نموذج وبائي بسيط باستخدام أدوات Python الأساسية

جاء الفكر فجأة: "لماذا لا تندلع الوباء؟". يمكن أن يكون العمل من المنزل مع التنظيم المناسب أكثر فعالية من العمل المكتبي ، ونتيجة لذلك هناك وقت إضافي صريح "للتفكير" في شيء آخر.

بدأ كل شيء ، بالطبع ، من بناء تصور يومي للبيانات حول COVID-19 من المركز الأوروبي لمكافحة الأمراض. تقوم خوارزمية بسيطة برسم الرسوم البيانية على البيانات المحدثة يوميًا عند الظهر. وتلفت الرسوم البيانية الانتباه إلى الإجراءات الفعالة لمكافحة الوباء في الصين عندما بدأ الوباء في الانخفاض في أوائل مارس. لكن دول أوروبا تلتقط الهراوات - أولاً إيطاليا (هل يمكنك أن تتذكر كيف طلبت سلطات ميلان في نهاية فبراير من السياح العودة إلى المدينة ، لأن الاقتصاد يعاني؟) ، ثم إسبانيا.

— , , -, . 30 — , , , ? ? .

“” COVID-19 — - . , (!) . . . ? — !

- — . — . — . , — . . 3 :

• : \\

, , — , . . ? , — “ ” caseIssuedDate ( — ). , — “ ” severity . “” .

: - = 1 .
:

  #['infectDate', 'endOfCaseDate', 'result', 'severity', 'caseDocumentedDate', 'isolated' ]
  epidemy = [[0, None, 'infected', 'mild', None, False]] 

*, \ ‘result’ . ‘recovered’ ‘dead’.

— , …
— . , ( “”, , ). , — .

— , “”. , 0.1 (10%) 1 10 . 100 10 , 100 10 0.1 = 100 . , : , . () :

 ['infectDate', 'endOfCaseDate', 'result', 'severity', 'caseDocumentedDate', 'isolated' ]

, , ( — !) .

— , , . ? , . : , , , — deathRate.

- ::

#  

dailyTransmissionContacts = 15 #    

# 

contagiousness = 0.01       #
severityRate = 0.3          #  
deathRate = 0.5             #  (   )
caseDuration = 25          # 

#  
closedPopulation = 10000

# 

periodToDocumented = caseDuration * 0.6 #       
mildDocumentedRate = 0.3
severeDocumentedRate = 0.9
isolationQualityRate = 0.1

#  

showDays = 150 #і  і

(. ) :
periodToIssued — , ,
mildDocmentedRate — 30%
severeDocumentedRate = 90%
isolationQualityRate — () . 100%

? , — … , , , , . — . . , COVID-19. — .

. :

— “” “” “”
, “” —
.2

   susceptibleToday = (closedPopulation - infectedCountToday - recoveredCountToday)
   newAffectedPeopleCount = int(((activeInfectedCountToday * dailyTransmissionContacts * contagiousness) // 1 * susceptibleToday/closedPopulation + 1))

* — “” . . ( ) .

.

.

, pandas.

10 . : 0 (.. ) 100%, “” .
6 . 120 ( ) ( ) — , .

totalAffected: 10000     deathsTotal: 1582   deathRate_real = 15%

( ). 10 , ,

. , . , COVID-19, — 5-7 . , , —

caseDuration :

: , , .

:

. caseIssuedDate — . “” . : “ , ”. , , - .

: “, , . > ?”
: “ , ...

: , , — . 2 : mildDocumentedRate severDocumentedRate — ( ) . : 7-9 10 , , . , . , , , , , . ? , . , .

mildIDocumentedRate = 0.3
severeDocumentedRate = 0.9

, . , : 150 50 — , , .. .

, .

, .. , . , . () .

( — — )

totalAffected: 10000     deathsTotal: 1582   deathRate_real = 15%
DocumentedTotal: 4789    deathsDocumented: 1406  deathRate_docum = 29%

. .

() : “” . — , .

periodToDocumented — . , “” , , . , — , — , , .

periodToDocumented. mildDocumentedRate = 0.3 (30% ). “” , , .

: — , .

, [20:30] .

, , — .

:

• (, )
• ( ) +

.
. , , , .

(0 — , 1 — ).
, — , “ ” . , .

( ) .

, , . . , . ( 0.7) periodToDocumented.
, periodToDocumented ( ) 60% , .. 25 * 0.6 = 15 . 10, 7, 4

, , — “” , , , , . , .

:

totalAffected: 10000     deathsTotal: 1486   deathRate_real = 14%
totalAffected: 10000     deathsTotal: 1556   deathRate_real = 15%
totalAffected: 10000     deathsTotal: 1439   deathRate_real = 14%
totalAffected: 8466  deathsTotal: 1248   deathRate_real = 14%

— — . 2 :

dailyTransmissionContacts = 15 #  
contagiousness = 0.01 # 

“ ” . .

totalAffected: 10000     deathsTotal: 1557   deathRate_real = 15%
totalAffected: 7727  deathsTotal: 1173   deathRate_real = 15%
totalAffected: 4597  deathsTotal: 709    deathRate_real = 15%
totalAffected: 2008  deathsTotal: 299    deathRate_real = 14%

. 5 . , “ ”. — .

, .
. : 60 80, .

, , “” , , “ ”

totalAffected: 10000 deathsTotal: 1557 deathRate_real = 15%
totalAffected: 4597 deathsTotal: 709 deathRate_real = 15%
totalAffected: 10000 deathsTotal: 1434 deathRate_real = 14%

, “” , . , , , , / (, , ). “ ” — . , . , , — , ( , , , , , — , — ).
. ! , , .

: epidemy (‘recovered’).

totalAffected: 7890 deathsTotal: 1162 deathRate_real = 11%
totalAffected: 10000 deathsTotal: 1557 deathRate_real = 15%

5 20 ( ) 30% — .

, . :

• , «». . .
• . (, , , ) , , .
• , ( “ ”).

“ ” , .

“ ” “” . , , , — . “” “ ” .

يمكن أن تختلف طرق القمع المختلفة اختلافًا كبيرًا في التأثير: فالطرق المختبرة "للعزل الذاتي" وحتى "الكشف المبكر" لم تُظهر النتائج الإيجابية المتوقعة مع معلمات النموذج قريبة من COVID19. وفي الوقت نفسه ، فإن أي مقياس للقمع بدرجة أو بأخرى "يخفف" ذروة الوباء ، الأمر الذي يمكن أن يؤثر بشكل إيجابي على عمل نظام الرعاية الصحية في سياق الوباء.

كان الإجراء الأكثر فعالية هو الحجر الصحي. لا يمكن للحجر الصحي في الوقت المناسب والكافي فقط أن "يمتد" مسار الوباء ، ويقلل العبء على نظام الرعاية الصحية ، ولكن في بعض الأحيان يقلل أيضًا من عدد الحالات والوفيات.

كمبيوتر محمول على رابط google colab