PL 
EnglishDomyślny
Українська🦠 Dynamika epidemii
Cząsteczkowy model epidemii SEIR. Reguluj współczynnik transmisji β, tempo zdrowienia γ, poziom szczepień i kwarantanny, by zobaczyć, jak R₀ i próg odporności zbiorowej kształtują krzywe epidemii.
O modelu epidemii SEIR
Ta symulacja to oparta na cząstkach realizacja przedziałowego modelu epidemiologicznego SEIR. Populacja 400 poruszających się punktów jest podzielona na stany: podatny, eksponowany, zakaźny i ozdrowiały. Gdy zakaźny punkt znajdzie się w zasięgu kontaktu z podatnym, może przekazać chorobę z prawdopodobieństwem zależnym od współczynnika transmisji β, podczas gdy osoby eksponowane przechodzą inkubację z tempem σ, a zakaźne zdrowieją z tempem γ. Kluczową wielkością jest R₀ = β / γ.
Suwaki ustawiają β (transmisja), γ (zdrowienie), σ (inkubacja), początkowy udział zaszczepionych oraz odsetek osób zakaźnych objętych kwarantanną, a symulację można zresetować, wstrzymać i zmienić jej prędkość. Wykres na żywo pokazuje każdy przedział w czasie i zaznacza próg odporności zbiorowej 1 − 1/R₀. Epidemiolodzy wykorzystują dokładnie tę strukturę do prognozowania zapotrzebowania na łóżka szpitalne i projektowania interwencji dla chorób — od sezonowej grypy po COVID-19 i ebolę.
Często zadawane pytania
Czym jest model SEIR?
SEIR to przedziałowy model epidemii, dzielący populację na cztery stany: podatny, eksponowany (zainfekowany, ale jeszcze niezakaźny), zakaźny i ozdrowiały. Ludzie przechodzą z S do E, do I i do R w czasie. Rozszerza on prostszy model SIR, dodając stan eksponowany reprezentujący okres inkubacji choroby.
Co oznacza R₀ i dlaczego liczba 1 ma znaczenie?
R₀, czyli podstawowa liczba odtwarzania, to średnia liczba nowych infekcji wywołanych przez jeden przypadek w w pełni podatnej populacji. Tutaj jest obliczana jako R₀ = β / γ. Gdy R₀ przekracza 1, ognisko rośnie; gdy jest poniżej 1, wygasa — wartość 1 jest więc punktem zwrotnym między pandemią a wygaśnięciem.
Jak dokładnie rozprzestrzenia się infekcja w tej symulacji?
Każdy zakaźny punkt skanuje pobliskie podatne punkty w stałym promieniu kontaktu. Jeśli podatny punkt jest wystarczająco blisko, staje się eksponowany z prawdopodobieństwem proporcjonalnym do β. Punkty eksponowane później stają się zakaźne z tempem σ, a zakaźne zdrowieją z tempem γ, zyskując dożywotnią odporność.
Co kontrolują suwaki β, γ i σ?
β (transmisja) ustala prawdopodobieństwo infekcji przy bliskim kontakcie, więc jej zwiększenie czyni chorobę bardziej zakaźną. γ (zdrowienie) ustala, jak szybko zakaźne osoby zdrowieją; wyższa γ skraca okres zakaźności i obniża R₀. σ (inkubacja) kontroluje, jak szybko eksponowani stają się zakaźni, decydując o opóźnieniu, zanim ognisko nabierze rozpędu.
Czym jest odporność zbiorowa i gdzie jest pokazana?
To punkt, w którym wystarczająca część populacji jest odporna, aby każdy przypadek zarażał średnio mniej niż jedną kolejną osobę, co zatrzymuje utrzymujące się rozprzestrzenianie. Osiąga się go, gdy odporna jest frakcja 1 − 1/R₀ ludzi. Wykres rysuje ten próg jako linię przerywaną, a procent rośnie wraz ze wzrostem R₀.
Co robi suwak Szczepienia?
Suwak procentu szczepień ustala odsetek populacji, który zaczyna symulację już odporny, od 0 do 90 procent. Zaszczepione punkty nie biorą udziału w transmisji, więc zwiększanie zasięgu szczepień usuwa podatne cele i obniża efektywną liczbę odtwarzania. Przekroczenie progu odporności zbiorowej może zatrzymać epidemię, zanim zdąży się rozwinąć.
Jak działa suwak Kwarantanna?
Suwak procentu kwarantanny izoluje część zakaźnych osób, znacznie ograniczając ich ruch. Punkt zakaźny objęty kwarantanną porusza się z prędkością rzędu jednej dziesiątej normalnej, więc napotyka znacznie mniej podatnych punktów i przekazuje chorobę rzadziej. Naśladuje to izolację przypadków — kluczową interwencję niefarmakologiczną stosowaną w rzeczywistych ogniskach.
Czy ta symulacja jest fizycznie dokładna?
Oddaje jakościowe zachowanie rzeczywistej dynamiki SEIR, w tym wykładniczy wczesny wzrost, szczyt epidemii, wygasanie i próg odporności zbiorowej. Jest to stochastyczne, oparte na jednostkach przybliżenie, a nie precyzyjne rozwiązanie równań różniczkowych SEIR — wykorzystuje małą populację 400 punktów z uproszczonym losowym mieszaniem, więc dokładne liczby należy traktować poglądowo.
Dlaczego przedział eksponowany jest ważny?
Przedział eksponowany reprezentuje osoby zainfekowane, ale jeszcze niezakaźne, odzwierciedlając okres inkubacji choroby. Wprowadza opóźnienie między ekspozycją a dalszym rozprzestrzenianiem, co odracza i może osłabić szczyt epidemii. Choroby o długiej inkubacji zachowują się zupełnie inaczej niż te, które rozprzestrzeniają się natychmiast — dlatego SEIR jest często preferowany względem zwykłego SIR.
Co się dzieje, gdy R₀ spada poniżej 1?
Każda zakaźna osoba zaraża wtedy średnio mniej niż jedną kolejną, więc łańcuch transmisji się kurczy, a ognisko wygasa. Można to wymusić, obniżając β, podnosząc γ, szczepiąc dużą część populacji lub obejmując kwarantanną przypadki zakaźne. Symulacja koloruje wskaźnik R₀ na zielono, gdy tylko spadnie poniżej 1.
Jak jest to wykorzystywane w rzeczywistym świecie?
Agencje zdrowia publicznego wykorzystują modele SEIR i pokrewne modele przedziałowe do prognozowania liczby przypadków, zapotrzebowania na łóżka szpitalne i OIOM oraz wpływu środków takich jak szczepienia, izolacja i dystans społeczny. Podczas epidemii eboli w Afryce Zachodniej w 2014 roku modele z R₀ rzędu 1,5–2 przewidywały gwałtowny wzrost, a interwencje zmniejszające β o połowę wystarczyły, by ją powstrzymać.