Анна Александровна Косова – кандидат медицинских наук, доцент
Екатеринбург
Anna A. Kosova – Ph.D. in Medicine, Associate Professor
Ekaterinburg
Владислав Игоревич Чалапа – аспирант
Екатеринбург
Vladislav I. Chalapa – Postgraduate student
Ekaterinburg
Введение. Норовирусная инфекция (НВИ) является широко распространенным диарейным заболеванием, отличающимся высокой контагиозностью и вызывающим вспышки в организованных коллективах и медицинских организациях. Прогнозирование заболеваемости НВИ может способствовать своевременному и рациональному внедрению профилактических мер.
Цель исследования – оценить возможность создания модели временных рядов для прогнозирования заболеваемости НВИ на примере Свердловской области.
Материалы и методы. Для прогнозирования заболеваемости НВИ были выбраны модели временных рядов (ARIMA), основанные на экстраполяции наблюдаемых тенденций и не требующие для прогнозирования детальных эпидемиологических данных. Для построения моделей были использованы данные помесячных форм статистического наблюдения № 2 за 2015−2019 г., представленные Центром гигиены и эпидемиологии в Свердловской области. Все модели обучали на данных 2015−2018 гг. и тестировали на данных 2019 г. Оптимальная модель выбиралась по значениям критерия Акаике и средней ошибки, выраженной в процентах.
Результаты и обсуждение. Динамика заболеваемости НВИ в Свердловской области характеризовалась ростом в 2015−2018 гг., при этом временной ряд являлся стационарным и характеризовался выраженной зимне-весенней сезонностью. Было получено 9 относительно состоятельных моделей, из которых оптимальный результат показала модель вида SARIMA (1,0,0)(0,0,1). Несмотря на точность прогноза на 2019 г., прогноз заболеваемости НВИ на период пандемии COVID-19 оказался несостоятельным. Предполагается, что включение в модель дополнительных предикторов (климатические параметры и данные об уровне коллективного иммунитета к НВИ), а также повышение робастности (выбросоустойчивости) модели может повысить точность прогнозирования.
Заключение. Модели ARIMA, особенно учитывающие сезонность заболеваемости, в целом пригодны для прогнозирования динамики эпидемического процесса НВИ в Свердловской области. Ожидается, что включение в модель дополнительных параметров, описывающих климат и уровень коллективного иммунитета, может повысить точность прогнозирования. Отдельным направлением в моделировании НВИ может быть поиск робастных (выбросоустойчивых) алгоритмов.
Introduction. Norovirus infection (NI) is the most prevalent cause of acute gastroenteritis and outbreaks in semi-closed settings. Forecasting of NI may improve situational awareness and control measures.
The aim of the study is to evaluate accuracy of time-series models for forecasting of norovirus incidence (on Sverdlovsk region dataset).
Materials and methods. Simple ARIMA time-series models was chosen to forecast NI incidence via regression on its own lagged values. Dataset including passive surveillance monthly reports for Sverdlovsk region was used. All models were trained on data for 2015−2018 and tested on data for 2019. Models were benchmarked using Akaike information criterion (AIC) and mean absolute percentage error (MAPE).
Results and discussion. NI incidence in Sverdlovsk raised in 2015-2018 with strong winter-spring seasonality. The time-series incidence data was stationary. Nine significant models were found and the most accurate model was SARIMA (1,0,0)(0,0,1). Despite its accuracy on 2019 test sample, forecast on COVID-19 pandemic period was failed. It was supposed that including additional regressors (climate and herd immunity data) and choosing of more robust time-series models may improve forecasting accuracy.
Conclusion. ARIMA time-series models (especially SARIMA) suitable to forecast future incidence of NI in Sverdlovsk region. Additional investigations in terms of possible regressors and improved model robustness are needed.
The authors declare that there are no conflicts of interest present.