Find Insights | Insight Maker

Pemodelan Epidemiologi COVID-19

Muhammad Rizaldi Atthariq

8 months ago

COVID-19 agent based model

Bea Kylah A. Buñag

Omer Ozkan System Dynamics Model Covid-19

Omer Ozkan

Covid-19 Systemigram Hofher

Robert Hofher

Semirara island Casual Loop Diagram

Paul Gabriel Fajardo

Pada Tugas 3 mata kuliah Pemodelan Transportasi Laut, ditugaskan untuk membuat pemodelan penyebaran COVID-19 di negara yang dipilih, dan pada simulasi ini merupakan negara Indonesia

Dosen Pengampu : Dr.-Ing Ir Setyo Nugroho

Simulasi Pemodelan Penyebaran COVID-19 di Indonesia

Ghazi Zulava Alief

This is an unmitigated model showing the potential spread of COVID-19 across the healthcare system. This effectively shows the worst case scenario without any actions to reduce the spread of the virus.

COVID Southern locality (phased)

David Spencer

28

Өзіндік жұмыс 2

Батирова Диёра

COVID-19 Model of Puerto Princesa City as of May 19,2023.

COVID-19 Model of Puerto Princesa City

Leenard Sayoto

Covid-19 model

Corinne Erickson

Modelo SEIR in Covid-19

Amanda Rivera

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: 0,6
    Ausgangsgröße der Bevölkerung: 60 000 000
    hoher Blutdruck: 0,32 (gbe-bund)
    Herzkrankheit: 0,04 (statista)
    Anzahl der Intensivbetten: 3 100

Deutschland

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

Frankreich

    ältere Bevölkerung (>65): 0,183 (statista)
    Faktor der geschätzten unentdeckten Fälle: 0,4
    Ausgangsgröße der Bevölkerung: 67 000 000
    Bluthochdruck: 0,3 (fondation-recherche-cardio-vasculaire)
    Herzkrankheit: 0,1-0,2 (oecd)
    Anzahl der Intensivbetten: 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

SARS-CoV-19 Modell von Lucia Vega Resto

Hans Kratz

5

A sample model for class discussion modeling COVID-19 outbreaks and responses from government with the effect on the local economy. Govt policy is dependent on reported COVID-19 cases, which in turn depend on testing rates less those who recover

Assumptions

Govt policy reduces infection and economic growth in the same way.

Govt policy is trigger when reported COVID-19 case are 10 or less.

A greater number of COVID-19 cases has a negative effect on the economy. This is due to economic signalling that all is not well.

Interesting insights

Higher testing rates seem to trigger more rapid government intervention, which reduces infectious cases. The impact on the economy though of higher detected cases though is negative.

Clone of Burnie COVID-19 outbreak demo model version 2

ching tung li

самостаятельная работа часть 2 Акилбеков Асет

Akilbekov Aset

La meilleur simulation du marché à propos de la Covid-19

Ludovik Arbach

Model of Covid-19 outbreak in Burnie, Tasmania

This model was designed from SIR model(susceptible, infected, revovered) to find out the effect of covid-19 outbreak into economic outcomes via government policy.

Assumptions

The government policy is triggered when number of infected is more than ten.

The government policies will take negative effect into Covid-19 outbreaks and financial system

Parameters

We set some fixed and adjusted variables.

Covid-19 outbreak's parameter

Fixed parameters: Infection rate, Background disease, recovery rate.

Adjusted parameter: Immunity loss rate can be change from vaccination rate.

Government policy's parameters

Adjusted parameters: Testing rate(from 0.15 to 0.95), vaccination rate(from 0.3 to 1), travel ban(from 0 to 0.9), social distancing(from 0.1 to 0.8), Quarantine(from 0.1 to 0.9)

Economic's parameters

Fixed parameter: Tourism

Adjusted parameter: Economic growth rate(from 0.3 to 0.5)

Interesting insight

Increase vaccination rate and testing rate will decrease the number amount of infected case and a little bit more negative effect to economic system. However economic system still need a long time to recover in both cases.

BMA708_Assignment 3_ndkvo_520272_COVID-19 outbreak and Burnie economy