Dieses Causal
Loop Diagramm (CLD) versucht in vereinfachter Weisse die Wesentliche Dynamik des
Mars-CoV-2 zu veranschaulichen. Der Motor hinter den Infektionen ist offensichtlich
eine selbstverstärkende Rückkopplungsschleife, und ausschlaggebend in diesem
Bezug ist der R-Wert. Wenn der R-Wert unter 1 liegt, dann heisst das, dass eine
infizierte Person während des Zeitraums, in dem sie infektiös ist, weniger als
eine andere Person infiziert. Liegt der
Wert über 1, dann steckt die Infizierte mehr als eine andere Person an, und das
Virus verbreitet sich exponentiell. Die Schleifen, die blaue Pfeile enthalten, sind negative Rückkopplungsschleifen – sie bremsen die Verbreitung des Virus. Das
Diagramm suggeriert, dass der R-Wert als Schlüssel zur Kontrolle der Verbreitung
des Virus dienen könnte. Sollte der Wert über 1 steigen, so müssten Schutzmassnahem eingeführt werden. Ist der
Wert unter 1, dann sind die negativen Schleifen dominierend und einige Massnahmen könnten gelockert werden.
Without mortality, with time measured in days, with infection rate 1/2, recovery rate 1/3, and initial infectious population I_0=1.27x10-4, we reproduce their figure
With a death rate of .005 (one two-hundredth of the infected per day), an infectivity rate of 0.5, and a recovery rate of .145 or so (takes about a week to recover), we get some pretty significant losses -- about 3.2% of the total population.
This model can be used to investigate how government interventions affect transmission and mortality associated with COVID-19 during an outbreak, and how these interventions impact on the economic activities in Burnie, Tasmania.
Assumptions can be made that effective government intervention can reduce the number of people infected, whereas the local economy is severely impacted.
Insights:
1. When COVID-19 case are more than 10, government policy will be triggered.
2. Testing rate is very crucial to understanding the spread of the pandemic and responding appropriately.
BMA708_Marketing insights_Covid-19 Outbreak in Burnie Tasmania_Jing XU
Variant of the model "COVID-19 spread" made by Anxo-Lois Pereira and Miquel Martínez de Morentin, including reinfection, permanent immunity and Vaccines. Made for the subject of TAED.
COVID-19 spread with reinfeccion, permanent immunity and vaccines
Recently, a new article published on <Science> explores the feasibility of living with the current Coronavirus in the long-term through mathematical modeling. Since either complete eradication or herd immunity is difficult to achieve in the short term, this work may provide useful and helpful public health policy implications in real environment.
Based on the model developed in the article, I translate it into a dynamic model here, so you may gain useful insights or check your own assumptions when simulating.
