Журнал микробиологии, эпидемиологии и иммунобиологии. 2021; 98: 468-480
Разработка программных инструментов, основанных на мультиагентном моделировании и реализованных в геоинформационной системе нового поколения, для решения эпидемиологических задач
https://doi.org/10.36233/0372-9311-130Аннотация
Цель работы — демонстрация возможностей программных инструментов, основанных на мультиагентном моделировании и реализованных в геоинформационной системе нового поколения, для решения эпидемиологических задач (на примере распространения кори в мегаполисе).
Материалы и методы. Приведены примеры использования тематических слоёв и функционала геоинформационной платформы, а также разработанной мультиагентной модели распространения кори в мегаполисе. Модель распространения кори представлена в виде 3 независимых подмоделей: модели поведения популяции, модели инфицирования и модели инфекционного процесса. Модульность и независимость подмоделей позволяют использовать необходимые статистические и клинические данные — как относящиеся непосредственно к изучаемому заболеванию, так и демографические показатели, которые анализируются и хранятся в тематических слоях платформы.
Результаты. Разработанные программные инструменты позволяют визуализировать и проводить анализ распространения заболевания на изучаемой территории с возможностью формирования отчетов, что может быть полезным и актуальным дополнением в повседневной работе специалистов, способствовать совершенствованию и углублению практических навыков и умений в соответствии с видами и задачами профессиональной деятельности, а также расширить возможности для помощи в принятии управленческих решений.
Список литературы
1. Акимкин В.Г. Резолюция Всероссийской научно-практической интернет-конференции с международным участием «Молекулярная диагностика и биобезопасность — 2020» (Москва, 6–8 октября 2020 г.). Журнал микробиологии, эпидемиологии и иммунобиологии. 2020, 97(6): 610–12.
2. Симонова Е.Г. Профессиональная подготовка специалистов в системе управления эпидемическим процессом. М.: Спутник+, 2010.
3. Heesterbeek H., Anderson R., Andreasen V., Bansal S., De Angelis D., Dye C., et al. Modeling infectious disease dynamics in the complex landscape of global health. Science. 2015, 347(6227): aaa4339. https://doi.org/10.1126/science.aaa4339
4. Thompson K.M. Evolution and use of dynamic transmission models for measles and rubella risk and policy analysis. Risk. Anal. 2016, 36(7): 1383–1403. http://doi.org/10.1111/risa.12637
5. Беляков В.Д., Яфаев Р.Х. Эпидемиология. М.: Медицина, 1989.
6. Clarke K.C., McLafferty S.L., Tempalski B.J. On epidemiology and geographic information systems: a review and discussion of future directions. Emerg. Infect. Dis.1996, 2(2): 85–92. https://doi.org/10.3201/eid0202.960202
7. Асатрян М.Н., Салман Э.Р., Семененко Т.А. Анализ закономерностей и прогнозирование процессов распространения гепатита В на территориях федеральных округов РФ. В кн.: Сборник трудов конференции «Геоинформационные системы в здравоохранении РФ: данные, аналитика, решения». СПб., 2016: 75–82.
8. Струков Д.Р., Чигинева А.С. Пространственный метод анализа доступности медицинской помощи на примере Санкт-Петербурга. Геоматика. 2014, (3): 51–5.
9. Location Intelligence — Аналитика, основанная на местоположении. Available at: http://sergeytikhomirov.ru/locationintelligence-analitika-osnovannaya-na-mestopo/
10. Герхардт Э. Информационные системы и базы данных. Вестник НГУЭУ. 2015, (4): 309–16. Available at: https://www.sibran.ru/upload/iblock/c00/c00c48e637002713d59b0000d2eb37c6.pdf
11. Салман Э.Р., Асатрян М.Н., Семененко Т.А. Анализ и прогноз развития водных вcпышек гепатита А техногенного характера на территории Российской Федерации. В кн.: Сборник трудов конференции «Геоинформационные системы в здравоохранении РФ: данные, аналитика, решения». СПб., 2016: 65–8.
12. Боев Б.В. Модель развития эпидемии гриппа А(H1N1) в России в сезон 2009–2010 годов. Эпидемиология и вакцинопрофилактика. 2010, (1): 52–8.
13. Боев Б.В. Прогнозно-аналитические модели эпидемий (оценка последствий техногенных аварий и природных катастроф). М., 2005. Available at: https://www.armscontrol.ru/course/lectures05a/bvb050324.pdf
14. Burke D.S. Appendix E. Computational modeling and simulation of epidemic infectious diseases. In: Lederberg J., ed. Microbial Threats to Health: Emergence, Detection, and Response. Washington, 2003. Available at: https://www.ncbi.nlm.nih.gov/books/NBK221490
15. Салман Э.Р., Коренберг Э.И., Асатрян М.Н. Моделирование эпизоотического процесса облигатнотрансмиссивных инфекций, передающихся иксодовыми клещами. Успехи современной биологии. 2018, 138(6): 583–601.https://doi.org/10.7868/S004213241806006
16. Das T.K., Savachkin A.A., Zhu Y. A large-scale simulation model of pandemic influenza outbreaks for development of dynamic mitigation strategies. IIE Transactions. 2008, 40(9): 893–905. https://doi.org/10.1080/07408170802165856
17. DeAngelis D.L., Diaz S.G. Decision-making in agent-based modeling: a current review and future prospectus. Review article. Front. Ecol. Evol. 2019, 6: 237. https://doi.org/10.3389/fevo.2018.00237
18. Tracy M., Cerdá M., Keyes K.M. Agent-based modeling in public health: current applications and future directions. Annu. Rev. Public Health. 2018, 39: 77–94. https://doi.org/10.1146/annurev-publhealth040617-014317
19. Huntera E., Mac Nameeb B., Kellehera J.D. A taxonomy for agent-based models in human infectious disease epidemiology. J. Artif. Soc. Soc. Simul. 2017, 20(3): 2. https://doi.org/10.18564/jasss.3414
20. Онищенко Г.Г., Попова А.Ю., Алешкин В.А. Корь в России: проблемы ликвидации. М.: Династия, 2017.
21. Ноздрачева А.В., Семененко Т.А., Асатрян М.Н., Шмыр И.С., Ершов И.Ф., Соловьев Д.В. и др. Иммунологическая восприимчивость населения мегаполиса к кори на этапе ее элиминации. Эпидемиология и вакцинопрофилактика. 2019, 18(2): 18–26. https://doi.org/10.31631/2073-3046-2019-18-2-18-26
Journal of microbiology, epidemiology and immunobiology. 2021; 98: 468-480
Development of software tools based on multi-agent modeling and implemented in the new generation geographic information system for solving epidemiological problems
https://doi.org/10.36233/0372-9311-130Abstract
The aim of the study — demonstration of the capabilities of new generation geographic information system software and agent-based modeling for solving epidemiological problems (on the example of the spread of measles in a metropolis).
Materials and methods. Examples of the use of thematic layers and the functionality of the geoinformation platform, as well as the developed multi-agent model of measles spread in the megalopolis, are given. The measles spread model is presented as following three independent sub-models or nested models: behavior model, infection model, infectious process model. The modularity and independence of the sub-models allow the use
of the necessary statistical and clinical data, both directly related to the studied disease and demographic indicators, which are analyzed and stored in the thematic layers of the platform.
Results. The developed software tools allow visualizing, analyzing and short-term forecasting of the spread of the disease in the study area, with the ability to generate reports, which can be a useful and relevant addition to the daily work of specialists, contribute to the improvement and deepening of practical skills and abilities, in accordance with the types and tasks of professional activities, as well as expand opportunities for assistance in management decision making.
References
1. Akimkin V.G. Rezolyutsiya Vserossiiskoi nauchno-prakticheskoi internet-konferentsii s mezhdunarodnym uchastiem «Molekulyarnaya diagnostika i biobezopasnost' — 2020» (Moskva, 6–8 oktyabrya 2020 g.). Zhurnal mikrobiologii, epidemiologii i immunobiologii. 2020, 97(6): 610–12.
2. Simonova E.G. Professional'naya podgotovka spetsialistov v sisteme upravleniya epidemicheskim protsessom. M.: Sputnik+, 2010.
3. Heesterbeek H., Anderson R., Andreasen V., Bansal S., De Angelis D., Dye C., et al. Modeling infectious disease dynamics in the complex landscape of global health. Science. 2015, 347(6227): aaa4339. https://doi.org/10.1126/science.aaa4339
4. Thompson K.M. Evolution and use of dynamic transmission models for measles and rubella risk and policy analysis. Risk. Anal. 2016, 36(7): 1383–1403. http://doi.org/10.1111/risa.12637
5. Belyakov V.D., Yafaev R.Kh. Epidemiologiya. M.: Meditsina, 1989.
6. Clarke K.C., McLafferty S.L., Tempalski B.J. On epidemiology and geographic information systems: a review and discussion of future directions. Emerg. Infect. Dis.1996, 2(2): 85–92. https://doi.org/10.3201/eid0202.960202
7. Asatryan M.N., Salman E.R., Semenenko T.A. Analiz zakonomernostei i prognozirovanie protsessov rasprostraneniya gepatita V na territoriyakh federal'nykh okrugov RF. V kn.: Sbornik trudov konferentsii «Geoinformatsionnye sistemy v zdravookhranenii RF: dannye, analitika, resheniya». SPb., 2016: 75–82.
8. Strukov D.R., Chigineva A.S. Prostranstvennyi metod analiza dostupnosti meditsinskoi pomoshchi na primere Sankt-Peterburga. Geomatika. 2014, (3): 51–5.
9. Location Intelligence — Analitika, osnovannaya na mestopolozhenii. Available at: http://sergeytikhomirov.ru/locationintelligence-analitika-osnovannaya-na-mestopo/
10. Gerkhardt E. Informatsionnye sistemy i bazy dannykh. Vestnik NGUEU. 2015, (4): 309–16. Available at: https://www.sibran.ru/upload/iblock/c00/c00c48e637002713d59b0000d2eb37c6.pdf
11. Salman E.R., Asatryan M.N., Semenenko T.A. Analiz i prognoz razvitiya vodnykh vcpyshek gepatita A tekhnogennogo kharaktera na territorii Rossiiskoi Federatsii. V kn.: Sbornik trudov konferentsii «Geoinformatsionnye sistemy v zdravookhranenii RF: dannye, analitika, resheniya». SPb., 2016: 65–8.
12. Boev B.V. Model' razvitiya epidemii grippa A(H1N1) v Rossii v sezon 2009–2010 godov. Epidemiologiya i vaktsinoprofilaktika. 2010, (1): 52–8.
13. Boev B.V. Prognozno-analiticheskie modeli epidemii (otsenka posledstvii tekhnogennykh avarii i prirodnykh katastrof). M., 2005. Available at: https://www.armscontrol.ru/course/lectures05a/bvb050324.pdf
14. Burke D.S. Appendix E. Computational modeling and simulation of epidemic infectious diseases. In: Lederberg J., ed. Microbial Threats to Health: Emergence, Detection, and Response. Washington, 2003. Available at: https://www.ncbi.nlm.nih.gov/books/NBK221490
15. Salman E.R., Korenberg E.I., Asatryan M.N. Modelirovanie epizooticheskogo protsessa obligatnotransmissivnykh infektsii, peredayushchikhsya iksodovymi kleshchami. Uspekhi sovremennoi biologii. 2018, 138(6): 583–601.https://doi.org/10.7868/S004213241806006
16. Das T.K., Savachkin A.A., Zhu Y. A large-scale simulation model of pandemic influenza outbreaks for development of dynamic mitigation strategies. IIE Transactions. 2008, 40(9): 893–905. https://doi.org/10.1080/07408170802165856
17. DeAngelis D.L., Diaz S.G. Decision-making in agent-based modeling: a current review and future prospectus. Review article. Front. Ecol. Evol. 2019, 6: 237. https://doi.org/10.3389/fevo.2018.00237
18. Tracy M., Cerdá M., Keyes K.M. Agent-based modeling in public health: current applications and future directions. Annu. Rev. Public Health. 2018, 39: 77–94. https://doi.org/10.1146/annurev-publhealth040617-014317
19. Huntera E., Mac Nameeb B., Kellehera J.D. A taxonomy for agent-based models in human infectious disease epidemiology. J. Artif. Soc. Soc. Simul. 2017, 20(3): 2. https://doi.org/10.18564/jasss.3414
20. Onishchenko G.G., Popova A.Yu., Aleshkin V.A. Kor' v Rossii: problemy likvidatsii. M.: Dinastiya, 2017.
21. Nozdracheva A.V., Semenenko T.A., Asatryan M.N., Shmyr I.S., Ershov I.F., Solov'ev D.V. i dr. Immunologicheskaya vospriimchivost' naseleniya megapolisa k kori na etape ee eliminatsii. Epidemiologiya i vaktsinoprofilaktika. 2019, 18(2): 18–26. https://doi.org/10.31631/2073-3046-2019-18-2-18-26
