p 2021

SEIAR model with ascertainment rate estimate

PŘIBYLOVÁ, Lenka and Veronika HAJNOVÁ

Basic information

Original name

SEIAR model with ascertainment rate estimate

Name in Czech

SEIAR model s odhadem míry detekce

Authors

PŘIBYLOVÁ, Lenka (203 Czech Republic, guarantor, belonging to the institution) and Veronika HAJNOVÁ (203 Czech Republic, belonging to the institution)

Edition

ECDC hub seminar, 2021

Other information

Language

English

Type of outcome

Vyžádané přednášky

Field of Study

10102 Applied mathematics

Country of publisher

United Kingdom of Great Britain and Northern Ireland

Confidentiality degree

není předmětem státního či obchodního tajemství

References:

RIV identification code

RIV/00216224:14310/21:00121753

Organization unit

Faculty of Science

Keywords (in Czech)

epidemický model; COVID-19

Keywords in English

epidemic model; COVID-19

Tags

Tags

International impact
Změněno: 11/6/2021 19:20, doc. RNDr. Lenka Přibylová, Ph.D.

Abstract

ORIG CZ

V originále

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.

In Czech

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.

Links

MUNI/A/1615/2020, interní kód MU
Name: Matematické a statistické modelování 5 (Acronym: MaStaMo5)
Investor: Masaryk University
MUNI/11/02202001/2020, interní kód MU
Name: Online platforma pro monitoring, analýzu a management epidemických situací v reálném čase
Investor: Masaryk University