{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2939988"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2939988","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μαθηματικά μοντέλα για τη μελέτη επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση","abstract":"Οι επιδημίες πλήττουν την ανθρωπότητα από την αρχαιότητα μέχρι σήμερα, με πιο πρόσφατο παράδειγμα αυτό της πανδημίας COVID-19 από το νέο κορωνοϊό SARS-CoV-2. Η παρούσα διπλωματική εργασία πραγματεύεται τη χρήση μαθηματικών μοντέλων για τη μελέτη επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση. Τα μαθηματικά μοντέλα αξιοποιούν τα δεδομένα για τα επιδημιολογικά χαρακτηριστικά του παθογόνου που προκαλεί την επιδημία και τα χαρακτηριστικά της νόσου και επιτρέπουν να εκτιμηθεί η πορεία της επιδημίας και η αποτελεσματικότητα διάφορων στρατηγικών περιορισμού της μετάδοσης. Σκοπός της παρούσας διπλωματικής είναι η ανασκόπηση των μαθηματικών μοντέλων, η αναλυτική παρουσίαση μοντέλων που μπορούν να χρησιμοποιηθούν στη μετάδοση της γρίπης και της COVID-19, η εφαρμογή σε δεδομένα από την Ελλάδα και η αποτίμηση της αποτελεσματικότητας διαφόρων στρατηγικών. Αρχικά, γίνεται μία σύντομη ιστορική αναδρομή σε επιδημίες που επηρέασαν την ανθρωπότητα αλλά και αναφορά σε σύγχρονες επιδημίες λοιμωδών νοσημάτων που μεταδίδονται με απλή κοινωνική επαφή. Επιπλέον, παρουσιάζονται βασικές επιδημιολογικές έννοιες, όπως ο βασικός αριθμός αναπαραγωγής R0 και ο χρόνος γενιάς Tg που είναι απαραίτητες για την κατανόηση των επιδημικών μοντέλων. Στη συνέχεια, πραγματοποιείται μία ανασκόπηση των μοντέλων που μπορούν να χρησιμοποιηθούν για την περιγραφή της πορείας επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση και ειδικότερα μοντέλων για την λοίμωξη COVID-19 και τη γρίπη Η1Ν1. Αναλύεται το SEIR (Susceptible-Exposed-Infectious-Recovered) μοντέλο στο οποίο λαμβάνεται υπόψη η παρουσία συμπτωματικών και ασυμπτωματικών ασθενών και μέτρα όπως η απομόνωση των κρουσμάτων, ο εμβολιασμός επίνοσων ατόμων και άλλα. Παραγματοποιείται εφαρμογή σε δεδομένα του κορωνοϊού SARS-CoV-2 και της γρίπης Η1Ν1 του 2009 στην Ελλάδα χρησιμοποιώντας επεκτάσεις του SEIR μοντέλου. Πιο συγκεκριμένα, για τον SARS-CoV-2, εκτιμάται ο ενεργός αριθμός αναπαραγωγής από τις αρχές Αυγούστου έως και τις 21 Νοεμβρίου 2020 και διερευνάται η επίδραση της κοινωνικής αποστασιοποίησης και της απομόνωσης συμπτωματικών ατόμων κάτω από διάφορα σενάρια. Για τη γρίπη, εκτιμάται ο ενεργός αριθμός αναπαραγωγής από τα τέλη Αυγούστου 2009 έως τα μέσα Φεβρουαρίου 2010 και εξετάζεται η επίδραση της θεραπείας μεμονωμένα αλλά και σε συνδυασμό με τον εμβολιασμό. Τέλος, γίνεται αποτίμηση της αποτελεσματικότητας των παραπάνω παρεμβάσεων. Σύμφωνα με τα αποτελέσματα της παρούσας ανάλυσης, ο δείκτης Rt για τον SARS-CoV-2 από τα τέλη Αυγούστου μέχρι περίπου τα μέσα Οκτωβρίου 2020 κυμαινόταν γύρω από το 1. Πριν την εφαρμογή του καθολικού απαγορευτικού όμως το Νοέμβριο, αυξήθηκε σε τιμές γύρω στο 1.5 με 1.75, ενώ κατά την περίοδο εφαρμογής του, δηλαδή από 7 Νοεμβρίου και μετά, μειώθηκε και μάλιστα προς τα τέλη του μήνα έφτασε σε τιμές κάτω από 1. Από τις προσομοιώσεις που πραγματοποιήσαμε προέκυψε ότι, η μείωση των κοινωνικών επαφών κατά 80%, καθώς και η απομόνωση την ημέρα εμφάνισης των συμπτωμάτων, αν και μη ρεαλιστική, οδηγεί σε έλεγχο της επιδημίας. Εάν τα μέτρα είναι πιο ήπια, οι μολύνσεις περιορίζονται βέβαια, αλλά δεν τίθεται υπό έλεγχο η επιδημία. Συνάγεται, λοιπόν, το συμπέρασμα ότι απουσία φαρμακευτικών παρεμβάσεων απαιτούνται πολύ αυστηρά μέτρα κοινωνικής αποστασιοποίησης ή απομόνωσης για να επιτευχθεί ο έλεγχος της επιδημίας COVID-19. Όσον αφορά τη γρίπη Η1Ν1 του 2009, το R0 στην Ελλάδα εκτιμήθηκε ίσο με 1.5. Ο δείκτης Rt ήταν κοντά στο 1.2 λίγο μετά την έναρξη των εγχώριων μεταδόσεων, ενώ στη συνέχεια μειώθηκε και κάτω από 1. Με λήψη θεραπείας από το 10% των συμπτωματικών, ως το τέλος της επιδημίας θα μολυνόταν το 52% του συνολικού πληθυσμού, ενώ με θεραπεία σε συνδυασμό με εμβολιασμό 2 μήνες μετά την έναρξη της επιδημίας, με ρυθμό καθημερινού εμβολιασμού 0.2%, θα μολυνόταν το 30% - 40% ανάλογα με την αποτελεσματικότητα του αντιγριπικού εμβολίου (έναντι του εκτιμώμενου 58% απουσία μέτρων). Συμπερασματικά, τα μαθηματικά μοντέλα αξιοποιούν τα διαθέσιμα επιδημιολογικά δεδομένα και τα χαρακτηριστικά του υπό μελέτη πληθυσμού. Επιτρέπουν να εκτιμηθεί η πίεση στο σύστημα υγείας μιας χώρας καθώς και να αξιολογηθεί και να συγκριθεί η αποτελεσματικότητα εναλλακτικών στρατηγικών – φαρμακευτικών και μη – για τον περιορισμό της επιδημίας.","abstract_html":"Οι επιδημίες πλήττουν την ανθρωπότητα από την αρχαιότητα μέχρι σήμερα, με πιο πρόσφατο παράδειγμα αυτό της πανδημίας COVID-19 από το νέο κορωνοϊό SARS-CoV-2. Η παρούσα διπλωματική εργασία πραγματεύεται τη χρήση μαθηματικών μοντέλων για τη μελέτη επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση. Τα μαθηματικά μοντέλα αξιοποιούν τα δεδομένα για τα επιδημιολογικά χαρακτηριστικά του παθογόνου που προκαλεί την επιδημία και τα χαρακτηριστικά της νόσου και επιτρέπουν να εκτιμηθεί η πορεία της επιδημίας και η αποτελεσματικότητα διάφορων στρατηγικών περιορισμού της μετάδοσης. Σκοπός της παρούσας διπλωματικής είναι η ανασκόπηση των μαθηματικών μοντέλων, η αναλυτική παρουσίαση μοντέλων που μπορούν να χρησιμοποιηθούν στη μετάδοση της γρίπης και της COVID-19, η εφαρμογή σε δεδομένα από την Ελλάδα και η αποτίμηση της αποτελεσματικότητας διαφόρων στρατηγικών. Αρχικά, γίνεται μία σύντομη ιστορική αναδρομή σε επιδημίες που επηρέασαν την ανθρωπότητα αλλά και αναφορά σε σύγχρονες επιδημίες λοιμωδών νοσημάτων που μεταδίδονται με απλή κοινωνική επαφή. Επιπλέον, παρουσιάζονται βασικές επιδημιολογικές έννοιες, όπως ο βασικός αριθμός αναπαραγωγής R0 και ο χρόνος γενιάς Tg που είναι απαραίτητες για την κατανόηση των επιδημικών μοντέλων. Στη συνέχεια, πραγματοποιείται μία ανασκόπηση των μοντέλων που μπορούν να χρησιμοποιηθούν για την περιγραφή της πορείας επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση και ειδικότερα μοντέλων για την λοίμωξη COVID-19 και τη γρίπη Η1Ν1. Αναλύεται το SEIR (Susceptible-Exposed-Infectious-Recovered) μοντέλο στο οποίο λαμβάνεται υπόψη η παρουσία συμπτωματικών και ασυμπτωματικών ασθενών και μέτρα όπως η απομόνωση των κρουσμάτων, ο εμβολιασμός επίνοσων ατόμων και άλλα. Παραγματοποιείται εφαρμογή σε δεδομένα του κορωνοϊού SARS-CoV-2 και της γρίπης Η1Ν1 του 2009 στην Ελλάδα χρησιμοποιώντας επεκτάσεις του SEIR μοντέλου. Πιο συγκεκριμένα, για τον SARS-CoV-2, εκτιμάται ο ενεργός αριθμός αναπαραγωγής από τις αρχές Αυγούστου έως και τις 21 Νοεμβρίου 2020 και διερευνάται η επίδραση της κοινωνικής αποστασιοποίησης και της απομόνωσης συμπτωματικών ατόμων κάτω από διάφορα σενάρια. Για τη γρίπη, εκτιμάται ο ενεργός αριθμός αναπαραγωγής από τα τέλη Αυγούστου 2009 έως τα μέσα Φεβρουαρίου 2010 και εξετάζεται η επίδραση της θεραπείας μεμονωμένα αλλά και σε συνδυασμό με τον εμβολιασμό. Τέλος, γίνεται αποτίμηση της αποτελεσματικότητας των παραπάνω παρεμβάσεων. Σύμφωνα με τα αποτελέσματα της παρούσας ανάλυσης, ο δείκτης Rt για τον SARS-CoV-2 από τα τέλη Αυγούστου μέχρι περίπου τα μέσα Οκτωβρίου 2020 κυμαινόταν γύρω από το 1. Πριν την εφαρμογή του καθολικού απαγορευτικού όμως το Νοέμβριο, αυξήθηκε σε τιμές γύρω στο 1.5 με 1.75, ενώ κατά την περίοδο εφαρμογής του, δηλαδή από 7 Νοεμβρίου και μετά, μειώθηκε και μάλιστα προς τα τέλη του μήνα έφτασε σε τιμές κάτω από 1. Από τις προσομοιώσεις που πραγματοποιήσαμε προέκυψε ότι, η μείωση των κοινωνικών επαφών κατά 80%, καθώς και η απομόνωση την ημέρα εμφάνισης των συμπτωμάτων, αν και μη ρεαλιστική, οδηγεί σε έλεγχο της επιδημίας. Εάν τα μέτρα είναι πιο ήπια, οι μολύνσεις περιορίζονται βέβαια, αλλά δεν τίθεται υπό έλεγχο η επιδημία. Συνάγεται, λοιπόν, το συμπέρασμα ότι απουσία φαρμακευτικών παρεμβάσεων απαιτούνται πολύ αυστηρά μέτρα κοινωνικής αποστασιοποίησης ή απομόνωσης για να επιτευχθεί ο έλεγχος της επιδημίας COVID-19. Όσον αφορά τη γρίπη Η1Ν1 του 2009, το R0 στην Ελλάδα εκτιμήθηκε ίσο με 1.5. Ο δείκτης Rt ήταν κοντά στο 1.2 λίγο μετά την έναρξη των εγχώριων μεταδόσεων, ενώ στη συνέχεια μειώθηκε και κάτω από 1. Με λήψη θεραπείας από το 10% των συμπτωματικών, ως το τέλος της επιδημίας θα μολυνόταν το 52% του συνολικού πληθυσμού, ενώ με θεραπεία σε συνδυασμό με εμβολιασμό 2 μήνες μετά την έναρξη της επιδημίας, με ρυθμό καθημερινού εμβολιασμού 0.2%, θα μολυνόταν το 30% - 40% ανάλογα με την αποτελεσματικότητα του αντιγριπικού εμβολίου (έναντι του εκτιμώμενου 58% απουσία μέτρων). Συμπερασματικά, τα μαθηματικά μοντέλα αξιοποιούν τα διαθέσιμα επιδημιολογικά δεδομένα και τα χαρακτηριστικά του υπό μελέτη πληθυσμού. Επιτρέπουν να εκτιμηθεί η πίεση στο σύστημα υγείας μιας χώρας καθώς και να αξιολογηθεί και να συγκριθεί η αποτελεσματικότητα εναλλακτικών στρατηγικών – φαρμακευτικών και μη – για τον περιορισμό της επιδημίας.","abstract_has_math":false,"creators":["Έγγελη Βασιλική","Engeli Vasiliki"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2021,"date_issued":"2021","date_published":"2021","updated_at":"2026-11-19T05:42:27Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2939988"],"render_values":[{"text":"uoadl:2939988","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2939988","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2939988","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2939988","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Έγγελη Βασιλική","Engeli Vasiliki"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2021"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2939988","https://pergamos.lib.uoa.gr/uoa/dl/object/2939988"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι επιδημίες πλήττουν την ανθρωπότητα από την αρχαιότητα μέχρι σήμερα, με πιο πρόσφατο παράδειγμα αυτό της πανδημίας COVID-19 από το νέο κορωνοϊό SARS-CoV-2. Η παρούσα διπλωματική εργασία πραγματεύεται τη χρήση μαθηματικών μοντέλων για τη μελέτη επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση. Τα μαθηματικά μοντέλα αξιοποιούν τα δεδομένα για τα επιδημιολογικά χαρακτηριστικά του παθογόνου που προκαλεί την επιδημία και τα χαρακτηριστικά της νόσου και επιτρέπουν να εκτιμηθεί η πορεία της επιδημίας και η αποτελεσματικότητα διάφορων στρατηγικών περιορισμού της μετάδοσης. Σκοπός της παρούσας διπλωματικής είναι η ανασκόπηση των μαθηματικών μοντέλων, η αναλυτική παρουσίαση μοντέλων που μπορούν να χρησιμοποιηθούν στη μετάδοση της γρίπης και της COVID-19, η εφαρμογή σε δεδομένα από την Ελλάδα και η αποτίμηση της αποτελεσματικότητας διαφόρων στρατηγικών. Αρχικά, γίνεται μία σύντομη ιστορική αναδρομή σε επιδημίες που επηρέασαν την ανθρωπότητα αλλά και αναφορά σε σύγχρονες επιδημίες λοιμωδών νοσημάτων που μεταδίδονται με απλή κοινωνική επαφή. Επιπλέον, παρουσιάζονται βασικές επιδημιολογικές έννοιες, όπως ο βασικός αριθμός αναπαραγωγής R0 και ο χρόνος γενιάς Tg που είναι απαραίτητες για την κατανόηση των επιδημικών μοντέλων. Στη συνέχεια, πραγματοποιείται μία ανασκόπηση των μοντέλων που μπορούν να χρησιμοποιηθούν για την περιγραφή της πορείας επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση και ειδικότερα μοντέλων για την λοίμωξη COVID-19 και τη γρίπη Η1Ν1. Αναλύεται το SEIR (Susceptible-Exposed-Infectious-Recovered) μοντέλο στο οποίο λαμβάνεται υπόψη η παρουσία συμπτωματικών και ασυμπτωματικών ασθενών και μέτρα όπως η απομόνωση των κρουσμάτων, ο εμβολιασμός επίνοσων ατόμων και άλλα. Παραγματοποιείται εφαρμογή σε δεδομένα του κορωνοϊού SARS-CoV-2 και της γρίπης Η1Ν1 του 2009 στην Ελλάδα χρησιμοποιώντας επεκτάσεις του SEIR μοντέλου. Πιο συγκεκριμένα, για τον SARS-CoV-2, εκτιμάται ο ενεργός αριθμός αναπαραγωγής από τις αρχές Αυγούστου έως και τις 21 Νοεμβρίου 2020 και διερευνάται η επίδραση της κοινωνικής αποστασιοποίησης και της απομόνωσης συμπτωματικών ατόμων κάτω από διάφορα σενάρια. Για τη γρίπη, εκτιμάται ο ενεργός αριθμός αναπαραγωγής από τα τέλη Αυγούστου 2009 έως τα μέσα Φεβρουαρίου 2010 και εξετάζεται η επίδραση της θεραπείας μεμονωμένα αλλά και σε συνδυασμό με τον εμβολιασμό. Τέλος, γίνεται αποτίμηση της αποτελεσματικότητας των παραπάνω παρεμβάσεων. Σύμφωνα με τα αποτελέσματα της παρούσας ανάλυσης, ο δείκτης Rt για τον SARS-CoV-2 από τα τέλη Αυγούστου μέχρι περίπου τα μέσα Οκτωβρίου 2020 κυμαινόταν γύρω από το 1. Πριν την εφαρμογή του καθολικού απαγορευτικού όμως το Νοέμβριο, αυξήθηκε σε τιμές γύρω στο 1.5 με 1.75, ενώ κατά την περίοδο εφαρμογής του, δηλαδή από 7 Νοεμβρίου και μετά, μειώθηκε και μάλιστα προς τα τέλη του μήνα έφτασε σε τιμές κάτω από 1. Από τις προσομοιώσεις που πραγματοποιήσαμε προέκυψε ότι, η μείωση των κοινωνικών επαφών κατά 80%, καθώς και η απομόνωση την ημέρα εμφάνισης των συμπτωμάτων, αν και μη ρεαλιστική, οδηγεί σε έλεγχο της επιδημίας. Εάν τα μέτρα είναι πιο ήπια, οι μολύνσεις περιορίζονται βέβαια, αλλά δεν τίθεται υπό έλεγχο η επιδημία. Συνάγεται, λοιπόν, το συμπέρασμα ότι απουσία φαρμακευτικών παρεμβάσεων απαιτούνται πολύ αυστηρά μέτρα κοινωνικής αποστασιοποίησης ή απομόνωσης για να επιτευχθεί ο έλεγχος της επιδημίας COVID-19. Όσον αφορά τη γρίπη Η1Ν1 του 2009, το R0 στην Ελλάδα εκτιμήθηκε ίσο με 1.5. Ο δείκτης Rt ήταν κοντά στο 1.2 λίγο μετά την έναρξη των εγχώριων μεταδόσεων, ενώ στη συνέχεια μειώθηκε και κάτω από 1. Με λήψη θεραπείας από το 10% των συμπτωματικών, ως το τέλος της επιδημίας θα μολυνόταν το 52% του συνολικού πληθυσμού, ενώ με θεραπεία σε συνδυασμό με εμβολιασμό 2 μήνες μετά την έναρξη της επιδημίας, με ρυθμό καθημερινού εμβολιασμού 0.2%, θα μολυνόταν το 30% - 40% ανάλογα με την αποτελεσματικότητα του αντιγριπικού εμβολίου (έναντι του εκτιμώμενου 58% απουσία μέτρων). Συμπερασματικά, τα μαθηματικά μοντέλα αξιοποιούν τα διαθέσιμα επιδημιολογικά δεδομένα και τα χαρακτηριστικά του υπό μελέτη πληθυσμού. Επιτρέπουν να εκτιμηθεί η πίεση στο σύστημα υγείας μιας χώρας καθώς και να αξιολογηθεί και να συγκριθεί η αποτελεσματικότητα εναλλακτικών στρατηγικών – φαρμακευτικών και μη – για τον περιορισμό της επιδημίας.","Epidemics have plagued mankind since ancient times, with the most recent example being that of the COVID-19 pandemic caused by the new SARS-CoV-2 coronavirus. This thesis concentrates on the use of mathematical models for the study of infectious diseases spread through direct contact. Mathematical models utilize data on the epidemiological characteristics of the pathogen and the disease and allow to assess the course of the epidemic and the effectiveness of various strategies to reduce transmission. Aim of the thesis is the review of mathematical models, the detailed presentation of models for influenza and COVID-19, the application to data from Greece and the evaluation of the effectiveness of various strategies Initially, we provide a brief historical review of the epidemics that have affected humanity as well as a reference to modern epidemics of infectious diseases transmitted through direct contact. Furthermore, we present basic epidemiological concepts, such as the basic reproduction number R0 and the generation time Tg. Then, we perform a review of the models that can be used to describe the course of epidemics of pathogens spread through direct contact, and in particular models for COVID-19 and influenza. We analyze the SEIR (Susceptible-Exposed-Infectious-Recovered) model in which we take into account the presence of symptomatic and asymptomatic patients and measures such as case isolation, vaccination of susceptible individuals and other interventions. We apply extensions of the SEIR model on data from SARS-CoV-2 pandemic and influenza H1N1/2009 in Greece. More specifically, we estimate the effective reproduction number for SARS-CoV-2, from the beginning of August to November 21, 2020 and we investigate the effect of social distancing and isolation of symptomatic patients under various scenarios. We also estimate the effective reproduction number for influenza, from the end of August 2009 to mid-February 2010 and we examine the effect of treatment, separately and in combination with vaccination. Finally, we compare the effectiveness of the above interventions. According to the results of the present analysis for SARS-CoV-2, Rt in the country was around 1 from the end of August until about mid-October 2020. However, before the enforcement of the nationwide lockdown in November, Rt increased to around 1.5 to 1.75, while during its implementation - that is from November 7 onwards - it decreased and towards the end of the month it fell below 1. According to the simulations performed, interventions such as social distancing leading to the reduction of social contacts by 80% as well as the isolation on the day of onset of symptoms, although unrealistic, leads to control of the epidemic. If the measures are milder, the infections are certainly reduced, but the epidemic cannot be brought under control. Therefore, we conclude that in the absence of pharmaceutical interventions very strict measures of social distancing or isolation are required to achieve control of the COVID-19 epidemic. We also estimated that the basic reproduction number for influenza H1N1/2009 in Greece was 1.5. The effective reproduction number was close to 1.2 shortly after the start of local transmission and then decreased below 1. If 10% of the symptomatic patients received antiviral treatment, 52% of the total population would be infected until the end of the epidemic. If treatment was combined with vaccination 2 months after the start of the epidemic, with a daily vaccination rate of 0.2%, 30% - 40% of the total population would be infected by the end of the epidemic depending on the effectiveness of the vaccine (versus the estimated 58% in the absence of measures). In conclusion, mathematical models utilize the available epidemiological data and the characteristics of the population under study and allow to assess the healthcare burden as well as to evaluate and compare the effectiveness of alternative strategies - pharmaceutical and non-pharmaceutical - to reduce the epidemic."]},{"key":"dc:title","label":"Title","values":["Μαθηματικά μοντέλα για τη μελέτη επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση"]}]}],"canonical_facts":{"dc:creator":["Έγγελη Βασιλική","Engeli Vasiliki"],"dc:date":["2021"],"dc:description":["Οι επιδημίες πλήττουν την ανθρωπότητα από την αρχαιότητα μέχρι σήμερα, με πιο πρόσφατο παράδειγμα αυτό της πανδημίας COVID-19 από το νέο κορωνοϊό SARS-CoV-2. Η παρούσα διπλωματική εργασία πραγματεύεται τη χρήση μαθηματικών μοντέλων για τη μελέτη επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση. Τα μαθηματικά μοντέλα αξιοποιούν τα δεδομένα για τα επιδημιολογικά χαρακτηριστικά του παθογόνου που προκαλεί την επιδημία και τα χαρακτηριστικά της νόσου και επιτρέπουν να εκτιμηθεί η πορεία της επιδημίας και η αποτελεσματικότητα διάφορων στρατηγικών περιορισμού της μετάδοσης. Σκοπός της παρούσας διπλωματικής είναι η ανασκόπηση των μαθηματικών μοντέλων, η αναλυτική παρουσίαση μοντέλων που μπορούν να χρησιμοποιηθούν στη μετάδοση της γρίπης και της COVID-19, η εφαρμογή σε δεδομένα από την Ελλάδα και η αποτίμηση της αποτελεσματικότητας διαφόρων στρατηγικών. Αρχικά, γίνεται μία σύντομη ιστορική αναδρομή σε επιδημίες που επηρέασαν την ανθρωπότητα αλλά και αναφορά σε σύγχρονες επιδημίες λοιμωδών νοσημάτων που μεταδίδονται με απλή κοινωνική επαφή. Επιπλέον, παρουσιάζονται βασικές επιδημιολογικές έννοιες, όπως ο βασικός αριθμός αναπαραγωγής R0 και ο χρόνος γενιάς Tg που είναι απαραίτητες για την κατανόηση των επιδημικών μοντέλων. Στη συνέχεια, πραγματοποιείται μία ανασκόπηση των μοντέλων που μπορούν να χρησιμοποιηθούν για την περιγραφή της πορείας επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση και ειδικότερα μοντέλων για την λοίμωξη COVID-19 και τη γρίπη Η1Ν1. Αναλύεται το SEIR (Susceptible-Exposed-Infectious-Recovered) μοντέλο στο οποίο λαμβάνεται υπόψη η παρουσία συμπτωματικών και ασυμπτωματικών ασθενών και μέτρα όπως η απομόνωση των κρουσμάτων, ο εμβολιασμός επίνοσων ατόμων και άλλα. Παραγματοποιείται εφαρμογή σε δεδομένα του κορωνοϊού SARS-CoV-2 και της γρίπης Η1Ν1 του 2009 στην Ελλάδα χρησιμοποιώντας επεκτάσεις του SEIR μοντέλου. Πιο συγκεκριμένα, για τον SARS-CoV-2, εκτιμάται ο ενεργός αριθμός αναπαραγωγής από τις αρχές Αυγούστου έως και τις 21 Νοεμβρίου 2020 και διερευνάται η επίδραση της κοινωνικής αποστασιοποίησης και της απομόνωσης συμπτωματικών ατόμων κάτω από διάφορα σενάρια. Για τη γρίπη, εκτιμάται ο ενεργός αριθμός αναπαραγωγής από τα τέλη Αυγούστου 2009 έως τα μέσα Φεβρουαρίου 2010 και εξετάζεται η επίδραση της θεραπείας μεμονωμένα αλλά και σε συνδυασμό με τον εμβολιασμό. Τέλος, γίνεται αποτίμηση της αποτελεσματικότητας των παραπάνω παρεμβάσεων. Σύμφωνα με τα αποτελέσματα της παρούσας ανάλυσης, ο δείκτης Rt για τον SARS-CoV-2 από τα τέλη Αυγούστου μέχρι περίπου τα μέσα Οκτωβρίου 2020 κυμαινόταν γύρω από το 1. Πριν την εφαρμογή του καθολικού απαγορευτικού όμως το Νοέμβριο, αυξήθηκε σε τιμές γύρω στο 1.5 με 1.75, ενώ κατά την περίοδο εφαρμογής του, δηλαδή από 7 Νοεμβρίου και μετά, μειώθηκε και μάλιστα προς τα τέλη του μήνα έφτασε σε τιμές κάτω από 1. Από τις προσομοιώσεις που πραγματοποιήσαμε προέκυψε ότι, η μείωση των κοινωνικών επαφών κατά 80%, καθώς και η απομόνωση την ημέρα εμφάνισης των συμπτωμάτων, αν και μη ρεαλιστική, οδηγεί σε έλεγχο της επιδημίας. Εάν τα μέτρα είναι πιο ήπια, οι μολύνσεις περιορίζονται βέβαια, αλλά δεν τίθεται υπό έλεγχο η επιδημία. Συνάγεται, λοιπόν, το συμπέρασμα ότι απουσία φαρμακευτικών παρεμβάσεων απαιτούνται πολύ αυστηρά μέτρα κοινωνικής αποστασιοποίησης ή απομόνωσης για να επιτευχθεί ο έλεγχος της επιδημίας COVID-19. Όσον αφορά τη γρίπη Η1Ν1 του 2009, το R0 στην Ελλάδα εκτιμήθηκε ίσο με 1.5. Ο δείκτης Rt ήταν κοντά στο 1.2 λίγο μετά την έναρξη των εγχώριων μεταδόσεων, ενώ στη συνέχεια μειώθηκε και κάτω από 1. Με λήψη θεραπείας από το 10% των συμπτωματικών, ως το τέλος της επιδημίας θα μολυνόταν το 52% του συνολικού πληθυσμού, ενώ με θεραπεία σε συνδυασμό με εμβολιασμό 2 μήνες μετά την έναρξη της επιδημίας, με ρυθμό καθημερινού εμβολιασμού 0.2%, θα μολυνόταν το 30% - 40% ανάλογα με την αποτελεσματικότητα του αντιγριπικού εμβολίου (έναντι του εκτιμώμενου 58% απουσία μέτρων). Συμπερασματικά, τα μαθηματικά μοντέλα αξιοποιούν τα διαθέσιμα επιδημιολογικά δεδομένα και τα χαρακτηριστικά του υπό μελέτη πληθυσμού. Επιτρέπουν να εκτιμηθεί η πίεση στο σύστημα υγείας μιας χώρας καθώς και να αξιολογηθεί και να συγκριθεί η αποτελεσματικότητα εναλλακτικών στρατηγικών – φαρμακευτικών και μη – για τον περιορισμό της επιδημίας.","Epidemics have plagued mankind since ancient times, with the most recent example being that of the COVID-19 pandemic caused by the new SARS-CoV-2 coronavirus. This thesis concentrates on the use of mathematical models for the study of infectious diseases spread through direct contact. Mathematical models utilize data on the epidemiological characteristics of the pathogen and the disease and allow to assess the course of the epidemic and the effectiveness of various strategies to reduce transmission. Aim of the thesis is the review of mathematical models, the detailed presentation of models for influenza and COVID-19, the application to data from Greece and the evaluation of the effectiveness of various strategies Initially, we provide a brief historical review of the epidemics that have affected humanity as well as a reference to modern epidemics of infectious diseases transmitted through direct contact. Furthermore, we present basic epidemiological concepts, such as the basic reproduction number R0 and the generation time Tg. Then, we perform a review of the models that can be used to describe the course of epidemics of pathogens spread through direct contact, and in particular models for COVID-19 and influenza. We analyze the SEIR (Susceptible-Exposed-Infectious-Recovered) model in which we take into account the presence of symptomatic and asymptomatic patients and measures such as case isolation, vaccination of susceptible individuals and other interventions. We apply extensions of the SEIR model on data from SARS-CoV-2 pandemic and influenza H1N1/2009 in Greece. More specifically, we estimate the effective reproduction number for SARS-CoV-2, from the beginning of August to November 21, 2020 and we investigate the effect of social distancing and isolation of symptomatic patients under various scenarios. We also estimate the effective reproduction number for influenza, from the end of August 2009 to mid-February 2010 and we examine the effect of treatment, separately and in combination with vaccination. Finally, we compare the effectiveness of the above interventions. According to the results of the present analysis for SARS-CoV-2, Rt in the country was around 1 from the end of August until about mid-October 2020. However, before the enforcement of the nationwide lockdown in November, Rt increased to around 1.5 to 1.75, while during its implementation - that is from November 7 onwards - it decreased and towards the end of the month it fell below 1. According to the simulations performed, interventions such as social distancing leading to the reduction of social contacts by 80% as well as the isolation on the day of onset of symptoms, although unrealistic, leads to control of the epidemic. If the measures are milder, the infections are certainly reduced, but the epidemic cannot be brought under control. Therefore, we conclude that in the absence of pharmaceutical interventions very strict measures of social distancing or isolation are required to achieve control of the COVID-19 epidemic. We also estimated that the basic reproduction number for influenza H1N1/2009 in Greece was 1.5. The effective reproduction number was close to 1.2 shortly after the start of local transmission and then decreased below 1. If 10% of the symptomatic patients received antiviral treatment, 52% of the total population would be infected until the end of the epidemic. If treatment was combined with vaccination 2 months after the start of the epidemic, with a daily vaccination rate of 0.2%, 30% - 40% of the total population would be infected by the end of the epidemic depending on the effectiveness of the vaccine (versus the estimated 58% in the absence of measures). In conclusion, mathematical models utilize the available epidemiological data and the characteristics of the population under study and allow to assess the healthcare burden as well as to evaluate and compare the effectiveness of alternative strategies - pharmaceutical and non-pharmaceutical - to reduce the epidemic."],"dc:identifier":["uoadl:2939988","https://pergamos.lib.uoa.gr/uoa/dl/object/2939988"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Μαθηματικά μοντέλα για τη μελέτη επιδημιών από παθογόνα που διασπείρονται με άμεση μετάδοση"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:42:27Z"}