Measures and Impact of Caseload Surge During the COVID-19 Pandemic: A Systematic Review*
Notice bibliographique
Résumé
OBJECTIVES: COVID-19 pandemic surges strained hospitals globally. We performed a systematic review to examine measures of pandemic caseload surge and its impact on mortality of hospitalized patients. DATA SOURCES: PubMed, Embase, and Web of Science. STUDY SELECTION: English-language studies published between December 1, 2019, and November 22, 2023, which reported the association between pandemic "surge"-related measures and mortality in hospitalized patients. DATA EXTRACTION: Three authors independently screened studies, extracted data, and assessed individual study risk of bias. We assessed measures of surge qualitatively across included studies. Given multidomain heterogeneity, we semiquantitatively aggregated surge-mortality associations. DATA SYNTHESIS: Of 17,831 citations, we included 39 studies, 17 of which specifically described surge effects in ICU settings. The majority of studies were from high-income countries ( n = 35 studies) and included patients with COVID-19 ( n = 31). There were 37 different surge metrics which were mapped into four broad themes, incorporating caseloads either directly as unadjusted counts ( n = 11), nested in occupancy ( n = 14), including additional factors (e.g., resource needs, speed of occupancy; n = 10), or using indirect proxies (e.g., altered staffing ratios, alternative care settings; n = 4). Notwithstanding metric heterogeneity, 32 of 39 studies (82%) reported detrimental adjusted odds/hazard ratio for caseload surge-mortality outcomes, reporting point estimates of up to four-fold increased risk of mortality. This signal persisted among study subgroups categorized by publication year, patient types, clinical settings, and country income status. CONCLUSIONS: Pandemic caseload surge was associated with lower survival across most studies regardless of jurisdiction, timing, and population. Markedly variable surge strain measures precluded meta-analysis and findings have uncertain generalizability to lower-middle-income countries (LMICs). These findings underscore the need for establishing a consensus surge metric that is sensitive to capturing harms in everyday fluctuations and future pandemics and is scalable to LMICs.
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 | 0,017 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,011 |
| Bibliométrie | 0,015 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».