Your browser doesn't support javascript.
loading
Forecasting hospital demand in metropolitan areas during the current COVID-19 pandemic and estimates of lockdown-induced 2nd waves.
Capistran, Marcos A; Capella, Antonio; Christen, J Andrés.
Afiliação
  • Capistran MA; Centro de Investigación en Matemáticas, CIMAT, Guanajuato, Guanajuato, Mexico.
  • Capella A; Instituto de Matemáticas, UNAM, Circuito Exterior, CU, CDMX, Mexico.
  • Christen JA; Centro de Investigación en Matemáticas, CIMAT, Guanajuato, Guanajuato, Mexico.
PLoS One ; 16(1): e0245669, 2021.
Article em En | MEDLINE | ID: mdl-33481925
We present a forecasting model aim to predict hospital occupancy in metropolitan areas during the current COVID-19 pandemic. Our SEIRD type model features asymptomatic and symptomatic infections with detailed hospital dynamics. We model explicitly branching probabilities and non-exponential residence times in each latent and infected compartments. Using both hospital admittance confirmed cases and deaths, we infer the contact rate and the initial conditions of the dynamical system, considering breakpoints to model lockdown interventions and the increase in effective population size due to lockdown relaxation. The latter features let us model lockdown-induced 2nd waves. Our Bayesian approach allows us to produce timely probabilistic forecasts of hospital demand. We have applied the model to analyze more than 70 metropolitan areas and 32 states in Mexico.
Assuntos

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: COVID-19 Tipo de estudo: Prognostic_studies Limite: Humans País/Região como assunto: Mexico Idioma: En Revista: PLoS One Assunto da revista: CIENCIA / MEDICINA Ano de publicação: 2021 Tipo de documento: Article País de afiliação: México País de publicação: Estados Unidos

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: COVID-19 Tipo de estudo: Prognostic_studies Limite: Humans País/Região como assunto: Mexico Idioma: En Revista: PLoS One Assunto da revista: CIENCIA / MEDICINA Ano de publicação: 2021 Tipo de documento: Article País de afiliação: México País de publicação: Estados Unidos