SEIQR model-based interactive simulation of COVID-19 restrictive measures
Sarivuo, Anette (2021)
Kandidaatintyö
2021
School of Engineering Science, Laskennallinen tekniikka
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2021042611966
https://urn.fi/URN:NBN:fi-fe2021042611966
Tiivistelmä
The aim of this thesis was to produce an interactive application for simulating the impact of COVID-19 restrictive measures on the spread of the epidemic. The goal was to produce a SIR model-based epidemic model which emulates the dynamics of the epidemic in detail. The program was implemented on Python using open-source libraries.
The mathematical model introduced in this paper is an extended SEIQR system, in which all of the individuals in the simulated population are divided into five compartments. The epidemic model is based on ordinary differential equations, which represent the transmissions between the compartments. The model incorporates COVID-19 specific constants for the incubation time and recovery period of the disease to reproduce the spread of the disease as realistically as possible.
The restrictive measures observed in this paper were Government Stingency Index, face mask usage and the compliance of quarantine. By assessing the results of the simulation, it was discovered that the decrease in the spread of the epidemic is significant when several restrictive measures are included concurrently.
The proposed SEIQR model was estimated to spread infections in a higher rate than SARSCoV2 in reality. The model could be improved by refining its parameters. The approach in the development could be data-based for a more realistic basis. Kandidaatintyön päämääränä oli toteuttaa interaktiivinen sovellus, jolla voidaan simuloida rajoitustoimenpiteiden vaikutusta koronavirusepidemian leviämiseen. Simulaation perustaksi oli tavoitteena kehittää SIR-malliin pohjautuva matemaattinen malli, joka havainnollistaa COVID-19-epidemian leviämistä yksityiskohtaisesti.
Työssä esitetty malli on SEIQR-systeemi, jossa simuloidun populaation yksilöt jaetaan viiteen lokeroon. Epidemiologinen malli perustuu differentiaaliyhtälöihin, jotka kuvastavat yksilöiden siirtymiä lokeroiden välillä. Malliin on sisällytetty koronavirusinfektiolle ominainen itämisaika ja toipumisaika taudin realistisen mallintamisen mahdollistamiseksi.
Sovelluksen käyttäjä pystyy syöttämään simulaatioon eri parametreja graafisen käyttöliittymän kautta kahden eri skenaarion osalta. Syötetyt parametrit sisällytetään SEIQR-malliin, ja käyttäjä saa tulosteena kummankin skenaarion tuloksia havainnollistavat kuvaajat. Sovellus ohjelmoitiin Pythonilla avoimen lähdekoodin kirjastoja hyödyntäen.
Työssä tutkitaan kasvomaskien käytön, karanteenin noudattamisen sekä hallituksen asettamia poliittisia rajoitteita kuvaavan indeksin vaikutusta epidemian leviämisnopeuteen. Simulaation tulosten perusteella tartuntojen leviäminen hidastuu useiden eri rajoitustoimenpiteiden ollessa voimassa.
Simuloidun SEIQR-mallin arvioitiin levittävän tartuntoja nopeammin kuin virukselle on todellisuudessa tyypillistä. Mallia voitaisiinkin parannella tarkentamalla sen parametreja. Tulevaisuudessa mallin kehitys voisi olla datalähtöistä todenmukaisemman perustan saavuttamiseksi.
The mathematical model introduced in this paper is an extended SEIQR system, in which all of the individuals in the simulated population are divided into five compartments. The epidemic model is based on ordinary differential equations, which represent the transmissions between the compartments. The model incorporates COVID-19 specific constants for the incubation time and recovery period of the disease to reproduce the spread of the disease as realistically as possible.
The restrictive measures observed in this paper were Government Stingency Index, face mask usage and the compliance of quarantine. By assessing the results of the simulation, it was discovered that the decrease in the spread of the epidemic is significant when several restrictive measures are included concurrently.
The proposed SEIQR model was estimated to spread infections in a higher rate than SARSCoV2 in reality. The model could be improved by refining its parameters. The approach in the development could be data-based for a more realistic basis.
Työssä esitetty malli on SEIQR-systeemi, jossa simuloidun populaation yksilöt jaetaan viiteen lokeroon. Epidemiologinen malli perustuu differentiaaliyhtälöihin, jotka kuvastavat yksilöiden siirtymiä lokeroiden välillä. Malliin on sisällytetty koronavirusinfektiolle ominainen itämisaika ja toipumisaika taudin realistisen mallintamisen mahdollistamiseksi.
Sovelluksen käyttäjä pystyy syöttämään simulaatioon eri parametreja graafisen käyttöliittymän kautta kahden eri skenaarion osalta. Syötetyt parametrit sisällytetään SEIQR-malliin, ja käyttäjä saa tulosteena kummankin skenaarion tuloksia havainnollistavat kuvaajat. Sovellus ohjelmoitiin Pythonilla avoimen lähdekoodin kirjastoja hyödyntäen.
Työssä tutkitaan kasvomaskien käytön, karanteenin noudattamisen sekä hallituksen asettamia poliittisia rajoitteita kuvaavan indeksin vaikutusta epidemian leviämisnopeuteen. Simulaation tulosten perusteella tartuntojen leviäminen hidastuu useiden eri rajoitustoimenpiteiden ollessa voimassa.
Simuloidun SEIQR-mallin arvioitiin levittävän tartuntoja nopeammin kuin virukselle on todellisuudessa tyypillistä. Mallia voitaisiinkin parannella tarkentamalla sen parametreja. Tulevaisuudessa mallin kehitys voisi olla datalähtöistä todenmukaisemman perustan saavuttamiseksi.