Seleccionamos el brote de COVID-19 en el estado de Oregón, EE. UU., como un sistema para desarrollar un modelo de pronóstico epidemiológico general geográficamente matizado que equilibre simplicidad, realismo y accesibilidad. Utilizando el simulador de historia de vida HexSim, insertamos un modelo matemático de enfermedad SIRD en un marco espacialmente explícito, creando una matriz distribuida de modelos de compartimentos interconectados. Nuestro modelo espacial introdujo pocos parámetros adicionales, pero al proyectar las ecuaciones SIRD en un contexto geográfico, se alteraron significativamente las dinámicas emergentes del sistema. En comparación con el modelo no espacial, nuestro simple modelo espacial replicó mejor el registro de tasas de infección observadas en Oregón. También observamos que las estimaciones de la eficacia de la vacunación derivadas del modelo no espacial tendían a ser más altas que las obtenidas de modelos que incorporan variación geográfica. Nuestras simulaciones SIRD espacialmente explícitas de COVID-19 en Oregón sugieren que adiciones modestas de complejidad espacial pueden aportar un considerable realismo a un modelo de enfermedad tradicional.