Simulering:
Här under får ni möjligheten att testa en simulering av hur en sjukdom kan sprida sig i en population.
Ni uppmuntras starkt att ta er tid och leka med modellen. Testa att variera de olika värdena och se hur det totala antalet smittade förändras.
​
Börja med det här:
Använd modellen"COVID-19: best case", sätt "initally infected" till 30, och sätt "update frequency" till max. Kör simuleringen några gånger så att ni ser hur den ser ut.
(Notera att det är en viss slump involverad i simuleringen, så utfallet kan variera från gång till gång. Det rekommenderas att alltid testa några gånger med samma parametrar.)
​
OBS: Man måste trycka reset när man ändrar parametrar, annars finns risk att inget förändras i simuleringen.
​
Jämför sen 50% vaccinationsgrad med 80%. Hur ändras antalet smittade? Hur lång tid tar det innan smittan försvinner?
Ändra sen R0 till 2.5 och jämför samma vaccinationsgrader igen. Är det någon skillnad?
Efter att ha funderat på detta bör ni kunna svara på de frågor som finns under knappen här till höger.
​
Om R0:
R0 är ett mått på hur smittsam sjukdomen är.
Värdet på R0 är hur många andra människor en genomsnittlig smittad person skulle sprida sin smitta vidare till i en fullt mottaglig population, dvs. om inga andra i populationen är vaccinerade, immuna, eller redan smittade.
R0 beror därmed på ett antal olika faktorer. Både egenskaper hos viruset, som smittradie och smittvägar påverkar, men även egenskaper hos populationen, som hygien, social interaktion osv.
​
​
VIKTIGT:
Detta är en förenklad matematisk modell, endast till för att skapa en förståelse för hur en fiktiv sjukdom skulle kunna sprida sig. Modellering av smittspridning i ett riktigt samhälle är ett långt mer komplext område som bör lämnas åt kvalificerade epidemiologer.
(Men det kan ändå vara kul och lärorikt att leka :) )
​