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

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

Data provided by: PHE and Worldometers

Данная модель отражает распространение COVID-19 в России на основе статистики за 2020 год. Модель построена в среде Insight Maker по типу SEIRD (Susceptible–Exposed–Infected–Recovered–Dead), с упрощённой динамикой.

This model describes the whole process about government response and economic impact when the covid-19 outbreak in Burnie, Tasmania. When the reported cases increase to a certain level, the government realizes its high risk, then publishes a series of policies to protect the public, such as travel restriction, social distance and quarantine. The economic damage is also severe, especially for tourism and hostility industry and retail industry.

 

Clearly, in the beginning, the number of infected people and death cases increase sharply, but due to government policies and vaccination, it effectively reduces covid-19 cases. For economy, on one hand, the government health policies slow down the pace of growth, on the other hand, the government build vaccine confidence, which leads to more people getting vaccinated, and help the economy back to normal.

In this activity show the agent based model or ABM, this activity represent the population and incubation percentage, and move the ink to incubation, included the person, vulnerable, incubation, infected, recuperation, and also recuperated. This model help us to identify where to quickly become infected.