Глобальная мониторинговая информационная система для эпидемиологов (на материале Big Data по COVID-19)

Abstract

Цель. Рассмотреть эффективность паттернов проектирования, разработанных на региональном материале по COVID-19, в плане возможностей использования в глобальной мониторинговой информационной системе для эпидемиологов (здесь – ИС). В качестве паттернов ИС испытать 2-факторную математическую модель, прогнозирующую кумулятивное количество заболевших для регионов Швеция, Финляндия, и 3-факторную математическую модель, прогнозирующую кумулятивное количество заболевших и кумулятивное количество умерших для регионов США, Канада.Материалы и методы. Для 2-факторного, 3-факторного паттернов оценены коэффициент детерминации R2 по матрицам для моделирования и тестирования (валидация при экстраполяции), сила влияния факторов и факторных взаимодействий, рассматриваемых в рамках этих паттернов.Результаты и обсуждение. При разработке и тестировании 2-факторного и 3-факторного паттернов достигнут уровень информативности, стандартный для моих проектов – R2≥0,995. Для 2-факторного паттерна оценка R2 по матрице для моделирования выше, чем таковая по матрице для тестирования (стандартная ситуация). Для 3-факторного паттерна оценка R2 по матрице для тестирования выше, чем таковая по матрице для моделирования (парадоксальная ситуация). Ориентировочно: для 2-факторного паттерна сила влияния факторного взаимодействия составила 20%, для 3-факторного паттерна суммарная сила влияния факторных взаимодействий – 50%. Полученные результаты являются обоснованием учета в ИС максимально возможного количества источников изменчивости (предполагается применение моих ноу-хау, позволяющих минимизировать корреляции между предикторами в матрицах для моделирования при сохранении существенных свойств рассматриваемых систем). Для разработки ИС необходима суперкомпьютерная техника.Выводы. Благодаря синтезу в формате, родственном метаанализу, ИС функционирует на основе использования генеральной многофакторной нелинейной эмпирической математической модели, описывающей при R2≥0,995 Big Data по всем странам. При получении прогнозов по каждому региону учитываются данные по всем остальным регионам. Назначение ИС – обоснованные оперативные прогнозирование динамики рассматриваемых пандемий, оценка, мониторинг эффективности мер, принимаемых в регионах, оптимизация этих мер с учетом ряда условий. Эффективность ИС пропорциональна количеству рассматриваемых источников изменчивости. Purpose.To examine the effectiveness oftypalpatternsdevelopedontheregional COVID-19 material in terms of the possibilities of using in Global Monitoring Information System for Epidemiologists (here – “IS”). As IS patterns, to test 2-factorial mathematical model that prognosticates cumulative the number of illnesses (total cases) for Sweden / Finland and 3-factorial mathematical model that prognosticates cumulative the number of illnesses (total cases) and cumulative death rate (total deaths) for USA / Canada.Materials and methods. For 2-factorial and 3-factorial patterns, the determination coefficient R2 on the matrix for modelling and the matrix for testing (validation at extrapolation) and the force of the influence of the factors and factorial interactions considered within these patterns were estimated. Results and discussion. In the development and testing of 2-factorial and 3-factorial patterns, the level of informativeness that is standard for my projects has been reached – R2≥0.995. For 2-factorial pattern, the estimation of R2 on the modelling matrix is higher than those on the testing matrix (usual situation). For 3-factorial pattern, the estimation of R2 on the testing matrix is higher than those on the modelling matrix (paradoxical situation). Approximately: for 2-factorial pattern the force of influence of factor interaction was 20%, for 3-factorial pattern total force of influence of all factor interactions was 50%. The results justify taking into account the maximum possible number of the sources of variation in IS (it is assumed that my know-how will be used to minimize the correlation between predictors in the modelling matrix while maintaining the essential properties of the system under consideration). The development of IS requires supercomputer technics.Conclusions. Thanks to the synthesis in the format similar to meta-analysis, IS operates on the basis of using general multifactorial nonlinear empirical mathematical model that describes at R2≥0.995 Big Data across all countries. At prognosticating for each region take into account data for all the rest regions. The designation of IS – reasonable operative prognosticating of the dynamics of the pandemics under consideration, assessment, monitoring of the effectiveness of the measures taken in the regions, optimization of these measures taking into account a number of conditions. The effectiveness of IS is proportional to the number of the effects (the sources of variation) considered.