Model ZSEIAR

PŘIBYLOVÁ, Lenka and Veronika HAJNOVÁ. Model ZSEIAR. In UK-V4 Frontiers of Science. 2021.

Basic information

• Original name: Model ZSEIAR
• Name in Czech: Model ZSEIAR
• Authors: PŘIBYLOVÁ, Lenka (203 Czech Republic, guarantor, belonging to the institution) and Veronika HAJNOVÁ (203 Czech Republic, belonging to the institution).
• Edition: UK-V4 Frontiers of Science, 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: URL
• RIV identification code: RIV/00216224:14310/21:00121754
• Organization unit: Faculty of Science
• Keywords (in Czech): epidemický model; COVID-19
• Keywords in English: epidemic model; COVID-19
• Tags: COVID-19, epidemic model
• Tags: International impact

Abstract

Our model is based on a mechanistic compartmental approach of the SEIR model. The main novel concept is using a moving ascertainment rate estimate computed from data of hospitalized subjects (using a proportion of cases not caught before hospital admission), so it estimates the observed part of the epidemic and the undetected absent infected. We have developed an extended ZSEIAR model that includes also unknown dynamics in the affected clusters. Optimization, which according to real data estimates the size of the affected clusters, makes it possible not to distinguish seasonality, the degree of influence of government measures, or changes in people's behavior caused by fear or disinformation. We submit our predictions to ECDC forecast hub https://covid19forecasthub.eu/ as well as to the web Czech Monitoring, Analysis and Management of Epidemic Situations https://webstudio.shinyapps.io/MAMES/.

Abstract (in Czech)

Model je založen na mechanickém kompartmentovém přístupu modelu SEIR. Hlavním novým konceptem je použití odhadu proměnné míry detekce vypočítané z údajů hospitalizovaných subjektů (s využitím podílu případů nezachycených před přijetím do nemocnice), takže odhaduje pozorovanou část epidemie a nezjištěného chybějícího kompartmentu infikovaných. Vyvinuli jsme rozšířený model ZSEIAR, který zahrnuje také neznámou dynamiku postižených klastrů. Optimalizace, která podle skutečných údajů odhaduje velikost postižených klastrů, umožňuje nerozlišovat sezónnost, míru vlivu vládních opatření nebo změny v chování lidí způsobené strachem nebo dezinformacemi. Naše predikce publikujeme v centru pro predikce ECDC https://covid19forecasthub.eu/ a také na webu Monitoring, Analýza a Management Epidemických Situací MAMES https://webstudio.shinyapps.io/MAMES/.

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