microbeПроблемы особо опасных инфекцийProblems of Particularly Dangerous Infections0370-10692658-719XRussian Research Anti-Plague Institute “Microbe”10.21055/0370-1069-2024-3-103-110microbe-2047Research ArticleОРИГИНАЛЬНЫЕ СТАТЬИORIGINAL ARTICLESФормирование объективной методической базы эпидемиологического прогнозирования заболеваемости геморрагической лихорадкой с почечным синдромом с использованием методов машинного обученияFormation of a Credible Methodological Framework for Epidemiological Forecasting of the Incidence of Hemorrhagic Fever with Renal Syndrome Using Machine Learning Techniqueshttps://orcid.org/0000-0002-4849-3866ИвановаА. В.IvanovaA. V.

Иванова Александра Васильевна

Российская Федерация, 410005, Саратов, ул. Университетская, 46

46, Universitetskaya St., Saratov, 410005, Russian Federation

rusrapi@microbe.ruhttps://orcid.org/0000-0001-9563-2833СафроновВ. А.SafronovV. A.

Российская Федерация, 410005, Саратов, ул. Университетская, 46

46, Universitetskaya St., Saratov, 410005, Russian Federation

rusrapi@microbe.ruФКУН «Российский научно-исследовательский противочумный институт «Микроб»РоссияRussian Research Anti-Plague Institute “Microbe”Russian Federation20243009202403103110Copyright © Иванова А.В., Сафронов В.А., 20242024Иванова А.В., Сафронов В.А.Ivanova A.V., Safronov V.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://journal.microbe.ru/jour/article/view/2047

Высокая медицинская и социальная значимость проблемы геморрагической лихорадки с почечным синдромом (ГЛПС) в Р оссии является значимым аргументом в пользу разработок качественно новых подходов к прогнозированию эпидемиологических осложнений. Наличие сложного характера взаимодействия факторов, определяющих интенсивность эпидемических проявлений, требует продолжения поиска наиболее достоверных прогностических критериев предэпидемической диагностики ГЛПС, способных обеспечить ту полноту информации, которая необходима в современных условиях для оптимизации управления эпидемическим процессом. Целью работы явилось формирование объективной методической базы прогнозирования эпидемиологической обстановки по ГЛПС за счет использования методов машинного обучения при моделировании влияния комбинаций абиотических факторов риска на фактическую заболеваемость ГЛПС. Материалы и методы. Материалы исследования составили данные о 10 788 случаях заболевания ГЛПС, зарегистрированных с 1982 по 2022 г. на территории Саратовской области. В качестве факторов, вероятно оказывающих влияние на эпидемический процесс ГЛПС, рассмотрены более 46 тыс. значений метеопоказателей, полученных из архива базы данных метеонаблюдений за период 1981–2023 гг. метеостанции Саратов – Юго-Восток, представленных в открытом доступе Гидрометцентром России. Разработка нейросетевой модели прогнозирования выполнена на базе специализированного модуля платформы Loginom версии 7.1. Результаты и обсуждение. В работе представлены преимущества методов нейросетевого прогнозирования осложнения эпидемиологической обстановки по ГЛПС на основе анализа сложных, нелинейных зависимостей влияния абиотических факторов на заболеваемость населения. Разработан типовой сценарий для нейросетевого прогнозирования эпидемических осложнений по ГЛПС и апробирована прогностическая модель заболеваемости на территории Саратовской области. Показано, что применение нейросетевых алгоритмов позволяет получить прогноз возможного развития эпидемиологической обстановки по ГЛПС в будущем с вероятностью 98,8 %, что позволит обеспечить качественный переход от экспертного прогнозирования к независимому анализу эпидемиологических тенденций, существенно повышая информационные возможности и значимость прогнозирования при планировании и проведении профилактических работ учреждениями Роспотребнадзора.

The high medical and social significance of hemorrhagic fever with renal syndrome (HFRS) in Russia is a valid argument in favor of developing qualitatively new approaches to predicting epidemiological complications. The complex nature of interaction of factors determining the intensity of epidemic manifestations requires the continuation of the search for the most reliable prognostic criteria for pre-epidemic diagnosis of HFRS, providing the completeness of information that is necessary in modern conditions to optimize the epidemic process management. The aim of the work was to form an objective methodological basis for predicting the epidemiological situation on HFRS through the use of machine learning in modeling the effect of combinations of abiotic risk factors on the actual incidence of HFRS. Materials and methods. The study materials comprised the data on 10,788 cases of HFRS, registered in the Saratov Region between 1982 and 2022. More than 46 thousand values of meteorological indicators obtained from the archive of the database of meteorological observations for the period of 1981–2023 of the Saratov – South-East meteorological station, presented in the open access by the Hydrometeorological Center of Russia, are considered as factors likely to influence the epidemic process of HFRS. The development of a neural network forecasting model is based on a specialized module of the Loginom platform version 7.1. Results and discussion. The paper presents the advantages of neural network forecasting of complications of the epidemiological situation on HFRS based on the analysis of complex, nonlinear dependencies of the influence of abiotic factors on the morbidity among the population. A standard scenario for neural network forecasting of epidemic complications due to HFRS has been developed and a prognostic model of incidence in the Saratov Region has been tested. It is shown that the use of neural network algorithms allows to obtain a forecast of the possible development of the epidemiological situation on HFRS in the future with a probability of 98.8 %, which will ensure a qualitative transition from expert forecasting to independent analysis of epidemiological trends, significantly increasing the information capacities and importance of forecasting when planning and conducting preventive measures by the efforts of Rospotrebnadzor institutions.

геморрагическая лихорадка с почечным синдромомэпидемиологический анализпрогнозэкспертное прогнозированиеметоды машинного обучениянейросетевое прогнозированиеhemorrhagic fever with renal syndromeepidemiological analysisforecastexpert forecastingmachine learning methodsneural network forecastingReferencesОнищенко Г.Г., Ежлова Е.Б. Эпидемиологический надзор и профилактика геморрагической лихорадки с почечным синдромом в РФ. Журнал микробиологии, эпидемиологии и иммунологии. 2013; 4:23–32.Onishchenko G.G., Ezhlova E.B. [Epidemiological surveillance and prevention of hemorrhagic fever with renal syndrome in the Russian Federation]. Zhurnal Mikrobiologii, Epidemiologii i Immunologii [Journal of Microbiology, Epidemiology and Immunology]. 2013; (4):23–32.Иванова А.В., Сафронов В.А., Зубова А.А., Попов Н.В., Кожанова О.И., Матвеева Н.И., Вяткин И.Н., Щербакова С.А., Кутырев В.В. Методические подходы к оценке экономического ущерба, связанного с заболеваемостью геморрагической лихорадкой с почечным синдромом в Российской Федерации. Проблемы особо опасных инфекций. 2023; 1:96–104. DOI: 10.21055/0370-1069-2023-1-96-104.Ivanova A.V., Safronov V.A., Zubova A.A., Popov N.V., Kozhanova O.I., Matveeva N.I., Vyatkin I.N., Shcherbakova S.A., Kutyrev V.V. [Methodological approaches to assessing the economic damage associated with the incidence of hemorrhagic fever with renal syndrome in the Russian Federation]. Problemy Osobo Opasnykh Infektsii [Problems of Particularly Dangerous Infections]. 2023; (1):96–104. DOI: 10.21055/0370-1069-2023-1-96-104.Чистик О.Ф. Статистический подход к исследованию заболеваемости населения России. Интеллект. Инновации. Инвестиции. 2018; 7:4–11.Chistik O.F. [Statistical approach to the study of morbidity in the Russian population]. Intellekt. Innovatsii. Investitsii [Intelligence. Innovation. Investment]. 2018; (7):4–11.Чистик О.Ф. Статистический анализ заболеваемости и смертности. Вестник Самарского государственного экономического университета. 2019; 9:65–72. DOI: 10.46554/1993-0453-2019-9-179-65-72.Chistik O.F. [Statistical analysis of morbidity and mortality]. Vestnik Samarskogo Gosudarstvennogo Ekonomicheskogo Universiteta [Bulletin of the Samara State University of Economics]. 2019; (9):65–72. DOI: 10.46554/1993-0453-2019-9-179-65-72.Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям: Учеб. пособие. 2-е изд., испр. СП б.: Питер, 2013. 704 с.: ил.Paklin N.B., Oreshkov V.I. [Business Analytics: from Data to Knowledge: A Study Guide]. 2nd ed., revised. St. Petersburg; 2013. 704 p.: illustrated.Бернштейн А.Д., Апекина Н.С., Копылова Л.Ф., Хворенков А.В., Мясников Ю.А., Михайлова Т.В., Гавриловская И.Н. Особенности проявления лесных очагов геморрагической лихорадки с почечным синдромом, расположенных в оптимуме ареала рыжей полевки. РЭТ-инфо. 2000; 3:11–17.Bernstein A.D., Apekina N.S., Kopylova L.F., Khvorenkov A.V., Myasnikov Yu.A., Mikhailova T.V., Gavrilovskaya I.N. [Features of the manifestation of forest foci of hemorrhagic fever with renal syndrome, located in the optimum range of the red vole]. [RAT info]. 2000; (3):11–7.Жигальский О.А., Кшнясев И.А. Популяционные циклы европейской рыжей полевки в оптимуме ареала. Экология. 2000; 5:376–83.Zhigalsky O.A., Kshnyasev I.A. [Population cycles of the European red vole in the optimum range]. Ekologiya [Ecology]. 2000; (5):376–83.Берштейн А.Д., Гавриловская И.Н., Апекина Н.С., Дзагурова Т.К., Ткаченко Е.А. Особенности природной очаговости хантавирусных зоонозов. Эпидемиология и вакцинопрофилактика. 2010; (2):5–13.Berstein A.D., Gavrilovskaya I.N., Apekina N.S., Dzagurova T.K., Tkachenko E.A. [Features of the natural focality of hantavirus zoonoses]. Epidemiologiya i Vaktsinoprofilaktika [Epidemiology and Vaccinal Prevention]. 2010; (2):5–13.Коренберг Э.И. Природная очаговость инфекций: современные проблемы и перспективы исследований. Зоологический журнал. 2010; 89(1):5–17.Korenberg E.I. [Natural focality of infections: current problems and research prospects]. Zoologichesky Zhurnal [Zoological Journal]. 2010; 89(1):5–17.Кушнарева Т.В. Эпизоотологический потенциал мышевидных грызунов в природных очагах хантавирусной инфекции и его эпидемиологическое значение. Тихоокеанский медицинский журнал. 2008; 2:50–2.Kushnareva T.V. [Epizootiological potential of mouse-like rodents in natural foci of hantavirus infection and its epidemiological significance]. Tikhookeansky Meditsinsky Zhurnal [Pacific Medical Journal]. 2008; (2):50–2.Транквилевский Д.В. Современное состояние организации зоолого-энтомологического, эпизоотологического мониторинга в России. Пест-менеджмент. 2022; 3:16–9. DOI: 10.25732/PM.2022.123.3.003.Tranquilevsky D.V. [The current state of the organization of zoological, entomological, epizootiological monitoring in Russia]. [Pest Management]. 2022; (3):16–9. DOI: 10.25732/PM.2022.123.3.003Беляков В.Д. Управляемые инфекции и саморегуляция паразитарных систем. Журнал микробиологии, эпидемиологии и иммунологии. 1986; 63(11):8–12.Belyakov V.D. [Controlled infections and self-regulation of parasitic systems]. Zhurnal Mikrobiologii, Epidemiologii i Immunologii [Journal of Microbiology, Epidemiology and Immunology]. 1986; 63(11):8–12.Прислегина Д.А., Дубянский В.М., Платонов А.Е., Малецкая О.В. Влияние природно-климатических факторов на эпидемиологическую ситуацию по природно-очаговым инфекциям. Инфекция и иммунитет. 2021; 11(5):820–36. DOI: 10.15789/2220-7619-EOT-1631.Prislegina D.A., Dubyansky V.M., Platonov A.E., Maletskaya O.V. [Influence of natural and climatic factors on the epidemiological situation of natural focal infections]. Infektsiya i Immunitet [Russian Journal of Infection and Immunity]. 2021; 11(5):820–36. DOI: 10.15789/2220-7619-EOT-1631.Лифиренко Н.Г., Костина Н.В. К оценке возможного влияния климата на эпидемический процесс. Известия Самарского научного центра Российской академии наук. 2008; 10(2):333–9.Lifirenko N.G., Kostina N.V. [To assess the possible impact of climate on the epidemic process]. Izvestiya Samarskogo Nauchnogo Tsentra Rossijskoj Akademii Nauk [Proceedings of the Samara Scientific Center of the Russian Academy of Sciences]. 2008; 10(2):333–9.Малецкая О.В., Таран Т.В., Прислегина Д.А., Платонов А.Е., Дубянский В.М., Волынкина А.С., Василенко Н.Ф., Тохов Ю.Н., Цапко Н.В. Природно-очаговые вирусные лихорадки на юге европейской части России. Геморрагическая лихорадка с почечным синдромом. Проблемы особо опасных инфекций. 2019; 4:79–84. DOI: 10.21055/0370-1069-2019-4-79-84.Maletskaya O.V., Taran T.V., Prislegina D.A., Platonov A.E., Dubyansky V.M., Volinkina A.S., Vasilenko N.F., Tokhov Yu.N., Tsapko N.V. [Natural focal viral fevers in the south of the European part of Russia. Hemorrhagic fever with renal syndrome]. Problemy Osobo Opasnykh Infektsii [Problems of Particularly Dangerous Infections]. 2019; (4):79–84. DOI: 10.21055/0370-1069-2019-4-79-84.Платонов А.Е. Влияние погодных условий на эпидемиологию трансмиссивных инфекций (на примере лихорадки Западного Нила в России). Вестник Российской академии медицинских наук. 2006; 2:25–9.Platonov A.E. [The influence of weather conditions on the epidemiology of vector-borne infections (by the example of West Nile fever in Russia)]. Vestnik Rossijskoj Akademii Meditsinskikh Nauk [Bulletin of the Russian Academy of Medical Sciences]. 2006; (2):25–9.Прохоренко И.О. Метод нейросетевого моделирования и его использование для прогнозирования развития соматической патологии у лиц старших возрастных групп. Современные проблемы науки и образования. 2013; 1:70.Prokhorenko I.O. [The method of neural network modeling and its use for predicting the development of somatic pathology in older age groups]. Sovremennye Problemy Nauki i Obrazovaniya [Modern Problems of Science and Education]. 2013; (1):70.Хасанов А.Г., Шайбаков Д.Г., Жернаков С.В., Меньшиков А.М., Бадретдинова Ф.Ф., Суфияров И.Ф., Сагадатова Ю.Р. Нейронные сети для прогнозирования динамики развития заболеваний. Креативная хирургия и онкология. 2020; 10(3):198–204. DOI: 10.24060/2076-3093-2020-10-3-198-204.Khasanov A.G., Shaibakov D.G., Zhernakov S.V., Menshikov A.M., Badretdinova F.F., Sufiyarov I.F., Sagadatova Yu.R. [Neural networks for predicting the dynamics of disease development]. Kreativnaya Khirurgiya i Onkologiya [Creative Surgery and Oncology]. 2020; 10(3):198–204. DOI: 10.24060/2076-3093-2020-10-3-198-204.Лазаренко В.А., Антонов А.Е., Markapuram V.K., Awad K. Опыт нейросетевой диагностики и прогнозирования язвенной болезни по результатам анализа факторов риска. Бюллетень сибирской медицины. 2018; 17(3):88–95. DOI: 10.20538/1682-0363-2018-3-88-95.Lazarenko V.A., Antonov A.E., Markapuram V.K., Awad K. [The experience of neural network diagnostics and forecasting of peptic ulcer disease based on the results of risk factor analysis]. Byulleten’ Sibirskoj Meditsiny [Bulletin of Siberian Medicine]. 2018; 17(3):88–95. DOI: 10.20538/1682-0363-2018-3-88-95.Суханова Н.В. Разработка нейросетевой модели для мониторинга заболеваемости и прогнозирования эффективности противоэпидемических мер. Вестник Брянского государственного технического университета. 2020; 10:42–50. DOI: 10.30987/1999-8775-2020-10-42-50.Sukhanova N.V. [Development of a neural network model for monitoring morbidity and predicting the effectiveness of anti-epidemic measures]. Vestnik Bryanskogo Gosudarstvennogo Tekhnicheskogo Universiteta [Bulletin of the Bryansk State Technical University]. 2020; (10):42–50. DOI: 10.30987/1999-8775-2020-10-42-50.Светлый Л.И., Лопухова В.А., Тарасенко И.В., Климкин А.С. Применение системы оценки технологий здравоохранения в принятии эффективных управленческих решений. Журнал научных статей «Здоровье и образование в XXI веке». 2013; 15(1-4):234–5.Svetly L.I., Lopukhova V.A., Tarasenko I.V., Klimkin A.S. [Application of the health technology assessment system in making effective management decisions]. [Journal of Scientific Articles “Health and Education in the XXI Century”]. 2013; 15(1-4):234–5.Безруков Н.С., Еремин Е.Л. Построение и моделирование адаптивной нейро-нечеткой системы в задаче медицинской диагностики. Информатика и системы управления. 2005; 2:36–46.Bezrukov N.S., Eremin E.L. [Construction and modeling of an adaptive neuro-fuzzy system in the task of medical diagnostics]. Informatika i Sistemy Upravleniya. [Computer Science and Management Systems]. 2005; 2:36–46.Гидрометцентр России. [Электронный ресурс]. URL: https://meteoinfo.ru/archive-pogoda (дата обращения 15.01.2024).Hydrometeorological Centre of Russia. (Cited 15 Jan 2024). [Internet]. Available from: https://meteoinfo.ru/archive-pogoda.Иванова А.В., Сафронов В.А., Попов Н.В., Кожанова О.И., Матвеева Н.И., Кресова У.А., Чумачкова Е.А., Поспелов М.В., Архипова Г.Н., Вяткин И.Н., Щербакова С.А., Кутырев В.В. Эпидемиологические особенности вспышки ГЛПС в Саратовской области 2019 г. Проблемы особо опасных инфекций. 2020; 2:78–85. DOI: 10.21055/0370-1069-2020-2-78-85.Ivanova A.V., Safronov V.A., Popov N.V., Kozhanova O.I., Matveeva N.I., Kresova U.A., Chumachkova E.A., Pospelov M.V., Arkhipova G.N., Vyatkin I.N., Shcherbakova S.A., Kutyrev V.V. [Epidemiological features of the HFRS outbreak in the Saratov Region in 2019]. Problemy Osobo Opasnykh Infektsii [Problems of Particularly Dangerous Infections]. 2020; (2):78–85. DOI: 10.21055/0370-1069-2020-2-78-85.Ормели Е.И. Оценка степени континентальности климата Саратовской области в начале XXI века. Вестник Удмуртского университета. Серия «Биология. Науки о Земле». 2022; 32(4):476–84. DOI: 10.35634/2412-9518-2022-32-4-476-484.Ormeli E.I. [Assessment of the degree of continentality of the climate of the Saratov region at the beginning of the XXI century]. Vestnik Udmurtskogo Universiteta. Seriya «Biologiya. Nauki o Zemle» [Bulletin of the Udmurt University. “Biology. Earth Sciences” Series]. 2022; 32(4):476–84. DOI: 10.35634/2412-9518-2022-32-4-476-484.Даутов Р.З., Карчевский М.М. Введение в теорию метода конечных элементов: Учеб. пособие. Казань: Казанский государственный университет им. В.И. Ульянова-Ленина; 2004. 239 с.Dautov R.Z., Karchevsky M.M. [Introduction to the Theory of the Finite Element Method. A Study Guide]. Kazan: Kazan State University named after V.I. Ulyanov-Lenin; 2004. 239 p.Гамбаров Г.М., Журавель Н.М., Королев Ю.Г. Статистическое моделирование и прогнозирование: Учеб. пособие. М.: Финансы и статистика; 1990. 383 с.Gambarov G.M., Zhuravel’ N.M., Korolev Yu.G. [Statistical Modeling and Forecasting: A Study Guide]. Moscow: “Finance and Statistics”; 1990. 383 p.Котельников С.А., Усков А.А. Методика оценки точности нейросетевых моделей. Программные продукты и системы. 2008; 2:63–5.Kotelnikov S.A., Uskov A.A. [Methodology for evaluating the accuracy of neural network models]. Programmnye Produkty i Sistemy [Software Products and Systems]. 2008; (2):63–5.Савицкая Т.А., Иванова А.В., Исаева Г.Ш., Решетникова И.Д., Трифонов В.А., Зиатдинов В.Б., Магеррамов Ш.В., Хусаинова Р.М., Транквилевский Д.В. Анализ эпидемиологической ситуации по геморрагической лихорадке с почечным синдромом в Российской Федерации в 2022 г. и прогноз ее развития на 2023 г. Проблемы особо опасных инфекций. 2023; 1:85–95. DOI: 10.21055/0370-1069-2023-1-85-95.Savitskaya T.A., Ivanova A.V., Isaeva G.Sh., Reshetnikova I.D., Trifonov V.A., Ziatdinov V.B., Magerramov Sh.V., Khusainova R.M., Tranquilevsky D.V. [Analysis of the epidemiological situation of hemorrhagic fever with renal syndrome in the Russian Federation in 2022 and forecast of its development for 2023]. Problemy Osobo Opasnykh Infektsii [Problems of Particularly Dangerous Infections]. 2023; (1):85–95. DOI: 10.21055/0370-1069-2023-1-85-95.

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