Background: Following the regional outbreak in China, severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has spread all over the world, presenting the healthcare systems with huge challenges worldwide. In Germany the coronavirus diseases 2019 (COVID-19) pandemic has resulted in a slowly growing demand for health care with a sudden occurrence of regional hotspots. This leads to an unpredictable situation for many hospitals, leaving the question of how many bed resources are needed to cope with the surge of COVID-19 patients.
Objective: In this study we created a simulation-based prognostic tool that provides the management of the University Hospital of Augsburg and the civil protection services with the necessary information to plan and guide the disaster response to the ongoing pandemic. Especially the number of beds needed on isolation wards and intensive care units (ICU) are the biggest concerns. The focus should lie not only on the confirmed cases as the patients with suspected COVID-19 are in need of the same resources.
Material and methods: For the input we used the latest information provided by governmental institutions about the spreading of the disease, with a special focus on the growth rate of the cumulative number of cases. Due to the dynamics of the current situation, these data can be highly variable. To minimize the influence of this variance, we designed distribution functions for the parameters growth rate, length of stay in hospital and the proportion of infected people who need to be hospitalized in our area of responsibility. Using this input, we started a Monte Carlo simulation with 10,000 runs to predict the range of the number of hospital beds needed within the coming days and compared it with the available resources.
Results: Since 2 February 2020 a total of 306 patients were treated with suspected or confirmed COVID-19 at this university hospital. Of these 84 needed treatment on the ICU. With the help of several simulation-based forecasts, the required ICU and normal bed capacity at Augsburg University Hospital and the Augsburg ambulance service in the period from 28 March 2020 to 8 June 2020 could be predicted with a high degree of reliability. Simulations that were run before the impact of the restrictions in daily life showed that we would have run out of ICU bed capacity within approximately 1 month.
Conclusion: Our simulation-based prognosis of the health care capacities needed helps the management of the hospital and the civil protection service to make reasonable decisions and adapt the disaster response to the realistic needs. At the same time the forecasts create the possibility to plan the strategic response days and weeks in advance. The tool presented in this study is, as far as we know, the only one accounting not only for confirmed COVID-19 cases but also for suspected COVID-19 patients. Additionally, the few input parameters used are easy to access and can be easily adapted to other healthcare systems.
Zusammenfassung: HINTERGRUND: Die COVID-19-Pandemie zeichnet sich durch einen sich langsam aufbauenden Bedarf von Ressourcen des Gesundheitswesens mit lokalen Hotspots aus und erzeugt dadurch enorme Probleme. Für die Krankenhäuser liegt eine der größten Herausforderungen in der Vorhaltung von Bettenkapazitäten, insbesondere da der Bedarf schwer vorherzusehen ist.
Fragestellung: Um den Entscheidungsträgern eine Hilfestellung zu geben, wurden mehrere simulationsbasierte Prognosen für die benötigte Bettenkapazität am Universitätsklinikum Augsburg durchgeführt, um bei variablen Pandemieverläufen die benötigten Bettenkapazitäten abschätzen zu können.
Methode: Als Input dienen aktuelle Erkenntnisse über den Verlauf der Ausbreitung, insbesondere die Wachstumsrate an kumulierten Neuinfektionen pro Tag. Zur Abbildung von Unsicherheit werden mittels Verteilungsfunktionen, basierend auf Realdaten der Wachstumsrate, die Verweildauer sowie der Anteil der hospitalisierten COVID-19-Patienten im Einzugsgebiet modelliert. Im Anschluss erfolgt eine Monte-Carlo-Simulation, die eine Abschätzung der benötigten Bettenkapazitäten für mehrere Tage in der Zukunft erlaubt.
Ergebnisse: Mithilfe von mehreren simulationsbasierten Kapazitätsprognosen im Zeitraum vom 28.03.2020 bis zum 08.06.2020 konnte die benötigte Intensiv- und Normalbettenkapazität am Universitätsklinikum Augsburg sowie im Rettungsdienstbereich Augsburg mit einer hohen Zuverlässigkeit prognostiziert werden.
Schlussfolgerung: Mithilfe des entwickelten Simulationsmodells zur Abschätzung der benötigten Bettenkapazität kann den Kliniken und dem Katastrophenschutz eine Hilfestellung zur Abschätzung der kurzfristigen Entwicklung des Kapazitätsbedarfs für Verdachtsfälle sowie bestätigte COVID-19-Patienten gegeben werden. Der operative Einsatz der Methode am Universitätsklinikum Augsburg zeigte verlässliche Ergebnisse.
Keywords: Forecast; Forecasting tool; Hospital bed capacity; Monte Carlo simulation; Severe acute respiratory syndrome coronavirus 2.