فرضیات متعدد پیش بینی

پیش بینی حداقل 550،000 مورد و حداکثر 4.4 میلیون. در جهان و 

با این تخمین ایران با روند عدم توجه مردم  حداقل 715500  مبتلا 3750 کشته و حداکثر 572000 مبتلا و 12000 کشته که با خستگی کادر پزشکی شاید آمار بدتر هم باشد .

البته قراردادن پارامترهای مختلف این اعداد را کم یا زیاد خواهد کرد و بستگی به تحلیل های هوش مصنوعی و آمار واقعی دارد

 معادلات ریاضیاتی برای تعیین چگونگی شیوع بیماری بد می توانند استفاده کنند ، برای عدم قطعیت ها و داده های ناقص استفاده می شوند ، این می تواند مدل های ریاضی شیوع ، با طیف گسترده ای از پیش بینی های خود ، به نظر برسد که حدس و گمان با معادلات دیفرانسیل است. تفاوت هشت برابر در موارد پیش بینی شده Covid-19 در ووهان ، که توسط تیمی از ایالات متحده و کانادا محاسبه شده است ، در هفته های اولیه شیوع یک بیماری که قبلاً دیده نشده است غیر عادی نیست.

اما مدل های بیماری های عفونی به لطف درک بهتر همه چیز از نحوه رفتار میکروب ها تا چه میزان مردم در اتوبوس ها ، در سالهای اخیر واقعیت را بهتر و بهتر کرده اند.

"سال به سال در مدلهای پیش بینی و نحوه ترکیب آنها برای تهیه پیش بینی ها به وجود آمده است."

 هایی که مدل های بیماری را اجرا می کنند از طریق محاسباتی که نشان دهنده بهترین تخمین محققان از عواملی است که دو محقق اسکاتلندی یک قرن پیش تشخیص داده اند که شکل یک دوره شیوع بیماری است: چند نفر مستعد هستند ، چند نفر عفونی هستند و چند نفر بهبود می یابند ( یا مرده) و احتمالاً مصون است.

برای محاسبه چگونگی حرکت افراد از "حساس" به "عفونی" به "بهبود یافته" ، مدلسازان معادلات را می نویسند که شامل عواملی مانند تعداد عفونت های ثانویه است که هر فرد آلوده به طور معمول ایجاد می کند و چه مدت طول می کشد از زمانی که یک فرد بیمار می شود تا کی افرادی که او آلوده می کند. 

این به این معنی نیست که جایی برای بهبود وجود ندارد. متغیرهای اصلی اکثر مدلها اکثراً همان مواردی هستند که اپیدمیولوژیست ها برای ده ها سال برای پیش بینی دوره شیوع بیماری از آنها استفاده کرده اند. اما با توجه به قدرت رایانه ای بیشتر که اکنون در اختیار آنها است ، مدل سازان داده های ریز دانه تر را در اختیار دارند تا بهتر منعکس کننده واقعیت چگونگی زندگی مردم و تعامل در دنیای مدرن باشد 

این مدل ها قصد ندارند ماشین های ترسناک باشند و بدترین حالت را ارائه می دهند. (مدل سازان "پروژه" را "پیش بینی" ترجیح می دهند تا نشان دهد که نتایج آنها توصیف شده بر فرضیات متعدد پیش بینی می شود.) ایده این است که تعداد بسیاری از موارد زیر را محاسبه کنیم: اگر مدارس و محل های کار بسته باشند ، چه می شود؟ اگر حمل و نقل عمومی متوقف شود چه اتفاقی می افتد؟ چه می شود اگر یک واکسن 90٪ مؤثر وجود داشته باشد و نیمی از جمعیت آن را در یک ماه دریافت کنند؟

با محاسبه تأثیر اقدامات متقابل مانند در خانه ماندن، ممنوعیت سفر ، واکسیناسیون و استفاده از ماسک صورت ، "می توانند توصیف که چه اتفاقی می افتد و سیاست گذاران را آگاه می کند.

برای واقعی تر کردن مدل ها ، آنها باید فرض ساده انگاری را رها کنند که هر کس احتمال ابتلا به بیماری از Covid-19 را پس از تماس با کسی که قبلاً آلوده است ، دارد.