Pagmomodelo ng Nakakahawang Sakit: Pagbuo ng SIR Model

Ang modernong pampublikong kalusugan ay nakasalalay sa mga balangkas ng matematika upang mahulaan at pamahalaan ang pagkalat ng mga nakakahawang sakit. Ang kursong ito ay nagbibigay ng malinaw na panimula sa compartmental modeling, na tumutulong sa iyo na maunawaan ang pangunahing lohika sa likod ng mga simulasyon ng epidemya sa pamamagitan ng konseptwal na pag-unawa at pundamental na matematika. Magkakaroon ka ng matatag na pundasyon sa epidemiology sa pamamagitan ng pag-aaral kung paano hatiin ang mga populasyon sa mga grupo ng Susceptible, Infectious, at Recovered. Sa pamamagitan ng detalyadong nakasulat na mga paliwanag at mga pagsasanay sa lohika, bubuo ka ng intuwisyon na kailangan upang bigyang-kahulugan ang mga output ng modelo at maunawaan ang mga kritikal na salik na nagtutulak sa isang outbreak. Ano ang iyong matututunan: - Unawain ang mga pangunahing prinsipyo ng compartmental modeling sa epidemiology - Tukuyin at kilalanin ang pagkakaiba sa pagitan ng Susceptible, Infectious, at Recovered na mga estado - Bigyang-kahulugan ang mga mathematical rate, tagal, at proporsyon sa pagkalat ng sakit - Kalkulahin at suriin ang basic reproduction number (R0) at ang kahalagahan nito - Magsanay sa pagbuo ng mga deterministic model upang gayahin ang mga epidemic curve - Suriin kung paano binabago ng mga interbensyon sa pampublikong kalusugan ang mga parameter at kinalabasan ng modelo Nagsisimula ang kurso sa mahahalagang terminolohiya at ang konseptwal na kasaysayan ng pagmomodelo bago gabayan ka sa sunud-sunod na lohika ng isang SIR model. Susuriin mo kung paano maaaring humantong sa malaking pagkakaiba sa mga kinalabasan sa isang populasyon ang maliliit na pagbabago sa mga rate ng paghahatid o paggaling, na nagbibigay sa iyo ng modernong pananaw sa pamamahala ng sakit. Ang kursong ito ay idinisenyo para sa mga baguhan na interesado sa pampublikong kalusugan, data science, o applied mathematics, na walang kinakailangang naunang karanasan sa pagmomodelo. Simulan ang iyong paglalakbay sa mundo ng mathematical epidemiology ngayon.