Predpoveď priebehu pandémie

Zadání

Název simulace: Predpoveď piebehu pandémie

Předmět: 4IT495 Simulace systémů

Semestr: LS 2022/2023

Autor: Bc. Adam Daniš

Typ modelu: Systémová dynamika

Modelovací nástroj: Vensim

Definícia problému

V súčasnom svete, v ktorom sme len nedávno čelili pandémií, je kritické mať vhodné zdravotnícke systémy, ktoré dokážu efektívne zvládnuť nápor pacientov. Jedným z najväčších výziev v tejto oblasti je správne plánovanie a optimalizácia nemocničných lôžok. Len pred pár rokmi bola situácia na Slovensku až tak vážna, že nemocnice už nemohli nových pacietou prijímať. Hlavnou otázkou tejto práce je, ako môžeme správne prerozdeliť a plánovať alokáciu lôžok v rámci nemocníc tak, aby sme zabezpečili dostatočnú kapacitu pre hospitalizáciu pacientov pre prípadné budúce pandémie a minimalizovali tým preťaženie zdravotníckeho systému.

Metóda

Pre zpracovanie tejto simulácie bol vybraný nástroj Vensim. Cieľom bolo vytvoriť model možnej novej pandémie podobnej COVID-19. Ako lokáciu tejto simulácie som si zúžil zo Slovenska na Banskobystrický kraj, kvôli rôznym restrikciám, ktoré sa vyskytli počas coronavírusu(zakázaný presun obyvateľov medzi krajmi by simuláciu len skomplikoval). Pre simuláciu som taktiež zvolil SEIRD model, v ktorom je každý jednotlivec zaradený do jednej zo skupín: Náchylní (S-susceptible), Vystavení (E-exposed), Nakazení (I-infected), Uzdravení (R-recovered), alebo Úmrtia(D-dead). Model sleduje vývoj šírenia pandémie v horizonte jedného roka.

Model

Diagram stavov a tokov

Obrázok 1: Diagram stavov a tokov

Causal loop diagram

Obrázok 2: Causal loop diagram

Premenné modelu

• Počiatočný počet obyvateľov = 647874 (Počet obyvateľov Banskobystrického kraja)

• Zlomok náchylnej populácie = Náchylní/Počiatočný počet obyvateľov

• Náchylní = INTEG ( -Infikovanie) Initial value = Počiatočný počet obyvateľov

• Trvanie infekcie = 10 (Ako dlho trvá choroba; vyjadrené v dňoch)

• R0 = 2.4 (Údaj vyjadrujúci priemerný počet prípadov infekčnej choroby spôsobenej prenosom od jedného infikovaného jedinca v populácii, ktorá sa s touto chorobou predtým nestretla.)

• Počiatočná nekontrolovaná prenosová rýchlosť = R0/Trvanie infekcie

• Zníženie rizika správania = 0 (Vyjadruje v zlomku aký počet populácie aktívne znižuje riziko infekcie choroby)

• Reakčný čas populácie = 40 (Vyjadrený v dňoch; ako dlho trvá ľudom zareagovať na chorobu)

• Čas prvej infekcie = 20 (Vyjadrený v dňoch; v ktorý deň sa prvá infekcia vyskytla)

• Relatívne riziko správania = SMOOTH3(1-STEP(Zníženie rizika správania,Čas prvej infekcie),Reakčný čas populácie)

• Rýchlosť prenosu choroby = Počiatočná nekontrolovaná prenosová rýchlosť*Relatívne riziko správania*Zlomok náchylnej populácie

• Infikovanie = Nakazení*Rýchlosť prenosu choroby

• Vystavení = INTEG (Infikovanie-Vývoj ochorenia) Initial value = 0

• Inkubačný čas = 6 (Vyjadrený v dňoch)

• Vývoj ochorenia = Vystavení/Inkubačný čas

• Nakazení = INTEG (Vývoj ochorenia-Umieranie-Zotavovanie) Initial value = Prví nakazení

• Prví nakazení = 2 (Počet ľudí, ktorý prišli do kraja s chorobou)

• Vyžadovaná hospitalizácia = 0.1 (Zlomok z nakazených ľudí, ktorý potrebujú hospitalizáciu)

• Ťažký priebeh choroby = Nakazení*Vyžadovaná hospitalizácia

• Kapacita nemocníc = 500 (V Banskobystrickom kraji bolo len 500 lôžok voľných pre pacientov s respiračnými problémami)

• Vyťaženie nemocníc = Ťažký priebeh choroby/Kapacita nemocníc

• Liečená úmrtnosť = 0.01 (Vyjadrené v zlomku)

• Neliečená úmrtnosť = 0.04 (Vyjadrené v zlomku)

• Úmrtnosť = Neliečená úmrtnosť+(Liečená úmrtnosť-Neliečená úmrtnosť)/(1+Vyťaženie nemocníc)

• Umieranie = Nakazení*Úmrtnosť/Dĺžka nakazenia

• Úmrtia = INTEG (Umieranie) Initial value = 0

• Dĺžka nakazenia = 10 (Vyjadrené v dňoch)

• Zotavovanie = Nakazení/Dĺžka nakazenia*(1-Úmrtnosť)

• Uzdravení = INTEG (Zotavovanie) Initial value = 0