Un mathématicien de RUDN University a construit un modèle pour la propagation du COVID-19 et il a montré comment la vaccination affecte le cours d’une pandémie

Un mathématicien de RUDN University a construit un modèle pour la propagation du COVID-19 et il a montré comment la vaccination affecte le cours d’une pandémie

Les mathématiciens de RUDN University ont modélisé la propagation de COVID-19 sur la base de deux modèles de régression mathématique. Les mathématiciens ont divisé les pays en trois groupes en fonction du taux d’infection et des conditions climatiques et ont trouvé une approximation mathématique appropriée pour chacun d’eux. Sur la base du modèle, les mathématiciens ont prédit les vagues suivantes. Le pronostic s’est avéré exact dans les pays où la vaccination de masse n’a pas été introduite.

Le taux de propagation de l’épidémie à l’intérieur du pays dépend, entre autres, des conditions climatiques du pays dont la temperature,humidité et vents. Par exemple, pendant la saison froide, l’air sec assèche la muqueuse nasale, la première barrière au virus et donc une personne s’infecte plus rapidement. Les températures élevées, en revanche, empêchent le virus de se multiplier. Sur la base de ces considérations, le professeur de RUDN University Maria Alessandra Ragusa, en collaboration avec des collègues d’Égypte et d’Italie, a 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 de l’épidémie, mais seulement jusqu’à ce que l’effet de la vaccination commence à se faire sentir.

"Le principal problème dans 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 de la pandémie, la durée de la deuxième vague de la maladie et le nombre total de décès après la fin de la pandémie. Nous avons utilisé des modèles de régression modernes pour modéliser de nouveaux cas de maladie dans différents pays et prédire les prochaines vagues de coronavirus", Maria Alessandra Ragusa, professeur à RUDN University.

Les mathématiciens ont identifié trois groupes de pays. La première catégorie comprend les pays dans lesquels la première vague de la pandémie a duré environ 180 jours. Ce sont les pays avec le taux de propagation le plus bas, la température annuelle moyenne est de 15-38 (par exemple, l’Arabie saoudite, l’Égypte). Dans le deuxième groupe de pays (par exemple, la Grande-Bretagne, l’Allemagne, l’Italie) avec une température annuelle moyenne de 2-31 ?, la première vague a duré 90 jours. Les pays de ce groupe se caractérisent par un taux moyen d’infection et des » périodes d’arrêt " lorsque le taux de propagation diminue. Le troisième groupe comprend les pays avec le taux d’infection le plus élevé et sans périodes d’arrêt, la température annuelle moyenne y est de 2-18 ? — par exemple, les États-Unis et la Russie.

Pour modéliser les mathématiques, ils ont utilisé les données de l’OMS sur le nombre de cas du 1er mars au 15 novembre 2020. Les mathématiciens de RUDN University ont choisi les modèles de régression les plus appropriés, c’est-à-dire les méthodes d’étude statistique de l’effet de plusieurs variables sur une valeur. La série de Fourier et la somme des sinus étaient les plus précises pour modéliser les cas de COVID-19. Cela signifie que la courbe des nouveaux cas de la maladie est présentée soit comme une somme de fonctions de Fourier (elles peuvent être représentées comme des fluctuations d’une certaine fréquence et d’une certaine amplitude), soit comme une somme de sinus ordinaires.

En conséquence, les mathématiciens ont obtenu les valeurs calculées du pic de la deuxième ou de la troisième vague dans les pays étudiés. Différents modèles ont donné à peu près les mêmes prévisions avec une différence de plusieurs jours. Les prédictions obtenues par les mathématiciens ont été comparées aux données disponibles à l’époque. Il s’est avéré que le modèle donne des prédictions assez précises si le pays n’a pas introduit la vaccination universelle. Par exemple, la valeur calculée du pic de nouveaux cas en Égypte est de 1 481 au 11 janvier 2021 ; en réalité, le pic s’est produit le 31 décembre dont 1418 cas. Dans le reste des pays, le modèle donne une prédiction précise jusqu’au début de 2021. Après cela, l’effet de la vaccination commence à affecter et les valeurs calculées diffèrent de la réalité. Par exemple, pour l’Allemagne, les valeurs prédites et réelles coïncident jusqu’au 15 janvier 2021 environ et déjà le 15 février, elles diffèrent d’environ 2,5 fois.

"À l’avenir, nous prévoyons de développer des modèles prédictifs, en tenant compte de la façon dont la vaccination affecte le taux de propagation du virus", Maria Alessandra Ragusa, professeur à RUDN University.

Les résultats sont publiés dans la revue Mathematics

Recherche
20 Sep
Mathématicien de l'URAP a défini les conditions de la coexistence des trois espèces à l'état sauvage

Mathématicien de l’URAP en collaboration avec des collègues de l’Inde et de la France pour la première fois étudié en détail le système de la coexistence de trois types d’êtres vivants à l’état sauvage. Les résultats aident à comprendre quels sont les paramètres qui déterminent l’extinction etsi la survie de types et que l’évolution du nombre d’espèces dans l’espace et le temps.

Recherche
15 Sep
Un chimiste de RUDN University a créé des films antibactériens à partir de polymères de coordination avec une efficacité allant jusqu'à 99,99%

Le chimiste de RUDN University, en collaboration avec des collègues du Portugal, a développé deux types de revêtements basés sur de nouveaux polymères de coordination avec de l’argent dans la composition. Les deux composés ont été testés avec succès contre quatre agents pathogènes courants.

Recherche
12 Sep
Les scientifiques de RUDN ont amélioré les implants dentaires en titane avec des nanosloyers en graphène

Les chercheurs de RUDN ont créé et testé une méthode de traitement des implants dentaires en titane. Il s’est avéré que l’anoslose du graphène à la surface du titane améliore son interaction avec les cellules souches,qui sont placées sur l’implant afin qu’il " s’enracine " mieux.Grâce à cette méthode detraitement, les cellules souches sont mieux conservées à la surface, se multiplient et se transforment en cellules souhaitées.