La pandemia de COVID-19 ha resaltado la necesidad de una inferencia de modelado avanzada utilizando los datos limitados de casos diarios. El seguimiento de una trayectoria epidémica a largo plazo requiere un modelado explicativo con más complejidades que el de pronósticos a corto plazo, especialmente para el escenario altamente vacunado en la última fase. Con este trabajo, proponemos un nuevo marco de modelado que combina un modelo epidemiológico con inferencia bayesiana para realizar un análisis explicativo sobre la propagación de COVID-19 en Israel. La inferencia bayesiana se implementa en un modelo compartimental SEIR modificado complementado con datos de vacunación en tiempo real y tasas de transmisión e infección a trozos determinadas por puntos de cambio. Ilustramos la trayectoria de múltiples olas ajustadas en Israel con los puntos de control de cambios importantes en intervenciones anunciadas públicamente o eventos sociales críticos. El resultado de nuestro marco de modelado refleja en parte el impacto de las diferentes etapas de las estrategias de mitigación, así como la efectividad de la vacunación, y proporciona pronósticos de escenarios cercanos en el futuro.