„Na dzień 25 maja przewidujemy 24 004 wykrytych przypadków z 95% przedziałem ufności (22 643 – 25 386)”. To jedna z prognoz opracowanych przez interdyscyplinarny zespół specjalistów z Wydziału Matematyki, Informatyki i Mechaniki UW oraz Narodowego Instytutu Zdrowia Publicznego – Państwowego Zakładu Higieny. Przygotowują oni modele dotyczące liczby zdiagnozowanych i niezdiagnozowanych przypadków zachorowań na COVID-19, a także zgonów oraz wyzdrowień związanych z pandemią koronawirusa w Polsce.
W jaki sposób w najbliższym czasie może zmieniać się liczba zdiagnozowanych i niezdiagnozowanych przypadków zakażenia koronawirusem w Polsce? Co o prognozowanej liczbie wyzdrowień mówi analiza dostępnych danych statystycznych?
Na te i inne pytania związane z rozwojem pandemii koronawirusa w Polsce odpowiadają modele opracowywane przez specjalistów z Wydziału Matematyki, Informatyki i Mechaniki UW. Uniwersyteccy informatycy i matematycy we współpracy z ekspertami w zakresie biostatystyki oraz epidemiologii z Narodowego Instytutu Zdrowia Publicznego – Państwowego Zakładu Higieny (NIZP-PZH) przygotowują krótko-, średnio- i długoterminowe prognozy dotyczące COVID-19.
Posługują się w tym celu m.in. modelami typu SEIR („Susceptible” – narażeni na zakażenie; „Exposed”- osoby, które uległy zakażeniu, ale nie zarażają; „Infectious” – osoby zakażone, które zarażają; „Recovered” – osoby, które przestały zarażać) i ich bayesowskimi odpowiednikami. To narzędzia często wykorzystywane w przypadku badań z zakresu epidemiologii.
W modelu SEIR analizowana populacja dzielona jest na cztery grupy: osoby narażone na zakażenie; osoby, które uległy zakażeniu, ale nie zarażają; osoby zakażone, które zarażają innych; osoby, które przestały zarażać.
Schematyczne przedstawienie modelu SEIR. Źródło: covid19.mimuw.edu.pl.
Model SEIR w wersji bayesowskiej zakłada istnienie pięciu grup w populacji: narażonych na zakażenie; osób, które uległy zakażeniu, ale nie zarażają; osób, które zarażają innych; osób, które zostały zdiagnozowane i przestały zarażać, np. w wyniku izolacji czy wyzdrowienia oraz osób, które nie zostały zdiagnozowane, ale przestały zarażać, np. w wyniku wyzdrowienia lub samoizolacji.
Dodatkowo w modelu bayesowskim grupy populacji związane są z danymi:
- T: dzienne liczby wykonanych testów;
- Ts: lokalnie uśrednione dzienne liczby testów (w tygodniowym oknie);
- P: dzienne liczby zdiagnozowanych przypadków;
- Z: dzienne liczby zgonów.
Wyniki badań naukowców z WMIM publikowane są na stronie internetowej: covid19.mimuw.edu.pl. Wśród nich znajduje się m.in. porównanie rozwoju epidemii w Polsce z krajami planującymi rozluźnienie restrykcji czy prognoza dotycząca wpływu „epidemii dwóch prędkości”.
Autorami modeli dotyczących COVID-19 są naukowcy z Wydziału Matematyki, Informatyki i Mechaniki UW: prof. Anna Gambin, dr Krzysztof Gogolewski, dr hab. Błażej Miasojedow, dr hab. Ewa Szczurek. Współpracują z nimi eksperci z NIZP-PZH: dr hab. n. o zdr. Magdalena Rosińska, prof. NIZP-PZH oraz dr Daniel Rabczenko.
