Μοντελοποίηση και Προσομοίωση

Δημοσιεύσεις Ελλήνων Ερευνητών

A Tri-Model Prediction Approach for COVID-19 ICU Bed Occupancy: A Case Study
Stasinos, N.; Kousis, A.; Sarlis, V.; Mystakidis, A.; Rousidis, D.; Koukaras, P.; Kotsiopoulos, I.; Tjortjis, C.
Algorithms 2023, 16(3), 140, https://doi.org/10.3390/a16030140
Published: 4 March 2023
Ιατρική αυξημένης φροντίδας και Εντατική θεραπεία, Πληροφορική της υγείας, Μοντελοποίηση και Προσομοίωση, Επιστήμη Λήψης αποφάσεων
M. Petala, D. Dafou, M. Kostoglou, Th. Karapantsios, E. Kanata, A. Chatziefstathiou, F. Sakaveli, K. Kotoulas, M. Arsenakis, E. Roilides, T. Sklaviadis, S. Metallidis, A. Papa, E. Stylianidis, A. Papadopoulos, N. Papaioannou
Science of The Total Environment, Volume 755, Part 1, 2021, 142855, DOI: https://doi.org/10.1016/j.scitotenv.2020.142855.
Μοντελοποίηση και Προσομοίωση, Βιοχημικές ερευνητικές μέθοδοι
Panagiotis G. Asteris, Maria Douvika, Christina Karamani, Athanasia Skentou, Tryfon Daras, Liborio Cavaleri, Danial Jahed Armaghani, Katerina Chlichlia, Theoklis E. Zaoutis
medRxiv, 2020.04.16.20068445; doi: https://doi.org/10.1101/2020.04.16.20068445
16 April, 2020
Λοιμώδη νοσήματα, Μοντελοποίηση και Προσομοίωση, preprint
Vasileios Thomopoulos and Kostas Tsichlas
Information 2024, 15(3), 150, https://doi.org/10.3390/info15030150
Published: 7 March 2024
Επιδημιολογία, Πολιτική της υγείας και Υπηρεσίες, Μοντελοποίηση και Προσομοίωση, Διαχείριση κρίσης

Επιστημονικές Δημοσιεύσεις Ανοικτής Πρόσβασης

Association between the infection probability of COVID-19 and ventilation rates: An update for SARS-CoV-2 variants
Dai, H.; Zhao, B.
Building Simulation ; 16(1):3-12, 2023, https://doi.org/10.1007/s12273-022-0952-6
Published: 19 October 2022
Ο κορονοϊός 2 του σοβαρού οξέος αναπνευστικού συνδρόμου (SARS-CoV-2), η αιτία της τρέχουσας πανδημίας της νόσου του κορωνοϊού 2019 (COVID-19), εξελίσσεται. Έτσι, ο κίνδυνος μετάδοσης από τον αέρα σε περιορισμένους χώρους μπορεί να είναι υψηλότερος και οι αντίστοιχες προφυλάξεις θα πρέπει να επανεκτιμώνται. Στην εργασία αυτή, λήφθηκε η τιμή του ρυθμού κβαντικής παραγωγής (q) τριών παραλλαγών του SARS-CoV-2 (Alpha, Delta και Omicron) για την εξίσωση Wells-Riley με προσαρμοσμένη προσέγγιση με βάση τον αναπαραγωγικό αριθμό και υπολογίστηκε η συσχέτιση μεταξύ της πιθανότητας μόλυνσης και του ρυθμού αερισμού.
Επιδημιολογία, Στατιστική και Πιθανότητες, Διεπιστημονικές εφαρμογές Μαθηματικών, Μοντελοποίηση και Προσομοίωση
Energy, Volume 282, 1 November 2023, 128849, https://doi.org/10.1016/j.energy.2023.128849
Available online 24 August 2023
Αυτό το άρθρο διερευνά την επίδραση της COVID-19 στην κατανάλωση ηλεκτρικής ενέργειας στην Πορτογαλία και την Ισπανία, με στόχο να ρίξει φως στις αλλαγές στην κατανάλωση και πώς αυτές σχετίζονται με τον βαθμό αυστηρότητας των μέτρων που επιβλήθηκαν από τις κυβερνήσεις, καθώς και να παρέχει μια επισκόπηση των πρώτων δεδομένων μετά την πανδημία.
Ενέργεια και Καύσιμα, Οικονομική επιστήμη και Οικονομετρία, Μοντελοποίηση και Προσομοίωση
Assessment of subtle cognitive impairments in patients with post-COVID syndrome with the tablet-based Oxford Cognitive Screen-Plus (OCS-Plus)
V. Kozik, P. Reuken, I. Utech, J. Gramlich, Z. Stallmach, N Demeyere, A. Stallmach, K. Finke
medRxiv 2022.05.23.22275442; doi: https://doi.org/10.1101/2022.05.23.22275442
Posted May 23, 2022
Σκοπός της μελέτης είναι η δημιουργία ενός ειδικού γνωστικού προφίλ του συνδρόμου long COVID, πραγματοποιώντας συγκρίσεις βασισμένες στις γνωστικές επιδόσεις στο Oxford Cognitive Screen-Plus, για την παροχή σχετικών πληροφοριών για την πρόβλεψη της έκβασης και τη λήψη αποφάσεων σχετικά με τη θεραπεία.
Στατιστική και Πιθανότητες, Μοντελοποίηση και Προσομοίωση, Λοιμώδη νοσήματα, preprint
Applications of predictive modelling early in the COVID-19 epidemic
Chiara Poletto, Samuel V Scarpino, Erik M Volz
The Lancet Digital Health, DOI:https://doi.org/10.1016/S2589-7500(20)30196-5
August 10, 2020
Παρόλο που έχει σημειωθεί τεράστια πρόοδος στη μαθηματική επιδημιολογία, οι προγνώσεις σχετικά με τα επιδημικά αποτελέσματα είναι εγγενώς επιρρεπείς σε σφάλματα. Ως εκ τούτου, η προγνωστική μοντελοποίηση είναι πολύτιμη κυρίως σε που σχετίζονται με παραδοχές.
Μοντελοποίηση και Προσομοίωση, Διεπιστημονικές εφαρμογές επιστήμης ηλεκτρονικών υπολογιστών
Analysis of 2.1 million SARS-CoV-2 genomes identifies mutations associated with transmissibility
Fritz Obermeyer, Stephen F. Schaffner, et al.
medRxiv 2021.09.07.21263228; doi: https://doi.org/10.1101/2021.09.07.21263228
Posted September 13, 2021
Για την ταχεία ανίχνευση και χαρακτηρισμό νέων παραλλαγών του SARS-CoV-2 και της μεταδοτικότητάς τους, αναπτύχθηκε το PyR0, ένα ιεραρχικό μοντέλο Bayes και εφαρμόστηκε σε όλα τα δημόσια διαθέσιμα ιικά γονιδιώματα.  
Μοντελοποίηση και Προσομοίωση, Ιολογία, Γενετική, preprint
Jim Duggan, Jair Andrade, Thomas Brendan Murphy, James P. Gleeson, Cathal Walsh, Philip Nolan
European Journal of Operational Research, Volume 313, Issue 1, 16 February 2024, Pages 343-358, https://doi.org/10.1016/j.ejor.2023.08.011
Available online 9 August 2023
Η πανδημία COVID-19 ώθησε την Ιρλανδική Κυβέρνηση να δημιουργήσει επειγόντως μοντέλα πρόβλεψης, προκειμένου να βοηθήσει στη λήψη αποφάσεων σχετικά με τη δημόσια υγεία. Σε σύντομο χρονικό διάστημα δημιουργήθηκε μία διεπιστημονική ομάδα ευρείας βάσης, η οποία συγκέντρωνε σχετική τεχνογνωσία από τον ακαδημαϊκό χώρο και τον τομέα της υγείας. Αυτό το άρθρο τεκμηριώνει μία από τις διαφορετικές λύσεις μοντελοποίησης που αναπτύχθηκαν από την Ιρλανδική Συμβουλευτική Ομάδα Επιδημιολογικής Μοντελοποίησης, η οποία συμβούλευε την Ιρλανδική Κυβέρνηση στις αποφάσεις της σχετικά με την COVID-19, κατά τη διάρκεια της πανδημίας.
Μοντελοποίηση και Προσομοίωση, Επιδημιολογία, Πολιτική της υγείας και Υπηρεσίες, Επιστήμη Λήψης αποφάσεων

Pages

Επιστροφή στην ιστοσελίδα COVID-19