该模型可以从 和 下载并通过更改输入文件完全适应任何地区。使用模型并留下您的意见通过这种方式您将有助于为它的持续改进做出贡献。 特别感谢帮助获取和分析数据并开发模型的和 感谢图形设计的 感谢 和 的支持和建议。 第一部分 为什么对 流行病建模如此困难? 与 模型相比基于代理的方法的优势 我们如何处理数据? 警告 作者 和 不对使用该模型获得的结果的任何应用使用或解释负责。如果要将其用于决策制定则必须特别注意输入数据因为模拟的准确性受其所基于的数据准确性的限制。
此外我们的雇主与本文及其结果无关。 为什么对 流行病建模如此困难? 准确的 模拟的挑战它们都是基于数据的并且相互依赖 为了理解任何系统要做的第一件事就是问问自己我们到底想理解什么。正如 团队在他们强烈推 电话号码列表 荐的 文章中恰当地解释的那样了解 的演变并非易事。 那么 疫情的发展意味着什么? 在任何流行病学模型中重点是确定以下一个或两个因素的 变化 最大感染数 死亡总人数 事实上这些因素是同一问题的两面不能分开研究。 感染人数的多少将决定因该病死亡的人数最终影响感染人数。
这两个变量主要由两个因素决定 杀伤力 发病率 死亡 死亡率 致死率不要定疾病死亡的总人数与感染总人数的比率。 死亡人数 感染人数 死亡率 在这里我们立即遇到第一个问题数据并不总是客观的。事实上这在很大程度上取决于他们的进展情况。我们将无法获得有关感染总数的数据而只能获得所有已识别感染者的数据。 死亡人数 检测到的感染人数 死亡率 感染总数和检测到的感染总数有什么区别?在测试和诊断方法方面。此外测试方法在很大程度上受到所研究系统的测试可用性和这些测试所基于的症状频率的影响。