Хороший кейс для системы уничтожения спутников. Сбить контролируемо над океаном, чтобы обломки упали туда же и можно будет поправить карму за прошлый инцидент :)
Делать анализ в таком виде бессмысленно, потому что:
— число выявленных больных зависит как от собственно числа болеющих, так и от степени охвата населения тестированием, которая неизвестным образом меняется во времени
— летальность в разные волны в разных странах безусловно будет разной. Научились лечить, добавили мест в реанимациях, разные возрастные группы больных, разные меры социального дистанцирования
— смотреть совокупную статистику по России нельзя, потому что она складывается из статистик разных регионов. Каждая из которых колеблется от относительно честной(Москва) до полностью нарисованной(Башкортостан)
Нет, как математическое упражнение — хорошо, я ж не спорю. Но есть два но:
— сами по себе данные, на которые вы натягиваете — в основном лютый треш и не надо пытаться их математически объяснять. Из того, что можно использовать — госпитализации по ковиду и внебольничной, но и там надо оперировать усредненными недельными данными и учитывать изменение критериев госпитализации
— натянуть данные этой моделью действительно можно до толщины линии. Беда в том, что для предсказания надо корректное beta(t), а оно слабо связано с реальностью и взять его неоткуда.
Я кстати хотел весной адаптировать модель на данные, но потом копнул поглубже в то, что они собой представляют… Garbage in, garbage out :)
Печалька. Формальное натягивание модельки на историю коэффициентом как минимум без понимания сути данных, на которых оно натягивается. Предсказательной силы примерно как у линейной интерполяции по последней неделе, если не меньше.
Первый замок не знаю, а второй вскрывается минут за пять, лично пробовал. И ничего в подъездах просто так не стояло, уносили на раз.
Впрочем, у всех своя реальность :)
У меня есть некоторые комментарии к вашей работе, если ее рассматривать как шаг к количественному описанию текущей ситуации:
— отношение Dead/Removed в 12% неоправданно высоко. По сути это летальность, а она оценивается величинами порядка 0.5 — 5%, причем 5% это чуть ли не предельная оценка в случае перегрузки системы здравоохранения
— CP равное 0.3 кажется завышенным. Если брать R0=2.5 и число дней, когда человек в среднем активно заразен, равным 4, то получается в вашем предположении, что человек в среднем в день контактирует с двумя другими людьми. Навскиду кажется, что больше. Немцы, согласно статье 2008 года, контактировали с 8 людьми в день, итальянцы — с 20-ю.
— все-таки число бессимптомных случаев оценивается грубо в 50% и в случаем массового тестирования оно примерно таким и останется (или даже увеличится).
— в статье у вас рассмотрена не модель SIR в чистом виде, как она записывается в виде системы ОДУ, а имитационное моделирование.
Имитационное моделирование конечно очень интересно с точки зрения реализации, но почему бы не взять модификации модели SIR и не стащить часть параметров(а то и кода :) из этой работы: «Adjusted age-specific case fatality ratio during the COVID-19 epidemic in Hubei, China, January and February 2020»?
Хороший кейс для системы уничтожения спутников. Сбить контролируемо над океаном, чтобы обломки упали туда же и можно будет поправить карму за прошлый инцидент :)
Замечу, что парой несложных формул не обойдешься, ведь мы не будем ограничиваться малыми углами, правда?
Просто посоветую книжку "Происхождение жизни. От туманности до клетки"...
— число выявленных больных зависит как от собственно числа болеющих, так и от степени охвата населения тестированием, которая неизвестным образом меняется во времени
— летальность в разные волны в разных странах безусловно будет разной. Научились лечить, добавили мест в реанимациях, разные возрастные группы больных, разные меры социального дистанцирования
— смотреть совокупную статистику по России нельзя, потому что она складывается из статистик разных регионов. Каждая из которых колеблется от относительно честной(Москва) до полностью нарисованной(Башкортостан)
— сами по себе данные, на которые вы натягиваете — в основном лютый треш и не надо пытаться их математически объяснять. Из того, что можно использовать — госпитализации по ковиду и внебольничной, но и там надо оперировать усредненными недельными данными и учитывать изменение критериев госпитализации
— натянуть данные этой моделью действительно можно до толщины линии. Беда в том, что для предсказания надо корректное beta(t), а оно слабо связано с реальностью и взять его неоткуда.
Я кстати хотел весной адаптировать модель на данные, но потом копнул поглубже в то, что они собой представляют… Garbage in, garbage out :)
Впрочем, у всех своя реальность :)
— отношение Dead/Removed в 12% неоправданно высоко. По сути это летальность, а она оценивается величинами порядка 0.5 — 5%, причем 5% это чуть ли не предельная оценка в случае перегрузки системы здравоохранения
— CP равное 0.3 кажется завышенным. Если брать R0=2.5 и число дней, когда человек в среднем активно заразен, равным 4, то получается в вашем предположении, что человек в среднем в день контактирует с двумя другими людьми. Навскиду кажется, что больше. Немцы, согласно статье 2008 года, контактировали с 8 людьми в день, итальянцы — с 20-ю.
— все-таки число бессимптомных случаев оценивается грубо в 50% и в случаем массового тестирования оно примерно таким и останется (или даже увеличится).
— в статье у вас рассмотрена не модель SIR в чистом виде, как она записывается в виде системы ОДУ, а имитационное моделирование.
Оформление работы — весьма достойно!