Аннотация:
Данные по еженедельной заболеваемости острыми респираторными вирусными инфекциями (ОРВИ) в Москве демонстрируют три пика в период с сентября по апрель с наибольшим значением в январе-феврале. Как правило, самый высокий пик связывают с появлением нового штамма гриппа А, рост заболеваемости ОРВИ в другие сезоны вызывают постоянно циркулирующие в популяции низкопатогенные вирусы. Для описания эпидемиологии респираторных заболеваний в крупном городе была построена агентная модель. Популяция виртуальных агентов гетерогенна по возрасту, иммунному статусу и имеет реалистичную сеть внутрисемейных и профессиональных контактов. При контактах восприимчивые агенты могут быть инфицированы одним из семи респираторных вирусов: вирусом гриппа А, вирусом гриппа В, аденовирусом, риновирусом, вирусом парагриппа, коронавирусом или респираторно синцитиальным вирусом. Вероятность заражения восприимчивого агента при контакте с инфицированным зависит от продолжительности контакта, уязвимости восприимчивого, силы инфекции инфицированного агента и температуры воздуха. Предложенная модель хорошо воспроизводит снижение заболеваемости ОРВИ, наблюдаемое в период школьных каникул и государственных праздников. Для построенной популяции получены оценки репродуктивного числа моделируемых вирусов.
Ключевые слова:
агентная модель, эпидемиология, сеть контактов, респираторные инфекции.
Работа выполнена при финансовой поддержке гранта Минобрнауки России № 2020-1902-01-162.
Материал поступил в редакцию 28.10.2020, 01.12.2020, опубликован 08.12.2020
Тип публикации:
Статья
Образец цитирования:
А. И. Влад, Т. Е. Санникова, А. А. Романюха, “Моделирование распространения респираторных вирусных инфекций в городе: мультиагентный подход”, Матем. биология и биоинформ., 15:2 (2020), 338–356
\RBibitem{VlaSanRom20}
\by А.~И.~Влад, Т.~Е.~Санникова, А.~А.~Романюха
\paper Моделирование распространения респираторных вирусных инфекций в городе: мультиагентный подход
\jour Матем. биология и биоинформ.
\yr 2020
\vol 15
\issue 2
\pages 338--356
\mathnet{http://mi.mathnet.ru/mbb451}
\crossref{https://doi.org/10.17537/2020.15.338}
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/mbb451
https://www.mathnet.ru/rus/mbb/v15/i2/p338
Эта публикация цитируется в следующих 12 статьяx:
N. V. Saperkin, L. Ju. Poslova, M. Ju. Kirillin, M. E. Garbuz, O. V. Kovalishena, “Effectiveness of Timely Isolation of Patients with Respiratory Infection in a Children's Hospital: a Simulation Study”, Epidemiology and Vaccinal Prevention, 24:1 (2025), 59
Olga Krivorotko, Sergey Kabanikhin, “Artificial intelligence for COVID-19 spread modeling”, Journal of Inverse and Ill-posed Problems, 32:2 (2024), 297
О. И. Криворотько, С. И. Кабанихин, М. А. Бектемесов, М. И. Сосновская, А. В. Неверов, “Моделирование сценариев распространения COVID-19 в Республике Казахстан на основе регуляризации агентной модели”, Дискретн. анализ и исслед. опер., 30:1 (2023), 40–66; O. I. Krivorotko, S. I. Kabanikhin, M. A. Bektemesov, M. I. Sosnovskaya, A. V. Neverov, “Simulation of COVID-19 propagation scenarios in the Republic of Kazakhstan based on regularization of agent model”, J. Appl. Industr. Math., 17:1 (2023), 94–109
Olga Krivorotko, Mariia Sosnovskaia, Sergey Kabanikhin, “Agent-based mathematical model of COVID-19 spread in Novosibirsk region: Identifiability, optimization and forecasting”, Journal of Inverse and Ill-posed Problems, 2023
A. A. Kosova, V. I. Chalapa, O. P. Kovtun, “Methods for modellind and forecasting dynamics of infectious diseases”, jour, 22:4 (2023), 102
Olga Krivorotko, Nikolay Zyatkov, 2023 5th International Conference on Problems of Cybernetics and Informatics (PCI), 2023, 1
O. I. Krivorotko, S. I. Kabanikhin, M. A. Bektemesov, M. I. Sosnovskaya, A. V. Neverov, “Simulation of COVID-19 Spread Scenarios in the Republic of Kazakhstan Based on Regularization of the Agent-Based Model”, J. Appl. Ind. Math., 17:1 (2023), 94
Mikhail Mazurov, Lecture Notes on Data Engineering and Communications Technologies, 107, Advances in Artificial Systems for Medicine and Education V, 2022, 51
G. Z. Lotova, V. L. Lukinov, M. A. Marchenko, G. A. Mikhailov, D. D. Smirnov, “Numerical-statistical study of the prognostic efficiency of the SEIR model”, Russ. J. Numer. Anal. Math. Model, 36:6 (2021), 337–345
V. N. Leonenko, “Herd immunity levels and multi-strain influenza epidemics in Russia: a modelling study”, Russ. J. Numer. Anal. Math. Model, 36:5 (2021), 279–291
К. К. Логинов, Н. В. Перцев, “Прямое статистическое моделирование распространения эпидемии на основе стадия-зависимой стохастической модели”, Матем. биология и биоинформ., 16:2 (2021), 169–200
Цитирование в формате AMSBIB
Обратная связь: