SEIAR model with ascertainment rate estimate

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

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

• Original language: English
• Type of outcome: Requested lectures
• Field of Study: 10102 Applied mathematics
• Country of publisher: United Kingdom of Great Britain and Northern Ireland
• Confidentiality degree: is not subject to a state or trade secret
• WWW: Evropská skupina pro modelování epidemie COVID-19 pod ECDC
• 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: COVID-19, epidemigic model
• Tags: International impact

Abstract

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.

Abstract (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