Projection de la demande de lits de soins intensifs durant l’épidémie de COVID-19 au Canada
Bibliographic record
Abstract
RÉSUMÉ CONTEXTE: La hausse des cas de maladie à coronavirus 2019 (COVID-19) au Canada peut créer une forte demande de soins hospitaliers et de soins intensifs. Nous avons évalué la mesure dans laquelle l’isolement volontaire des personnes présentant des symptômes légers retarde le sommet épidémique et réduit la demande de soins dans chaque province canadienne. MÉTHODES: Nous avons conçu un modèle de calcul et fait des simulations de la propagation de la COVID-19 dans chaque province. À partir des estimations des caractéristiques de la COVID-19, nous avons évalué la demande de lits d’hôpital et de lits de soins intensifs en l’absence d’isolement volontaire en supposant une moyenne de 2,5 cas secondaires, et avons comparé des scénarios en faisant varier le taux d’isolement volontaire des cas légers 24 heures après l’apparition des symptômes. RÉSULTATS: En l’absence d’isolement volontaire, l’épidémie atteindrait son sommet dans la première moitié de juin, et il faudrait en moyenne 569 jours-lits de soins intensifs par 10 000 habitants. Avec un taux d’isolement volontaire de 20 %, l’atteinte du sommet serait repoussée de 2 à 4 semaines, et la demande de lits diminuerait de 23,5 %; avec un taux de 40 %, le sommet serait repoussé de 2 à 4 semaines supplémentaires, et la demande de lits connaîtrait une baisse de 53,6 %. En fixant le taux d’occupation actuel des lits de soins intensifs à plus de 80 % et le taux d’isolement volontaire à 40 %, la demande de lits demeure supérieure au nombre de lits disponibles. INTERPRÉTATION: Au sommet de l’épidémie de COVID-19 au Canada, la demande de lits de soins intensifs excédera le nombre total de lits disponibles, même avec un taux d’isolement volontaire de 40 %. Nos résultats montrent que la situation sera difficile pour le système de santé et que l’isolement volontaire pourrait réduire la demande de soins hospitaliers et de soins intensifs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".