PL 
EnglishDomyślny
Українська🦠 Model epidemiczny SIR
Cząstki zarażają się przez kontakt. Zmieniaj β, γ, szczep populację i obserwuj R₀ oraz krzywą epidemii na żywo.
O modelu epidemicznym SIR
Ta symulacja ożywia klasyczny model przedziałowy SIR jako rój poruszających się cząstek, z których każda jest oznaczona jako Podatna, Zainfekowana lub Wyzdrowiała. Gdy zainfekowana cząstka znajdzie się w promieniu około 16 pikseli od podatnej, może dojść do transmisji z prawdopodobieństwem na klatkę animacji, skalowanym na podstawie zaraźliwości β. Zainfekowane cząstki zdrowieją po czasie o rozkładzie wykładniczym wynoszącym około 1/γ, co odzwierciedla równania różniczkowe dS/dt = −βSI, dI/dt = βSI − γI, dR/dt = γI.
Suwaki ustawiają populację N, zaraźliwość β, tempo zdrowienia γ, początkową liczbę zainfekowanych oraz odsetek zaszczepionych, który usuwa część podatnych jeszcze przed rozpoczęciem epidemii. Pole R₀ pokazuje podstawową liczbę reprodukcji, a wykres na żywo śledzi liczbę Podatnych, Zainfekowanych i Wyzdrowiałych dzień po dniu. Dokładnie w ten sposób epidemiolodzy rozumują o spłaszczaniu krzywej, odporności zbiorowej i o tym, kiedy epidemia wygaśnie.
Najczęściej zadawane pytania
Czym jest model SIR?
SIR to przedziałowy model choroby zakaźnej, który dzieli populację na trzy grupy: Podatnych (mogą się zarazić), Zainfekowanych (obecnie zaraźliwych) i Wyzdrowiałych (odpornych). Ludzie przechodzą z S do I do R, a śledzenie zmian tych przedziałów w czasie pozwala przewidzieć kształt i skalę epidemii.
Jak działa ta wersja cząsteczkowa?
Każda cząstka porusza się w pudełku ze stałą prędkością, odbijając się od ścianek. Gdy podatna cząstka znajdzie się w odległości około 16 pikseli od zainfekowanej, może się zarazić zgodnie z zaraźliwością β. Zainfekowane cząstki automatycznie zdrowieją po losowym czasie powiązanym z tempem zdrowienia γ, zmieniając kolor na zielony i stając się odporne.
Co oznacza liczba R₀?
R₀, czyli podstawowa liczba reprodukcji, to średnia liczba nowych zakażeń wywołanych przez jedną zainfekowaną osobę w populacji całkowicie podatnej. Gdy R₀ jest powyżej 1, epidemia rośnie; poniżej 1 wygasa. Wskaźnik zmienia kolor na czerwony, gdy R₀ wynosi 2 lub więcej, i na zielony, gdy spadnie poniżej 1.
Co kontrolują suwaki β i γ?
Zaraźliwość β określa, jak łatwo infekcja przenosi się podczas bliskiego kontaktu, więc jej zwiększenie przyspiesza wybuch epidemii. Tempo zdrowienia γ określa, jak szybko zainfekowane cząstki zdrowieją; wyższe γ oznacza krótsze okresy zaraźliwości. Ich stosunek napędza R₀, więc razem decydują o tym, czy choroba się rozprzestrzeni, czy wygaśnie.
Jak szczepienia wpływają na wynik?
Suwak Odsetek zaszczepionych usuwa tę część podatnych jeszcze przed rozpoczęciem symulacji, oznaczoną kolorem fioletowym, a przycisk Zaszczep teraz uodparnia podatnych w trakcie trwania symulacji. Zaszczepione cząstki nie mogą się zarazić, co zmniejsza pulę podatnych i może obniżyć efektywną liczbę reprodukcji poniżej 1, prowadząc do odporności zbiorowej.
Czym jest próg odporności zbiorowej?
Odporność zbiorowa zostaje osiągnięta, gdy wystarczająco duża część populacji jest odporna, aby każda infekcja średnio wywoływała mniej niż jeden nowy przypadek. Próg wynosi 1 − 1/R₀. Dla choroby o R₀ równym 4 potrzeba około 75% odporności; dla odry z R₀ bliskim 15 potrzeba około 93%.
Dlaczego krzywa epidemii spłaszcza się lub osiąga szczyt?
Na początku wielu podatnych napędza szybki wzrost, a liczba zainfekowanych wspina się do szczytu. Gdy podatnych zaczyna brakować, infekcje nie mogą już wyprzedzać tempa zdrowienia i krzywa opada. Obniżenie β lub szczepienia zmniejszają i opóźniają szczyt, co jest celem działań zdrowia publicznego.
Czy ta symulacja jest fizycznie dokładna?
Dobrze oddaje jakościowe zachowanie równań SIR, w tym progi, szczyty i odporność zbiorową, ale jest to model edukacyjny. Rzeczywisty ruch jest jednorodnie losowy, a nie realistyczną mobilnością, β jest przeskalowane do prawdopodobieństwa na klatkę, a mała liczba cząstek daje więcej losowych wahań niż ciągłe populacje w rzeczywistym świecie.
Co się dzieje, gdy R₀ jest poniżej 1?
Gdy R₀ spada poniżej 1, każda zainfekowana osoba przekazuje chorobę średnio mniej niż jednej innej osobie, więc łańcuch transmisji nie może się utrzymać. Liczba zainfekowanych stale maleje, a epidemia wygasa, często zanim dotrze do większości populacji — to właśnie jest celem powstrzymywania epidemii.
Jaka jest różnica między SIR a SEIR?
SEIR dodaje przedział Eksponowanych dla osób, które zostały zainfekowane, ale nie są jeszcze zaraźliwe, odzwierciedlając okres inkubacji. Ta symulacja wykorzystuje prostszą strukturę SIR, w której infekcja jest natychmiastowa, ale SEIR jest często preferowany dla chorób takich jak COVID-19, które mają istotną fazę utajoną przed pojawieniem się objawów lub zaraźliwości.
Gdzie model SIR jest wykorzystywany w prawdziwym świecie?
SIR i jego rozszerzenia stanowią podstawę współczesnej epidemiologii — od prognozowania sezonowej grypy i wybuchów odry po wyznaczanie celów szczepień i decyzje o lockdownach podczas pandemii. Podobna matematyka przedziałowa jest też zapożyczana do modelowania rozprzestrzeniania się wirusów komputerowych, plotek i adopcji produktów w sieciach.