ПРОГНОСТИЧНА МОДЕЛЬ ЕПІДЕМІЧНОГО ПРОЦЕСУ КОРОНАВІРУСНОЇ ІНФЕКЦІЇ COVID-19 В УКРАЇНІ

С. О. Соловйов; І. В.  Дзюблик; О. П.  Мінцер

doi:10.11603/mie.1996-1960.2020.2.11176

Автор(и)

С. О. Соловйов Національна медична академія післядипломної освіти імені П. Л. Шупика, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»
І. В. Дзюблик Національна медична академія післядипломної освіти імені П. Л. Шупика
О. П. Мінцер Національна медична академія післядипломної освіти імені П. Л. Шупика https://orcid.org/0000-0002-7224-4886

DOI:

https://doi.org/10.11603/mie.1996-1960.2020.2.11176

Ключові слова:

коронавірусна інфекція, COVID-19, епідеміологія, математичне моделювання, прогнозування

Анотація

Представлено визначення особливостей і розроблення моделі прогнозування епідемічного процесу COVID-19 в Україні на основі наявних епідеміологічних даних та існуючих тенденцій. Моделювання епідемічного процесу COVID-19 базувалося на класичній епідеміологічній моделі. Основний параметр моделі — параметр передавання SARS-COV2 був визначений чисельно з використанням наявних епідеміологічних даних: щоденних звітів Міністерства охорони здоров'я України про абсолютну кількість хворих на COVID-19. Числове визначення параметра передавання SARS-COV2 за абсолютною кількістю хворих на COVID-19 у кожному регіоні та в Україні показало тенденцію до зменшення з часом. Апроксимація отриманих числових значень параметру передавання SARS-COV2 здійснювалась між 07 квітня та 02 травня 2020 року за допомогою експоненціальної функції. Результати прогностичного моделювання показали, що до кінця літа 2020 року очікується близько 25 тис. випадків COVID-19, а пік захворюваності припадає на час дослідження (28 квітня — 05 травня 2020 року). Крім того, дослідження дозволили проаналізувати інтенсивність епідемічного процесу в різних регіонах України на підставі обчислених середніх значень передавання SARS-COV2 у період з 07 квітня по 02 травня 2020 року. Було визначено, що найбільш інтенсивний епідемічний процес у Харківській, Луганській і Миколаївській областях, який може бути корисною інформацією для прийняття відповідних управлінських рішень щодо поглиблення заходів карантину в цих регіонах. Прогнозування можливих наслідків впровадження різних програм контролю COVID-19 передбачає комплексне вивчення епідемічного процесу захворювання в цілому та протягом певних періодів часу з подальшою побудовою адекватної моделі прогнозування. Нами запропоновано просту прогностичну модель, але ефективний інструмент для прогнозування епідемічного процесу COVID-19, що може бути корисним у практичній роботі медичних працівників.

Посилання

Peiris, J. S. M, Lai, S. T., Poon, L. L. M. et al. (2003). Coronavirus as a possible cause of severe acute respiratory syndrome. Lancet, 361, 1319-25. DOI: https://doi.org/10.1016/S0140-6736(03)13077-2

Drosten, C., Ginther, S., Preiser, W. et al. (2003). Identification of a novel coronavirus in patients with severe acute respiratory syndrome. N. Engl. J. Med., 348, 967-76. DOI: https://doi.org/10.1056/NEJMoa030747

Dzyublyk, I. V., Kukalo, O. V. (2015). New human coronaviruses and respiratory diseases. Ukr. J. Pulmon., 4, 53-9.

Novel Coronavirus 2019-nCoV. URL: https//www.who. int/emergencies/diseases/novel-coronavirus-2019 (last accessed 29.01.2020).

Coronavirus disease (COVID-19) Pandemic. URL: https://www.who.int/emergencies/diseases/novel-coronavirus-2019 (date of appeal: 20.03.2020).

Coronavirus Update (Live) URL: https:// www.worldometers.info/coronavirus/?utm_ campaign=homeAdvegas1? (date of appeal: 05.05.2020).

Coronavirus infection COVID-19. Public Health Center URL: https://www.phc.org.ua/kontrol-zakhvoryuvan/ inshi-infekciyni-zakhvoryuvannya/koronavirusna-infekciya-covid-19 (date of appeal: 05.05.2020).

Dietz, K. (1967). Epidemics and Rumours: A Survey. J. Royal Stat. Soc, 130, 505-28. DOI: https://doi.org/10.2307/2982521

Kermack, W. O., McKendrick, A. G. (1927). A Contribution to the Mathematical Theory of Epidemics. Proc. Royal Soc. London, 115, 700-21.

Kucharski, A. J., Russell, T. W., Diamond, C., Liu, Y. et al. (2020). Early dynamics of transmission and control of COVID-19: a mathematical modelling study. Lancet Infect Dis. 20, 553-8. doi: 10.1016/S1473-3099(20)30144-4. DOI: https://doi.org/10.1016/S1473-3099(20)30144-4

Endo, A., Abbott, S. et al. (2020). Estimating the overdispersion in COVID-19 transmission using outbreak sizes outside China [version 1; peer review: 1 approved]. Wellcome Open Res., 5, 67. DOI: https://doi.org/10.12688/wellcomeopenres.15842.3

Liu, Y., Gayle, A. A., Wilder-Smith, A., Rocklov, J. (2020). The reproductive number of COVID-19 is higher compared to SARS coronavirus. J. Travel Med., 27 (2), taaa021. doi: 10.1093/jtm/taaa021. DOI: https://doi.org/10.1093/jtm/taaa021