.svg)
早在 2001 年，约翰- 霍普金斯大学彭博 公共卫生学院 的一份报告就强调了全球对传染病爆发的准备不足。该报告特别指出了大流行病将给世界医疗系统带来的压力，以及它们将如何努力提供足够的医疗服务。二十年后的今天，COVID-19 疫情已经证明了这一点，因为医疗保健和医疗设施在有限的资源范围内难以应对大量患者的涌入。
疫情爆发初期，各国争先恐后地购置呼吸机、口罩、手套或个人防护设备（PPE）等更多资源，以确保医务人员能够应对疫情。虽然这种被动应对大流行病的方法的效果仍在研究之中，但这次疫情已经证明，先发制人的方法可以挽救更多生命。
德国和瑞士加强了检测包的生产、个人防护设备的供应和一般护理能力，就是一个很好的例子。世界卫生组织（WHO）的统计数据显示，这些国家在大流行期间的救治工作做得更好。这些国家取得的相对成功归功于充分的能力规划以及决策和模拟建模的决策制定。
为了应对 COVID-19 的爆发以及分析大流行期间关键医疗资源需求的需要，Simio 团队创建了一个资源规划分析模型。
Simio 的传染病和资源规划模型
医疗服务提供者和/或设施抗击传染病的能力直接受到可用关键资源数量的影响。Simio 的 "传染病和资源规划模型 "采用离散事件模拟 (DES) 来预测对关键资源的需求，这些资源包括
- 床位
- 呼吸机
- 口罩
- 手套
目的
传染病和资源规划模型 "旨在帮助医疗服务提供者、政府机构和非政府组织更好地规划大流行病。该模型根据社区人口和特定人口的感染率来分析对上述关键资源的需求。
方法：
为确保准确性，该模型使用了实时数据，如 COVID -19 的传染因子 (R0) 和世卫组织建议的社会隔离做法。该模型还使用了一些近似值，如医疗机构的服务人口近似值、感染病例数和医疗机构的可用资源。因此，在模型中可以使用以下参数：
- 服务区人口- 模型中的人口是多样化的，包括所有年龄组。每个年龄组需要住院或重症监护的概率也被考虑在内。
- 传染因子 - 易感人群中一个感染病例产生的继发病例的预期数量。
- 初次报告病例--"初次报告病例 "考虑到了有症状和无症状的病人，这对报告有影响。
- 社会距离因子- 介于 0 和 1 之间的数值代表社会距离因子。数值为 0 表示在人群中没有观察到社会距离。0.5 表示观察到的社会疏远实践约占 50%，而 1 则表示观察到全部人群都存在社会疏远。
该模型还包括以下医疗服务提供者和/或设施的资源能力可用性指标：
- 医院病床容量
- 初始呼吸机容量
*值得注意的是，系统假设和实时数据可以更改，以适应特定医疗服务提供者、人群和不同传染病菌株的资源和情况。
模型假设：
该模型还根据实时情况做出了一些重要假设。这些假设包括以下内容：
- 医院病床容量输入指的是大流行期间医院可为感染病人提供的病床数量。它没有考虑为其他紧急情况预留的床位。
- 如果该设施的可用床位用完，受感染的病人将被送往其他设施或在家中接受治疗，并进行自我检疫以消除传播。
- 痊愈后的患者不会再回到医疗机构，他们被认为对该疾病具有免疫力，不会感染他人。
- 需要使用呼吸机的病人被假定为在重症监护室，在整个住院期间都需要使用呼吸机。
- 需要呼吸机但无法分配到呼吸机的病人会被送往其他设施。
使用传染病和资源规划模型
该模型经过简化，以确保利益相关者以及在大流行期间提供或计划提供医疗服务的任何人都能轻松使用。中心区域代表设施，对象是医院收治的病例。
为运行和操作模型，提供了实时更改按钮。其中包括
- 床位按钮：点击 "+1 "按钮可增加一个床位，点击"-1 "按钮可删除一个床位。其他床位按钮也是如此，它们会增加或减少相应数量的床位。
- 通风机按钮：您还可以使用呼吸机按钮增加或减少模型内可用呼吸机的数量。
- 控制 -系统假设：系统假设窗口允许您在运行模型前更改系统假设指标以反映特定情况。与快速使用按钮不同，这些控制按钮代表了大流行开始时的初始状态。
有了这些按钮和控件，就可以在大流行发生时使用模型执行动态实验。
斯普林菲尔德社区案例研究
以虚构的斯普林菲尔德镇为案例，该镇有 3 万人口。人口的年龄构成如下
- 50 岁及以上 - 25
- 30 至 50 岁 - 35
- 1 至 30 岁 - 40
斯普林菲尔德医院拥有 100 张床位、20 台呼吸机和上千台个人防护设备，一直为社区提供优质的医疗保健服务。随着 COVID-19 的预期爆发，利益相关者需要为感染病人的涌入量增加而制定计划。
该模型整合了人口及其年龄人口统计、可用资源和疾病传播。利用该模型，利益相关者可以进行试验，了解增加额外床位和呼吸机如何有助于确保为社区提供足够的护理。
随着感染病例的增加，该模型还能提供实时估算，突出显示床位、呼吸机和个人防护设备可用性方面的不足。作为利益相关者，您可以点击 "增加床位 "和 "增加呼吸机 "按钮，估算增加 10、100 或 200 张床位将如何帮助应对大流行。这些额外的床位也将导致对更多个人防护设备的需求，模型将跟踪医疗服务提供者因护理能力增加而需要的额外个人防护设备的数量。
医疗机构的利益相关者可以实时估算控制大流行一周、一个月、两个月或更长时间对医疗机构资源的影响。模型得出的结果将帮助医疗机构和社区采用先发制人的方法，通过提前寻找关键资源来应对传染病。
您可以在这里观看 Simio "传染病和资源规划模型"的操作视频。视频由一个基本实验组成，展示了在大流行期间，改变系统控制如何影响医疗机构所需的关键设备的缺失数。