Анализ чувствительности и идентифицируемости математических моделей распространения эпидемии COVID-19

O. I. Krivorotko, S. I. Kabanikhin, M. I. Sosnovskaya, D. V. Andornaya

Результат исследования: Научные публикации в периодических изданияхстатьярецензирование

Аннотация

Разработан алгоритм анализа чувствительности и идентифицируемости математических моделей распространения эпидемии COVID-19 в Новосибирской области, основанных на системах дифференциальных уравнений и законе действующих масс. Основу алгоритма составляет анализ матрицы чувствительности методами дифференциальной и линейной алгебры, показывающей степень зависимости неизвестных параметров моделей от заданных измерений. В результате работы алгоритма выявляются наименее и наиболее чувствительные к измерениям параметры, что способствует построению регуляризующего алгоритма решения задачи идентификации параметров для построения более точных сценариев развития эпидемии в регионе. Анализ чувствительности математических моделей распространения коронавирусной инфекции COVID-19 показал, что параметр контагиозности вируса устойчиво определяется по количеству ежедневно выявляемых заболевших, критических и вылечившихся больных. С другой стороны, прогнозируемая доля госпитализированных больных, находящихся в критическом состоянии и требующих подключения аппарата ИВЛ, а также коэффициент смертности определяются гораздо менее устойчиво. Для построения более реалистичного прогноза необходимо добавить дополнительную информацию о процессе (например, о количестве ежедневных случаев госпитализации). Задачи уточнения идентифицируемых параметров по дополнительной информации о количестве выявленных, критических и смертельных случаев в Новосибирской области были сведены к задачам минимизации соответствующих целевых функционалов. Задача минимизации была решена с помощью метода дифференциальной эволюции, широко используемого в задачах стохастической глобальной оптимизации. Показано, что более общая камерная модель, состоящая из семи обыкновенных дифференциальных уравнений, описывает основную тенденцию распространения коронавирусной инфекции, чувствительна к пикам выявленных случаев, однако некачественно описывает небольшие статистики (количество ежедневных критических, смертельных случаев), что может приводить к ошибочным выводам. Более подробная агентно-ориентированная математическая модель, учитывающая поведение отдельных агентов, позволяет улавливать небольшие шумы в данных и строить сценарии развития распространения эпидемии в регионе.
Переведенное названиеSensitivity and identifiability analysis of COVID-19 pandemic models
Язык оригиналарусский
Номер статьи9
Страницы (с-по)82-91
Число страниц10
ЖурналVavilovskii Zhurnal Genetiki i Selektsii
Том25
Номер выпуска1
DOI
СостояниеОпубликовано - янв 2021

Предметные области OECD FOS+WOS

  • 3 МЕДИЦИНСКИЕ НАУКИ И ЗДРАВООХРАНЕНИЕ
  • 1.06 БИОЛОГИЧЕСКИЕ НАУКИ
  • 1.06.KM ГЕНЕТИКА И НАСЛЕДСТВЕННОСТЬ

ГРНТИ

  • 76 МЕДИЦИНА И ЗДРАВООХРАНЕНИЕ

Fingerprint

Подробные сведения о темах исследования «Анализ чувствительности и идентифицируемости математических моделей распространения эпидемии COVID-19». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать