互动工具展示新冠肺炎防控措施背后的科学

在线工具来说明不同Covid-19控制措施的影响，由剑桥大学研究人员组织开发。

“Lowhighcovid该工具旨在强调不同控制策略对COVID-19传播速度的潜在影响。它被设计成教育工具，不打算用作COVID-19疾病管理或预测工具。

“我们的网站旨在揭开传染病建模的神秘面纱，并强调广泛的类型模型在后面政府的政策参与开发该工具的剑桥大学植物科学系理论和计算流行病学博士研究员尼克·泰勒(Nick Taylor)说。

控制措施，包括社会偏移和锁定，影响Covid-19通过人口传播的速率。交互式模型允许用户查看不同措施的可能影响，具体取决于它们的开始以及它们到位的时间长度。

有各种各样的方法来模拟疾病的传播。到目前为止，用于COVID-19的模型从详细的基于个人的模型(对每一组参数运行多次，以给出一系列预测)，到将人群划分为易感人群、“受感染”和“抗感染”类(称为SIR模型)导致对一组参数的单一预测。新工具允许用户探索如何使用修改后的SIR模型来理解和管理传染病传播。

用户选择一个国家，一个控制措施，以及控制的时间。然后，该模型预测了冠状病毒在人群中传播的速度。它说明了今天应用的各种控制策略可能会影响感染人数、住院人数、ICU病床需求和死亡人数。

“Covid-19如此迅速地传播，能够迅速产生足够的病重患者，以压倒世界上大多数医疗保健系统的重症监护体能力。这就是为什么大多数国家选择了减缓感染率的策略，”泰勒。

新的实时数据源工具允许用户遵循当前大流行的进度，并将其与不同国家的比较。数据饲料由Daniel Muthukrishna设计，博士学位。大学天文学研究所的学生。

解释性视频包括交互式模型，让用户更加了解一些科学疾病控制策略的洞察力。

“生物系统非常复杂，围绕COVID-19仍有许多不确定性，”提供这些视频的剑桥大学植物科学系流行病学和模型组博士后研究员塞里安·韦伯(Cerian Webb)博士说。“控制这种疾病是一项艰巨的任务，也没有完美的策略——每种策略都有优缺点。”

---

---