lisphilar/covid19-sir
این یک کتابخانهٔ پایتونی به نام CovsirPhy است که برای تحلیل داده‌های کووید-۱۹ با استفاده از مدل‌های مبتنی بر SIR (شیوع‌شناسی ریاضی) طراحی شده است.
کاربرد:
این کتابخانه به شما کمک می‌کند تا شیوع بیماری کووید-۱۹ را با استفاده از مدل‌های معادلات دیفرانسیل معمولی وابسته به فاز (phase-dependent ODE) شبیه‌سازی و تحلیل کنید. این مدل‌ها می‌توانند تغییرات وضعیت اپیدمی را در دوره‌های مختلف (مثل قرنطینه، بازگشایی، موج جدید) بهتر منعکس کنند.
در چه شرایطی بهتره استفاده شود؟
وقتی می‌خواهید روند شیوع بیماری را در یک کشور یا منطقه با در نظر گرفتن تغییرات سیاست‌های بهداشتی و رفتار جمعی تحلیل کنید، این ابزار بسیار مفید است. همچنین برای پیش‌بینی نیاز به تخت‌های بیمارستانی، PICU و تخمین زمان اوج شیوع کاربرد دارد.
چند مثال از موارد استفاده:
- شبیه‌سازی موج‌های کووید-۱۹ در کشورهای مختلف با توجه به تغییرات فاز اپیدمی
- تخمین پارامترهای مهم اپیدمیولوژیک مثل Rt (نرخ تولید مؤثر)
- مقایسه اثربخشی مداخلات بهداشتی در دوره‌های زمانی مختلف ️
- پشتیبانی از تصمیم‌گیری‌های سیاست‌گذاری بهداشت عمومی
- ##COVID19
- ##SIRmodel
- ##Epidemiology
- ##Python
- ##DataScience
- ##PublicHealth
- ##InfectiousDiseases
- ##ODEmodels
- ##CovsirPhy
- ##PandemicAnalysis