the estimated total value of averted cases was INR 194.73 billion (USD 2.60 billion), resulting in net cost savings of 84.05%. The Incremental Cost-Effectiveness Ratio (ICER) per Quality Adjusted Life Year (QALY) for implementing the lockdown, rather than observing the natural course of the pandemic, was INR 33,812.15 (USD 450.83). CONCLUSION: Maharashtra's early public health response delayed the pandemic and averted new cases and deaths during the first wave of the pandemic. However, we recommend that such restrictions be carefully used while considering the local socio-economic realities in countries like India.
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 | 0,003 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».