Forecasting methods and models of disease spread

Abstract

Число работ, посвященных прогнозированию инфекционной заболеваемости, стремительно растет по мере появления статистики, позволяющей провести анализ. В настоящей статье представлен обзор основных решений, доступных сегодня для формирования как краткосрочных, так и долгосрочных проекций заболеваемости; указаны их ограничения и возможности практического применения. Рассмотрены традиционные методы анализа временных рядов-регрессионные и авторегрессионные модели; подходы, опирающиеся на машинное обучениебайесовские сети и искусственные нейронные сети; рассуждения на основе прецедентов; техники, базирующиеся на решении задачи фильтрации. Перечислены важнейшие направления разработки математических моделей распространения заболевания: классические аналитические модели, детерминированные и стохастические, а также современные имитационные модели, сетевые и агентные. Ключевые слова: прогнозирование заболеваемости, поточечные оценки, регрессионные модели, АРПСС, скрытые марковские модели, метод аналогий, экспоненциальное сглаживание, SIR, модель Барояна-Рвачева, клеточные автоматы, популяционные модели, агентные модели

The cholera spread Simulation

“…Research epidemiological methods are quite diverse [1,2]. They are classic methods, such as statistical analysis, like trend and forecast [3,4], as well as modern methods, like simulation and so on.…”

CBRR Model for Predicting the Dynamics of the COVID-19 Epidemic in Real Time

“…The prediction of the novel coronavirus COVID-19 dynamics is inevitably associated with the lack of statistics from previous years and the need to adequately use the currently available information on the developing epidemic parameters, for which the degree of uncertainty is extremely high. Many research groups in the USA, China, and Europe are working on the development of effective models and methods for predicting the spread of the new virus in the short term [1][2][3][4][5]. Models for predicting the peaks and duration of the COVID-19 epidemic have already been presented in leading periodical scientific journals [6][7][8][9][10].…”

Прогнозирование Временного Ряда Инфекционной Заболеваемости

“…Современными направлениями научного поиска в этой области являются как модификация классических методов анализа временных рядов применительно к заболеваемости населения, так и разработка принципиально новых, опирающихся на последние достижения науки и техники способов изучения динамики распространения инфекционных заболеваний. Так, в статье [2] сделан обзор наиболее значимых и употребительных подходов к прогнозированию инфекционной заболеваемости и развития эпидемического процесса, описаны методы исследования временных рядов на базе фильтрации, классического регрессионного анализа, байесовских и искусственных нейронных сетей, рассуждений на основе прецедентов. Автор подробно оста-338 навливается на так называемом биологическом подходе, который состоит в моделировании эпидемических показателей с помощью систем дифференциальных уравнений.…”