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.
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.
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
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).
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.
Make sure to check out the Map display to see the geographic clustering of disease incidence around the reservoir.
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
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
