Voorspelmethode voor bedbezetting door patiënten op de COVID-19 kliniek en Intensive Care
--- For the English summary, please see below ---
Introductie
CHOIR heeft in samenwerking met LUMC, ETZ en Rijnstate een wiskundig model ontwikkeld waarmee we het toekomstig aantal opgenomen patiënten op de COVID-19 Intensive Care (IC) en kliniek voorspellen. De voorspelde bezetting is gebaseerd op een voorspelling van het toekomstig aantal directe aankomsten per dag, een schatting van de ligduurverdeling en een schatting van de kans op overplaatsing van de IC naar de kliniek en vice versa. De data waarop de voorspelmethode geëvalueerd is, is direct verkregen uit het datawarehouse van de desbetreffende ziekenhuizen. We testen de methode op basis van data ten tijde van de eerste COVID-19 uitbraak, voor vier Nederlandse ziekenhuizen. De voorspelmethode laat voor deze periode zeer accurate voorspellingen zien. De code genereert automatisch een visualisatie van de voorspellingen, en is tijdens de tweede COVID-19 uitbraak gebruikt door vier ziekenhuizen om de bedbezetting te voorspellen.
Op deze pagina kunnen alle files gevonden worden die gerelateerd zijn aan dit onderzoek, met uitzondering van de gebruikte R code. Voor toegang tot de code of voor andere vragen kan contact opgenomen worden met prof.dr. Richard Boucherie op e-mail adres r.j.boucherie@utwente.nl.
Bestanden
- Beschrijving van data benodigdheden voor gebruik IC voorspeller
- Presentaties over dit project van 8 januari 2021, 6 november 2020, 4 september 2020
- Working paper "Real-time forecasting of COVID-19 bed occupancy in wards and Intensive Care Units"
English summary
We present a mathematical model that provides a real-time forecast of the number of COVID-19 patients admitted to the ward and the Intensive Care Unit (ICU) of a hospital based on the predicted inflow of patients, their Length of Stay (LoS) in both the ward and the ICU as well as transfer of patients between the ward and the ICU. The data required for this forecast is obtained directly from the hospital's data warehouse. The resulting algorithm is tested on data from the first COVID-19 peak in the Netherlands, showing that the prediction is very accurate. The forecast may be visualised in real-time in the hospital's control centre and is used in several Dutch hospitals during the second COVID-19 peak.
This page contains all files related to this research, with the exception of the R code. For questions about the research or access to the code, contact prof.dr. Richard Boucherie at r.j.boucherie@utwente.nl. Here you can find an English presentation on this project.