Forecasting hospital demand in metropolitan areas during the current COVID-19 pandemic and estimates of lockdown-induced 2nd waves.
Forecasting hospital demand in metropolitan areas during the current COVID-19 pandemic and estimates of lockdown-induced 2nd waves.
复制标题
预测当前 COVID-19 大流行期间大都市地区的医院需求，以及对封锁引起的第二波需求的估计。
DOI：
10.1371/journal.pone.0245669
复制
发表时间：
2021
期刊：
影响因子：
3.7
通讯作者：
Christen JA
中科院分区：
文献类型：
--
作者：
Capistran MA;Capella A;Christen JA
我们提出了一个预测模型，旨在预测当前新冠肺炎大流行期间大都市地区的医院占有率。我们的SEIRD类型模型以无症状和症状感染为特色，具有详细的医院动态。我们对每个潜伏期和感染期的分枝概率和非指数滞留时间进行了显式建模。利用入院确诊病例和死亡病例，我们推导了接触率和动力系统的初始条件，考虑了断点来模拟封锁干预和由于封锁放松而增加的有效人口数量。后一种特征让我们可以模拟封锁引发的第二波。我们的贝叶斯方法使我们能够对医院需求做出及时的概率预测。我们已经应用该模型分析了墨西哥70多个大都会地区和32个州。
We present a forecasting model aim to predict hospital occupancy in metropolitan areas during the current COVID-19 pandemic. Our SEIRD type model features asymptomatic and symptomatic infections with detailed hospital dynamics. We model explicitly branching probabilities and non-exponential residence times in each latent and infected compartments. Using both hospital admittance confirmed cases and deaths, we infer the contact rate and the initial conditions of the dynamical system, considering breakpoints to model lockdown interventions and the increase in effective population size due to lockdown relaxation. The latter features let us model lockdown-induced 2nd waves. Our Bayesian approach allows us to produce timely probabilistic forecasts of hospital demand. We have applied the model to analyze more than 70 metropolitan areas and 32 states in Mexico.
登录
查看更多内容
DOI：
10.1073/pnas.2004064117
发表时间：
2020-04-21
影响因子：
11.1
作者：
Moghadas, Seyed M.;Shoukat, Affan;Galvani, Alison P.
通讯作者：
Galvani, Alison P.
影响因子：
3.8
作者：
Eksin, Ceyhun;Paarporn, Keith;Weitz, Joshua S.
通讯作者：
Weitz, Joshua S.
影响因子：
4.8
作者：
Linden, Andreas;Mantyniemi, Samu
通讯作者：
Mantyniemi, Samu
影响因子：
4.4
作者：
Andres Christen, J.;Fox, Colin
通讯作者：
Fox, Colin
影响因子：
19
作者：
Mizumoto, Kenji;Kagaya, Katsushi;Chowell, Gerardo
通讯作者：
Chowell, Gerardo