摘要
我们使用基于个人的模型和国家层面的流行病模拟来估计在不同的反事实情景下,在COVID-19大流行期间保持美国经济开放的医疗成本。我们模拟了一种未缓解的情景和12种缓解情景,这些情景在遵守社会距离策略的行为和居家令的持续时间方面有所不同。在每种情况下,我们估计可能被感染并需要医疗照顾、住院和呼吸机的人数。给定每一种健康状态的人均医疗成本,我们计算每种情况下的总医疗成本,并显示死亡、成本、感染、依从性和居家令持续时间之间的权衡。我们还考虑了美国每个医院转诊区(HRR)的病床容量,以估计每个HRR在医院病床需求的情况下可能遇到的病床赤字。我们考虑了一种情况,即在需求激增期间,人权事务代表在邻近的人权事务代表之间共享医院床位,以及它对控制额外死亡的影响。
介绍
随着各州努力结束社交距离并重新开放企业,重要的是要从生命损失和医疗费用方面了解开放的成本。过早开放可能会导致更多的死亡和感染,因为医疗系统可能会不堪重负,并可能抹去最初关闭期间取得的所有成果。我们使用基于agent的模型和仿真框架来估算不同缓解方案下COVID-19的即时医疗成本。这些场景考虑了不同持续时间和不同遵守程度的社交距离。模拟框架使用美国人口及其社会互动的详细表示来研究COVID-19的传播。SEIR(易感-暴露-感染-恢复)模型捕捉个体随时间变化的健康状态。受感染个体在达到最终健康状态(康复或死亡)之前,会到达三种健康状态之一,即接受治疗、住院或通气,如图所示。1.
医疗费用是根据三种健康状态,即就医、住院和通风来计算的。此外,如果受感染的个体死亡,则使用“统计生命价值”来估计死亡成本。我们还根据美国对医院床位的需求和每个医院转诊区可用床位的数量,估计每个医院转诊区(HRR)可能出现的医院床位短缺。每个HRR的床位数量数据来自美国医院协会(AHA),其中一小部分被认为可供COVID-19患者使用。我们考虑在需求激增期间,相邻的hr共享或不共享医院床位的情况。
然后利用这些信息计算每种缓解方案的额外死亡人数和医疗费用。决策者可以运用这种分析来决定临时医院可能需要建在哪里,以抵消床位需求的不足。我们的目标是利用这些知识,为公共卫生官员和政策制定者提供指导,让他们在封锁时间、遵守社交距离、感染、死亡和医疗费用之间做出权衡。我们基于情景的分析以货币形式估计了疾病的负担,并有助于分级缓解战略。
在相关工作中,作者在1考虑不同攻击率(从20%到80%不等)下潜在的医疗保健成本和资源使用情况。但是,它没有考虑任何干预措施或缓解战略。我们的研究重点是反事实缓解情景及其各自的成本。我们使用了凯撒家庭基金会(KFF)提供的最新COVID-19成本估算2它使用肺炎病例的成本作为代理。我们详细的基于网络的模型捕捉了种群中个体之间的异质社会互动和接触时间,这是该分析的独特特征之一。此外,没有其他研究为整个美国提供如此详细的缓解方案的医疗费用估计。
我们的研究结果表明:(1)如果没有缓解措施,总医疗费用将占美国GDP的很大一部分(5%);(2)如果在疫情早期采取封锁措施,并充分遵守,只需封锁2个月,就可以将医疗费用降低90%以上;(3)如果能够实现90%的合规,那么即使是45天的封锁期也足以控制疫情和医疗费用;(4)如果人权事务代表不与其他人权事务代表共用病床,病床的严重短缺将导致死亡人数增加,从而导致医疗费用飙升。然而,如果人权专员与邻近的人权专员共用床位,床位不足和额外死亡人数可以减少到几乎为零;(5)对参数的敏感性分析表明,成本对居家令的持续时间最为敏感。
数据和方法
我们建立在流行病传播的建模和模拟框架之上3.,4,5,6,7,8,9使用个人层面合成的社会联系网络5,10-它代表人口中的每个个体及其人口统计属性(例如,年龄、性别、收入)和他们的社会互动。基于第一性原理构建人工种群和社会联系网络的主要步骤是:(1)利用美国人口普查和其他商业数据库构建人工种群;(2)通过活动和时间使用调查(美国时间使用调查数据和全国家庭旅行调查数据)为每个家庭中的个人分配日常活动;(3)根据Dun and BradStreet、土地利用、开放街道地图等数据,为每个人的每项活动分配地理位置;(4)构建一个动态的基于社会共地的社会联系网络,该网络是由人们同时访问地点所诱发的。在此之前,这些网络已被验证并用于许多公共卫生分析,例如3.,5,11,12,13,14,15,16.构建社交网络的详细信息请参见11,12,17.
本文中用于COVID-19的SEIR疾病模型和参数已在最佳猜测2020-04-14版本美国疾病控制与预防中心(CDC) SARS-CoV-2建模团队编写的“COVID-19大流行规划情景”文件18.健康状态转换的顺序和可能的路径如图所示。1.当个体从易感状态过渡到最终健康状态时,存在许多可能的健康状态和路径。该模型对以下类别进行了年龄分层,即学龄前儿童(0-4岁)、学生(5-17岁)、成年人(18-49岁)、老年人(50-64岁)和老年人(65岁以上),并分别针对每个年龄组进行了校准。每个年龄组的健康状态之间的过渡概率以及在每种健康状态下的停留时间的详细信息见附录.我们的模型和模拟框架已用于我们正在为弗吉尼亚州卫生部和美国国防部进行的一些SARS-CoV-2应对工作19.
医疗费用
为了估计治疗COVID-19患者的医疗费用,我们使用“大雇主健康保险”计划支付的肺炎治疗平均费用作为代理2.表中显示了每种运行状况状态的成本1.请注意,每个感染者的医疗费用只计算一次。例如,如果一个人处于通风状态,在经历“meddattend”和“Hosp”状态后,成本累积到“vent”状态。
生命的价值
医疗费用总额可以通过以死亡人数和治疗费用为标准的多种标准来衡量,也可以通过使用“统计生命价值”将死亡人数换算成美元的单一标准来衡量。衡量统计生命价值的方法有很多种。无论一个人的年龄如何,美国联邦政府对每条生命的损失都使用1000万美元的赔偿,而其他人则根据大学毕业生的平均终身收入、9/11受害者赔偿、意外死亡索赔、保险单价值等指标,使用16万至240万美元的估计。20.,21,22.我们用200万美元作为生命的价值,把死亡换算成成本23.
干预措施
我们考虑了一些缓解方案,包括各种社交距离策略、遵守程度和居家令的持续时间。以下是保持社交距离的策略:
- 1.
自愿居家隔离(VHI):有症状者选择居家隔离14天(非居家类型接触者为残疾)。
- 2.
学校关闭(SC):学校和学院关闭(学校类型的联系人禁用)。
- 3.
呆在家里(SH):人们遵循公共卫生“呆在家里”的指示(禁止非家庭类型的接触)。
如所述,在不同的州,学校关闭和居家干预措施的开始时间不同24,25.一旦关闭,学校将一直关闭到8月底,然后重新开学。其他社会距离干预措施在干预开始之日起30、45或60天停止,具体取决于隔离持续时间。请注意,这意味着所有缓解努力将在2020年夏末结束。
居家令的期限从0天、30天、45天到60天不等。遵守居家隔离和自愿居家隔离的比例分别为60%、70%、80%和90%。表格2显示具有12个缓解方案和一个未缓解案例的析因设计,共产生13个单元格实验。对于每个细胞,运行25次重复并报告其平均值。表格3.显示变量及其参数值的完整列表。
医院病床容量
我们使用美国心脏协会提供的美国每个HRR的医院病床容量数据来计算每个地区可能遇到的赤字。我们假设三种情况对病床的使用:(1)所有COVID-19患者需要一个床上,将有一个可用的即没有短缺的病床,在每个嗯(2)床上能力有限和床之间不能共享医院其他嗯容纳床位的需求激增,(3)床上能力在每个嗯是有限的但是床之间可以共享医院周边嗯地区容纳需求激增。
在这些情况下考虑的其他因素是住院患者的平均住院时间,以及每个HRR中专用于COVID-19患者的床位百分比。住院时间为7天或14天,COVID-19患者可用床位比例为70%、80%、90%或120%。考虑到超过100%的床位容量(120%),因为许多医院能够暂时将其容量增加到正常水平以上26.
每天对每个HRR床位数量的需求是由模拟决定的。模拟结果提供了处于“住院”状态的人数,并根据假定的住院时间(7天或14天)计算每天的床位需求。注意,这也包括处于“通气”状态的个体,因为根据我们的疾病模型,处于“通气”状态的每个人都必须首先处于“住院”状态,见图。1.床位容量与需要床位的病人数量之间的差异决定了医院床位的短缺。
我们假设那些需要医院床位却得不到的病人会死去。这是一个强有力的假设,因此考虑了四种不同的专用床容量值来显示其敏感性。请注意,当考虑床位容量限制时,情况(2)和(3)中只有死亡人数和总费用会发生变化。"所有床位不足都会导致死亡"的假设为床位不足造成的医疗费用提供了一个上限。如果只有一小部分人死亡,那么额外的死亡人数和成本就可以适当地减少。
结果
本节报告模拟结果以及在各种缓解方案下可能产生的医疗费用。对于每种情况,我们还考虑了为COVID-19患者提供专用病床的四种不同可能性。请注意,在模拟运行并感染个体到达“住院”状态之后,医院床位被视为后处理步骤。
数字2显示了所有缓解方案下美国每日新感染病例的流行曲线。四个子图分别代表60%、70%、80%和90%的VHI和SH达标水平。每个子图中的实线对应不同的待在家里的时间。实线周围的阴影区域表示模拟结果的随机性,并以一个标准误差带标记。从图1中可以得出以下观察结果。2:(1) SH持续时间越长,流行曲线峰值越低;(2)在所有情况下,较长的SH持续时间延迟峰值和/或使其趋于平缓;(3)除非VHI和SH符合率至少达到80%,并且SH持续时间至少为45天,否则2020年秋季将出现第二波大浪潮。注意,到秋季所有干预措施结束,包括学校关闭;(4)如果VHI和SH符合率达到90%,SH持续时间为45天或更长,则疫情在年底结束。
减少的医疗费用:无限制地供应医院病床
数字3.显示12种缓解方案以及未缓解方案的医疗费用。每个场景的运行状况状态计数由我们的模型和模拟估计。通风、住院和就医类别的费用是通过乘以表中所列每种健康状态的人均费用来计算的1通过在康复或死亡前达到该健康状态的人的计数。如果一个人死了,那么就会产生额外的死亡费用。
医疗费用:医院床位有限,不允许共用床位
数字4显示在假定每个HRR的医院病床容量有限且固定在AHA规定的水平的情况下,在不同缓解方案下可能产生的医疗费用。但是,如果床位不足,则不允许在人权区以外共用医院床位。它进一步假设平均住院时间为14天,70%的床位专门用于COVID-19患者27.如果床位供不应求,找不到床位的病人就会死亡。每增加一人死亡,就会造成每人200万美元的额外费用。数字5显示由于床位有限可能造成的额外死亡人数。我们展示了最可能的14天住院情况的详细结果2770%的床位可供COVID-19住院治疗。然而,通过将住院时间变化为7天,专用床位可用性分别为80%、90%和120%,进行了敏感性分析。
医疗费用:医院床位有限,允许跨区域共用床位
在医院床位可与相邻的hr共享的假设下的成本分析表明,通过共享可以完全缓解床位短缺。如图所示,在几乎所有缓解方案中,没有因床位短缺而造成额外死亡,因此没有额外医疗费用。4和6.这意味着当地有足够的床位,至少在考虑的情况下,可以通过共享床位来充分缓解短缺。
敏感性分析
我们分析了我们的结果对多个因素的敏感性,即繁殖数(\ (R_0 \)(即一名感染者产生的预计病例数)、遵守居家隔离令、出现症状时遵守自愿居家隔离,以及居家隔离令的持续时间。\ (R_0 \)变化范围从2.1到2.8,增量为0.1;VHI合规性和SH合规性从30%到90%不等,增量为10%,SH订单的持续时间从30天到75天不等,增量为15天。这些参数值一起将生成一个1568单元析因实验。为了使分析更易于管理,我们使用拉丁超立方体采样方法从这个多维分布中生成参数值的随机样本28,29,进行敏感性分析。我们随机选择30个具有不同组合的细胞\ (R_0 \), VHI顺应性,SH顺应性和SH持续时间,对于每个细胞,运行25个重复。然后根据个体的健康结果计算30个细胞中每个细胞的每个重复的医疗费用,其平均值报告在图中。7.
图中的六个面板。7参考40%、50%、60%、70%、80%和90%六种不同的居家依从率。点的“型”指的是工期30、45、60、75天,颜色指的是总成本。X和Y轴表示\ (R_0 \)和VHI合规性。结果如图2所示。7结果表明,医疗费用对SH持续时间最敏感,费用对SH持续时间最敏感\ (R_0 \)随着SH持续时间的增加而减小。第4节提供了关于敏感性的更多讨论。
讨论
本分析侧重于估算不同缓解方案下美国COVID-19大流行的医疗成本。结果如图2所示。3.数据显示,如果90%的人遵守居家隔离(SH)命令45天或更长时间,如果出现症状,则自愿居家隔离(VHI) 14天,并保持学校关闭,则可以消除96%以上的医疗费用总额。COVID-19大流行早期浪潮的未减轻医疗成本超过1万亿美元,约占美国经济的5%,仅保持社交距离就可能降至350亿美元。如果80%的人遵守SH 60天,并遵循VHI,也可以获得类似的结果。然而,如果合规水平降至60%,那么即使是60天的SH订单,总成本仍将达到6360亿美元。为了降低至少50%的成本,对于45天的居家订单,以及VHI和SC,合规水平至少需要达到70%3.展示了在不同缓解战略下成本、合规水平和居家令长度之间的权衡。它显示了在假设疾病模型保持不变的情况下,额外两周的封锁和更高的合规水平可以取得多大程度的收益。我们的计算表明,如果生命的价值从200万美元增加到1000万美元(美国联邦政府使用的数字),这些策略的排名不会改变,这表明了方案的强大排名。
请注意,图4中的分析。3.假设医院床位供应无限量。但是,如果每个HRR容量所提供的床位供应有限,并且HRR医院之间不允许共享床位,则床位短缺可能导致死亡率上升200%,如图所示。5.这种分析可以帮助确定临时医院或医院床位的数量,应该提前安排,以抵消床位短缺。
对住院时间和COVID-19患者可用专用床位容量的敏感性分析表明,死亡人数在很大程度上取决于这些参数。在几乎所有的情况下,图。5显示70%的专用床位容量和平均14天的住院时间,如果依从性低于90%并且不允许共享医院床位,仍可能导致死亡人数增加100-200%。即使对于平均住院7天的病例,至少需要70%或更多的依从性,以尽量减少床位短缺对额外死亡的影响。
数字6显示相邻HRR的医院之间允许共用床位的情况下的结果。共享有助于消除所有缓解方案中几乎所有的短缺。即使14天的住院时间,只有70%的床位可用,如果允许在hr之间共享,也足以满足需求。这就确定了在大流行期间在各hr之间共享医疗资源的重要性。
在无花果。7,我们分析了医疗费用对不同值的敏感性\ (R_0 \)、SH持续时间、VHI合规性和SH合规性。我们得出了几点结论:(1)成本对SH持续时间最为敏感。这可以通过比较后两个面板的SH符合率分别为80%和90%来看出。当\ (R_0 \)为2.6,VHI合规率为60%,与60天的SH持续时间(蓝色+)相比,30天的SH持续时间(粉色圆圈)的成本要高得多。虽然最后一个面板中该元件的SH合规性也略高(80%对90%),但SH持续时间为30天(5970亿美元)的成本是60天(390亿美元)的15倍;(2)成本的敏感性\ (R_0 \)随着SH持续时间的增加而减小。这是由于封锁切断了社会接触,降低了有效性\ (R_0 \)所以随着封锁时间的延长\ (R_0 \)减少;(3)当SH持续时间较长时,成本对VHI依从性不敏感。这是意料之中的,因为当SH持续时间高时,社交连接性已经很低,所以低VHI依从性不会产生太大的影响。
这些结果对公共卫生政策制定者和监管者具有重要意义。首先,它确立了保持社交距离作为一项缓解战略的重要性。在没有疫苗的情况下,控制COVID-19传播的唯一方法是保持社会距离。这种基于情景的分析说明了保持社交距离的持续时间、社交距离的类型及其遵守情况对感染、死亡和成本的影响。
我们表明,如果第一波疫情未得到缓解,仅医疗费用就相当于美国GDP的5%。如果在不限制床位的情况下,提前封锁2个月,达到80%的合规性,医疗成本可能会降低90%以上。如果合规率能够提高到90%,那么即使是45天的封锁期也足以控制疫情和医疗费用。对仿真参数的敏感性分析表明,成本对居家令的持续时间最为敏感。对于决策者来说,这是一个重要的信息,他们可能无法控制对公共卫生指令的遵守程度,但可以控制指令的持续时间。
我们还强调,在医疗资源有限的情况下,与邻近地区共享病床等医疗资源的重要性。我们表明,如果hrr与相邻的hrr共用床位,床位不足和额外死亡可以减少到几乎为零,否则成本将飙升。
限制
费用是根据KFF提供的肺炎病例计算的2并不是真正的COVID-19特定成本。成本是人均平均成本,不随年龄组变化。对于老年人来说,病例更有可能是严重的,鉴于受感染的分布更倾向于老年人,我们的成本只提供了可能发生的医疗费用总额的下限。这项研究只估算了COVID-19的医疗费用,而没有估算因生病在家而导致的生产力损失、因封锁而导致的供应链中断、旅行、旅游和酒店业以及其他经济活动的损失所造成的成本。
美国联邦政府(1000万美元)和保险公司等其他私人机构(16万美元)对生命价值的估计差异很大。我们估计每人200万美元基于23这只是美国联邦政府使用的五分之一。根据生命价值的衡量方式,COVID-19的总体医疗费用可能会高得多,也可能会低得多。公共卫生政策制定者需要仔细审查这些数字,以便得出避免感染和死亡的成本效益。
结论
本研究估算了不同缓解方案下美国COVID-19的医疗成本,并有助于了解死亡、成本、感染、遵守社交距离和居家令持续时间之间的权衡。我们基于场景的分析以货币形式估计了疾病的医疗负担,并有助于分级缓解策略。
这表明,成本对居家令的期限最为敏感,其次是合规程度。一份60天的居家治疗令,如果80%的患者遵守了医嘱,就能将医疗费用从1万亿美元降至区区350亿美元。呆在家里的时间也减轻了兴奋的影响\ (R_0 \),如敏感性分析所示。随着居家时间的增加,对成本的敏感性也随之提高\ (R_0 \)下降是因为封锁降低了有效\ (R_0 \)通过切断联系。然而,要取得这些结果,必须在全国范围内一致地应用社交距离策略。尽管政策制定者无法控制人们的遵守程度,但他们可以控制封锁的持续时间,并可以根据实地观察到的遵守程度对公共卫生指令进行调整。
我们还表明,在需求激增期间,相邻的“医院转诊区域”之间共享医院床位可以将额外死亡人数减少到几乎为零。邻近地区之间的医疗资源共享合作可以挽救生命和金钱。这种分析还可以帮助决定在哪些地方需要增加床位和临时医院,以抵消需求的激增。
数据可用性
本文中报告的所有输出数据均可根据要求提供,但限制适用于用于构建社交网络的商业可用数据,因此限制了社交网络数据本身的可用性。
代码的可用性
为分析结果和支持本文中的发现而开发的代码可应通信作者的要求提供。
参考文献
Bartsch, s.m.。et al。在美国,与covid-19相关的潜在医疗保健成本和资源使用健康等于off。39(6), 927-935(2020)。
Rae, M., Claxton, G., Kurani, N., McDermott, D. & Cox, C.雇主保险的冠状病毒治疗的潜在成本。在彼得森医疗保健中心和凯撒家庭基金会,卷13(2020)。https://www.healthsystemtracker.org/brief/potential-costs-of-coronavirus-treatment-for-people-with-employer-coverage/.2020年7月15日发布。
Chen, J, Marathe, A.和Marathe, M.行为适应与疾病动态的反馈。科学。代表。8, 1-15(2018)。
Dorratoltaj, N。et al。芝加哥大流行性流感的流行病学和经济影响:疫苗干预的优先事项。公共科学图书馆第一版。医学杂志。13, e1005521(2017)。
Eubank, S。et al。模拟现实城市社会网络中的疾病暴发。自然429, 180-184(2004)。
Chen, J, Levin, S, Eubank, S, Mortveit, H., Venkatramanan, S, Vullikanti, A.和Marathe, M. COVID-19网络流行病学。暹罗的新闻53(5), 3,7(2020)。
Adiga, A., Venkatramanan, S., Schlitt, J.等。评估国际航空公司停飞对covid-19早期全球传播的影响。技术报告,medRxiv(2020)。https://www.medrxiv.org/content/10.1101/2020.02.20.20025882v2.full.pdf.2020年7月1日发布。
麻吉,D。et al。支持covid-19规划和应对的可扩展流行病学工作流程。技术报告SC-TR-2020,网络系统科学与高级计算学部,弗吉尼亚大学(2020)。https://www.dropbox.com/s/2uk2wnbte95mk5y/main.v87.7020f2c.pdf?dl=0.2020年7月10日获取。
辛格,M。et al。社会距离和疫苗接种方面的人口差异对美国城乡流感流行的影响。BMC感染。说。19, 221(2019)。
Beckman, R. J, Baggerly, K. A. & McKay, M. D.创建合成基线种群。透明。A部政策实务30., 415-429(1996)。
巴雷特,C。et al。生成和分析大型合成社会联系网络。在冬季模拟会议(冬季模拟会议,2009)。
哈洛伦,m.e.。et al。模拟针对分层遏制流感大流行在美国。在美国国家科学院学报(PNAS)[j], 2008。PMCID: PMC2290797。
Barrett, C, Eubank, S. & Marathe, M.基于交互的计算流行病学方法。AAAI1590 - 1593(2008)。
Eubank, S。et al。流行病学网络模型的细节:我们到了吗?生物。直流发电机。4, 446-455 (2010) (PubMed PMID: 20953340;PMCID: PMC2953274).
Marathe,。et al。比较自上而下和自下而上控制流感策略的有效性。《公共科学图书馆•综合》6, e25149 (2011) (PMCID: PMC3178616).
Rivers, C, Lofgren, E., Marathe, M., Eubank, S.和Lewis, B.模拟干预措施对塞拉利昂和利比里亚埃博拉疫情的影响。公共科学图书馆咕咕叫。6(2014)。PMCID: PMC4399521。
比塞特,K.和马拉特,M. A .支持大流行规划和应对的网络环境。DOE SciDAC杂志13, 36-47(2009)。
疾病控制和预防中心。Covid-19大流行规划情景。https://www.cdc.gov/coronavirus/2019-ncov/hcp/planning-scenarios-h.pdf(2020).2020年7月8日发布。
弗吉尼亚卫生部。Uva covid-19模型:每周更新。https://www.vdh.virginia.gov/coronavirus/2020/05/19/uva-covid-19-model-weekly-update/(2020).2020年7月8日访问。
没有人比联邦政府更看重你的生命。彭博(2017)。https://www.bloomberg.com/graphics/2017-value-of-life.2020年6月15日发布。
Alvarez, f.e., Argente, D. & Lippi, F.。covid-19封锁的一个简单规划问题技术报告,国家经济研究局(2020)。
刘,J.-T。,Hammitt, J. K., Wang, J.-D. & Tsou, M.-W. Valuation of the risk of sars in taiwan.卫生经济学。14, 83-91(2005)。
是什么决定了生命的价值?一个荟萃分析。J.政策肛门。等内容。21, 253-270(2002)。
教育。地图:冠状病毒和学校关闭。https://www.edweek.org/ew/section/multimedia/map-coronavirus-and-school-closures.html(2020).2020年6月30日通过。
维基百科的贡献者。美国州和地方政府对covid-19大流行的反应。https://en.wikipedia.org/wiki/U.S._state_and_local_government_response_to_the_COVID-19_pandemic(2020).2020年6月30日通过。
美国新闻。州长安德鲁·科莫命令医院在2020年将容量提高50%。https://www.usnews.com/news/health-news/articles/2020-03-23/new-york-gov-andrew-cuomo-orders-hospitals-to-increase-capacity-by-50.2020年7月8日发布。
莫加达斯,s.m.。et al。预测2019冠状病毒病在美国爆发期间的医院利用率Proc。国家的。学会科学。117中文信息学报,9122-9126(2020)。
McKay, M. D, Beckman, R. J. & Conover, W. J.在计算机代码输出分析中选择输入变量值的三种方法的比较。技术计量学21, 239-245(1979)。
伊曼,R. L,赫尔顿,J. C.和坎贝尔,J. E.一种计算机模型敏感性分析方法:第一部分:介绍、输入变量选择和初步变量评估。J.质量技术……13, 174-183(1981)。
致谢
作者要感谢弗吉尼亚大学(UVA)生物复杂性研究所的成员提供的有益的讨论和建议。我们还感谢弗吉尼亚大学高性能计算中心和匹兹堡超级计算中心的工作人员,他们提供了急需的高性能计算资源。美国国立卫生研究院(NIH)资助R01GM109718,美国国家科学基金会大数据资助isis -1633028,美国国家科学基金会DIBBS资助ACI-1443054,美国国家科学基金会资助号::OAC-1916805, NSF Expeditions in Computing Grant CCF-1918656, CCF-1917819, US Centers for Disease Control and Prevention 75D30119C05935, DTRA subcontract/ARA S-D00189-15-TO-01-UVA, and a collaborative seed grant from the UVA Global Infectious Disease Institute. The content is solely the responsibility of the authors and does not necessarily represent the official views of the sponsoring agencies.
作者信息
作者及单位
贡献
JC, SH, HM, SE, SV和BL建立了模型和软件。AV, JC, WY和AM处理和分析数据。AV, JC, AM, MM和CB构思了这个项目。所有作者都帮助撰写、编辑和审阅了这篇论文。
相应的作者
道德声明
相互竞争的利益
作者声明没有利益冲突。
额外的信息
出版商的注意
b施普林格《自然》杂志对已出版的地图和机构的管辖权要求保持中立。
补充信息
权利和权限
开放获取本文遵循知识共享署名4.0国际许可协议,该协议允许以任何媒介或格式使用、共享、改编、分发和复制,只要您适当地注明原作者和来源,提供知识共享许可协议的链接,并注明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可协议中,除非在材料的署名中另有说明。如果材料未包含在文章的知识共享许可中,并且您的预期用途不被法律法规允许或超过允许的用途,您将需要直接获得版权所有者的许可。如欲查阅本许可证副本,请浏览http://creativecommons.org/licenses/by/4.0/.
关于本文
引用本文
陈,J, Vullikanti, A, Hoops, S。et al。COVID-19期间保持美国经济开放的医疗成本。Sci代表10, 18422(2020)。https://doi.org/10.1038/s41598-020-75280-6
收到了:
接受:
发表:
DOI:https://doi.org/10.1038/s41598-020-75280-6
这篇文章是由
数据驱动的新冠肺炎疫情优化防控
科学报告(2021)