A Joint Temporal Model for Hospitalizations and ICU Admissions Due to COVID‐19 in Quebec
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Infectious respiratory diseases have been of interest in recent years for the great burden they place on health systems, for instance, the severe acute respiratory syndrome coronavirus 2 (SARS‐CoV‐2) that caused the global COVID‐19 pandemic. As many of these diseases might require hospitalization and even intensive care unit (ICU) admission, understanding the joint dynamics of hospitalizations and ICU admissions across time and different groups of the population remains of great importance. We aim to understand the joint evolution of hospital and ICU admissions given COVID‐19 test‐positive cases in the province of Quebec, Canada. We obtain the daily counts, by age group, on the number of confirmed COVID‐19 cases, the number of hospitalizations and the number of ICU admissions due to COVID‐19, from March 2020 through October 2021 in Quebec. We propose a joint Bayesian generalized dynamic linear model for the number of hospitalizations and ICU admissions to study their temporal trends and possible associations with sex and age group. Additionally, we use transfer functions to investigate if there is a memory effect of the number of cases on hospitalizations across the different age groups. The results suggest that there is a clear distinction in the patterns of hospitalizations and ICU admissions across age groups and that the number of cases has a persistent effect on the rate of hospitalization.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle