По всем вопросам звоните:

+7 495 274-22-22

УДК: 614.2 DOI:10.33920/med-03-2006-01

Математическое моделирование динамики распространения COVID-19 в крупном промышленном регионе РФ

Виталий Анатольевич Бердутин кандидат медицинских наук, доцент кафедры выездного и инновационного обучения по интегрированным дисциплинам медико-биологического университета инноваций и непрерывного образования Федерального государственного бюджетного учреждения «Государственный научный центр Российской Федерации — Федеральный медицинский биофизический центр имени А.И. Бурназяна» ФМБА России, заместитель начальника договорного отдела ФБУЗ ПОМЦ ФМБА России, Москва, 123182, e-mail:kartikeya2691@yahoo.com
Александр Валерьевич Запорожцев доцент, кандидат технических наук, доцент кафедры Теоретическая и прикладная механика института «Промышленные технологии машиностроения» Федерального государственного бюджетного образовательного учреждения высшего образования «Нижегородский государственный технический университет им. Р. Е. Алексеева», 603950, e-mail: zaporozhcev10@mail.ru

Анализ и математическое моделирование вспышек инфекционных заболеваний играют важную роль в планировании ответных мер органов управления субъекта РФ и системы здравоохранения на эпидемию. В статье рассматриваются модели эпидемического распространения вирусных заболеваний, динамика которых описывается SIR-SEIR системами дифференциальных уравнений в частных производных среди населения крупного промышленного региона. Основной целью авторов предложенной методики было предоставление необходимой информации для осуществления планирования и принятия решений в системе здравоохранения Нижегородской области.

Литература:

1. Андерсон  Р., Мэй  Р. Инфекционные болезни человека. Динамика и  контроль.  — Москва: Мир. 2004: 784 с.

2. Бароян О.В., Рвачев Л.А. Математика и эпидемиология. — Москва: Знание. 1977: 63 с.

3. Бердутин  В.А., Бердутина  Э.В.  Логистика прикладных решений для  бережливого здравоохранения и соционическая типология. LAP LAMBERT Academic Publishing: BeauBassin. 2020: 213 с.

4. Боев Б.В. Современные этапы математического моделирования процессов развития и распространения инфекционных заболеваний. Эпидемиологическая кибернетика: модели, информация, эксперименты. — Москва. 1991: 6–13.

5. Боев  Б.В., Макаров  В.В.  Геоинформационные системы и  эпидемии гриппа. Ветеринарная патология. 2004; 3: 51–59.

6. Братусь  А.С., Новожилов  А.С., Платонов  А.П.  Динамические системы и  модели биологии. — Москва: Физматлит. 2010: 400 с.

7. Гришунина Ю.Б., Контаров Н.А., Архарова Г.В., Юминова Н.В. Моделирование эпидемической ситуации с учетом внешних рисков. Эпидемиология и вакцинопрофилактика. 2014; 5 (78): 61–66.

8. Карпов  Ю.Г.  Имитационное моделирование систем. Введение в  моделирование с AnyLogic. — Санкт-Петербург: БХВ-Петербург. 2005: 400 с.

9. Кондратьев М.А., Ивановский Р.И., Цыбалова Л.М. Применение агентного подхода к имитационному моделированию процесса распространения заболевания. Научно-технические ведомости СПбГПУ. Серия: Наука и образование. 2010; 2 (2): 189–195.

10. Методика расчета эпидемических порогов по гриппу и острым респираторным вирусным инфекциям по субъектам Российской Федерации / О.И. Киселев и др. — Москва: НИИ гриппа Северо-Западного отделения РАМН. 2010: 88 с.

11. Sterman  J.D.  Business Dynamics Systems Thinking and Modeling for a Complex World.  — McGraw-Hill. 2000: 994.

12. Kermack  W.O., McKendrick, A.G.  A Contribution to the Mathematical Theory of Epidemics. Proc.Roy. Soc. Lond., Ser. A. 1927; 115: 700–721.

1. Anderson R., Mey R. Human Infectious Diseases. Dynamics and Control. Moscow: Mir, 2004; 784 p.

2. Baroyan O.V., Rvachev L.A. Mathematics and epidemiology. Moscow, “Knowledge”, 1977; 63 p.

3. Berdutin V.A., Berdutina E.V. Logistics of applied solutions for lean healthcare and socionic typology. LAP LAMBERT Academic Publishing: BeauBassin. 2020; 213 p.

4. Boev B.V. Modern stages of mathematical modeling of the processes of development and spread of infectious diseases. Epidemiological cybernetics: models, information, experiments. Moscow, 1991, p. 6-13.

5. Boev B.V., Makarov V.V. Geo-information systems and influenza epidemics. Veterinary pathology. 2004; No. 3; p. 51-59.

6. Bratus A.S., Novozhilov A.S., Platonov A.P. Dynamic systems and models of biology. Moscow: Fizmatlit, 2010; 400 p.

7. Grishunina Yu.B., Kontarov N.A., Arkharova G.V., Yuminova N.V. Modeling the epidemic situation taking into account external risks. Epidemiology and vaccination. № 5 (78); 2014; p. 61-66.

8. Karpov Yu.G. Simulation of systems. Introduction to modeling with AnyLogic. St. Petersburg: BHV-Petersburg, 2005; 400 p.

9. Kondratyev M.A., Ivanovskiy R.I., Tsybalova L.M. Application of an agent approach to simulation modeling of the disease spread process. Scientific and Technical Bulletin of Peter the Great St. Petersburg Polytechnic University. Series "Science and Education". 2010; V.2, №2; p. 189-195.

10. Methodology for calculating epidemic thresholds for influenza and acute respiratory viral infections in the constituent entities of the Russian Federation. O. I. Kiselev et al. Moscow: Flu Research Institute of the North-Western Branch of the Russian Academy of Medical Sciences, 2010; 88 p.

11. John D. Sterman. Business Dynamics Systems Thinking and Modeling for a Complex World. McGraw-Hill, 2000; 994 р.

12. Kermack W.O., McKendrick, A.G. A Contribution to the Mathematical Theory of Epidemics. Proc. Roy. Soc. Lond., Ser. A. 1927 No. 115; P. 700-721.

Сегодня мир оказался в сложном положении, когда новые вирусные инфекции приобрели способность к бесконтрольному распространению с беспрецедентно высокой скоростью. Урбанизация, нарастающее ухудшение социально-экологических и санитарно-гигиенических условий жизни сотен миллионов людей в развивающихся и развитых странах мира, всевозрастающие миграционные потоки и процессы глобализации экономики способствуют быстрому распространению патогенов. Как это ни парадоксально, сейчас главная угроза исходит от высоких биотехнологий: генной инженерии и молекулярной биологии. Вырвавшиеся на свободу из научной лаборатории в результате техногенных аварий или природных катастроф модифицированные микроорганизмы вполне могут стать первопричиной пандемии [4, 5].

Распространение инфекционных заболеваний представляет собой сложное явление с множеством взаимодействующих факторов. Математическое моделирование эпидемий является весьма полезным и действенным инструментом для изучения динамики их развития и угасания. Эпидемиологические модели служат основой для прогнозирования и оценки поведения патогена [2]. Для сдерживания и контроля эпидемии коронавируса COVID-19 в Нижегородском регионе важно рассматривать релевантные математические модели, максимально привязанные к местным условиям. В настоящее время благодаря достижениям в области математического моделирования это является вполне реализуемой задачей.

Основными факторами, которые предопределяют сложность решения задач оперативного анализа и прогноза развития вспышек инфекционных заболеваний, а также задач противодействия являются:

• массовость и высокая скорость распространения патогена, когда за относительно небольшой промежуток времени происходит появление большого числа больных;

• нарушения работы медицинских организаций и органов государственного управления, когда экспоненциально возросшее число пораженных лиц начинает превышать имеющиеся ресурсы и мощности системы здравоохранения;

• кризисное развитие санитарно-эпидемиологической обстановки в очагах поражения из‑за начального несоответствия располагаемых возможностей и реальных потребностей в силах и средствах противодействия патогену;

Для Цитирования:
Виталий Анатольевич Бердутин, Александр Валерьевич Запорожцев, Математическое моделирование динамики распространения COVID-19 в крупном промышленном регионе РФ. ГЛАВВРАЧ. 2020;6.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: