Методы прогнозирования и модели распространения заболеваний

Компьютерные исследования и моделирование. 2013. Т. 5. № 5. С. 863–882.

Кондратьев М. А.

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 обучение — Байесовские 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: cellular automata, регрессионные модели, клеточные автоматы, regression models, exponential smoothing, экспоненциальное сглаживание, ARIMA, прогнозирование заболеваемости, АРПСС, morbidity forecasting, point-to-point estimates, method of analogues, SIR, Rvachev-Baroyan model, population-based models, agent-based models, поточечные оценки, скрытые Марковские модели, метод аналогий, SIR, модель Барояна-Рвачева, популяционные модели, агентные модели, Hidden Markov model