Epidemic Spread

Agent-based SEIR outbreak — i-flatten ang curve gamit ang distancing, quarantine, mask, at bakuna.

  • Susceptible
  • Exposed
  • Infected
  • Recovered
100%

Blue people can catch the disease, orange have caught it but aren't contagious yet, red are infectious, gray have recovered and purple are vaccinated. Click to start an outbreak there, an event in time that Restart and share links leave out; then try the measures to flatten the curve.

Setup
1200
5
Movement

Kumusta ang paggamit mo ng Epidemic Spread?

Tungkol sa Epidemic Spread

Bagay para sa: Matuto habang nanonood

Ang Epidemic Spread ay isang agent-based simulation ng pagkalat ng nakahahawang sakit sa isang komunidad. Ang bawat tuldok ay kumakatawan sa isang taong Susceptible, Exposed (nahawaan ngunit hindi pa nakakahawa), Infectious, Recovered, o Vaccinated — ang SEIR model na ginagamit ng mga epidemiologist simula pa sa pananaliksik nina William Kermack at Anderson McKendrick noong 1927, na dito ay ipinapakita sa bawat indibidwal. Ang mga tao ay naglalakad sa paligid o nagko-commute papunta sa mataong pamilihan, at bawat oras na malapit sa isang taong nakakahawa ay may maliit na tsansang mahawaan.

Ipinapakita ng stacked epidemic curve ang pagsisimula, pag-peak, at paghupa ng outbreak habang dumarami ang gumagaling at kumokonti ang mga taong susceptible. Tinatantya naman ng ikalawang graph ang reproduction number R — ang average na bilang ng taong nahahawaan ng bawat pasyente — batay sa kung sino ang aktuwal na nakahawa kanino. Kapag nasa itaas ng dashed line na 1, lumalaki ang outbreak; kapag nasa ibaba, ito ay kumukonti.

Subukan ang mga intervention na ginagamit ng public-health agencies: pinapanatili ng distancing ang bahagi ng populasyon sa bahay, inihihiwalay ng quarantine ang mga kaso pagkalipas ng isa o dalawang araw matapos silang maging nakakahawa, binabawasan ng masks ang transmission nang kalahati para sa bawat gumagamit, at nagbibigay ng proteksyon ang vaccination sa simula o araw-araw. I-on ang fading immunity upang makita ang paulit-ulit na waves, mag-click saanman upang magsimula ng mga bagong outbreak, at mag-export ng PNG, video, o GIF.

Paano gamitin ang Epidemic Spread

  1. Pindutin ang Play. Ilang first cases (pula) ang lilitaw sa gitna ng mga taong susceptible (asul). Sa bawat simulated na oras, gagalaw ang mga tao at ang sinumang malapit sa isang infectious person ay maaaring maging exposed (kulay kahel).
  2. Basahin ang mga graph. Pinapatong-patong ng Epidemic curve ang bilang ng tao sa bawat estado sa paglipas ng panahon. Ipinapakita ng Estimated R kung ilang tao ang karaniwang nahahawaan ng bawat kaso; ang dashed line ay nagmamarka ng 1.
  3. Baguhin ang galaw ng tao. Ang Wander ay nagpapakilos sa mga tao nang random sa paligid; dinadala naman ng Commute to market ang karamihan sa kanila sa sentral na pamilihan sa araw, na nagpapabilis sa pagkalat.
  4. Baguhin ang mga katangian ng sakit. Ang Infectiousness ay ang tsansa kada oras ng malapitang kontak; ang Contact distance ay kung gaano kalapit ang itinuturing na kontak; itinatakda ng Incubation at Infectious for ang tagal ng bawat yugto; tinutukoy ng Immunity kung maaaring mahawaang muli ang mga gumaling na.
  5. Subukan ang mga intervention. Dagdagan ang Distancing, Quarantine, Masks, o vaccination at pindutin ang Restart upang ulitin ang pagkalat. Real-time na nag-a-update ang distancing at masks; ang vaccination at start naman ay nailalapat sa pag-reset.
  6. Magsimula ng mga outbreak. Mag-click sa canvas upang mahawaan ang limang pinakamalapit na taong susceptible.
  7. Mag-export. Mag-save ng PNG o mag-record ng video o GIF ng outbreak.

Mga Madalas Itanong (FAQ)

Ano ang SEIR model?

Hinahati nito ang populasyon sa mga grupong Susceptible, Exposed, Infectious, at Recovered. Lumilipat ang mga indibidwal mula S patungong E kapag nahawa, mula E patungong I kapag naging nakakahawa, at mula I patungong R kapag gumaling. Ang mga klasikong SEIR model ay gumagamit ng mga equation para sa kabuuang bilang; ang tool na ito ay indibidwal na nagpapatakbo sa bawat tao upang makita mo ang mga localized cluster at random na kaganapan.

Ano ang reproduction number R?

Ang R ay ang karaniwang bilang ng mga bagong impeksyon na dulot ng bawat taong may sakit. Kapag higit sa 1 ang R, dumarami ang kaso; kapag mababa sa 1, bumababa ang mga ito. Inilalarawan ng basic reproduction number R₀ ang populasyong ganap na susceptible; bumababa naman ang effective R habang gumagaling ang mga tao, nababakunahan, o nagbabawas ng physical contact. Tinatantya ng tool na ito ang R mula sa mga taong gumaling sa mga nakaraang araw.

Ano ang ibig sabihin ng pag-flatten ng curve?

Ang mga hakbang na nagpapabagal sa transmission ay nagpapababa at nagpapaantala sa peak ng epidemic curve. Kahit marami pa rin ang mahawaan sa huli, ang mas mababang peak ay nangangahulugang mas kaunting tao ang sabay-sabay na nagkakasakit, na pumipigil sa pagkapuno ng mga ospital. Paghambingin ang peak nang may distancing at walang distancing upang makita ang epekto.

Ano ang herd immunity?

Kapag may sapat na bilang ng populasyon ang immune, ang bawat kaso ay makakahawa nang mas mababa sa isang indibidwal sa karaniwan at kusa nang maglalaho ang outbreak. Para sa sakit na may R₀ na humigit-kumulang 2, ang threshold na iyon ay nasa halos kalahati ng populasyon. Subukang itakda ang Vaccinated at start sa 0.5 at ikumpara ito sa walang bakuna.

Ito ba ay forecast para sa totoong sakit?

Hindi. Ito ay isang educational model na may pinapayak na gawi at mga simulated na parameter. Ang totoong epidemic modeling ay gumagamit ng detalyadong datos sa contact patterns, edad, testing, at marami pang ibang salik. Layunin ng simulation na magbigay ng mas malinaw na pang-unawa kung paano nag-uugnayan ang pagkahawa at ang mga public health intervention.

Mga Sanggunian

  1. Kermack, W. O., & McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the Royal Society A 115, 700–721.
  2. Lloyd-Smith, J. O., Schreiber, S. J., Kopp, P. E., & Getz, W. M. (2005). Superspreading and the effect of individual variation on disease emergence. Nature 438, 355–359.
  3. Ferretti, L., Wymant, C., Kendall, M., et al. (2020). Quantifying SARS-CoV-2 transmission suggests epidemic control with digital contact tracing. Science 368, eabb6936.