英国 COVID-19 的医院需求与容量干预方法
种群与进化
2023-05-17 v2 综合数学
物理与社会
摘要
文献中对缓解流行病与大流行的干预措施的数学解释常涉及寻找启动干预的最佳时机和/或利用感染来管理影响。尽管这些方法在理论上可行，但实施时可能需要处于流行病之中时很可能无法获得的信息，或可能需要关于社区感染水平的完美数据。实际上，检测与病例数据仅与实施政策和个体依从性相当，这意味着从所提供的数据中理解感染水平变得困难或复杂。本文旨在发展一种不同的干预数学建模方法，不基于最优性，而基于必须日常应对流行病的的地方当局的需求与容量。特别地，我们使用数据驱动建模来校准易感-暴露-感染-恢复-死亡（SEIR-D）模型，以推断英国某地区流行病动态的参数。我们利用校准参数进行情景预测，并在给定医院医疗服务最大容量的前提下，理解干预时机、干预严重程度和干预解除条件如何影响整体流行病态势。
引用
@article{arxiv.2012.15392,
title = {A hospital demand and capacity intervention approach for COVID-19 in the UK},
author = {James Van Yperen and Eduard Campillo-Funollet and Rebecca Inkpen and Anjum Memon and Anotida Madzvamuse},
journal= {arXiv preprint arXiv:2012.15392},
year = {2023}
}