Model ten daje też wgląd w to, jak zidentyfikować granicę między fazą wygasania epidemii i jej wzrostu. Pozwala m.in. testować rozwój epidemii, jeśli: ograniczy się kontakty społeczne, skuteczniej będzie się śledzić kontakty zakażonych, a także zwiększy liczbę wykonywanych testów.
"Polska od kilku tygodni znajduje się na linii krytycznej, która wyznacza granicę między dwoma fazami epidemii. Jeśli chcemy poluzować ograniczenia społeczne, musimy to czymś kompensować, aby nie nastąpił wzrost epidemii - to może być skuteczniejsze śledzenie kontaktów osób zakażonych i większa liczba wykonywanych testów" - mówi prof. Tyll Krüger.
Zespół z Wydziału Matematyki Informatyki i Mechaniki Uniwersytetu Warszawskiego i z NIZP-PZH z kolei przygotował dwa modele: model typu SEIR i i jego stochastyczny odpowiednik: SEIR-stochastic. W modelu SEIR populacja jest podzielona na 4 grupy ludzi: podatnych, eksponowanych na wirusa, zainfekowanych i wyzdrowiałych/odpornych (Susceptible - Exposed - Infectious - Recovered). Opracowane są też przejścia między tymi grupami, które zależą od specyfiki choroby COVID-19. Jak mówi PAP prof. Anna Gambin z MIM UW, z podobnego modelu korzysta też niezależnie Ministerstwo Zdrowia.
Model SEIR-stochastic (który wykorzystuje symulacje losowe) bierze dodatkowo pod uwagę, czy osoba zarażająca zostanie zdiagnozowana czy nie i uwzględnia dzienną liczbę wykonywanych w Polsce testów.
"Symulacje z naszego modelu pokazują, że odpowiednio wysoka dzienna liczba testów jest kluczowa dla wygaszenia epidemii w Polsce" - mówi prof. Anna Gambin.
Dodaje, że zespół rozwija też ostatnio model epidemii dwóch różnych prędkości. Kiedy bowiem pojawiają się ogniska epidemii (co miało miejsce choćby na Śląsku czy w szpitalach) - współczynnik dotyczący tempa zarażeń jest tam inny niż w populacji ogólnej. A to też trzeba uwzględnić, aby lepiej zrozumieć, jak rozprzestrzenia się epidemia.
Prof. Tyll Krüger podsumowuje, że wrocławski model MOCOS ma szczegółowo opracowane zagadnienia związane ze śledzeniem kontaktów i kwestie związane z kwarantanną. Modele z typu SEIR dobrze spisują się zwłaszcza, kiedy jest dużo zakażonych. A model z ICM dobrze modeluje to, co się dzieje na poziomie polskich regionów. Każdy więc model ma inne mocne strony.
Prof. Gambin pytana, jakie obszary matematyki przydają się w prognozowaniu epidemii, podsumowuje: "sercem każdego z naszych modeli jest odpowiedni układ równań różniczkowych. Wszędzie opisany jest bowiem przepływ populacji między kolejnymi kompartmentami. Takie równania są klasyką w epidemiologii" - opowiada. Tłumaczy jednak, że w modelu SEIR-stochastic korzysta się dodatkowo z modelowania stochastycznego, czyli statystycznych modeli rzeczywistości. A modele z ICM i PWr to tzw. modele multiagentowe, w których stosowana jest jeszcze teoria grafów.
Dr Rakowski pytany, czy nie dałoby się połączyć tych modeli w jeden "supermodel", odpowiada pytaniem: "A co, gdyby taki supermodel popełnił superbłąd, który potem przyjęlibyśmy za pewnik?".
A resort zdrowia komentuje: "Niezależne wykonywanie modeli przez różne instytucje jest wskazane dla: oceny przyjmowanych w nich założeń i trafności ich predykcji oraz umożliwienia odpowiedzi na jak najszerszy zakres pytań".
