Selon une étude menée par l'University of Texas at Austin publiée dans Proceedings of the National Academy of Sciences, les chercheurs ont créé un cadre qui aide les décideurs à déterminer quelles données suivre et quand prendre des mesures pour protéger leurs communautés. Le modèle spécifie une série de points de déclenchement pour aider les entités locales à savoir quand resserrer les mesures de distanciation sociale pour éviter que les hôpitaux ne soient envahis par des patients infectés par le virus. La méthode vise également à minimiser l'impact économique sur les communautés en suggérant les premiers moments pour assouplir les restrictions en toute sécurité.
Le taux toujours élevé d'infection aux États-Unis signifie que les législateurs du pays doivent continuer à prendre des décisions concernant le rétablissement et l'assouplissement des mesures de distanciation sociale. En utilisant les données de l'hôpital, le nouveau modèle permet aux dirigeants locaux de savoir quand il est temps d'appuyer sur les freins à la réouverture plutôt qu'à l'assouplissement des restrictions.
La mise en œuvre réussie de la stratégie comporte deux éléments, soit surveiller de près les données sur les hospitalisations pour la COVID-19 et veiller à ce que les communautés protègent les personnes les plus vulnérables à la maladie.
Le cadre combine deux modèles mathématiques, soit un modèle sous-jacent qui prédit la propagation probable de la pandémie et un modèle d'optimisation qui utilise les données d'admission des systèmes hospitaliers d'Austin. Il tente de suivre une fine ligne de prévention des catastrophes économiques et d'empêcher les systèmes hospitaliers de devenir submergés. Bien que les chercheurs aient utilisé les données d'Austin, le cadre peut facilement être utilisé par d'autres communautés disposant de données publiques sur les admissions à l'hôpital.
Aucun commentaire:
Enregistrer un commentaire