Les mathématiciens de l'Université RUDN ont construit un modèle de propagation du COVID-19 basé sur deux modèles de régression. Les mathématiciens ont divisé les pays en trois groupes, en fonction du taux d'épandage et des conditions climatiques, et trouvé une approximation mathématique appropriée pour chacun d'eux. Sur la base du modèle, les mathématiciens ont prédit les vagues suivantes. La prévision était exacte dans les pays où la vaccination de masse n'a pas été introduite. Les résultats sont publiés dans Mathématiques .

Le taux de propagation de l'épidémie dans le pays dépend, entre autres, sur les conditions climatiques :température, humidité, les vents. Par exemple, en saison froide, l'air sec assèche le mucus nasal qui agit comme une première ligne de défense contre le virus. Par conséquent, une personne est infectée plus rapidement. Haute température, au contraire, empêche le virus de survivre. Sur la base de ces considérations, La professeure Maria Alessandra Ragusa de l'Université RUDN et ses collègues d'Égypte et d'Italie ont construit des modèles de propagation du COVID-19 séparément pour trois groupes de pays aux conditions climatiques différentes. Il s'est avéré que le modèle prédit avec précision l'évolution future de l'épidémie, mais seulement jusqu'à ce que l'effet de la vaccination commence à se faire sentir.

"Le principal défi lors de l'étude des épidémies est de savoir comment prédire le comportement de la maladie, combien de personnes seront infectées à l'avenir, déterminer le pic pandémique, deuxième vague de la maladie temps d'action, et le nombre total de décès après la fin de la pandémie. Nous avons utilisé un nouveau modèle de régression de pointe pour modéliser les cas confirmés quotidiens et prédire les prochaines vagues de coronavirus dans différents pays, " dit Raguse.

Les mathématiciens ont identifié trois groupes de pays. La première catégorie comprend les pays où la première vague de la pandémie a duré environ 180 jours. Ce sont les pays où le taux d'étalement est le plus faible, avec une température annuelle moyenne de 15-38° (par exemple, Arabie Saoudite, Egypte). Dans le deuxième groupe de pays (par exemple, Le Royaume-Uni, Allemagne, Italie) avec une température moyenne annuelle de 2-31°C, la première vague a duré 90 jours. Les pays de ce groupe se caractérisent par un taux d'infection moyen et des périodes d'arrêt avec un faible taux de propagation du virus. Le troisième groupe comprend les pays avec le taux d'étalement le plus élevé et sans périodes d'arrêt, avec une température annuelle moyenne de 2 à 18 degrés Celsius, par exemple, les États-Unis et la Russie.

Pour la modélisation, les scientifiques ont utilisé les données de l'OMS sur le nombre de cas du 1er mars au 15 novembre, 2020. Les mathématiciens de RUDN ont choisi les modèles de régression les plus appropriés - des méthodes de recherche statistique de l'influence de plusieurs variables sur une valeur. La série de Fourier et la somme des ondes sinusoïdales étaient les plus précises pour la modélisation des cas COVID-19. Cela signifie que la courbe des nouveaux cas de la maladie est représentée soit comme une somme de fonctions de Fourier (elles peuvent être représentées comme des ondes d'une certaine fréquence et amplitude), ou comme une somme d'ondes sinusoïdales ordinaires.

Par conséquent, le professeur Ragusa a obtenu les valeurs calculées du pic de la deuxième ou de la troisième vague dans les pays étudiés. Différents modèles ont donné des prévisions proches avec une différence de plusieurs jours. Les prédictions obtenues ont été comparées aux données disponibles à ce moment-là. Il s'est avéré que le modèle fournit des prédictions assez précises si le pays n'introduit pas une large vaccination. Par exemple, la valeur calculée du pic de nouveaux cas en Egypte est de 1481 personnes le 11 janvier, 2021 ; le vrai pic s'est produit le 31 décembre avec 1418 cas. Dans d'autres pays, le modèle fournit une prédiction précise jusqu'au début de 2021. Après cela, l'effet de la vaccination a lieu et les valeurs calculées diffèrent de la réalité. Par exemple, pour l'Allemagne, les valeurs prédites et réelles sont proches jusqu'au 15 janvier environ, 2021, et le 15 février, ils diffèrent d'environ 2,5 fois.

« Dans notre futur travail, nous ferons des développements sur les modèles prédictifs actuels en considérant comment la vaccination affecte le taux de propagation du virus, " conclut Raguse.