Forskare från Intelligent Logistics Center vid St Petersburg University har utvecklat en ny Case-Based Rate Reasoning (CBRR) modell för att förutsäga dynamiken i epidemier. Med denna metod, forskarna förbereder prognoser för spridningen av covid-19 i Ryssland. Förutsägelserna baseras på data om epidemins dynamik i länder där sjukdomen registrerades tidigare.

Forskarna stod inför en utmaning när de började bygga sina första prognoser i april-maj 2020:inga befintliga tillgängliga modeller för matematiska prognoser av dynamiken i epidemier skulle fungera för COVID-19.

"I april-maj 2020, det fanns ingen statistik om det nya virusets dynamik ännu, medan sådan statistik är tillgänglig för virus som redan är kända för mänskligheten. Klassen av modeller som var tillgängliga vid den tiden var därför inte tillämplig för att förutse epidemins dynamik. Det var nödvändigt att utveckla ett nytt tillvägagångssätt och en ny CBRR-modell. Dess egenskap är att att förutsäga epidemiens utveckling i Ryssland, den använder data om dynamiken i spridningen av det nya coronaviruset i länder där epidemin började tidigare än i vårt land, sade professor Victor Zakharov, Chef för Intelligent Logistics Center vid St Petersburg University, Chef för institutionen för matematisk modellering av energisystem vid St Petersburg University, Doktor i fysik och matematik.

Efter att ha etablerat den nya modellen för Ryssland som helhet, forskarna började uppdatera sina prognoser för St Petersburg och Moskva varje vecka (deras prognoser finns tillgängliga på webbplatsen för Intelligent Logistics Center vid St Petersburg University). Enligt de senaste prognoserna, i Ryssland varierar den dagliga ökningen av nya fall av covid-19 under de senaste två veckorna från 24, 000 till 27, 000. Den 3 december 2020, för första gången översteg denna siffra 28, 000. Om denna tillväxtnivå fortsätter i 7 till 10 dagar, Ryssland kommer att platta till kurvan för antalet nya fall. Om det sedan börjar minska, Forskare tror att Ryssland kan nå en topp den 21-22 december 2020 i antalet aktiva fall:det är beroende på antalet sjuka personer en viss dag. Dessa dagar, antalet smittade personer i landet som helhet kan variera från 514, 000 till 517, 000. Dessa värden måste beaktas för att förstå hälso- och sjukvårdens belastningsnivå och planera dess arbete för framtiden.

Den nya CBRR-modellen bygger på ett iterativt tillvägagångssätt:de data som prognoserna baseras på uppdateras i realtid under en period av 2-3 veckor. Således, epidemins verkliga förlopp under den senast analyserade tidsperioden gör det möjligt att mer exakt beräkna prognosen för dess dynamik inom en snar framtid. "Prognosen för Ryssland och USA under våren byggdes 2-3 veckor före nuvarande tid. I prognoserna för St Petersburg och Moskva, vi litar på data från de föregående dagarna (2-3 veckor) och gör förutsägelser med samma modell, men justerat för dessa uppgifter, sa Victor Zakharov.

"Den utvecklade CBRR-modellen inkluderar en iterativ procedur för det heuristiska urvalet av intervalllängder, en uppsättning värden för procentuell tillväxt, och andra viktiga parametrar. Dessa inkluderar:toppar när det gäller ökningen av nya fall och möjliga perioder med topphöjder; och toppar när det gäller antalet aktiva fall. En betydande del av den iterativa proceduren är bildandet av kedjan av länder med epidemispridning (Epidemic Spreading Chain, ESC), som inkluderar flera länder rankade efter det att de når samma nivåer av de valda parametrarna. Landet som prognosen byggs för kallas Country Follower, resten av länderna som vi kallar föregångare, " tillade Victor Zakharov.

Professor Zakharov noterade att för korrekt inställning av modellen, det är nödvändigt att ESC-länderna använder relativt identiska åtgärder mot spridningen av epidemin:karantän, självisolering, social distansering, och liknande. Som han klargjorde, epidemin i Ryska federationen, landets efterföljare, kännetecknas av ett senare datum då samma procentuella tillväxttakt uppnåddes i jämförelse med andra länder. "Baserat på detta faktum, när man modellerar och förutsäger dynamiken i epidemin i Ryssland, vi inkluderade Italien, Spanien, Storbritannien, och Frankrike som föregångare i ESC-kedjan. Den sekventiellt genererade utvecklingsbanan för statistiska data om epidemin, till exempel, det totala antalet smittade personer, jämförs med de faktiska statistiska uppgifterna, sa Victor Zakharov.