Model Predictive Pandemic Control
Tijdens de COVID-19 pandemie vonden regeringen het lastig maatregelen te kiezen om de verspreiding van COVID-19 te beperken. Ook verschilden de maatregelen erg: van mondneusmaskers en houden van afstand tot het sluiten van sectoren. Vaak werden deze maatregelen te laat ingevoerd, zodat krachtigere extra maatregelen nodig waren om de zorg te ontlasten, wat vervolgens negatieve effecten had op de samenleving. Het is dus belangrijk om te kijken op welk moment welke maatregel ingevoerd moet worden.
Doel
Het doel van dit onderzoek is om een computermodel te maken waarmee regeringen uitbraken slim kunnen beperken met maatregelen die de geestelijke gezondheid en de samenleving minimaal belasten.
Aanpak/werkwijze
Het project wil in het computermodel kennis uit de epidemiologie combineren met kennis van regeltechniek. Er wordt onder andere gekeken naar vatbaarheid, besmettelijkheid en contactpatronen van Nederlanders en verschillen tussen varianten van het Coronavirus. Vervolgens wordt het computermodel verbeterd door deze af te stemmen op echte gegevens zodat voorspellingen van de toekomst mogelijk zijn.
Samenwerkingspartners
Direct vanaf het begin van het project wordt er samengewerkt met het RIVM en zowel het RIVM als het Máxima Medisch Centrum adviseren.
(Verwachte) resultaten
Met het model kan de werkzaamheid van maatregelen onderzocht worden. Het project verwacht een hulpmiddel te bieden dat regeringen helpt bij de selectie en timing van maatregelen, die rekening houden met mogelijke toekomstige ontwikkelingen van de pandemie.
Overig
Producten
Link: https://github.com/Marcodelloro/Pandemic-System-Identification