Моделирование распространения инфекционного заболевания в условиях вахтового метода работы

Об авторах:

Подзолков Павел Николаевич, аспирант, кафедра программного обеспечения, Институт математики и компьютерных наук, Тюменский государственный университет, Тюмень, Россия; p.n.podzolkov@utmn.ru, https://orcid.org/0000-0002-1335-8445
Захарова Ирина Гелиевна, кандидат физико-математических наук, профессор кафедры программного обеспечения, Школа компьютерных наук, Тюменский государственный университет, Тюмень, Россия; i.g.zakharova@utmn.ru, https://orcid.org/0000-0002-4211-7675

Аннотация:

В статье рассматриваются проблемы построения моделей распространения инфекционных заболеваний. Обсуждается актуальность эпидемиологического моделирования в контексте различных сфер общественной деятельности, в том числе с точки зрения влияния характера производственных процессов на распространение заболевания. Анализируются возможности эпидемиологического моделирования с учетом миграции населения и географии (в широком понимании) с использованием компартментальных эпидемиологических моделей. Рассмотрены методы построения компартментальных моделей, учитывающих смертность от заболевания. Предложен такой подход к построению компартментальных моделей, учитывающих неоднородность популяции, который основан на разделении популяции на непересекающиеся подмножества индивидов с установленными показателями интенсивности контактов между подмножествами. В рамках данного подхода описан метод моделирования мигрирующих подмножеств. Демонстрируются результаты построенных эпидемиологических моделей распространения инфекции между населенными пунктами с учетом миграции групп работников вахтового метода. Проводится сравнение моделей, отличающихся по характеру взаимодействия между индивидами подмножеств. Показано, что порядок распространения инфекции между подмножествами влияет на динамику распространения эпидемии, но не на итоговое количество индивидов, затронутых инфекцией. Продемонстрировано ускорение передачи эпидемии между подмножествами индивидов при наличии прямых контактов относительно ситуации с передачей инфекции через мигрирующие группы индивидов. На основе предложенного подхода возможна реализация системы имитационного моделирования эпидемий, в рамках которой будут учитываться миграционные и географические факторы, а также характер взаимодействия участников производственного процесса.

Список литературы:

Андреев Д. А., Хачанова Н. В., Степанова В. Н., Башлакова Е. Е., Евдошенко Е. П., Давыдовская М. В. 2017. Стандартизация моделирования прогрессирования хронических заболеваний // Проблемы стандартизации в здравоохранении. № 9–10. С. 12–24. http://doi.org/10.26347/1607-2502201709-10012-024

Еремеева Н. И. 2021. Численное моделирование влияния карантинных мер на динамику эпидемиологического процесса на основе SEIRD-модели // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. Том 7. № 2 (26). С. 170–187. http://doi.org/10.21684/2411-7978-2021-7-2-170-187

Кондратьев М. А. 2013. Методы прогнозирования и модели распространения заболеваний // Компьютерные исследования и моделирование. Том 5. № 5. С. 863–882.

Пучков А. Л. 2007. Организация труда вахтовым методом на нефтегазодобывающих предприятиях Западной Сибири // Вестник Томского государственного университета. № 296. С. 219–222.

Родкин М. В., Пунанова С. А. 2020. Вторая волна эпидемии коронавируса — влияние на нефтегазовую отрасль, научную и образовательную сферы // Уральский геологический журнал. № 6 (138). С. 74–85.

Ханин Г. И., Фомин Д. А. 2020. Экономические последствия эпидемии коронавируса в России на фоне мирового опыта // Journal of Economic Regulation (Вопросы регулирования экономики). Том 11. № 2. С. 6–18. http://doi.org/10.17835/2078-5429.2020.11.2.006-018

Яковлев С. А. 2017. Инфекционные заболевания как глобальная проблема современности // Территория науки. № 1. С. 20–23.

Янчевская Е. Ю., Меснянкина О. А. 2019. Математическое моделирование и прогнозирование в эпидемиологии инфекционных заболеваний // Вестник Российского университета дружбы народов. Серия: Медицина. Том 23. № 3. С. 328–334. http://doi.org/10.22363/2313-0245-2019-23-3-328-334

Araz O. M., Fowler J. W., Lant T. W., Jehn M. 2009. A pandemic influenza simulation mo­del for preparedness planning // Proceedings of the 2009 Winter Simulation Conference (WSC) (13-16 December 2009, Austin, TX, USA). Pp. 1986–1995. http://doi.org/10.1109/WSC.2009.5429732

Bichara D., Iggidr A., Sallet G. 2014. Global analysis of multi-strains SIS, SIR and MSIR epidemic models // Journal of Applied Mathematics and Computing. Vol. 44. No. 1. Pp. 273–292. https://doi.org/10.1007/s12190-013-0693-x

Brauer F. 2008. Compartmental models in epidemiology // Mathematical Epidemiology / F. Brauer, P. van den Driessche, J. Wu (eds.). Heidelberg: Springer. Pp. 19–79. https://doi.org/10.1007/978-3-540-78911-6_2

Calafiore G. C., Novara C., Possieri C. 2020. A time-varying SIRD model for the COVID-19 contagion in Italy // Annual Reviews in Control. Vol. 50. Pp. 361–372. https://doi.org/10.1016/j.arcontrol.2020.10.005

Ellison G. 2020. Implications of heterogeneous SIR models for analyses of COVID-19 // NBER Working Papers. Working Paper w27373. https://doi.org/10.3386/w27373

Fernández-Villaverde J., Jones C. I. 2022. Estimating and simulating a SIRD model of COVID-19 for many countries, states, and cities // Journal of Economic Dynamics and Control. Vol. 140. Article 104318. https://doi.org/10.1016/j.jedc.2022.104318

Goel R., Sharma R. 2020. Mobility based SIR mo­del for pandemics — With case study of COVID-19 // 2020 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM) (7–10 December 2020, The Hague, Netherlands). Pp. 110–117. https://doi.org/10.1109/ASONAM49781.2020.9381457

Kermack W. O., McKendrick A. G. 1991. Contributions to the mathematical theory of epidemics — I // Bulletin of Mathematical Biology. Vol. 53. No. 1–2. Pp. 33–55. https://doi.org/10.1016/S0092-8240(05)80040-0

Muroya Y., Enatsu Y., Kuniya T. 2013. Global stability of extended multi-group sir epidemic mo­dels with patches through migration and cross patch infection // Acta Mathematica Scientia. Vol. 33. No. 2. Pp. 341–361. https://doi.org/10.1016/S0252-9602(13)60003-X

Sen D., Sen D. 2021. Use of a modified SIRD model to analyze COVID-19 data // Industrial & Engineering Chemistry Research. Vol. 60. No. 11. Pp. 4251–4260. https://doi.org/10.1021/acs.iecr.0c04754

Silal Sh. P., Little F., Barnes K. I, White L. J. 2016. Sensitivity to model structure: A comparison of compartmental models in epidemiology // Health Systems. Vol. 5. No. 3. Pp. 178–191. https://doi.org/10.1057/hs.2015.2

Weiss H. H. 2013. The SIR model and the foundations of public health // MATerials MATe­matics. Vol. 2013. No. 3. 17 p.