Ответы к тестам НМО: «Анализ развития инфекционного заболевания в популяции через построение и анализ эпидемической модели»

1. Базовое репродуктивное число R₀ в модели Кермака-МакКендрика рассчитывается по формуле

1) R₀ = α/β;
2) R₀ = S₀ × α / β;
3) R₀ = β/α;
4) R₀ = β × S₀ / α. +

2. Базовое репродуктивное число R₀ для моделирования распространения COVID-19 на территории г. Красноярска составило

1) 6,2;
2) 5,1;
3) 3,8; +
4) 2,5.

3. Базовое репродуктивное число R₀ характеризует количество вторичных заболеваний, появившихся в результате передачи первичного заболевания в популяции, полностью состоящей из

1) пассивно иммунных особей;
2) исключённых особей;
3) восприимчивых особей; +
4) инфицированных особей.

4. В матричном методе вычисления базового репродуктивного числа переменная m обозначает

1) интенсивность контактов;
2) число компартментов, где есть больные; +
3) число восприимчивых особей;
4) общее число компартментов в модели.

5. В модели SEIR с учётом инкубационного периода общее число инфицированных особей (включая находящихся в латентной фазе) представляется как

1) E + I; +
2) S + R;
3) S + I;
4) I +.

6. Внешнее воздействие F, характеризующее количественный прирост признака Ф, обозначается как

1) F⁺; +
2) F;
3) F⁻;
4) Фᵢ.

7. Время от момента заражения до появления первых видимых признаков заболевания определяется как

1) продромальный период;
2) период реконвалесценции;
3) инкубационный период; +
4) латентный период.

8. Выбор компартментов, включаемых в эпидемиологическую модель, зависит от

1) социально-экономических условий;
2) размера популяции;
3) характеристик конкретного заболевания; +
4) продолжительности инкубационного периода.

9. Для быстрого реагирования на ранних стадиях эпидемии оптимальны

1) модели машинного обучения;
2) простые компартментальные модели (SIR, SEIR); +
3) адаптивные модели;
4) неадаптивные модели.

10. Для модели MSEIR справедливы следующие утверждения

1) популяция считается неоднородной по степени взаимодействия;
2) после утраты пассивного иммунитета человек переходит в класс S; +
3) класс R включает людей, не имеющих иммунитета;
4) новорождённые с пассивным иммунитетом относятся к классу M; +
5) класс E соответствует периоду инкубации (латентной фазе). +

11. Для модели развития заболевания с учётом инкубационного периода справедливы следующие утверждения

1) скорость изменения класса E описывается выражением Ė = βSI − κE; +
2) общее число инфицированных определяется как E + I; +
3) параметр α характеризует скорость перехода из S в E;
4) сумма S + E + I + R равна N; +
5) при учёте инкубационного периода класс E соответствует людям в латентной фазе. +

12. Для оценки и распространения неопределённости прогноза необходимо строить

1) исключительно качественную оценку;
2) доверительные интервалы для ключевых показателей; +
3) только точечный прогноз;
4) прогноз без учёта вариативности данных.

13. Для оценки качества аппроксимации используются следующие статистические показатели

1) среднее арифметическое;
2) медиана;
3) R² (коэффициент детерминации); +
4) SSE (средне-квадратичная ошибка); +
5) чем меньше SSE, тем ближе предсказанные значения к экспериментальным. +

14. Для ситуации, когда произошла эпидемия, справедливы следующие утверждения

1) сумма St + It + Rt остаётся равной N для всех t; +
2) класс Rt включает только лиц с естественным иммунитетом;
3) размер класса It увеличивается; +
4) увеличение It свидетельствует о распространении инфекции; +
5) размер класса St остаётся неизменным.

15. Задача аппроксимации данных линейной функцией заключается в нахождении коэффициентов

1) a₁, a₂, a₃;
2) a₀, a₁; +
3) a₀, a₁, a₂;
4) только a₀.

16. Инфективность в течение инкубационного периода в модели может быть учтена путём введения параметра, который показывает, что инфективность уменьшается в течение латентного периода со скоростью

1) β;
2) ρ;
3) ε; +
4) α.

17. К механизмам передачи инфекционных заболеваний относятся

1) трансмиссивный; +
2) воздушно-капельный; +
3) контактный; +
4) гематогенный;
5) фекально-оральный. +

18. К условиям возникновения эпидемического процесса относятся

1) источник возбудителя инфекционного процесса; +
2) сезонные климатические изменения;
3) социально-экономические условия;
4) механизмы передачи; +
5) восприимчивые к заболеванию люди. +

19. К эпидемиологическим моделям, которые могут использоваться для описания инфекционных процессов, относятся

1) MSEIR; +
2) SIS; +
3) SIR; +
4) MIR;
5) SEIRS. +

20. Класс людей, имеющих пассивный иммунитет, полученный через плаценту от инфицированной матери, обозначается

1) класс I;
2) класс S;
3) класс E;
4) класс M. +

21. Классы M и E часто опускаются в эпидемиологических моделях, потому что они

1) не влияют на численность популяции;
2) всегда отсутствуют при любых инфекциях;
3) не являются критическими в процессе передачи инфекции;
4) трудно поддаются количественной оценке. +

22. Ключевым принципом успешного применения эпидемических моделей является

1) использование только самых сложных моделей;
2) соответствие сложности модели поставленной задаче; +
3) применение исключительно адаптивных моделей;
4) игнорирование калибровки на ранних стадиях.

23. Крупнейшая эпидемия XIV века, прокатившаяся по средневековой Европе и представленная как бубонной, так и лёгочной формой, — это

1) испанский грипп;
2) римская лихорадка;
3) чёрная смерть; +
4) юстинианова чума.

24. Метод, состоящий в замене одних объектов другими, близкими к исходным, но более простыми, называется

1) аппроксимацией; +
2) интерполяцией;
3) дифференцированием;
4) экстраполяцией.

25. Модель Кермака-МакКендрика основана на предположениях о

1) социально-экономических факторах;
2) скоростях обменных потоков между классами популяции; +
3) генетических особенностях возбудителя;
4) климатических изменениях.

26. Модель Кермака-МакКендрика относится к типу моделей

1) стохастических;
2) агентных;
3) компартментальных; +
4) регрессионных.

27. Непрерывная передача возбудителя инфекции в коллективе характеризует

1) эпидемический очаг;
2) эпидемический процесс; +
3) природную очаговость;
4) резервуар инфекции.

28. Основной недостаток использования полиномов для аппроксимации экспериментальных данных заключается в том, что они

1) не объясняют природу описываемых процессов; +
2) требуют слишком много вычислений;
3) неприменимы к медицинским данным;
4) всегда дают большую ошибку.

29. Относительный коэффициент исключения ρ рассчитывается как

1) ρ = S₀ / α;
2) ρ = α / β; +
3) ρ = β / α;
4) ρ = α × β.

30. Параметр 1/α в модели Кермака-МакКендрика обозначает

1) время пребывания в инфицированном классе; +
2) начальное число восприимчивых;
3) скорость передачи инфекции;
4) относительный коэффициент исключения.

31. Первый интеграл системы на решениях системы сохраняет

1) переменное значение;
2) нулевое значение;
3) экспоненциально растущее значение;
4) постоянное значение (константу). +

32. Пик пандемии COVID-19 в г. Красноярске при отсутствии карантинных мероприятий наступает на

1) 30-е сутки;
2) 70-е сутки;
3) 100-е сутки;
4) 53-и сутки. +

33. По результатам прогнозирования распространения COVID-19 в г. Красноярске справедливы следующие утверждения

1) фактически меры были введены на 14-й день; +
2) количество болеющих в пик при разных сценариях составило 6300, 6678 и 6723 человека; +
3) фактическое введение мер произошло на 53-й день;
4) рекомендуемый уровень ограничительных мер – снижение контактов на 60–70%; +
5) оптимальное время введения мер – 9–30 день от начала пандемии. +

34. Представление о ходе эпидемии даёт определение размера класса

1) N;
2) It; +
3) St;
4) Rt.

35. При вычислении базового репродуктивного числа матричным методом переход E → I рассматривается как

1) первичное инфицирование;
2) вторичная инфекция; +
3) повторное заражение;
4) развитие уже существующего заболевания.

36. При использовании «прямой» аппроксимации число инфицированных представляется как функция от

1) числа восприимчивых S;
2) времени t; +
3) числа исключённых R;
4) базового репродуктивного числа R₀.

37. При построении математических моделей в виде дифференциальных уравнений изменение свойства Ф за интервал времени dt определяется

1) величиной внешнего воздействия F; +
2) начальным значением свойства;
3) размером популяции;
4) длительностью инкубационного периода.

38. Принципиальная возможность определения параметров модели по идеальным данным называется

1) практической идентифицируемостью;
2) структурной идентифицируемостью; +
3) калибровкой;
4) верификацией.

39. Равновесие без признаков заболевания в матричном методе соответствует состоянию системы, когда

1) присутствуют только инфицированные;
2) все компартменты содержат инфицированных;
3) присутствуют только восприимчивые, а все остальные компоненты равны нулю; +
4) все компартменты равны между собой.

40. Согласно предположениям модели Кермака-МакКендрика, скорость прироста инфицированных особей пропорциональна произведению количества

1) всей популяции и инфицированных особе;
2) инфицированных и исключённых особей;
3) восприимчивых и инфицированных особей; +
4) восприимчивых и исключённых особей.

41. Согласно рекомендациям по практическому применению для систем здравоохранения, к основным направлениям относятся

1) использование старой модели для раннего обнаружения новых волн;
2) ориентация на прогнозы по госпитализации, ИВЛ и реанимации; +
3) интеграция классических моделей с данными молекулярной эпидемиологии; +
4) учёт динамики ограничений и вакцинации; +
5) сценарное прогнозирование с тремя вариантами (оптимистичный, наиболее вероятный, пессимистичный). +

42. Соотношение между тремя классами популяции в модели SIR описывается выражением

1) St +It — Rt = N;
2) St / It / Rt = N;
3) St × It × Rt = N;
4) St + It + Rt = N. +

43. Условием возникновения эпидемии является

1) R₀ < 1;
2) R₀ = 1;
3) R₀ = 0;
4) R₀ > 1. +

44. Формула, описывающая общий вид полинома ст

1) y = aₙ xⁿ + aₙ₋₁ xⁿ⁻¹ +
2) y = a₀ x⁰ + a₁ x¹;
3) y = a₀ x + a₁;
4) y = a₀ + a₁ x + a₂ x².

45. Функция φ(x₁, …, xₙ), которая обращается в константу на решениях системы дифференциальных уравнений, называется

1) частным решением системы;
2) особым решением системы;
3) первым интегралом системы; +
4) общим решением системы.

46. Чем ближе значение коэффициента детерминации R² к 1, тем

1) лучше модель объясняет всю дисперсию зависимой переменной; +
2) меньше число восприимчивых особей;
3) больше ошибка аппроксимации;
4) хуже модель описывает экспериментальные данные.

47. Число восприимчивых особей в модели Кермака-МакКендрика убывает со скоростью, равной скорости

1) рождения новых особей;
2) прироста инфицированных особей; +
3) естественной смертности;
4) перехода инфицированных в класс R.

48. Эпидемия, в результате которой было заражено около 550 миллионов человек, что составило 29,5 % населения планеты, – это

1) испанский грипп; +
2) чёрная смерть;
3) юстинианова чума;
4) гонконгский грипп.