Kỹ thuật lập mô hình được sử dụng rộng rãi liên quan đến việc chia dân số thành các ngăn, chẳng hạn như dễ nhiễm (S), bị nhiễm (I) và đã hồi phục (R), được gọi là mô hình SIR. Cách tiếp cận này mô hình hóa tốc độ thay đổi mô tả sự di chuyển của các cá nhân từ ngăn này sang ngăn khác.

Các nhà nghiên cứu của KAUST, do Paula Moraga dẫn đầu, đã tích hợp mô hình ngăn SIR theo thời gian và phương pháp mô hình hóa quá trình điểm trong không gian -thời gian, đồng thời tính đến các kiểu tiếp xúc cụ thể theo độ tuổi. Để làm điều này, họ đã sử dụng khuôn khổ hai bước cho phép họ lập mô hình dữ liệu về các vị trí lây nhiễm theo thời gian cho các nhóm tuổi khác nhau.

Trong một nghiên cứu mô phỏng để đánh giá hiệu suất của mô hình và trong một nghiên cứu điển hình về các trường hợp mắc COVID-19 ở Cali, Colombia, mô hình này hoạt động tốt hơn khi đưa ra dự đoán và cung cấp kết quả tương tự cho các thời điểm trước đây, so với các mô hình thường được sử dụng trong mô hình dự đoán.

Nó cũng có thể được sử dụng với bất kỳ bệnh truyền nhiễm nào phù hợp với các giả định của mô hình ngăn, chẳng hạn như bệnh cúm. Hơn nữa, mô hình có thể tính đến các nhóm tuổi khác nhau và các kiểu tiếp xúc liên quan, nghĩa là nó cho phép đưa ra kết luận chi tiết hơn về địa điểm, thời gian và đối tượng mà những người ra quyết định nhóm dân số nên tập trung nguồn lực của họ nếu họ muốn kiểm soát sự lây lan của dịch bệnh.

Hiệu suất của mô hình cho thấy tầm quan trọng của dữ liệu chất lượng và chi tiết theo địa điểm, thời gian và nhóm dân số để hiểu được động lực của bệnh truyền nhiễm đồng thời nhấn mạnh sự cần thiết phải tăng cường hệ thống giám sát quốc gia để cải thiện quá trình ra quyết định về sức khỏe cộng đồng.