Ba mô hình được giới thiệu bao gồm mô hình tăng trưởng theo cấp số nhân, mô hình quá trình phân nhánh tự kích thích và mô hình phân chia khả năng kháng lây nhiễm (SIR).
Theo nhóm nghiên cứu do ông Andrea Bertozzi - Giáo sư Toán học và kỹ thuật cơ khí và hàng không vũ trụ thuộc trường Đại học California ở thành phố Los Angeles - làm chủ nhiệm, việc mô hình hóa để đánh giá và dự báo tình hình lây lan của dịch COVID-19 là công cụ đắc lực giúp chính phủ đưa ra chính sách y tế cộng đồng hiệu quả.
Tuy nhiên, vẫn còn nhiều thách thức để có thể thực hiện điều đó. Các mô hình truyền bệnh có số lượng tham số tối thiểu có thể giúp tách biệt các yếu tố chính của đại dịch có thể liên quan đến hoạch định chính sách.
Tại Mỹ và nhiều nước châu Âu, số ca mắc COVID-19 và tử vong do căn bệnh này cho thấy sự tăng trưởng theo cấp số nhân, gần như tăng gấp đôi so với giai đoạn đầu bùng phát dịch bệnh.
Dữ liệu tại một điểm trong mô hình quá trình tự kích thích cho thấy hồi đầu tháng 4 vừa qua, tỷ lệ tái nhiễm COVID-19 ở Trung Quốc giảm xuống dưới mức 1, nhưng tại Mỹ và Italy thì vẫn cao hơn 1, với sự thay đổi rõ rệt theo từng bang ở Mỹ.
Mô hình SIR, vốn trùng khớp với dữ liệu tại một số bang của Mỹ, cho rằng tỷ lệ người dân nhiễm bệnh chỉ phụ thuộc vào tỷ lệ tái nhiễm cơ bản R0, mà không tính đến tỷ lệ số người lây nhiễm ban đầu.
Nhóm nghiên cứu cho biết các biện pháp giãn cách xã hội ngắn hạn có thể không làm giảm rõ rệt số ca lây nhiễm nếu bị tạm ngừng trước khi có vaccine hoặc phác đồ điều trị hiệu quả.
