Simulace šíření infekčních onemocnění v lidské populaci

Abstract

Epidémie predstavujú trvalú hrozbu pre život a ekonomiku krajín. Napriek ich ničivému potenciálu, ich dopad je možné zjemniť študovaním chorôb, ktoré tieto epidémie spôsobujúu, a predpoveďou ich dosahu. Modelovanie epidémií je kľúčové pre pochopenie šírenia infekčných chorôb a hodnotenie účinnosti zdravotných zásahov. Táto bakalárska práca najprv predstavuje a porovnáva kompartmentálne a multiagentné modely, dva primárne prístupy v oblasti epidemiologického modelovania. Zvoleným prístupom pre túto prácu je multiagentné modelovanie, ktoré bolo dôkladne analyzované a následne transformované na abstraktný model šírenia chorôb. Model je navrhnutý tak, aby bol spustiteľný na akomkoľvek slovenskom meste a poskytol všestranný nástroj na pochopenie dynamiky chorôb v rôznych lokalitách. Abstraktný model bol implementovaný v Pythone. Záverečná časť práce pozostáva z vykonania experimentov na analýzu rôznych scenárov a rôznych opatrení. Tieto experimenty prispievajú k hlbšiemu pochopeniu dynamiky šírenia chorôb a môžu byť zdrojom informácií pri tvorbe politiky v oblasti verejného zdravia. Práca ponúka prehľadnú štúdiu rôznych prístupov k modelovaniu a vyvíja všestranný model založený na agentoch, ktorý je možné rozšíriť podľa dostupných údajov.Epidemics present an everpresent threat to human life and economy. Despite their destructive potential, their harm can be mitigated by careful studies and predictions. Modeling epidemics is crucial for understanding the spread of infectious diseases and evaluating the effectiveness of health interventions. This bachelor thesis first introduces and compares compartmental and agent-based models, two primary approaches in the field of epidemiological modeling. The chosen approach for this work is agent-based modeling, which has been thoroughly analyzed and subsequently transformed into an abstract model of disease spread. The model is designed to be adaptable to any given Slovak city, providing a versatile tool for understanding disease dynamics in various locations. The model is implemented in Python. The final part of the thesis consists of conducting experiments to analyze different scenarios and health interventions. These experiments contribute to a deeper understanding of disease spread dynamics and can inform policy-making in public health. The thesis offers a comprehensive study of different modeling approaches and develops a versatile agent-based model which can be expanded according to the available data.