Disease | Insight Maker

This systems model will help students understand the different systems that make up our body and how choices we make can impact how those systems work.
Factors are based on daily choices.

Clone of Human Body Systems Efficiency

Naviyn Prabhu Balakrishnan

Clone of SIR Model

Evandro Dias Gaio

ds_model

David Oseguera Montiel

A Susceptible-Infected-Recovered (SIR) disease model with herd immunity and isolation policies.

SIR model with herd immunity and isolation

Rosemarie Sadsad

6

当处在春节时期，疫情来临时，外来人口较多的S市的疫情传染仿真模型。

人群的状态可分为S/E/I/R/D的五个状态，S为易感染者（即S市所在人群），E为潜伏期患者（人群不会对他远离，但是会传染他人），I为感染者（为医院确诊人群，他人会远离该患者），R为康复人群，D为死亡人群。

SEIR

Allen Zhang

SARS-CoV-19 spread in different countries

- please adjust variables accordingly

Italy

elderly population (>65): 0.228
estimated undetected cases factor: 4-11
starting population size: 60 000 000
high blood pressure: 0.32 (gbe-bund)
heart disease: 0.04 (statista)
free intensive care units: 3 100

Germany

elderly population (>65): 0.195 (bpb)
estimated undetected cases factor: 2-3 (deutschlandfunk)
starting population size: 83 000 000
high blood pressure: 0.26 (gbe-bund)
heart disease: 0.2-0.28 (herzstiftung)
free intensive care units: 5 880

France

elderly population (>65): 0.183 (statista)
estimated undetected cases factor: 3-5
starting population size: 67 000 000
high blood pressure: 0.3 (fondation-recherche-cardio-vasculaire)
heart disease: 0.1-0.2 (oecd)
free intensive care units: 3 000

As you wish

numbers of encounters/day: 1 = quarantine, 2-3 = practicing social distancing, 4-6 = heavy social life, 7-9 = not caring at all // default 2
practicing preventive measures (ie. washing hands regularly, not touching your face etc.): 0.1 (nobody does anything) - 1 (very strictly) // default 0.8
government elucidation: 0.1 (very bad) - 1 (highly transparent and educating) // default 0.9
Immunity rate (due to lacking data): 0 (you can't get immune) - 1 (once you had it you'll never get it again) // default 0.4

Key

Healthy: People are not infected with SARS-CoV-19 but could still get it
Infected: People have been infected and developed the disease COVID-19
Recovered: People just have recovered from COVID-19 and can't get it again in this stage
Dead: People died because of COVID-19
Immune: People got immune and can't get the disease again
Critical recovery percentage: Chance of survival with no special medical treatment

Clone of SARS-CoV-19 model

Tisa Monita

Tutorial model of disease dynamics using ABM

Clone of Clone of Clone of Agent-Based Disease Dynamics

charbel saad

system dynamics

SIR com morte

Gilmar Ferreira da Silva Filho

COVID-19 in USA

Марина Якимова

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: 4-11
    Ausgangsgröße der Bevölkerung: 60 000 000
    hoher Blutdruck: 0,32 (gbe-bund)
    Herzkrankheit: 0,04 (statista)
    kostenlose Intensivstationen: 3 100

Deutschland

    ältere Bevölkerung (>65): 0,195 (bpb)
    geschätzte unentdeckte Fälle Faktor: 2-3 (deutschlandfunk)
    Ausgangsgröße der Bevölkerung: 83 000 000
    hoher Blutdruck: 0,26 (gbe-bund)
    Herzkrankheit: 0,2-0,28 (Herzstiftung)
    kostenlose Intensivstationen: 5 880

Frankreich

    ältere Bevölkerung (>65): 0,183 (statista)
    Faktor der geschätzten unentdeckten Fälle: 3-5
    Ausgangsgröße der Bevölkerung: 67 000 000
    Bluthochdruck: 0,3 (fondation-recherche-cardio-vasculaire)
    Herzkrankheit: 0,1-0,2 (oecd)
    kostenlose Intensivstationen: 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

Clone of SARS-CoV-19 Modell von Lucia Vega Resto

Hans Kratz

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

Clone of SARS-CoV-19 Modell von Lucia Vega Resto

USEK20FALL agri

Tutorial 1.1 simulating a simple disease

Tutorial 1.1.0 - Disease

Connie Herrity

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

Clone of Pharmacokinetics

Marsellius

DYZ IS RYČ PYKČŘ

Petr Hutárek

SIR model with waning immunity - Metrics by Guy Lakeman

A Susceptible-Infected-Recovered (SIR) disease model with waning immunity

Clone of SIR model with waning immunity - Metrics by Guy Lakeman

Anderson Stanciole

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).

Clone of Clone of Spatially Aware SIR Diseasse Model

Klemens Schatka

Tutorial 1.1 simulating a simple disease, with reduced infection rate

Tutorial 1.1.2 - Disease - Reduced Infection Rate

Connie Herrity

SARS-CoV-19 spread in different countries

- please adjust variables accordingly

Italy

elderly population (>65): 0.228
estimated undetected cases factor: 4-11
starting population size: 60 000 000
high blood pressure: 0.32 (gbe-bund)
heart disease: 0.04 (statista)
free intensive care units: 3 100

Germany

elderly population (>65): 0.195 (bpb)
estimated undetected cases factor: 2-3 (deutschlandfunk)
starting population size: 83 000 000
high blood pressure: 0.26 (gbe-bund)
heart disease: 0.2-0.28 (herzstiftung)
free intensive care units: 5 880

France

elderly population (>65): 0.183 (statista)
estimated undetected cases factor: 3-5
starting population size: 67 000 000
high blood pressure: 0.3 (fondation-recherche-cardio-vasculaire)
heart disease: 0.1-0.2 (oecd)
free intensive care units: 3 000

As you wish

numbers of encounters/day: 1 = quarantine, 2-3 = practicing social distancing, 4-6 = heavy social life, 7-9 = not caring at all // default 2
practicing preventive measures (ie. washing hands regularly, not touching your face etc.): 0.1 (nobody does anything) - 1 (very strictly) // default 0.8
government elucidation: 0.1 (very bad) - 1 (highly transparent and educating) // default 0.9
Immunity rate (due to lacking data): 0 (you can't get immune) - 1 (once you had it you'll never get it again) // default 0.4

Key

Healthy: People are not infected with SARS-CoV-19 but could still get it
Infected: People have been infected and developed the disease COVID-19
Recovered: People just have recovered from COVID-19 and can't get it again in this stage
Dead: People died because of COVID-19
Immune: People got immune and can't get the disease again
Critical recovery percentage: Chance of survival with no special medical treatment

Clone of SARS-CoV-19 model

Isaiah Ritzmann

SIR model with herd immunity - Metrics by Suresh Vunnam

A Susceptible-Infected-Recovered (SIR) disease model with herd immunity

SIR model with herd immunity - Metrics by suresh vunnam

suresh vunnam

Tutorial model of disease dynamics using ABM

Agent-Based Disease Dynamics

Gavin McNicol

3

A simple Susceptible - Infected - Aids Patient disease model.

Clone of HIV model

Cesar Conopoima

49

A Susceptible-Infected-Recovered (SIR) disease model with waning immunity

Clone of SIR model with waning immunity

Todd Levine

A simple Susceptible - Infected - Recovered disease model.

Clone of SIR Model

Kyle Epping

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.

Clone of Reservoir Disease Spread

Nathaniel Vala

Disease Models