ICB کی زیر قیادت اپلائیڈ ریسرچ پروجیکٹس
ان تحقیقی منصوبوں کی قیادت ICB ساتھیوں کے ذریعے کی جاتی ہے جس کی مدد سے محققین ICB کے ترجیحی علاقوں کو نشانہ بناتے ہیں۔
منصوبوں کی تلاش: اپنے براؤزر پر فائنڈ فنکشن استعمال کرنے کے لیے "Ctrl + F" استعمال کریں۔ پھر اپنی دلچسپی کے موضوع میں پروجیکٹس تلاش کرنے کے لیے کلیدی اصطلاحات استعمال کریں۔ بہتر ہے کہ کئی متبادل الفاظ استعمال کریں جیسے کہ "پیدائش" یا "زچگی" یا "زچہ" یا "نٹل"۔
صحت کی دیکھ بھال میں تخروپن کو بہتر بنانا: مریض کے بہاؤ کو ماڈلنگ کرنے کے لیے ایک اوپن سورس ٹول کی صارف پر مبنی ترقی
PathSimR ماڈل ایک ورسٹائل سمولیشن ماڈل ہے جو BNSSG میں صحت کی دیکھ بھال میں مریضوں کے راستے کی ماڈلنگ کے لیے بنایا گیا ہے۔ ایک مفت اور لچکدار حل فراہم کرتے ہوئے، سافٹ ویئر کو BNSSG میں استعمال کیا گیا ہے اور مزید NHS سسٹمز میں مختلف پروجیکٹس اور کام کے ٹکڑوں کے لیے استعمال کیا گیا ہے۔ یہ کاغذ اس کہانی کو بتاتا ہے کہ کس طرح سافٹ ویئر تیار کیا گیا تھا اور اس کے کام اور فعالیت کے بارے میں مکمل تفصیلات فراہم کرتا ہے۔
پیچیدہ خارج ہونے والے راستے کے لئے شدید اور درمیانی نگہداشت کی صلاحیت کے توازن کو بہتر بنانا
شدید ہسپتال اور کمیونٹی کیئر کے درمیان صلاحیت اور مریضوں کے بہاؤ میں توازن رکھنا ایک مشکل منصوبہ بندی کا مسئلہ ہے، جس میں مریضوں کی غیر یقینی آمد اور قیام کی متغیر طوالت پر غور کرنا شامل ہے۔ مختلف منظرناموں کے ذریعے، ہماری ماڈلنگ نے اس راستے پر زیادہ سے زیادہ صلاحیت کی تخصیص کو ظاہر کرنے میں مدد کی ہے۔ ماڈلنگ COVID-19 کے بعد کے فوری مہینوں میں کی گئی تھی۔
نفسیاتی ICUs میں علاقے سے باہر کی جگہوں سے نمٹنے کے لیے مالی طور پر پائیدار اقدامات کی تلاش
علاقے سے باہر کی جگہیں اس وقت ہوتی ہیں جب مقامی علاقے کے اندر طلب کو پورا کرنے کی صلاحیت دستیاب نہ ہو۔ یہ اکثر زیادہ تیز دماغی صحت کی دیکھ بھال کے لیے ہو سکتا ہے، جب کہ مریضوں کو ممکنہ طور پر بڑی دوری پر دوسری سہولیات میں بھیج دیا جاتا ہے۔ ہماری ماڈلنگ، PathSimR ماڈل کا استعمال کرتے ہوئے، اس طرح کے واقعات کو کم کرنے کے لیے مختلف صلاحیت کے ضمنی منظرناموں پر غور کرتی ہے۔
COVID-19 کے بعد انتخابی انتظار کی فہرستوں کی بازیابی کی ماڈلنگ
COVID-19 وبائی مرض کے بعد انتخابی انتظار کی فہرستوں میں نمایاں اضافہ ہوا تھا اور وبائی مرض سے بازیابی کے ابتدائی مراحل میں، یہ یقینی نہیں تھا کہ بہت سے 'چھوٹ گئے ریفرلز' میں سے کتنے واپس آئیں گے۔ ماڈلنگ مقامی طور پر انتظار کی فہرست کے ممکنہ سائز کو سمجھنے کے لیے کی گئی تھی اور انتظار کے اوقات مختلف تناسب سے واپس آنے چاہئیں۔ اس ماڈل کو انگلینڈ کی قومی سطح پر بھی لاگو کیا گیا تھا۔
بستر کی گنجائش کے لچکدار استعمال کے ذریعے شدید اسٹروک کے راستوں کو بہتر بنانا
ہمارا PathSimR ماڈل BNSSG میں منصوبہ بند مستقبل کی ریاست کے مرکزی اسٹروک پاتھ وے کے ماڈل کے لیے استعمال کیا گیا تھا۔ ماڈلنگ میں پاتھ وے ماڈل کی انشانکن اور اس کے استعمال سے متعلق سوالات کے جوابات شامل تھے کہ مختلف اوقات میں کتنی لچکدار صلاحیت کی ضرورت ہوگی، تاکہ یہ یقینی بنایا جا سکے کہ مریضوں کی اکثریت کو ہائپر ایکیوٹ اسٹروک یونٹ میں داخلے میں تاخیر کا سامنا نہیں کرنا پڑے گا۔ .
توسیع پذیر انتظار کی فہرست کی ماڈلنگ کے ذریعے COVID-19 کی اختیاری بحالی کی حمایت کرنا
یہ مقالہ مستقبل کی طلب اور صلاحیت کی سطح کے حوالے سے مختلف مفروضوں کی بنیاد پر اعتماد اور خصوصی سطح پر مستقبل کی انتظار کی فہرست کے سائز کا اندازہ لگانے کے لیے BNSSG میں اختیار کیے گئے ماڈلنگ کے طریقہ کار کی رپورٹ کرتا ہے۔ سادہ اور توسیع پذیر ہونے کی وجہ سے، اس ماڈل کا اطلاق انگلینڈ کے ہر ہسپتال کے ٹرسٹ اور خاصیت پر ہوتا ہے، اس طرح کے تخمینے ماہانہ بنیادوں پر اپ ڈیٹ ہوتے ہیں۔
نگہداشت کی تاخیر سے منتقلی کو ختم کرنے کی کوشش کی غلط معیشت: نظریہ قطار سے کچھ اسباق
اس کام نے قائم شدہ حکمت کو چیلنج کیا کہ صحت کی دیکھ بھال کے نظام کو اچھی کارکردگی کا مظاہرہ کرنے کے لیے نگہداشت کی تاخیر سے منتقلی کو "ختم" کرنا ضروری ہے (کبھی کبھی 'بیڈ بلاکنگ' بھی کہا جاتا ہے)۔ مطالعہ، قطار بندی کے نظریہ کے ریاضیاتی نظم و ضبط کے طریقوں کا استعمال کرتے ہوئے، پایا گیا کہ اس طرح کی پالیسی کا تعاقب غیر اقتصادی ہونے کا امکان ہے، کیونکہ اس میں مانگ کی نایاب ترین چوٹیوں کو بھی ایڈجسٹ کرنے کے لیے بڑی مقدار میں کمیونٹی کی صلاحیت کی ضرورت ہوگی، جس سے بہت زیادہ صلاحیتوں کو استعمال نہیں کیا جا سکتا۔ وقت کا
ہنگامی دیکھ بھال اور علاج کے لیے تجویز کردہ سمری پلان پر عمل درآمد (ReSPECT)
ReSPECT عمل ایک ایسا اقدام ہے جو مستقبل کی ہنگامی صورت حال میں کسی شخص کی طبی دیکھ بھال اور علاج کے لیے ذاتی سفارشات تیار کرتا ہے جس میں وہ انتخاب کرنے یا اظہار کرنے سے قاصر ہوتے ہیں۔ یہ اقدام وبائی امراض کے دوران مقامی علاقے میں نافذ کیا گیا تھا۔ تجزیہ کا مقصد ReSPECT فارم پر عمل درآمد کے عمل کی ایکویٹی کا تعین کرنا ہے (پہلی CoVID-19 لہر کے دوران) اور اس کے بعد مریض اور ان کے مقامی صحت کی دیکھ بھال کرنے والے ادارے کس طرح بات چیت کرتے ہیں اس سے متعلقہ تبدیلیاں۔ اس سے ReSPECT فارم کے استعمال کے بارے میں کمیشن کے مستقبل کے فیصلوں کو مطلع کرنے میں مدد ملے گی۔
COVID-19 کے خلاف ویکسین حاصل کرنے والے لوگوں کی تعداد میں اضافہ کرنے کے لیے ہائپر لوکل آبادی کی صحت کے انتظام کا استعمال
IBNSSG ICB نے مقامی مہم شروع کی تاکہ ایسے لوگوں کی حوصلہ افزائی کی جا سکے جن کی ویکسین لگوانے کا امکان کم ہے، COVID-19 ویکسین لگوانے کے لیے۔ اس تجزیے سے ہمیں یہ سمجھنے میں مدد ملے گی کہ یہ مہمات کتنی موثر تھیں تاکہ ہم مستقبل میں لوگوں کی بڑی تعداد پر مشتمل مقامی اور قومی صحت کے پروگراموں کو منظم کرنے کے طریقے کو بہتر بنا سکیں۔
پی نیوز: داخلے کے اہم مریضوں کے لیے ذاتی نوعیت کے ابتدائی انتباہی اسکور
اس پروجیکٹ کا مقصد انتہائی نگہداشت کے داخلوں کو کم کرنا ہے تاکہ مسائل کے نازک ہونے سے پہلے ان کو درست کرنے کے لیے پہلے مداخلت کی جا سکے۔ وہ مریض کے مشاہدات اور جدید تجزیات کا استعمال کرتے ہوئے ایسا کرنے کا ارادہ رکھتے ہیں تاکہ کسی بھی فرد کے لیے بگاڑ کا درست خطرہ پیدا کیا جا سکے۔ نیشنل ارلی وارننگ سکور (نیوز) ایک "ایک سائز سب پر فٹ بیٹھتا ہے" سکور ہے جو اس بات کو نمایاں کرتا ہے کہ مریض کتنا بیمار ہے۔ بدقسمتی سے، NEWS اہم خصوصیات جیسے کہ تشخیص اور ماضی کی طبی تاریخ کو مدنظر نہیں رکھتا۔ اس پروجیکٹ کا مقصد اسکور کو بہتر بنانا اور جلد بگاڑ کی پیش گوئی کرنا ہے۔
یہ پروجیکٹ ہیلتھ ڈیٹا ریسرچ یوکے ساؤتھ بیٹر کیئر پارٹنرشپ کا حصہ ہے۔
آبادی کی تقسیم کے طریقوں کا موازنہ
انفرادی صفات اور/یا صحت کی دیکھ بھال کی سرگرمی کی بنیاد پر آبادی کو مخصوص گروپوں میں تقسیم کرنا پاپولیشن ہیلتھ مینجمنٹ (PHM) کا ایک اہم جز ہے۔ تاہم، آبادی کی تقسیم کو انجام دینے کے لیے بہت سے ممکنہ طریقے موجود ہیں، جن میں سے ہر ایک کے اپنے فوائد اور نقصانات ہیں۔ اس پراجیکٹ نے 16 سب سے زیادہ استعمال ہونے والے طریقوں کا جائزہ لیا جو اس بات کا تعین کرنے کے لیے کہ کون سا طریقہ خاص قسم کے سوالوں کا جواب دینے کے لیے موزوں ترین ہے۔ نتائج نے ہمارے پی ایچ ایم پروگرام کے اندر پروجیکٹس پر کام کرتے وقت سیگمنٹیشن کے طریقہ کار کے انتخاب سے آگاہ کیا ہے۔
NHS میں ریفرل ٹو ٹریٹمنٹ کی حرکیات کو کھولنا
علاج کا حوالہ (RTT)، 18 ہفتوں سے کم انتظار کر رہے مریضوں کے تناسب کی پیمائش، NHS میں انتخابی کارکردگی کا بنیادی بیرومیٹر ہے، اور یہ مانیٹر کرنے کے لیے استعمال کیا جاتا ہے کہ مریض منصوبہ بند علاج کے لیے کتنے عرصے تک انتظار کر رہے ہیں۔ صحت کی دیکھ بھال کے نظام کے لیے، RTT پاتھ وے کی حرکیات کو سمجھنا اور ماڈل بنانا ضروری ہے، تاکہ مستقبل کے انتظار کے اوقات کو قابل اعتماد انداز میں پیش کیا جا سکے اور حوالہ جات اور صلاحیت میں تبدیلیوں کے اثر کا اندازہ لگایا جا سکے۔ ہمارے کمپیوٹر سمولیشن ماڈل کو اس مقصد کے لیے باقاعدگی سے استعمال کیا جاتا رہا ہے، دونوں ہسپتالوں کے مختلف ٹرسٹ اور طبی خصوصیات کے لیے۔
منتقلی اور خارج ہونے میں تاخیر کے ساتھ مریض کے راستے کے ساتھ ماڈلنگ کی صلاحیت
کافی صلاحیت کے بغیر، طبی راستے مسدود ہو سکتے ہیں، مریض ڈسچارج کے لیے تیار ہیں لیکن نیچے کی طرف منتقل ہونے سے قاصر ہیں۔ یہ مریضوں کے ساتھ ساتھ ہسپتالوں کے لیے بھی برا ہے۔ تاہم، زیادہ سے زیادہ مطلوبہ صلاحیت کا اندازہ لگانا سیدھا نہیں ہے۔ اگرچہ اسپریڈشیٹ کے نقطہ نظر تیز اور آسان ہیں، وہ عام طور پر کمیشن کے لیے بستروں کی مطلوبہ تعداد کا تخمینہ کم کرتے ہیں۔ یہاں، ہم ایک حسب ضرورت اور دوبارہ قابل استعمال کمپیوٹر ماڈل فراہم کرنے کے لیے ایک زیادہ مضبوط نقطہ نظر تیار کرتے ہیں، جس کا اطلاق مستقبل کے اسٹروک پاتھ وے کی صلاحیت کا تخمینہ لگانے پر کیا جاتا ہے۔
پاپولیشن ہیلتھ مینجمنٹ کووڈ-19 سے محفوظ اعلی خطرے والے افراد کے لیے صحت کی جاری ضرورت کی نشاندہی اور خصوصیت کے لیے: ایک کراس سیکشنل کوہورٹ اسٹڈی
COVID-19 وبائی مرض کے ابتدائی مراحل میں، تقریباً 30,000 کمزور BNSSG رہائشیوں سے کہا گیا کہ وہ خود کو COVID-19 انفیکشن کے خطرات سے بچانے کے لیے 'شیلڈ' بنائیں۔ تاہم، افراد کے اس گروہ کے بارے میں بہت کم معلوم تھا۔ منسلک اعداد و شمار کا استعمال کرتے ہوئے، بچانے والی آبادی کے اندر چھ الگ الگ طبقات کی نشاندہی کی گئی۔ ان کے بارے میں آگاہی نے ہمیں مریضوں کے لیے بہتر مشورے دینے اور حفاظت کے دوران ان کے حالات کو سنبھالنے میں مقامی پرائمری کیئر ٹیموں کی مدد کرنے میں مدد کی۔
انتہائی نگہداشت میں صلاحیت پر منحصر اموات کے تخفیف کے لیے COVID-19 منظر نامے کی ماڈلنگ
وبائی مرض کے آغاز میں ہی، مینیجرز اور معالجین کو ممکنہ آنے والی طلب کو پورا کرنے کے لیے انتہائی نگہداشت کے بستروں کی مقدار کو سمجھنے میں مدد کرنے کے لیے بہت کم معلومات تھیں۔ یہ اہم تھا کیونکہ بستروں کو انتہائی نگہداشت کی تفصیلات میں تبدیل کرنا مشکل تھا۔ پھر بھی، اگر بہت کم لوگ تبدیل ہوئے تو اس کا نتیجہ یہ نکل سکتا ہے کہ مریض اپنی مطلوبہ نگہداشت کی سطح تک رسائی حاصل نہیں کر پاتے۔ اس مسئلے کو حل کرنے کے لیے، COVID-19 مریضوں کے بہاؤ کا ایک کمپیوٹر سمولیشن ماڈل تیزی سے تیار کیا گیا تھا اور اسے بہار 2020 میں کیسوں کی بڑی تعداد کے لیے اہم ابتدائی ردعمل کے حصے کے طور پر استعمال کیا گیا تھا۔
انتظار کے انتخابی اوقات پر COVID-19 کے اثرات کی ماڈلنگ
اگرچہ COVID-19 کے فوری اثرات ہسپتال کی ہنگامی دیکھ بھال پر پڑ رہے تھے، یہ بات تیزی سے ظاہر ہو گئی کہ موسم بہار 2020 میں اختیاری علاج ملتوی کرنے کے فیصلے کا انتظار کے اوقات پر شدید اثر پڑے گا۔ سوالات یہ تھے کہ اس کا کتنا اثر ہوگا، اور ہم کتنی جلدی ٹھیک ہو سکتے ہیں؟ ان کا جواب دینے کے لیے، ماڈلنگ ریفرل ٹو ٹریٹمنٹ (RTT) ڈائنامکس کے لیے استعمال ہونے والے ایک موجودہ ٹول کو ری کیلیبریٹ کیا گیا تھا اور اس کا استعمال مختلف منظرناموں کے تحت انتظار کے اوقات کو پیش کرنے کے لیے کیا گیا تھا جنہیں وبائی امراض کے آغاز میں قابل فہم سمجھا جاتا تھا۔
COVID-19 شدید بیڈ کی گنجائش کے بہتر انتظام کے لیے Nowcasting
وبائی مرض کی دوسری لہر میں بستروں کی تعداد میں تیزی سے اضافہ ہونے کے ساتھ، ہسپتال کے منصوبہ سازوں کو آنے والے دنوں میں داخلوں کی ممکنہ تعداد کے تخمینے کی ضرورت ہے۔ تمام مقامی ہسپتالوں کے لیے ایکیوٹ اور انتہائی نگہداشت کے بستروں کے قبضے کو پیش کرنے کے لیے روزانہ استعمال کے لیے ایک سادہ ٹائم سیریز کی پیشن گوئی کا ماڈل بنایا اور تعینات کیا گیا تھا۔ اس سے یہ یقینی بنانے میں مدد ملی کہ بستروں کی مناسب تعداد تیار کی گئی اور ضرورت کے مطابق نئے انفیکشن وارڈ کھولے گئے۔
COVID-19 کے دوران آؤٹ پیشنٹ ٹیلی ہیلتھ میں اضافہ کا اثر: انگلینڈ میں صحت کی دیکھ بھال کے ایک بڑے نظام سے مریضوں کے سروے اور معمول کی سرگرمی کے اعداد و شمار کا سابقہ تجزیہ
ہسپتال کے انفیکشن کو محدود کرنے میں مدد کے لیے، وبائی امراض کے ابتدائی مراحل میں بیرونی مریضوں کے مشورے کو جسمانی سے ورچوئل سیٹنگ میں منتقل کیا گیا۔ مریضوں کے سروے کی ایک بڑی تعداد کی جانچ پڑتال میں، یہ پایا گیا کہ زیادہ جواب دہندگان نے جسمانی تقرریوں کے مقابلے میں ورچوئل کو 'ترجیح دی' اور سات گنا زیادہ لوگوں نے انھیں 'زیادہ دباؤ' سے 'کم دباؤ' پایا۔ نتائج نے آگے بڑھتے ہوئے ویڈیو مشاورت کی ممکنہ مناسبیت کو مطلع کرنے میں مدد کی ہے۔
شدید COVID-19 مانگ کے ادوار کے دوران ٹرائیج کی قدر: نقلی ماڈلنگ اسٹڈی
اگرچہ NHS کو شکر ہے کہ وبائی مرض کے پہلے سال کے دوران انتہائی نگہداشت کے داخلوں کے لیے ٹرائیج متعارف کرانے کی ضرورت نہیں تھی، لیکن یہ بعض اوقات قریب آ گیا تھا۔ جب اس طرح کے وسائل کی مانگ سپلائی سے بڑھ جاتی ہے، تو یہ ان لوگوں تک بہتر رسائی کو فروغ دینا ضروری ہے جن کو سب سے زیادہ فائدہ ہوتا ہے۔ تاہم، اس بات کی تائید کرنے کے لیے بہت کم ثبوت موجود ہیں کہ ٹرائیج کو لاگو کرنے سے کتنا فائدہ اٹھایا جا سکتا ہے۔ ہمارے کام نے اس خلا کو دور کیا، یہ معلوم کرنے میں کہ ٹرائیج زندگی کے کل سال ضائع ہونے میں 12% تک کمی کر سکتی ہے، مانگ کبھی بھی سپلائی سے زیادہ ہونی چاہیے۔
COVID-19 بڑے پیمانے پر ویکسینیشن مراکز کے محفوظ اور موثر ڈیزائن کے لیے آپریشنل تحقیق
COVID-19 کے خلاف آبادی کی بڑے پیمانے پر ویکسینیشن کو بڑھانے کے لیے ویکسینیشن مراکز اہم تھے۔ پھر بھی منصوبہ سازوں کے پاس ان سائٹس کی ترتیب کی رہنمائی کے لیے بہت کم معلومات تھیں، جنہیں چند ہفتوں میں ترتیب دینا تھا۔ برسٹل ایشٹن گیٹ سائٹ پر، کمپیوٹر سمولیشن ماڈلنگ کا استعمال مرکز کے زیادہ سے زیادہ تھرو پٹ کو مطلع کرنے کے لیے کیا گیا، ان لوگوں کی تعداد کے لحاظ سے جنہیں ہر روز ٹیکہ لگایا جا سکتا ہے۔ آپریشن کے اہم ابتدائی مہینوں کے لیے ماڈل آؤٹ پٹ استعمال کیے گئے تھے۔
UK میں غیر CoVID-19 ہنگامی طلب پر سماجی پابندیوں کو کم کرنے کے اثر کو پیش کرنا: عوامی نقل و حرکت کے اعداد و شمار کا استعمال کرتے ہوئے شماریاتی تخمینہ
اگرچہ زیادہ تر توجہ COVID-19 کے معاملات پر مرکوز تھی، سماجی پابندیوں کا غیر COVID-19 ہسپتالوں میں داخلے پر بھی نمایاں اثر پڑا۔ کھیلوں کی کم چوٹوں اور سڑک کے حادثات کے ساتھ، مثال کے طور پر، مقامی ہسپتالوں میں ایمرجنسی کی کم مانگ تھی۔ 2021 کے ابتدائی مہینوں میں، لاک ڈاؤن میں بتدریج نرمی کے ساتھ، عوامی نقل و حرکت میں متوقع اضافے کی بنیاد پر پیشین گوئی کے لیے ایک رجعت پسندی کا ماڈل استعمال کیا گیا، جس حد تک بستروں میں داخلہ بڑھ سکتا ہے۔
اوسط بستر پر قبضے کے 85% ہدف میں حد سے زیادہ تخمینہ اور غیر حساسیت کو دور کرنا
ایک دیرینہ، اور بڑے پیمانے پر غیر چیلنج شدہ، نتیجہ یہ بتاتا ہے کہ ہسپتالوں کو بہت زیادہ مالیاتی نتائج کے ساتھ بہت کم صلاحیت کے مریضوں کی حفاظت کے خطرات کو متوازن کرنے کے لیے 85٪ اوسط بستروں کی تعداد کو ہدف بنانا چاہیے۔ تاہم، ایک واحد پیمانہ زمین پر حقیقت پسندانہ طور پر موجود حالات کی حد کے لیے غیر حساس ہے۔ وارڈ کے سائز اور خاصیت کی بنیاد پر 'لِک اپ' ٹیبل تیار کرنے میں، ہماری ماڈلنگ زیادہ درست اہداف کا ایک سیٹ ظاہر کرتی ہے جسے ہسپتال کے مینیجرز اور کمشنر استعمال کر سکتے ہیں۔
دماغی صحت کی خدمات پر پہلی لہر COVID-19 کے اثر کی ماڈلنگ
وبائی مرض کی پہلی لہر کے دوران ، ذہنی صحت کی خدمات کے لئے 'پینٹ اپ' مانگ کی مقدار کے بارے میں بہت زیادہ غیر یقینی صورتحال تھی جو لاک ڈاؤن کی رہائی کے بعد دباؤ کا باعث بن سکتی ہے۔ ایک ورسٹائل مجرد وقتی قطار لگانے والا ماڈل فوری طور پر تیار کیا گیا تھا اور اسے نظام کے شدید دباؤ کو کم کرنے کے لیے ڈیزائن کیے گئے متعدد مختلف طلب کے راستے اور سروس مداخلتوں کے ممکنہ اثر کو جانچنے کے لیے استعمال کیا گیا تھا۔
COVID-19 انفیکشنز، ہسپتال میں داخل ہونے اور اموات کی مقامی ماڈلنگ کے لیے SEIR پر مبنی فریم ورک کا قیام
اگرچہ وبائی امراض کے ماڈلنگ کو قومی سطح پر فیصلہ سازی سے آگاہ کرنے کے لیے معمول کے مطابق استعمال کیا جاتا رہا ہے، لیکن مقامی سطح پر منصوبہ بندی کی رہنمائی کے لیے بہت کم کام ہوا ہے۔ بالآخر، دلچسپی کا کلیدی پیمانہ مستقبل میں شدید COVID-19 داخلوں کی متوقع تعداد رہا ہے۔ ایک کمپارٹمنٹل 'SEIR' قسم کے ماڈل کو استعمال کرتے ہوئے، ایک کراس سسٹم ملٹی ڈسپلنری ورکنگ گروپ قائم کیا گیا تھا تاکہ مختلف قابل فہم منظرناموں کو ترتیب دیا جا سکے، جس کے نتائج مقامی ردعمل کو اس بات کا تعین کرنے کے لیے تشکیل دیتے ہیں کہ مستقبل کی طلب کو محفوظ طریقے سے ایڈجسٹ کرنے کے لیے کتنے بستروں کی ضرورت ہے۔
شدید ہسپتال میں داخلوں پر COVID-19 بڑے پیمانے پر ویکسینیشن کے اثر کو ماڈلنگ
کمپارٹمنٹل 'SEIR' قسم کے ماڈل پر مشتمل پچھلے کام کی بنیاد پر، ٹرانسمیشن کی حرکیات پر ویکسینیشن کے اثر کو مدنظر رکھنے کے لیے متعدد تکنیکی اضافہ کیے گئے تھے۔ اس کے بعد ماڈل کو 2021 کے اوائل کے لاک ڈاؤن میں نرمی کے روڈ میپ سے متعلق متعدد منظرناموں کی جانچ کرنے کے لیے استعمال کیا گیا۔ تخمینے کی توثیق کی گئی خزاں 2021 کے ریباؤنڈ کے ساتھ ہسپتال کے معاملات میں ماڈل کی انٹرکوارٹائل رینج کے اندر آرام سے آتے ہیں۔
نظام بھر میں صحت کی دیکھ بھال کے استعمال پر لانگ-COVID کے اثر کا اندازہ لگانے کے لیے منسلک مریضوں کے ڈیٹا کا استعمال
شدید صحت کی دیکھ بھال کی خدمات پر COVID-19 انفیکشن کے فوری اثرات کے ساتھ ساتھ، یہ تشویش بھی تھی کہ طویل مدتی اثرات (نام نہاد 'لانگ-COVID') صحت کی دیکھ بھال کی دیگر ترتیبات پر اضافی مطالبات کر سکتے ہیں۔ BNSSG سسٹم وائیڈ ڈیٹاسیٹ کا استعمال COVID-19 کی تشخیص کے تین ماہ کے اندر صحت کی دیکھ بھال کی سرگرمیوں میں اعدادوشمار کے لحاظ سے نمایاں اضافے کے شواہد کی نشاندہی کرنے کے لیے کیا گیا تھا۔