Пандемия коронавирусной инфекции COVID-19 оказала большое влияние на формирование и развитие человеческого капитала за счет своего негативного воздействия на образование и здоровье населения. Это заболевание уже унесло сотни тысяч жизней и вызвало длительные нарушения здоровья людей, а также лишило многих доступа к качественному образованию. В связи с этим в период пандемии COVID-19 большое значение приобретает разработка современных и точных методов анализа, моделирования и прогнозирования динамики распространения этого заболевания, позволяющих выявить факторы, оказывающие существенное влияние на процесс распространения инфекции. В статье обсуждаются этапы построения моделей машинного обучения для проведения предикативного анализа заболеваемости COVID-19, позволяющего исследовать динамику распространения данного вируса на региональном уровне, выявить влияние различных факторов на степень тяжести, длительность протекания болезни и впоследствии разработать своевременные сценарии управления человеческим капиталом региона с целью снижения негативного воздействия пандемии. Для разработки методов использовался большой массив деперсонифицированных данных по распространению COVID-19 в Воронежской области, предоставленных Воронежским областным клиническим консультативно-диагностическим центром (ВОККДЦ). В статье представлены результаты разведочного анализа имеющихся данных, выявлены дополнительные признаки, которые могут быть использованы для построения моделей машинного обучения, разработаны методы интерактивной визуализации и прогнозирования динамики COVID-19.
The COVID-19 pandemic has had a major impact on the formation and development of human capital through its negative effect on education and public health. This disease has already claimed hundreds of thousands of lives, caused long-term health problems and deprived many of them of access to quality education. In this regard, during the COVID-19 pandemic, it is of great importance to design modern and accurate methods for analyzing, modeling and predicting the dynamics of the spread of this disease, which enable to identify factors that significantly affect the spread of the infection. The article discusses the stages of constructing machine learning models for conducting a predicative analysis of the COVID-19 incidence, which makes it possible to study the dynamics of the spread of this virus at the regional level, identify the influence of various factors on the severity, the duration of the disease, and subsequently create timely scenarios for managing the human capital of the region in order to reduce the negative impact of the pandemic. To devise the methods, a large array of depersonalized data on the spread of COVID-19 in the Voronezh region, provided by the Voronezh Regional Clinical Consultative and Diagnostic Center, was used. The article presents the results of an exploratory analysis of the available data, highlights additional features that can be employed to build machine learning models and develops methods for interactive visualization and forecasting of COVID-19 dynamics.
The authors declare that there are no conflicts of interest present.