DE 
EnglishStandard
Українська
Polski🦠 Krankheitsausbreitung (SEIR)
SEIR-Epidemiemodell-Simulation: Visualisieren Sie, wie sich Infektionskrankheiten in einer Population ausbreiten. Passen Sie Übertragungsrate, Genesungs- und Immunitätsparameter an.
Über diese Simulation
Diese Simulation modelliert die Ausbreitung einer Infektionskrankheit durch eine Population von Agenten mit dem klassischen SEIR-Modell: Anfällig, Exponiert, Infektiös, Genesen. Passen Sie Übertragungs-, Inkubations- und Genesungsraten an, um zu sehen, wie unterschiedliche Parameter die Form der Ausbruchskurve verändern.
🔬 Was gezeigt wird
Hunderte Agenten bewegen sich in einem 2D-Raum und stecken sich bei Kontakt gemäß den SEIR-Übergangsraten an. Die Kurven für jedes Kompartiment aktualisieren sich in Echtzeit.
🎮 Bedienung
Stellen Sie Übertragungsrate, Inkubationszeit und Genesungsdauer über die Regler ein und beobachten Sie, wie sich der Ausbruch entwickelt. Setzen Sie die Simulation jederzeit zurück, um verschiedene Szenarien zu vergleichen.
💡 Wussten Sie schon?
Das SEIR-Modell ist eine Erweiterung des einfacheren SIR-Modells, das der schottische Biochemiker Anderson Gray McKendrick und der Epidemiologe William Ogilvy Kermack 1927 einführten.
Häufig gestellte Fragen
Was ist das SEIR-Modell?
Das SEIR-Modell unterteilt eine Population in vier Kompartimente: Anfällig, Exponiert (infiziert, aber noch nicht ansteckend), Infektiös und Genesen/immun. Differentialgleichungen beschreiben, wie Individuen zwischen diesen Zuständen wechseln, abhängig von Übertragungsrate, Inkubationszeit und Genesungsrate.
Wie bediene ich diese Simulation?
Passen Sie Übertragungsrate, Inkubations- und Genesungsdauer sowie die anfängliche Anzahl Infizierter an und beobachten Sie, wie sich die vier Kurven über die Zeit entwickeln. Ein höherer R0-Wert führt zu einem schnelleren, höheren Ausbruchsgipfel.
Was ist die Basisreproduktionszahl R0?
R0 gibt an, wie viele weitere Personen eine infizierte Person im Durchschnitt in einer vollständig anfälligen Population ansteckt. Ist R0 größer als 1, breitet sich die Krankheit exponentiell aus; ist R0 kleiner als 1, klingt der Ausbruch von selbst ab.
Was zeigt diese Simulation über reale Epidemien?
Sie zeigt, wie Maßnahmen wie das Senken der Übertragungsrate (Abstand, Masken) oder das Erhöhen der Immunität (Impfung) die Ausbruchskurve abflachen und den Höhepunkt der Infektionen verzögern und verringern können — das Prinzip hinter „Flatten the Curve".