ICB-এর নেতৃত্বে ফলিত গবেষণা প্রকল্প
এই গবেষণা প্রকল্পগুলি ICB সহকর্মীদের দ্বারা পরিচালিত হয় যা গবেষকদের দ্বারা সমর্থিত ICB অগ্রাধিকার ক্ষেত্রগুলিকে লক্ষ্য করে।
প্রকল্প খোঁজা: আপনার ব্রাউজারে ফাইন্ড ফাংশন ব্যবহার করতে "Ctrl + F" ব্যবহার করুন। তারপর আপনার আগ্রহের বিষয়ে প্রকল্পগুলি খুঁজতে মূল পদগুলি ব্যবহার করুন। বেশ কিছু বিকল্প শব্দ যেমন "জন্ম" বা "মাতৃত্ব" বা "মাতৃত্ব" বা "জন্ম" চেষ্টা করা ভাল।
স্বাস্থ্যসেবাতে সিমুলেশন গ্রহণের উন্নতি: রোগীর প্রবাহের মডেলিংয়ের জন্য একটি ওপেন-সোর্স টুলের ব্যবহারকারী-চালিত বিকাশ
PathSimR মডেল হল একটি বহুমুখী সিমুলেশন মডেল যা BNSSG-তে তৈরি করা হয়েছে স্বাস্থ্যসেবায় রোগীর পথের মডেলিং করার জন্য। একটি বিনামূল্যে এবং নমনীয় সমাধান প্রদান করে, সফ্টওয়্যারটি বিভিন্ন প্রকল্প এবং কাজের অংশগুলির জন্য BNSSG এবং অন্যান্য NHS সিস্টেমগুলিতে আরও দূরে ব্যবহার করা হয়েছে। এই কাগজটি কীভাবে সফ্টওয়্যারটি তৈরি করা হয়েছিল তার গল্প বলে এবং এর কার্যকারিতা এবং কার্যকারিতা সম্পর্কে সম্পূর্ণ বিশদ সরবরাহ করে।
জটিল স্রাব পথের জন্য তীব্র এবং মধ্যবর্তী যত্ন ক্ষমতার ভারসাম্য অপ্টিমাইজ করা
তীব্র হাসপাতাল এবং কমিউনিটি কেয়ারের মধ্যে ক্ষমতা এবং রোগীদের প্রবাহের ভারসাম্য একটি কঠিন পরিকল্পনা সমস্যা, যার মধ্যে অনিশ্চিত রোগীর আগমন এবং থাকার পরিবর্তনশীল দৈর্ঘ্য বিবেচনা করা হয়। বিভিন্ন পরিস্থিতিতে, আমাদের মডেলিং এই পথ ধরে ক্ষমতার সর্বোত্তম বরাদ্দ প্রকাশ করতে সাহায্য করেছে। মডেলিংটি COVID-19 এর পরের মাসগুলিতে করা হয়েছিল।
সাইকিয়াট্রিক আইসিইউতে এলাকার বাইরের স্থান নির্ধারণের জন্য আর্থিকভাবে টেকসই উদ্যোগগুলি অন্বেষণ করা
স্থানীয় এলাকার মধ্যে চাহিদা মেটানোর ক্ষমতা না থাকলে এলাকার বাইরের স্থান নির্ধারণ করা হয়। এটি প্রায়শই উচ্চ তীক্ষ্ণ মানসিক স্বাস্থ্যের যত্নের জন্য ঘটতে পারে, রোগীদের অন্যান্য সুবিধাগুলিতে সম্ভাব্য বড় দূরত্ব পাঠানোর সাথে। আমাদের মডেলিং, PathSimR মডেল ব্যবহার করে, এই ধরনের ঘটনাগুলি প্রশমিত করার জন্য বিভিন্ন ক্ষমতা-পার্শ্বের পরিস্থিতি বিবেচনা করে।
COVID-19-এর পরে ইলেকটিভ ওয়েটিং লিস্টের পুনরুদ্ধারের মডেলিং
কোভিড-১৯ মহামারীর পরে ইলেকটিভ ওয়েটিং লিস্ট উল্লেখযোগ্যভাবে বৃদ্ধি পেয়েছিল এবং মহামারী থেকে পুনরুদ্ধারের প্রাথমিক পর্যায়ে, অনেকগুলি 'মিসড রেফারেল' কতটা ফিরে আসবে তা নিশ্চিত ছিল না। অপেক্ষমাণ তালিকার সম্ভাব্য আকার বোঝার জন্য স্থানীয়ভাবে মডেলিং করা হয়েছিল এবং অপেক্ষার সময়গুলি বিভিন্ন অনুপাতে ফিরে আসা উচিত। মডেলটি জাতীয় ইংল্যান্ড-ব্যাপী স্তরেও প্রয়োগ করা হয়েছিল।
বিছানা ক্ষমতার নমনীয় ব্যবহারের মাধ্যমে তীব্র স্ট্রোক পথগুলি অপ্টিমাইজ করা
আমাদের PathSimR মডেলটি BNSSG-তে পরিকল্পিত ভবিষ্যত-রাজ্য কেন্দ্রীভূত স্ট্রোক পথের মডেল করতে ব্যবহৃত হয়েছিল। মডেলিংটি পাথওয়ে মডেলের ক্রমাঙ্কন এবং বিভিন্ন সময়ে কতটা নমনীয় ক্ষমতার প্রয়োজন হবে সে সম্পর্কে প্রশ্নের উত্তর দিতে এর ব্যবহার জড়িত ছিল, যাতে বেশিরভাগ রোগী হাইপার-অ্যাকিউট স্ট্রোক ইউনিটে ভর্তির ক্ষেত্রে কোনও বিলম্বের সম্মুখীন না হয় তা নিশ্চিত করার জন্য। .
স্কেলযোগ্য অপেক্ষা তালিকা মডেলিংয়ের মাধ্যমে COVID-19 নির্বাচনী পুনরুদ্ধারকে সমর্থন করা
এই কাগজটি ভবিষ্যত চাহিদা এবং ক্ষমতার স্তর সম্পর্কিত বিভিন্ন অনুমানের উপর ভিত্তি করে বিশ্বাস এবং বিশেষত্ব স্তরে ভবিষ্যত অপেক্ষা তালিকার আকার অনুমান করার জন্য BNSSG-এ নেওয়া মডেলিং পদ্ধতির প্রতিবেদন করে। সহজ এবং পরিমাপযোগ্য হওয়ায়, মডেলটি ইংল্যান্ডের প্রতিটি হাসপাতালের ট্রাস্ট এবং বিশেষত্বে প্রয়োগ করা হয়েছে, এই ধরনের অনুমানগুলি মাসিক ভিত্তিতে আপডেট করা হয়েছে।
যত্নের বিলম্বিত স্থানান্তর দূর করতে চাওয়ার মিথ্যা অর্থনীতি: সারিবদ্ধ তত্ত্ব থেকে কিছু পাঠ
এই কাজটি প্রতিষ্ঠিত প্রজ্ঞাকে চ্যালেঞ্জ করেছে যে স্বাস্থ্যসেবা ব্যবস্থায় ভালভাবে কাজ করার ক্ষেত্রে বিলম্বিত পরিচর্যা স্থানান্তরকে "বাদ দেওয়া" প্রয়োজন (কখনও কখনও 'বেড ব্লকিং' হিসাবে উল্লেখ করা হয়)। সারিবদ্ধ তত্ত্বের গাণিতিক শৃঙ্খলার পদ্ধতিগুলি ব্যবহার করে গবেষণায় দেখা গেছে যে এই জাতীয় নীতি অনুসরণ করা অপ্রয়োজনীয় হতে পারে, কারণ এটি চাহিদার বিরলতম শিখরগুলিকেও মিটমাট করার জন্য প্রচুর পরিমাণে সম্প্রদায়ের ক্ষমতার প্রয়োজন হবে, অনেক ক্ষমতা অব্যবহৃত রেখে। সময়.
জরুরী যত্ন এবং চিকিত্সার জন্য প্রস্তাবিত সংক্ষিপ্ত পরিকল্পনার বাস্তবায়ন (ReSPECT)
ReSPECT প্রক্রিয়া হল এমন একটি উদ্যোগ যা ভবিষ্যতের জরুরী পরিস্থিতিতে একজন ব্যক্তির ক্লিনিকাল যত্ন এবং চিকিত্সার জন্য ব্যক্তিগতকৃত সুপারিশ তৈরি করে যেখানে তারা পছন্দ করতে বা প্রকাশ করতে অক্ষম। মহামারী চলাকালীন স্থানীয় এলাকায় এই উদ্যোগটি বাস্তবায়িত হয়েছিল। বিশ্লেষণের লক্ষ্য হল ReSPECT ফর্ম বাস্তবায়ন প্রক্রিয়ার সমতা নির্ধারণ করা (প্রথম কোভিড-১৯ তরঙ্গের সময়) এবং তারপরে রোগী এবং তাদের স্থানীয় স্বাস্থ্যসেবা সংস্থাগুলি কীভাবে যোগাযোগ করে তার সাথে সম্পর্কিত কোনও পরিবর্তন। এটি ReSPECT ফর্মের ব্যবহার সংক্রান্ত ভবিষ্যতে কমিশনিং সিদ্ধান্ত জানাতে সাহায্য করবে৷
হাইপার-লোকাল পপুলেশন হেলথ ম্যানেজমেন্ট ব্যবহার করে COVID-19 এর বিরুদ্ধে টিকা নেওয়ার সংখ্যা বাড়ানোর জন্য
IBNSSG ICB স্থানীয় প্রচারাভিযান পরিচালনা করেছে যাদের টিকা নেওয়ার সম্ভাবনা কম, তাদের COVID-19 টিকা পেতে উৎসাহিত করা হয়েছে। এই বিশ্লেষণগুলি আমাদের বুঝতে সাহায্য করবে যে এই প্রচারাভিযানগুলি কতটা কার্যকর ছিল যাতে আমরা ভবিষ্যতে বিপুল সংখ্যক লোককে জড়িত স্থানীয় এবং জাতীয় স্বাস্থ্য প্রোগ্রামগুলি কীভাবে সংগঠিত করতে পারি তা উন্নত করতে পারি।
পি-নিউজ: গুরুতর ভর্তি রোগীদের জন্য ব্যক্তিগতকৃত প্রাথমিক সতর্কতা স্কোর
এই প্রকল্পের লক্ষ্য হল নিবিড় পরিচর্যায় ভর্তির সংখ্যা কমিয়ে আনার মাধ্যমে সমস্যাগুলি জটিল হওয়ার আগে সংশোধন করার জন্য। তারা রোগীর পর্যবেক্ষণ এবং উন্নত বিশ্লেষণ ব্যবহার করে এটি করার পরিকল্পনা করে যে কোনও পৃথক রোগীর জন্য অবনতির একটি সঠিক ঝুঁকি তৈরি করতে। ন্যাশনাল আর্লি ওয়ার্নিং স্কোর (NEWS) হল একটি "এক মাপ সব ফিট" স্কোর যা একজন রোগী কতটা অসুস্থ তা তুলে ধরে। দুর্ভাগ্যবশত, NEWS রোগ নির্ণয় এবং অতীতের চিকিৎসা ইতিহাসের মতো গুরুত্বপূর্ণ বৈশিষ্ট্যগুলিকে বিবেচনা করে না। এই প্রকল্পের লক্ষ্য স্কোর পরিমার্জন করা এবং দ্রুত অবনতির পূর্বাভাস দেওয়া।
এই প্রকল্পটি হেলথ ডেটা রিসার্চ ইউকে সাউথ বেটার কেয়ার পার্টনারশিপের অংশ।
জনসংখ্যা বিভাজন পদ্ধতির একটি তুলনা
পৃথক বৈশিষ্ট্য এবং/অথবা স্বাস্থ্যসেবা কার্যকলাপের উপর ভিত্তি করে জনসংখ্যাকে নির্দিষ্ট গোষ্ঠীতে ভাগ করা জনসংখ্যা স্বাস্থ্য ব্যবস্থাপনা (PHM) এর একটি মূল উপাদান। যাইহোক, জনসংখ্যার বিভাজন করার জন্য অনেকগুলি সম্ভাব্য পদ্ধতি রয়েছে, যার প্রত্যেকটির নিজস্ব সুবিধা এবং অসুবিধা রয়েছে। এই প্রকল্পটি নির্দিষ্ট ধরণের প্রশ্নের উত্তর দেওয়ার জন্য কোন পদ্ধতিটি সবচেয়ে উপযুক্ত তা নির্ধারণে সর্বাধিক ব্যবহৃত 16টি পদ্ধতির পর্যালোচনা করেছে। আমাদের পিএইচএম প্রোগ্রামের মধ্যে প্রকল্পগুলিতে কাজ করার সময় অনুসন্ধানগুলি আমাদের বিভাজন পদ্ধতির পছন্দ সম্পর্কে জানিয়েছে।
এনএইচএস-এ রেফারেল-টু-ট্রিটমেন্টের গতিশীলতা উদ্ঘাটন করা
চিকিৎসার জন্য রেফারেল (RTT), 18 সপ্তাহের নিচে অপেক্ষারত রোগীদের অনুপাত পরিমাপ করা, NHS-এ বৈকল্পিক কর্মক্ষমতার প্রধান ব্যারোমিটার এবং রোগীরা পরিকল্পিত চিকিত্সার জন্য কতক্ষণ অপেক্ষা করছে তা নিরীক্ষণ করতে ব্যবহৃত হয়। স্বাস্থ্যসেবা ব্যবস্থার জন্য, RTT পথের গতিশীলতা বোঝা এবং মডেল করা গুরুত্বপূর্ণ, যাতে ভবিষ্যতের অপেক্ষার সময়গুলি নির্ভরযোগ্যভাবে অনুমান করা যায় এবং রেফারেল এবং ক্ষমতার পরিবর্তনের প্রভাব মূল্যায়ন করা যায়। আমাদের কম্পিউটার সিমুলেশন মডেলটি নিয়মিতভাবে ব্যবহার করা হয়েছে, উভয় হাসপাতালের বিভিন্ন ট্রাস্ট এবং ক্লিনিকাল বিশেষত্বের জন্য।
স্থানান্তর এবং স্রাব বিলম্ব সঙ্গে একটি রোগীর পথ বরাবর মডেলিং ক্ষমতা
পর্যাপ্ত ক্ষমতা না থাকলে, ক্লিনিকাল পথগুলি অবরুদ্ধ হয়ে যেতে পারে, রোগীরা স্রাবের জন্য প্রস্তুত কিন্তু ডাউনস্ট্রিমে স্থানান্তরিত হতে পারে না। এটি রোগীদের পাশাপাশি হাসপাতাল উভয়ের জন্যই খারাপ। যাইহোক, সর্বোত্তম প্রয়োজনীয় ক্ষমতা অনুমান করা সোজা নয়। যদিও স্প্রেডশীট পদ্ধতিগুলি দ্রুত এবং সহজ, তারা সাধারণত কমিশনের জন্য প্রয়োজনীয় সংখ্যক বেডের অনুমান কম করে। এখানে, আমরা একটি কাস্টমাইজযোগ্য এবং পুনঃব্যবহারযোগ্য কম্পিউটার মডেল প্রদানের ক্ষেত্রে আরও শক্তিশালী পদ্ধতির বিকাশ করি, যা ভবিষ্যতের স্ট্রোক পথের জন্য ক্ষমতা অনুমান করার জন্য প্রয়োগ করা হয়।
কোভিড-১৯ থেকে রক্ষা পাওয়া উচ্চ-ঝুঁকিপূর্ণ ব্যক্তিদের জন্য চলমান স্বাস্থ্যের প্রয়োজনীয়তা চিহ্নিত করতে এবং চিহ্নিত করতে জনসংখ্যা স্বাস্থ্য ব্যবস্থাপনা: একটি ক্রস-বিভাগীয় সমগোত্রীয় গবেষণা
COVID-19 মহামারীর প্রাথমিক পর্যায়ে, প্রায় 30,000 দুর্বল BNSSG বাসিন্দাদের COVID-19 সংক্রমণের বিপদ থেকে নিজেদের রক্ষা করার জন্য 'ঢাল' করতে বলা হয়েছিল। যাইহোক, ব্যক্তিদের এই দল সম্পর্কে খুব কমই জানা ছিল। সংযুক্ত ডেটা ব্যবহার করে, রক্ষাকারী জনসংখ্যার মধ্যে ছয়টি স্বতন্ত্র বিভাগ চিহ্নিত করা হয়েছিল। এগুলি সম্পর্কে সচেতনতা আমাদের রোগীদের আরও ভাল পরামর্শ দিতে এবং রক্ষা করার সময় তাদের অবস্থা পরিচালনা করার জন্য স্থানীয় প্রাথমিক যত্ন দলগুলিকে সহায়তা করতে সহায়তা করে।
নিবিড় পরিচর্যায় ক্ষমতা-নির্ভর মৃত্যুর প্রশমনের জন্য COVID-19 দৃশ্যের মডেলিং
মহামারীর শুরুতে, ম্যানেজার এবং চিকিত্সকদের সম্ভাব্য আগত চাহিদা মেলে নিবিড় পরিচর্যার বিছানার পরিমাণ বুঝতে সাহায্য করার জন্য খুব কম তথ্য ছিল। এটি গুরুত্বপূর্ণ ছিল কারণ বিছানাকে নিবিড় পরিচর্যার স্পেসিফিকেশনে রূপান্তর করা কঠিন ছিল। তবুও, যদি খুব কম সংখ্যক রূপান্তরিত হয় তবে এর ফলে রোগীরা তাদের প্রয়োজনীয় যত্নের স্তর অ্যাক্সেস করতে পারবেন না। এই সমস্যাটি সমাধানের জন্য, কোভিড-১৯ রোগীর প্রবাহের একটি কম্পিউটার সিমুলেশন মডেল দ্রুত বিকশিত হয়েছিল এবং 19 সালের বসন্তে উচ্চ সংখ্যক মামলার গুরুত্বপূর্ণ প্রাথমিক প্রতিক্রিয়ার অংশ হিসাবে ব্যবহৃত হয়েছিল।
নির্বাচনী অপেক্ষার সময়ে COVID-19-এর প্রভাবের মডেলিং
যদিও COVID-19-এর তাৎক্ষণিক প্রভাব জরুরী হাসপাতালের যত্নে ছিল, এটি দ্রুত স্পষ্ট হয়ে ওঠে যে 2020 সালের বসন্তে ঐচ্ছিক চিকিত্সা স্থগিত করার সিদ্ধান্ত অপেক্ষার সময়গুলির উপর মারাত্মক প্রভাব ফেলবে। প্রশ্ন ছিল, এটি কতটা প্রভাব ফেলবে এবং আমরা কত দ্রুত পুনরুদ্ধার করতে পারি? এগুলোর উত্তর দেওয়ার জন্য, রেফারেল টু ট্রিটমেন্ট (RTT) ডাইনামিকসের মডেলিং করার জন্য ব্যবহৃত একটি বিদ্যমান টুল পুনরায় ক্যালিব্রেট করা হয়েছিল এবং মহামারীর শুরুতে প্রশংসনীয় বিবেচিত বিভিন্ন পরিস্থিতিতে অপেক্ষার সময়গুলি প্রজেক্ট করতে ব্যবহৃত হয়েছিল।
COVID-19 তীব্র বিছানা ক্ষমতা উন্নত ব্যবস্থাপনার জন্য Nowcasting
মহামারীর দ্বিতীয় তরঙ্গে বিছানা দখল দ্রুত বৃদ্ধির সাথে সাথে, হাসপাতালের পরিকল্পনাকারীদের আগামী দিনে ভর্তির সম্ভাব্য সংখ্যার অনুমান প্রয়োজন। একটি সাধারণ টাইম সিরিজ পূর্বাভাস মডেল তৈরি করা হয়েছিল এবং সমস্ত স্থানীয় হাসপাতালের জন্য তীব্র এবং নিবিড় পরিচর্যার বিছানা দখল প্রজেক্ট করার জন্য দৈনন্দিন ব্যবহারের জন্য স্থাপন করা হয়েছিল। এটি নিশ্চিত করতে সাহায্য করেছে যে উপযুক্ত সংখ্যক শয্যা প্রস্তুত করা হয়েছে এবং প্রয়োজন অনুসারে নতুন সংক্রমণ ওয়ার্ড খোলা হয়েছে।
COVID-19 এর সময় বহির্বিভাগের রোগীদের টেলিহেলথের প্রভাব: ইংল্যান্ডের একটি প্রধান স্বাস্থ্যসেবা ব্যবস্থা থেকে রোগীর জরিপ এবং রুটিন কার্যকলাপ ডেটার পূর্ববর্তী বিশ্লেষণ
হাসপাতালের সংক্রমণ সীমিত করতে সাহায্য করার জন্য, মহামারীর প্রাথমিক পর্যায়ে উল্লেখযোগ্য পরিমাণ বহিরাগত রোগীদের পরামর্শগুলি শারীরিক থেকে ভার্চুয়াল সেটিংয়ে স্থানান্তরিত হয়েছিল। বিপুল সংখ্যক রোগীর সমীক্ষা পরীক্ষা করে দেখা গেছে যে বেশি উত্তরদাতারা শারীরিক অ্যাপয়েন্টমেন্টের তুলনায় ভার্চুয়ালকে 'পছন্দ করেন' এবং 'বেশি চাপের' চেয়ে সাতগুণ বেশি 'কম চাপযুক্ত' বলে মনে করেন। ফলাফলগুলি সামনের ভিডিও পরামর্শের সম্ভাব্য উপযুক্ততা জানাতে সাহায্য করেছে।
তীব্র COVID-19 চাহিদার সময় ট্রাইজের মূল্য: সিমুলেশন মডেলিং স্টাডি
যদিও এনএইচএসকে সৌভাগ্যক্রমে মহামারীর প্রথম বছরে নিবিড় পরিচর্যা ভর্তির জন্য ট্রাইজ প্রবর্তন করতে হয়নি, এটি মাঝে মাঝে বন্ধ হয়ে গিয়েছিল। এই ধরনের সম্পদের চাহিদা যখন সরবরাহকে ছাড়িয়ে যায়, তখন যারা সবচেয়ে বেশি উপকৃত হয় তাদের কাছে আরও ভালো অ্যাক্সেসের প্রচার করা যুক্তিযুক্তভাবে গুরুত্বপূর্ণ। যাইহোক, triage বাস্তবায়ন করে কতটা লাভ করা যায় তা সমর্থন করার জন্য খুব কম প্রমাণ রয়েছে। আমাদের কাজ এই ব্যবধানকে সম্বোধন করেছে, খুঁজে বের করতে যে ট্রাইজে মোট জীবন-বছর 12% হারানো কমাতে পারে, চাহিদা কখনও সরবরাহের চেয়ে বেশি হওয়া উচিত।
COVID-19 ভর টিকা কেন্দ্রের নিরাপদ এবং কার্যকর নকশার জন্য অপারেশনাল গবেষণা
টিকা কেন্দ্রগুলি COVID-19 এর বিরুদ্ধে জনসংখ্যার ব্যাপক টিকা বাড়ানোর জন্য গুরুত্বপূর্ণ ছিল। তবুও পরিকল্পনাকারীদের কাছে এই সাইটগুলির কনফিগারেশন গাইড করার জন্য খুব কম তথ্য ছিল, যা কয়েক সপ্তাহের মধ্যে সেট আপ করতে হয়েছিল। ব্রিস্টল অ্যাশটন গেট সাইটে, কম্পিউটার সিমুলেশন মডেলিং কেন্দ্রের সর্বাধিক থ্রুপুট জানাতে ব্যবহার করা হয়েছিল, প্রতিদিন কত লোককে টিকা দেওয়া যেতে পারে তার পরিপ্রেক্ষিতে। মডেল আউটপুটগুলি অপারেশনের গুরুত্বপূর্ণ খোলার মাসগুলির জন্য ব্যবহৃত হয়েছিল।
ইউকে-তে নন-COVID-19 জরুরী চাহিদার উপর সামাজিক বিধিনিষেধ সহজ করার প্রভাব তুলে ধরা: পাবলিক মোবিলিটি ডেটা ব্যবহার করে পরিসংখ্যানগত অনুমান
যদিও বেশিরভাগ ফোকাস COVID-19 কেসগুলিতে ছিল, সামাজিক বিধিনিষেধগুলিও নন-COVID-19 হাসপাতালে ভর্তির উপর উল্লেখযোগ্য প্রভাব ফেলেছিল। কম খেলাধুলার আঘাত এবং সড়ক দুর্ঘটনার সাথে, উদাহরণস্বরূপ, স্থানীয় হাসপাতালে কম জরুরি চাহিদা ছিল। 2021 সালের প্রথম মাসগুলিতে, লকডাউন ধীরে ধীরে শিথিল হওয়ার সাথে সাথে, একটি রিগ্রেশন মডেল পূর্বাভাস দেওয়ার জন্য ব্যবহৃত হয়েছিল, জনসাধারণের গতিশীলতার প্রত্যাশিত বৃদ্ধির উপর ভিত্তি করে, বিছানায় ভর্তির সংখ্যা কতটা বাড়তে পারে।
গড় বিছানা দখলের জন্য 85% লক্ষ্যমাত্রায় অত্যধিক মূল্যায়ন এবং অসংবেদনশীলতার সমাধান করা
একটি দীর্ঘস্থায়ী, এবং বিস্তৃতভাবে চ্যালেঞ্জহীন, ফলাফলে বলা হয়েছে যে হাসপাতালগুলিকে 85% গড় শয্যা দখলকে লক্ষ্য করা উচিত খুব কম ক্ষমতার রোগীর সুরক্ষার ঝুঁকির সাথে ভারসাম্য বজায় রাখার জন্য খুব বেশি আর্থিক ফলাফলের সাথে। যাইহোক, একটি একক পরিমাপ বাস্তবিকভাবে মাটিতে বিদ্যমান অবস্থার পরিসরের জন্য সংবেদনশীল নয়। ওয়ার্ডের আকার এবং বিশেষত্বের উপর ভিত্তি করে একটি 'লুক আপ' টেবিল তৈরি করতে, আমাদের মডেলিং আরও সঠিক লক্ষ্যগুলির একটি সেট প্রকাশ করে যা হাসপাতালের পরিচালক এবং কমিশনারদের দ্বারা ব্যবহার করা যেতে পারে।
মানসিক স্বাস্থ্য পরিষেবাগুলিতে প্রথম-তরঙ্গ COVID-19-এর প্রভাবের মডেলিং৷
মহামারীর প্রথম তরঙ্গের সময়, মানসিক স্বাস্থ্য পরিষেবাগুলির জন্য 'পেন্ট আপ' চাহিদার পরিমাণ সম্পর্কে অনেক অনিশ্চয়তা ছিল যা লকডাউন প্রকাশের পরে চাপের কারণ হতে পারে। একটি বহুমুখী বিচ্ছিন্ন-সময় সারিবদ্ধ মডেলটি দ্রুত উত্পাদিত হয়েছিল এবং গুরুতর সিস্টেম চাপ প্রশমিত করার জন্য ডিজাইন করা বিভিন্ন চাহিদা ট্র্যাজেক্টোরিজ এবং পরিষেবা হস্তক্ষেপের সম্ভাব্য প্রভাব পরীক্ষা করতে ব্যবহৃত হয়েছিল।
COVID-19 সংক্রমণ, হাসপাতালে ভর্তি এবং মৃত্যুর স্থানীয় মডেলিংয়ের জন্য একটি SEIR-ভিত্তিক কাঠামো স্থাপন করা
যদিও মহামারী সংক্রান্ত মডেলিং জাতীয় পর্যায়ে সিদ্ধান্ত গ্রহণের জন্য নিয়মিতভাবে ব্যবহার করা হয়েছে, স্থানীয় পর্যায়ে পরিকল্পনা পরিচালনার জন্য খুব কমই হয়েছে। শেষ পর্যন্ত, আগ্রহের মূল পরিমাপ হল তীব্র COVID-19 ভর্তির প্রত্যাশিত ভবিষ্যতের সংখ্যা। একটি কম্পার্টমেন্টাল 'SEIR' টাইপ মডেল ব্যবহার করে, একটি ক্রস-সিস্টেম মাল্টি-ডিসিপ্লিনারি ওয়ার্কিং গ্রুপ তৈরি করা হয়েছিল বিভিন্ন যুক্তিসঙ্গত পরিস্থিতিতে কনফিগার করার জন্য, আউটপুটগুলি স্থানীয় প্রতিক্রিয়াকে আকার দেয় যা ভবিষ্যতের চাহিদাকে নিরাপদে মিটমাট করার জন্য কতগুলি বিছানার প্রয়োজন তা নির্ধারণ করে।
তীব্র হাসপাতালে ভর্তির উপর COVID-19 গণ টিকাকরণের প্রভাবের মডেলিং
একটি কম্পার্টমেন্টাল 'SEIR' টাইপ মডেল জড়িত পূর্ববর্তী কাজের উপর ভিত্তি করে, ট্রান্সমিশন গতিশীলতার উপর টিকাকরণের প্রভাব বিবেচনা করার জন্য বেশ কয়েকটি প্রযুক্তিগত উন্নতি করা হয়েছিল। তারপরে মডেলটি 2021 সালের প্রথম দিকের লকডাউন শিথিলকরণের রোডম্যাপের সাথে সম্পর্কিত বেশ কয়েকটি পরিস্থিতি পরীক্ষা করার জন্য ব্যবহার করা হয়েছিল। মডেল করা ইন্টারকোয়ার্টাইল রেঞ্জের মধ্যে আরামদায়ক হাসপাতালের ক্ষেত্রে 2021 সালের শরৎ রিবাউন্ডের সাথে অনুমানগুলি যাচাই করা হয়েছিল।
সিস্টেম-ব্যাপী স্বাস্থ্যসেবা ব্যবহারের উপর দীর্ঘ-COVID-এর প্রভাব মূল্যায়ন করতে লিঙ্কযুক্ত রোগীর ডেটা ব্যবহার
তীব্র স্বাস্থ্যসেবা পরিষেবাগুলিতে COVID-19 সংক্রমণের তাত্ক্ষণিক প্রভাবের পাশাপাশি, একটি উদ্বেগ ছিল যে দীর্ঘমেয়াদী প্রভাব (তথাকথিত 'লং-কোভিড') অন্যান্য স্বাস্থ্যসেবা সেটিংসে অতিরিক্ত চাহিদা তৈরি করতে পারে। BNSSG সিস্টেম ওয়াইড ডেটাসেট একটি COVID-19 নির্ণয়ের তিন মাসের মধ্যে স্বাস্থ্যসেবা কার্যকলাপে পরিসংখ্যানগতভাবে উল্লেখযোগ্য বৃদ্ধির প্রমাণ সনাক্ত করতে ব্যবহৃত হয়েছিল।