Математическая биология и биоинформатика
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Матем. биология и биоинформ.:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Математическая биология и биоинформатика, 2022, том 17, выпуск 1, страницы 43–81
DOI: https://doi.org/10.17537/2022.17.43
(Mi mbb480)
 

Эта публикация цитируется в 5 научных статьях (всего в 5 статьях)

Математическое моделирование

Стохастическое моделирование динамики распространения Ковид-19 с учетом неоднородности населения по иммунологическим, клиническим и эпидемиологическим критериям

Н. В. Перцевa, К. К. Логиновa, А. Н. Лукашевb, Ю. А. Вакуленкоb

a Институт математики им. С.Л. Соболева Сибирского отделения Российской академии наук, Новосибирск, Россия
b Первый Московский государственный медицинский университет имени И. М. Сеченова Министерства здравоохранения РФ, Москва, Россия
Список литературы:
Аннотация: Приведена стохастическая модель распространения Ковид-19 инфекции в некотором регионе. Модель записана в форме непрерывно-дискретного случайного процесса, учитывающего нестационарный приток в регион латентно-инфицированных индивидуумов, прохождение индивидуумами различных стадий инфекционного заболевания, вакцинацию населения региона, повторное заражение части переболевших и вакцинированных индивидуумов. Длительности пребывания индивидуумов в различных стадиях инфекционного заболевания задаются с помощью распределений, отличных от экспоненциального. Разработан алгоритм численного статистического моделирования динамики распространения инфекции среди населения региона на основе метода Монте-Карло. Для калибровки модели использованы данные, описывающие уровень серопревалентности населения Новосибирской области в первую волну эпидемии Ковид-19 (2020 год). Представлены результаты вычислительных экспериментов с моделью по исследованию динамики распространения инфекции в условиях проведения вакцинации населения региона.
Ключевые слова: распространение эпидемии, стадия-зависимая модель, непрерывно-дискретный случайный процесс, метод Монте-Карло, Ковид-19 инфекция, серопревалентность, вычислительный эксперимент.
Финансовая поддержка Номер гранта
Российский фонд фундаментальных исследований 20-04-60157
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований в рамках научного проекта № 20-04-60157.
Материал поступил в редакцию 24.05.2022, 10.06.2022, опубликован 20.06.2022
Реферативные базы данных:
Тип публикации: Статья
Образец цитирования: Н. В. Перцев, К. К. Логинов, А. Н. Лукашев, Ю. А. Вакуленко, “Стохастическое моделирование динамики распространения Ковид-19 с учетом неоднородности населения по иммунологическим, клиническим и эпидемиологическим критериям”, Матем. биология и биоинформ., 17:1 (2022), 43–81
Цитирование в формате AMSBIB
\RBibitem{PerLogLuk22}
\by Н.~В.~Перцев, К.~К.~Логинов, А.~Н.~Лукашев, Ю.~А.~Вакуленко
\paper Стохастическое моделирование динамики распространения Ковид-19 с учетом неоднородности населения по иммунологическим, клиническим и эпидемиологическим критериям
\jour Матем. биология и биоинформ.
\yr 2022
\vol 17
\issue 1
\pages 43--81
\mathnet{http://mi.mathnet.ru/mbb480}
\crossref{https://doi.org/10.17537/2022.17.43}
\elib{https://elibrary.ru/item.asp?id=49295836}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/mbb480
  • https://www.mathnet.ru/rus/mbb/v17/i1/p43
  • Эта публикация цитируется в следующих 5 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Статистика просмотров:
    Страница аннотации:58
    PDF полного текста:31
    Список литературы:12
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024