Модель риска COVID-19 использует данные больниц для принятия решений о социальном дистанцировании

Благодаря тому, что сообщества по всей территории Соединенных Штатов борются с резкими скачками заболеваемости COVID-19 и госпитализациями, исследователи Техасского университета в Остине и Северо-Западного университета создали структуру, которая помогает политикам определять, какие данные следует отслеживать и когда принимать меры для защиты своих сообществ. Модель определяет серию триггерных точек, чтобы помочь местным организациям узнать, когда следует ужесточить меры социального дистанцирования, чтобы предотвратить наводнение больниц вирусными пациентами. Этот метод также направлен на минимизацию экономических последствий для сообществ, предлагая наиболее ранние сроки для безопасного ослабления ограничений.

Структура описана в новой статье из сегодня в Трудах Национальной академии наук. Сохраняющийся высокий уровень инфицирования в Соединенных Штатах означает, что законодателям по всей стране необходимо продолжать принимать решения о восстановлении и смягчении мер социального дистанцирования. Используя данные больниц, новая модель позволяет местным руководителям узнать, когда пора притормозить при повторном открытии или ослабить ограничения.

Например, в Остине, штат Техас, разработчики моделей применили эту схему, чтобы помочь руководству города решить, когда переключаться между пятью различными уровнями предупреждения о COVID-19. В настоящее время город отслеживает ежедневное количество новых госпитализаций и недавно ужесточил меры, когда данные превысили предписанный порог.

«Мы разработали эту схему, чтобы гарантировать, что COVID-19 никогда не перегрузит местное здравоохранение, при этом минимизируя экономические и социальные издержки строгих мер социального дистанцирования», – сказала Лорен Ансель Мейерс, соавтор статьи и директор Университета. Техасского консорциума моделирования COVID-19.

Даниэль Дуке из Northwestern, первый автор, сказал, что «этот подход дает четкие указания на то, когда следует принять и смягчить меры для управления рисками».

Успешная реализация стратегии включает два ключевых компонента: тщательный мониторинг данных о госпитализации по поводу COVID-19 и обеспечение защиты сообществ наиболее уязвимых к болезни.

«Хотя многие города внедрили уровни оповещения и новую политику, наше исследование может быть первым, которое предоставит четкое руководство о том, что именно отслеживать (данные о госпитализации) и когда действовать (строгие пороги)», – сказал Дэвид Мортон, председатель и профессор. Кандидат технических наук и наук об управлении в Северо-Западном университете и соавтор статьи. «Сообщества должны действовать задолго до того, как скачки в больницах станут опасными. Данные о госпитализации дают раннее указание на быстрый рост пандемии, и отслеживание этих данных гарантирует, что больницы сохранят достаточный потенциал». В последние недели официальные лица здравоохранения выразили обеспокоенность по поводу непоследовательности данных о госпитализации, поскольку федеральное правительство перенесло эти данные на новый портал, размещенный в Министерстве здравоохранения и социальных служб.

«Данные о госпитализации COVID-19 имеют жизненно важное значение для отслеживания меняющихся темпов пандемии и принятия правильных решений», – сказал Мейерс.

Команда также определила, что предотвращение неконтролируемого всплеска госпитализаций требует соблюдения строгого социального дистанцирования для групп высокого риска, известного как коконирование. Например, исследователи подсчитали, что неспособность защитить уязвимые группы населения более чем вдвое увеличивает количество смертей, а также удваивает количество дней в карантине для предотвращения переполнения больниц.

Эта структура объединяет две математические модели: базовую модель, которая прогнозирует вероятное распространение пандемии, и модель оптимизации, которая использует данные о госпитализации из больничных систем Остина. Он пытается пройти тонкую грань предотвращения экономической катастрофы и предотвращения перегрузки больничных систем. Хотя исследователи использовали данные Остина, эту структуру могут легко использовать другие сообщества с общедоступными данными о госпитализации .

«Это общая структура, которую можно использовать для разработки многоступенчатых триггеров – не только для блокировки, но и для перехода между фазами – точно так же, как мы сделали для Остина», – сказал Мортон. «Наша структура уже направила изменения политики в Остине».

услуги нутрициологаАвтор сайта и статей: Наталья Степанова, нутрициолог-психолог, консультант по питанию и коррекции веса. Подробнее обо мне

Я в соц. сетях: Vk, Instagram.

Рейтинг
Еще статьи нутрициолога:
Adblock
detector