COVID-19: model proses acak

Berapa lama lagi perlu memperpanjang isolasi diri di negara dan wilayah sehingga setiap orang pertama tidak jatuh sakit, apakah mereka menerapkan sanksi ketat terhadap pelanggar isolasi diri, menyerukan tindakan pencegahan yang lebih kuat atau meninggalkan mayoritas populasi dengan keyakinan yang tulus akan kegunaan masker medis?

Untuk mendapatkan jawaban atas setidaknya beberapa pertanyaan, artikel ini akan menganalisis model SIR dari video YouTube yang sensasional dan simulasi berbagai situasi epidemiologis berdasarkan itu, serta perbandingan kualitatif pengaruh berbagai faktor pada kecepatan dan skala penyebaran infeksi.

Selain itu, posting selanjutnya akan mengeksplorasi model yang lebih kompleks yang menggambarkan dinamika penyebaran virus COVID-19.

Menit Perawatan UFO

Pandemi COVID-19, suatu infeksi pernapasan akut yang berpotensi parah yang disebabkan oleh coronavirus SARS-CoV-2 (2019-nCoV), telah secara resmi diumumkan di dunia. Ada banyak informasi tentang Habré tentang topik ini - selalu ingat bahwa Habré dapat diandalkan / bermanfaat, dan sebaliknya.

Kami mendesak Anda untuk kritis terhadap informasi apa pun yang dipublikasikan.

Sumber resmi

• Situs web Kementerian Kesehatan Federasi Rusia
• Situs web Rospotrebnadzor
• Situs web WHO
• Situs web WHO

, .

Cuci tangan, rawat orang yang Anda cintai, tinggal di rumah kapan saja memungkinkan dan bekerja dari jarak jauh.

Baca publikasi tentang: coronavirus | kerja jarak jauh

Deskripsi singkat tentang model

Jadi, mari kita bayangkan bahwa kita sedang mengamati beberapa kota tertutup, di mana penduduk N tinggal secara permanen, yang tidak pergi ke mana pun dan tidak menjadi tuan rumah bagi tamu yang bukan penduduk, tetapi cukup aktif secara sosial di dalam kota mereka.

Yaitu, kami mengamati komunitas tertutup yang terhubung (atau sistem). Pada titik tertentu, seseorang yang terinfeksi COVID-19 muncul dalam sistem ini, dan sekarang, kami telah membagi semua penghuni komunitas kami menjadi tiga kelompok potensial:

• S (Rentan) - rentan (dapat terinfeksi),
• I (Terinfeksi) - terinfeksi (mereka yang kurang beruntung),
• R (Removed) — , :
  
  • Recovered — (, , )
  • Dead — (, … ).

$$$\beta$—

, , $$$S(t)$, $$$I(t)$, $$$R(t)$, $$$t$.

— , . , . , . , SIR, .

, , . , .

:

1. (Dead/Removed) — 12% ( ). .
2. 50 ( ).
3. 50 .
4. ( , ).

:

1. CP (contagion probability) — : 30% — , ( ), 20% 10%.
2. SD (social distance) — . , . SD — . , 100-SD.
   SD , . , . : 10%, 40%*, 75%*, 90%.
3. IP (isolation period) — . : 30 ( ), 45 ( ), 70 ( ), .
4. AC (asymptomatic cases) — ** — 5% ( ), 40% ( ), 70% ( ).
5. DT (disease time) — 14 ( ), 21 ( ), 38 ( ).

*
** ,

: CP=30% ( ), SD=75% ( ), IP=unlimited ( ), AC=40% ( ), DT=21 ( ). — .

1. CP

   
   

   

   
   

   : 10%, 20%, 30%

   
   

   — , ( !). ( , , ) .

   
   

   , , 30% .

   
   

2. , SD

   
   

   

   
   

   : 10%, 40%, 75%, 90%

   
   

   . , . 10%, , 90%. , , .

   
   

3. IP

   
   

   

   
   

   : 30 , 45 , 70 ,

   
   

   "" . . , .

   
   

4. AC

   
   

   

   
   

   : 5%, 40%, 70%

   
   

   , 5%, , . 70%, , — .

   
   

   , COVID-19 .

   
   

   , : , , .

   
   

5. DT

   
   

   

   
   

   : 14 , 21 , 38

   
   

   , . , , , .

   
   

, , .

" " (, , , ), .

, . 90 .

, , , , .

Tentu saja, model sederhana ini tidak memperhitungkan sejumlah faktor yang mempengaruhi epidemi, baik yang dikendalikan oleh manusia dan hanya bergantung pada sifat virus itu sendiri, dan tidak selalu secara akurat ditransfer ke kenyataan. Namun, ia memenuhi fungsinya - memberikan penilaian kualitatif tentang mekanisme utama yang mempengaruhi dinamika epidemi, dan dengan jelas menunjukkan efek ini.

Bahan yang berguna

• Kode sumber model dari video
• Model SIR

Terima kasih khusus Pixml dan keysloss untuk bantuan dalam menulis artikel dan menyiapkan simulasi.