Modelar el número de individuos en diferentes estados es una herramienta principal en caso de una epidemia. La transición natural de individuos entre estados posibles a menudo incluye interferencia deliberada como aislamiento o vacunación. Por lo tanto, el modelo matemático puede necesitar ser recalibrado debido a varios factores. El modelo considerado en este documento es el modelo epidémico SIRD. Un parámetro adicional es el momento de cambio de la descripción del fenómeno cuando los parámetros del modelo cambian y el cambio no está predefinido. Detectar y estimar el momento de cambio en tiempo real es el tema de investigación estadística. Se aplicó un enfoque secuencial (en línea) utilizando el algoritmo de detección de puntos de cambio bayesianos y tiempo lineal exacto recortado. Mostramos cómo se comportan los métodos de análisis en diferentes instancias. Estos métodos se verifican en datos simulados y se aplican a datos de pandemia de un país europeo seleccionado. La simulación se realiza con un grafo de red social para obtener una capacidad de representación práctica. Los datos epidemiológicos utilizados provienen del territorio de Polonia y se refieren a la epidemia de COVID-19 en Polonia. Los resultados muestran una detección satisfactoria de los momentos en los que el modelo aplicado necesita ser verificado y recalibrado. Estos muestran la efectividad de la combinación propuesta de métodos.