DOI: 10.17586/2226-1494-2016-16-6-1145-1148


УДК51.76+614.2

ПРЕДСКАЗАНИЕ ПИКОВ ЭПИДЕМИЙ ГРИППА В САНКТ-ПЕТЕРБУРГЕ С ПОМОЩЬЮ ПОПУЛЯЦИОННЫХ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ

Леоненко В.Н., Новоселова Ю.К., Онг К.М.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования: Леоненко В.Н., Новоселова Ю.К., Онг К.М. Предсказание пиков эпидемий гриппа в Санкт-Петербурге с помощью популяционных математических моделей // Научно-технический вестник информационных технологий, механики и оптики. 2016. Т. 16. № 6. С. 1145–1148. doi: 10.17586/2226-1494-2016-16-6-1145-1148

Аннотация

Исследованы методы предсказания пиков эпидемий гриппа с применением популяционных математических моделей: Барояна–Рвачева и адаптированной модели Кермака–Маккендрика, предложенной авторами статьи. Выполнен сравнительный анализ точности предсказания времени и величины пиков эпидемий на многолетних данных по заболеваемости острыми респираторными заболеваниями в Санкт-Петербурге. В основе метода сравнения лежат три критерия точности с условными названиями «квадрат», «вертикальная полоса», «горизонтальная полоса» и два варианта оценивания параметров модели. В первом варианте модель калибруется на данных первого города, охваченного эпидемией, и используется в дальнейшем для других городов, что позволяет учитывать пространственные характеристики распространения эпидемии по стране. Во втором варианте используются только ретроспективные данные, доступные на момент прогнозирования для данного города. Преимуществом предложенного подхода является отсутствие необходимости использовать дополнительные, не всегда доступные внешние данные для прогнозирования эпидемии. Результаты тестовых расчетов показали, что первый метод показывает хорошие результаты при значительных задержках между пиками эпидемий в разных городах. В случае если эпидемия в Санкт-Петербурге началась вскоре после регистрации первых эпидемических вспышек в других городах Российской Федерации, второй метод показывает сопоставимые результаты с точностью до 90%, что позволяет использовать результаты расчетов для планирования противовирусных мероприятий. Заблаговременность предсказания пиков пока остается на относительно низком уровне, что, по-видимому, связано с разнообразием шаблонов распространения вируса и постоянными изменениями транспортных связей внутри страны.


Ключевые слова: популяционные модели, прогнозирование, математическая эпидемиология, грипп, калибровка

Благодарности. Статья подготовлена по результатам работы, выполненной при поддержке Российского научного фонда (соглашение № 14–21–00137 от 15.08.2014 г.)

Список литературы

1. Flu and Heart Disease & Stroke [Электронный ресурс]. Режим доступа: www.cdc.gov/flu/heartdisease, своб. (дата обращения 20.09.16).
2. WHO. Influenza (Seasonal) [Электронный ресурс]. 2014. Режим доступа: www.who.int/mediacentre/factsheets/fs211/en, своб. (дата обращения 20.09.16).  doi: 10.1134/S1019331611010114
3. Романюха А.А., Санникова Т.Е., Дрынов И.Д. Возникновение эпидемий острых респираторных заболеваний // Вестник РАН. 2011. Т. 81. № 2. 122–126.
4. Influenza Signs and Symptoms and the Role of Laboratory Diagnostics [Электронный ресурс]. Режим доступа: www.cdc.gov/flu/professionals/diagnosis/labrolesprocedures.htm, своб. (дата обращения 20.09.16).
5. Бароян О.В., Рвачев Л.А., Иванников Ю.Г. Моделирование и прогнозирование эпидемий гриппа для территории СССР. М.: ИЭМ им. Н.Ф.Гамалеи, 1977. 546 с.
6. Anderson R.M., May R.M., Anderson B. Infectious Diseases of Humans: Dynamics and Control. Oxford, 1992. 768 p.
7. Иванников Ю.Г., Исмагулов А.Т. Эпидемиология гриппа. Алма-Ата, 1983. 204 с.
8. Leonenko V.N., Ivanov S.V., Novoselova Yu.K. A computational approach to investigate patterns of acute respiratory illness dynamics in the regions with distinct seasonal climate transitions // Procedia Computer Science. 2016. V. 80. P. 2402–2412. doi: 10.1016/j.procs.2016.05.538
 



Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2019 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика