Derivation and Validation of a Point-based Forecasting Tool for SARS-CoV-2 Critical Care Occupancy
Notice bibliographique
Résumé
Background The requirement for critical care in even a modest fraction of SARS-CoV-2 infected individuals made ICU resources an important societal chokepoint during the recent pandemic. We developed a simple regression-based point score in 2020 based on an objective of forecasting critical care occupancy in the Canadian province of Ontario based on mean age of cases, case numbers, and testing volume. Evolution of the pandemic (variants of concern, vaccination) led us to re-assess and re-calibrate our earlier work, with inclusion of information vaccination which became widespread in 2021. Methods We obtained complete provincial SARS-CoV-2 case, testing, and vaccination data for the period from March 2020 to September 2022, with data subdivided into 6 major “waves”, following the approach applied by other Canadian investigators. Our initial model was fit only using the first two “wild type” SARS-CoV-2 waves; an updated model included wave 3 (N501Y+ variants). Our model was validated by comparing model projections to waves not used for model fitting; validation model fits were evaluated with Spearman’s rho; counterfactuals without vaccination were modeled to impute fraction of critical care admissions prevented with vaccination. Costing was based on published economic estimates. Results Our initial model (fit to waves 1 and 2) was well calibrated (rho 0.85) but predictive validity was modest (rho 0.46). Predictive validity improved in models fit to the first 3 pandemic waves without vaccination (rho 0.60) or with vaccination (rho 0.68) (P for inclusion of vaccination 0.013 by Likelihood Ratio Test). Prevented fraction of ICU admissions attributable to vaccination was 144% (22017 admissions expected vs. 9020 observed); based on published estimates of ICU admission cost for SARS-CoV-2 the 12977 admissions averted $2.9 (CDN) billion in economic costs, in contrast to the $3 billion total cost of the vaccination program. Conclusions Simple time series regression incorporating case and testing characteristics continues to be useful as a tool for forecasting critical care occupancy due to SARS-CoV-2 but early pandemic models need to be updated to capture the preventive effects of widespread vaccination. The economic benefit of vaccination for prevention of critical care resource consumption during the pandemic is substantial, achieving near cost neutrality with the province’s entire vaccination program.
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 | 0,006 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».