RUS  ENG
Полная версия
ЖУРНАЛЫ // Математическая биология и биоинформатика // Архив

Матем. биология и биоинформ., 2020, том 15, выпуск 2, страницы 338–356 (Mi mbb451)

Эта публикация цитируется в 11 статьях

Математическое моделирование

Моделирование распространения респираторных вирусных инфекций в городе: мультиагентный подход

А. И. Владa, Т. Е. Санниковаb, А. А. Романюхаb

a Московский государственный университет имени М. В. Ломоносова, Москва, Россия
b Институт вычислительной математики им. Г.И. Марчука Российской академии наук, Москва, Россия

Аннотация: Данные по еженедельной заболеваемости острыми респираторными вирусными инфекциями (ОРВИ) в Москве демонстрируют три пика в период с сентября по апрель с наибольшим значением в январе-феврале. Как правило, самый высокий пик связывают с появлением нового штамма гриппа А, рост заболеваемости ОРВИ в другие сезоны вызывают постоянно циркулирующие в популяции низкопатогенные вирусы. Для описания эпидемиологии респираторных заболеваний в крупном городе была построена агентная модель. Популяция виртуальных агентов гетерогенна по возрасту, иммунному статусу и имеет реалистичную сеть внутрисемейных и профессиональных контактов. При контактах восприимчивые агенты могут быть инфицированы одним из семи респираторных вирусов: вирусом гриппа А, вирусом гриппа В, аденовирусом, риновирусом, вирусом парагриппа, коронавирусом или респираторно синцитиальным вирусом. Вероятность заражения восприимчивого агента при контакте с инфицированным зависит от продолжительности контакта, уязвимости восприимчивого, силы инфекции инфицированного агента и температуры воздуха. Предложенная модель хорошо воспроизводит снижение заболеваемости ОРВИ, наблюдаемое в период школьных каникул и государственных праздников. Для построенной популяции получены оценки репродуктивного числа моделируемых вирусов.

Ключевые слова: агентная модель, эпидемиология, сеть контактов, респираторные инфекции.

Материал поступил в редакцию 28.10.2020, 01.12.2020, опубликован 08.12.2020

DOI: 10.17537/2020.15.338



© МИАН, 2024