The current global health emergency triggered by the pandemic COVID-19 is one of the greatest challenges we face in this generation. Computational simulations have played an important role to predict the development of the current pandemic. Such simulations enable early indications on the future projections of the pandemic and is useful to estimate the efficiency of control action in the battle against the SARS-CoV-2 virus. The SEIR model is a well-known method used in computational simulations of infectious viral diseases and it has been widely used to model other epidemics such as Ebola, SARS, MERS, and influenza A. This paper presents a modified SEIRS model with additional exit conditions in the form of death rates and resusceptibility, where we can tune the exit conditions in the model to extend prediction on the current projections of the pandemic into three possible outcomes; death, recovery, and recovery with a possibility of resusceptibility. The model also considers specific information such as ageing factor of the population, time delay on the development of the pandemic due to control action measures, as well as resusceptibility with temporal immune response. Owing to huge variations in clinical symptoms exhibited by COVID-19, the proposed model aims to reflect better on the current scenario and case data reported, such that the spread of the disease and the efficiency of the control action taken can be better understood. The model is verified using two case studies based on the real-world data in South Korea and Northern Ireland.

由大流行COVID-19引发的当前全球卫生紧急情况是我们这一代面临的最大挑战之一。计算模拟在预测当前大流行病的发展中发挥了重要作用。这种模拟可以为大流行的未来预测提供早期指示，并有助于估计在与SARS-CoV-2病毒作斗争中采取控制行动的效率。SEIR模型是在传染性病毒疾病的计算模拟中使用的一种众所周知的方法，已被广泛用于模拟其他流行病，例如埃博拉病毒，SARS，MERS和A型流感。本文提出了一种带有其他退出条件的改进的SEIRS模型以死亡率和易感性的形式 在这里我们可以调整模型中的退出条件，以将对大流行的当前预测的预测扩展为三个可能的结果；死亡，恢复和恢复，并可能具有易感性。该模型还考虑了特定信息，例如人口老龄化因素，由于采取控制措施而导致大流行发展的时间延迟以及对暂时性免疫反应的易感性。由于COVID-19表现出的临床症状的巨大差异，因此提出的模型旨在更好地反映当前的情况和所报告的病例数据，从而可以更好地了解疾病的传播和采取的控制措施的效率。基于韩国和北爱尔兰的真实数据，使用两个案例研究对模型进行了验证。复苏，并有恢复的可能性。该模型还考虑了特定信息，例如人口老龄化因素，由于采取控制措施而导致大流行发展的时间延迟以及对暂时性免疫反应的易感性。由于COVID-19表现出的临床症状的巨大差异，因此提出的模型旨在更好地反映当前的情况和所报告的病例数据，从而可以更好地了解疾病的传播和采取的控制措施的效率。基于韩国和北爱尔兰的真实数据，使用两个案例研究对模型进行了验证。复苏，并有恢复的可能性。该模型还考虑了特定信息，例如人口老龄化因素，由于采取控制措施而导致大流行发展的时间延迟以及对暂时性免疫反应的易感性。由于COVID-19表现出的临床症状的巨大差异，因此提出的模型旨在更好地反映当前的情况和所报告的病例数据，从而可以更好地了解疾病的传播和采取的控制措施的效率。基于韩国和北爱尔兰的真实数据，使用两个案例研究对模型进行了验证。控制措施导致大流行病发展的时间延迟，以及暂时免疫反应的易感性。由于COVID-19表现出的临床症状差异很大，因此提出的模型旨在更好地反映当前的情况和所报告的病例数据，从而可以更好地了解疾病的传播和采取的控制措施的效率。基于韩国和北爱尔兰的真实数据，使用两个案例研究对模型进行了验证。控制措施导致大流行病发展的时间延迟，以及暂时免疫反应的易感性。由于COVID-19表现出的临床症状的巨大差异，因此提出的模型旨在更好地反映当前的情况和所报告的病例数据，从而可以更好地了解疾病的传播和采取的控制措施的效率。基于韩国和北爱尔兰的真实数据，使用两个案例研究对模型进行了验证。这样可以更好地了解疾病的传播和采取控制措施的效率。基于韩国和北爱尔兰的真实数据，使用两个案例研究对模型进行了验证。这样可以更好地了解疾病的传播和采取控制措施的效率。基于韩国和北爱尔兰的真实数据，使用两个案例研究验证了该模型。