Η ερευνητική ομάδα HERACLES για το Εκθεσίωμα και την Ανθρώπινη Υγεία του Κέντρου Διεπιστημονικής
Έρευνας και Καινοτομίας (ΚΕΔΕΚ) του ΑΠΘ, σε συνεργασία με το εργαστήριο Περιβαλλοντικής Μηχανικής
του ΑΠΘ και τις Πανεπιστημιακές Σχολές Προηγμένων Σπουδών IUSS στην Παβία και την Πίζα της Ιταλίας,
μελέτησαν τη διασπορά του κορωνοϊού στην Ελλάδα και αξιολόγησαν την αποτελεσματικότητα διαφορετικών
σεναρίων μέτρων διαχείρισης του κινδύνου στη δημόσια υγεία με μη φαρμακολογικές παρεμβάσεις.
Για το σκοπό αυτό, ο Καθ. κ. Σαρηγιάννης, μαζί με συνεργάτες από τα ανωτέρω ιδρύματα, ανέπτυξαν ένα
υπολογιστικό εργαλείο διαχείρισης του κινδύνου στη δημόσια υγεία από τον COVID-19. To υπολογιστικό
αυτό εργαλείο εμπεριέχει ένα μοντέλο διασποράς της επιδημίας, το οποίο αποτελεί εξέλιξη των πιο
προηγμένων υπαρχόντων μοντέλων SEIR [1], λαμβάνοντας επίσης υπόψη τη δυναμική της διάδοσης που
έχουν μη φαρμακολογικές παρεμβάσεις όπως η εφαρμογή τεστ ανίχνευσης του ιού στον γενικό πληθυσμό ή
σε στοχευμένες υπο-ομάδες πληθυσμού και τα μέτρα περιορισμού του πληθυσμού [2], στην εξέλιξη της
διασποράς (περιγράφεται ως διαμέρισμα X) και την τελική εκτίμηση υγειονομικού κινδύνου στον πληθυσμό.
Σχήμα 1. Γραφική απεικόνιση του μοντέλου SEIR-Xms που αναπτύχθηκε για τις ανάγκες της μελέτης
Το μοντέλο διασποράς SEIR-X που είναι και ο κινητήρας υπολογισμού της διασποράς έχει επεκταθεί σε ένα
μοντέλο πολλαπλών καταστάσεων του πληθυσμού, έτσι ώστε να περιγράφονται αναλυτικά οι διαφορετικές
πιθανές καταστάσεις του εκτεθειμένου στον COVID-19 πληθυσμού με βάση την τυπολογία και σοβαρότητα
των συμπτωμάτων της νόσου που αυτός παρουσιάζει (μοντέλο multi-state SEIR-X, ή SEIR-Xms). Το υπολογιστικό αυτό εργαλείο εφαρμόζεται με επιτυχία σε όλες τις περιφέρειες της Β. Ιταλίας και στην Ελλάδα
μέχρι τώρα. Η γραφική απεικόνιση του μοντέλου SEIR-Xms παρουσιάζεται στο Σχήμα 1.
Τα μαθηματικά μοντέλα που περιγράφουν τη δυναμική των μολυσματικών ασθενειών σε επίπεδο πληθυσμού
βασίζονται συνήθως στο κλασσικό πλαίσιο ευαίσθητων (S) – μολυσμένων (I) – θεραπευμένων (R) – SIR [3].
Στα μοντέλα τύπου SIR, τα άτομα χωρίζονται σε διαμερίσματα βάσει της μολυσματικής τους κατάστασης.
Έτσι, κάθε άτομο μπορεί να βρίσκεται μόνο σε μία κατάσταση σε μια δεδομένη στιγμή, αν και μπορούν να
περνούν μεταξύ διαφορετικών καταστάσεων. Τα μοντέλα SEIR ενσωματώνουν μία επιπλέον κατάσταση του
πληθυσμού, όπου τα μολυσμένα άτομα δεν είναι άμεσα μολυσματικά (διαμέρισμα Ε). Η χρήση αυτού του
διαμερίσματος συνιστά μια πιο βιολογικώς έγκυρη υπόθεση για τις περισσότερες ασθένειες, καθώς τα άτομα
τυπικά έχουν κάποια καθυστέρηση μεταξύ της χρονικής στιγμής τη μόλυνσης και της στιγμής που γίνονται
μολυσματικά. Επιπλέον, στο συγκεκριμένο μοντέλο έγινε επέκταση με μία επιπλέον κατάσταση (Χ), που
περιγράφει τα άτομα τα οποία έχουν μπει σε κάποιας μορφής περιορισμό και δε συμμετέχουν στη διάδοση
της νόσου. Ο τρόπος αυτός είναι πιο ακριβής στο να αποτυπώνει την πραγματική δυναμική της επίδρασης
των μέτρων περιορισμού του πληθυσμού στην μετάδοση της νόσου λόγω μείωσης των επαφών, παρά μια
εικονική μείωση του συντελεστή μεταδοτικότητας. Ο τελευταίος, είναι εγγενής ιδιότητα του εκάστοτε ιού και η
πραγματική του μεταβλητότητα υπόκειται συνήθως σε περιβαλλοντικούς παράγοντες όπως η θερμοκρασία
[4], η υγρασία [5] και η υπεριώδης ακτινοβολία [6]. Επιπλέον, στο συγκεκριμένο μοντέλο, η δυναμική της
μόλυνσης των ευαίσθητων ατόμων (S), περιγράφει την πιθανότητα τα εκτεθειμένα άτομα που δεν έχουν
ακόμη αναπτύξει συμπτώματα να μπορούν να είναι σε θέση να μεταδώσουν τον ιό («προ-συμπτωματική
μετάδοση»), επομένως, η κατηγορία των εκτεθειμένων (Ε) χωρίζεται σε δύο ξεχωριστές τάξεις, E0 (χωρίς
συμπτώματα ή μετάδοση) και E1 (χωρίς συμπτώματα αλλά μπορούν να μεταδώσουν). Τα μολυσμένα άτομα
(Ι) περιγράφονται σε τρεις διαφορετικές κατηγορίες: (α) μολυσμένα άτομα ξεκινούν με ήπια λοίμωξη (I1), από
την οποία είτε αναρρώνουν και εισέρχονται στο διαμέρισμα R, είτε προχωρούν (β) σε σοβαρή λοίμωξη (I2).
Τα άτομα με σοβαρή λοίμωξη, είτε αναρρώνουν και μεταβαίνουν στο διαμέρισμα R, είτε χειροτερεύουν και
μεταβαίνουν σε κρίσιμη κατάσταση σε ΜΕΘ (I3). Τα άτομα σε κρίσιμη κατάσταση είτε βελτιώνονται και
επανέρχονται στην κατηγορία I2 μέχρι να αναρρώσουν ή να πεθάνουν (διαμέρισμα D). Επιπλέον, όσον
αφορά τη μετάβαση από την έκθεση στη λοίμωξη, συμπεριλαμβάνεται επίσης η πιθανότητα ασυμπτωματικής
λοίμωξης. Μετά την έξοδο από την κατηγορία Ε1, ένα κλάσμα f του εκτεθειμένου πληθυσμού αναπτύσσει
ασυμπτωματική μόλυνση (διαμέρισμα I0), ενώ το υπόλοιπο κλάσμα 1 − f αναπτύσσει συμπτωματική λοίμωξη
(εισάγεται στο διαμέρισμα I1). Η ασυμπτωματική μόλυνση (Ιο) δεν εξελίσσεται ποτέ σε πιο σοβαρά στάδια
και προχωρά στην ανάκαμψη (R).
Για την παραμετροποίηση του μοντέλου χρησιμοποιήθηκαν δεδομένα από διάφορες πρόσφατες
δημοσιευμένες εργασίες στις οποίες έχουν μελετηθεί τα ιδιαίτερα χαρακτηριστικά του ιού τα οποία
καθορίζουν τη διασπορά του, όπως η μεταδοτικότητα β, ο χρόνος επώασης, ο χρόνος για τον οποίο κάποιος
παραμένει στην ευάλωτη ομάδα πληθυσμού μέχρι να νοσήσει, καθώς και ο χρόνος (γ-1) για τον οποίο
κάποιος παραμένει ασθενής μέχρι να μεταβεί στην ομάδα αυτών που επανέρχονται και αποκτούν ανοσία (ή
αποδημούν).
Ο αντίκτυπος του δημόσιου περιορισμού συλλαμβάνεται από τους αναλογικούς όρους με το ποσοστό
περιορισμού κ0 που είναι αποτελεσματικό τόσο στο Ι όσο και στο S τμήμα του πληθυσμού. Οι συντελεστές
αυτοί είναι χρονικά μεταβαλλόμενοι βηματικά, έτσι ώστε να αντικατοπτρίζουν το αντίκτυπο των μέτρων
περιορισμού που επιβλήθηκαν στις εκάστοτε ημερομηνίες εφαρμογής των μέτρων. Οι συντελεστές αποτελεσματικότητας των μέτρων περιορισμού της κυκλοφορίας και απομόνωσης όσων νοσούν
προσδιορίστηκαν με την προσαρμογή της καμπύλης εξέλιξης της διασποράς στα δεδομένα των
επιβεβαιωμένων περιστατικών, όπως αυτά καταγράφονται από τον ΕΟΔΥ [7].
Με βάση τα παραπάνω, υπολογίσθηκε η πορεία της διασποράς του κορωνοϊού στην Ελλάδα, όπως
υπολογίσθηκε από το μοντέλο SEIR-Xms. Για να γίνει η ανάλυση σε σωστά δεδομένα, ο αριθμός των
επιβεβαιωμένων κρουσμάτων πολλαπλασιάστηκε με ένα συντελεστή, ο οποίος με βάση τα αποτελέσματα
διεθνούς μελέτης που λαμβάνει υπόψη τη θνησιμότητα του ιού (περίπου 1.4%) και τη χρονική υστέρηση
μεταξύ μετάδοσης και θανάτου (περίπου 13 ημέρες) [8], για την Ελλάδα έχει προσδιοριστεί να κυμαίνεται
μεταξύ 8.5 (για τις πρώτες ημέρες που επιβεβαιώθηκαν κρούσματα) έως 4.2 (για τις τελευταίες ημέρες όπου
έχει περιορισθεί η διασπορά και έχουν πραγματοποιηθεί περισσότεροι έλεγχοι). Για αντιπαραβολή, ο
αντίστοιχος συντελεστής στην Ιταλία τις πρώτες μέρες εκδήλωσης του φαινομένου ήταν ίσος με 16. Η
χρονική εξέλιξη των κρουσμάτων (σωρευτικά) παρουσιάζεται με την μπλε γραμμή του Σχήμα 6, ενώ τα
καταγεγραμμένα περιστατικά παρουσιάζονται με τις κόκκινες τελείες. Αντίστοιχα, ο συνολικός αριθμός των
θανόντων, παρουσιάζεται με τη μαύρη γραμμή. Σύμφωνα με τις εκτιμήσεις του μοντέλου, αποδεικνύεται ότι
τα υπάρχοντα μέτρα είναι ιδιαίτερα αποτελεσματικά και έχουν περιορίσει δραματικά την εξάπλωση του ιού.
Με την συνέχιση της εφαρμογής τους (και της τήρησης αυτών από τον πληθυσμό) ως έχουν, ότι ο αριθμός
νέων κρουσμάτων αρχίζει να μειώνεται σταδιακά από τις πρώτες μέρες του Απριλίου, όπως και ο αριθμός
των κρουσμάτων σε κρίσιμη κατάσταση που χρήζουν ανάγκη νοσηλείας σε ΜΕΘ. Η συνολικά καλή πορεία
του περιορισμού της διασποράς στην Ελλάδα, αφήνει περιθώρια για σταδιακή μείωση των μέτρων
περιορισμού. Εντούτοις, η άρση πρέπει να γίνει προοδευτικά για να αποφευχθεί ο κίνδυνος αναζωπύρωσης
ξεκινώντας ένα καινούριο κύκλο μεταδοτικότητας που θα αναιρέσει τη μέχρι τώρα επιτυχημένη προσπάθεια.
Με βάση τα αποτελέσματα του μοντέλου, βρέθηκε ότι μια μικρή σε διάρκεια παράταση του συνολικού
αποκλεισμού, θα οδηγήσει σε πιο γρήγορη άρση των συνολικών περιοριστικών μέτρων. Συγκεκριμένα:
Τα μέτρα του πλήρους αποκλεισμού θα πρέπει να παραταθούν μέχρι τις 11 Μαΐου. Από αυτή την ημερομηνία
και έπειτα μπορεί να ακολουθήσει μια σταδιακή χαλάρωση των μέτρων αποκλεισμού ξεκινώντας από το
άνοιγμα μικρών μαγαζιών τηρώντας τις αποστάσεις ασφαλείας και την αποφυγή συγχρωτισμού, και
στοχεύοντας έπειτα σε επιχειρήσεις που μπορούν να λειτουργήσουν ως οικονομικοί πολλαπλασιαστές με
ισχυρή επίδραση στο ΑΕΠ μπορεί να γίνει πλήρης άρση των μέτρων αποκλεισμού από τις 15 Ιουλίου μέχρι
τις 1 Αυγούστου (με δεδομένο βέβαια ότι δε θα έχουμε εισροή κρουσμάτων από το εξωτερικό) ώστε να
αποφύγουμε την εμφάνιση ενός δεύτερου κύματος διάδοσης του COVID-19 κατά τη διάρκεια του
Αυγούστου.
Εάν η χαλάρωση των μέτρων γίνει στις 4 Μαΐου, η αντίστοιχη ημερομηνία κατά την οποία είναι δυνατή η
πλήρης άρση των μέτρων αποκλεισμού, θα πρέπει να μετατεθεί στις 7 Αυγούστου.
Βλέπουμε δηλαδή ότι η πρόωρη χαλάρωση των μέτρων, απαιτεί αντίστοιχα παράταση της διάρκειας αυτών.
Ο εκθετικός τρόπος με τον οποίο εξελίσσεται η διασπορά, καθώς και η σημασία και αποτελεσματικότητα των
μέτρων που ελήφθησαν μέχρι τώρα, φαίνεται και στα αποτελέσματα της μεταβολής των κρουσμάτων που θα
είχαμε στην παρούσα φάση, εάν τα μέτρα λαμβάνονταν με καθυστέρηση. Πιο συγκεκριμένα, βρέθηκε ότι
καθυστέρηση μιας (1), δύο (2) ή εφτά (7) ημερών, θα συντελούσε σε αύξηση του αριθμού των κρουσμάτων
κατά 21%, 46% και 264% αντίστοιχα, ενώ ακόμα πιο δραματική θα ήταν η εικόνα στο φόρτο των ΜΕΘ, η
οποία με καθυστέρηση μιας εβδομάδας θα οδηγούσε σε αύξηση των αναγκών κατά 483%, λόγω και της
μετάθεσης του χρονικού σημείου κορύφωσης της νόσου. Αντίστοιχα, εάν τα μέτρα είχαν ληφθεί μια
εβδομάδα νωρίτερα, θα υπήρχε μια μείωση του αριθμού των κρουσμάτων κατά 70%.
Σχήμα 2. Χρονική εξέλιξη του συνολικού αριθμού των καταγεγραμμένων περιστατικών όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ, και όπως έχουν προβλεφθεί από το μοντέλο, καθώς και ο πραγματικός αριθμός και η πρόβλεψη για το συνολικό αριθμό των θανάτων, εάν τα μέτρα χαλαρώσουν στις 11 Μάϊου και αρθούν στις 11 Ιουλίου
Σχήμα 3. Χρονική εξέλιξη του αριθμού των περιστατικών σε σοβαρή και κρίσιμη κατάσταση (ΜΕΘ) όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ και όπως έχουν προβλεφθεί από το μοντέλο, καθώς εάν τα μέτρα χαλαρώσουν στις 11 Μάϊου και αρθούν στις 11 Ιουλίου
Σχήμα 4. Χρονική εξέλιξη του συνολικού αριθμού των καταγεγραμμένων περιστατικών όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ, και όπως έχουν προβλεφθεί από το μοντέλο, καθώς και ο πραγματικός αριθμός και η πρόβλεψη για το συνολικό αριθμό των θανάτων, εάν τα μέτρα χαλαρώσουν στις 11 Μάϊου και αρθούν στις 1 Αυγούστου
Σχήμα 5. Χρονική εξέλιξη του αριθμού των περιστατικών σε σοβαρή και κρίσιμη κατάσταση (ΜΕΘ) όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ και όπως έχουν προβλεφθεί από το μοντέλο, καθώς εάν τα μέτρα χαλαρώσουν στις 11 Μάϊου και αρθούν στις 1 Αυγούστου
Σχήμα 6. Χρονική εξέλιξη του συνολικού αριθμού των καταγεγραμμένων περιστατικών όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ, και όπως έχουν προβλεφθεί από το μοντέλο, καθώς και ο πραγματικός αριθμός και η πρόβλεψη για το συνολικό αριθμό των θανάτων, εάν τα μέτρα χαλαρώσουν στις 4 Μάϊου και αρθούν στις 4 Ιουλίου
Σχήμα 7. Χρονική εξέλιξη του αριθμού των περιστατικών σε σοβαρή και κρίσιμη κατάσταση (ΜΕΘ) όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ και όπως έχουν προβλεφθεί από το μοντέλο, καθώς εάν τα μέτρα χαλαρώσουν στις 4 Μάϊου και αρθούν στις 4 Ιουλίου
Σχήμα 8. Χρονική εξέλιξη του συνολικού αριθμού των καταγεγραμμένων περιστατικών όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ, και όπως έχουν προβλεφθεί από το μοντέλο, καθώς και ο πραγματικός αριθμός και η πρόβλεψη για το συνολικό αριθμό των θανάτων, εάν τα μέτρα χαλαρώσουν στις 4 Μάϊου και αρθούν στις 7 Αυγούστου
Σχήμα 9. Χρονική εξέλιξη του αριθμού των περιστατικών σε σοβαρή και κρίσιμη κατάσταση (ΜΕΘ) όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ και όπως έχουν προβλεφθεί από το μοντέλο, καθώς εάν τα μέτρα χαλαρώσουν στις 4 Μάϊου και αρθούν στις 1 Αυγούστου
Αυτό που επίσης μπορεί να γίνει κατανοητό με τη χρήση του μοντέλου, είναι ποια θα ήταν η εξέλιξη του
αριθμού των κρουσμάτων στην περίπτωση που τα μέτρα δεν είχαν εφαρμοστεί εγκαίρως, καθώς επίσης και
το πως θα είχε διαμορφωθεί η κατάσταση, εάν είχαν ληφθεί μια εβδομάδα νωρίτερα.
Σχήμα 10. Εξέλιξη του αριθμού των κρουσμάτων στην περίπτωση που τα μέτρα δεν είχαν εφαρμοστεί εγκαίρως, καθώς επίσης και το πως θα είχε διαμορφωθεί η κατάσταση, εάν είχαν ληφθεί μια εβδομάδα νωρίτερα
Σχήμα 11. % μεταβολή του αριθμού των κρουσμάτων στην περίπτωση που τα μέτρα δεν είχαν εφαρμοστεί εγκαίρως, καθώς επίσης και το πως θα είχε διαμορφωθεί η κατάσταση, εάν είχαν ληφθεί μια εβδομάδα νωρίτερα
Τέλος, ο βασικός ρυθμός αναπαραγωγής των κρουσμάτων (Ro), καθώς και ο ρυθμός μεταβολής αυτού,
παρουσιάζονται στα σχήματα που ακολουθούν.
Σχήμα 12. Μεταβολή του βασικού ρυθμού αναπαραγωγής των κρουσμάτων (Ro) με το χρόνο
Σχήμα 13. Μεταβολή του ρυθμού μεταβολής του βασικού ρυθμού αναπαραγωγής των κρουσμάτων (dRo/dt) με το χρόνο
Επιπλέον, μελετήθηκε το σενάριο, κατά το οποίο γίνεται μια ελαφριά χαλάρωση των μέτρων περιορισμού στις
4 Μαΐου, μια δεύτερη επιπλέον χαλάρωση των μέτρων στις 11 Μαΐου και μια επιπλέον χαλάρωση στις 1
Ιουνίου. Στην περίπτωση αυτή, εάν η συνολική χαλάρωση οδηγήσει σε μια τιμή του Ro κοντά στο 1(διατηρώντας σε καραντίνα τα επιβεβαιωμένα κρούσματα), αναμένεται αναζωπύρωση της μεταδοτικότητας τέλη Οκτωβρίου με αρχές Νοεμβρίου, που θα απαιτήσει την εκ νέου εφαρμογή περιοριστικών μέτρων.
Σχήμα 14. Χρονική εξέλιξη του συνολικού αριθμού των καταγεγραμμένων περιστατικών όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ, και όπως έχουν προβλεφθεί από το μοντέλο, καθώς και ο πραγματικός αριθμός και η πρόβλεψη για το συνολικό αριθμό των θανάτων, εάν τα μέτρα χαλαρώσουν προοδευτικά στις 4 Μάϊου 11 Μαΐου και 1 Ιουνίου
Σχήμα 15. Χρονική εξέλιξη του αριθμού των περιστατικών σε σοβαρή και κρίσιμη κατάσταση (ΜΕΘ) όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ και όπως έχουν προβλεφθεί από το μοντέλο, καθώς εάν τα μέτρα χαλαρώσουν προοδευτικά στις 4 Μάϊου, 11 Μαΐου και 1 Ιουνίου
Σχήμα 16. Μεταβολή του βασικού ρυθμού αναπαραγωγής των κρουσμάτων (Ro) εάν τα μέτρα χαλαρώσουν προοδευτικά στις 4 Μάϊου, 11 Μαΐου και 1 Ιουνίου
Σχήμα 17. Μεταβολή του ρυθμού μεταβολής του βασικού ρυθμού αναπαραγωγής των κρουσμάτων (dRo/dt) εάν τα μέτρα χαλαρώσουν προοδευτικά στις 4 Μάϊου, 11 Μαΐου και 1 Ιουνίου
Εάν αντίστοιχα, μετά τις 1 Ιουνίου, αρθούν όλα τα περιοριστικά μέτρα, τότε η τιμή του Ro είναι περίπου 1.6
(διατηρώντας σε καραντίνα τα επιβεβαιωμένα κρούσματα) και η αναζωπύρωση της μεταδοτικότητας θα επέλθει νωρίτερα, περίπου στις 15 Αυγούστου.
Σχήμα 18. Χρονική εξέλιξη του συνολικού αριθμού των καταγεγραμμένων περιστατικών όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ, και όπως έχουν προβλεφθεί από το μοντέλο, καθώς και ο πραγματικός αριθμός και η πρόβλεψη για το συνολικό αριθμό των θανάτων, εάν τα μέτρα χαλαρώσουν προοδευτικά στις 4 Μάϊου 11 Μαΐου και αρθούν στις 1 Ιουνίου
Σχήμα 19. Χρονική εξέλιξη του αριθμού των περιστατικών σε σοβαρή και κρίσιμη κατάσταση (ΜΕΘ) όπως αποτυπώνονται από τα δεδομένα του ΕΟΔΥ και όπως έχουν προβλεφθεί από το μοντέλο, καθώς εάν τα μέτρα χαλαρώσουν προοδευτικά στις 4 Μάϊου, 11 Μαΐου και αρθούν στις 1 Ιουνίου
Σχήμα 20. Μεταβολή του βασικού ρυθμού αναπαραγωγής των κρουσμάτων (Ro) εάν τα μέτρα χαλαρώσουν προοδευτικά στις 4 Μάϊου, 11 Μαΐου και αρθούν στις 1 Ιουνίου
Σχήμα 21. Μεταβολή του ρυθμού μεταβολής του βασικού ρυθμού αναπαραγωγής των κρουσμάτων (dRo/dt) εάν τα μέτρα χαλαρώσουν προοδευτικά στις 4 Μάϊου, 11 Μαΐου και αρθούν στις 1 Ιουνίου
Βιβλιογραφία
[1] J.C. Blackwood and L.M. Childs, An introduction to compartmental modeling for the budding infectious
disease modeler. Letters in Biomathematics, 2018. 5(1): p. 195-221.
[2] B.F. Maier and D. Brockmann, Effective containment explains sub-exponential growth in confirmed cases
of recent COVID-19 outbreak in Mainland China. medRxiv, 2020: p. 2020.02.18.20024414.
[3] R. Anderson and R. May, Infectious Diseases of Humans – Dynamics and Control. ISBN-13: 978-
0198540403 ed. O.U. Press. 1992.
[4] B. Oliveiros, L. Caramelo, N. Ferreira, and F. Caramelo, Role of temperature and humidity in the
modulation of the doubling time of COVID-19 cases. 2020.
[5] J. Wang, K. Tang, K. Feng, and W. Lv, High Temperature and High Humidity Reduce the Transmission of
COVID-19. 2020.
[6] W. Kowalski, T. Walsh, and V. Petraitis, 2020 COVID-19 Coronavirus Ultraviolet Susceptibility. Report
number: COVID-19_UV_V20200312. DOI: 10.13140/RG.2.2.22803.22566. 2020.
[7] ΕΟΔΥ, Ημερήσια έκθεση επιδημιολογικής επιτήρησης νόσου από κορωνοϊό-19 (COVID-19). 2020.
[8] T. Russell, J. Hellewell, S. Abbott, N. Golding, H. Gibbs, C. Jarvis, K. Zandvoort, S. Flasche, S. Eggo, W.
Edmunds, and A. Kucharski, Using a delay-adjusted case fatality ratio to estimate under-reporting.
Link: https://cmmid.github.io/topics/covid19/global_cfr_estimates.html. 2020.
Επιμέλεια: Φ.Ν.Πατσουράκος