p 2021

Model ZSEIAR

PŘIBYLOVÁ, Lenka and Veronika HAJNOVÁ

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

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/00216224:14310/21:00121754

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 19:15, doc. RNDr. Lenka Přibylová, Ph.D.

Abstract

ORIG CZ

V originále

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/.

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