System wspomagania pracy służb sanitarnych

• Autorzy: Pytlak R. , Zawadzki T. , Suski D. , Stecz W.

Warianty tytułu

EN

Support System of sanitary teams work

• Języki publikacji: PL

Abstrakty

PL

W artykule opisany został system zarządzania służbami sanitarnymi stacji sanitarno-epidemiologicznych. System wspomaga pracę analityków i ma zastosowanie w przypadku wystąpienia ryzyka wybuchu epidemii. Pomyślano go tak, aby dostarczyć narzędzi pozwalających ocenić rozmiar epidemii na bazie aktualnie posiadanych danych. Ponieważ służby sanitarne starają się kontrolować rozprzestrzenianie się epidemii, zaprezentowane narzędzie uwzględnia model działania takich służb. Wynikiem modelu jest opracowanie zbioru równań różniczkowych opisujących aktywność służb sanitarnych. Artykuł opisuje szczegółowo wybrane elementy systemu. W szczególności zwrócono uwagę na komponent do budowy modelu formalnego (opisującego nie tylko model epidemii, ale także działania samych służb). Zaprezentowano sposób kalibracji modelu. Zaprezentowane rozwiązanie jest częścią pakietu dostępnego z poziomu sieci Internet. Na zakończenie pokazano sposób konstrukcji zadania optymalizacji i jego rozwiązania.

EN

We describe the information system that has been built for the support sanitary teams. The system is aimed at supporting analytical work which must be carried out when there is a risk of epidemic outbreak. It is meant to provide tools for predicting the size of an epidemic on the basis of the actual data collected during its course. Since sanitary teams try to control the size of the epidemics such a tool must model also sanitary teams activities. As a result a model for the prediction can be quite complicated in terms of the number of equations it contains. Furthermore, since a model is based on several parameters there must be a tool for finding these parameters on the basis on the actual data corresponding to the epidemic evolution. The paper describes the proposition of such a system. It presents, in some details, the main components of the system. In particular, the environment for building complex models (containing not only the epidemic model but also activities of sanitary teams trying to inhibit the epidemic) is discussed. Then, the module for a model calibration is presented. The module is a part of server for solving optimal control problems and can be accessed via Internet. Finally, we show how optimal control problems can be constructed with the aim of the efficient epidemic management. Some optimal control problems related to that issue are discussed and numerical results of its solution are presented.

Słowa kluczowe

PL

modele epidemiczne; modele Forrestera aktywności służb sanitarnych; kalibracja modeli

EN

epidemic models; Forrester’s models of sanitary activities; model calibration

• Wydawca: Polskie Wydawnictwo Ekonomiczne SA
• Czasopismo: Gospodarka Materiałowa i Logistyka
• Rocznik: 2014
• Tom: nr 11
• Strony: 19--28
• Opis fizyczny: Bibliogr. 17 poz., rys.

Twórcy

autor

Pytlak R.

• Wydział Mechatroniki, Politechnika Warszawska

autor

Zawadzki T.

• Wydział Mechatroniki, Politechnika Warszawska

autor

Suski D.

• Wydział Mechatroniki, Politechnika Warszawska

autor

Stecz W.

• Wojskowa Akademia Techniczna, Wydział Cybernetyki

Bibliografia

• Anderson, R.M., May. (1991). (ed.). Infectious Diseases of Humans: Dynamics and Control Oxford: Oxford University Press.
• Bailey, N.T.J. (1975). The Mathematical Theory of Infectious Diseases. London: Griffin.
• Fruwirth T., Abdennadher S. (2003). Essentials of constraint programming. Springer.
• JModelica.org. User Guide. Version 1.8. (2012). Modelon AB.
• Kermack, W.O., McKendrick, A.G. (1927). Contributions to the mathematical theory of epidemics. Proceedings of the Royal Society of London. Series A, 115: 700-721.
• Kermack, W.O., McKendrick, A.G. (1932). Contributions to the mathematical theory of epidemics. Proceedings of the Royal Society of London. Series A, 138: 55-83.
• Kermack, W.O., McKendrick, A.G. (1933). Contributions to the mathematical theory of epidemics. Proceedings of the Royal Society of London. Series A, 141: 94-122.
• Murray, J.D. (1933). Mathematical biology (I).An introduction. Berlin, Heidelberg, New York: Springer-Verlag.
• Murray, J.D. (2001). Mathematical biology (II). Spatial models. Berlin, Heidelberg, New York: Springer-Verlag.
• Pytlak, R. (1999). Numerical Methods for Optimal Control Problems with State Constraints. Lecture Notes in Mathematics, 1707. Springer-Verlag.
• Pytlak, R., Tarnawski, T., Fajdek, B., Stachura, M. (2013). Interactive Dynamic Optimization Server (IDOS) — Connecting one Modeling Language with Many Solvers, Optimization Methods & Solvers, in print.
• Sterman, J.D. (2000). Business Dynamics. McGraw-Hill.
• Wachter, A. (2002). An Interior Point Algorithm for Large-Scale Nonlinear Optimization with Applications in Process Engineering. Pittsburgh, PA, USA: Carnegie Mellon University.
• Annals of Mathematics and Artificial Intelligence. 2002, 34: 259-269.
• Wallace, M. (2005). Hybrid algorithms, local search and ECLiPSe. CP Summer School.
• Wallace, M., Schimpf, J. (2002). Finding the right hybrid algorithm — A combinatorial meta-problem. Annals of Mathematics and Artificial Intelligence, (34), 259-269.
• Zawadzki, T., Pytlak, R. (2011). Extending System Dynamics Approach to Higher Index DAE's. Proceedings of the System Dynamics Society 2011 Conference July 24-26. Washington, USA.