SARS-CoV-19 spread in different countries

Data from two rounds of using Disease Participatory Simulation in class. Participants + Androids = 39.  By adjusting Rate Constant, stocks and flows representation can be used to match data from either Trial 1 or Trial 2. An example of matching Trial 1 is shown when this simulation is run.  Graph of "Area" (Well * Sick) has the same shape as Rate Catching graph. The Rate Catching graph is much smaller because the Well * Sick values are multiplied by a small constant that is the Rate Constant.

A simple Susceptible - Infected - Recovered disease model.

Tutorial model of disease dynamics using ABM

SARS-CoV-19 spread in different countries

SARS-CoV-19 spread in different countries

A spatially aware, agent based model of disease spread. There are three classes of people: susceptible (healthy), infected (sick and infectious), and recovered (healthy and temporarily immune).

A simple Susceptible - Infected - Aids Patient disease model.

Ausbreitung von SARS-CoV-19 in verschiedenen Ländern
- bitte passen Sie die Variablen über die Schieberegler weiter unten entsprechend an

Italien

    ältere Bevölkerung (>65): 0,228
    Faktor der geschätzten unentdeckten Fälle: 4-11
    Ausgangsgröße der Bevölkerung: 60 000 000
    hoher Blutdruck: 0,32 (gbe-bund)
    Herzkrankheit: 0,04 (statista)
    kostenlose Intensivstationen: 3 100


Deutschland

    ältere Bevölkerung (>65): 0,195 (bpb)
    geschätzte unentdeckte Fälle Faktor: 2-3 (deutschlandfunk)
    Ausgangsgröße der Bevölkerung: 83 000 000
    hoher Blutdruck: 0,26 (gbe-bund)
    Herzkrankheit: 0,2-0,28 (Herzstiftung)
    kostenlose Intensivstationen: 5 880


Frankreich

    ältere Bevölkerung (>65): 0,183 (statista)
    Faktor der geschätzten unentdeckten Fälle: 3-5
    Ausgangsgröße der Bevölkerung: 67 000 000
    Bluthochdruck: 0,3 (fondation-recherche-cardio-vasculaire)
    Herzkrankheit: 0,1-0,2 (oecd)
    kostenlose Intensivstationen: 3 000


Je nach Bedarf:

    Anzahl der Begegnungen/Tag: 1 = Quarantäne, 2-3 = soziale Distanzierung , 4-6 = erschwertes soziales Leben, 7-9 = überhaupt keine Einschränkungen // Vorgabe 2
    Praktizierte Präventivmassnahmen (d.h. sich regelmässig die Hände waschen, das Gesicht nicht berühren usw.): 0.1 (niemand tut etwas) - 1 (sehr gründlich) // Vorgabe 0.8
    Aufklärung durch die Regierung: 0,1 (sehr schlecht) - 1 (sehr transparent und aufklärend) // Vorgabe 0,9
    Immunitätsrate (aufgrund fehlender Daten): 0 (man kann nicht immun werden) - 1 (wenn man es einmal hatte, wird man es nie wieder bekommen) // Vorgabe 0,4


Schlüssel

    Anfällige: Menschen sind nicht mit SARS-CoV-19 infiziert, könnten aber infiziert werden
    Infizierte: Menschen sind infiziert worden und haben die Krankheit COVID-19
    Geheilte: Die Menschen haben sich gerade von COVID-19 erholt und können es in diesem Stadium nicht mehr bekommen
    Tote: Menschen starben wegen COVID-19
    Immunisierte: Menschen wurden immun und können die Krankheit nicht mehr bekommen
    Kritischer Prozentsatz der Wiederherstellung: Überlebenschance ohne spezielle medizinische Behandlung

Tutorial 1.1 simulating a simple disease

A Susceptible - Infected - Recovered disease as a stock and flow model for COVID.

SARS-CoV-19 spread in different countries

SARS-CoV-19 spread in different countries

A Susceptible-Infected-Recovered (SIR) disease model with herd immunity and isolation policies.

A simple Susceptible - Infected - Recovered disease model.

Dosage per day, Doses per day, Every ? hours, Medicine in Intestines, Drug absorption, Plasma level, Blood volume, Plasma concentration, ​Toxic level, Medicinal level, Drug excretion, Excretion rate, Half-Life

Semestrální projekt na operační a systémovou analýzu

A simple Susceptible - Infected - Recovered disease model.

This systems model will help students understand the different systems that make up our body and how choices we make can impact how those systems work.
Factors are based on daily choices.

SARS-CoV-19 spread in different countries

This model simulates a waterborne illness spread from a central reservoir. It illustrates the combination of System Dynamics (modeling pathogen levels in the reservoir) and Agent Based Modeling.

How to "infect" a surf spot