COVID-19 خطر مدل با استفاده از بیمارستان داده برای هدایت تصمیم گیری های اجتماعی فاصله

با جوامع در سراسر ایالات متحده برای مبارزه با موج در COVID-19 نفر و بستری شدن در بیمارستان محققان در دانشگاه تگزاس در آستین و دانشگاه را ایجاد یک چارچوب است که کمک می کند تا سیاستگذاران تعیین کنید که اطلاعات برای پیگیری و زمانی که به اقدام برای حفاظت از جوامع خود. این مدل مشخص می کند یک سری از نقاط ماشه ای برای کمک به نهادهای محلی می دانم زمانی که به سفت اجتماعی فاصله گرفتن اقدامات لازم برای جلوگیری از بیمارستان ها از تاخت و تاز کردن توسط ویروس بیماران. این روش نیز با هدف به حداقل رساندن تاثیر اقتصادی به جوامع نشان می دهد اولین بار با خیال راحت و آرامش بخش محدودیت.

چارچوب توضیح داده شده است در یک مقاله جدید از امروز در مجموعه مقالات آکادمی ملی علوم.
ایالات متحده’ ادامه داد: نرخ بالای عفونت معنی قانونگذاران در سراسر کشور نیاز به ادامه به تصمیم گیری در مورد احیا و آرامش بخش اجتماعی-فاصله گرفته است. با استفاده از بیمارستان داده های مدل های جدید اجازه می دهد تا رهبران محلی زمانی که آن زمان به شیر ترمز در بازگشایی در مقابل کاهش محدودیت.

برای مثال در Austin, تگزاس افسران اعمال این چارچوب برای کمک به رهبران شهر تصمیم می گیرید که به ضامن میان پنج COVID-19 هشدار سطوح. این شهر در حال حاضر با پیگیری روزانه تعداد بستری شدن در بیمارستان و آن را به تازگی محکم اقدامات هنگامی که داده ها از پیشی گرفتن تجویز آستانه.

“ما به توسعه این چارچوب به اطمینان حاصل شود که COVID-19 هرگز تحت الشعاع محلی مراقبت های بهداشتی ظرفیت در حالی که به حداقل رساندن اقتصادی و اجتماعی هزینه های سخت اجتماعی-فاصله اقدامات گفت:” لورن Ancel Meyers, همکاری نویسنده این مقاله و مدیر دانشگاه تگزاس COVID-19 مدلسازی کنسرسیوم.

شمال غربی دانیل Duque, اولین نویسنده و گفت که “این رویکرد فراهم می کند و نشانه ای روشن از زمانی که اقدامات باید به تصویب و آرام برای مدیریت خطر است.”

وجود دو مولفه های کلیدی برای موفقیت در اجرای استراتژی-از نزدیک نظارت بر اطلاعات در مورد بستری شدن در بیمارستان برای COVID-19 و حصول اطمینان از جوامع محافظت از کسانی که بیشتر در معرض این بیماری است.

“در حالی که بسیاری از شهرستانها اجرا کرده اند هشدار سطوح و سیاست های جدید تحقیقات ما ممکن است برای اولین بار به ارائه راهنمایی روشن برای دقیقا همان چیزی است که آهنگ (بیمارستان پذیرش داده) و دقیقا زمانی که به عمل (سخت آستانه) گفت:” دیوید مورتون صندلی و استاد مهندسی صنایع و مدیریت علوم در شمال غرب و همکاری نویسنده این مقاله است. “جوامع نیاز به عمل قبل از بیمارستان تبدیل به موج خطرناک است. بیمارستان پذیرش داده به یک نشانه اولیه سریع همه گیر رشد و ردیابی است که داده ها را تضمین خواهد کرد که بیمارستان ها حفظ ظرفیت کافی.”
در هفته های اخیر مقامات بهداشت عمومی ابراز نگرانی که بستری داده شده است متناقض به عنوان دولت فدرال منتقل داده ها به یک پورتال جدید مستقر در وزارت بهداشت و خدمات انسانی.

“COVID-19 بستری اطلاعات حیاتی برای ردیابی تغییر سرعت همه گیر و اطلاع رسانی خوب تصمیم گیری” مایرز گفت.

این تیم همچنین مشخص شد که جلوگیری از یک unmanageable افزایش بستری شدن در بیمارستان نیاز به پایبندی به سخت اجتماعی فاصله برای در معرض خطر جمعیت به عنوان شناخته شده cocooning. برای مثال محققان تخمین زده می شود که عدم حفاظت از جمعیت های آسیب پذیر بیش از دو برابر و در نتیجه مرگ و میر نیز در حالی که با دو برابر شدن تعداد روز در lockdown برای جلوگیری از overrunning بیمارستان.

چارچوب ترکیبی از دو مدل های ریاضی: زمینه ای مدل است که پیش بینی که چگونه همه گیر خواهد شد و به احتمال زیاد گسترش و بهینه سازی مدل استفاده می کند که پذیرش داده از آستین بیمارستان سیستم. آن را تلاش برای راه رفتن در یک خط خوب برای جلوگیری از فاجعه اقتصادی و نگه داشتن بیمارستان سیستم از غرق شدن. هر چند محققان با استفاده Austin اطلاعات این چارچوب می تواند به راحتی استفاده می شود با دیگر جوامع با در دسترس عموم بیمارستان پذیرش داده.

“این است که یک چارچوب عمومی است که می تواند مورد استفاده برای طراحی چند مرحله ای باعث-و نه فقط برای مستندات اما برای حرکت بین فازهای — دقیقا مانند ما انجام داده اند Austin” مورتون گفت. “چارچوب ما در حال حاضر هدایت سیاست های تغییرات در آستین.”

###

در علاوه بر این به, جق زدن دوقو و مورتون Zhanwei Du و رمی پاسکو در UT Austin و بیسمارک سینگ از Friedrich-Alexander-Universität کمک به تحقیقات. این پژوهش از بودجه توسط موسسه ملی بهداشت و وزارت امنیت داخلی ایالات متحده.

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.

tinyurlis.gdclck.ruulvis.netshrtco.de