Covid-19 —— 一种用于预测疾病早期阶段 ICU 负荷的简单统计模型
种群与进化
2020-07-28 v2 应用统计
摘要
当前 COVID-19 大流行的一个主要瓶颈是重症监护床位数量有限。由于感染的动态发展，以及患者被感染与其中一部分进入重症监护病房（ICU）之间存在时间滞后，未来重症监护需求很容易被低估。为从报告感染数推断未来 ICU 负荷，我们提出一个简单统计模型，其（1）考虑时间滞后，（2）允许基于感染的不同未来增长进行预测。我们针对三个地区评估了模型：柏林（德国）、伦巴第（意大利）和马德里（西班牙）。在广泛防控措施生效前，我们首先估计了各地区特定模型参数。对柏林，6% 的 ICU 率、6 天的时间滞后和 12 天的平均住院时间对数据拟合最佳；而对伦巴第和马德里，ICU 率更高（18% 和 15%），时间滞后（0 和 3 天）和平均住院时间（4 和 8 天）更短。随后利用各地区特定模型，假设持续指数期（增长率 0–15% 变化）或线性增长来预测未来 ICU 负荷。因此，该模型有助于预测 ICU 容量可能被突破的情况。尽管我们的预测基于小数据集且忽略非平稳动态，但模型简单、稳健，可在疾病早期数据稀缺时使用。
引用
@article{arxiv.2004.03384,
title = {Covid-19 -- A simple statistical model for predicting ICU load in early phases of the disease},
author = {Matthias Ritter and Derek V. M. Ott and Friedemann Paul and John-Dylan Haynes and Kerstin Ritter},
journal= {arXiv preprint arXiv:2004.03384},
year = {2020}
}