Аннотация:
Из-за высокой трансмиссивности и способности вызывать крупные эпидемии, грипп представляет собой серьезную проблему для мирового здравоохранения. Эпидемии и пандемии гриппа связаны с изменениями в структуре общества, которые способствуют распространению новых штаммов в конкретных экологических и социальных условиях. В настоящее время грипп является одним из самых распространенных заболеваний в мире. Ежегодно он вызывает эпидемии или даже пандемии, нередко приводя к летальному исходу. Уникальная способность вирусов гриппа к изменчивости путем точечных мутаций, рекомбинаций и реассортации генов, сопровождающаяся изменением биологических свойств вируса — основная причина неконтролируемого распространения инфекции. В связи с этим изучение популяции восприимчивых индивидуумов с использованием вероятностных моделей не только дает дополнительную информацию о вспышке, но и позволяет отслеживать динамику эпидемии на контролируемых территориях. Понимание эпидемиологии гриппа имеет решающее значение в распределении ресурсов здравоохранения. Основой мерой общественного здравоохранения в борьбе с вирусом является вакцинация. Однако существуют уязвимые группы населения, такие как пожилые люди и лица с ослабленным иммунитетом, которые, как правило, не обладают защитным уровнем антител к вирусу гриппа. Несмотря на успехи в создании вакцин и средств химиотерапии, эпидемии гриппа по-прежнему имеют огромные масштабы. При этом достоверные способы прогноза заболеваемости с учетом скорости развития эпидемической ситуации на сегодняшний день отсутствуют. Отслеживание и прогнозирование возникающих эпидемий затруднено из-за несоответствия между динамикой эпидемии, которую можно анализировать по данным эпиднадзора, и системой отслеживания числа заболевших гриппом. Наличие мутаций у вируса гриппа усугубляют данную ситуацию, изменяя истинную динамику заболеваемости. Использование вероятностных моделей для оценки параметров стохастической эпидемии будет способствовать более точному прогнозу изменения заболеваемости. В настоящей работе с целью прогноза изменения заболеваемости используется вероятностная модель, учитывающая взаимосвязь между инфицированными, восприимчивыми и невосприимчивыми индивидуумами, а также агрессивностью внешних рисков — SIR+A. С помощью данной модели проведены оценка и прогноз заболеваемости ОРВИ-гриппом на территории Москвы в 2016 г. Введен и рассчитан новый параметр – интенсивность заражения, с помощью которого можно проводить достоверный анализ заболеваемости и осуществлять прогноз относительно ее изменения.
Influenza is a major challenge to global healthcare due to its high transmissivity and ability to cause major epidemics. Influenza epidemics and pandemics are associated with changes in the society structure that contribute to the spread of new viral strains in certain environmental and social settings. Currently, influenza is one of the most common global diseases that results in annual epidemics or even pandemics, often leading to lethal outcome. Influenza viruses are uniquely prone to variability via point mutations, recombination and gene reassortment accompanied with changes in their biological properties considered as the main cause of uncontrolled infection spread. Hence, examining cohorts of predisposed individuals by using probability models provides not only additional information about viral outbreaks, but also allows monitoring dynamics of viral epidemics in controlled areas. Understanding influenza epidemiology is crucial for restructuring healthcare resources. Public healthcare service mainly relies on influenza vaccination. However, there are vulnerable cohorts such as elderly and immunocompromised individuals, which usually contain no protective antiinfluenza virus antibody level. Despite advances in the developing vaccines and chemotherapy, large-scale influenza epidemics still continue to emerge. Upon that, no reliable methods for disease prognosis based on rate of ongoing epidemic situation are currently available. Monitoring and predicting emerging epidemics is complicated due to discrepancy between dynamics of influenza epidemics that might be evaluated by using surveillance data as well as platform for tracking influenza incidence rate. However, it may be profoundly exacerbated by mutations found in the influenza virus genome by altering genuine morbidity dynamics. Use of probabilistic models for assessing parameters of stochastic epidemics would contribute to more accurately predicted changes in morbidity rate. Here, an SIR+A probabilistic model considering a relationship between infected, susceptible and protected individuals as well as the aggressiveness of external risks for predicting changes in influenza morbidity rate that allowed to evaluate and predict the 2016 ARVI influenza incidence rate in Moscow area. Moreover, introducing an intensity of infection parameter allows to conduct a reliable analysis of incidence rate and predict its changes. [1]Первый МГМУ им. И.М. Сеченова МЗ РФ; «НИИ вакцин и сывороток им. И. И. Мечникова»
[2]Первый МГМУ им. И.М. Сеченова МЗ РФ
[3]Московский институт электроники и математики им. А.Н. Тихонова Национального исследовательского университета «Высшая школа экономики»
[4]Московский институт электроники и математики им. А.Н. Тихонова Национального исследовательского университета «Высшая школа экономики»; Московский государственный университет им. М.В. Ломоносова
[5]«НИИ вакцин и сывороток им. И. И. Мечникова»
Контаров Н.А. Первый МГМУ им. И.М. Сеченова МЗ РФ; «НИИ вакцин и сывороток им. И. И. Мечникова»
Архарова Г.В. Первый МГМУ им. И.М. Сеченова МЗ РФ
Гришунина Ю.Б. Московский институт электроники и математики им. А.Н. Тихонова Национального исследовательского университета «Высшая школа экономики»
Гришунина С.А. Московский институт электроники и математики им. А.Н. Тихонова Национального исследовательского университета «Высшая школа экономики»; Московский государственный университет им. М.В. Ломоносова
Юминова Н.В. «НИИ вакцин и сывороток им. И. И. Мечникова»
Первый МГМУ им. И.М. Сеченова МЗ РФ
I.M. Sechenov First Moscow State Medical University
«НИИ вакцин и сывороток им. И. И. Мечникова»
I.I. Mechnikov Research Institute of Vaccines and Sera
Московский институт электроники и математики им. А.Н. Тихонова Национального исследовательского университета «Высшая школа экономики»
A.N. Tikhonov Moscow Institute of Electronics and Mathematics, National Research University “Higher School of Economics”
Московский государственный университет им. М.В. Ломоносова
Kontarov N.A. I.M. Sechenov First Moscow State Medical University; I.I. Mechnikov Research Institute of Vaccines and Sera
Arkharova G.V. I.M. Sechenov First Moscow State Medical University
Grishunina Y.B. Yu. B. A.N. Tikhonov Moscow Institute of Electronics and Mathematics, National Research University “Higher School of Economics”
Grishunina S.A. A.N. Tikhonov Moscow Institute of Electronics and Mathematics, National Research University “Higher School of Economics”
Yuminova N.V. I.I. Mechnikov Research Institute of Vaccines and Sera
SIR+A mathematical model for evaluating and predicting 2016–2017 ARVI-influenza incidence by using on the Moscow territory eng
Оценка и прогноз заболеваемости ОРВИ-гриппом с помощью математической модели SIR+A на территории Москвы в 2016 году
Текст визуальный электронный
Инфекция и иммунитет
SPb RAACI
Т. 9, № 3-4 С. 583-588
2019
оценка
assessment
прогноз
заболеваемость
ОРВИ
acute respiratory viral infections
математическая модель SIR+A
assessment
прогнозирование
prediction
заболевание
disease
ОРВИ
ARVI
грипп
грипп
influenza
influenza
математическая модель
mathematical model
SIR+А
Статья
Из-за высокой трансмиссивности и способности вызывать крупные эпидемии, грипп представляет собой серьезную проблему для мирового здравоохранения. Эпидемии и пандемии гриппа связаны с изменениями в структуре общества, которые способствуют распространению новых штаммов в конкретных экологических и социальных условиях. В настоящее время грипп является одним из самых распространенных заболеваний в мире. Ежегодно он вызывает эпидемии или даже пандемии, нередко приводя к летальному исходу. Уникальная способность вирусов гриппа к изменчивости путем точечных мутаций, рекомбинаций и реассортации генов, сопровождающаяся изменением биологических свойств вируса — основная причина неконтролируемого распространения инфекции. В связи с этим изучение популяции восприимчивых индивидуумов с использованием вероятностных моделей не только дает дополнительную информацию о вспышке, но и позволяет отслеживать динамику эпидемии на контролируемых территориях. Понимание эпидемиологии гриппа имеет решающее значение в распределении ресурсов здравоохранения. Основой мерой общественного здравоохранения в борьбе с вирусом является вакцинация. Однако существуют уязвимые группы населения, такие как пожилые люди и лица с ослабленным иммунитетом, которые, как правило, не обладают защитным уровнем антител к вирусу гриппа. Несмотря на успехи в создании вакцин и средств химиотерапии, эпидемии гриппа по-прежнему имеют огромные масштабы. При этом достоверные способы прогноза заболеваемости с учетом скорости развития эпидемической ситуации на сегодняшний день отсутствуют. Отслеживание и прогнозирование возникающих эпидемий затруднено из-за несоответствия между динамикой эпидемии, которую можно анализировать по данным эпиднадзора, и системой отслеживания числа заболевших гриппом. Наличие мутаций у вируса гриппа усугубляют данную ситуацию, изменяя истинную динамику заболеваемости. Использование вероятностных моделей для оценки параметров стохастической эпидемии будет способствовать более точному прогнозу изменения заболеваемости. В настоящей работе с целью прогноза изменения заболеваемости используется вероятностная модель, учитывающая взаимосвязь между инфицированными, восприимчивыми и невосприимчивыми индивидуумами, а также агрессивностью внешних рисков — SIR+A. С помощью данной модели проведены оценка и прогноз заболеваемости ОРВИ-гриппом на территории Москвы в 2016 г. Введен и рассчитан новый параметр – интенсивность заражения, с помощью которого можно проводить достоверный анализ заболеваемости и осуществлять прогноз относительно ее изменения.
Influenza is a major challenge to global healthcare due to its high transmissivity and ability to cause major epidemics. Influenza epidemics and pandemics are associated with changes in the society structure that contribute to the spread of new viral strains in certain environmental and social settings. Currently, influenza is one of the most common global diseases that results in annual epidemics or even pandemics, often leading to lethal outcome. Influenza viruses are uniquely prone to variability via point mutations, recombination and gene reassortment accompanied with changes in their biological properties considered as the main cause of uncontrolled infection spread. Hence, examining cohorts of predisposed individuals by using probability models provides not only additional information about viral outbreaks, but also allows monitoring dynamics of viral epidemics in controlled areas. Understanding influenza epidemiology is crucial for restructuring healthcare resources. Public healthcare service mainly relies on influenza vaccination. However, there are vulnerable cohorts such as elderly and immunocompromised individuals, which usually contain no protective antiinfluenza virus antibody level. Despite advances in the developing vaccines and chemotherapy, large-scale influenza epidemics still continue to emerge. Upon that, no reliable methods for disease prognosis based on rate of ongoing epidemic situation are currently available. Monitoring and predicting emerging epidemics is complicated due to discrepancy between dynamics of influenza epidemics that might be evaluated by using surveillance data as well as platform for tracking influenza incidence rate. However, it may be profoundly exacerbated by mutations found in the influenza virus genome by altering genuine morbidity dynamics. Use of probabilistic models for assessing parameters of stochastic epidemics would contribute to more accurately predicted changes in morbidity rate. Here, an SIR+A probabilistic model considering a relationship between infected, susceptible and protected individuals as well as the aggressiveness of external risks for predicting changes in influenza morbidity rate that allowed to evaluate and predict the 2016 ARVI influenza incidence rate in Moscow area. Moreover, introducing an intensity of infection parameter allows to conduct a reliable analysis of incidence rate and predict its changes.