Прогноз развития эпидемического процесса ВИЧ-инфекции в Уральском федеральном округе

Цель: создание математической модели для прогнозирования развития эпидемического процесса ВИЧ-инфекции в Уральском федеральном округе РФ (УФО) с учетом социально-экономического показателя и показателя заболеваемости ВИЧ-инфекцией. Материалы и методы. В исследовании использована динамика показателя заболеваемости ВИЧ-инфекцией в УФО за период с 1998 по 2023 г. В качестве предиктора использовался экономический показатель — безработица за период 1991–2024 гг. С целью учета временной зависимости и возможных отложенных эффектов влияния доходов на заболеваемость был сформирован лаговый набор показателя со сдвигом до 6 лет. Для построения прогностической модели применялись искусственные нейронные сети (ИНС). В качестве базовой архитектуры ИНС использовалась радиально-базисная функция (РБФ). Обучение проводилось с помощью модуля SANN программного пакета STATISTICA 12. Данные были разделены на обучающую и тестовую выборки (85/15), для валидации применялась кросс-проверка на скрытом периоде 2021–2023 гг. Для оценки точности прогноза использовались коэффициент детерминации, а также средняя абсолютная ошибка и средняя абсолютная процентная ошибка. Эти показатели рассчитывались как на обучающей и тестовой выборках, так и в ходе кросс-проверки и экстраполяции прогнозных значений. Результаты и их обсуждение. Для прогнозирования заболеваемости ВИЧ-инфекцией в УФО построены и протестированы 1000 моделей ИНС РБФ, из которых 20 с наилучшими метриками были отобраны для прогнозирования. Лучшая модель (РБФ 3–16–1) продемонстрировала высокую точность: коэффициент детерминации R2=0,9, средняя абсолютная ошибка MAD=6,8. Сформирован прогноз заболеваемости ВИЧ-инфекцией до 2028 года, который составит 81,4^о/оооо. С учетом других обученных ИНС РБФ c метриками качества, превышающих 0,9 уровень заболеваемости, в 2028 году ожидается в диапазоне от 45,9^о/оооо до 112^о/оооо. Заключение. Прогноз заболеваемости ВИЧ-инфекции в УФО, опирающийся на экономический предиктор, показал высокую точность на основании метрик качества. Учет безработицы с лагом 6 лет позволил учесть социально-экономические факторы. Использование прикладного ПО со встроенными функциями прогнозирования с помощью ИНС делает методику доступной специалистам и создает основу для профилактических стратегий и управленческих решений в сфере здравоохранения.

1. Abdolrasol M.G.M., Hussain S.M.S., Ustun T.S., Sarker M.R., Hannan M.A., Mohamed R., Ali J.A., Mekhilef S., Milad A. Artificial Neural Networks Based Optimization Techniques: A Review // Electronics. 2021. Vol. 10, No. 21. P. 2689. doi: 10.3390/electronics10212689.

2. Niazkar H.R., Niazkar M. Application of artificial neural networks to predict the COVID-19 outbreak // Global Health Research and Policy. 2020. Vol. 5, No. 1. P. 50. doi: 10.1186/s41256-020-00175-y.

3. Мельникова Е.Н. Прогнозирование эпидемического процесса ВИЧ-инфекции инструментами ARIMA и Microsoft Excel // Здоровье населения и среда обитания. 2024. Т. 32, № 7. С. 68–75. doi: 10.35627/2219-5238/2023-32-7-68-75.

4. Кондратова С.Е., Марченко А.Н., Мельникова Е.Н. Моделирование прогнозирования развития эпидемического процесса ВИЧ-инфекции в регионе с высоким уровнем пораженности ВИЧ как детерминанта направленности противоэпидемических мер // ВИЧ-инфекция и иммуносупрессии. 2021. Т. 13, № 2. С. 85–93. doi: 10.22328/2077-9828-2021-13-2-85-93.

5. Li Z., Li Y. A comparative study on the prediction of the BP artificial neural network model and the ARIMA model in the incidence of AIDS // BMC Medical Informatics and Decision Making. 2020. Vol. 20, No. 1. P. 143. doi: 10.1186/s12911-020-01157-3.

6. Edeh M.O., Dalal S., Dhaou I.B., Agubosim C.C., Umoke C.C., Richard-Nnabu N.E., Dahiya N. Artificial Intelligence-Based Ensemble Learning Model for Prediction of Hepatitis C Disease // Frontiers in Public Health. 2022. Vol. 10. Р. 892371. doi: 10.3389/fpubh.2022.892371.

7. Котловский М.Ю., Цыбикова Э.Б., Лорсанов С.М., Фадеев П.А., Фадеева С.О., Гусев А.В. Разработка модели машинного обучения для прогнозирования числа впервые выявленных пациентов с ВИЧ инфекцией в субъектах Российской Федерации // Врач и информационные технологии. 2025. № 3. С. 16–29. doi: 10.25881/18110193_2023_3_16.

8. Онищенко Г.Г., Смоленский В.Ю. Роль приоритетного национального проекта в сфере здравоохранения в реализации стратегии борьбы с эпидемией ВИЧ-инфекции в Российской Федерации // Гигиена и санитария. 2011. № 2. С. 11–20.

9. Косова А.А., Чалапа В.И., Ковтун О.П. Методы моделирования и прогнозирования динамики эпидемического процесса инфекционных болезней // Уральский медицинский журнал. 2023. Т. 22, № 4. С. 102–112. doi: 10.52420/2071-5943-2023-22-4-102-112.

10. Колосницына М.Г., Чубаров М.Ю. Социально-экономические факторы смертности от инфекционных заболеваний в российских регионах // Социальные аспекты здоровья населения. 2021. Т. 67, № 5. С. 2. doi: 10.21045/2071-5021-2021-67-5-2.

11. Пастухова Е.Я., Морозова Е.А., Челомбитко А.Н. Взаимосвязь социально-экономических факторов и различных причин смертности населения региона // Фундаментальные исследования. 2019. № 6. С. 121–125. doi: 10.17513/fr.42496.

12. Sociological Institute of the Russian Academy of Sciences, St Petersburg, Rusinova N.L., Safronov V.V., Sociological Institute of the Russian Academy of Sciences, St Petersburg. The Effects of Unemployment on Health in European Countries: The Role of Welfare State // Sociological Journal. 2017. Vol. 23, No. 2. Р. 28–50. doi: 10.19181/socjour.2017.23.2.5158.

13. Костина Л.Н., Гареева Г.А. Нейронные сети в задачах прогнозирования временных рядов // Инновационная наука. 2015. № 6–2.

14. Kondratyev M.A. Forecasting methods and models of disease spread // Computer Research and Modeling. 2013. Vol. 5, No. 5. P. 863–882. doi: 10.20537/2076-7633-2013-5-5-863-882.

15. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В., Кравченко А.В. ВИЧ-инфекция. Информационный бюллетень № 30. 2007. 32 с.

16. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В. ВИЧ-инфекция. Информационный бюллетень № 31. 2008. 82 с.

17. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В. ВИЧ-инфекция. Информационный бюллетень № 33. 2009. 24 с.

18. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В. ВИЧ-инфекция. Информационный бюллетень № 34. 2010. 52 с.

19. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В. ВИЧ-инфекция. Информационный бюллетень № 35. 2011. 51 с.

20. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В., ВИЧ-инфекция. Информационный бюллетень № 36. 2012. 53 с.

21. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В. ВИЧ-инфекция. Информационный бюллетень № 38. 2013. 53 с.

22. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В., Тушина О.И. ВИЧ-инфекция. Информационный бюллетень № 39. 2014. 53 с.

23. Покровский В.В., Ладная Н.Н., Тушина О.И., Буравцова Е.В., Кравченко А.В. ВИЧ-инфекция. Информационный бюллетень № 40. 2015. 56 с.

24. Покровский В.В., Ладная Н.Н., Симашев Т.И., Буравцова Е.В., Сирица А.В. ВИЧ-инфекция. Информационный бюллетень № 41. 2016. 56 с.

25. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В. ВИЧ-инфекция. Информационный бюллетень № 42. 2017. 56 с.

26. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В. ВИЧ-инфекция. Информационный бюллетень № 43. 2018. 56 с.

27. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В., Кравченко А.В. ВИЧ-инфекция. Информационный бюллетень № 44. 2019. 58 с.

28. Покровский В.В., Ладная Н.Н., Соколова Е.В., Буравцова Е.В., Кравченко А.В. ВИЧ-инфекция. Информационный бюллетень № 45. 2020. 58 с.

29. Покровский В.В., Ладная Н.Н., Соколова Е.В. ВИЧ-инфекция. Информационный бюллетень № 46. 2021. 83 с.

30. Покровский В.В., Ладная Н.Н., Соколова Е.В. ВИЧ-инфекция. Информационный бюллетень № 47. 2023. 82 с.

31. Покровский В.В., Ладная Н.Н., Соколова Е.В. ВИЧ-инфекция. Информационный бюллетень № 48. 2024. 82 с.

32. Покровский В.В., Ладная Н.Н., Соколова Е.В. ВИЧ-инфекция. Информационный бюллетень № 49. 2024. 80 с.

33. Алимов А.В., Захарова Ю.А., Питерский М.В., Быков Р.О., Ладыгин О.В. ВИЧ-инфекция на территории Уральского федерального округа. Информационный бюллетень за 2019 г. 2020. 35 с.

34. Захарова Ю.А., Питерский М.В. О.Я., Яранцева О.Я., Семенов А.В. ВИЧ-инфекция на территории Уральского федерального округа: информационный бюллетень за 2020 г. 2021. 30 с.

35. Питерский М.В., Маковская Я.В., Яранцева О.Я., Панова А.В., Семенов А.В. ВИЧ-инфекция на территории Уральского федерального округа: информационный бюллетень за 2023 год. 2025. 34 с.

36. Деркач А.Ю., Черняев И.А. Влияние уровней занятости и безработицы на заболеваемость и смертность населения от туберкулеза // Вестник УГМУ. 2023. № 1. С. 39–46.

37. Wang G., Wei W., Jiang J., Ning C., Chen H., Huang J., Liang B., Zang N., Liao Y., Chen R., Lai J., Zhou O., Han J., Liang H., Ye L. Application of a long short-term memory neural network: a burgeoning method of deep learning in forecasting HIV incidence in Guangxi, China // Epidemiology and Infection. 2019. Vol. 147. P. e194. doi: 10.1017/S095026881900075X.

38. He J., Li J., Jiang S., Cheng W., Jiang J., Xu Y., Yang J., Zhou X., Chai C., Wu C. Application of machine learning algorithms in predicting HIV infection among men who have sex with men: Model development and validation // Frontiers in Public Health. 2022. Vol. 10. P. 967681. doi: 10.3389/fpubh.2022.967681.

39. Li X., Xu X., Wang J., Li J., Qin S., Yuan J. Study on Prediction Model of HIV Incidence Based on GRU Neural Network Optimized by MHPSO // IEEE access: practical innovations, open solutions. 2020. Vol. 8. P. 49574–49583. doi: 10.1109/ACCESS.2020.2979859.