條文本
PDF
摘要
目標世衛組織估計，截至2020年11月，COVID-19大流行已導致全球130多萬人死亡(1377395人)。死亡人數激增需要確定資源需求，並依賴於對資源建模和了解預期的需求激增。我們的目標是開發一個通用的計算機模型，可以估計大流行期間臨終關懷(EoL)提供所需的資源。
設置開發了一個離散事件模擬模型，並用於估計英格蘭西南部一個地理區域的資源需求。雖然我們的分析主要集中在英國環境，但該模型對需求和環境的變化具有靈活性。
參與者我們使用該模型估算了約100萬人口的資源需求。
主要和次要結果測量該模型預測了滿足給定水平的即將到來的EoL護理活動所需的每天“人員”和“物品”資源。
結果根據模型預測，由於院外COVID-19死亡，平均每天需要11.97小時的額外社區護士時間，多達33小時的護理助理時間和多達30小時的護理助理夜間護理。專家姑息治療需求預計將增加至每天19個小時。為了緩解COVID-19患者在EoL護理中的身體症狀，每月需要額外的286包預期藥物:平均每天需要額外的10.21包預期藥物。平均每天需要額外使用9.35個注射泵。
結論對英格蘭西南部一大片地區的分析表明，作為大流行應對措施的一部分，減輕EoL的痛苦需要大量額外的物質和人力資源。
- 姑息治療
- 成人姑息治療
- 新型冠狀病毒肺炎
數據可用性聲明
所有與研究相關的數據都包含在文章中。本文中描述的模型是免費和開源的https://colab.research.google.com/drive/1K0-xsqG_uIpoWhw86tjOUM55OcFfhq_2．沒有其他數據可用。
這是一篇開放獲取的文章，根據創作共用署名非商業(CC BY-NC 4.0)許可證發布，該許可證允許其他人以非商業方式分發、混音、改編、在此基礎上進行構建，並以不同的條款許可其衍生作品，前提是正確引用原始作品，給予適當的榮譽，任何更改都已注明，並且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/．
數據來自Altmetric.com
本研究的優勢和局限性
提供大流行期間生命末期資源規劃的階段性變化。
模型提供了免費和開放源代碼，允許其他人使用和進一步開發。
與專員、提供者和學者合作建立的模型。
有限的數據用於模擬全科醫生和非covid -19超額死亡影響。
簡介
從2020年1月30日世衛組織總幹事宣布COVID-19為國際關注的突發公共衛生事件到2020年11月22日發布最新報告期間，估計有1377395人死亡。1越來越多的超額死亡率被用來描述COVID-19的影響，將當前的死亡率與前幾年同期的死亡進行比較，表明可能與COVID-19有關但主要由於檢測差異而沒有直接歸因於COVID-19的死亡。超額死亡率還包括COVID-19間接導致的死亡，這是由於大流行導致衛生服務和醫療服務中斷造成的。2020年2月1日至5月25日，美國全因超額死亡人數估計在84891至113139人之間。2據估計，英國的累計超額死亡率約為48823人(1月31日至5月15日結束的一周)。3.在英國4月份COVID-19死亡高峰的一周，與前5年同期相比，超額死亡率增加了113%。4死亡率的激增是巨大的，代表了廣泛的個人和社會成本，以及對臨終關懷資源的顯著增加的負擔。與所有疾病一樣，COVID-19患者的痛苦必須得到高質量的緩解，這是健康權規定的，也是公認的基本全民健康覆蓋的組成部分。5如果無法獲得基本的姑息治療方案，各國將無法實現可持續發展目標，獲得高質量的臨終關懷的不平等可能會加劇。5個6
在COVID-19中，EoL的主要身體症狀包括譫妄和呼吸窘迫，7姑息治療在預見性藥物管理中起著關鍵作用。預期用藥可能包括咪達唑侖用於躁動，嗎啡或同等的阿片類藥物用於呼吸困難或疼痛等。在大流行背景下，姑息治療和EoL護理對於支持患者、其親人和衛生專業人員的心理和精神需求至關重要，特別是在病毒導致的社會隔離背景下。EoL護理，在本文中定義為生命的最後幾天，因文化、國家和環境(家庭、醫院、臨終關懷和養老院)而異。低收入國家往往更多地依賴由家庭和朋友組成的非正式護理網絡，這些人在一些護理環境中得到對姑息治療和EoL護理感興趣的衛生專業人員的支持，但可能無法獲得基本的姑息治療藥物。5高收入國家依賴於提供姑息治療的專家和多麵手模式。在英國，全科醫生(全科醫生)和社區護士(也稱為地區護士)在居民住宅和護理院提供的全科姑息治療支持了大多數人口的EoL護理。8專家姑息治療在英國各地各不相同，但包括臨終關懷服務，醫院姑息治療團隊和社區姑息治療。在任何環境下，EoL護理的關鍵資源組成部分包括多學科EoL專業知識(例如物理治療、職業治療、醫生、護士、醫療助理、精神護理、社會工作支持和心理學家)，以及預期藥物的可用性和可獲得性以及這些藥物的輸送係統(例如，在英國，通常是注射泵)。盡管人們越來越認識到大流行期間姑息治療的重要性，9 - 11許多國家的應對措施忽視了確定繼續高質量、公平提供此類護理的基本資源。
數學模型允許在需求變化時估計所需的資源。它在傳染病中很常見，並因其在規劃和協調衛生保健資源需求的預測激增、疾病流行病學的變化和社會對其的反應方麵的效用而得到承認。本文提出的模型旨在預測預期的COVID-19死亡浪潮對當地EoL資源的需求。它是與臨床醫生、當地衛生服務資助者(在英國被稱為專員)和衛生服務提供者合作開發的，基於英格蘭西南部968314人的代表性英國健康數據。12它預測了特定水平的傳入活動(死亡)和EoL護理持續時間所需的關鍵EoL護理資源，適用於英國或其他國家的不同地理區域，並且靈活，允許用戶包括關於COVID-19的新出現的證據。該模型是免費的、開源的，並且已經向公眾開放。
姑息治療大流行應對需要圍繞“人員、材料、空間和係統”四個要素進行積極規劃。13提供這一緩和性大流行框架需要對每一個要素的EoL資源需求進行基本估計;可通過EoL資源建模來促進這一點，這對於促進公平獲得大流行中必不可少的高質量痛苦救濟是必要的。這項研究旨在估計“物質”，如治療常見呼吸困難症狀的基本藥物和運送這些藥物的設備，以及“工作人員”，包括地區護士和專家姑息治療投入，以支持在英格蘭西南地區COVID-19大流行期間社區中越來越多的死亡提供高質量護理。
方法
與執業臨床醫生、建模專家和當地衛生服務資助者和提供者合作設計了一個概念模型，包括與臨床內閣的聯係，後者在臨床決策中代表當地高級領導人。與兩名當地姑息治療醫生的迭代方法，與當地領導地區護士(一個)和EoL護理調試的前領導以及公共資助的國家衛生服務(NHS)和社會護理服務(Sirona)的現任領導的電子郵件通信。在大流行高峰期間，利益攸關方的進一步參與具有挑戰性。這項協作工作旨在評估在不同環境下提供的基本EoL護理資源需求(以EoL資源的“束”為單位)。員工和員工的估計是基於協作方法進行的。由於空間不是社區護理提供(在家裏)的限製因素，這在模型中沒有具體描述。然而，該模型對位置是靈活的，因此，未來使用該模型的分析可以包括這一特征。被確定為姑息性大流行規劃的關鍵重點的係統包括對患者進行分類的護理途徑和對無法控製的症狀加強護理。我們沒有足夠的數據來做出假設，將這種方法包括在模型中。然後利用員工和員工信息建立離散事件仿真模型。 Discrete event simulations are types of model that simulate entities flowing between discrete, sequential events and the resource utilisation needed to meet incoming levels of activity.14概率分布用於模擬在到達和處理時間中觀察到的真實世界的可變性。模型，使用基於python的SimPy15框架，可在這裏找到:https://colab.research.google.com/drive/1K0-xsqG_uIpoWhw86tjOUM55OcFfhq_2．
圖1顯示基本模型結構的概述。患者在家中、療養院或醫院需要EoL護理時進入模型。在每種情況下，患者到達模型之間的時間是從指數概率分布中隨機選擇的，可以設置為隨時間增加或減少，以解釋活動的增長或下降。指數分布通常用於模擬獨立事件發生之間的時間，例如人進入係統。該模型允許捕獲非COVID-19患者，但我們僅模擬COVID-19患者的活動來預測多餘的資源需求。我們從分析中排除了兩種資源:醫院護士時間(已納入醫院規劃)和全科醫生時間(因為我們無法量化COVID-19導致的EoL護理的額外全科醫生時間)。如果其他人希望在他們的分析中特別包括它們，則兩者都包括在模型中。由於建模數據有限或缺乏，姑息治療多學科團隊的重要精神和心理社會貢獻(社會工作者和牧師)沒有包括在模型中。
模型的基本結構概述。EoL，生命的終結;全科醫生。
患者被分配了一“束”的EoL護理資源，每個資源都有被選中的概率，以及他們的EoL護理的持續時間，從指數分布中抽樣。模型中有7種類型的資源:預期藥物包、注射泵、社區護士時間、醫院護士時間、個人護理的保健助理時間、專家姑息治療時間(例如，當地臨終關懷支持)和全科醫生時間。每種資源的數量和/或頻率根據患者的需求水平而變化，家庭和護理家庭環境中的患者有三個層次的需求，而醫院患者隻有一個層次的需求建模，代表了我們在模型中捕獲的資源方麵最複雜的需求。預期藥物包可能包括咪達唑侖、硫酸嗎啡和止吐藥的組合，但這些藥物包在不同地區可能不同，重要的是這些藥物通常在EoL護理中一起開，因此，它們被視為一個包。員工資源是根據每天“訪問”次數(實體或虛擬)、訪問時長和每次訪問所需的資源來指定的。從正態分布隨機抽樣每個患者的就診時間，其中大多數值被假定接近均值。隨著時間的推移所需要的必要資源被記錄下來。
模擬可以運行選定的時間長度和選定的運行次數。當模型中存在隨機性時，這一點非常重要，以確保結果不隻是基於隨機數字選擇中的“好”或“壞”運氣。該模型通過計算運行結果來提高準確性。
為了模擬布裏斯托爾、北薩默塞特郡和南格洛斯特郡的EoL護理資源需求，我們從各種地方和國家來源推導出參數值。國家統計局的數據16表明，2020年3月31日至4月3日，記錄的COVID-19死亡總數為35例，其中29例住院。政府統計數據174天內報告當地新增病例130例。因此，我們估計住院需要EoL護理的患者比例為22.3%(29/130)。雖然這絕不是一個精確的估計，尤其是由於新病例和死亡之間的滯後，但它確實為我們提供了一個足以建模的近似值，特別是考慮到我們正在建模的病例和死亡在“峰值”附近的相對“穩定性”。
蘇格蘭數據1824.6%的COVID-19死亡發生在療養院，13.3%發生在家中。如果我們估計每天有29例需要住院EoL護理，這占EoL病例的62%(100%-24.6%在養老院，13.3%在家裏)，那麼這意味著，就我們的地區而言，我們估計在所有環境中每天總共有46.8例新的EoL病例，其中養老院每天11.5例，家裏每天6.2例。假設22.3%的病例需要EoL護理，那麼我們估計醫院每天新增6.47例EoL護理病例，護理院每天新增2.56例，家庭每天新增1.38例。這意味著在模型中，新患者到達的平均時間為醫院病例223分鍾，養老院病例563分鍾，家庭病例1043分鍾。我們根據撰寫本文時觀察到的活動“峰值”水平，建立了穩定的活動平均率模型。
一項針對倫敦101名COVID-19患者的研究發現，患者在姑息治療團隊的平均治療時間為2天。7當地姑息治療團隊估計，社區EoL護理持續時間相似，在養老院的人約為2天，在家的人約為3天。
表1顯示了模型中使用的資源束的概述，這些資源束首先根據設置進行分類:(1)家庭，(2)護理院(住宅或護理)和(3)醫院。對於“家庭”和“護理院”設置，這些捆綁包根據姑息治療支持的三個需求級別(高、中、低)進一步分類。對於在家接受EoL護理的COVID-19患者，估計約25%的患者由於其需求的複雜性或功能狀態有限，將需要最高水平的護理。他們通常每天會接受兩次1小時的地區護士接觸，我們假設每次接觸時間的SD為15分鍾。需要兩名護理助理每天四次，每次40分鍾(SD 5分鍾)，以及每隔一天一名護理助理進行12小時的“夜間護理”。每天需要大約1小時的專家姑息治療，以及一捆預期藥物和一個注射泵來給藥。
大約5%的家庭患者有非常低的需求或不希望有規律的輸入。對於這些患者，仍將提供預見性藥物包，以及最低水平的地區護士接觸，估計每隔一天約30分鍾(SD 5分鍾)。其餘70%在家的患者每天接受一次30分鍾的地區護士接觸(SD 5分鍾)。每天三次30分鍾(SD 5分鍾)的護理助理訪問，並提供一捆預期藥物。在這個隊列中，大約一半的患者需要注射泵。專家姑息治療支持估計每隔一天約1小時(SD 15分鍾)。在對社區護士、護理助理和專家姑息治療支持的評估中，旅行時間被排除在訪問時長之外，因為旅行時間可能差異很大，而且旅行時間已經被視為社區護理規劃的一部分。19
對於護理院的患者來說，由於缺乏內部護理支持，居住在住宅中的患者通常需要最高水平的EoL護理資源。因此，我們使用針對養老院患者的高水平、中等水平和低水平資源，分別代表需要外部支持的養老院患者、需要外部支持的養老院患者以及需求非常低的養老院或養老院患者。此外，由於護理需求的複雜性，我們預計會有更多的患者在養老院需要EoL護理。根據2011年人口普查數據進行的非加權平均計算顯示，當地的護理和家庭居住之間大約各占一半。20.之前的一項研究報告稱，療養院每年有4969人死亡，而住宅每年有32138人死亡。21假設人口水平相同，這意味著養老院的死亡率要高出31%。臨床調試小組(CCG)估計，大約40%的養老院居民需要非平凡的外部EoL護理支持。如果養老院隊列增加31%，我們估計17.3%的患者適合“住宅家庭-需要外部支持”捆綁，22.7%的患者適合“養老院-需要外部支持”捆綁。
對於居住在需要外部支持的家庭，每天需要兩個1小時的地區護士接觸和1小時的專家姑息治療支持(15分鍾SD)。這些病人還將得到一捆預購藥物和一個注射泵。療養院的病人隻需要地區護士的支持，通過電話回答簡短的特別問題，因此我們將他們排除在這個包之外。低水平需求的患者隻需要一捆預期藥物，以及最少的地區護士接觸，估計每隔一天約30分鍾(SD為5分鍾)。
在醫院接受EoL護理的患者將通過醫院工作人員獲得護理和個人護理支持，因此所需的唯一外部資源是注射泵和捆紮的預期藥物。
我們在每個模型運行中模擬了28天。該模型被允許“預熱”5天的模擬時間，因為模型開始時係統中沒有患者，這不是一個現實的表示。因此，在我們開始收集結果之前，我們允許模型運行5天，以確保我們沒有低估模型運行開始時的需求。該模型運行了100次，並在這批運行中獲得了平均結果。
患者和公眾參與
沒有病人參與。
結果
工作人員
該模型預測，由於院外COVID-19死亡，每天將需要多達28小時的額外地區護士時間(平均為11.97小時，標準差為0.18小時)。預計95%的日子需要的額外地區護士時間不超過19小時，5%的日子需要的額外地區護士時間少於5.7小時。每天需要多達33小時的護理助理時間(平均9.17小時，標準差0.23小時)，其中95%的日子需要不超過19小時，隻有5%的日子需要少於2小時。此外，每24小時可能需要多達30小時的夜間看護(平均每天5.74小時，0.22小時SE)，其中95%的24小時不超過17小時，約26%的夜間不需要夜間看護資源。
專家姑息治療需求預計將增加至每天19小時(平均每天9.32小時，標準差0.12小時)。據預測，95%的一天所需時間不超過14小時，但隻有5%的一天所需時間少於5小時。
的東西
由於社區和醫院對COVID-19患者的EoL護理的需求，物質資源需求將每月額外增加286個預見性藥物包或“以防萬一”處方。這意味著平均每天增加10.21捆(0.06 SE)的預期藥物，預測的最低和最高分別為每天2捆和23捆。95%的日子預計需要不超過16捆，但隻有5%的日子需要少於5捆。
對於注射泵，平均每天需要額外使用9.35個泵(0.11 SE)，預計每天使用的最小和最大泵分別為1個和20個。預計95%的日子需要不超過15台泵的使用，但隻有5%的日子需要少於5台泵的使用。
圖2及3在模型中分別顯示“員工”和“員工”資源的28天中，模型預測的每天平均資源使用量，在試驗中100次運行的平均值。誤差條顯示了試驗中各運行段的平均值SEs。
在28天模擬的100次運行中，社區護士、夜間看護、護理助理(ca)和專家姑息治療每天所需的預測平均工作時間。
在模擬的28天的100次運行中，預測的平均預期藥物和注射泵使用量。預期藥物數量表示每天需要的新藥物束數量，而注射泵數量表示每天同時使用的總數量。
討論
主要發現
隨著COVID-19死亡人數的增加，社區護士、護理助理、專家姑息治療時間以及預見性藥物和注射器司機資源的增加是可以預見的。該模型的意義在於量化了英國近100萬人口的增長，以證明在大流行期間規劃和準備EoL護理資源需求的重要性。平均有12小時額外的區域護士時間和9小時額外的護理助理時間每天在美國，目前的人員配備水平顯然無法滿足護理需求，更不用說由於疾病、家庭隔離、其他護理責任而預計工作人員缺勤，以及全球範圍內已證明的非covid -19死亡人數上升。2 4
根據對COVID-19額外EoL護理需求的模型分析，專家姑息治療需求預計每天將增加約9小時。這就需要不同的工作方式。由於COVID-19 EoL護理，預計每月將需要286個額外的預期藥物包或“以防萬一”處方，在英國，即使沒有被指定的患者使用，也不能重複使用，可能會麵臨特定藥物短缺的風險。每天需要額外使用9個注射泵，每個泵的成本約為1742英鎊，總價值為15678英鎊，這對社區中COVID-19患者的EoL護理也產生了重大的額外資源需求。9個注射泵也隻是24小時內使用的平均水平，為了確保95%的時間都能滿足需求，需要15個注射泵，總費用為26130英鎊。
與文獻比較
據我們所知，這是全球COVID-19大流行期間第一個公布的EoL資源需求模型。了解在EoL緩解嚴重健康相關痛苦的資源需求，對於為患者提供必要的安慰至關重要，因為他們知道他們沒有被拋棄，他們的家人將得到照顧，直到死亡和死亡之後。姑息治療對於減輕衛生專業人員的道德困境很重要，這些專業人員可能處於將患者分流到姑息治療支持的不利地位，在這種情況下，可能會提供有限的重症監護支持。22姑息治療一直被證明可以減少EoL的症狀負擔，並改善家庭的喪親結果。23日24在唐納和Seccareccia大流行計劃之後，針對預計的需求激增進行了規劃13確定“東西”，例如確保充足的預期藥物和注射泵(和皮下蝴蝶)的供應，並承認履行我們的護理職責所需的最低限度的專家和全科姑息治療人員，減輕與健康有關的嚴重痛苦。在許多國家，如英國，EoL社區數據很難獲得，因為社區環境跨越不同的健康和社會護理夥伴關係，以及第三部門慈善組織。因此，生活在護理院的人在COVID-19感染和生存方麵明顯增加的風險被認識得較晚，並且在英國阻礙了適當的資源分配，這並不令人驚訝。25
社區驅動的護理人員注射藥物管理政策，26為了解決預計出現的人員短缺問題，本地推出了一種解決方案，旨在在人員短缺的情況下提供症狀緩解和藥物治療。關於提前護理規劃、COVID-19溝通、EoL症狀護理和喪親支持等主題的國家和地方指南的快速生成可以並且已經使用數字解決方案遠程交付，這表明通過國家和國際組織進行了大規模協作27 28這有可能提高其他衛生專業人員的技能，減輕專家姑息治療的能力限製。對預見性用藥和注射泵需求大幅增加的預期也有助於創新社區解決方案，例如改變處方行為以防止藥物短缺，以及更多地依賴蝴蝶針進行皮下注射。
優勢和局限性
該模型是COVID-19大流行期間EoL護理規劃的一個步驟變化，並提供了物品、人員、空間和係統大流行規劃方法的細節。它已免費提供，使建模者和保健服務資助者能夠估計不同區域、國家對EoL資源的需求，以及對不同發病率的需求和對常規護理的資源估計。該模型還強調了社區EoL護理研究的差距和機會。這項工作是與衛生服務資助者、提供者、臨床醫生和建模者合作開展的，以大流行期間當前實踐的現實為假設基礎。
模型假設的一些局限性是由於可用數據的限製，而不是模型本身的限製。社區環境下的COVID-19死亡率基於項目實施時的最新可用數據，如果沒有英格蘭的數據，則輸入地理位置最相似的地區蘇格蘭。雖然所有死於COVID-19的人都是一個悲劇，但據推測，在2019 -19死亡的人中，有5%至15%可能發生在本應在一年內死於其他原因的人身上。29然而，即使是這樣，所有死於COVID-19的人也不能代表額外的但COVID-19死亡人數的需求急劇增加，而不是在一年的較長時間內擴散，因此供應限製仍然存在很大問題。該模型沒有考慮到未直接歸咎於COVID-19的超額死亡率。換句話說，那些因缺乏檢測而被錯誤地確定為COVID-19的死亡，或因常規護理中斷而導致醫療服務延誤或當地疾病管理中斷而發生的死亡。將英國3月和4月的觀察到的死亡人數與同期的預期死亡人數進行比較時，根據這段時間(5年期間)通常發生的平均死亡人數，顯然COVID-19導致的死亡人數顯著增加，但非直接歸因於COVID-19的死亡人數也顯著增加。3.雖然許多非COVID-19死亡實際上可能是未經確認的COVID-19死亡，但該模型的靈活性將允許更準確的資源估計，以便隨著時間的推移通過改進的數據為姑息治療和EoL護理提供支持，這將成為進一步工作的重點。
雖然我們本想將社區中非COVID-19死亡的EoL護理的資源需求包括在內，並將當前觀察到的實踐與基於曆史評估的預期實踐進行比較，但資源數據過於有限，而且首先，我們關注的是COVID-19死亡。同樣，納入全科醫生的時間被認為是非常重要的，但關於全科醫生在EoL護理上花費的時間的數據是有限的，考慮到他們在社區中對EoL的護理中發揮的重要作用，值得進一步研究。臨終關懷住院服務也沒有包括在這個分析中(盡管模型可以很容易地容納它們的包含)。這是因為收容所被視為一種有限的資源，沒有受到大流行的影響，因為住院床位數量有限。例如，在我們當地，有25張住院病床，隻有一名患者被證實在臨終關懷環境中死於COVID-19。在分析中，通過將臨終關懷衛生專業人員重新部署到電話谘詢線路來增加社區支持，這是一種專業的姑息治療資源。該模型中不包括個人防護裝備。COVID-19對預期護理包的潛在變化，如更多的護理人員管理藥物(例如，非專業護理人員管理注射藥物或增加非注射藥物的處方，以緩解人員短缺)，不包括在分析中，以模擬最清楚地反映被認為是最佳實踐的護理。鼓勵與德爾菲(Delphi)或其他共識建立過程或現場數據進行進一步磋商，以確保對員工和員工的估計的穩健性，使模型最準確地反映其應用的環境。最後，我們沒有包括社區護士和護理人員的“旅行時間”; therefore, in more rural settings, this will change estimates, which the model can accommodate. Models can be retrospectively validated and adapted once data of the impact matures.
實踐啟示
我們對醫療保健英雄主義的文化偏見有可能忽視姑息治療和EoL護理對大流行的重要貢獻。有了姑息治療流行病規劃大綱的結構，13這項研究為根據當地的工作模式和資源來準備、計劃和提供緩和醫療大流行應對措施的基本要素提供了現實的模型。如果沒有預見到資源限製，公平護理就會受到損害。這場大流行病提醒人們，迫切需要開展協作、靈活的工作和收集高質量的數據，以便為預防因身體和心理痛苦而死亡的準備和規劃提供信息。總體而言，關於姑息治療成本效益的證據有限，30 -英國專家姑息治療服務的異質性使研究複雜化。33在大流行期間，我們沒有發現對接受和未接受姑息治療的患者的護理財務成本進行比較的評估，這是一個需要進行更多研究和了解的領域。強調EoL護理並不是否定挽救生命甚至維持生命的護理的重要性，而是承認在大流行期間為每個人提供護理的道德責任，即使在無法治愈的情況下。這裏提出的模型提供了在大流行期間提供優質姑息治療所必需的預測資源的證據。
數據可用性聲明
所有與研究相關的數據都包含在文章中。本文中描述的模型是免費和開源的https://colab.research.google.com/drive/1K0-xsqG_uIpoWhw86tjOUM55OcFfhq_2．沒有其他數據可用。
致謝
我們要感謝亞曆山大·米德爾迪奇博士對有關COVID-19醫院數據的問題的支持。
參考文獻
腳注
貢獻者DC是這項工作的項目經理，計劃項目，概念化和建立模型，並使用該模型生成論文中報告的預測和分析。他還主導了這篇論文的寫作。CC, RK和SR提供了關於現實世界係統的信息，以告知模型的設計，並提供了用於參數化模型的數據，無論是在采購定量數據方麵，還是在數據缺失的地方提供了參數化模型的專家意見。他們也為論文的真實世界背景方麵做出了很大貢獻。KR專門為模型的社區方麵提供了信息和反饋，包括對模型中使用的護理包的頻率和內容的估計。AA和RS都就模型所考慮的方麵、用於參數化模型的數據和手稿草稿提供了廣泛的反饋。
資金這項工作得到了國家衛生研究所西南半島應用研究合作的支持。獎勵/資助編號不適用。
免責聲明本出版物中所表達的觀點僅代表作者的觀點，不一定代表國家衛生研究所或衛生和社會福利部的觀點。
相互競爭的利益沒有宣布。
出處和同行評審不是委托;外部同行評審。
請求的權限
如果您希望重用本文的任何或全部內容，請使用下麵的鏈接，該鏈接將帶您到版權清除中心的RightsLink服務。您將能夠快速獲得價格和即時許可，以多種不同的方式重用內容。