SEIAR model with ascertainment rate estimate

PŘIBYLOVÁ, Lenka a Veronika HAJNOVÁ. SEIAR model with ascertainment rate estimate. In ECDC hub seminar. 2021.

Základní údaje

• Originální název: SEIAR model with ascertainment rate estimate
• Název česky: SEIAR model s odhadem míry detekce
• Autoři: PŘIBYLOVÁ, Lenka (203 Česká republika, garant, domácí) a Veronika HAJNOVÁ (203 Česká republika, domácí).
• Vydání: ECDC hub seminar, 2021.

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Vyžádané přednášky
• Obor: 10102 Applied mathematics
• Stát vydavatele: Velká Británie a Severní Irsko
• Utajení: není předmětem státního či obchodního tajemství
• WWW: Evropská skupina pro modelování epidemie COVID-19 pod ECDC
• Kód RIV: RIV/00216224:14310/21:00121753
• Organizační jednotka: Přírodovědecká fakulta
• Klíčová slova česky: epidemický model; COVID-19
• Klíčová slova anglicky: epidemic model; COVID-19
• Štítky: COVID-19, epidemigic model
• Příznaky: Mezinárodní význam

Anotace

A model based on a mechanistic compartmental approach, where some parameters are taken from literature, some parameters are estimated from an anonymized dataset of confirmed subjects. It estimates moving ascertainment rate using data of hospitalized subjects (using a proportion of cases not caught before admission to hospital), so it estimates not only the observed part of the epidemic but also the undetected absent infected. The model incorporates transmission rate estimate dependence on mobility data and immunization after vaccination and optimizes affected clusters' size to estimate all exposed individuals using the moving ascertainment rate estimate. To model deaths, we incorporated fixed time delay from positivity report to death estimated from data.

Anotace česky

Model založený na mechanistickém kompartmentovém přístupu. Některé parametry jsou převzaty z literatury, některé parametry jsou odhadnuty z anonymizovaného datového souboru potvrzených subjektů. Odhaduje proměnnou míru detekce na základě údajů hospitalizovaných subjektů (s využitím podílu případů nezachycených před přijetím do nemocnice), takže odhaduje nejen pozorovanou část epidemie, ale také nezjištěné chybějící infikované. Model zahrnuje závislost odhadu míry transmisibity na datech mobility a imunizaci po očkování a optimalizuje velikost postižených klastrů tak, aby odhadoval všechny exponované jedince pomocí odhadu míry detekce. K modelování úmrtí jsme začlenili pevné časové zpoždění od zprávy o pozitivitě po úmrtí odhadované z dat.

Návaznosti

• MUNI/A/1615/2020, interní kód MU: Název: Matematické a statistické modelování 5 (Akronym: MaStaMo5)

Investor: Masarykova univerzita, Matematické a statistické modelování 5

• MUNI/11/02202001/2020, interní kód MU: Název: Online platforma pro monitoring, analýzu a management epidemických situací v reálném čase

Investor: Masarykova univerzita, Online platforma pro monitoring, analýzu a management epidemických situací v reálném čase