没有合适的资源?快使用搜索试试~ 我知道了~
医学信息学与COVID-19疫情的资源配置决策支持工具
医学信息学解锁24(2021)1006182004年医院资源配置决策支持工具COVID-19疫情Sven Brüggemanna,*,Theodore Chanb,Gabriel Wardi b,Jess Mandel b,John Fontanesi b,Robert R.比特米德aa美国加州大学圣地亚哥分校机械&b加州大学圣地亚哥分校医学院,美国A R T I C L EI N FO保留字:实时资源规划COVID-19SARS-CoV-2内部患者建模资源分配人员配备Web应用程序应急计划应急计划情景模拟应急模拟Erlang分布A B S T R A C TSARS-CoV-2(COVID-19)大流行对整个卫生系统提出了前所未有的要求,并迫使其发挥其能力,因此卫生保健专业人员面临着确保为大量重症患者提供适当人员和资源的难题。鉴于这种高需求的情况下,我们描述了一个开放的网络访问的基于模拟的决策支持工具,更好地利用有限的医院资源。其目的是探索风险和回报不同的假设下,与一个模型,从大多数现有的模型,侧重于流行曲线和病房和重症监护病床的相关需求一般。在保持直观使用的同时,我们的工具允许随机的“假设”场景,这是实时实验和分析当前决策在自选时间范围内对所需但有限资源的下游影响的关键。虽然实施是针对COVID-19,但该方法适用于其他疾病和高需求情况。1. 介绍新型COVID-19大流行对全球医疗系统造成前所未有的压力。这场危机加剧了医院系统内部已经存在的紧张局势,医院系统需要平衡成本、护理质量、能力和效率[2,7,9,25,28,29,32,39,52,56,58,61]。过度拥挤的重症监护病房(ICU)给管理人员带来了复杂的挑战,他们不得不判断谁将接受治疗,谁将不接受治疗,因为今天接纳一名患者意味着明天可能无法接纳更需要的患者[50,53,63,66]。举一个简单的例子,如果一家拥有100张床位的医院每天收治超过一名患者,而COVID-19患者的平均住院时间约为13天,那么目前85%的床位将很快超过容量同样,人员配备[26,38]、药物和设备(包括呼吸机、体外膜氧合(ECMO)和透析机[8,54])都是有限资源。入院和出院的困境加深,因为决定由于各种相互依赖的时间和空间变化因素,难以预测对这些有限的内部资源的短期需求的下游影响。 例如,患者异质性代表了这是一个挑战,因为需求取决于每个患者例如,患者特征(如年龄和合并症)会影响疾病的严重程度,而普通病房护理需要与重症监护不同的人员和设备支持。其次,内部资源的短期需求还取决于医疗保健提供者和辅助人员的所需组合,以及特定时间所需的物理资源和药物[55,57,60]。 影响短期需求不可预测性的其他因素包括治疗和知识的有效性增加,以及新冠肺炎患者数量的不确定性。后者归因于病例率的变化,例如由于当地社区爆发、新出现的变异[48]、疫苗效力的相关变化[20]以及疫苗推广的成功[36]。短期需求不确定的另一个因素是,随着医疗保健系统接近容量,关于谁将被接纳和出院的决定可能会随着时间的推移而改变[63,66]。事实上,与COVID-19一样,对疾病的理解以及各种治疗方案的疗效随着疫情的进程和持续时间而变化。* 通讯作者。加州大学,机械航空航天工程系,圣地亚哥,美国。&电子邮件地址:sbruegge@eng.ucsd.edu(新加坡)Brüggemann)。https://doi.org/10.1016/j.imu.2021.100618接收于2021年4月23日;接受于2021年5月22日2021年6月1日网上发售2352-9148/©2021的 自行发表通过Elsevier 公司这是一个开放接入文章下的CCBY-NC-ND许可证(http://creativecommons.org/licenses/by-nc-nd/4.0/)中找到。可在ScienceDirect上获得目录列表医学信息学期刊主页:www.elsevier.com/locate/imuS. Brüggemann等人医学信息学解锁24(2021)1006182上述因素使得最近对仅预测COVID-19患者数量的模型的研究需要扩展,以作为资源管理决策者的支持工具。在这些模型中,有基于社区的疾病率[1,6,30,31,62],住院率[22,41,65]和ICU需求[19,33,44,59]的预测,这些预测通常基于估计的流行曲线[21,35,37]。使用这种通用模型进行内部资源预测的另一个障碍是操作是设施专用的事实,例如,学术卫生系统,如加州大学圣地亚哥分校(UCSD)和非学术机构通常组成非常不同的团队,并使其适应当前的需求。简单地说,缺乏当前决策对未来能力、相关人员和辅助支持需求的影响的系统整合,因此缺乏对医疗保健专业人员决策的系统支持。为了解决资源提供和分配的这一差距,并启动广泛的合作,如参考文献[42]所述,UCSD急诊和肺部医学负责人向UCSD Jacobs工程学院的工程师详细说明了他们的挑战和愿望,以使用开放的易于使用的Web应用程序,通过随机化“假设“场景,在自选时间范围内使用本地输入,对下游效应进行建模。通过这种方式,我们开发的工具通过随机模拟来探索不确定性的水平,从而有助于量化遇到限制或未充分利用容量的可能性。一个相关的功能是能够调整患者和过程演变的描述符,主要由LOS概率建模。总体而言,我们的工具允许医护人员探索他们的决策在不同情况下的影响,以便为决策和应急计划提供有价值的见解和关键数据。此外,由于用户输入可能与上面介绍的通用模型提供的预测感染率相一致,我们的工具利用了最近的研究,并考虑了设施特定的因素和限制。当我们专注于关于COVID-19及其伴随的资源影响,在我们南加州,这种方法适用于其他高压力的长期紧急情况。最后介绍了一些限制和改进,包括使用数据进行调优。我们强调,这项工作的重点是工具本身的介绍和使用“假设”方案与合理和可计算的密度的好处。根据数据验证预测消耗的资源将是未来调查的一部分最近一篇关于最佳医院护理调度的论文将每个患者建模为可扩展的动态程序[18]。该模型对健康和治疗条件进行编码,并考虑资源限制。然而,该模型需要患者状态之间的已知转移此外,动态程序的计算成本高的最优解不允许用户实时检查不同的2. 方法为了支持当地卫生系统管理人员和部门负责人在收治和出院COVID-19患者的问题决策以及相应的应急计划中,我们描述了一种工具,该工具使用当地输入来模拟在自选时间范围内不同情况下对有限且相互依赖的资源(如员工、药物和医疗设备)的需求。随机性是一个重要的组成部分,是指个体患者反应的随机性,它是在许多患者中聚合和平滑的,以允许探索所有可能的结果,包括罕见的结果。在本节的剩余部分中,我们将更详细地介绍该工具考虑到我们对易于使用的图形界面的需求,能够通过不同的人员配置、基础设施支持和干预策略(例如,改变通气对象的方案)进行随机由于操作系统的独立性,已经开发了一个web应用程序(图1),该应用程序2.1. 用户输入资源需求是根据用户指定的输入参数计算的:预测时间、每天初始患者数量和每天到达的COVID-19患者数量、每天每位患者的咨询数量、每天每位患者的资源消耗以及在ICU、ECMO、呼吸机和透析的平均天数。Web应用程序简单的用户界面、可管理的输入参数数量、实时计算、输出变量的图形显示和直观的可视化使其成为大多数卫生系统的有用工具。界面如下图所示。输入参数的特定选择是基于UCSD卫生系统在大流行期间发生资源短缺的可能性,主要由COVID-19患者引起。在左侧,选择、显示和设置输入变量模拟的输出如图右侧所示。输入指定模拟的参数,输出指定相关的随机资源消耗。视图由用户选择。2.2. 输出假设每天两班倒,用户规范被用作模拟的输入,以预测每班所需的资源数量。目前,我们认为丙泊酚、右美托咪定、芬太尼、吗啡、吗啡[口服]、氧可酮、顺利库铵和维库溴铵是关键药物。此外,该模型还计算了每天所需的计算机辅助断层扫描(CT)、磁共振成像(MRI)扫描、个人防护设备(PPE)、呼吸机和ECMO电路的数量。另一个模拟输出是每天所需的咨询次数。以这种方式,模拟是独立于特定的团队星座。与输入一样,输出的选择是由UCSD卫生系统遇到限制的相应可能性驱动的,主要与COVID-19患者有关2.3. 仿真为了计算所需资源,我们的工具通常区分在ICU中但未经历有创机械通气(“ICU床”)的患者、在ICU中使用呼吸机(“通气”)的患者和在ICU中使用ECMO(“ECMO”)的患者。对于“ECMO“患者,用户分别指定ICU 、 ECMO 和 透 析 的 平 均 天 数 。 平 均 值 是 一 个 参 数ErlangDistribution的这种分布在电信和多个呼叫到达的建模中很常见[13];因此,阻塞呼叫和资源之间存在联系。它非常适合描述ICU/ECMO/透析的天数,因为它的支持是严格阳性的,即,天数为负数的概率为零,并且它具有可调的长尾,即, 它适应了一些患者在ICU/ECMO/透析中长时间的可能性,而大多数患者在相应阶段中保持相当短的时间段。类似地,对于“通气“类别中的患者,用户分别选择在ICU、使用呼吸机和透析的平均天数,也是基于明显参数化的Erlang分布。对于“ICU病床“类别,用户定义了ICU和透析的平均天数,也与Erlang分布相关。为了保持输入可管理,我们假设ECMO患者在ECMO后平均额外需要呼吸机3天,“通气”类别的患者“ICU病床”类别的患者通风机给定用户指定的平均值和每个类别每天新到达的人数,对于每个到达的患者,该工具随机分配一个S. Brüggemann等人医学信息学解锁24(2021)1006183()下一页μi=1Web应用程序是一个开放的Web访问工具,Fig. 1. Web应用程序numbat.ucsd.edu/~sven/covid的用户界面,左侧为用户选择的输入变量,右侧为模型输出。输入变量的变化会重新初始化具有瞬时对应模型输出的新模拟在ICU、ECMO、透析和呼吸机上的天数,使用公式[14]从相应的Erlang分布中E(k,μ)=-1logk 我,以评估这种结果的可变性。3. 结果其中随机变量Ui在0和1之间均匀分布,μk通常被称为速率(形状)参数。简单形式是Erlang分布可以表示为k个独立指数分布随机变量之和的事实的结果。对于最初的患者,同样的程序适用,但随后是在零和最初分配的天数之间均匀随机选择。每个患者的随机分配的持续时间和由其他用户输入定义的资源的相应使用,当在患者数量上聚合时,确定模拟输出。在图2的流程图中提供了我们的算法的更详细的描述。因此,即使在相同的输入参数的情况下,随机生成的模型输出也会发生变化,并支持用户理解底层过程的方差。由于模拟是实时计算的,因此当然可以运行通过基于“假设”情景的资源消耗预测根据当地用户规范,规避了对新冠肺炎患者和疾病进展进行准确本地预测的任务。Erlang分布的使用考虑了基础疾病进展的随机性。我们的工具的用户界面(如图1所示)通过响应式设计针对移动设备和桌面设备进行了优化,并且可以从任何操作系统访问;计算在Web主机上实时执行。与用户选择的平均值相关的分布的可视化提供了对输入变量的直观理解(图10)。 4).将模拟结果导出到CSV文件的选项可连接到其他软件套件。我们的重点是因此,我们将包括定量分析S. Brüggemann等人医学信息学解锁24(2021)1006184图二. 模拟的简化流程图,绿色梯度框与用户输入相关,蓝色梯度框作为计算,黑色菱形作为假设条件。(有关此图例中颜色的解释,请读者参阅本文的Web版本在未来的工作中,我们将对这一领域的真实数据和商业工具进行分析。4. 讨论我们的工具的主要特征是适应与患者发展相关的随机性,同时使用用户提供的关于到达患者和相应资源消耗的决定性信息,从而产生计算上快速的这种建模方法以多种方式支持决策者4.1. 协助决策者正如引言中所述,即使有一个准确的区域人群疫情进展模型,包括疾病严重程度和所需的个人防护设备,如CHIME[46],确定性和聚集性的性质最多只能评估到达患者的短期平均人数以及相关的工作人员和资源需求。然而,很难对每个人、他们相应的病史和状态以及无数重要的特定设施进行外部因素,如当地社区疫情、交通模式、交通时间表、当地政策等,在医疗保健环境中常见[3,23,24]; R [27,43]。因此,在没有任何支持的情况下,对决策者来说,预测高度变化的人员和资源需求并对许多患者提供任何统计平滑是一个棘手的挑战。此外,基于数据的模型面临着自身的挑战,因为不同数据类型的可用性,可靠性和可行性限制了其准确性,例如代表性,偏差,不确定性,时间延迟和局部差异[49,55]。因此,我们的工具并不试图预测到达患者的数量以及相关的所需人员和资源,而是通过解决内部问题来帮助决策者,即如果一定数量的COVID-19患者到达并需要某种治疗,会发生什么,并根据该问题计算人员和资源需求。这种“假设“情景通过从用户调整的分布集中抽取样本来考虑疾病进展的随机性。通过这种方式,通过重复执行用户认为可能发生的不同事件,可能由诸如CHIME的爆发进展模型通知,我们的工具传达了底层过程的随机性质,并帮助用户为S. Brüggemann等人医学信息学解锁24(2021)1006185图三. 不同形状参数k和尺度参数mu的Erlang分布集,具有正支持度,k/μ的均值和k/μ2的方差。长尾与大方差有关,可以通过适当选择参数k和μ来适应。未来需求和应急计划。随机性是通过允许患者在不同类别及其相关LOS中的变异性来捕获的,这些变异性通过Erlang分布建模。这些发行版非常适合我们的目的。首先,它们具有两个直接决定平均值和形状的参数,特别是非常长停留时间的显著尾部概率,如图3所示,它将密度置于超高斯类别[11]。其次,前面所述的封闭形式描述允许使用标准随机数有效地生成随机样本,这对于诸如我们的实时集成方法至关重要。该工具解决的另一个问题是决策者需要最大化的效用函数。它允许用户指定和绘制所有感兴趣的变量,以告知从业者的判断。更确切地说,通过接纳新的COVID-19患者,用户面临着多变量、时变、多目标优化问题;平衡成本、护理质量、能力和效率[2,7,9,25,28,29,32,39,52,56,58,61]。总体标准和约束的定量制定通常是困难的,因为它取决于每个用户的偏好和机构规定,以及未知的疾病进展和新来的患者。然而,我们的Web应用程序支持用户通过计算所需人员和资源的标准来确定他们的个人效用函数。这可以由用户利用,假设他们在评估需求与其他标准的相关性方面具有它们各自的效用函数,从而在它们之间进行加权4.2. 临床需求和后果医院和ICU菌株与患者结局恶化相关,这在COVID-19中更为明显[16,34]。在这场大流行期间,当需求或预期需求超出资源时,医疗保健管理人员被迫就资源分配和人员配备做出决定。设备分配不当和短缺已造成患者伤害、提供者倦怠和医院系统的经济损失。我们的工具的一个明显的好处是,有助于激增规划,并协助管理员准备“如果“的情况下,未来的资源需求,工作人员的采购和分配。它使医院系统能够更准确地为未来的需求做好准备,并计划如何在面临此次大流行期间出现的患者护理激增时更适当地使用有限的资源。这将防止不希望出现的情况,例如ICU中的护理配给或未经证实的护理管理方法,例如在患者之间拆分呼吸机。即使有这样的资源,也没有足够的医疗保健服务。呼吸治疗师、护士和医生等工作人员必须提供高质量的护理。先前的数据已经证明了适当数量的医护人员与改善的结果和护理质量之间的明确关系[4,45,47]。此外,适当的人员配备水平可能会减少提供者的倦怠,这是当前流行病引起的一个主要公共卫生问题[40,51]。我们的工具可以帮助确定在激增或预测激增期间为医院提供适当工作人员所需的医疗保健工作者人数,并告知管理员需要联系联邦或州机构,如果需要紧急援助。以这种方式,可以通过确定提供优质护理所需的适当配备呼吸机和ECMO回路所需的医疗保健提供者的最佳数量来改善患者的结果。同样,医院可以相应地计划调整其服务,这种工具可以通过实时的“假设“模拟来预测预期需求的下游影响例如,由于预计春季COVID-19疫情会激增,许多卫生系统取消了择期手术和外科手术,以腾出住院护理空间。由于这些服务为医院的利润提供了很大的正利润,当2020年春季COVID-19的激增在许多地区没有实现时,医院遭受了重大的财务损失,可能会损害他们继续运营的能力[5,12,15]。使用该工具可以帮助实时指导管理员确定可以安全进行而不会对COVID-19患者造成伤害的适当时间和数量的择期手术。此外,如果预期的激增没有发生,此工具可以帮助管理员更适当地响应和重新分配资源。例如,在纽约市最初的激增期间,许多人见图4。ICU、ECMO和透析的平均天数通过其各自的概率密度函数可视化。平均天数的变化,例如ICU中从14天到24天的变化(左/右手侧的图片)导致相关概率密度函数的直接变化S. Brüggemann等人医学信息学解锁24(2021)1006186纽约以外的医院系统广泛地储备资源,改变人员配置模式,以应对要么被推迟要么从未到来的激增[17]。4.3. 限制尽管我们相信我们的工具提供了有关资源可用性的有意义的预测,但我们承认存在一些局限性。首先,我们限制了该工具的输入数量,并认识到其他医院系统可能有其他对资源分配至关重要的输入。接下来,我们没有前瞻性地验证我们的研究结果,但是,如上所述,我们的目标是为医疗保健工作者提供“如果”的场景。最后,我们意识到新的COVID治疗可能会影响参数,例如生命支持治疗(例如ECMO,透析)的需求和持续时间。但是,如果出现重大变化,我们可以调整这些4.4. 改进模拟应用程序可以通过更精确的建模来改进,捕获更多观察到的资源使用的细节。然而,有一个实用性逼真的权衡,需要保留,以解决用户的时间可用性。设想作出以下调整。i. 所使用的密度可以被那些适合于真实世界数据捕获经验的密度所取代。这些将取代两个参数的Erlang密度,并且可以从需要用户输入的项目列表中删除。这不会增加显著的计算负担,并提高效用和可信度。特别是,这可能适用于透析的持续时间和已知的延迟,这些延迟可以通过不同于Erlang的特定密度更好地建模。ii. 目前,用户指定患者到达率。这可以修改,以包括一个访问在线社区数据库的选项。iii. 可以包括上述两个特征,以在探索进一步的场景之前为用户iv. 可以开发针对不同于COVID- 19的紧急情况量身定制的应用程序变体。地震和其他多人伤亡事件就是相关的例子。资源需求将根据活动的性质而v. 此外,如上所述,医院层面的自由裁量因素可能会被纳入模拟中的政策。这些可能包括改变选择性手术的治疗或采用不同的出院路线到长期急性护理机构。这些修改中的每一个都将被采用,以调整场景的输入和演变,同时保留应用程序的实用性5. 结论该出版物提供了一种方便、灵活的工具,可满足当地医疗保健专业人员的需求,以便在变化和相互依赖的条件下,更系统地检查当前决策的下游影响,从而及早发现有限资源(如人员、药物和医疗设备)的短缺。这是通过随机化的“假设“情景实现的,该情景支持用户对随机性的理解以及由此产生的汇总统计数据。通过这种方式,该工具在资源提供和分配以及应急规划的决策过程中提供了帮助。 未来的研究需要验证我们的工具的结果。DecisionToolHospitalResource_ack没有申报。竞合利益作者声明,他们没有已知的可能影响本文所报告工作引用[1] Abbott S,HellewellJ, Thompson RN,Sherratt K,Gibbs HP,Bosse NI,Munday JD,Meakin S,Doughty EL,Chun JY,Chan YWD,Finger F,CampbellP,Endo A,Pearson CAB,Gimma A,Russell T,CMMID COVID modelinggroup,Flasche S,Kucharski AJ,Eggo RM,Funk S.使用国家和次国家病例数估计SARS-CoV-2随时间变化的复制数量[第2版;同行评审:1份批准但有保留]。维康开放研究2020;5(112)。网址://doi.org/10.12688/wellcomeopenres.16006.2。[2] Aiken LH,SochalskiJ, Anderson GF.缩减医院护理人员。卫生部1996;15(4):88-92. https://doi.org/10.1377/hlthaff.15.4.88网站。[3] Alexopoulos C,Goldsman D,FontanesiJ, Kopald D,Wilson JR.模拟社区诊所的病人到达。Omega2008;36(1):33-43.https://doi.org/10.1016/j.omega.2005.07.013.[4] Amaravadi RK,Dimick JB,Pronovost PJ,Lipsett PA. ICU护士与患者的比例与食管切除术后并发症和资源使用相关。重症监护医学2000;26(12):1857-62。https://doi.org/10.1007/s001340000720网站。[5] 美国医院协会由于COVID-19,医院和卫生系统继续面临前所未有的财务挑战。https://www.aha.org/issue-brief/2020-06-30-new-aha-report-finds-losses-deepen-hospitals-and-health-systems-due-covid-19; 2020.于2021年2月26日恢复。[6] 张文辉,张文辉,张文辉. COVID-19疫情的数据分析、建模和预测。PloS One2020;15(3):e0230405. https://doi.org/10.1371/journal.pone.0230405网站。[7] 阿佩尔鲍姆,巴特河。美国医疗保健系统的组织重组:对就业,工资和不平等的影响。https://www.cepr.net/images/stories/reports/organizational-restructuring-healthcare-2017-09.pdf。[2021年6月2日]。[8] Batlle D,Soler MJ,Sparks MA,Hiremath S,South AM,Welling PA,Swaminathan S,Covid-19和ACE 2心血管、肺和肾脏工作组。COVID-19中的急性肾损伤:独特病理生理学的新证据J Am Soc Nephrol 2020;31(7):1380-3。https://doi.org/10.1681/ASN.2020040419网站。[9] [10]杨文,李文.医疗改革:工作变化的影响。Can JNurs Leader 2001;14(1):14-20. https://doi.org/10.12927/cjnl.2001.16306网站。[11] Benveniste A,Metivier M,Priouret P.自适应算法和随机估计。Springer-Verlag柏林海德堡。https://doi.org/10.1007/978-3-642-75894-2; 1990.[12] 最好的MJ,麦克法兰EG,安德森GF,Srivetaran U。2019冠状病毒病大流行期间,美国医院减少择期手术可能产生的经济影响。外科2020;168(5):962-7。https://doi.org/10.1016/j的网站。 surg.2020.07.014。[13] Bhat UN.“嵌入理论简介:应用中的建模与分析。 BirkhauserBasel. 2015年。https://doi.org/10.1007/978-0-8176-8421-1。第二版[14] 布恩·M 2WB05模拟讲座8:生成随机变量。埃因霍温大学of T,https://www.win.tue.nl/~marko/2WB05/lecture8.pdf; 2013.于2021年6月2[15] 放大图片作者:Boga B,McKenney M,Elkbuli A. 2019冠状病毒病大流行后,美国医院面临的财务压力。美国急诊医学杂志2020. 网址:http://doi.org/10.1016/j.ajem.2020.07.007[16] Bravata DM,Perkins AJ,Myers LJ,Arling G,Zhang Y,Zillich AJ,ReeseL,Dysangco A,Agarwal R,MyersJ, Austin C,Sexson A,Leonard SJ,Dev S,Keyhani S.2019冠状病毒病大流行期间美国退伍军人事务部医院重症监护病房患者负荷和需求与死亡率的关联JAMA Network Open 2021;4(1).https://doi.org/10.1001/jamanetworkopen.2020.34266. e2034266-e2034266。[17] CarltonJ.一些医院为从未出现的冠状病毒病例做好了准备。2020年5月19日,华尔街日报https://www.wsj.com/articles/some-hospitals-prepared-for-coronavirus-cases-that-never-came-11589880600.于2021年6月2日恢复。[18] D'AethJ,Ghosal S,Grimm F,Haw D,Koca E,Lau K,Liu H,Moret S,Rizmie D,Smith P,Forchini G,Miraldo M,Wiesemann W. SARS-CoV-2大流行期间的最佳医院护理优化在线2021.http://www.optimization-online.org/DB_HTML/2021/02/8261.html天啊于2021年6月2日恢复[19] [10]李志华,李志华. 预测英格兰COVID-19的超早期重症监护菌株。MedRX iv2020。https://doi.org/10.1101/2020.03.19.20039057网站。[20] Dejnirattisai W,Zhou D,Supasa P,Liu C,Mentzer AJ,Ginn HM,ZhaoY,DuyvesteynHME,TuekprakhonA,NutalaiR,WangB,PaesenGC,Lo′pez-Camacho C,Slon-CamposJ,Walter TS,Skelly D,Clemens SAC,NavecaFG,Nascimento V,Screaton GR. 巴西SARS P.1病毒株的抗体逃逸S. Brüggemann等人医学信息学解锁24(2021)1006187二型冠状病毒BioRX iv 2021. https://doi.org/10.1101/2021.03.12.435194网站。2021.03.12.435194.[21] dosSantosPRS,deSouzaLBM,L'elisSPBD,RibeiroHB,BorgesFAS,SilvaRRV,Carvalho Filho AO,Araujo FHD,de Andrade里拉Rabe^lo R,Rodrigues JJPC. 使用时间滑动窗口预测COVID-19:巴西皮奥伊州的案例。2020 IEEE电子健康网络应用服务国际会议&(HEALTHCOM)2021。[22] Ferstad JO,Gu A,Lee RY,Thapa I,Shin AY,Salomon JA,Glynn P,Shah NH,Milstein A,Schulman K,Scheinker D.预测COVID-19相关医院床位区域需求的模型MedRX iv 2020。https://doi.org/10.1101/2020.03.26.20044842.[23] 杨志华,陈志华,陈志华.复杂适应系统质量改进方法应用于学术肝病学项目的案例研究。医学实践管理杂志:医学实践管理杂志2015;30:323-7。[24] Garrett Jr,McNolty LA.不只是温暖模糊的感觉:医院流行病应对中机构士气的必要性。 美国生物医学杂志2020;20(7):92-4。https://doi.org/10.1080/15265161.2020.1779407。[25] Glasgow JM,Scott-Caziewell JR,Kaboli PJ.指导住院质量改进:精益和SixSigma的系统回顾。Joint Comm J Qual Patient Saf2010;36(12):533-40.https://doi.org/10.1016/s1553-7250(10)36081-8.[26] Habib A,Zinn PO.在疫情危机(如COVID-19)时期优化临床人员配置。AnesthAnalg 2020;131(1):e45-7. https://doi.org/10.1213/ANE.00000000004903.[27] 刘晓波,李晓波,李晓波.通过医疗保健系统对患者流进行建模。在:霍尔RW,编辑。患者流量:减少医疗服务的延迟。运筹学管理科学国际丛书,卷。&91. Boston,MA:Springer; 2006.p. 1-44。[28] Halpern NA,Pastores SM.美国重症监护病床、使用、占用和费用:方法学回顾重症监护医学2015;43(11):2452-9。https://doi.org/10.1097/CCM.0000000000001227。[29] 海因里希·J 护理劳动力-由于多种因素出现护士短缺。2001年发布GAO-01-944。[30] Jewell NP,Lewnard JA,Jewell BL.需要谨慎:使用健康指标和评估模型研究所预测COVID-19大流行的过程。Ann Intern Med 2020;173(3):226-7.https://doi.org/10.7326/M20-1565章.[31] Jewell NP,Lewnard JA,Jewell BL.2019冠状病毒病大流行的预测数学模型美国医学会杂志2020;323(19):1893-4。https://doi.org/10.1001/jama.2020.6585网站。[32] 卡茨克河垄断市场控制压低了医疗保健工资。https://www.modernhealthcare.com/article/20170914/NEWS/170919938/monopolistic-market-control-depresses-healthcare-wages; 2017.于2021年6月2日恢复。[33] 北加州凯撒永久保险公司。2019冠状病毒病重症监护病房,内科手术和内科手术遥测单位激增剧本。https://permanente. org/wp-content/uploads/2020/03/KP-NCAL-COVID-MST-Playbook_March-30.pdf; 2020.于2021年6月2日恢复。[34] 张文辉,张文辉.美国COVID-19相关医院使用与总体COVID-19死亡率的JGenIntern Med 2020.https://doi.org/10.1007/s11606-020-06084-7网站。[35] 李文,李文.对2019冠状病毒病大流行期间重症监护病房平均住院时间的有偏和无偏估计。安重症监护2020;10(1):135。https://doi.org/10.1186/s13613-020-00749-6.[36] 乔什·霍尔德追踪世界各地的冠状病毒疫苗接种。https://www.nytimes.com/interactive/2021/world/covid-vaccinations-tracker.html; 2021年。于6月2日恢复。[37] Marazzi A,Paccaud F,Ruffieu XC,Beguin C.用参数模型拟合住院日分布。医学护理1998;36(6):915-27。https://doi.org/10.1097/00005650-199806000-00014.[38] Mascha EJ,Schober P,Schefold JC,Stueber F,Luedi MM.在COVID-19大流行期间,使用基于疾病的流行病学指数进行人员配备可能会减少重症监护病房工作人员的短缺。麻醉\&镇痛2020;131(1)。[39] McKinley W,Scherer AG.组织结构调整的一些意想不到的后果。管理学院评论2000:735-52。[40] MehtaS,MachadoF,KwizeraA,PapazianL,MossM,AzoulayE',HerridgeM.COVID-19:医护人员伤亡惨重。柳叶刀呼吸医学2021. https://doi.org/10.1016/S2213-2600(21). 00068-0[41] Moghadas SM,Shoukat A,Fitzpatrick MC,Wells CR,Sah P,Pandey A,Sachs JD,Wang Z,Meyers LA,Singer BH,Galvani AP.预测美国COVID-19爆发期间的医院利用率 Proc Natl Acad Sci U S A 2020;117(16):9122-6.https://doi.org/10.1073/pnas.2004064117网站。[42] Momtazmanesh S,Ochs HD,Uddin LQ,Perc M,Routes JM,Vieira DN,Al-Herz W,Baris S,Prando C,Rosivall L,Abdul Bazoff AH,Ulrichs T,Roudenok V,Aldave Becerra JC,Salunke DB,Goudouris E,Condino-NetoA,Stashchak A,Kryvenko O,Rezaei N.团结一致抗击新冠肺炎。美国热带医学卫生杂志2020;102(6):1181-3。https://doi.org/10.4269/ajtmh.20-0281网站。[43] 杨文伟,李文伟.急诊科拥挤:原因,后果和解决方案的系统回顾。PLoS One2018;13(8):e0203316。https://doi.org/10.1371/journal.pone.0203316网站。[44] 默里CJL。预测未来4个月COVID-19对美国各州住院天数、ICU天数、呼吸机天数和死亡人数的影响。MedRX iv 2020。https://doi.org/10.1101/2020.03.27.20043752网站。[45] [1] NeurazA,Gu'erinC,PayetC,PolazziS,AubrunF,DaillerF,LehotJ-J,PiriouV,NeideckerJ,Rimmel'eT,SchottA-M,DuclosA. 患者死亡率与ICU的人力资源和工作量相关:一项多中心观察性研究重症监护医学2015;43(8):1587-94。https://doi.org/10.1097/CCM.00000000001015.[46] 宾州医学院(未注明)。COVID-19医院流行病影响模型(CHIME)。https://penn-chime.phl.io/网站。于2021年6月2日恢复。[47] Penoyer DA.重症监护中的护士人员配备和患者结局:简明回顾。重症监护医学2010;38(7):1521-8。https:/
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- VMP技术解析:Handle块优化与壳模板初始化
- C++ Primer 第四版更新:现代编程风格与标准库
- 计算机系统基础实验:缓冲区溢出攻击(Lab3)
- 中国结算网上业务平台:证券登记操作详解与常见问题
- FPGA驱动的五子棋博弈系统:加速与创新娱乐体验
- 多旋翼飞行器定点位置控制器设计实验
- 基于流量预测与潮汐效应的动态载频优化策略
- SQL练习:查询分析与高级操作
- 海底数据中心散热优化:从MATLAB到动态模拟
- 移动应用作业:MyDiaryBook - Google Material Design 日记APP
- Linux提权技术详解:从内核漏洞到Sudo配置错误
- 93分钟快速入门 LaTeX:从入门到实践
- 5G测试新挑战与罗德与施瓦茨解决方案
- EAS系统性能优化与故障诊断指南
- Java并发编程:JUC核心概念解析与应用
- 数据结构实验报告:基于不同存储结构的线性表和树实现
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功