arthyperАртериальная гипертензия"Arterial’naya Gipertenziya" ("Arterial Hypertension")1607-419X2411-8524Antihypertensive League10.18705/1607-419X-2020-26-3-288-294arthyper-1972Research ArticleСтатьиArticlesВозможности математического прогнозирования коронавирусной инфекции в Российской ФедерацииCOVID‑19 mathematical forecasting in the Russian FederationЛакманИ. А.LakmanI. A.

Лакман Ирина Александровна — кандидат технических наук, доцент кафедры вычислительной математики и кибернетики

Уфа

Irina A. Lakman, PhD in Technics, Associate Professor, Department of Computational Mathematics and Cybernetics

Ufa

Lackmania@mail.ruhttps://orcid.org/0000-0002-3618-2657АгапитовА. А.AgapitovA. A.

Агапитов Александр Александрович — младший научный сотрудник

Уфа

Aleksandr A. Agapitov, Junior Researcher

Ufa

aleks6321@yandex.ruhttps://orcid.org/0000-0001-9250-5548СадиковаЛ. Ф.SadikovaL. F.

Садикова Лиана Флоритовна — младший научный сотрудник

Уфа

Liana F. Sadikova, Junior Researcher

Ufa

walsh.lea@gmail.comhttps://orcid.org/0000-0001-7907-806XЧерненкоО. В.ChernenkoO. V.

Черненко Олег Валерианович — кандидат медицинских наук, заместитель директора по развитию

Уфа

Oleg V. Chernenko, MD, PhD, Deputy Director for Development

Ufa

och@dializrb.ruhttps://orcid.org/0000-0002-8439-8620НовиковС. В.NovikovS. V.

Новиков Сергей Владимирович — кандидат экономических наук, исполняющий обязанности ректора

Уфа

Sergey V. Novikov, PhD in Economics, Acting Rector

Ufa

sn9177774405@gmail.comhttps://orcid.org/0000-0002-7698-8858ПоповД. В.PopovD. V.

Попов Денис Владимирович — кандидат технических наук, доцент кафедры вычислительной математики и кибернетики

Уфа

Denis V. Popov, PhD in Technics, Associate Professor, Department of Computational Mathematics and Cybernetics

Ufa

popov.denis@inbox.ruПавловВ. Н.PavlovV. N.

Павлов Валентин Николаевич — доктор медицинских наук, профессор, член-корреспондент Российской академии наук, ректор

Уфа

Valentin N. Pavlov, MD, PhD, DSc, Professor, Corresponding Member of the Russian Academy of Sciences, Rector

Ufa

pavlov@bashgmu.ruhttps://orcid.org/0000-0002-1874-8661ГарееваД. Ф.GareevaD. F.

Гареева Диана Фирдависовна — кандидат медицинских наук, врач-кардиолог, ассистент кафедры пропедевтики внутренних болезней

Уфа

Diana F. Gareeva, MD, PhD, Cardiologist, Assistant, Department of Propaedeutics of Internal Diseases

Ufa

danika09@mail.ruhttps://orcid.org/0000-0002-1971-2572ИдрисовБ. Т.IdrisovB. T.

Идрисов Булат Тагирович — ассистент кафедры инфекционных болезней

Уфа

Bulat T. Idrisov, MD, Assistant, Department of Infectious Diseases

Ufa

bidrisov@gmail.comhttps://orcid.org/0000-0002-1273-9430БиляловА. Р.BilyalovA. R.

Билялов Азат Ринатович — кандидат медицинских наук, начальник управления информационных технологий, доцент кафедры травматологии и ортопедии с курсом Института дополнительного профессионального образования

Уфа

Azat R. Bilyalov, MD, PhD, Head, Department of Information Technologies, Associate Professor, Department of Traumatology and Orthopedics

Ufa

azat.bilyalov@gmail.comhttps://orcid.org/0000-0003-2386-6707ЗагидуллинН. Ш.ZagidullinN. Sh.

Загидуллин Науфаль Шамилевич — доктор медицинских наук, профессор, директор Научно-исследовательского института «Кардиология», заведующий кафедрой пропедевтики внутренних болезней ФГБОУ ВО Башкирский ГМУ Минздрава России

ул. Ленина, д. 3, Уфа, 450008

Naufal Sh. Zagidullin, MD, PhD, DSc, Professor, Director, Research Institute of Cardiology, Head, Department of Propaedeutics of Internal Diseases, Bashkir State Medical University

3 Lenin street, Ufa, 450008

znaufal@mail.ruФедеральное государственное бюджетное образовательное учреждение высшего образования «Уфимский государственный авиационный технический университет»РоссияUfa State Aviation Technical UniversityRussian FederationООО «Лаборатория гемодиализа»РоссияLLC “Laboratory of Нemodialysis”Russian FederationФедеральное государственное бюджетное образовательное учреждение высшего образования «Башкирский государственный медицинский университет» Министерства здравоохранения Российской ФедерацииРоссияBashkir State Medical UniversityRussian FederationФедеральное государственное бюджетное образовательное учреждение высшего образования «Уфимский государственный авиационный технический университет»; Федеральное государственное бюджетное образовательное учреждение высшего образования «Башкирский государственный медицинский университет» Министерства здравоохранения Российской ФедерацииРоссияUfa State Aviation Technical University; Bashkir State Medical UniversityRussian Federation202004062020263288294Copyright © Лакман И.А., Агапитов А.А., Садикова Л.Ф., Черненко О.В., Новиков С.В., Попов Д.В., Павлов В.Н., Гареева Д.Ф., Идрисов Б.Т., Билялов А.Р., Загидуллин Н.Ш., 20202020Лакман И.А., Агапитов А.А., Садикова Л.Ф., Черненко О.В., Новиков С.В., Попов Д.В., Павлов В.Н., Гареева Д.Ф., Идрисов Б.Т., Билялов А.Р., Загидуллин Н.Ш.Lakman I.A., Agapitov A.A., Sadikova L.F., Chernenko O.V., Novikov S.V., Popov D.V., Pavlov V.N., Gareeva D.F., Idrisov B.T., Bilyalov A.R., Zagidullin N.S.This work is licensed under a Creative Commons Attribution 4.0 License.https://htn.almazovcentre.ru/jour/article/view/1972

Новая коронавирусная инфекция (КВИ) является вызовом медицинской системе Российской Федерации и требует точного прогнозирования течения для своевременного принятия необходимых мер. В статье приводится обзор современных математических инструментов для проведения прогнозирования течения КВИ в мире. Созданный проектный офис по прогнозированию КВИ позволил определить наиболее эффективные в Российской Федерации инструменты анализа — модель ARIMA, SIRD и экспоненциального сглаживания Хольта–Уинтерса. С их помощью с точностью до 99 % получается прогнозировать краткосрочную заболеваемость, смертность и выживаемость пациентов как в Российской Федерации в целом, так и в отдельных регионах. Кроме того, выявлены особенности распространения КВИ. В частности, максимальная скорость распространения инфекции характерна для Москвы и Московской области, а регионы отстают по динамике заболеваемости на 1–3 недели. В статье также рассматриваются ограничения применяемых авторами прогнозных моделей. Полученные модели позволяют успешно прогнозировать течение болезни в регионах и своевременно принимать необходимые меры.

A new coronavirus infection (CVI) is a challenge to the medical system of the Russian Federation and requires precise flow forecasting to take the necessary measures on time. The article provides an overview of modern mathematical tools for predicting the course of CVI in the world. The created CVI forecasting project office allowed to determine the most effective analysis tools in the Russian Federation — the ARIMA, SIRD and Holt–Winters exponential smoothing models. Implementation of these models allows for prediction of short-term morbidity, mortality and survival of patients with an accuracy of 99 % both in the Russian Federation in general and in the regions. In addition, the distribution of CVI was characterized. Particularly, Moscow and Moscow region have the maximum spread of infection, and other regions are lagging behind in the dynamics of the incidence by 1–3 weeks. The obtained models allow us to predict the course of the disease in the regions successfully and take the necessary measures in a timely manner.

прогнозированиеCOVID-19новая коронавирусная инфекциязаболеваемостьрredictionforecastCOVID-19coronavirus infectionmorbidityReferencesRoosa K, Lee Y, Luo R, Kirpich A, Rothenberg R, Hyman JM, Yan P et al. Short-term forecasts of the COVID-19 epidemic in Guangdong and Zhejiang, China: February 13–23, 2020. J Clin Med. 2020;9(2):596. doi:10.3390/jcm9020596Roosa K, Lee Y, Luo R, Kirpich A, Rothenberg R, Hyman JM, Yan P et al. Short-term forecasts of the COVID-19 epidemic in Guangdong and Zhejiang, China: February 13–23, 2020. J Clin Med. 2020;9(2):596. doi:10.3390/jcm9020596Stübinger J, Schneider L Epidemiology of coronavirus COVID-19: forecasting the future incidence in different countries. Healthcare. 2020;8(2):99. doi:10.3390/healthcare8020099Stübinger J, Schneider L Epidemiology of coronavirus COVID-19: forecasting the future incidence in different countries. Healthcare. 2020;8(2):99. doi:10.3390/healthcare8020099Huang Y, Yang L, Dai H, Tian F, Chen K. Epidemic situation and forecasting of COVID-19 in and outside China. Bulletin of the World Health Organization. [Published online 16 March 2020]. doi:10.2471/BLT.20.255158Huang Y, Yang L, Dai H, Tian F, Chen K. Epidemic situation and forecasting of COVID-19 in and outside China. Bulletin of the World Health Organization. [Published online 16 March 2020]. doi:10.2471/BLT.20.255158Sun D, Duan L, Xiong J, Wang D Modelling and forecasting the spread tendency of the COVID-19 in China. BMC Infectious Diseases. [Published online 8 May 2020]. doi:10.21203/rs.3.rs-26772/v1Sun D, Duan L, Xiong J, Wang D Modelling and forecasting the spread tendency of the COVID-19 in China. BMC Infectious Diseases. [Published online 8 May 2020]. doi:10.21203/rs.3.rs-26772/v1Avila E, Canto FJA Fitting parameters of SEIR and SIRD models of COVID-19 pandemic in Mexico. [Published online 15 April 2020]. [Electronic resource]. URL: https://www.researchgate.net/publication/341165247_Fitting_parameters_of_SEIR_and_SIRD_models_of_COVID-19_pandemic_in_Mexico#fullTextFileContentAvila E, Canto FJA Fitting parameters of SEIR and SIRD models of COVID-19 pandemic in Mexico. [Published online 15 April 2020]. [Electronic resource]. URL: https://www.researchgate.net/publication/341165247_Fitting_parameters_of_SEIR_and_SIRD_models_of_COVID-19_pandemic_in_Mexico#fullTextFileContentPrem K, Liu Y, Russell TW, Kucharski AJ, Eggo RM, Davies N et al. The effect of control strategies to reduce social mixing on outcomes of the COVID-19 epidemic in Wuhan, China: a modelling study. Lancet Public Health 2020;5(5):e261–270. doi:10.1016/S2468-2667(20)30073-6Prem K, Liu Y, Russell TW, Kucharski AJ, Eggo RM, Davies N et al. The effect of control strategies to reduce social mixing on outcomes of the COVID-19 epidemic in Wuhan, China: a modelling study. Lancet Public Health 2020;5(5):e261–270. doi:10.1016/S2468-2667(20)30073-6Benvenuto D, Giovanetti M, Vassallo L, Angeletti S, Ciccozzi M Application of the ARIMA model on the COVID-2019 epidemic dataset. Data Brief. 2020:1053403. [Ahead of print, published online 26 February 2020]. doi:10.1016/j.dib.2020.105340Benvenuto D, Giovanetti M, Vassallo L, Angeletti S, Ciccozzi M Application of the ARIMA model on the COVID-2019 epidemic dataset. Data Brief. 2020:1053403. [Ahead of print, published online 26 February 2020]. doi:10.1016/j.dib.2020.105340Dehesh T, Mardani-Fard HA, Dehesh P Forecasting of COVID-19 Confirmed Cases in Different Countries with ARIMA Models. MedRxiv. [Published online 18 March 2020]. doi:10.1101/2020.03.13.20035345Dehesh T, Mardani-Fard HA, Dehesh P Forecasting of COVID-19 Confirmed Cases in Different Countries with ARIMA Models. MedRxiv. [Published online 18 March 2020]. doi:10.1101/2020.03.13.20035345Yonar H, Yonar A, Tekindal MA, Tekindal M. Modeling and forecasting for the number of cases of the COVID-19 pandemic with the curve estimation models, the Box-Jenkins and exponential smoothing methods. Euras J Med Oncol. 2020;4(2):160–165. doi:10.14744/ejmo.2020.28273Yonar H, Yonar A, Tekindal MA, Tekindal M. Modeling and forecasting for the number of cases of the COVID-19 pandemic with the curve estimation models, the Box-Jenkins and exponential smoothing methods. Euras J Med Oncol. 2020;4(2):160–165. doi:10.14744/ejmo.2020.28273Ribeiro MHDM, Gomes da Silva R, Mariani VC, Coelho Ld S. Short-term forecasting COVID-19 cumulative confirmed cases: Perspectives for Brazil. Chaos, Solitons and Fractals. 2020;135: 109853. doi:10.1016/j.chaos.2020.109853Ribeiro MHDM, Gomes da Silva R, Mariani VC, Coelho Ld S. Short-term forecasting COVID-19 cumulative confirmed cases: Perspectives for Brazil. Chaos, Solitons and Fractals. 2020;135: 109853. doi:10.1016/j.chaos.2020.109853Zhang Z, Wang X, Gong H, Liu X, Chen H, Chu Z et al. Daily tracking and forecasting of the global COVID-19 pandemic trend using holt–winters exponential smoothing. Lancet. [Published online 15 April 2020]. https://dx.doi.org/10.2139/ssrn.3564413Zhang Z, Wang X, Gong H, Liu X, Chen H, Chu Z et al. Daily tracking and forecasting of the global COVID-19 pandemic trend using holt–winters exponential smoothing. Lancet. [Published online 15 April 2020]. https://dx.doi.org/10.2139/ssrn.3564413Abdulmajeed K, Adeleke M, Popoola L. Online forecasting of COVID-19 cases in Nigeria using limited data. Data Brief. 2020;30:105683. doi:10.1016/j.dib.2020.105683Abdulmajeed K, Adeleke M, Popoola L. Online forecasting of COVID-19 cases in Nigeria using limited data. Data Brief. 2020;30:105683. doi:10.1016/j.dib.2020.105683Elmousalami HH, Hassanien AE. Day level forecasting for coronavirus disease (COVID-19) spread: analysis, modeling and recommendations. [Published online 15 March 2020]. [Electronic resource]. URL: https://arxiv.org/ftp/arxiv/papers/2003/2003.07778.pdfElmousalami HH, Hassanien AE. Day level forecasting for coronavirus disease (COVID-19) spread: analysis, modeling and recommendations. [Published online 15 March 2020]. [Electronic resource]. URL: https://arxiv.org/ftp/arxiv/papers/2003/2003.07778.pdfPetropoulos F, Makridakis S Forecasting the novel coronavirus COVID-19. PLoS ONE 15(3):e0231236. doi:10.1371/journal.pone.0231236Petropoulos F, Makridakis S Forecasting the novel coronavirus COVID-19. PLoS ONE 15(3):e0231236. doi:10.1371/journal.pone.0231236Zagidullin N, Motloch LJ, Gareeva D, Hamitova A, Lakman I, Krioni I et al. Combining novel biomarkers for risk stratification of two-year cardiovascular mortality in patients with ST-elevation myocardial infarction. J Clin Med. 2020;9(2):550. doi:10.3390/jcm9020550Zagidullin N, Motloch LJ, Gareeva D, Hamitova A, Lakman I, Krioni I et al. Combining novel biomarkers for risk stratification of two-year cardiovascular mortality in patients with ST-elevation myocardial infarction. J Clin Med. 2020;9(2):550. doi:10.3390/jcm9020550

The authors declare that there are no conflicts of interest present.