Pokročilé modelování vývoje epidemiologického vypuknutí COVID-19

Design. Retrospektivní observační studie. Modelování bude založeno na pandemii SARS-CoV-2, která začala na začátku roku 2020.

Subjekty studie Budou shromažďovány informace o denních údajích o výskytu agregovaných podle věku a pohlaví pro: provedené testy, pozitivní případy, přijetí do nemocnice a přijetí na JIP pro SARS-CoV-2, propuštění z nemocnice a propuštění na JIP, uzdravení a úmrtnost (na JIP, v v nemocnici nebo v komunitě) jednotlivců s COVID19.

Kritéria pro zařazení. Z pozitivních případů: Mít infekci SARS-CoV-2 laboratorně potvrzenou pozitivním výsledkem testu reverzní transkriptáza-polymerázová řetězová reakce na koronavirus 2 těžkého akutního respiračního syndromu (SARS-CoV-2) nebo pozitivním testem na antigen od 1. března 2020 do 9. ledna 2022.

Pro přijetí do nemocnice: přijetí do nemocnice od začátku pandemie. Zvažování různých epizod jako jediného vstupu, pokud jde o přesuny z jednoho centra do druhého. Berte v úvahu výhradně příjmy v důsledku COVID19.

Kritéria vyloučení: Pacienti přijatí z jiných důvodů, u kterých se onemocnění rozvinulo během pobytu v nemocnici.

Proměnné. Data, která mají být shromažďována, jsou agregovaná data ve formě incidentů. Populace bude rozvrstvena do deseti věkových skupin (0 - 9, 10 - 19, ..., 70 - 79, 80 - 89, 90+) a podle pohlaví. Proměnné:

• Jednotlivci ve studované populaci podle věku.
• Počet nových potvrzených pozitivních případů COVID19 podle věku a dne.
• Počet nově přijatých do nemocnice kvůli COVID19 podle věku a dne. Počet přijetí na JIP kvůli COVID19
• Počet celkových úmrtí na COVID19 podle věku a dne.
• Počet propuštění z nemocnice (živí pacienti) pacientů hospitalizovaných pro COVID19 podle věku a dne (bez převozů).
• Počet úmrtí v nemocnici kvůli COVID19 podle věku a dne.
• Počet úmrtí na JIP v důsledku COVID19 podle věku a dne.

Výsledné proměnné, které budou získány z navrhovaného modelování, jsou:

• Počet odhadovaných pozitivních případů COVID19 podle věku a dne.
• Počet odhadovaných hospitalizací COVID19 podle věku a dne.
• Počet odhadovaných celkových úmrtí na COVID19 odhadovaný podle věku a dne.
• Počet odhadovaných přijetí na JIP kvůli COVID19 odhadovaný podle věku a dne.

Analýza dat. Použijeme P-splines a záporné binomické rozdělení. P-spline, neboli penalizované spline, jsou mocným nástrojem pro modelování nelineárních vztahů v časových datech. Jejich kombinací s negativním binomickým rozdělením se získá model, který je vhodný zejména pro počítání dat s nadměrným rozptylem, jako je tomu v případě pandemických dat.

Postup:

• Sběr dat: Denní údaje o pozitivních případech, hospitalizacích a příjmech na JIP budou získávány od začátku pandemie do září 2022.
• Modelování: K datům bude přizpůsoben model P-splines založený na záporném binomickém rozdělení. Tento model bude navržen tak, aby zachycoval časové trendy a sezónní vzorce a také aby se vyrovnal s nadměrným rozptylem přítomným v datech.
• Model s náhodným efektem pro den v týdnu: Speciálně pro predikci přijetí do nemocnice bude začleněn náhodný efekt pro den v týdnu. Tato úprava bude provedena, protože byla zjištěna systematická variabilita příjmů v závislosti na dni v týdnu. Výrazné začlenění tohoto náhodného efektu zlepší přesnost modelu pro tuto proměnnou.
• Predikce: Předpovědi budou provedeny pro dva časové horizonty: krátkodobý (1 a 2 dny) a střednědobý (5 dní). Tyto předpovědi nám umožní předvídat vývoj pandemie a činit informovaná rozhodnutí.

Validace předpovědí: Pro ověření přesnosti a robustnosti předpovědí bude provedena retrospektivní analýza v různých časech (nebo vlnách) pandemie. Předpovědi modelu budou porovnány se skutečně pozorovanými daty a budou vypočítány chybové metriky pro vyhodnocení výkonnosti modelu.

Omezení. Jedním z omezení studie je možná ztráta hospitalizací v důsledku uvažovaného onemocnění a úmrtí (nebo zotavení) u jedinců, jejichž časová posloupnost testování, přijetí a úmrtí (nebo zotavení) nesledovala sekvenci použitou při provedených prohlídkách.

Etické aspekty. Tato studie ke splnění svých cílů používá pouze anonymizované informace. Nejsou k dispozici žádné údaje k identifikaci pacienta.

Zpracování, sdělování a předávání osobních údajů všech zúčastněných osob je v souladu s ustanoveními evropského nařízení o ochraně osobních údajů (EU2016/679) o ochraně fyzických osob v souvislosti se zpracováním. o ochraně osobních údajů a volném oběhu těchto údajů a základním zákonem 3/2018 ze dne 5. prosince o ochraně osobních údajů a zaručení digitálních práv. Prakticky všechna data nezbytná pro tuto studii jsou agregovaná data, která v žádném případě nelze spojovat s jednotlivci. Se všemi informacemi bude nakládáno naprosto důvěrně.

Pokud jde o získání informovaného souhlasu od pacienta, tento výzkumný tým navrhuje provedení studie, aniž by pacient požádal o informovaný souhlas. Důvody, proč je předložen tento návrh, jsou založeny na článku 58 zákona 14/2007 ze dne 3. července o biomedicínském výzkumu („..výjimečně mohou být kódované nebo identifikované vzorky zpracovány pro účely biomedicínského výzkumu bez souhlasu zdrojový subjekt, kdy získání uvedeného souhlasu není možné nebo představuje nepřiměřené úsilí. V těchto případech bude vyžadováno souhlasné stanovisko příslušné Etické komise pro výzkum. ")