COVID-19 ziekenhuisopnames: het voeden van besluitvorming in toekomstige pandemieën
Effectieve en gerichte besluitvorming tijdens pandemieën vereist nauwkeurige voorspellingen van belangrijke gezondheidsindicatoren zoals ziekenhuisopnames. Deze studie onderzoekt de relatie tussen het wekelijkse aantal COVID-19 ziekenhuisopnames en verschillende indicatoren waarvan wordt verondersteld dat ze correleren met COVID-19 ziekenhuisopnames, waaronder gegevens van vaste en mobiele sensoren, afvalwaterzuiveringsinstallaties (WTP’s), weergegevens en beleidsmaatregelen in Nederland en Duitsland van 2020 tot 2022.
De vaste sensoren leveren gegevens over voetgangersstromen in grootstedelijke gebieden. De informatie van de mobiele sensoren is gebaseerd op geanonimiseerde mobiele telefoongegevens van apps zoals Google Maps. De WTP-gegevens geven informatie over de coronavirusdeeltjes in afvalwater. De weergegevens informeren over temperatuur en luchtvochtigheid. De beleidsgegevens geven dagelijks de beleidsmaatregelen weer die overheden hebben geïmplementeerd om de pandemie aan te pakken.
De relatie tussen de indicatoren en de wekelijkse COVID-19 ziekenhuisopnames wordt geschat met behulp van structurele tijdreeksmodellen (STS). De STS-modellen ontleden de waargenomen ziekenhuisopnames in een trend- en een regressiecomponent. Elke tijdsafhankelijke regressiecoëfficiënt beschrijft hoe de relatie tussen een hulpreeks en de ziekenhuisopnames evolueert tijdens de COVID-19 pandemie. Onderzochte trendcomponenten zijn de modellen met een lokaal niveau, een gladde trend en een lokale lineaire trend, evenals modellen met een tijdsinvariant intercept. Relevante hulpvariabelen voor de regressiecomponenten worden geselecteerd met een stapsgewijze variabelenselectiemethode. De modellen worden geschat met het Kalman Filter nadat ze zijn uitgedrukt in een toestandsruimte. De verschillende modeluitkomsten worden uitgebreid geëvalueerd en besproken. Naast informatie over de potentiële relevantie van indicatoren voor het voorspellen van COVID-19 ziekenhuisopnames, beoogt deze paper dus een uitgebreide vergelijking van de verschillende modellen, hun resultaten en hun implicaties.
Onze analyse brengt belangrijke verbanden aan het licht tussen verschillende indicatoren en COVID-19 ziekenhuisopnames en benadrukt het belang van enkele specifieke indicatoren die kunnen worden gebruikt voor het modelleren en voorspellen van ziekenhuisopnames tijdens een pandemie. Door de voorspellende kracht van verschillende indicatoren en modelspecificaties uitgebreid te beoordelen, bevorderen we geïnformeerde besluitvorming tijdens pandemieën, waardoor effectiever beleid voor de volksgezondheid mogelijk wordt.