СТВОРЕННЯ ТА ДОСЛІДЖЕННЯ МОДЕЛЕЙ ПРОГНОЗУВАННЯ ПОШИРЕННЯ ТА ДЕМОГРАФІЧНИХ НАСЛІДКІВ COVID-19
DOI:
https://doi.org/10.26906/SUNZ.2024.4.156Ключові слова:
COVID-19, GMDH, прогнозування поширення, пандеміяАнотація
Спалах «пневмонії невідомої етіології» ознаменував початок нової ери у світовій охороні здоров’я та суспільному житті. Хвороба швидко поширилася по всьому світу, перетворившись на пандемію, яка становила серйозну загрозу для міжнародної спільноти. Україна, як і багато інших країн, серйозно постраждала від наслідків цієї пандемії. Ефективне прогнозування поширення COVID-19 є ключовим завданням для інформування керівництва охорони здоров’я та прийняття стратегічних рішень щодо мінімізації наслідків пандемії. Було проведено багато досліджень з використанням різних методів і підходів для прогнозування поширення COVID-19. Однак більшість із цих методів не враховують належним чином усі аспекти, які можуть вплинути на поширення захворювання. У цій роботі аналізуються відомі методи прогнозування COVID-19, оцінюється вплив різних аргументів на поширення хвороби та розробляється математична модель для прогнозування. Для цього були використані дані про поширення COVID-19 в Україні.Завантаження
Посилання
Yaroslava, Pradyd. (2023, 15 november). WHO canceled the global pandemic status of thecoronavirus.https://zaxid.net/vooz_skasuvala_status_pandemiyi_cherez_covid_19_n1563000.
Ukrinform. (2023, december). WHO canceled the status of the pandemic of COVID-19: https://www.ukrinform.ua/rubricsociety/3705279-vooz-skasuvala-status-pandemii-covid19.html.
Corona virus - Statistics by countries. (2023, november). https://index.minfin.com.ua/ua/reference/coronavirus/geography.html.
G. R. Shinde, A. B. Kalamkar, P. N. Mahalle, N. Dey, J. Chaki, and A. E. Hassanien, Forecasting Models for Coronavirus Disease (COVID-19). (2020). A Survey of the State-of-the-Art, SN Computer Science, vol. 1, no. 4. https://doi: 10.1007/s42979-020-00209-9.
Shakhovska N., Medykovskyy M.O. (eds.). (2021). GMDH-Based Discovering Dynamic Regularities of the Ukraine Covid19 Pandemic Process, in Advances in Intelligent Systems and Computing V, Cham, 456–470. https:// doi: 10.1007/978-3-030-63270-0_30.
W.-S. Son and RISEWIDs Team. (2020). Individual-based simulation model for COVID-19 transmission in Daegu, Korea, Epidemiol Health, vol. 42, p. e2020042. https:// doi: 10.4178/epihe2020042.
N. Ghaffarzadegan. (2021). Simulation-based what-if analysis for controlling the spread of Covid-19 in universities, PLOS ONE, vol. 16, no. 2, p. e0246323. https://doi: 10.1371/journal.pone.0246323.
R. K. Mojjada, A. Yadav, A. V. Prabhu, and Y. Natarajan. (2020). Machine learning models for covid-19 future forecasting, Mater Today Proc. https://doi: 10.1016/j.matpr.2020.10.962.
Y. Zoabi, S. Deri-Rozov, and N. Shomron. (2021). Machine learning-based prediction of COVID-19 diagnosis based on symptoms, npj Digital Medicine, vol. 4, no. 1, Art. no. 1. https://doi: 10.1038/s41746-020-00372-6.
B. Malavika, S. Marimuthu, M. Joy, A. Nadaraj, E. S. Asirvatham, and L. Jeyaseelan. (2021). Forecasting COVID-19 epidemic in India and high incidence states using SIR and logistic growth models, Clinical Epidemiology and Global Health, vol. 9, 26–33. https:// doi: 10.1016/j.cegh.2020.06.006.
I. Nesterukю (2020). New waves of the COVID-19 pandemic in Ukraine [“New waves of COVID-19 pandemic in Ukraine”].
V. K. Sharma and U. Nigam. (2020). Modeling and Forecasting of COVID-19 Growth Curve in India, Transactions of the Indian National Academy of Engineering, 1–14. https://doi: 10.1007/s41403-020-00165-z.
Logistic equation and COVID-19 (2023, december). PubMed Central (PMC). https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7444956.
M. Yousaf, S. Zahir, M. Riaz, S. M. Hussain, and K. Shah. (2020). Statistical analysis of forecasting COVID-19 for upcoming month in Pakistan, Chaos, Solitons & Fractals, vol. 138. https:// doi: 10.1016/j.chaos.2020.109926.
