Lista de modelos de simulación de COVID-19

Los modelos de simulación de COVID-19 son modelos matemáticos de enfermedades infecciosas para la propagación de COVID-19 . ^[1] La lista no debe confundirse con las aplicaciones COVID-19 utilizadas principalmente para el rastreo digital de contactos .

Tenga en cuenta que algunas de las aplicaciones enumeradas son modelos o simuladores exclusivos de sitios web , y algunas de ellas dependen (o utilizan) datos en tiempo real de otras fuentes.

Modelos con mayor respaldo científico

La sublista contiene simuladores que se basan en modelos teóricos. Debido al gran número de investigaciones preimpresas creadas e impulsadas por la pandemia de COVID-19, ^[2] especialmente los modelos más nuevos solo deben considerarse con mayor rigor científico . ^{[3] [4]}

Simulaciones y modelos

• Chen et al. simulación basada en el modelo Bats-Hosts-Reservoir-People (BHRP) (simplificado solo a RP) ^[5]
• CoSim19 ^[6] - Prof Lehr, basado en el modelo SEIRD
• MODELADO DE MOVILIDAD COVID-19 ^[7] - Stanford basado en el modelo SEIR ^[8]
• Simulador COVID-19 ^[9] - Escuela de Medicina de Harvard basado en un modelo (compartimental) de dinámica de sistemas validado ^[10]
• Aumento de COVID-19 ^[11] - CDC ^[12]
• COVIDSIM ^[13] - por Mark Kok Yew Ng et al.
• CovidSim - Imperial College London , Centro MRC para el Análisis Global de Enfermedades Infecciosas , Neil Ferguson et al.
• CovidSim ^[14] - Proyecto de investigación de la Universidad de Ciencias Aplicadas de Munich, Prof. Köster
• COVIDSim ^[15] - escrito en MATLAB ^[16] por Ng y Gui ^[17]
• CovidSIM.eu ^[18] - Martin Eichner, Markus Schwehm apoyado por la Universidad de Tübingen y patrocinado por el Ministerio Federal de Educación e Investigación de Alemania .
• CovidSIM ^[19] - Schneider et al.
• CovRadar ^[20] - para la vigilancia molecular de la proteína Corona Spike ^{[21] [22]}
• De-Leon y Pederiva: un algoritmo de Monte Carlo de partículas dinámicas basado en los principios básicos de la física estadística. ^{[23] [24]}
• Modelo del Dr. Ghaffarzadegan ^{[25] [26] [27]}
• Horizonte de eventos - COVID-19 ^[28] - HU Berlín basado en el modelo SIR-X ^[29]
• IA evolutiva ^[30] - "Intervenciones no farmacéuticas (NPI) que la IA genera para diferentes países y regiones a lo largo del tiempo, su efecto previsto". ^{[31] [32] [33]}
• Del caso índice a la propagación global: Dr. Siwiak, basado en el marco GLEAM que incorpora densidades de población reales, patrones de desplazamiento y redes de viajes de largo alcance. ^[34]
• Modelo IHME - Instituto de Medición y Evaluación de la Salud Modelo COVID
• MEmilio ^[35] - un software de simulación de EpideMIcs modulares de código abierto y alto rendimiento basado en un modelo híbrido tipo gráfico-SIR ^[36] con pruebas de viajeros entre regiones ^[37] y estrategias de vacunación ^[38] y modelos basados ​​en agentes
• OpenCOVID ^{[39] [40]} - Instituto Suizo de Salud Pública y Tropical ( Swiss TPH) - Modelo de transmisión individual de acceso abierto de la infección por SARS-CoV-2 y la dinámica de la enfermedad COVID-19 implementado en R.
• OxCGRT ^[41] - Rastreador de respuesta del gobierno de Oxford COVID-19 ^{[42] [33]}
• SC-COSMO ^[43] - Modelo de simulación de coronavirus de Stanford-CIDE
• SDL-PAND: Un gemelo digital de la situación de pandemia en Cataluña. ^[44]
• SECIR ^{[45] [46] [47] [48]} - Modelo del Centro Helmholtz para la Investigación de Infecciones
• El modelo SEIR utilizado en una red de un mundo pequeño estima el efecto de las intervenciones no farmacéuticas en la estructura de la red de transmisión ^[49]
• Colección de Epidemiología de SIAM ^[50]
• Modelo SIR _SS que combina la dinámica del estrés social con modelos epidémicos clásicos. ^[51] El estrés social se describe mediante las herramientas de la física social .
• Inversión inteligente de recursos de pruebas de ARN de virus para mejorar la mitigación de Covid-19 ^{[52] [53]}
• Modelo Youyang Gu COVID

Bases de datos del genoma

Varios de estos modelos utilizan bases de datos genómicas, incluidas las siguientes:

• Banco de datos de ADN de Japón
• Archivo europeo de nucleótidos
• GISAID
• Asignación filogenética de linajes de brotes globales nombrados

Consorcios, clusters de investigación, otras colecciones

• Lista de CDC de inclusión y supuestos de pronósticos ^[54] - lista grande con diferentes modelos, etc.
• CORSMA - Consorcio de la UE (Respuesta al brote de COVID-19 que combina cibersalud, serolómica, modelización, inteligencia artificial e investigación sobre implementación) ^[55]
• Centro de pronósticos de COVID-19 ^[56] : sirve como depósito central de pronósticos y predicciones de más de 50 grupos de investigación internacionales. ^{[57] [58]}
• Nextstrain : proyecto de código abierto para aprovechar el potencial científico y de salud pública de los datos del genoma de patógenos ^[59]
  • Véanse también los recursos de Nextstrain SARS-CoV-2 ^[60]
• SIMID ^[61] - Modelos de simulación de enfermedades infecciosas - Consorcio de investigación de Bélgica
• RAMP - Asistencia rápida para modelar la pandemia ^[62] (Reino Unido)
• Consorcio de modelado UT Austin COVID-19 ^[63]
• Enfoques computacionales para fomentar la innovación en el tratamiento y diagnóstico de enfermedades infecciosas por fronteras

Monitores, modelos o tableros de vacunación

Nota: Los siguientes recursos (adicionales) se basan principalmente en datos reales, no en simulaciones. Podrían incluir características predictivas, por ejemplo, estimación de la tasa de vacunación, pero en general no se basan en fundamentos teóricos o de modelización como la lista principal de este artículo. No obstante, la previsión sigue siendo importante. ^[64] (Ver, por ejemplo, el Centro de pronóstico de COVID-19) ^[65]

• Panel de control COVID-19 ^[66] - Centro de Ciencia e Ingeniería de Sistemas (CSSE) de la Universidad Johns Hopkins (JHU) ^{[67] [68]}
• COVIDVaxView por los CDC ^[69]
• Conjunto de datos Datahub Novel Coronavirus 2019 ^{[70] [71]} - Conjunto de datos COVID-19 Serie temporal de la enfermedad del coronavirus 2019 (COVID-19) que enumera los casos confirmados, las muertes reportadas y las recuperaciones reportadas.
• Impfdashboard.de - Monitor de vacunación de Alemania ^[72]
• Simulación der COVID19-Impfkampagne ^[73] - Monitor de la campaña de vacunación en Alemania por Zi Data Science Lab
• Proyecciones de COVID-19 del Instituto de Medición y Evaluación de la Salud (IHME) ^[74]
  • Véase también Instituto de Métricas y Evaluación de la Salud Modelo COVID

Modelos con menos respaldo científico

Los siguientes modelos tienen fines puramente educativos.

• Modelo de autómata de defensa celular ^[75]
• Descripción general de las variantes y mutaciones del SARS-CoV-2 que son de interés ^[76]
• Simulador de Covid-19 ^[77]
• COVID19: Top 7: una lista seleccionada ^[78] publicada en Medium
• github.com/topics: covid-19 ^[79]
• Simulador COVID-19 de sistemas ISEE ^[80]
• nCoV2019.live ^[81] - "Números que necesita de un vistazo rápido" por Schiffmann/Conlon
  • cov19.cc- por Conlon ^[82]
• Simul8 - Recursos de simulación de COVID-19 ^[83]
• Simulando coronavirus con el modelo SIR ^[84]
• Simulación de propagación de virus ^[85]

Otras simulaciones, modelos o fuentes de datos relacionados

• ( Sociedad Química Estadounidense ) EXPLORADOR DEL BIOINDICADOR CAS COVID-19 ^[86]
• Rastreador de datos COVID de los CDC ^[87]
• Socios de la sociedad civil en solidaridad contra la COVID-19 (CSPAC): Informe completo, en vivo y global sobre el estado de la COVID-19 para 251 localidades y 71 barcos ^[88]
• Instituto Cornell de Investigaciones Sociales y Económicas (CISER): Fuentes de datos de COVID-19 ^[89]
• Modelado multifásico euleriano-lagrangiano , por ejemplo, para la transmisión de COVID-19 en ascensores basado en CFD ^[90]
• Simulación de aparición de síntomas de COVID-19 (modelo de progresión estocástica) de Larsen et al. ^[91]
• Datos de origen del coronavirus de Our World in Data ^[92]
• Proyecto de seguimiento de COVID 19 del Atlántico ^[93]
• Vadere: marco de código abierto para simulación de peatones y multitudes ^[94]
• Panel de control del coronavirus (COVID-19) de la OMS ^[95]

Capacitaciones y otros recursos

• Especialización en modelado de enfermedades infecciosas: proporcionada en Coursera por el Imperial College London
• Presentamos el simulador de COVID-19 y el kit de herramientas de aprendizaje automático para predecir la propagación de COVID-19 - Blog de aprendizaje automático de AWS

Ver también

• Bioinformática
• Biología computacional
• Simulación por computadora
• Modelado matemático de enfermedades infecciosas.
• Modelo SIR
• Estudio de salud de Zoe

Referencias

1. Adam D (abril de 2020). "Informe especial: Las simulaciones que impulsan la respuesta mundial al COVID-19". Naturaleza . 580 (7803): 316–318. Código Bib :2020Natur.580..316A. doi :10.1038/d41586-020-01003-6. PMID  32242115. S2CID  256820433.
2. Brierley L. "El papel de los preprints de investigación en la respuesta académica a la epidemia de COVID-19". Preimpresiones de Authorea . doi : 10.22541/au.158516578.89167184 .
3. "¿Otras 178.000 muertes? La última proyección de virus de los científicos es una advertencia". Noticias NBC . 24 de septiembre de 2020 . Consultado el 22 de febrero de 2021 .
4. Tufekci Z (2 de abril de 2020). "No crea en los modelos COVID-19". El Atlántico . Consultado el 22 de febrero de 2021 .
5. Chen TM, Rui J, Wang QP, Zhao ZY, Cui JA, Yin L (febrero de 2020). "Un modelo matemático para simular la transmisibilidad basada en fases de un nuevo coronavirus". Enfermedades Infecciosas de la Pobreza . 9 (1): 24. doi : 10.1186/s40249-020-00640-3 . PMC 7047374 . PMID  32111262. 
6. "CoSim en línea". shiny.covid-simulator.com . Consultado el 14 de diciembre de 2023 .
7. "Modelado de redes de movilidad COVID-19". covid-mobility.stanford.edu . Consultado el 14 de diciembre de 2023 .
8. Chang S, Pierson E, Koh PW, Gerardin J, Redbird B, Grusky D, Leskovec J (enero de 2021). "Los modelos de redes de movilidad de COVID-19 explican las desigualdades e informan sobre la reapertura". Naturaleza . 589 (7840): 82–87. Código Bib :2021Natur.589...82C. doi : 10.1038/s41586-020-2923-3 . PMID  33171481.
9. "Inicio - Simulador COVID-19". covid19sim.org . Consultado el 14 de diciembre de 2023 .
10. "Metodología del simulador de políticas". Simulador COVID-19 . Consultado el 21 de febrero de 2021 .
11. "Trabajadores de la salud". Centros para el Control y la Prevención de Enfermedades . 11 de febrero de 2020 . Consultado el 14 de diciembre de 2023 .
12. CDC (11 de febrero de 2020). "Trabajadores de la salud". Centros para el Control y la Prevención de Enfermedades . Consultado el 22 de febrero de 2021 .
13. Ng MK. "Paquete de simulación COVID-19 basado en SEIRS". markusng.com . Consultado el 14 de diciembre de 2023 .
14. "Proyecto de investigación - CovidSim - Modelado y simulación de la propagación de la infección por covid en multitudes en infraestructuras relevantes del sistema - Universidad de Ciencias Aplicadas HM Hochschule München". Hochschule Múnich . Consultado el 14 de diciembre de 2023 .
15. Ng M (24 de septiembre de 2023). "COVIDSim: paquete de simulación COVID-19 basado en SEIRS". GitHub . Consultado el 14 de diciembre de 2023 .
16. Ng M (23 de diciembre de 2020), nkymark / COVIDSim , consultado el 9 de marzo de 2021
17. Ng KY, Gui MM (octubre de 2020). "COVID-19: Desarrollo de un modelo matemático robusto y un paquete de simulación teniendo en cuenta el envejecimiento de la población y el retraso en las acciones de control y la resusceptibilidad". Physica D: Fenómenos no lineales . 411 : 132599. arXiv : 2004.01974 . Código Bib : 2020PhyD..41132599N. doi : 10.1016/j.physd.2020.132599. PMC 7282799 . PMID  32536738. 
18. "CovidSIM". covidsim.eu . Consultado el 13 de marzo de 2021 .
19. Schneider KA, Ngwa GA, Schwehm M, Eichner L, Eichner M (noviembre de 2020). "La herramienta de simulación de preparación para una pandemia de COVID-19: CovidSIM". Enfermedades infecciosas de BMC . 20 (1): 859. doi : 10.1186/s12879-020-05566-7 . PMC 7675392 . PMID  33213360. 
20. "CovRadar". covradar.net . Consultado el 14 de diciembre de 2023 .
21. Wittig A, Miranda F, Hölzer M, Altenburg T, Bartoszewicz JM, Dieckmann MA, et al. (2021-04-06). "CovRadar: seguimiento y filtrado continuo de mutaciones del SARS-CoV-2 para vigilancia molecular". bioRxiv 10.1101/2021.02.03.429146v2 . 
22. "Vigilancia molecular de mutaciones de la proteína de pico del SARS-CoV-2 utilizando CovRadar". Noticias-Medical.net . 2021-02-07 . Consultado el 25 de abril de 2021 .
23. De-Leon H, Pederiva F (agosto de 2020). "Modelado de partículas de la propagación de la enfermedad por coronavirus (COVID-19)". Física de Fluidos . 32 (8): 087113. arXiv : 2005.10357 . Código bibliográfico : 2020PhFl...32h7113D. doi :10.1063/5.0020565. PMC 7441410 . PMID  32848352. 
24. De-Leon H, Pederiva F (julio de 2021). "Estudio de mecánica estadística de la introducción de una vacuna contra la enfermedad COVID-19". Revisión física E. 104 (1): 014132. arXiv : 2012.07306 . Código bibliográfico : 2021PhRvE.104a4132D. doi : 10.1103/PhysRevE.104.014132. PMID  34412259. S2CID  229155979.
25. "Modelo del Dr. Ghaffarzadegan: simule los casos de covid-19 de su universidad". forio.com . Consultado el 2 de mayo de 2021 .
26. Ghaffarzadegan N (1 de febrero de 2021). "Análisis hipotético basado en simulación para controlar la propagación de Covid-19 en las universidades". MÁS UNO . 16 (2): e0246323. Código Bib : 2021PLoSO..1646323G. doi : 10.1371/journal.pone.0246323 . PMC 7850497 . PMID  33524045. 
27. "El modelo de simulación COVID-19 crea escenarios". www.vtnews.vt.edu . Archivado desde el original el 6 de marzo de 2021 . Consultado el 21 de febrero de 2021 .
28. "Horizonte de eventos - COVID-19". rocs.hu-berlin.de . Consultado el 14 de diciembre de 2023 .
29. Maier BF, Brockmann D (mayo de 2020). "La contención eficaz explica el crecimiento subexponencial de los casos recientes confirmados de COVID-19 en China". Ciencia . 368 (6492): 742–746. arXiv : 2002.07572 . Código Bib : 2020 Ciencia... 368.. 742 M. doi : 10.1126/ciencia.abb4557 . PMC 7164388 . PMID  32269067. 
30. "IA evolutiva". evolución.ml . Consultado el 14 de diciembre de 2023 .
31. "IA evolutiva". evolución.ml . Consultado el 26 de abril de 2021 .
32. Miikkulainen R, Francon O, Meyerson E, Qiu X, Sargent D, Canzani E, Hodjat B (1 de agosto de 2020). "De la predicción a la prescripción: optimización evolutiva de intervenciones no farmacéuticas en la pandemia de COVID-19". arXiv : 2005.13766 [cs.NE].
33. "¿Pueden los modelos informáticos seleccionar las mejores intervenciones de salud pública para COVID-19?". IEEE Spectrum: noticias sobre tecnología, ingeniería y ciencia . 5 de enero de 2021 . Consultado el 26 de abril de 2021 .
34. Siwiak M, Szczesny P, Siwiak M (10 de julio de 2020). "Del caso índice a la propagación global: el modelado de la pandemia de COVID-19 basado en la movilidad global implica una tasa de infección más alta y una tasa de detección más baja que las estimaciones actuales". PeerJ . 8 : e9548. doi : 10.7717/peerj.9548 . ISSN  2167-8359. PMC 7357567 . PMID  32728498. 
35. Abele D, Kühn MJ, Koslow W, Rack K, Siggel M, Kleinert J, et al. (2022-01-01). "MEmilio: un software de simulación de EpideMIcs modulares de alto rendimiento". GitHub .
36. Kühn MJ, Abele D, Mitra T, Koslow W, Abedi M, Rack K, et al. (septiembre de 2021). "Evaluación de la mitigación y predicción efectiva de la propagación del SARS-CoV-2 en Alemania utilizando información demográfica y resolución espacial". Biociencias Matemáticas . 339 : 108648. doi : 10.1016/j.mbs.2021.108648. PMC 8243656 . PMID  34216635. 
37. Kühn MJ, Abele D, Binder S, Rack K, Klitz M, Kleinert J, Gilg J, Spataro L, Koslow W, Siggel M, Meyer-Hermann M, Basermann A (2022). "Estrategias de apertura regional con pruebas en viajeros y contención de nuevas variantes del SARS-CoV-2 en Alemania". Enfermedades infecciosas de BMC . 22 (1): 333. doi : 10.1186/s12879-022-07302-9 . ISSN  1471-2334. medRxiv 10.1101/2021.04.23.21255995 . PMC 8978163 . PMID  35379190.  
38. Koslow W, Kühn MJ, Binder S, Klitz M, Abele D, Basermann A, Meyer-Hermann M (16 de mayo de 2022). "Una relajación adecuada de las intervenciones no farmacéuticas minimiza el riesgo de un resurgimiento de las infecciones por SARS-CoV-2 a pesar de la variante Delta". PLOS Biología Computacional . 18 (5): e1010054. Código Bib : 2022PLSCB..18E0054K. doi : 10.1371/journal.pcbi.1010054 . ISSN  1553-7358. medRxiv 10.1101/2021.07.09.21260257 . PMC 9135349 . PMID  35576211.  
39. Shattock AJ, Le Rutte EA, Dünner RP, Sen S, Kelly SL, Chitnis N, Penny MA (marzo de 2022). "Impacto de la vacunación y las intervenciones no farmacéuticas en la dinámica del SARS-CoV-2 en Suiza". Epidemias . 38 (7): 100535. Código bibliográfico : 2021PLSCB..17E9146H. doi :10.1016/j.epidem.2021.100535. PMC 8669952 . PMID  34923396. 
40. "Repositorio Git con código fuente de acceso abierto para OpenCOVID". GitHub . TPH suizo. 2022-01-31 . Consultado el 15 de febrero de 2022 .
41. "Rastreador de respuesta gubernamental COVID-19". www.bsg.ox.ac.uk. ​18 de marzo de 2020 . Consultado el 14 de diciembre de 2023 .
42. "Rastreador de respuesta gubernamental COVID-19". www.bsg.ox.ac.uk. ​18 de marzo de 2020 . Consultado el 26 de abril de 2021 .
43. "sc-cosmo - Modelo de simulación de coronavirus de Stanford-CIDE" . Consultado el 14 de diciembre de 2023 .
44. "SDL PAND - Mapa global". pand.sdlps.com . Consultado el 20 de mayo de 2023 .
45. Khailaie S, Mitra T, Bandyopadhyay A, Schips M, Mascheroni P, Vanella P, Lange B, Binder SC, Meyer-Hermann M (2021). "Desarrollo del número de reproducción a partir de datos de casos de coronavirus SARS-CoV-2 en Alemania e implicaciones para las medidas políticas". Medicina BMC . 19 (1): 32. doi : 10.1186/s12916-020-01884-4 . ISSN  1741-7015. medRxiv 10.1101/2020.04.04.20053637 . PMC 7840427 . PMID  33504336.  
46. "simm/covid19/SECIR". GitLab . Consultado el 5 de julio de 2021 .
47. "Informe · Wiki · simm / covid19 / SECIR". GitLab . Consultado el 5 de julio de 2021 .
48. "Nuestra investigación". Centro Helmholtz para la investigación de infecciones . Consultado el 5 de julio de 2021 .
49. Syga S, David-Rus D, Schälte Y, Hatzikirou H, Deutsch A (noviembre de 2021). "Inferir el efecto de las intervenciones en las redes de transmisión de COVID-19". Informes científicos . 11 (1): 21913. arXiv : 2012.03846 . Código Bib : 2021NatSR..1121913S. doi :10.1038/s41598-021-01407-y. PMC 8578219 . PMID  34754025. 
50. "Colección de epidemiología". epubs.siam.org .
51. Kastalskiy IA, Pankratova EV, Mirkes EM, Kazantsev VB, Gorban AN (noviembre de 2021). "El estrés social impulsa la dinámica de múltiples ondas de los brotes de COVID-19". Informes científicos . 11 (1): 22497. arXiv : 2106.08966 . Código Bib : 2021NatSR..1122497K. doi : 10.1038/s41598-021-01317-z . PMC 8602246 . PMID  34795311. 
52. "Herramienta de simulación COVID-19". corona-lab.ch . Consultado el 28 de abril de 2021 .
53. Gorji H, Arnoldini M, Jenny DF, Hardt WD, Jenny P (4 de mayo de 2021). "Modelado dinámico para identificar estrategias de mitigación de la pandemia de COVID-19". Semanario médico suizo . 151 (1718): w20487. doi :10.4414/smw.2021.20487. hdl : 20.500.11850/484250 . ISSN  1424-3997. medRxiv 10.1101/2020.11.30.20239566 . PMID  33945149. 
54. "Lista de supuestos e inclusión de pronósticos de los CDC". www.cdc.gov/coronavirus .
55. "CORESMA". CORESMA . Consultado el 5 de julio de 2021 .
56. "Inicio - Centro de pronóstico de COVID 19". covid19forecasthub.org . Consultado el 14 de diciembre de 2023 .
57. Mejor R, Boice J (1 de mayo de 2020). "Hacia dónde creen que nos dirigimos los últimos modelos de COVID-19 y por qué no están de acuerdo". Cinco Treinta Ocho . Consultado el 21 de febrero de 2021 .
58. "Inicio - Centro de pronóstico de COVID 19". covid19forecasthub.org . Consultado el 21 de febrero de 2021 .
59. "Próxima cepa". nextstrain.org . Consultado el 26 de abril de 2021 .
60. "Próxima cepa". nextstrain.org . Consultado el 14 de diciembre de 2023 .
61. "SIMID - Modelos de simulación de enfermedades infecciosas" . Consultado el 14 de diciembre de 2023 .
62. "Asistencia rápida para modelar la pandemia: RAMP | Royal Society". royalsociety.org . Consultado el 9 de marzo de 2021 .
63. "Consorcio de modelado UT COVID-19". covid-19.tacc.utexas.edu . Consultado el 14 de diciembre de 2023 .
64. CDC (11 de febrero de 2020). "Enfermedad por coronavirus 2019 (COVID-19): pronóstico de COVID-19: información general". Centros para el Control y la Prevención de Enfermedades . Consultado el 3 de octubre de 2021 .
65. "Acerca del Hub: centro de pronóstico de COVID 19". covid19forecasthub.org . Consultado el 3 de octubre de 2021 .
66. "Mapa COVID-19". Centro de recursos sobre coronavirus de Johns Hopkins . Consultado el 14 de diciembre de 2023 .
67. "Mapa COVID-19". Centro de recursos sobre coronavirus de Johns Hopkins . Consultado el 26 de abril de 2021 .
68. Dong E, Du H, Gardner L (mayo de 2020). "Un panel interactivo basado en web para rastrear COVID-19 en tiempo real". La lanceta. Enfermedades Infecciosas . 20 (5): 533–534. doi :10.1016/S1473-3099(20)30120-1. PMC 7159018 . PMID  32087114. 
69. "COVIDVaxView | CDC". www.cdc.gov . 2021-09-23 . Consultado el 3 de octubre de 2021 .
70. Datopian, Conocimiento Abierto Internacional. "Nuevo coronavirus 2019". DataHub.io . Consultado el 2 de mayo de 2021 .
71. conjuntos de datos/covid-19, conjuntos de datos básicos empaquetados de datos en GitHub, 2021-05-02 , consultado el 2 de mayo de 2021
72. Bundesministerium für Gesundheit. "Das offizielle Dashboard zur Impfkampagne der Bundesrepublik Deutschland". impfdashboard.de (en alemán) . Consultado el 7 de junio de 2021 .
73. "Simulación del COVID19-Impfkampagne". www.zidatasciencelab.de . Consultado el 14 de diciembre de 2023 .
74. "IHME | Proyecciones COVID-19". Instituto de Medición y Evaluación de la Salud . Consultado el 14 de diciembre de 2023 .
75. "Modelo de autómata de defensa celular". thememeticist.github.io .
76. "CoVariantes (CoVariantes] - Descripción general de las variantes y mutaciones del SARS-CoV-2 que son de interés)". covariantes.org . Consultado el 14 de diciembre de 2023 .
77. "Simulador de Covid-19". www.coronasimulator.com . Consultado el 28 de abril de 2021 .
78. Prabowo A (3 de mayo de 2020). "COVID19: Las 7 mejores simulaciones interactivas en línea, seleccionadas". Medio . Consultado el 21 de febrero de 2021 .
79. "Creemos software mejor, juntos (temas/covid-19)". GitHub . Consultado el 14 de diciembre de 2023 .
80. "Simulador COVID-19". exchange.iseesystems.com . Consultado el 14 de diciembre de 2023 .
81. "Panel de control de coronavirus". ncov2019.live . Consultado el 14 de diciembre de 2023 .
82. "cov19.cc" . Consultado el 18 de agosto de 2023 .
83. "Recursos de simulación de COVID-19" . Consultado el 21 de febrero de 2020 .
84. "Simulando coronavirus con el modelo SIR". fatiherikli.github.io . Archivado desde el original el 19 de abril de 2021 . Consultado el 21 de febrero de 2021 .
85. "Simulación de propagación de Covid-19". c19model.com . Consultado el 14 de diciembre de 2023 .
86. "Recursos CAS COVID-19". CAS . Consultado el 2 de junio de 2021 .
87. "Rastreador de datos COVID". Centros para el Control y la Prevención de Enfermedades . 28 de marzo de 2020 . Consultado el 14 de diciembre de 2023 .
88. "Informe de estado de COVID-19 completo, en vivo y global para 251 ubicaciones y 71 barcos". sociedadcivilsolidariacontracovid19.com . Consultado el 1 de julio de 2021 .
89. Bohan J. "LibGuides: Instituto Cornell de Investigaciones Sociales y Económicas (CISER): Fuentes de datos COVID-19". guías.library.cornell.edu . Consultado el 14 de diciembre de 2023 .
90. Dbouk T, Drikakis D (enero de 2021). "Sobre la transmisión aérea de virus en ascensores y espacios confinados". Física de Fluidos . 33 (1): 011905. Código bibliográfico : 2021PhFl...33a1905D. doi : 10.1063/5.0038180. PMC 7984422 . PMID  33790526. 
91. Larsen JR, Martin MR, Martin JD, Kuhn P, Hicks JB (2020). "Modelado de la aparición de los síntomas de COVID-19". Fronteras en Salud Pública . 8 : 473. doi : 10.3389/fpubh.2020.00473 . PMC 7438535 . PMID  32903584. 
92. Mathieu E, Ritchie H, Rodés-Guirao L, Appel C, Giattino C, Hasell J, Macdonald B, Dattani S, Beltekian D, Ortiz-Ospina E, Roser M (5 de marzo de 2020). "Pandemia de coronavirus (COVID-19)". Nuestro mundo en datos . Consultado el 14 de diciembre de 2023 .
93. "El proyecto de seguimiento de COVID". El proyecto de seguimiento de COVID . Consultado el 14 de diciembre de 2023 .
94. "Vadere: marco de código abierto para simulación de multitudes y peatones". www.vadere.org . Consultado el 14 de diciembre de 2023 .
95. "Panel de control del coronavirus (COVID-19) de la OMS". covid19.who.int . Consultado el 1 de julio de 2021 .

Lectura adicional

Artículos

• Adam D (abril de 2020). "Informe especial: Las simulaciones que impulsan la respuesta mundial al COVID-19". Naturaleza . 580 (7803): 316–318. Código Bib :2020Natur.580..316A. doi :10.1038/d41586-020-01003-6. PMID  32242115. S2CID  214771531.
• Alper J. "Guía de aprendizaje de modelado covid WXML 2020". Departamento de Matemáticas . Seattle, Washington: Universidad de Washington.
• Fuller J (marzo de 2021). "¿Cuáles son los modelos COVID-19 que modelan (filosóficamente hablando)?". Historia y Filosofía de las Ciencias de la Vida . 43 (2): 47. doi :10.1007/s40656-021-00407-5. PMC  7994354 . PMID  33770267.
• Roberts M, Driggs D, Selby I, Sala E, Schönlieb CB (1 de junio de 2021). "Luchar contra una pandemia con imágenes médicas y aprendizaje automático: lecciones aprendidas de COVID-19". Noticias SIAM .

Libros

• Basavarajaiah D, Murthy BN (25 de abril de 2022). Modelado de transmisión de COVID: una visión del mecanismo de enfermedades infecciosas (1 ed.). Boca Ratón: Chapman y Hall/CRC. doi :10.1201/9781003204794. ISBN 978-1-00-320479-4. Consultado el 23 de julio de 2022 .
• Prabha S, Karthikeyan P, Kamalanand K, Selvaganesan N (7 de julio de 2021). Modelado computacional e imágenes para SARS-CoV-2 y COVID-19 (1ª ed.). Prensa CRC. doi :10.1201/9781003142584. ISBN 978-1-00-314258-4. S2CID  237802484.
• Azar AT, Hassanien AE, eds. (2022). Modelado, control y desarrollo de fármacos para la prevención del brote de COVID-19. Estudios en Sistemas, Decisión y Control. vol. 366. Cham: Editorial Internacional Springer. doi :10.1007/978-3-030-72834-2. ISBN 978-3-030-72833-5. S2CID  240429840 . Consultado el 23 de julio de 2022 .
• Pani SK, Dash S, dos Santos WP, Bukhari SA, Flammini F, eds. (2022). Evaluación de COVID-19 y otras pandemias y epidemias mediante modelado computacional y análisis de datos . Cham: Editorial Internacional Springer. doi :10.1007/978-3-030-79753-9. ISBN 978-3-030-79752-2. S2CID  245119014.
• Martcheva M (2015). Introducción a la epidemiología matemática. Textos en Matemática Aplicada. vol. 61. Boston, MA: Springer EE. UU. doi :10.1007/978-1-4899-7612-3. ISBN 978-1-4899-7611-6. Consultado el 12 de septiembre de 2022 .
• Li MI (2018). Introducción al modelado matemático de enfermedades infecciosas. Cham: Editorial Internacional Springer. doi :10.1007/978-3-319-72122-4. ISBN 978-3-319-72121-7. Consultado el 12 de septiembre de 2022 .