2020, випуск 3, c. 32-42

Одержано 09.09.2020; Виправлено 24.09.2020; Прийнято 23.10.2020

Надруковано 27.10.2020; Вперше Online 05.11.2020

https://doi.org/10.34229/2707-451X.20.3.4

Попередня  |  Повний текст  |  Наступна

 

УДК 519.8

Використання загальнодоступного програмного забезпечення у моделюванні епідеміологічних трендів

М.С. Дунаєвський 1 * ORCID ID favicon Big,   О.В. Лефтеров 1,   В.М. Большаков 1

1 Інститут кібернетики імені В.М. Глушкова НАН України, Київ

* Листування: Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.

 

Вступ. Спалахи інфекційних хвороб та пандемія COVID-19, зокрема, – серйозний виклик у сфері охорони громадського здоров’я.

Зворотною стороною викликів завжди є можливості, і, на сьогодні такими можливостями є інформаційні технології, системи прийняття рішень, найкращі практики проактивного управління і контролю на основі сучасних методик аналізу даних (data driven decision making) та моделювання.

В роботі здійснено огляд перспектив використання загальнодоступного програмного забезпечення у моделюванні епідеміологічних трендів. Розглянуто сильні та слабкі сторони, основні характеристики та можливі аспекти застосування.

Мета роботи. Провести огляд загальнодоступного ПЗ у сфері охорони здоров’я. Навести ситуації у яких буде корисний той чи інший підхід. Сегментувати та з’ясувати ефективність моделей що лежать в основі. Зазначити перспективність високопродуктивних обчислень для моделювання поширення епідемій.

Результати. Детерміністичні моделі хоч і готові до практичного використання без специфічних додаткових налаштувань, проте все ж таки програють за своїми функціональними можливостями іншим групам. Для отримання результатів оцінки від стохастичних та агентоорієнтованих моделей спершу, власне,  потрібно задати модель епідемії, для чого потрібні більш глибокі знання у сфері епідеміології, добре розуміння статистичного базису та основних припущень на яких будується модель. Серед роз-глянутого ПЗ, EMOD (Epidemiological MODelling software) від Інституту моделювання хвороб є лідером за функціональними можливостями.

Висновки. Маємо у вільному доступі відносно широкий вибір з програмного забезпечення, що спочатку розроблявся протиепідеміологічними інституціями для внутрішнього службового використання при прийнятті рішень та надалі був відкритий для широкої громадськості. Загалом дані програми були адаптовані для підвищення їх практичного застосування. Звужено фокус на потенційних питаннях. Передбачено можливість адаптивного використання.

Можемо зазначити достатню інформативність та зручність використання ПЗ групи детерміністичних методів. Також такі моделі мають досить звужений функціональний фокус. Стохастичні моделі надають більше функціоналу, проте дещо втрачають у зручності використання. Максимальну функціональність маємо від агентоорієнтованих моделей, хоча для їх найефективнішого використання  потрібно володіти відповідними навичками написання програмного коду.

 

Ключові слова: епідеміологічне ПЗ, детерміністичне моделювання, стохастичне моделювання, агентоорієнтоване моделювання, високопродуктивні обчислення, системи прийняття рішень.

 

Цитувати так: Дунаєвський М.С., Лефтеров О.В., Большаков В.М. Використання загальнодоступного програмного забезпечення у моделюванні епідеміологічних трендів. Cybernetics and Computer Technologies. 2020. 3. С. 32–42. https://doi.org/10.34229/2707-451X.20.3.4

 

Список літератури

           1.     Gorbachuk V.M. Gavrilenko S.O. Analysis of dynamics of COVID-19 spreading in Ukraine and neighboring countries on May 1-10, 2020.

           2.     Дунаєвський М.С. Оцінка готовності Одещини до пом’якшення карантинних антиcovid-19 заходів. Тези все-української науково-практичної конференції «Проблеми міжнародної міграції: оцінка та перспективи вирішення». 2020.

           3.     Лефтеров О.В. Большаков В.М. Інформаційна технологія прогнозування та моніторингу вірусного інфікування і захворювань. VIII International scientific Internet conference "Global and Regional problems of Informatization in Society and Nature Using '2020". 14 – 15 May 2020, NULES of Ukraine, Kyiv.

           4.     COVID-19 Dashboard by the Center for Systems Science and Engineering (CSSE) at Johns Hopkins University (JHU) https://coronavirus.jhu.edu/map.html

           5.     Інформаційний дашборд Національної служби здоров’я України. https://nszu.gov.ua/covid/dashboard

           6.     Горбачук В.М., Макаренко О.С., Самородов Є.Л., Дунаєвський М.С., Сирку А.А., Сулейманов С.-Б. До інтегрованих систем візуалізації, аналізу та застосування часово-просторових даних. Глушковські читання. К.: НТУУ «КПІ імені Ігоря Сікорського», 2017. С. 35 – 37.

           7.     Горбачук В.М., Кошулько А.І., Дунаєвський М.С. Питання асиметрії інформації та несприятливого відбору в організації охорони здоров’я. Здоров’я і суспільні виміри в академічному просторі та поза ним. К.: НаУКМА, 2018.

           8.     Горбачук В., Гавриленко С., Голоцуков Г., Дунаєвський М. Засади розвитку хмарних технологій. Інформаційні технології та комп’ютерне моделювання. Івано-Франківськ: Прикарпатський національний університет імені В. Стефаника, 2020. С. 82 – 83.

           9.     Суперкомп'ютер ІК НАН України. http://icybcluster.org.ua (дата звернення: 06.09.2020)

       10.     Gorbachuk V.M., Dunaievskyi M.S., Suleimanov S.-B. The Golden rule for overlapping generations. Nonlinear analysis and applications. Kyiv: NTUU «KPI», 2018. P. 24.

       11.     Heslop D.J., Chughtai A.A., Bui C.M., MacIntyre C.R. Publicly available software tools for decision-makers during an emergent epidemic – Systematic evaluation of utility and usability. Epidemics. 2017. 21. P. 112. http://dx.doi.org/10.1016/j.epidem.2017.04.002

       12.     National Research Council (U.S) Committee on Modeling Simulation and Games. The Rise of Games and High-performance Computing for Modeling and Simulation. National Academies Press, Washington, D.C, xiii, 2010. 116 p.

       13.     Дунаєвський М.С. Від ЗДАС до Розумної Держави (smart state). Історія, сьогодення та перспективи розвитку інформаційних технологій в Україні та світі. Матеріали VII-ої Всеукраїнської науково-практичної конференції “Глушковські читання”. К.: ТОВ “Інтерсервіс”, 2018. С. 45. https://fsp.kpi.ua/wp-content/uploads/2019/06/Glushkov-2018-sbornik.pdf?x33898

       14.     Roberts M., Andreasen V., Lloyd A., Pellis L. Nine challenges for deterministic epidemic models. Epidemics. 2015. 10. P. 49–53. https://doi.org/10.1016/j.epidem.2014.09.006

       15.     КМУ Інформаційні панелі (дашборди) щодо забезпеченості медичних закладів ресурсами для боротьби з COVID-19. https://covid19.gov.ua/analitichni-paneli-dashbordy (дата звернення: 06.09.2020)

       16.     Бровченко І. Розробка математичної моделі поширення епідемії COVID-19 в Україні. Світогляд. 2020. 2 (82). C. 2 14. http://files.nas.gov.ua/PublicMessages/Documents/0/2020/05/200506172747204-403.pdf

       17.     Bisset K.R., Chen J., Deodhar S., Feng X., Ma Y., Marathe M.V. Indemics: An interactive high-performance computing framework for data-intensive epidemic modeling. ACM Trans. Model. Comput. Simul. 24. 1. Article 4 (January 2014), 32 p. http://dx.doi.org/10.1145/2501602

 

 

ISSN 2707-451X (Online)

ISSN 2707-4501 (Print)

Попередня  |  Повний текст  |  Наступна

 

 

 

© Вебсайт та оформлення. 2019-2021,

Інститут кібернетики імені В.М. Глушкова НАН України,

Національна академія наук України.