CovidSim
| Originalförfattare | Neil Ferguson |
|---|---|
| Förvar | https://github.com/mrc-ide/covid-sim |
| Skrivet i | C++ |
| Licens | GNU General Public License v3.0 |
CovidSim är en epidemiologisk modell för COVID-19 utvecklad av Imperial College COVID-19 Response Team, ledd av Neil Ferguson . Imperial College-studien tar upp frågan: Om fullständigt undertryckande inte är genomförbart, vilken är den bästa strategin som kombinerar ofullständig undertryckande och kontroll som är genomförbar och leder till acceptabla resultat?
Historia
CovidSim är en agentbaserad modell och baserades på en tidigare influensamodell.
Kodbasen för modellen konstruerades ursprungligen c. 2005.
Att informera om politiska beslut
För Storbritanniens premiärminister Boris Johnson var det, enligt David Adam som skrev i The Atlantic , "en kritisk faktor för att få den brittiska regeringen att ändra sin politik mot pandemin" och beordra en rikstäckande låsning för att begränsa spridningen av Coronaviruset.
programvara
I maj 2020 släpptes en C++-derivat av koden till GitHub .
Den sista och aktuella release-taggen är v0.15.0 Dessutom finns ett Anaconda- paket med release v0.8.0
Programvaran bör särskiljas från ICL:s COVID-19 Scenario Analysis Tool (för närvarande version 4), som är värd under domännamnet https://www.covidsim.org , men enligt forskningsdokumentationen förlitar sig på modellen i kombination med en godsägaremodell , som är den underliggande överföringsmodellen i frånvaro av vaccination. Ytterligare detaljer finns under ICL:s rapport 33 .
Kodrecensioner och expertutlåtanden
Observera att den nämnda modellen levereras med och är märkt med en lista med varningar och användarinformation, t.ex. inget stöd, stokastisk natur/kärna, kritiska indataparametrar etc.
Sundhet
Den amerikanske programmeraren John Carmack sa i april 2020 att han arbetade med koden innan den släpptes för allmänheten, när det var en enda 15 000 rader C-programmeringsspråksfil och "en del av funktionerna såg ut som om de var maskinöversatta från Fortran ", men att "det gick mycket bättre att gå igenom handsket av kodanalysverktyg jag slog till med än mycket modernare kod".
Brister
New Scientist rapporterade i mars 2020 att en grupp från New England Complex Systems Institute som granskade modellen föreslog att den innehöll "systematiska fel". Den brittiska tidningen The Telegraph rapporterade att några mjukvaruingenjörer som granskade den nya koden kallade den "totalt opålitlig" och en "buggy mess".
Enligt University of Oxfords datavetare Michael Wooldridge , "utvecklades koden utan ceremonin och rigoriteten" av professionella produkter, vilket inte är otypiskt för forskningsprogramvara och ofta avsett att inte förstås av tredje part, eller att återanvändas; och "även om den omfattande kritiken om avslappnad programvaruteknik kanske är berättigad, var den inte fundamentalt felaktig".
Modellens egenskaper
Reproducerbarhet
En oberoende granskning av Codecheck ledd av Dr Stephen Eglen vid University of Cambridge bekräftade att de kunde återskapa de viktigaste resultaten från svarsgruppens rapport genom att använda programvaran. En ledare från juni 2020 i Nature förklarade att den ursprungliga CovidSim-kodbasen uppfyllde kraven på vetenskaplig reproducerbarhet .
Osäkerhet
Ytterligare forskning finns för att identifiera följande tre källor till osäkerhet i simuleringen: parametrisk osäkerhet, modellstrukturosäkerhet och scenarioosäkerhet: Simuleringsresultatet beror kritiskt på indata och kan förändras upp till 300 % baserat på 940 parametrar, varav 19 beaktas mest känsliga. Modellstruktur och scenarioosäkerhet måste därför förstås.
Resultaten som Imperial har erhållit genom att använda modellen överensstämmer med andra modeller som gör liknande antaganden.
Sträckbarhet
Kalibreringen av modellen har försvårats av bristen på testning, särskilt den dåliga förståelsen av förekomsten av asymtomatisk infektion, men Imperial College-teamet gör rimliga antaganden. Modellens beroende av en förenklad bild av sociala interaktioner begränsar dess utvidgningsbarhet till kontrafakta. Den allmänna karaktären hos slutsatser baserade på en sådan modell kan förväntas likna dem för en enkel kompartmentmodell.
- Ytterligare forskning bygger på modellen, t.ex. för simulering av effekt av skolnedläggningar på dödlighet.
- Wouter Edeling et al. bidrog med en FabSim3-plugin kallad FabCovidSim , som är baserad på EasyVVUQ , ett Python 3-bibliotek för att underlätta verifiering, validering och osäkerhetskvantifiering (VVUQ) för en mängd olika simuleringar.
- I en nyligen publicerad publikation på MedRxiv , som nu accepterades av BMJ Open av Laydon et al., använder författarna modellen för att "mäta effekterna av Tier-systemet på COVID-19-pandemin i Storbritannien mellan den första och andra nationella låsningen , innan uppkomsten av B.1.1.7-varianten av oro" och dra slutsatsen att "...interventioner som är minst lika stränga som nivå 3 krävs för att undertrycka överföring, särskilt med tanke på fler överförbara varianter, åtminstone tills effektiv vaccination är utbredd eller mycket större befolkningsimmunitet har samlats."
Se även
Vidare läsning
- Schneider KA, Ngwa GA, Schwehm M, Eichner L, Eichner M (november 2020). "Covid-19 pandemi beredskap simuleringsverktyg: CovidSIM" . BMC infektionssjukdomar . 20 (1): 859. doi : 10.1186/s12879-020-05566-7 . PMC 7675392 . PMID 33213360 .
externa länkar
- covid-sim på GitHub
- CodeCheckers covid-report9 på GitHub