Современные подходы к созданию прогностических моделей энтеровирусной (неполио) инфекции

Цель. Изучить возможные модели прогнозирования заболеваемости энтеровирусными (неполио) инфекциями (ЭВнИ) в Кемеровской области – Кузбассе.
Материалы и методы. Выполнено ретроспективное описательное эпидемиологическое исследование заболеваемости ЭВнИ в Кемеровской области – Кузбассе в 2006−2021 гг. (n = 2158). Изучение динамики и тенденций развития эпидемического процесса проводилось с помощью автокорреляционного анализа, спектрального анализа Фурье с последующим использованием технологии искусственного интеллекта – нейронных сетей для отображения неизвестных взаимосвязей и составления прогноза. Использован инструмент STATISTICA Automated Neural Networks (SANN), а также программа StatTech v. 3.0.5.
Результаты. В динамике заболеваемости ЭВнИ наблюдались 3 выраженных подъёма: в 2009 (9,390/0000), 2015 (15,780/0000) и в 2019 (8,410/0000) годах, когда показатели заболеваемости превышали среднемедианное значение (2006−2021 гг.) в 2,4, 4,1 и 2,2 раза соответственно. Характер динамической кривой заболеваемости ЭВнИ определяли энтеровирусные менингиты. В структуре заболеваемости подавляющее число случаев заболеваний (89,94%) зарегистрировано у детей. Анализ тренда заболеваемости с помощью стандартных математических моделей выявил неудовлетворительную аппроксимацию, что не позволяло достоверно описать тренд заболеваемости. Методом отношения фактических данных к 12-месячным цепным средним установлена летне-осенняя сезонность (август–октябрь), которая подтверждена и автокорреляционным анализом.
Моделирование проявлений эпидемического процесса ЭВнИ с помощью нейронных сетей позволило составить прогноз заболеваемости с высокой вероятностью до 52 месяцев.
Заключение. Эпидемический процесс ЭВнИ в Кемеровской области – Кузбассе характеризуется низкой интенсивностью проявлений, выраженной летне-осенней сезонностью. Технологии математического моделирования эпидемического процесса ЭВнИ позволяют с высокой вероятностью составить прогноз заболеваемости.

1. Brouwer L, Moreni G, Wolthers KC, Pajkrt D. World-Wide Prevalence and Genotype Distribution of Enteroviruses. Viruses. 2021;13(3):434. https://doi.org/10.3390/v13030434

2. Nikonov OS, Chernykh ES, Garber MB, Nikonova EYu. Enteroviruses: Classification, Diseases They Cause, and Approaches to Development of Antiviral Drugs. Biochemistry (Moscow). 2017;82(13):1615-1631. https://doi.org/10.1134/S0006297917130041

3. Романенкова Н.И., Бичурина М.А., Голицына Л.Н., Розаева Н.Р., Канаева О.И., Черкасская И.В., Кириллова Л.П., Батаева А.Ю., Барышникова А.С., Новикова Н.А. Неполиомиелитные энтеровирусы, которые вызвали рост энтеровирусной инфекции на некоторых территориях России в 2016 году. Журнал инфектологии. 2017;9(3):98-108. https://doi.org/10.22625/2072-6732-2017-9-3-98-108

4. Fischer TK, Simmonds P, Harvala H. The importance of enterovirus surveillance in a post-polio world. Lancet Infect Dis. 2022;22(1):e35-e40. https://doi.org/10.1016/S1473-3099(20)30852-5

5. Wang J, Hu Y, Zheng M. Enterovirus A71 antivirals: Past, present, and future. Acta Pharm Sin B. 2022;12(4):1542-1566. https://doi.org/10.1016/j.apsb.2021.08.017

6. Yadav SK, Akhter Y. Statistical Modeling for the Prediction of Infectious Disease Dissemination With Special Reference to COVID-19 Spread. Front Public Health. 2021;9:645405. https://www.frontiersin.org/articles/10.3389/fpubh.2021.645405/full

7. Чалапа В.И., Резайкин А.В., Усольцева П.С., Алимов А.В. Энтеровирусная инфекция в Уральском федеральном округе и Западной Сибири: результаты эпидемиологического наблюдения с применением молекулярно-генетических методов. Медицинский алфавит. 2020;(18):38-43. https://doi.org/10.33667/2078-5631-2020-18-38-43

8. Голицына Л.Н., Сапега Е.Ю., Пономарева Н.В., Бутакова Л.В., Зверев В.В., Леонов А.В., Троценко О.Е., Новикова Н.А. Эпидемиологическая ситуация по энтеровирусной инфекции в РФ в 2020 году: заболеваемость, результаты лабораторной диагностики, прогноз на 2021 г. Заболеваемость, этиологическая структура и вопросы профилактики энтеровирусной (неполио) инфекции. Информационный бюллетень Референс-центра по мониторингу энтеровирусных инфекций. Нижний Новгород; 2021:3-9.

9. Фельдблюм И.В., Акимкин В.Г., Алимов А.В., Питерский М.В., Захарова Ю.А., Михайленко Ю.А., Маркович Н.И., Захаров А.А. Новые подходы к оценке и прогнозу заболеваемости энтеровирусной (неполио) инфекцией в Российской Федерации с использованием математических моделей. Анализ риска здоровью. 2021;(3):108-117. https://doi.org/10.21668/health.risk/2021.3.10

10. Суханова Н.В. Разработка нейросетевой модели для мониторинга заболеваемости и прогнозирования эффективности противоэпидемических мер. Вестник Брянского государственного технического университета. 2020;(7):42-50. https://doi.org/10.30987/1999-8775-2020-10-42-50

11. Сергевнин В.И., Трясолобова М.А. Летняя сезонность заболеваемости энтеровирусной инфекцией населения разных климатических поясов и ее причины. Медицинский алфавит. 2019;3(32(407):29-31. https://doi.org/10.33667/2078-5631-2019-3-32(407)-29-31

12. Pons-Salort M, Oberste MS, Pallansch MA, Abedi GR, Takahashi S, Grenfell BT, Grassly NC. The seasonality of nonpolio enteroviruses in the United States: Patterns and drivers. Proc Natl Acad Sci U S A. 2018;115(12):3078-3083. https://doi.org/10.1073/pnas.1721159115

13. Pitzer VE, Vibud S, Alonso WJ, Wilcox T, Metcalf KJ, Steiner KA, Haynes AK, Grenfell BT. Environmental factors in the spatiotemporal dynamics of respiratory syncytial virus in the United States. PLoS Pathog. 2015;11(1):e1004591. https://doi.org/10.1371/journal.ppat.1004591