Опыт применения имитационной модели при анализе и прогнозировании эпизоотических проявлений в компьютерной симуляции очага чумы

Цель исследования – разработка агентной модели эпизоотического процесса, основанной на анализе взаимодействия возбудителя и хозяев на популяционном уровне, для совершенствования методов прогнозирования распространения чумы. Материалы и методы. Проведен анализ течения эпизоотий чумы, сформулированы основные допущения и упрощения модели. Сформирована структура многоуровневой древовидной системы целей, согласованной с функциями, обеспечивающими достижение целей. Определены типы агентов, их количество и характеристики, механизм взаимодействия друг с другом и с внешней средой. Результаты и обсуждение. Опыт применения имитационной модели для анализа и прогнозирования эпизоотических проявлений в природных очагах чумы свидетельствует о ее практической ценности для решения задач, связанных с управлением рисками, возникающими при данной инфекции. Имитационные модели позволяют учитывать сложные взаимодействия между различными факторами и оценить влияние различных стратегий вмешательства на развитие ситуации. Важным преимуществом агентного моделирования является возможность воспроизведения гетерогенности популяции хозяев и учета индивидуальных особенностей их поведения и восприимчивости к инфекции. Имитационное моделирование является перспективным инструментом для совершенствования системы эпидемиологического надзора и контроля чумы. Разработанная модель может быть использована для принятия обоснованных управленческих решений, направленных на снижение риска заболевания населения. Дальнейшие исследования будут направлены на расширение модели за счет включения дополнительных факторов (например, климатических и социальных) и ее адаптацию для использования в конкретных природных очагах чумы. Модель можно масштабировать и применять не только для локальных вспышек чумы, но и для моделирования распространения инфекции на более широких территориях.

1. Слудский А.А. Эпизоотология чумы (обзор исследований и гипотез). Ч. 1. Саратов; 2014. 313 с. (Деп. в ВИНИТИ РАН 11.08.2014, № 231-В2014). [Электронный ресурс]. URL: www.microbe.ru/deponir/.

2. Аль-Азази А.А., Масленников Б.И. Системно-динамическая имитационная модель распространения эпидемии. Интернет-журнал «Науковедение». 2014; (1). [Электронный ресурс]. URL: https://znanium.com/catalog/product/476067.

3. Grimm V., Berger U., Bastiansen F., Eliassen S., Ginot V., Giske J., Goss-custard J., Grand T., Heinz S.K., Huse G., Huth A., Jepsen J.U., Jørgensen C., Mooi, W.M., Muller B., Peer G., Piou C., Railsback S.F., Robbins A.M., Robbins M.M., Rossmanith E., Ruger N., Strand E., Souissi S., Stillman R.A., Vabø R., Visser U., Deangelis D.L. A standard protocol for describing individual-based and agentbased models. Ecological Modelling. 2006; 198(1-2):115–26. DOI: 10.1016/j.ecolmodel.2006.04.023.

4. Lorig F., Johansson E., Davidsson P. Agent-based social simulation of the COVID-19 Pandemic: A Systematic Review. J. Artif. Soc. Soc. Simul. 2021; 24(3):5. DOI: 10.18564/jasss.4601.

5. Dubyansky V.M., Burdelov L.A., Barkley J.L. Introduction to the computer modeling of the plague epizootic process. In: Kongoli F., editor. Automation. InTech; 2012. Chapter 8. P. 149–70. DOI: 10.5772/48011.

6. Chao D.L., Halloran M.E., Obenchain V.J., Longini I.M. Jr. FluTE, a publicly available stochastic influenza epidemic simulation model. PLoS Comput. Biol. 2010; 6(1):e1000656. DOI: 10.1371/ journal.pcbi.1000656.

7. Ковалев С.В., Рюмин Н.Н., Ковалева О.А., Сидляр М.Ю., Хромова Т.А. Мультиагентное моделирование распространения эпидемий. Вестник Технологического университета. 2021; 24(1):91–7.

8. Улыбин А.В., Арзамасцев А.А. Имитационное моделирование развития инфекции с использованием агентного подхода. Вестник Тамбовского университета. Серия: Естественные и технические науки. 2010; 15(2):614–9.

9. Nagarajan K., Ni C., Lu T. Agent-based modeling of microbial communities. ACS Synth. Biol. 2022; 11(11):3564–74. DOI: 10.1021/acssynbio.2c00411.

10. Литвинова Е.А., Литвинов М.Н. Экспериментальное изучение некоторых особенностей биологии одного из массовых видов блох (Siphonaptera) грызунов (Rodentia) Приморского края Neopsylla bidentatiformis Wagn., 1893. Вестник ИрГСХА. 2016; 73:55–62.

11. Махмудов Р.Ш., Корчевская О.В. Моделирование распространения неизвестной инфекции. Модель с лечением. В кн.: Решетневские чтения: Материалы XXV Международной научно-практической конференции, посвященной памяти генерального конструктора ракетно-космических систем академика М.Ф. Решетнева. Красноярск; 2021. Ч. 2. С. 238–9.

12. Бибикова В.А., Алексеев А.Н. Заражённость и блокообразование в зависимости от количества попавших в блох микробов чумы. Паразитология. 1969; 3(3):196–202.

13. Балута В.И., Титов Ю.П. Построение модели агента «Пациент» для агентно-ориентированной модели функционирования медицинского центра в условиях пандемии. В кн.: Физико-техническая информатика (CPT2021-2022): Материалы Международной конференции (Пущино, 16–20 мая 2022 г.). Нижний Новгород; Москва; Пущино; 2022. С. 200–209. DOI: 10.54837/9785604289174_200.

14. Денисова Е.А., Уразбахтина Ю.О. Сравнительный анализ системно-динамического и агентного подхода при моделировании эпидемии вируса Коксаки. Современные научные исследования и разработки. 2018; 2(5):206–9.

15. Криворотько О.И., Кабанихин С.И., Сосновская М.И., Андорная Д.В. Анализ чувствительности и идентифицируемости математических моделей распространения эпидемии COVID-19. Вавиловский журнал генетики и селекции. 2021; 25(1):82–91. DOI: 10.18699/VJ21.010.

16. Котова А.В., Ксенофонтова О.Л. Применение математического моделирования к исследованию распространения эпидемий. Сборник научных трудов вузов России «Проблемы экономики, финансов и управления производством». 2022; 50:173–6.

17. Dubyanskiy V.M., Prislegina D.A., Kulichenko A.N. Risk-oriented model for predicting epidemiological situation with Crimean-Congo hemorrhagic fever (on the example of Stavropol region). Health Risk Analysis. 2018; (1):13–21. DOI: 10.21668/health. risk/2018.1.02.eng.

18. Орлов С.А., Александрова О.Ю., Горенков Р.В., Васильева Т.П., Зудин А.Б. Методологические и методические подходы к оценке влияния глобальных вызовов на показатели здоровья населения и систему здравоохранения. Менеджер здравоохранения. 2023; (8):4–16. DOI: 10.21045/1811-0185-2023-8-4-16.

19. Hunter E., Mac Namee B., Kelleher J. An open-data-driven agent-based model to simulate infectious disease outbreaks. PLoS One. 2018; 13(12):e0208775. DOI: 10.1371/journal.pone.0208775.

20. Eubank S., Guclu H., Kumar V.S., Marathe M.V., Srinivasan A., Toroczkai Z., Wang N. Modelling disease outbreaks in realistic urban social networks. Nature. 2004; 429(6988):180–4. DOI: 10.1038/nature02541.