早在 2001 年，约翰- 霍普金斯大学彭博 公共卫生学院 的一份报告就强调了全球对传染病爆发的准备不足。该报告特别指出了大流行病将给世界医疗系统带来的压力，以及它们将如何努力提供足够的医疗服务。二十年后的今天，COVID-19 疫情已经证明了这一点，因为医疗保健和医疗设施在有限的资源范围内难以应对大量患者的涌入。
疫情爆发初期，各国争先恐后地购置呼吸机、口罩、手套或个人防护设备（PPE）等更多资源，以确保医务人员能够应对疫情。虽然这种被动应对大流行病的方法的效果仍在研究之中，但这次疫情已经证明，先发制人的方法可以挽救更多生命。
德国和瑞士加强了检测包的生产、个人防护设备的供应和一般护理能力，就是一个很好的例子。世界卫生组织（WHO）的统计数据显示，这些国家在大流行期间的救治工作做得更好。这些国家取得的相对成功归功于充分的能力规划以及决策和模拟建模的决策制定。
为了应对 COVID-19 的爆发以及分析大流行期间关键医疗资源需求的需要，Simio 团队创建了一个资源规划分析模型。
医疗服务提供者和/或设施抗击传染病的能力直接受到可用关键资源数量的影响。Simio 的 "传染病和资源规划模型 "采用离散事件模拟 (DES) 来预测对关键资源的需求，这些资源包括
目的
传染病和资源规划模型 "旨在帮助医疗服务提供者、政府机构和非政府组织更好地规划大流行病。该模型根据社区人口和特定人口的感染率来分析对上述关键资源的需求。
方法：
为确保准确性，该模型使用了实时数据，如 COVID -19 的传染因子 (R0) 和世卫组织建议的社会隔离做法。该模型还使用了一些近似值，如医疗机构的服务人口近似值、感染病例数和医疗机构的可用资源。因此，在模型中可以使用以下参数：
该模型还包括以下医疗服务提供者和/或设施的资源能力可用性指标：
*值得注意的是，系统假设和实时数据可以更改，以适应特定医疗服务提供者、人群和不同传染病菌株的资源和情况。
模型假设：
该模型还根据实时情况做出了一些重要假设。这些假设包括以下内容：
该模型经过简化，以确保利益相关者以及在大流行期间提供或计划提供医疗服务的任何人都能轻松使用。中心区域代表设施，对象是医院收治的病例。
为运行和操作模型，提供了实时更改按钮。其中包括
有了这些按钮和控件，就可以在大流行发生时使用模型执行动态实验。
以虚构的斯普林菲尔德镇为案例，该镇有 3 万人口。人口的年龄构成如下
斯普林菲尔德医院拥有 100 张床位、20 台呼吸机和上千台个人防护设备，一直为社区提供优质的医疗保健服务。随着 COVID-19 的预期爆发，利益相关者需要为感染病人的涌入量增加而制定计划。
该模型整合了人口及其年龄人口统计、可用资源和疾病传播。利用该模型，利益相关者可以进行试验，了解增加额外床位和呼吸机如何有助于确保为社区提供足够的护理。
随着感染病例的增加，该模型还能提供实时估算，突出显示床位、呼吸机和个人防护设备可用性方面的不足。作为利益相关者，您可以点击 "增加床位 "和 "增加呼吸机 "按钮，估算增加 10、100 或 200 张床位将如何帮助应对大流行。这些额外的床位也将导致对更多个人防护设备的需求，模型将跟踪医疗服务提供者因护理能力增加而需要的额外个人防护设备的数量。
医疗机构的利益相关者可以实时估算控制大流行一周、一个月、两个月或更长时间对医疗机构资源的影响。模型得出的结果将帮助医疗机构和社区采用先发制人的方法，通过提前寻找关键资源来应对传染病。
您可以在这里观看 Simio "传染病和资源规划模型"的操作视频。视频由一个基本实验组成，展示了在大流行期间，改变系统控制如何影响医疗机构所需的关键设备的缺失数。