Дослідження впливу факторів на захворюваність та здійснення прогнозування зміни відсотка інфікованих і тих, хто переносить хворобу Сovid-19 у тяжкій формі

23.04.2024

Дослідження впливу факторів на захворюваність та здійснення прогнозування зміни відсотка інфікованих і тих, хто переносить хворобу Сovid-19 у тяжкій формі

Проаналізовано низку спеціалізованих додатків, що були розроблені с початку пандемії Covid-19, та мали інформувати користувача про актуальні симптоми та місця спалаху хвороби, надавати низку специфічних даних та документів про проходження вакцинації. Описано раніше створений авторами додаток для моніторингу вакцинованих студентів у навчальному закладі, зазначені його недоліки. Сформульовано задачу створення інформаційної системи для оцінювання ефективності протиепідемічних заходів та прогнозування зміни відсотка інфікованих та перенесених хвороб у тяжкій формі. До вхідних факторів моделі прогнозування віднесено наявність обов'язкового «маскового режиму» (Masks), введення карантину, тобто скасування масових заходів, встановлення антисептиків у всіх адміністративних закладах тощо (Quarantine), запровадження дистанційного навчання у навчальних закладах (Distance_Learning), наявність можливості вільної вакцинації (Vaccine_optional), запровадження обов'язкової вакцинації (Vaccination_is_mandatory), значення  відсотка вакцинованих (Percentage_of_Vaccinated). Вихідні фактори, значення які необхідно буде знайти, – це зміна відсотка інфікованих (Infected) та зміна відсотка тих, хто переносить хворобу у тяжкій формі (Severe_cases). Для розрахунку зміни відсотка тих, хто переносить хворобу у тяжкій формі, зміна відсотка інфікованих постає додатковим вхідним фактором.

Сформовано набір реальних даних. Задачу розв’язано методом штучних нейронних мереж. Створено спеціальний скрипт мовою програмування та аналізу даних R. Шляхом перебору встановлено, що найкращий результат прогнозування відсотка інфікованих досягається при використанні персептрона з двома прихованими шарами та п’ятьома нейронами у кожному шарі, функція активації – сигмоїда. Для прогнозування відсотка тих, хто переносить хворобу у тяжкій формі, найкращий результат досягається при використанні персептрона з трьома прихованими шарами та трьома нейронами у кожному шарі.

Ці моделі було використано для дослідження впливу факторів на захворюваність. З’ясовано, що найменший вплив на точність визначення зміни відсотка інфікованих вносить наявність можливості вільної вакцинації або пара «обов'язковий масковий режим» + «запровадження дистанційного навчання у навчальних закладах». Найменший вплив на точність визначення зміни відсотка тяжких хворих вносить наявність можливості вільної вакцинації або пара «запровадження дистанційного навчання у навчальних закладах» + «можливість вільної вакцинації ». Видалення з моделі значення відсотка вакцинованих навіть зменшує середню помилку прогнозування. Максимальний вплив в обох моделях – у запровадження обов'язкової вакцинації.

Назва конкурсу:  Конкурс «Вирішення практичних задач із застосуванням штучного інтелекту»
ПІБ Співвиконавців:  Мельников Олександр Юрійович
ПІБ конкурсанта:  Козуб Дмитро Сергійович
Країна:  Україна
Область:  Донецька область
Назва НЗ:  Донбаська державна машинобудівна академія
Файл статті (pdf):  Завантажити