ɫӰ

სიახლეები და ღონისძიებები

COVID-19-ის პროგნოზირება საქართველოს მაგალითზე - ɫӰს ბიზნესის სკოლა

COVID-19-ის პროგნოზირება საქართველოს მაგალითზე - ɫӰს ბიზნესის სკოლა

ორშაბათი, 23 ნოემბერი, 2020

აჩვენე კალენდარზე

ქართულ-ამერიკული უნივერსიტეტი | ბიზნესის სკოლა

COVID-19-ის პროგნოზირება

ლევან გაჩეჩილაძე
თამაზ უზუნაშვილი
თეიმურაზ ტორონჯაძე
8 ნოემბერი, 2020

მოკლე აღწერა და შედეგი

"გავტესტეთ დროითი მწკრივების სტანდარტული მოდელები და ლოჯისტიკური მოდელი, თუმცა ყურადღება შევაჩერეთ Susceptible Infected Recovered (SIR) ეპიდემიოლოგიურ მოდელზე ჩვენს მიერ შემოთავაზებული მოდიფიკაციით. კერძოდ, შემოვიტანეთ დამატებითი ინფორმაციის დროითი დაყოვნების (Time Lag) კოეფიციენტი.  ამან მოგცვა რეალური მონაცემების მიღწევის და მოდელის საქართველოს შემთხვევებზე უკეთესად მორგების (fitting) შესაძლებლობა. პარამეტრების შეფასება მოხდა პროფესიულ დონეზე. შედეგად, ოპტიმალური SIR მოდელი აღწევს ახალი შემთხვევების პიკურ მაჩვენებელს 4,324-ს [± 161] და 37,573 [± 1236] აქტიურ ქეისს 2020 წლის 29 ნოემბრისთვის, სადაც ± შეფასება მოცემულია 90%-იანი ნდობის ინტერვალით.

მოდელის მორგება ხდება 1 სექტმებრიდან 8 ნოემბრამდე დაფიქსირებულ რეალურ მონაცემზე."
წყარო:

მოდელის აღწერა

SIR მოდელი მოსახლეობას ჰყოფს 3 ნაწილად, შემდეგნაირად:

საჸც,

  • Contact rate: საშუალოდ რამდენ ადამიანთან აქვს კონტაქტი 1 ინფიცირებულს;
  • Transmissibility: კონტაქტის დაინფიცირების ალბათობა;
  • Duration of Infectiousness: კონტაქტის დაინფიცირების პერიოდი. საშუალოდ რამდენი დღის მერე ინფიცირდება კონტაქტი;
  • Susceptible: მოსახლეობის მაქსიმალური რაოდენობა, რომელიც პოტენციურად შეიძლება დაინფიცირდეს;
  • Infected: ინფიცირებულთა რაოდენობა, რომლებიც არ იმყოფებიან იზოლირებულ გარემოში (ჰოსპიტალში ან კარანტინში);
  • Recovered: გამოჯანმრთელებულთა რაოდენობა;
  • Infection Rate: ინფექციის გავრცელების განაკვეთი მოცემული მოსახლეობის მიხედვით;
  • Removal Rate: ინფექციის დაღწევის (გამოჯანმრთელება/გარდაცვალება) განაკვეთი;
  • Time Lag: დაღწევის განაკვეთის მაკორექტირებელი კოეფიციენტი. გამოიყენება გამოჯანმრთელებულთა შესახებ დაგვიანებით მიღებული ინფორმაციით გამოგამოწვეული უზუსტობების და სხვა ხარვეზების გამოსასწორებლად.

შ᳥ჸგ᳥ბი

რეალურ მონაცემებზე პოლინომით მიახლოებული ახალი შემთხვევები, აქტიური ქეისები, გამოჯანმრთელებულთა რაოდენობა და SIR მოდელით მიღებული შ᳥ჸგ᳥ბის გრაფიკული შედარება:


SIR მოდელით ეპიდემიის განვითარება:



გამოთვლები იხილეთ Excel-ის ფაილში.




სისტემაში შესვლა

რ᳥გისტრაცია

გმადლობთ ! თქვენი წერილი წარმატებით გაიგზავნა