Сегодня: 22.12.2024
RU / EN
Последнее обновление: 30.10.2024
Регрессионные модели прогнозирования количества летальных исходов при новой коронавирусной инфекции

Регрессионные модели прогнозирования количества летальных исходов при новой коронавирусной инфекции

Д.В. Мелик-Гусейнов, Н.Н. Карякин, А.С. Благонравова, В.И. Климко, А.П. Баврина, О.В. Другова, Н.В. Саперкин, О.В. Ковалишена
Ключевые слова: коронавирусная инфекция; COVID-19; SARS-CoV-2; прогнозирование исхода инфекции; многомерная регрессионная модель; прогнозирование летальности инфекции.
2020, том 12, номер 2, стр. 6.

Полный текст статьи

html pdf
2090
2320

Прогнозирование развития эпидемического процесса новой коронавирусной инфекции COVID-19 на международном и государственном уровнях в настоящее время крайне востребовано для определения нужд практического здравоохранения и проведения эффективных противоэпидемических и профилактических мероприятий. С учетом быстро меняющейся исходной информации и неоднозначного качества данных, получаемых из различных источников, необходимо оперативно оптимизировать применяемые прогностические модели, в том числе с использованием более сложных алгоритмов.

Цель исследования — оценить возможности прогнозирования тенденций эпидемического процесса с помощью разработанных оригинальных математических алгоритмов.

Материалы и методы. Для оценки ситуации в Китае, Италии и США использована первичная информация из открытых русско- и англоязычных источников, доступ к которым осуществляли с официальных сайтов. Применяли общепринятые описательные статистики, математическое моделирование было основано на линейной регрессии. Статистическую обработку данных выполняли с помощью программ IBM SPSS Statistics 24.0 и R (RStudio) 3.6.0.

Результаты. Установлены существенные эпидемиологические различия не только по формированию заболеваемости COVID-19 в рассматриваемых странах, но и по скорости появления летальных исходов. Особое внимание к риску возникновения смертей, ассоциированных с COVID-19, обусловлено существенным удельным весом тяжелых форм инфекции, появление которых фиксировалось во всех анализируемых странах.

Построено две предварительные регрессионные модели. Первая, исходная, модель базировалась на приросте новых случаев инфекции — данный фактор оказался статистически значимо связанным с исходом; регрессионный коэффициент составил 0,02 (95% ДИ 0,01–0,03). Во второй, расширенной, модели кроме прироста новых случаев также учитывали прирост числа тяжелых форм инфекции; регрессионные коэффициенты составили 0,017 (95% ДИ 0,012–0,022) и 0,01 (95% ДИ 0,008–0,011) соответственно. Добавление дополнительной переменной способствовало более полному описанию моделью имеющихся данных.

Заключение. Разработанные регрессионные модели для контроля инфекции и прогнозирования числа летальных исходов можно вполне успешно использовать в условиях распространения заболеваний из группы «новых инфекций», когда происходят быстрая смена первичных данных, получаемых из разных источников, а также уточнение этой информации. При этом исходная модель может служить для ориентировочной оценки ситуации, а расширенная — для повышения точности прогнозирования и совершенствования алгоритма анализа.

  1. Huang C., Wang Y., Li X., Ren L., Zhao J., Hu Y., Zhang L., Fan G., Xu J., Gu X., Cheng Z., Yu T., Xia J., Wei Y., Wu W., Xie X., Yin W., Li H., Liu M., Xiao Y., Gao H., Guo L., Xie J., Wang G., Jiang R., Gao Z., Jin Q., Wang J., Cao B. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet 2020; 395(10223): 497–506, https://doi.org/10.1016/s0140-6736(20)30183-5.
  2. Verity R., Okell L.C., Dorigatti I., Winskill P., Whittaker C., Imai N., Cuomo-Dannenburg G., Thompson H., Walker P.G.T., Fu H., Dighe A., Griffin J.T., Baguelin M., Bhatia S., Boonyasiri A., Cori A., Cucunubá Z., FitzJohn R., Gaythorpe K., Green W., Hamlet A., Hinsley W., Laydon D., Nedjati-Gilani G., Riley S., van Elsland S., Volz E., Wang H., Wang Y., Xi X., Donnelly C.A., Ghani A.C., Ferguson N.M. Estimates of the severity of coronavirus disease 2019: a model-based analysis. Lancet Infect Dis 2020, https://doi.org/10.1016/s1473-3099(20)30243-7.
  3. Wu J.T., Leung K., Bushman M., Kishore N., Niehus R., de Salazar P.M., Cowling B.J., Lipsitch M., Leung G.M. Estimating clinical severity of COVID-19 from the transmission dynamics in Wuhan, China. Nat Med 2020, https://doi.org/10.1038/s41591-020-0822-7.
  4. World Health Organization. Coronavirus disease (COVID-19) outbreak situation. URL: https://www.who.int/emergencies/diseases/novel-coronavirus-2019.
  5. Распоряжение Правительства Российской Феде­рации от 30 января 2020 г. №140-р «О временном ограничении движения через пункты пропуска на отдельных участках государственной границы Российской Федерации с Китайской Народной Республикой».
  6. Постановление Главного государственного сани­тарного врача Российской Федерации от 30 марта 2020 г. №9 «О дополнительных мерах по недопущению распространения COVID-19».
  7. Министерство здравоохранения Российской Феде­рации. Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-19). Временные методические рекомендации. Версия 4 (27.03.2020). URL: https://static-3.rosminzdrav.ru/system/attachments/attaches/ 000/049/881/original/COVID19_recomend_v4.pdf.
  8. Министерство здравоохранения Российской Феде­рации. URL: https://www.rosminzdrav.ru/.
  9. World Health Organization. Coronavirus disease 2019 (COVID-19). Situation report — 72. URL: https://www.who.int/docs/default-source/ coronaviruse/situation-reports/20200401-sitrep-72- covid-19.pdf?sfvrsn=3dd8971b_2.
  10. Министерство здравоохранения Российской Федерации. Информационный ресурс о COVID-19. URL: https://covid19.rosminzdrav.ru/.
Melik-Huseynov D.V., Karyakin N.N., Blagonravova A.S., Klimko V.I., Bavrina A.P., Drugova O.V., Saperkin N.V., Kovalishena О.V. Regression Models Predicting the Number of Deaths from the New Coronavirus Infection. Sovremennye tehnologii v medicine 2020; 12(2): 6, https://doi.org/10.17691/stm2020.12.2.01


Журнал базах данных

pubmed_logo.jpg

web_of_science.jpg

scopus.jpg

crossref.jpg

ebsco.jpg

embase.jpg

ulrich.jpg

cyberleninka.jpg

e-library.jpg

lan.jpg

ajd.jpg

SCImago Journal & Country Rank