Ключевые слова
эпидемиологическое информирование
программы
здоровье
экономические потери
модели развития эпидемий
Как цитировать
Аннотация
Рост плотности населения и интенсивности контактов между людьми повышает вероятность вспышек эпидемий в результате появления новых биологических вирусов. Противостоять таким угрозам позволяют масштабные профилактические, лечебные и иные меры до начала или во время эпидемии. Важную роль в комплексном противодействии эпидемиям играет информирование населения. Современные модели эпидемиологического информирования городского населения зачастую оказываются неэффективны, ставя под удар жизни и здоровье людей. Рассматриваемые в статье модели облегчают понимание проблем общественного здравоохранения и влияния эпидемий на экономику и бизнес. Для количественного обоснования программ (сценариев) эпидемиологического информирования предлагается метод на базе новых моделей распространения эпидемий в связанных городах. Суть метода состоит в сопряжении экономических показателей с состоянием здоровья населения в условиях эпидемии, а к преимуществам моделей относятся как диапазон состояний исследуемых процессов, так и связи между ними.Проанализированы семь программ эпидемиологического информирования населения связанных городов и определена наиболее оптимальная из них для конкретных условий. Установлены новые корреляции между параметрами реализуемых программ и результатами воздействия на здоровье и работоспособность населения. Показаны сценарии развития эпидемий в городах, объединенных разной интенсивности пассажиропотоками. Предложенный метод позволяет быстро подбирать наилучшие программы эпидемиологического информирования населения на основе моделей прогнозирования общественного здоровья и влияния эпидемий на экономику и бизнес в зависимости от мер противодействия им. Рассматриваемые модели могут также применяться для определения источников инфекции и момента ее распространения. Авторская методология эффективна для поддержки долгосрочной эпидемиологической политики.
Литература
Abdulai A.-F., Tiffere A.-H., Adam F., Kabanunye M.M. (2021) COVID-19 information-related digital literacy among online health consumers in a low-income country. International Journal of Medical Informatics, 145, 104322. DOI: https://doi.org/10.1016/j.ijmedinf.2020.104322
Bellman R. (1983) Mathematical methods in medicine, Singapore: World Scientific.
Browne C., Gulbudak H., Webb G. (2015) Modeling contact tracing in outbreaks with application to Ebola. Journal of Theoretical Biology, 384, 33-49. DOI: https://doi.org/10.1016/j.jtbi.2015.08.004
Chubb M.C., Jacobsen K.H. (2009) Mathematical modeling and the epidemiological research process. European Journal of Epidemiology, 25(1), 13-19. DOI: https://doi.org/10.1007/s10654-009-9397-9
Da Silva R.G., Ribeiro M.H.D.M., Mariani V.C., Coelho L. (2020) Forecasting Brazilian and American COVID-19 cases based on artificial intelligence coupled with climatic exogenous variables. Chaos, Solitons and Fractals, 139, 110027. DOI: https://doi.org/10.1016/j.chaos.2020.110027
Holko A., Mȩdrek M., Pastuszak Z., Phusavat K. (2016) Epidemiological modeling with a population density map-based cellular automata simulation system. Expert Systems with Applications, 48, 1-8. DOI: https://doi.org/10.1016/j.eswa.2015.08.018
Hu Z., Ge Q., Li S., Boerwinkle E., Jin L., Xiong M. (2020) Forecasting and Evaluating Multiple Interventions for COVID-19 Worldwide. Frontiers in Artificial Intelligence, 3. DOI: https://doi.org/10.3389/frai.2020.00041
Katris C. (2021) A time series-based statistical approach for outbreak spread forecasting: Application of COVID-19 in Greece. Expert Systems with Applications, 166, 114077. DOI: https://doi.org/10.1016/j.eswa.2020.114077
Levashkin S.P., Zakharova O.I., Kuleshov S.V., Zaytseva A.A. (2021) Adaptive-compartmental model of coronavirus epidemic and its optimization by the methods of artificial intelligence. Journal of Physics: Conference Series, 1864(1), 012108. DOI: https://doi.org/10.1088/1742-6596/1864/1/012108
Liu N., Chen Z., Bao G. (2020) Role of Media Coverage in Mitigating COVID-19 Transmission: Evidence from China. Technological Forecasting and Social Change, 163, 120435. DOI: https://doi.org/10.1016/j.techfore.2020.120435
Medrek M., Pastuszak Z. (2021) Numerical simulation of the novel coronavirus spreading. Expert Systems with Applications, 166, 114109. DOI: https://doi.org/10.1016/j.eswa.2020.114109
Nadella P., Swaminathan A., Subramanian S.V. (2020) Forecasting efforts from prior epidemics and COVID-19 predictions. European Journal of Epidemiology, 35(8), 727-729. DOI: https://doi.org/10.1007/s10654-020-00661-0
Newbold P., Granger C.W.J. (1974) Experience with Forecasting Univariate Time Series and the Combination of Forecasts. Journal of the Royal Statistical Society. Series A (General), 137(2), 131-165. DOI: https://doi.org/10.2307/2344546
Osipov V., Kuleshov S., Zaytseva A., Levonevskiy D., Miloserdov D. (2021) Neural network forecasting of news feeds. Expert Systems with Applications, 169, 114521. DOI: https://doi.org/10.1016/j.eswa.2020.114521
Papa A., Mital M., Pisano P., Del Giudice M. (2020) E-health and wellbeing monitoring using smart healthcare devices: An empirical investigation. Technological Forecasting and Social Change, 153, 119226. DOI: https://doi.org/10.1016/j.techfore.2018.02.018
Qazi A., Qazi J., Naseer K., Zeeshan M., Hardaker G., Maitama J.Z., Haruna K. (2020) Analyzing situational awareness through public opinion to predict adoption of social distancing amid pandemic COVID-19. Journal of Medical Virology, 92(7), 849-855. DOI: https://doi.org/10.1002/jmv.25840
Tiwari P.K., Rai R.K., Khajanchi S., Gupta R.K., Misra A.K. (2021) Dynamics of coronavirus pandemic: Effects of community awareness and global information campaigns. The European Physical Journal Plus, 136(10), 994. DOI: https://doi.org/10.1140/epjp/s13360-021-01997-6
Wu Q., Fu X., Small M., Xu X.-J. (2012) The impact of awareness on epidemic spreading in networks. Chaos: An Interdisciplinary Journal of Nonlinear Science, 22(1), 013101. DOI: https://doi.org/10.1063/1.3673573
Zhou W., Wang A., Xia F., Xiao Y., Tang S. (2020) Effects of media reporting on mitigating spread of COVID-19 in the early phase of the outbreak. Mathematical Biosciences and Engineering, 17(3), 2693-2707. DOI: https://doi.org/10.3934/mbe.2020147
Лукьянович А.В., Афлятунов Т.И. (2015) Анализ возможностей активного информационного воздействия средств массовой информации на население в условиях чрезвычайных ситуаций. Технологии гражданской безопасности, 12(4), 62-68.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.