Разработка модели распространения инфекционных заболеваний на основе агентного подхода
Диссертация
Внедрение результатов. Разработанный на основе имитационной модели программный комплекс и прочие результаты работы переданы специалистам ФГБУ «НИИ гриппа» Минздравсоцразвития России и используются на практике при краткосрочном прогнозировании уровня заболеваемости гриппом и острыми респираторными вирусными инфекциями в Санкт-Петербурге. Результаты работы применены в ЗАО «МБНПК «Цитомед» в ходе… Читать ещё >
Содержание
- 1. Моделирование распространения заболеваний: подходы и тенденции
- 1. 1. Проблема прогнозирования распространения заболеваний
- 1. 2. История моделирования эпидемий
- 1. 3. Современные модели распространения заболеваний
- 1. 3. 1. Модели локальных процессов протекания заболевания в организме человека
- 1. 3. 2. Непрерывные модели распространения заболеваний
- 1. 3. 3. Дискретные модели распространения заболеваний
- 1. 3. 4. Агентные модели распространения заболеваний
- 1. 4. Постановка задачи
- 2. Анализ исходных данных. Оценка достижимого качества прогноза
- 2. 1. Заболеваемость гриппом, А в Санкт-Петербурге
- 2. 2. Прогнозирование заболеваемости на основе регрессионных зависимостей
- 2. 2. 1. Однофакторная регрессия
- 2. 2. 2. Влияние погоды на заболеваемость гриппом
- 2. 2. 3. Фильтрация аномальных выбросов
- 2. 2. 4. Сроки прогнозирования
- 2. 3. Выводы
- 3. Многоагентная модель распространения гриппа
- 3. 1. Объекты и их основные параметры
- 3. 1. 1. Человек
- 3. 1. 2. Местонахождение
- 3. 2. Динамика системы
- 3. 2. 1. Перемещение агентов между локациями
- 3. 2. 2. Протекание заболевания
- 3. 2. 3. Вакцинация
- 3. 2. 4. Вероятность достаточного контакта. Передача инфекции
- 3. 2. 5. Сезонные изменения в модели
- 3. 2. 6. Карантин
- 3. 2. 7. Общая структура событий в модели
- 3. 3. Входные и выходные данные модели
- 3. 3. 1. Начальное состояние модели
- 3. 3. 2. Результаты работы модели
- 3. 1. Объекты и их основные параметры
- 4. 1. Выбор среды моделирования для реализации модели
- 4. 1. 1. SOARS
- 4. 1. 2. NetLogo
- 4. 1. 3. Swarm
- 4. 1. 4. AnyLogic
- 4. 2. Структура компьютерной имитационной модели распространения гриппа
- 4. 2. 1. Исходные данные модели
- 4. 2. 2. Динамический эксперимент
- 4. 2. 3. Стохастический эксперимент
- 5. 1. Калибровка модели распространения гриппа
- 5. 1. 1. Предварительный анализ чувствительности модели распространения гриппа. ЮО
- 5. 1. 2. Калибровка коэффициентов восприимчивости
- 5. 1. 3. Калибровка сезонных коэффициентов. Проверка корректности модели распространения гриппа. НО
- 5. 2. Тестирование модели распространения гриппа. Построение прогноза заболеваемости
- 5. 2. 1. Анализ чувствительности модели распространения гриппа
- 5. 2. 2. Типовые элементы эксперимента по построению прогноза заболеваемости.^ ^
- 5. 2. 3. Эксперимент по построению прогноза заболеваемости. Первый алгоритм работы
- 5. 2. 4. Эксперимент по построению прогноза заболеваемости. Второй алгоритм работы
- 5. 3. Оценка качества прогнозирования модели распространения гриппа
- 5. 3. 1. Сравнение точности прогноза
- 5. 3. 2. Система прогнозного моделирования развития эпидемий
Список литературы
- БейлиН. Математика в биологии и медицине. — М.: Мир, 1970. — 327 с.
- Бенькович Е. С., КолесовЮ.Б., Сениченков Ю. Б. Практическое моделирование динамических систем: Учеб. пособие. — СПб.: БХВ-Петербург, 2002. — 444 с.
- Боев Б. В. Прогнозно-аналитические модели эпидемий Электронный ресурс. — М., 2005. — Режим доступа: http://www.armscontrol.ru/course/ Iectures05a/bvb050324.pdf. Дата обращения: 02.12.2011.
- Боев Б. В., Макаров В. В. Гео-информационные системы и эпидемии гриппа // Ветеринарная патология. — 2004. — № 3. — С. 51−59.
- Борщев А. В. Практическое агентное моделирование и его место в арсенале аналитика // Exponenta Pro. Математика в приложениях. — 2004. — № 3−4. — С. 38−47.
- Ивановский Р. И. Теория вероятностей и математическая статистика. Основы, прикладные аспекты с примерами и задачами в среде Mathcad. — СПб.: БХВ-Петербург, 2008. — 528 с.
- Карпов Ю. Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic. — СПб.: БХВ-Петербург, 2005. — 400 с.
- Кондратьев М. А. Имитационное моделирование в медицине: многоагентная модель распространения гриппа // Компьютерные инструменты в образовании. — 2011. — № 4. — С. 32−36.
- Кондратьев М. А. Совершенствование методологии моделирования распространения инфекционных заболеваний // Вычислительные, измерительные и управляющие системы: сборник научных трудов. — СПб.: Изд-во Политехи, ун-та, 2011. — С. 37−44.
- Кондратьев М. А., Ивановский Р. И. Прогноз динамики распространения инфекционных заболеваний // XXXVIII Неделя науки СПбГПУ: Материалы международной научно-практической конференции. Ч. VIII. — СПб.: Изд-во Политехи, ун-та, 2009. — С. 161−163.
- Кондратьев М. А., Ивановский Р. И., ЦыбаловаЛ. М. Применение агентного подхода к имитационному моделированию процесса распространения заболевания // Научно-Технические Ведомости СПбГПУ. Серия «Наука и образование». — 2010. — Т. 2, № 2. — С. 189−195.
- Крамер Г. Математические методы статистики. — М.: Мир, 1975. — 648 с.
- ЛычкинаН. Н. Технологические возможности современных систем моделирования // Банковские технологии — 2000. — № 9. — С. 60−63.
- Макаров В. Л., БахтизинА. Р. Компьютерное моделирование искусственных миров Электронный ресурс. — М., 2005. — Режим доступа: http://www.xjtek.ru/file/212. Дата обращения: 02.12.2011.
- МарчукГ. И. Математические модели в иммунологии. Вычислительные методы и эксперименты. — М.: Наука, 1991. — 304 с.
- Методика расчета эпидемических порогов по гриппу и острым респираторным вирусным инфекциям по субъектам Российской Федерации / О. И. Киселев и др. — М.: НИИ гриппа Северо-Западного отделения РАМН, 2010. —88 с.
- Паринов С. И. Новые возможности имитационного моделирования социально-экономических систем // Искусственные сообщества. — 2007. — Т. 2, № 3−4. —С. 26−61.
- Паринов С. И. Теоретическая модель онлайнового сообщества Электронный ресурс. — 1999. —Режим доступа: http://rvles.ieie.nsc.ru/parinov/ 1ао-тос1е1. Дата обращения: 02.12.2011.
- Пеллинец Л. В. Методические указания к курсовым и лабораторным работам по численному анализу, выполняемым на персональных ЭВМ. — СПб.: Изд-во Политехи, ун-та, 1991. — 19 с.
- Прогнозирование временных рядов в задаче оценки эпидемической ситуации заболеваемости ОРВИ и гриппом по данным Луганской области /
- В. Я. Гальченко и др. // Украинский медицинский альманах. — 2010. — Т. 13, № 2. — С. 20−22.
- Розенвассер Е. Н., Юсупов Р. М. Чувствительность систем управления.1. М.: Наука, 1981. —464 с.
- Справочник Харрисона по внутренним болезням / Под ред. К. Иссельбахера и др. — СПб.: Питер, 1999. — 976 с.
- Статистическая модель эпидемического процесса / А. И. Бородулин и др. // Сибирский журнал индустриальной математики. — 2007. — Т. 10, № 2. — С. 23−30.
- ТоффолиТ., МарголусН. Машины клеточных автоматов. — М.: Мир, 1991. —280 с.
- УчайкинВ. Ф., ШамшеваО. В. Как лечить грипп. Этиология, клиника и терапия по программе протокола // Медицина для всех. — 1999. — № 3 (14).1. С. 7−11.
- Форсайт Д., Малькольм М., Моулер К. Машинные методы математических вычислений. — М.: Мир, 1980. — 280 с.
- Чумаченко Д. И. Математические модели и методы компьютерно-интегрированной технологии прогнозирования динамики заболеваемости инфекционными болезнями в Украине Электронный ресурс. — Харьков, 2008.
- Режим доступа: http://old.pinchukfund.org/storage/students/works/2008/488.doc. Дата обращения: 02.12.2011.
- Шеннон Р. Ю. Имитационное моделирование систем — искусство и наука. — М.: Мир, 1978. — 418 с.
- A cross-regional pandemic outbreak simulation model: an aid to national resource allocation policy making / A. Uribe et al. // Proceedings of the 3rd INFORMS Workshop on Data Mining and Health Informatics. — Washington, D. C., 2008.
- A pandemic influenza simulation model for preparedness planning / О. M. Araz et al. // Proceedings of the 2009 Winter Simulation Conference. — Austin, 2009. —P. 1986−1995.
- Allan R. J. Survey of Agent Based Modelling and Simulation Tools Electronic resource. — 2010. — Mode of access: http://epubs.cclrc.ac.uk/bitstream/ 5601/DLTR-2010−007.pdf. Date of access: 02.12.2011.
- BanzhoffA., KaniokW., MuszerA. Effectiveness of an influenza vaccine used in Poland in the 1998−1999 influenza season // Immunological Investigations.2001. —Vol. 30, № 2. —P. 103−113.
- Bartlett M. S. Stochastic Population Models in Ecology and Epidemiology1. ndon: Methuen, 1960. — 98 p.
- Brauer F., Castillo-Chavez C. Mathematical Models in Population Biology and Epidemiology — New York: Springer-Verlag New York, 2001. — 448 p.
- Building a Better Delivery System: A New Engineering/Health Care Partnership / P. P. Reid et al. — Washington, D. C.: The National Academies Press, 2005. —276 p.
- Castle C. J. E., Crooks A.T. Principles and Concepts of Agent-Based Modelling for Developing Geospatial Simulations — London: UCL Centre for Advanced Spatial Analysis, 2006. — 60 p.
- Containing pandemic influenza with antiviral agents /1. M. Longini et al. // American Journal of Epidemiology. — 2004. — Vol. 159, № 7. — P. 623−633.
- Cost-effectiveness of influenza vaccination in working-age cancer patients / E. B. C. Avritscher et al. // Cancer. — 2007. — Vol. 109, № 11. — P. 2357−2364.
- Daley D. J., GaniJ. Epidemic Modelling: An Introduction — Cambridge: Cambridge University Press, 2001. — 228 p.
- Das T., Savachkin A., Zhu Y. A large-scale simulation model of pandemic influenza outbreaks for development of dynamic mitigation strategies // HE Transactions. — 2008. — Vol. 40, № 9. — P. 893−905.
- FluSim: an influenza virus molecular infection model and stochastic, discrete-event simulation / Squires B. et al. // Proceedings of the 2009 Winter Simulation Conference. — Austin, 2009.
- Friedman D., Abraham R. Bubbles and crashes: Gradient dynamics in financial markets // Journal of Economic Dynamics and Control. — 2009. — Vol. 33, № 4. — P. 922−937.
- GaniJ. Mathematical models of epidemics // The Mathematical Intelligencer. — 1980. — Vol. 3, № 1. —P. 41−43.
- Handel A., Longini I. M. Jr., Antia R. Towards a quantitative understanding of the within-host dynamics of influenza A infections // Journal of the Royal Society Interface. — 2009. — Vol. 7, № 42. — P. 35−47.
- Hethcote H. W. Qualitative Analyses of Communicable Disease Models // Mathematical Biosciences. — 1976. — Vol. 28. — P. 335−356.
- Influenza. Fact sheet № 211 Electronic resource. — 2003. — Mode of access: http://www.who.int/mediacentre/factsheets/2003/fs211/en. Date of access: 02.12.2011.
- Kondratyev M. A. Decision support system for infectious disease spread containing // Preprints of 13th International Student Olympiad on Automatic Control.
- Saint-Petersburg, 2010. — P. 87−90.
- LagunaM. OptQuest: Optimization of Complex Systems Electronic resource. — 2011. — Mode of access: http://www.opttek.com/sites/default/files/ pdfs/OptQuest-Optimization%20of%20Complex%20Systems.pdf. Date of access: 02.12.2011.
- Marshall S. J. Governments in a dilemma over bird flu // Bulletin of the World Health Organization. — 2005. — Vol. 83, № 5. — P. 325−326.
- Meltzer M., Cox N., Fukuda K. The economic impact of pandemic influenza in the United States: priorities for intervention // Emerging Infectious Diseases. — 1999. Vol. 5, № 5. — P. 659−671.
- Modelling mitigation strategies for pandemic (H1N1) 2009 / M. Z. Gojovic et al. // Canadian Medical Association Journal. — 2009. — Vol. 181, № 10. — P. 673−680.
- OhkusaY., SugawaraT. Simulation model of pandemic influenza in the whole of Japan // Japanese journal of infectious diseases. — 2009. — Vol. 62, № 2.1. P. 98−106.
- PatelR., Longinil.M., Halloran M. E. Finding optimal vaccination strategies for pandemic influenza using genetic algorithms // Journal of Theoretical Biology. — 2005. — Vol. 234, № 3. — P. 201−212.
- Population-based simulation of influenza pandemics: validity and significance for public health policy / T. Timpka et al. // Bulletin of the World Health Organization. — 2009. — Vol. 87, № 4. — P. 305−311.
- Railsback S. F., Lytinen S. L., Jackson S. K. Agent-based Simulation Platforms: Review and Development Recommendations // Simulation. — 2006. — Vol. 82, № 9. — P. 609−623.
- Recent news from WHO // Bulletin of the World Health Organization. — 2009.—Vol. 87, № 6. —P. 415.
- Rothberg M. B., Rose D. N. Vaccination versus treatment of influenza in working adults: a cost-effectiveness analysis // The American Journal of Medicine.2005.—Vol. 118,№ 1. —P. 68−77.
- Schaffer W. M., Bronnikova T. V. Parametric dependence in model epidemics. I: Contact-related parameters // Journal of Biological Dynamics. — 2007.
- Vol. 1, № 2. — P. 183−199.
- SchwehmM., DuerrH. P., EichnerM. Network Models for influenza transmission and control Electronic resource. — Tubingen, 2005. — Mode of access: http://www.ghsi.ca/documents/PaperSchwehm.pdf. Date of access: 02.12.2011.
- Sheskin D. J. Handbook of Parametric and Nonparametric Statistical Procedures. — Boca Raton: Chapman and Hall/CRC, 2000. — 1016 p.
- Simulation and prediction of the adaptive immune response to influenza A virus infection / H. Y. Lee et al. // Journal of Virology. — 2009. — Vol. 83, № 14.1. P. 7151−7165.
- Simulation as Decision Support in Pandemic Influenza Preparedness and Response / J. Jenvald et al. // Proceedings of the ISCRAM2007. — Delft, 2007. — P.295−304.
- Sklar E. NetLogo, a multi-agent simulation environment // Artificial Life. — 2007.—Vol. 13, № 3. —P. 303−311.
- Structural and Algorithmic Aspects of Massive Social Networks / S. Eubank et al. // Proceedings of the 15th annual ACM-SIAM Symposium on Discrete Algorithms. — New Orleans, 2004. — P. 718−727.
- TanumaH., DeguchiH., ShimizuT. SOARS: Spot Oriented Agent Role Simulator — Design and Implementation // Agent-Based Social Systems. — 2005. — Vol. 1.—P. 1−15.
- The influenza pandemic preparedness planning tool InfluSim Electronic resource. / M. Eichner [et al.] // BMC Infect Diseases. — 2007. — Mode of access: http://www.biomedcentral.eom/1471−2334/7/17. Date of access: 02.12.2011.
- The model repository of the models of infectious disease agent study / P. C. Cooley et al. // IEEE Transactions on Information Technology in Biomedicine. — 2008.— Vol. 12, № 4. —P. 513−522.
- The Swarm Simulation System: A Toolkit for Building Multi-agent Simulations Electronic resource. / N. Minar [et al.]. — Santa Fe, 1996. — Mode of access: http://www.swarm.Org/images/b/bb/MinarEtA196.pdf. Date of access: 02.12.2011.
- Towards a simulation environment for modeling of local influenza outbreaks / T. Timpka et al. // AMIA 2005 Symposium Proceedings. — Austin, 2005. — P. 729−733.
- Vynnycky E., White R. G. An Introduction to Infectious Disease Modelling. — New York: Oxford University Press, 2010. — 368 p.
- Простейшая модель локальных процессов заболевания ворганизме человека
- В качестве примера традиционной модели локальных процессов заболевания в организме человека приведем простейшую модель, предложенную Г. И. Марчуком 19.
- Тогда процесс развития заболевания можно описать с помощью следующей системы нелинейных обыкновенных дифференциальных уравнений: dVdt dC dt dF dt dm
- Однородность выборок заболеваемости гриппом в Санкт1. Петербурге
- Рисунок Б.1 — Примеры распределения выборки заболеваемости
- Для аппроксимации полигона выбрано бета-распределение. Плотность вероятности для него имеет вид 16.:
- Г (р + д) (х-min)p '(max-х)'
- Проверим теперь, соответствуют ли выборочные данные рассчитанному ожидаемому распределению. Для этого воспользуемся критерием %2 72. Влтаблице Б.1 представлены результаты проверки данной гипотезы. Для всех сечений в году гипотеза верна.2