Автор: Дарья Колмина
"Питерские заметки", 10.11.2023:
В ходе пандемии COVID-19 одним из ключевых вопросов было эффективное прогнозирование распространения вируса. Отдел математики Даремского университета проводит исследования, направленные на решение реальных проблем. Математики совместно с ведущими физиками разработали инновационные модели, помогшие в борьбе с COVID-19.
Эксперты создали новую модель для симуляции эпидемий, назвав её JUNE. Она использовалась для стратегического управления пандемией COVID-19 в Англии. Модель JUNE прогнозирует распространение инфекционных заболеваний с учётом социальных взаимодействий в определённой географической области, сообщается в релизе Даремского университета.
Модель учитывает социальные взаимодействия между людьми, различия в возрасте, поле, этнической принадлежности и социально-экономических показателях. Она предоставляет подробный обзор того, как распространяется заболевание, и как оно влияет на заражённых. Для создания виртуального населения используются данные переписи, состав домохозяйств и места работы людей.
Данные о перемещениях и повседневной активности людей интегрируются в модель, чтобы отразить реалистичные паттерны движения. Различные параметры в модели регулируют вероятность заражения виртуального населения при контакте с заражённым человеком. Эти параметры корректируются на основе данных о фактическом распространении COVID-19 для предсказания скорости распространения вируса.
Эксперты создали новую модель для симуляции эпидемий, назвав её JUNE. Она использовалась для стратегического управления пандемией COVID-19 в Англии. Модель JUNE прогнозирует распространение инфекционных заболеваний с учётом социальных взаимодействий в определённой географической области, сообщается в релизе Даремского университета.
Модель учитывает социальные взаимодействия между людьми, различия в возрасте, поле, этнической принадлежности и социально-экономических показателях. Она предоставляет подробный обзор того, как распространяется заболевание, и как оно влияет на заражённых. Для создания виртуального населения используются данные переписи, состав домохозяйств и места работы людей.
Данные о перемещениях и повседневной активности людей интегрируются в модель, чтобы отразить реалистичные паттерны движения. Различные параметры в модели регулируют вероятность заражения виртуального населения при контакте с заражённым человеком. Эти параметры корректируются на основе данных о фактическом распространении COVID-19 для предсказания скорости распространения вируса.