Математик объяснил, почему модели распространения COVID-19 плохо работают
В чем сложность математического прогнозирования всплесков и спадов заболеваемости COVID-19 в России и в мире, рассказал в интервью радио Sputnik доктор физико-математических наук Андрей Леонидов.
Математические модели распространения коронавирусной инфекции в России и в мире начали строить практически сразу после начала пандемии COVID-19. Сначала прогнозы, содержащиеся в этих моделях, подтверждались, но затем все усложнилось, отметил в интервью радио Sputnik доктор физико-математических наук, ведущий научный сотрудник Физического института имени П.Н. Лебедева РАН Андрей Леонидов.
"Тут сложность в том, что сама болезнь (COVID-19, - ред.) меняет характер. Например, время от попадания вируса в организм до появления симптомов при заражении штаммом "дельта" отличается от прошлых вариантов. Еще при первоначальном варианте вируса процент тяжелобольных пациентов и процент госпитализаций был ниже", - отметил он.
По словам эксперта, в условиях быстрых мутаций коронавируса математическим прогнозированием его распространения должны заниматься коллективы ученых, использующие особые подходы к моделированию.
"Единственный способ с таким справиться - иметь команду с моделью агентного типа (при агентном моделировании развитие системы определяется свойствами и поведением всех ее элементов, по принципу "снизу вверх", - ред.), не общую, а очень конкретную, в которую все заложено, и в которой бы отслеживались критичные для предсказания параметры, например, вакцинация. Там должны быть десятки разных факторов", - объяснил Андрей Леонидов.
В частности, помимо вакцинации модель может учитывать, где именно чаще всего происходит передача вируса - в школе, торговом центре, аэропорту, считает эксперт. Причем данные, которые используются при математическом прогнозировании, должны обновляться не реже раза в неделю. Тогда власти смогут принимать решения, основываясь на этих моделях, заключил Андрей Леонидов.
