Please use this identifier to cite or link to this item:
http://hdl.handle.net/10609/136426
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Blecua Pérez, Javier | - |
dc.contributor.other | Merino, David | - |
dc.coverage.spatial | Hassen, DEU | - |
dc.date.accessioned | 2021-12-16T06:20:13Z | - |
dc.date.available | 2021-12-16T06:20:13Z | - |
dc.date.issued | 2021-06-23 | - |
dc.identifier.uri | http://hdl.handle.net/10609/136426 | - |
dc.description.abstract | El COVID-19 (coronavirus disease 2019) es la enfermedad causada por un nuevo tipo de coronavirus llamado SARS-CoV-2. Con este Trabajo Fin de Máster, se ha optimizado y extendido un modelo existente de transmisión del COVID-19 para el análisis de múltiples periodos de diferente velocidad de transmisión, permitiendo incluir, como parte del análisis, la información sobre un número arbitrario de medidas o intervenciones no farmacológicas. La metodología consiste en la aplicación de un modelo mecanístico que describe la evolución de la enfermedad a partir del efecto de las distintas medidas de intervención y que, aplicando métodos de análisis bayesiano, permite obtener estimaciones sobre este efecto para cada medida. Los buenos resultados obtenidos para un total de 32 países europeos, con datos que siguen patrones muy distintos, permiten concluir, por un lado, que el modelo utilizado es un buen método para describir la evolución de la enfermedad. Por otro lado, a partir de los resultados, se han extraído conclusiones sobre el efecto de las distintas medidas que son consistentes con la información conocida. Por ejemplo, los resultados para la primera ola de la pandemia indican que las medidas más efectivas fueron las relacionadas con el confinamiento, las medidas aplicadas conjuntamente en marzo de 2020 y el uso obligatorio de mascarillas. | es |
dc.description.abstract | COVID-19 (coronavirus disease 2019) is the disease caused by a new type of coronavirus called SARS-CoV-2. With this Master thesis, an existing COVID-19 transmission model has been optimized and extended for the analysis of multiple periods of different transmission rate, making possible the inclusion, as part of the analysis, of information on an arbitrary number of non-pharmacological measures. The methodology consists in the application of a mechanistic model that describes the evolution of the disease based on the effect of the different intervention measures and that makes the estimation of this effect possible by applying Bayesian analysis methods. The positive results obtained for a total of 32 European countries, with data following very different patterns, lead to the conclusion, on the one hand, that the model used is an appropriate method for describing the evolution of the disease. On the other hand, the results lead to conclusions regarding the effect of the different measures that are consistent with available information. For example, the results for the first wave of the pandemic indicate that the most effective measures were those related to the stay-at-home orders and recommendations (lockdown), the measures applied jointly in March 2020 and the mandatory use of masks. However, some results for more recent data have highlighted some limitations of the model. Among others, the current version does not take into consideration the effect of vaccination on the evolution of the disease. | en |
dc.description.abstract | El COVID-19 (coronavirus disease 2019) és la malaltia causada per un nou tipus de coronavirus anomenat SARS-CoV-2. Amb aquest Treball Fi de Màster, s'ha optimitzat i estès un model existent de transmissió del COVID-19 per a l'anàlisi de múltiples períodes de diferent velocitat de transmissió, permetent incloure, com a part de l'anàlisi, la informació sobre un nombre arbitrari de mesures o intervencions no farmacològiques. La metodologia consisteix en l'aplicació d'un model mecanístico que descriu l'evolució de la malaltia a partir de l'efecte de les diferents mesures d'intervenció i que, aplicant mètodes d'anàlisi bayesiana, permet obtenir estimacions sobre aquest efecte per a cada mesura. Els bons resultats obtinguts per a un total de 32 països europeus, amb dades que segueixen patrons molt diferents, permeten concloure, d'una banda, que el model utilitzat és un bon mètode per a descriure l'evolució de la malaltia. D'altra banda, a partir dels resultats, s'han extret conclusions sobre l'efecte de les diferents mesures que són consistents amb la informació coneguda. Per exemple, els resultats per a la primera ona de la pandèmia indiquen que les mesures més efectives van ser les relacionades amb el confinament, les mesures aplicades conjuntament al març de 2020 i l'ús obligatori de màscares. | ca |
dc.format.mimetype | application/pdf | - |
dc.language.iso | spa | - |
dc.rights | CC BY-NC-SA | - |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/es/ | - |
dc.subject | COVID-19 | es |
dc.subject | COVID-19 | en |
dc.subject | COVID-19 | ca |
dc.subject | intervencions no farmacològiques | ca |
dc.subject | anàlisi bayesiana | ca |
dc.subject | intervenciones no farmacológicas | es |
dc.subject | análisis bayesiano | es |
dc.subject | non-pharmacological interventions | en |
dc.subject | bayesian analysis | en |
dc.subject.lcsh | COVID-19 Pandemic, 2020- -- TFM | en |
dc.title | Optimización de un modelo de transmisión de COVID-19 para su aplicación a múltiples periodos de intervención | - |
dc.type | info:eu-repo/semantics/masterThesis | - |
dc.audience.educationlevel | Estudis de Màster | ca |
dc.audience.educationlevel | Estudios de Máster | es |
dc.audience.educationlevel | Master's degrees | en |
dc.subject.lemac | Pandèmia de COVID-19, 2020- -- TFM | ca |
dc.subject.lcshes | Pandemia de la COVID-19, 2020- -- TFM | es |
dc.contributor.tutor | Fernandez Recio, Juan | - |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | - |
Appears in Collections: | Trabajos finales de carrera, trabajos de investigación, etc. |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
TFM_Presentacion__Javier_Blecua.mp4 | Presentación del TFM | 261,06 MB | MP4 | View/Open |
jblecuaTFM0621memoria.pdf | Memoria del TFM | 3,8 MB | Adobe PDF | View/Open |
Share:
This item is licensed under a Creative Commons License