I virus responsabili di sintomi influenzali o correlati al coronavirus, spesso noti come “virus stagionali”, tendono a diminuire nei mesi più caldi. Le condizioni meteorologiche possono influenzare l’attività di questi virus, il che è un fattore importante nella gestione operativa degli ospedali. In un’analisi condotta da Ranjbar et al. su tre anni di dati giornalieri in un importante ospedale svizzero, sono stati esaminati gli estremi delle visite ospedaliere di pazienti con sintomi influenzali e i casi confermati di influenza. A tal fine, è stata utilizzata la distribuzione di Pareto generalizzata discreta (D-GPD) per modellare il numero di casi positivi e negativi. Il modello proposto permette di includere l’effetto di variabili covarianti sui parametri delle distribuzioni, trattando al contempo le osservazioni anomale attraverso una stima robusta. Dal momento che le condizioni meteorologiche cambiano nel tempo, si è preferito considerare queste variazioni anziché seguire un calendario fisso, per spiegare meglio gli estremi del carico ospedaliero, ottenendo risultati empiricamente significativi. Inoltre, è stata introdotta una metrica per misurare la congestione ospedaliera e uno strumento per stimare il CaRe (Carico a Rischio) in diverse condizioni atmosferiche. I relativi calcoli possono essere facilmente effettuati tramite il pacchetto GJRM in R, che è liberamente accessibile. La validità empirica di questo approccio è stata confermata attraverso simulazioni.
Andamento estremo dei virus stagionali e congestione ospedaliera: il caso dell’influenza in un ospedale svizzero
SABADOTTO, BINOD
2023/2024
Abstract
I virus responsabili di sintomi influenzali o correlati al coronavirus, spesso noti come “virus stagionali”, tendono a diminuire nei mesi più caldi. Le condizioni meteorologiche possono influenzare l’attività di questi virus, il che è un fattore importante nella gestione operativa degli ospedali. In un’analisi condotta da Ranjbar et al. su tre anni di dati giornalieri in un importante ospedale svizzero, sono stati esaminati gli estremi delle visite ospedaliere di pazienti con sintomi influenzali e i casi confermati di influenza. A tal fine, è stata utilizzata la distribuzione di Pareto generalizzata discreta (D-GPD) per modellare il numero di casi positivi e negativi. Il modello proposto permette di includere l’effetto di variabili covarianti sui parametri delle distribuzioni, trattando al contempo le osservazioni anomale attraverso una stima robusta. Dal momento che le condizioni meteorologiche cambiano nel tempo, si è preferito considerare queste variazioni anziché seguire un calendario fisso, per spiegare meglio gli estremi del carico ospedaliero, ottenendo risultati empiricamente significativi. Inoltre, è stata introdotta una metrica per misurare la congestione ospedaliera e uno strumento per stimare il CaRe (Carico a Rischio) in diverse condizioni atmosferiche. I relativi calcoli possono essere facilmente effettuati tramite il pacchetto GJRM in R, che è liberamente accessibile. La validità empirica di questo approccio è stata confermata attraverso simulazioni.File | Dimensione | Formato | |
---|---|---|---|
sabadotto_binod.pdf
accesso riservato
Dimensione
867.89 kB
Formato
Adobe PDF
|
867.89 kB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/77702