ترجمه فارسی مقاله کاربرد و اهمیت مدل SIRVB در تحلیل دینامیک COVID-19

چکیده

In the summer of 2024, COVID-19 positive cases spiked in many countries, but it is no longer a deadly pandemic thanks to global herd immunity to the SARS-CoV-2 viruses. In our physical chemistry lab in spring 2024, students practice kinetic models, SIR (Susceptible, Infected, and Recovered) and SIRV (Susceptible, Infected, Recovered, Vaccinated) using COVID-19 positive cases and vaccination data from World Health Organization (WHO). In this report, we further introduce virus breakthrough to the existing model updating it the SIRVB (Susceptible, Infectious, Recovered, Vaccinated, Breakthrough) model. We believe this is the simplest model possible to explain the COVID-19 kinetics in all countries in the past four years. Parameters obtained from such practice correlate with many indices of different countries. These models and parameters have significant value to researchers and policymakers in predicting the stages of future outbreaks of infectious diseases.

چکیده به فارسی (ترجمه ماشینی)

در تابستان سال 2024 ، موارد مثبت Covid-19 در بسیاری از کشورها به وجود آمد ، اما دیگر به لطف مصونیت جهانی گله نسبت به ویروس های SARS-COV-2 دیگر همه گیر نیست.در آزمایشگاه شیمی فیزیکی ما در بهار سال 2024 ، دانش آموزان با استفاده از موارد مثبت COVID-19 و داده های واکسیناسیون از سازمان بهداشت جهانی (WHO) ، مدل های جنبشی ، آقا (مستعد ، آلوده و بهبود یافته) و SIRV (مستعد ، آلوده ، بهبود یافته ، واکسینه شده) را تمرین می کنند.بشردر این گزارش ، ما پیشرفت ویروس را به مدل موجود معرفی می کنیم که آن را به روز می کند.ما معتقدیم که این ساده ترین مدل ممکن برای توضیح سینتیک COVID-19 در همه کشورها در چهار سال گذشته است.پارامترهای به دست آمده از چنین عملی با بسیاری از شاخص های کشورهای مختلف ارتباط دارند.این مدل ها و پارامترها در پیش بینی مراحل شیوع آینده بیماری های عفونی برای محققان و سیاست گذاران ارزش قابل توجهی دارند.