در این مقاله، نویسندگان، ضمنِ جمع‌آوری یکی از گسترده‌ترین مجموعه داده‌های موجود از نقاط مختلف دنیا، به تخمین تاثیر شرایط جوی و پیش بینی ریسک گسترشِ بیماری، در ماه‌های آتی، و در نقاط مختلف دنیا می‌پردازند. تغییرات آب و هوایی می‌تواند تا حدودی بر (کاهشِ) گسترش بیماری تاثیر‌گذار باشد. میزان تاثیر شرایط جوی قابل ملاحظه است، اما، به خودیِ خود، کافی نیست. به طور مشخص، پس از دمای بیست و پنج درجه سانتیگراد، به ازای هر درجه افزایشِ دما، قدرت بازتولید کنندگی ویروس، تقریبا سه و یک‌دهم درصد کم می‌شود.
مقاله علمی: تخمین پخش کووید 19 در سالهای آینده
با مقایسه پخش فصلی دو ویروس کرونا دیگر با بیماری کووید 19, در نظر گرفتن سطح مصونیت در جامعه, از بین رفتن مصونیت در طول زمان و ترکیب این اطلاعات با مدلی دینامیکی از پخش بیماری, محققین به نتایج زیر دست یافتند
اخبار امیدوار کننده؛ «احتیاط» اولویت اول در دورانِ گذر از قله بیماری
داده‌های موجود نشان می‌دهند که از قله بیماری عبور می‌کنیم. اما هنوز احتیاط اولویت اصلی است.
روند ورودی و خروجیِ بیماری حاصل از ویروس کرونا در ایران و لزوم تداوم سیاست‌های کاهش ارتباطات اجتماعی
نقطه پیک بیماری زمانی است که تعداد ورودی‌های بیمار (بیمار جدید) با تعداد خروجی‌ها (حاصل جمع بهبود روزانه و فوت) برابر باشد. در ایران، آیا دوباره به این نقطه رسیده ایم؟ این می تواند امیدوارکننده باشد. اما آیا از این فرصت استفاده می کنیم یا مانند دفعه قبل (اواخر اسفند) با دست کم گرفتن ریسک به روند افزایشی باز می گردیم؟
مدلسازی در زمانِ شیوع بیماری
تاکنون احتمالا با سیری از مدل‌های ریاضی برای تخمین تعداد بیماران و مرگ و میر ناشی از ویروس کرونا مواجه شده‌اید. هر چند در مورد ایران تعداد مدلها محدود بوده است، اما در مورد سایر کشورها و به خصوص آمریکا انواع مختلفی ارائه شده است. بر اساس مشاهدات، می‌توان مدل‌های موجود تا به این لحظه را در چند گروه دسته‌بندی کرد…
مقاله علمی: مدلسازی جهت تخمین شیوع بیماری کوید-19 در ایران
مقاله‌ای علمی به تخمین بیش از 900000 بیمار (از ابتدای شیوع بیماری) و 15000 مرگ ناشی از کرونا در ایران تا اول فروردین می رسد.
کرونا فقط وقتی فراگیر نمی‌شود که از آن بترسیم!
این روزها نتیجه چندین پروژه مدلسازی رای تخمین تعداد مبتلایان و مرگ و میر ناشی از کرونا را مرور کرده‌ام.