Este artigo é um Preprint
Preprints são relatos preliminares de pesquisa que não foram certificados pela revisão por pares. Eles não devem ser considerados para orientar a prática clínica ou comportamentos relacionados à saúde e não devem ser publicados na mídia como informação estabelecida.
Preprints publicados online permitem que os autores recebam feedback rápido, e toda a comunidade científica pode avaliar o trabalho independentemente e responder adequadamente. Estes comentários são publicados juntamente com os preprints para qualquer pessoa ler e servir como uma avaliação pós-publicação.
Mathematical Models for Assessing Vaccination Scenarios in Several Provinces in Indonesia
Preprint
em Inglês
| medRxiv
| ID: ppmedrxiv-20248241
Artigo de periódico
Um artigo publicado em periódico científico está disponível e provavelmente é baseado neste preprint, por meio do reconhecimento de similaridade realizado por uma máquina. A confirmação humana ainda está pendente.
Ver artigo de periódico
Um artigo publicado em periódico científico está disponível e provavelmente é baseado neste preprint, por meio do reconhecimento de similaridade realizado por uma máquina. A confirmação humana ainda está pendente.
Ver artigo de periódico
ABSTRACT
To mitigate more casualties from the COVID-19 outbreak, this study assessed optimal vaccination scenarios, considering some existing healthcare conditions and some assumptions, by developing SIQRD (Susceptible-Infected-Quarantine-Recovery-Death) models for Jakarta, West Java, and Banten, in Indonesia. The models included an age-structured dynamic transmission model that naturally could give different treatments among age groups of population. The simulation results show that the timing and periods length of the vaccination should be well planned and prioritizing particular age groups will give significant impact on the total number of casualties.
cc_no
Texto completo:
Disponível
Coleções:
Preprints
Base de dados:
medRxiv
Tipo de estudo:
Experimental_studies
/
Rct
Idioma:
Inglês
Ano de publicação:
2020
Tipo de documento:
Preprint