1_038_215_effectiveness_of_interventions

Inspiration

Vorhersagemodell: Wie entwickelt sich die Anzahl der Infizierten in Deutschland in der Zukunft weiter?

What it does

Das Vorhersagemodell basiert auf:

• Datensätze der JHU zur Anzahl der Infizierten pro Tag und Land/Region
• Maßnahmen zur Verlangsamung der Ausbreitungsgeschwindigkeit
• Kontaktverringerung:
  • Ausgangssperren
  • Beschränkungen
• Infektionsverringerung:
  • Atemschutz
  • Hygiene
  • Abstand zwischen Personen
• Grenzschließungen

How we built it

Open-Source Python Code und Dokumentation: For-Schleife, welche von Tag zu Tag die diskreten Parameter der Verlangsamung berücksichtigt. Validierung über den Vergleich des Modells mit bestehenden Daten der JHU.

Challenges we ran into

• Verhältnis Infizierte zu Toten weicht von Land zu Land stark ab: Vermutung, dass dies an nicht ausreichenden Tests liegt
• Wirkung gleicher Maßnahmen können in verschiedenen Ländern auf Grund von Kultur abweichen

Accomplishments that we're proud of

• Basierend auf Daten von China und Italien konnten wir eine Kurven, basierend auf bestehenden Maßnahmen, modellieren, welche die Zahl der zukünftig Infizierten berechnet
• Aufgrund der vorliegenden Zahlen aus Deutschland konnten wir berechnen, dass es 1,6 Jahre dauern wird, bis die Bevölkerung in Deutschland komplett durchseucht ist unter der Bedingung, dass alle 28000 Intensivkrankenhausbetten für 2% der Infizierten zur Verfügung stehen.

What we learned

Die Vorhersage hängt von sehr vielen variablen Faktoren ab, die schwer einzuschätzen sind und von Land zu Land unterschiedlich wirken.

What's next for Predictive model for the effectiveness of interventions

Wir werden unser Vorhersagemodell und die damit verbundenen Faktoren weiter auf die täglich neuen Infiziertenzahlen anpassen und hoffen, zukünftig mehr und aussagekräftigere Zahlen vorhersehen zu können.

Built With

• python