COVID-19 ეპიდემიის განვითარების პროგნოზი 28.12.2020-03.01.2021 და 04.01.2021-10.01.2021 კვირებში სხვადასხვა მოდელების მიხედვით

COVID-19 ეპიდემიის განვითარების პროგნოზი

28.12.2020-03.01.2021 და 04.01.2021-10.01.2021 კვირებში სხვადასხვა მოდელების მიხედვით

გარდა მყისიერ რეპროდუქციის კოეფიციენტზე დაფუძნებული მოდელისა (IRN), რომელსაც ჩვენს მსგავსად ბევრი ჯგუფი იყენებს არსებობს პანდემიის პროგნოზირების გაცილებით უფრო კომპლექსური მოდელები, რომელთა შორის პოპულარულია შემდეგი ოთხი

• ლოს-ალამოსის ნაციონალური ლაბორატორიის (LANL) მოდელი COFFEE (https://covid-19.bsvgateway.org/ );

• მასაჩუსეცის ტექნოლოგიური ინსტიტუტის (MIT) მოდელი DELPHI (https://github.com/COVIDAnalytics/DELPHI );

• Institute for Health Metrics and Evaluation (IHME) მოდელი https://covid19.healthdata.org/

• იმპერიალ კოლეჯის (Imperial) მოდელი (https://github.com/mrc-ide/global-lmic-reports ).

ყველა ეს მოდელი განსხვავებულ მიდგომებზეა დაფუძლებული და შესაბამისად თითოეულ მათგანს თავისი ძლიერი და სუსტი მხარები გააჩნია. სხვადასხვა მოდელები პროგნოზირებენ სხვადასხვა სიდიდეებს და ამიტომ მათი პროგნოზების შედარება ტრივიალური არ არის.

დადასტურებული შემთხვევების პროგნოზი. ამ სიდიდის პროგნოზს იძლევა შემდეგი მოდელები IRN, LANL-COFFEE და MIT-DELPHI. წინა კვირაში (21.12-27.12) სულ დაფიქსირებული იყო 12681 შემთხევა. ამ მოდელების პროგნოზები შემდეგი 2 კვირისათვის მოცემულია შემდეგ გრაფიკზე:

გრაფიკი 1: სხვადასხვა მოდელების პროგნოზი 28.12.2020-03.01.2021 და 04.01.21-10.01.21 კვირებისთვის. შესაბამისი პროგნოზის რიცხვითი მნიშვნელობა მოცემულია იმავე ფერის ჩარჩოში ჩასმული რიცხვით.

წინა კვირის პროგნოზი.

წინა კვირაში (21.12-27.12) სულ დაფიქსირებული იყო 12681 შემთხევა. ხოლო სხვადასხვა მოდელების პროგნოზები ასე გამოიყურებოდა:

მოდელი	პროგნოზი 21.12.2020-27.12.2020 კვირისთვის
IRN:	135002500, ანუ შემთხვევათა რაოდენობა წინა კვირასთან შედარებით მოიკლებს 26%-ით (რაც შეესაბამება Rt=0.79).
LANL-COFFEE	14000, ანუ შემთხვევათა რაოდენობა წინა კვირასთან შედარებით მოიკლებს 24%-ით.
MIT-DELPHI	15000, ანუ შემთხვევათა რაოდენობა წინა კვირასთან შედარებით მოიკლებს 19%-ით.

ცხრილი 1. სხვადასხვა მოდელების პროგნოზი დადასტურებული შემთვევებისთვის.

დროითი მწკრივების ანალიზის ჯგუფი

გიგა ღოღობერიძე, ასოცირებული პროფესორი, grigol_gogoberidze@iliauni.edu.ge

ბიძინა შერგელაშვილი, ასოცირებული პროფესორი, bidzina.shergelashvili@iliauni.edu.ge

ნათია კევლიშვილი, დოქტორანტი, natia.kevlishvili.1@iliauni.edu.ge

მიხეილ სულიკაშვილი, მაგისტრანტი, mikheil.sulikashvili.1@iliauni.edu.ge

კატო წულაძე, მაგისტრანტი, ekaterine.tsuladze.2@iliauni.edu.ge

 მონაცემების მოწვდისთვის დიდი მადლობა გივი მომცელიძეს

28/12/2020