SIR-Modell Teil 1

Jörn Behrens
23 Mar 202008:48

Summary

TLDRDieses Video erklärt das SCR-Modell, ein mathematisches Werkzeug zur Simulation von Epidemien. Das Modell teilt die Bevölkerung in drei Gruppen: Anfällige, Infizierte und Genesene. Es basiert auf Differentialgleichungen, die die Veränderungen der Gruppengrößen über die Zeit beschreiben. Die Video-Autoren betonen, dass die Daten und Beispielrechnungen didaktisch sind und nicht für politische Entscheidungen verwendet werden sollten. Sie führen das Modell heran, zeigen, wie man die Gleichungen aus Daten ableitet und warnen vor der Vereinfachung der Realität.

Takeaways

  • 🔬 Das SCR-Modell ist ein einfaches mathematisches Modell zur Berechnung von Epidemien.
  • 📚 SCR steht für Suszeptible (anfällig), Infected (infiziert), Recovered (genesen oder rekonvaleszent).
  • 👥 Die Bevölkerung wird in drei Gruppen aufgeteilt: Anfällige, Infizierte und Genesene.
  • ⚠️ Die Annahmen des Modells sind stark vereinfacht, aber es soll den Mechanismus einer Epidemie veranschaulichen.
  • 📉 Die Anzahl der Individuen in der gesamten Bevölkerung bleibt konstant.
  • 🔄 Die Ansteckungsrate und Genesungsrate sind konstante Faktoren, unabhängig von der Größe der Gruppen.
  • 📈 Die Änderungsraten der Gruppengrößen können durch Differentialgleichungen beschrieben werden.
  • 🔢 Um das Modell zu lösen, werden Daten über die Gruppengrößen zu Beginn und die Infektions- und Genesungsraten benötigt.
  • 📊 Die Daten können aus Quellen wie dem Robert Koch-Institut oder der Weltgesundheitsorganisation entnommen werden.
  • 📚 Die Beispielrechnungen dienen didaktische Zwecke und sollten nicht für politische Entscheidungen verwendet werden.
  • 📝 Das Video und die zugehörigen Python-Notebooks werden unter einer Creative-Commons-Lizenz veröffentlicht.

Q & A

  • Was ist das SIR-Modell und wofür steht die Abkürzung?

    -Das SIR-Modell ist ein einfaches mathematisches Modell zur Berechnung einer Epidemie. SIR steht für die englischen Wörter 'Susceptible' (anfällig), 'Infectious' (ansteckend) und 'Recovered' (genesen).

  • Welche Gruppen werden im SIR-Modell betrachtet?

    -Im SIR-Modell werden drei Gruppen betrachtet: die Anfälligen (Susceptible), die Infizierten (Infectious) und die Genesenen oder Verstorbenen (Recovered).

  • Welche Annahmen werden im SIR-Modell getroffen?

    -Das SIR-Modell nimmt an, dass jede Person die Krankheit nur einmal bekommen kann und danach immun oder tot ist. Die Gesamtzahl der Individuen bleibt konstant, und die Ansteckungs- und Genesungsrate sind unabhängig von der Anzahl der jeweiligen Gruppen und konstant.

  • Wie wird die Änderung der Gruppenanzahl im SIR-Modell beschrieben?

    -Die Änderung der Gruppenanzahl im SIR-Modell wird durch Differentialgleichungen beschrieben, die die Änderungsraten der Anzahlen der Anfälligen, Infizierten und Genesenen über die Zeit darstellen.

  • Welche Daten werden benötigt, um die Gleichungen des SIR-Modells zu lösen?

    -Um die Gleichungen des SIR-Modells zu lösen, benötigt man die Anzahlen der Anfälligen und Infizierten zu Beginn des Beobachtungszeitraums sowie die Infektions- und Genesungsrate.

  • Wie wird die Infektionsrate im Modell bestimmt?

    -Die Infektionsrate wird aus der Verdopplungszeit der Infizierten abgeleitet. Wenn sich die Zahl der Infizierten alle 4 bis 5 Tage verdoppelt, beträgt die Infektionsrate etwa 2 pro 4,5 Tage.

  • Wie wird die Genesungsrate im Modell bestimmt?

    -Die Genesungsrate wird aus der durchschnittlichen Heilungszeit abgeleitet. Bei einer Heilungszeit von etwa 10 bis 14 Tagen wird eine Genesungsrate von 1/12 angenommen.

  • Welche Warnung geben die Autoren bezüglich der verwendeten Daten?

    -Die Autoren warnen, dass die verwendeten Daten nicht offiziell sind und das Modell stark vereinfacht ist. Die Beispielrechnungen dienen nur dazu, die Mathematik der epidemiologischen Modellrechnung zu veranschaulichen und sind nicht repräsentativ für politische Entscheidungen.

  • Wie beeinflusst die Anzahl der Anfälligen die Infektionsrate im Modell?

    -Die Anzahl der Anfälligen beeinflusst die Infektionsrate, da die Wahrscheinlichkeit, dass ein Infizierter einen Anfälligen ansteckt, größer ist, je größer die Anzahl der Infizierten pro Bevölkerung ist.

  • Welche Rolle spielt die Gesamtzahl der Individuen im SIR-Modell?

    -Die Gesamtzahl der Individuen im SIR-Modell bleibt konstant und ist die Summe aus den Anzahlen der Anfälligen, Infizierten und Genesenen. Dies stellt sicher, dass die Bevölkerung im Modell nicht wächst oder schrumpft.

Outlines

00:00

😷 Grundlagen des SEIR-Modells

Dieses Absatz beschäftigt sich mit dem SEIR-Modell, einem mathematischen Modell zur Simulation von Epidemien. Es teilt die Bevölkerung in vier Gruppen: Suszeptible (S), Exponierte (E), Infizierte (I), und Genesene oder Toter (R). Die Autoren betonen, dass die hier verwendeten Daten nicht offiziell sind und das Modell stark vereinfacht ist, um den Mechanismus der epidemiologischen Modellrechnungen zu veranschaulichen. Es wird auch darauf hingewiesen, dass die Ergebnisse nicht für politische Entscheidungen verwendet werden sollten.

05:00

📚 Anwendung des SEIR-Modells und Differentialgleichungen

In diesem Absatz wird erläutert, wie das SEIR-Modell angewendet wird, um die Veränderungen in den Gruppengrößen einer Bevölkerung während einer Epidemie zu berechnen. Es wird ein System von Differentialgleichungen eingeführt, die die Änderungsraten der verschiedenen Gruppen beschreiben. Die Gesamtzahl der Individuen bleibt konstant, was durch die Gleichung S + E + I + R = Konstante dargestellt wird. Es werden auch die notwendigen Daten für die Lösung dieser Gleichungen diskutiert, wie zum Beispiel die Anfangszahlen der Gruppen und die Infektions- und Genesungsraten, die aus offiziellen Quellen wie dem Robert Koch-Institut oder der Weltgesundheitsorganisation entnommen werden können.

Mindmap

Keywords

💡SIR-Modell

Das SIR-Modell ist ein einfaches mathematisches Modell zur Berechnung einer Epidemie. Es unterteilt eine Bevölkerung in drei Gruppen: Susceptible (anfällig), Infected (infiziert) und Recovered (genesen). Das Modell hilft zu verstehen, wie sich eine Krankheit innerhalb einer Population ausbreitet, indem es die Veränderungen der Gruppengrößen über die Zeit betrachtet.

💡Differentialgleichungen

Differentialgleichungen beschreiben mathematisch die Veränderungsraten einer Funktion. Im Kontext des SIR-Modells werden sie verwendet, um die Veränderungen der Anzahlen von anfälligen, infizierten und genesenen Personen über die Zeit zu berechnen. Diese Gleichungen sind zentral für die Modellierung der Epidemieausbreitung.

💡Infektionsrate

Die Infektionsrate gibt an, wie schnell sich eine Krankheit innerhalb einer Bevölkerung ausbreitet. Im SIR-Modell ist sie ein konstanter Faktor, der die Wahrscheinlichkeit beschreibt, dass ein anfälliges Individuum von einem infizierten Individuum angesteckt wird. Eine höhere Infektionsrate bedeutet eine schnellere Ausbreitung der Krankheit.

💡Genesungsrate

Die Genesungsrate beschreibt, wie schnell infizierte Personen wieder gesund werden. Im SIR-Modell ist dies ebenfalls ein konstanter Faktor. Die Genesungsrate beeinflusst die Anzahl der Personen, die von der infizierten Gruppe in die genesene Gruppe übergehen.

💡Anfällige (Susceptible)

Anfällige Personen sind diejenigen, die noch nicht infiziert sind, aber empfänglich für die Krankheit sind. Im SIR-Modell wird die Anzahl der anfälligen Personen durch die Infektionsrate verringert, da sie zu infizierten Personen werden können.

💡Infizierte (Infected)

Infizierte Personen sind diejenigen, die die Krankheit tragen und sie auf anfällige Personen übertragen können. Im SIR-Modell nimmt die Anzahl der Infizierten durch neue Infektionen zu und durch Genesung oder Tod ab.

💡Genesene (Recovered)

Genesene Personen sind diejenigen, die sich von der Krankheit erholt haben und immun geworden sind oder gestorben sind. Im SIR-Modell erhöhen sich die Genesenen durch die Genesungsrate von infizierten Personen.

💡Veränderungsraten

Veränderungsraten beschreiben, wie schnell sich die Größen der verschiedenen Gruppen (anfällige, infizierte, genesene) im Laufe der Zeit ändern. Diese Raten werden im SIR-Modell durch Differentialgleichungen dargestellt und sind entscheidend für die Berechnung der Ausbreitung einer Epidemie.

💡Proportionalität

Proportionalität bedeutet im Kontext des SIR-Modells, dass die Veränderungsraten der Gruppen (anfällige, infizierte, genesene) direkt proportional zu bestimmten Faktoren wie der Anzahl der Kontakte und der Infektions- oder Genesungsrate sind. Diese Annahme vereinfacht die Modellierung der Epidemie.

💡Creative Commons Lizenz

Eine Creative Commons Lizenz ermöglicht es, Inhalte frei zu teilen und zu nutzen, solange bestimmte Bedingungen erfüllt sind. Im Video wird erwähnt, dass die zugehörigen Python-Notebooks und das Video selbst unter einer solchen Lizenz veröffentlicht werden, was deren freie Nutzung zu didaktischen Zwecken erlaubt.

Highlights

Das SCR-Modell wird zur Berechnung von Epidemien verwendet und teilt die Bevölkerung in drei Gruppen: Anfällige, Infizierte und Genesene.

Die Annahmen des Modells sind stark vereinfacht, um den Mechanismus einer Epidemie zu verstehen, ohne repräsentative Werte für politische Entscheidungen zu liefern.

Die Autoren übernehmen keine Haftung für die Verwendung der Modellrechnungen und betonen deren didaktische Zweckbestimmung.

Die Veränderungen der Gruppengrößen in der Bevölkerung werden durch Änderungsraten beschrieben, die proportional zur Anzahl der Infizierten sind.

Die Änderungsraten werden als Differentialquotienten dargestellt, um die Veränderungen der Gruppengrößen über die Zeit zu beschreiben.

Die Gesamtzahl der Individuen in der Bevölkerung bleibt konstant und ist die Summe von Anfälligen, Infizierten und Genesenen.

Die Differentialgleichungen des Modells beinhalten negative Faktoren, die die Veränderungen der Anfälligen und Infizierten beschreiben.

Zur Lösung der Differentialgleichungen sind Daten über die Gruppengrößen und die Infektions- und Genesungsraten notwendig.

Die Infektionsrate kann aus der Verdopplungszeit der Infizierten geschätzt werden, im Beispiel auf etwa zwei pro 4,5 Tage.

Die Genesungsrate wird aus der durchschnittlichen Heilungszeit der Krankheit geschätzt, im Beispiel auf etwa ein Zwölftel.

Das Modell nutzt Daten aus Quellen wie dem Robert Koch-Institut oder der Weltgesundheitsorganisation zur Schätzung der Parameter.

Die Anwendung des SCR-Modells hilft, den Ausbreitungsmechanismus einer Epidemie zu verstehen, indem es die Beziehung zwischen den Gruppengrößen visualisiert.

Die Modellgleichungen sind ein System von Differentialgleichungen, die die dynamische Entwicklung der Epidemie beschreiben.

Die Modellrechnungen sind ein wichtiger Bestandteil der Epidemiologie, um die Auswirkungen von Maßnahmen auf die Verbreitung einer Krankheit zu prognostizieren.

Die didaktische Verwendung des Modells fördert das Verständnis der Mathematik hinter epidemiologischen Simulationen.

Die Veröffentlichung des Videos und der zugehörigen Python-Notebooks unter einer Creative-Commons-Lizenz fördert den Austausch von Wissen und Methoden.

Die Interpretation der Grafiken, die aus der numerischen Lösung der Modellgleichungen resultieren, hilft, die Ergebnisse der Simulation zu verstehen.

Das Modell kann auch für die Analyse von Maßnahmen zur Verlangsamung der Infektionsausbreitung verwendet werden, indem es unterschiedliche Infektionsraten betrachtet.

Transcripts

play00:00

uns alle beschäftigt im moment das thema

play00:02

kroner

play00:03

aber welche mathematik steckt eigentlich

play00:04

hinter so einer epidemie wie können wir

play00:07

errechnen wie viele infizierte ist zu

play00:09

bestimmten zeitpunkten geben wird und

play00:11

welche ausmaße eine verlangsamung der

play00:14

infektions ausbreitung hat das alles

play00:17

geht mit dem scr modell in diesem video

play00:20

werden wir uns das ses modell als erstes

play00:22

herleiten anschließend daten und der

play00:24

korona epidemie einsetzen uns danach

play00:28

numerisch lösen

play00:29

die erhaltene grafik werden wir kurz

play00:31

interpretieren und zum schluss ein

play00:33

weiteres modell mit einer geringeren

play00:35

infektionsrate lösen

play00:37

an dieser stelle eine warnung die hier

play00:40

verwendeten daten sind nicht offiziell

play00:42

das modell sehr stark vereinfacht die

play00:45

hier gezeigten beispielrechnung dienen

play00:47

dazu die mathematik einer

play00:48

epidemiologischen modellrechnungen zu

play00:50

veranschaulichen

play00:51

sie dienen dazu den mechanismus solcher

play00:54

simulationen zu verstehen

play00:56

die werte sind nicht repräsentativ und

play00:58

können nicht für politische

play01:00

entscheidungen meinungsbildung oder

play01:02

entsprechende maßnahmen verwendet werden

play01:04

die autoren übernehmen keinerlei haftung

play01:06

für die verwendung dieser

play01:08

modellrechnungen wir haben sie lediglich

play01:10

zu didaktischen zwecken erzeugt dieses

play01:13

video und die dazugehörige python

play01:17

notebooks werden unter einer creative

play01:20

commons lizenz veröffentlicht es geht

play01:23

also ums scr modell was ist das

play01:26

eigentlich genau das scr modell ist ein

play01:28

einfaches mathematisches modell zur

play01:30

berechnung einer epidemie se r steht für

play01:32

die englischen wörter september anfällig

play01:35

den fesches ansteckend recovered genesen

play01:38

oder rekonvaleszent man teilt also eine

play01:41

bevölkerung in drei gruppen die die noch

play01:44

nicht infiziert sind aber anfällig die

play01:46

die infiziert sind und daher ansteckend

play01:48

und die die genesen sind oder auch

play01:51

gestorben sind und daher nicht mehr

play01:53

ansteckend sind

play01:54

dann können wir dieses modell anwenden

play01:57

es gibt einige voraussetzungen

play01:59

jedes individuum zum beispiel kann die

play02:01

krankheit nur einmal bekommen und ist

play02:03

danach immun oder tod ein individuum

play02:06

kann nicht ohne krank zu werden sterben

play02:09

also kann

play02:10

entweder immer gesund sein oder sich

play02:13

infizieren um anschließend wieder zu

play02:15

genesen

play02:15

oder eben zu sterben die anzahl der

play02:18

individuen insgesamt ist konstant das

play02:21

heißt genesene und tote individuen

play02:23

werden der gruppe zugezählt infizierte

play02:27

personen sind sofort ansteckend sowohl

play02:29

die ansteckungsrate als auch die

play02:31

genesungs rate sind unabhängig von der

play02:34

anzahl der jeweiligen gruppen und werden

play02:37

als konstante faktoren angenommen

play02:39

jede der gruppen agiert miteinander mit

play02:42

derselben wahrscheinlichkeit dieser

play02:44

annahmen sind starke vereinfachung der

play02:47

möglichkeit trotzdem soll das modell gut

play02:49

geeignet sein den mechanismus einer

play02:52

solchen epidemie zu verstehen wie kommt

play02:54

man denn zu so einem modell man

play02:56

betrachtet die veränderungen der

play02:58

jeweiligen gruppengröße diese

play03:01

veränderungen also die rate mit der sich

play03:04

eine gruppe verändert und mit der sich

play03:07

die anzahl verändert ist eigentlich das

play03:09

was wir in dem modell betrachten und wie

play03:12

sehen diese änderungen aus in dem maße

play03:15

in dem die anzahl der infizierten

play03:16

zunimmt

play03:18

ändert sich die anzahl der anfälligen

play03:20

also die anzahl der anfälligen nimmt ab

play03:23

wenn die anzahl der infizierten zunimmt

play03:25

und die wahrscheinlichkeit dass ein

play03:27

infizierter einen noch nicht infizierten

play03:30

also einen anfälligen ansteckt ist

play03:32

größer je größer die anzahl der

play03:35

infizierten pro bevölkerung ist also die

play03:40

änderungsraten es strich ist

play03:42

proportional zur anzahl der möglichen

play03:46

kontakte also es durch einmal der anzahl

play03:51

der infizierten

play03:52

so ähnlich verhält es sich mit der

play03:54

änderungs rate der infizierten es gibt

play03:56

mehr infizierte wenn es weniger

play03:59

anfällige gibt also die die anfällig

play04:02

waren und jetzt infiziert worden sind

play04:04

sind plötzlich eben infiziert also die

play04:08

strich die änderung der infizierten ist

play04:11

proportional wieder zu dem was wir eben

play04:14

besprochen haben gleichzeitig nimmt die

play04:16

anzahl der infizierten aber auch ab weil

play04:18

ja welche wieder genesen sie ist

play04:20

proportional wieder zur anzahl

play04:23

der infizierten selber denn je mehr

play04:26

infizierte es gibt desto mehr genesen

play04:28

auch schließlich ist die änderungsraten

play04:31

der gruppe der genesene neben abhängig

play04:34

von der anzahl der infizierten das haben

play04:36

wir gerade besprochen dann genauso viele

play04:38

wie jetzt gewesen also zur gruppe der

play04:41

genesenen dazu gezählt werden so viele

play04:44

fallen aus der gruppe der infizierten

play04:47

heraus okay aber das sind ja noch keine

play04:49

mathematischen gleichungen das stimmt

play04:51

diese proportionalität lassen sich in

play04:55

einem system von differentialgleichungen

play04:57

schreiben wir fassen dazu die

play05:00

gruppengröße über einen zeitpunkt als

play05:03

funktion derzeit auf dann sind die

play05:05

änderungsraten nichts anderes als

play05:07

ableitung dieser funktion in der zeit

play05:10

jetzt haben wir funktionen und

play05:12

ableitungen als änderungen gesehen und

play05:15

nun die proportionalität lassen sich als

play05:21

änderungsraten in form von konstanten

play05:24

positiven oder negativen faktoren

play05:26

auffassen

play05:28

insgesamt erhält man ein system von

play05:31

differentialgleichungen dass die

play05:33

ableitung von es in der zeit also der

play05:36

anfälligen personen in der zeit also die

play05:39

änderungsraten in der zeit als ein

play05:42

negativer faktor der proportionalität

play05:45

die wir vorhin gesprochen haben

play05:47

dargestellt werden kann

play05:48

ganz analog geht man auch für die

play05:50

anderen beiden gleichungen vor und

play05:53

setzen entsprechende faktoren für die

play05:56

proportionalität nein

play05:57

weiterhin gilt wie in den anderen

play06:00

formuliert dass die gesamtzahl der

play06:03

individuen sich nicht ändert also eng

play06:06

ist konstant und ist gleich der summe

play06:09

aus anfälligen infizierten und genesenen

play06:13

personen also s + + r ist gleich die

play06:18

gesamtzahl denn jetzt haben wir die

play06:20

gleichung aber da stehen noch sehr viele

play06:22

buchstaben also platzhalter wie löst man

play06:25

denn nun diese gleichungen wir brauchen

play06:28

noch daten um diese gleichungen lösen zu

play06:31

können

play06:32

müssen wir zum beispiel die zahlen in

play06:35

mindestens zwei der gruppen zum beginn

play06:38

des beobachtungszeitraumes haben also s0

play06:41

zb die anzahl der anfälligen oder die

play06:46

anzahl der bislang infizierten

play06:48

auch müssen wir die beiden konstanten

play06:51

die infektionsrate und w

play06:54

die genesungsphase kennen oft kann man

play06:57

davon ausgehen dass die anzahl der

play06:59

gelesenen zu beginn eines zeitpunktes

play07:01

gleich null ist kennt man dann die

play07:04

anzahl der infizierten

play07:05

so lässt sich die anzahl der anfälligen

play07:08

aus der gesamtzahl und der beziehungen

play07:11

gleich s + + r herbei und wichtig sind

play07:16

doch bestimmt auch die beiden

play07:17

änderungsraten c&w oder genau die

play07:22

infektions und genesungs raten lassen

play07:25

sich aus daten her life in unserem fall

play07:27

können wir zum beispiel die daten des

play07:30

robert koch institutes oder der

play07:32

weltgesundheitsorganisation whu

play07:34

hernehmen daraus ergibt sich dass sich

play07:38

die zahl der infizierten etwa alle vier

play07:40

bis fünf tage verdoppelt diese

play07:42

änderungsraten der gruppe der

play07:44

infizierten wäre also zwei nämlich

play07:47

verdoppelung pro vier bis fünf tage das

play07:52

ist unsere zeit einheit

play07:53

wir setzen also c gleich zwei durch 4,5

play07:58

also dem mittelwert aus vier und fünf

play08:00

tagen die genesungs rate kann man aus

play08:03

der zeit ableiten die im schnitt für die

play08:05

heilung notwendig ist

play08:06

etwa zehn bis 14 tagen ist die krankheit

play08:09

in der regel entweder tödlich oder im

play08:12

wesentlichen geheilt wir werden also w

play08:14

gleich ein zwölftel annehmen ich fasste

play08:18

zusammen wir haben jetzt drei

play08:19

differentialgleichungen für die anzahl

play08:22

der anfälligen der infizierten und der

play08:24

genesenen außerdem brauchen wir die an

play08:27

zahlen in diesen gruppen zu einer

play08:29

anfangszeit sowie die infektions und die

play08:32

genesenen rate wie geht es jetzt weiter

Rate This

5.0 / 5 (0 votes)

関連タグ
EpidemiologieMathematische ModelleSCR-ModellInfektionsrateGenesungsrateRobert Koch-InstitutWeltgesundheitsorganisationEpidemie-SimulationDidaktisches VideoPython Notebooks
英語で要約が必要ですか?