System approach to data analysis of pandemic development and forecasting

Volodymyr  Bakhrushyn

doi:10.34185/1562-9945-4-135-2021-12

Автор(и)

Володимир Бахрушин

DOI:

https://doi.org/10.34185/1562-9945-4-135-2021-12

Ключові слова:

пандемія, прогнозування, статистичні дані, захворюваність, смертність, математична модель, пошуковий запит

Анотація

Питання аналізу та прогнозування розвитку пандемії коронавірусної інфекції є актуальним не лише для України, але і для багатьох інших країн. Однією з ключових проблем є недостовірність наявних даних по основних показниках пандемії, зокрема, по кількості інфікованих, кількості летальних випадків, кількості важких випадків тощо. Це перешкоджає вчасному прийняттю обґрунтованих рішень щодо протидії поширенню інфекції. Тому актуальним є залучення непрямих даних для підвищення на-дійності результатів аналізу та прогнозів. У роботі запропоновано елементи систем-ного підходу до аналізу наслідків та прогнозування розвитку пандемії на основі комплексного застосування офіційних даних і додаткових джерел інформації.

Посилання

Bakhrushyn, V. Unsystem thouts of system analyst on how to control the coronavirus pandemic. DOI: 10.13140/RG.2.2.22487.01444

Forecast of COVID-19 pandemic in Ukraine on January 11 – 25 2021 р. «Prognoz RG-35».

URL: http://www.nas.gov.ua/UA/Messages/Pages/View.aspx?MessageID=7356.

Streeck, H., Schulte, B., Kümmerer, B.M. et al. Infection fatality rate of SARS-CoV2 in a super-spreading event in Germany. Nat Commun 11, 5829 (2020). https://doi.org/10.1038/s41467-020-19509-y.

Levin AT, Hanage WP, Owusu-Boaitey N, Cochran KB, Walsh SP, Meyerowitz-Katz G. Assessing the age specificity of infection fatality rates for COVID-19: systematic review, meta-analysis, and public policy implications. Eur J Epidemiol. 2020 Dec;35(12):1123-1138. doi: 10.1007/s10654-020-00698-1. Epub 2020 Dec 8. PMID: 33289900; PMCID: PMC7721859.

Bakhrushin V. Risks of Data Inconsistency in Information Systems Used for Predicting the Pandemics Development / Bakhrushin V., Bakurova A., Pasichnyk M, Tereschenko E. // 1st International Workshop on Computational & Information Technologies for Risk-Informed Systems (CITRisk 2020) co-located with XX International scientific and technical conference on Information Technologies in Education and Management (ІТЕМ 2020). Kherson, Ukraine, October 15-16, 2020. - Kherson National Technical University: 2020. – Vol-2805. – Р. 1-15 .

URL: http://ceur-ws.org/Vol-2805/invited1.pdf.

Eysenbach G. Infodemiology and Infoveillance: Framework for an Emerging Set of Public Health Informatics Methods to Analyze Search, Communication and Publication Behavior on the Internet. J Med Internet Res 2009;11(1):e11. DOI: 10.2196/jmir.1157. PMID: 19329408. PMCID: PMC2762766.

Eysenbach G. Infodemiology and infoveillance tracking online health information and cyberbehavior for public health. Am J Prev Med. 2011 May;40(5 Suppl 2):S154-8. doi: 10.1016/j.amepre.2011.02.006. PMID: 21521589.

Shyam J. Kurian, Atiq ur Rehman Bhatti, Mohammed Ali Alvi, Henry H. Ting, Curtis Storlie, Patrick M. Wilson, Nilay D. Shah, Hongfang Liu, Mohamad Bydon. Correlations Between COVID-19 Cases and Google Trends Data in the United States: A State-by-State Analysis, Mayo Clinic Proceedings, V. 95, Is. 11, 2020. P. 2370-2381, ISSN 0025-6196, https://doi.org/10.1016/j.mayocp.2020.08.022.

Li Cuilian, Chen Li Jia, Chen Xueyu, Zhang Mingzhi, Pang Chi Pui, Chen Haoyu. Retrospective analysis of the possibility of predicting the COVID-19 outbreak from Internet searches and social media data, China, 2020. Euro Surveill. 2020;25(10):pii=2000199. https://doi.org/10.2807/1560-7917.ES.2020.25.10.2000199.

Walker, A, Hopkins, C, Surda, P. The use of Google Trends to investigate the loss-of-smell-related searches during COVID-19 outbreak. Int Forum Allergy Rhinol. 2020; 10: 839– 847. URL:

https://onlinelibrary.wiley.com/doi/pdf/10.1002/alr.22580.

Mavragani A/ Tracking COVID-19 in Europe: Infodemiology Approach. JMIR Public Health Surveill 2020;6(2):e18941. URL:

https://publichealth.jmir.org/2020/2/e18941. DOI: 10.2196/18941.

Ayyoubzadeh S, Ayyoubzadeh S, Zahedi H, Ahmadi M, R Niakan Kalhori S. Predicting COVID-19 Incidence Through Analysis of Google Trends Data in Iran: Data Mining and Deep Learning Pilot Study. JMIR Public Health Surveill 2020;6(2):e18828. URL: https://publichealth.jmir.org/2020/2/e18828. DOI: 10.2196/18828.

Mavragani, A., Gkillas, K. COVID-19 predictability in the United States using Google Trends time series. Sci Rep 10, 20693 (2020). https://doi.org/10.1038/s41598-020-77275-9.

Tracking covid-19 excess deaths across countries. The Economist (27.02.2021). URL: https://www.economist.com/graphic-detail/coronavirus-excess-deaths-tracker?fbclid=IwAR2WV9O-WpDel4laHKzC3ELnVMoI1RAzlQlaWi9_9FQ_4XHZ6s6MGdgy0gM.