Journal of microbiology, epidemiology and immunobiologyJournal of microbiology, epidemiology and immunobiologyЖурнал микробиологии, эпидемиологии и иммунобиологии0372-93112686-7613Central Research Institute for Epidemiology1894510.36233/0372-9311-760DJJHPVORIGINAL RESEARCHESОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯResearch ArticlePOEM: POpulation Epidemiological Model for anti-epidemic measures efficiency prognosis in the Russian FederationПОЭМА: ПОпуляционная Эпидемиологическая Модель Агентная для прогноза эффективности противоэпидемических мероприятий в Российской Федерацииhttps://orcid.org/0000-0003-2567-9032PopovaAnna Yu.ПоповаАнна Юрьевна
Russian Federation

D. Sci. (Med.), Professor, Head

д-р мед. наук, профессор, руководитель

samoilov_ae@sysbiomed.ruhttps://orcid.org/0000-0002-7038-3911AyupovaAsiya F.АюповаАсия Фаязовна
Russian Federation

researcher, Laboratory of molecular epidemiology of emerging infections

н. с. лаб. молекулярной эпидемиологии возникающих инфекций

asiya.bun@gmail.comhttps://orcid.org/0000-0003-0837-8764GovorunVadim M.ГоворунВадим Маркович
Russian Federation

Dr Sci. (Biol.), Professor, Academician of the Russian Academy of Sciences, Director

д-р биол. наук, профессор, академик РАН, директор

govorun@sysbiomed.ruhttps://orcid.org/0009-0009-7750-370XGorbachevaAlina A.ГорбачёваАлина Антоновна
Russian Federation

researcher, Laboratory of molecular epidemiology of emerging infections

н. с. лаб. молекулярной эпидемиологии возникающих инфекций

mantodea13@gmail.comhttps://orcid.org/0000-0003-0130-5079IlinaElena N.ИльинаЕлена Николаевна
Russian Federation

Dr Sci. (Biol.), Corresponding Member of the Russian Academy of Sciences, main researcher, Head, Laboratory of mathematical biology and bioinformatics

д-р биол. наук, член-корр. РАН, г. н. с., зав. лаб. математической биологии и биоинформатики

ilinaen@sysbiomed.ruhttps://orcid.org/0000-0002-0310-3764KachalovViacheslav N.КачаловВячеслав Николаевич
Russian Federation

senior researcher, Laboratory of mathematical biology and bioinformatics, Research Institute of Systems Biology and Medicine; Associate Professor, Moscow Institute of Physics and Technology (National Research University)

с. н. с. лаб. математической биологии и биоинформатики НИИ системной биологии и медицины; доцент Московского физико-технического института (национального исследовательского университета)

kachalov_vn@sysbiomed.ruhttps://orcid.org/0009-0007-2437-5527KozlovIvan E.КозловИван Евгеньевич
Russian Federation

assistant researcher, Laboratory of mathematical biology and bioinformatics

лаборант-исследователь лаб. математической биологии и биоинформатики

ivan.kozzloff98@gmail.comhttps://orcid.org/0009-0008-2839-6189KlochkovKonstantin A.КлочковКонстантин Александрович
Russian Federation

junior researcher, Laboratory of mathematical biology and bioinformatics, Research Institute of Systems Biology and Medicine; student, Moscow Institute of Physics and Technology (National Research University)

м. н. с. лаб. математической биологии и биоинформатики НИИ системной биологии и медицины; студент Московского физико-технического института (национального исследовательского университета)

konstantin.a.klochkov@gmail.comhttps://orcid.org/0000-0003-3788-3452KutyrevVladimir V.КутыревВладимир Викторович
Russian Federation

Dr Sci. (Med.), Professor, Academician of the Russian Academy of Sciences, Director

д-р мед. наук, проф., академик РАН, директор

rusrapi@microbe.ruhttps://orcid.org/0000-0001-7365-0352LukashevAlexander N.ЛукашевАлександр Николаевич
Russian Federation

Dr Sci. (Biol.), Corresponding Member of the Russian Academy of Sciences, main researcher, principal researcher, Research Institute of Systems Biology and Medicine; Director, Martsinovsky Institute of Medical Parasitology, Tropical and Vector Borne Diseases, Sechenov First Moscow State Medical University

д-р биол. наук, член-корр. РАН, г. н. с. НИИ системной биологии и медицины; директор Института медицинской паразитологии, тропических и трансмиссивных заболеваний им. Е.И. Марциновского Первого Московского государственного медицинского университета им. И.М. Сеченова

alexander_lukashev@hotmail.comhttps://orcid.org/0000-0003-3912-429XManolovAlexander I.МаноловАлександр Иванович
Russian Federation

Cand. Sci. (Biol.), researcher, Scientific

канд. биол. наук, н. с.

paraslonic@gmail.comhttps://orcid.org/0009-0000-0849-9123MaslovaIrina I.МасловаИрина Ильинична
Russian Federation

junior researcher, Laboratory of mathematical biology and bioinformatics

м. н. с. лаб. математической биологии и биоинформатики

maslova1ira@gmail.comhttps://orcid.org/0000-0001-8284-3164SamoilovAndrei E.СамойловАндрей Евгеньевич
Russian Federation

researcher, Laboratory of mathematical biology and bioinformatics

н. с. лаб. математической биологии и биоинформатики

samoilov_ae@sysbiomed.ruhttps://orcid.org/0000-0001-9563-2833SafronovValentin A.СафроновВалентин Алексеевич
Russian Federation

leading redearcher

в. н. с

safronov64@gmail.comhttps://orcid.org/0009-0001-5140-0990TsurkisVera I.ЦуркисВера Ильинична
Russian Federation

junior researcher, Laboratory of mathematical biology and bioinformatics

м. н. с. лаб. математической биологии и биоинформатики

veratsurkis21@gmail.comFederal Service for Supervision of Consumer Rights Protection and Human WelfareФедеральная служба по надзору в сфере защиты прав потребителей и благополучия человекаResearch Institute for Systems Biology and MedicineНаучно-исследовательский институт системной биологии и медициныMoscow Institute of Physics and Technology, National Research UniversityМосковский физико-технический институт (национальный исследовательский университет)Russian Research Anti-Plague Institute “Microbe”Российский противочумный институт «Микроб»Sechenov First Moscow State Medical UniversityПервый Московский государственный медицинский университет имени И.М. Сеченова05112025102551552908102025Copyright ©; 2025, Popova A.Y., Ayupova A.F., Govorun V.M., Gorbacheva A.A., Ilina E.N., Kachalov V.N., Kozlov I.E., Klochkov K.A., Kutyrev V.V., Lukashev A.N., Manolov A.I., Maslova I.I., Samoilov A.E., Safronov V.A., Tsurkis V.I.Copyright ©; 2025, Попова А.Ю., Аюпова А.Ф., Говорун В.М., Горбачёва А.А., Ильина Е.Н., Качалов В.Н., Козлов И.Е., Клочков К.А., Кутырев В.В., Лукашев А.Н., Манолов А.И., Маслова И.И., Самойлов А.Е., Сафронов В.А., Цуркис В.И.2025Popova A.Y., Ayupova A.F., Govorun V.M., Gorbacheva A.A., Ilina E.N., Kachalov V.N., Kozlov I.E., Klochkov K.A., Kutyrev V.V., Lukashev A.N., Manolov A.I., Maslova I.I., Samoilov A.E., Safronov V.A., Tsurkis V.I.Попова А.Ю., Аюпова А.Ф., Говорун В.М., Горбачёва А.А., Ильина Е.Н., Качалов В.Н., Козлов И.Е., Клочков К.А., Кутырев В.В., Лукашев А.Н., Манолов А.И., Маслова И.И., Самойлов А.Е., Сафронов В.А., Цуркис В.И.https://creativecommons.org/licenses/by/4.0https://microbiol.crie.ru/jour/article/view/18945

Introduction. The COVID-19 pandemic has revealed a whole complex of problems related to mathematical modeling of the epidemic process and assessing the effect of preventive and anti-epidemic measures in modern complex societies. Along with this, the accumulation of significant factual data has spurred the active development of agent-based models, in which each agent (a hypothetical person) has a unique set of characteristics and interaction methods determined based on real sociological and demographic data.

Aim and objectives. Development and demonstration of the capabilities of the epidemiological agent-based model POEM platform (POpulation Epidemiological Model).

Materials and methods. The POEM platform is developed based on the source code of one of the most widely used agent-based models worldwide, Covasim, taking into account the demographic and organizational-administrative conditions specific to the Russian Federation.

Results. Computational experiments have shown that due to individual variability in the dynamics of infection development and the specifics of disease registration, even mass events, while leading to an actual increase in the number of infected individuals, do not have a significant impact on the shape of the curve of registered disease incidence. It has been shown that intercity traffic flows at a level of 0.1% of the population per day have a minimal effect on the dynamics of the epidemic's development, while the effect of a 1% population outflow per day sharply reduces the effect of strict anti-epidemic measures implemented in only one particular city. Using the example of the Voronezh region, the transition from the Delta variant to Omicron in early 2022 was modeled, and a high degree of correlation was shown between the model dynamics and the actual ratio of virus variants observed.

Conclusion. The model is fully implemented within the Russian system on the server of the Research Institute for System Biology and Medicine of Rospotrebnadzor and can be used to conduct digital epidemiological experiments to predict the effectiveness of proposed anti-epidemic measures.

Введение. Пандемия COVID-19 выявила целый комплекс проблем, связанных с математическим моделированием эпидемического процесса и оценкой эффекта от проводимых профилактических и противоэпидемических мероприятий в современном сложноорганизованном обществе. Вместе с этим накопление значительных массивов фактических данных дало импульс активному развитию агентных моделей, в которых каждый агент (условный человек) имеет уникальный набор характеристик и способов взаимодействия, определяемых на основе реальных социологических и демографических данных.

Цели и задачи. Разработка и демонстрация возможностей эпидемиологической агентной модели ПОЭМА (ПОпуляционная Эпидемиологическая Модель Агентная).

Материалы и методы. Платформа ПОЭМА разработана на исходном коде одной из наиболее широко используемых во всем мире агентной модели Covasim с учетом демографических и организационно-административных условий, характерных для Российской Федерации.

Результаты. Вычислительные эксперименты показали, что из-за индивидуальной вариабельности в динамике развития инфекции и особенностей регистрации заболеваемости даже массовые мероприятия хотя и приводят к фактическому увеличению числа инфицированных, но не оказывают существенного влияния на форму кривой регистрируемой заболеваемости. Показано, что транспортные потоки между городами на уровне 0,1% населения в день оказывают минимальный эффект на динамику развития эпидемии, в то время как эффект от перетока 1% населения в день резко снижает эффект от введения строгих противоэпидемических мероприятий, проводимых только в одном отдельно взятом городе. На примере Воронежской области проведено моделирование смены циркулирующего варианта SARS-CoV-2 с Дельта на Omicron в начале 2022 г. и показана высокая степень корреляции между модельной динамикой и наблюдаемым в реальности соотношением вариантов вируса.

Заключение. Модель реализована полностью в Российском контуре на сервере НИИ системной биологии и медицины Роспотребнадзора и может быть использована для проведения цифровых эпидемиологических экспериментов с целью прогноза эффективности предполагаемых к проведению противоэпидемических мероприятий.

agent-based modelingcomputational epidemiologyepidemic processanti-epidemic measuresагентное моделированиевычислительная эпидемиологияэпидемический процесспротивоэпидемические мерыRospotrebnadzorРоспотребнадзор141-02-2023-208Маслова И.И., Манолов А.И., Глущенко О.Е. и др. Ограничения в создании искусственных популяций в агентном моделировании эпидемий: систематический обзор. Журнал микробиологии, эпидемиологии и иммунобиологии. 2024;101(4):530–45. Maslova I.I., Manolov A.I., Glushchenko O.E., et al. Limitations in creating artificial populations in agent-based epidemic modeling: a systematic review. Journal of Microbiology, Epidemiology and Immunobiology. 2024;101(4):530–45. DOI: https://doi.org/10.36233/0372-9311-467 EDN: https://elibrary.ru/goxztxGrefenstette J.J., Brown S.T., Rosenfeld R., et al. FRED (a Framework for Reconstructing Epidemic Dynamics): an open-source software system for modeling infectious diseases and control strategies using census-based populations. BMC Public Health. 2013;13(1):940. DOI: https://doi.org/10.1186/1471-2458-13-940Kerr C.C., Stuart R.M., Mistry D., et al. Covasim: an agent-based model of COVID-19 dynamics and interventions. PLoS Comput. Biol. 2021;17(7):e1009149. DOI: https://doi.org/10.1371/journal.pcbi.1009149Silva M.E.P., Fyles M., Pi L., et al. The role of regular asymptomatic testing in reducing the impact of a COVID-19 wave. Epidemics. 2023;44(100699):100699. DOI: https://doi.org/10.1016/j.epidem.2023.100699Panovska-Griffiths J., Swallow B., Hinch R., et al. Statistical and agent-based modelling of the transmissibility of different SARS-CoV-2 variants in England and impact of different interventions. Philos. Trans. A Math. Phys. Eng. Sci. 2022;380(2233):20210315. DOI: https://doi.org/10.1098/rsta.2021.0315Panovska-Griffiths J., Stuart R.M., Kerr C.C., et al. Modelling the impact of reopening schools in the UK in early 2021 in the presence of the alpha variant and with roll-out of vaccination against SARS-CoV-2. J. Math. Anal. Appl. 2022;514(2):126050. DOI: https://doi.org/10.1016/j.jmaa.2022.126050Panovska-Griffiths J., Kerr C.C., Stuart R.M., et al. Determining the optimal strategy for reopening schools, the impact of test and trace interventions, and the risk of occurrence of a second COVID-19 epidemic wave in the UK: a modelling study. Lancet Child Adolesc. Health. 2020;4(11):817–27. DOI: https://doi.org/10.1016/S2352-4642(20)30250-9Scott N., Abeysuriya R.G., Delport D., et al. COVID-19 epidemic modelling for policy decision support in Victoria, Australia 2020–2021. BMC Public Health. 2023;23(1):988. DOI: https://doi.org/10.1186/s12889-023-15936-wSanz-Leon P., Stevenson N.J., Stuart R.M., et al. Risk of sustained SARS-CoV-2 transmission in Queensland, Australia. Sci. Rep. 2022;12(1):6309. DOI: https://doi.org/10.1038/s41598-022-10349-ySanz-Leon P., Hamilton L.H.W., Raison S.J., et al. Modelling herd immunity requirements in Queensland: impact of vaccination effectiveness, hesitancy and variants of SARS-CoV-2. Philos. Trans. A Math. Phys. Eng. Sci. 2022;380(2233):20210311. DOI: https://doi.org/10.1098/rsta.2021.0311Li J., Giabbanelli P. Returning to a normal life via COVID-19 vaccines in the United States: a large-scale agent-based simulation study. JMIR Med. Inform. 2021;9(4):e27419. DOI: https://doi.org/10.2196/27419Cattaneo A., Vitali A., Mazzoleni M., Previdi F. An agent-based model to assess large-scale COVID-19 vaccination campaigns for the Italian territory: the case study of Lombardy region. Comput. Methods Programs Biomed. 2022;224(107029):107029. DOI: https://doi.org/10.1016/j.cmpb.2022.107029Moritz S., Gottschick C., Horn J., et al. The risk of indoor sports and culture events for the transmission of COVID-19. Nat. Commun. 2021;12(1):5096. DOI: https://doi.org/10.1038/s41467-021-25317-9Zhang J., Litvinova M., Liang Y., et al. Changes in contact patterns shape the dynamics of the COVID-19 outbreak in China. Science. 2020;368(6498):1481–6. DOI: https://doi.org/10.1126/science.abb8001Bi Q., Wu Y., Mei S., et al. Epidemiology and transmission of COVID-19 in 391 cases and 1286 of their close contacts in Shenzhen, China: a retrospective cohort study. Lancet Infect. Dis. 2020;20(8):911–9. DOI: https://doi.org/10.1016/S1473-3099(20)30287-5Mukherjee S., Mondal S., Bagchi B. Stochastic formulation of multiwave pandemic: decomposition of growth into inherent susceptibility and external infectivity distributions. J. Chem. Sci (Bangalore). 2021;133(4):118. DOI: https://doi.org/10.1007/s12039-021-01981-8Sun K., Wang W., Gao L., et al. Transmission heterogeneities, kinetics, and controllability of SARS-CoV-2. Science. 2021;371(6526):eabe2424. DOI: https://doi.org/10.1126/science.abe2424To K.K.W., Tsang O.T.Y., Leung W.S., et al. Temporal profiles of viral load in posterior oropharyngeal saliva samples and serum antibody responses during infection by SARS-CoV-2: an observational cohort study. Lancet Infect. Dis. 2020;20(5):565–74. DOI: https://doi.org/10.1016/S1473-3099(20)30196-1Devaux C.A., Rolain J.M., Raoult D. ACE2 receptor polymorphism: susceptibility to SARS-CoV-2, hypertension, multi-organ failure, and COVID-19 disease outcome. J. Microbiol. Immunol. Infect. 2020;53(3):425–35. DOI: https://doi.org/10.1016/j.jmii.2020.04.015Edwards D.A., Ausiello D., Salzman J., et al. Exhaled aerosol increases with COVID-19 infection, age, and obesity. Proc. Natl Acad. Sci. USA. 2021;118(8):e2021830118. DOI: https://doi.org/10.1073/pnas.2021830118Willett B.J., Grove J., MacLean O.A., et al. SARS-CoV-2 Omicron is an immune escape variant with an altered cell entry pathway. Nat. Microbiol. 2022;7(8):1161–79. DOI: https://doi.org/10.1038/s41564-022-01143-7Callaway E. Heavily mutated Omicron variant puts scientists on alert. Nature. 2021;600(7887):21. DOI: https://doi.org/10.1038/d41586-021-03552-wBarut G.T., Halwe N.J., Taddeo A., et al. The spike gene is a major determinant for the SARS-CoV-2 Omicron-BA.1 phenotype. Nat. Commun. 2022;13(1):5929. DOI: https://doi.org/10.1038/s41467-022-33632-yZhang H., Huang C., Gu X., et al. 3-year outcomes of discharged survivors of COVID-19 following the SARS-CoV-2 omicron (B.1.1.529) wave in 2022 in China: a longitudinal cohort study. Lancet Respir. Med. 2024;12(1):55–66. DOI: https://doi.org/10.1016/S2213-2600(23)00387-9Liu Y., Rocklöv J. The effective reproductive number of the Omicron variant of SARS-CoV-2 is several times relative to Delta. J. Travel Med. 2022;29(3): taac037. DOI: https://doi.org/10.1093/jtm/taac037Chen Z., Deng X., Fang L., et al. Epidemiological characteristics and transmission dynamics of the outbreak caused by the SARS-CoV-2 Omicron variant in Shanghai, China: a descriptive study. Lancet Reg. Health West Pac. 2022;29(100592):100592. DOI: https://doi.org/10.1016/j.lanwpc.2022.100592Zheng Y., Zhang H., Weng Z., et al. Clinical characteristics and predictors of delayed discharge among children with SARS-CoV-2 Omicron variant infection. Biomed. Rep. 2024;20(2):29. DOI: https://doi.org/10.3892/br.2023.1717Zhang W., Wu H., Guo Q., et al. Association of clinical characteristics and vaccines with risk of persistently viral clearance in patients infected with SARS-CoV-2 Omicron variant in Shanghai, China. Heliyon. 2024;10(1):e23256. DOI: https://doi.org/10.1016/j.heliyon.2023.e23256Сизикова Т.Е., Чухраля О.В., Лебедев В.Н., Борисевич С.В. Вариант омикрон вируса SARS-CoV-2: способность вызывать заболевание у лиц, имеющих иммунитет против COVID-19, сформированный в результате вакцинации или ранее перенесенного заболевания. Вестник войск РХБ защиты. 2023;6(1):44–55. Sizikova T.E., Chuhralya O.V., Lebedev V.N., Borisevich S.V. The omicron variant of SARS-CoV-2 virus: The ability to cause disease in persons with immunity against COVID-19. Journal of NBC Protection Corps. 2023;6(1):44–55. DOI: https://doi.org/10.35825/2587-5728-2022-6-1-44-55 EDN: https://elibrary.ru/jfxeebLi Y., Jiang X., Qiu Y., et al. Latent and incubation periods of Delta, BA.1, and BA.2 variant cases and associated factors: a cross-sectional study in China. BMC Infect. Dis. 2024;24(1):294. DOI: https://doi.org/10.1186/s12879-024-09158-7Zhang L., Kang X., Wang L., et al. Clinical and virological features of asymptomatic and mild symptomatic patients with SARS-CoV-2 Omicron infection at Shanghai Fangcang shelter hospital. Immun. Inflamm. Dis. 2023;11(9):e1033. DOI: https://doi.org/10.1002/iid3.1033Che Mat N.F., Edinur H.A., Abdul Razab M.K.A., Safuan S. A single mass gathering resulted in massive transmission of COVID-19 infections in Malaysia with further international spread. J. Travel. Med. 2020;27(3):taaa059. DOI: https://doi.org/10.1093/jtm/taaa059Memish Z.A., Steffen R., White P., et al. Mass gatherings medicine: public health issues arising from mass gathering religious and sporting events. Lancet. 2019;393(10185):2073–84. DOI: https://doi.org/10.1016/S0140-6736(19)30501-XHoang V.T., Gautret P. Infectious diseases and mass gatherings. Curr. Infect. Dis. Rep. 2018;20(11):44. DOI: https://doi.org/10.1007/s11908-018-0650-9Chung P.C., Chen K.J., Chang H.M., Chan T.C. Evaluating the effectiveness of school closure in COVID-19-related syndromes from community-based syndromic surveillance: longitudinal observational study. Interact. J. Med. Res. 2023;12:e44606. DOI: https://doi.org/10.2196/44606Viner R.M., Russell S.J., Croker H., et al. School closure and management practices during coronavirus outbreaks including COVID-19: a rapid systematic review. Lancet Child Adolesc. Health. 2020;4(5):397–404. DOI: https://doi.org/10.1016/S2352-4642(20)30095-XHume S., Brown S.R., Mahtani K.R. School closures during COVID-19: an overview of systematic reviews. BMJ Evid. Based. Med. 2023;28(3):164–74. DOI: https://doi.org/10.1136/bmjebm-2022-112085Бароян О.В., Рвачев Л.А. Математика и эпидемиология. М.;1977. Baroyan O.V., Rvachev L.A. Mathematics and Epidemiology. Moscow;1977.Kerr C.C., Mistry D., Stuart R.M., et al. Controlling COVID-19 via test-trace-quarantine. Nat. Commun. 2021;12(1):2993. DOI: https://doi.org/10.1038/s41467-021-23276-9Scott N., Palmer A., Delport D., et al. Modelling the impact of relaxing COVID-19 control measures during a period of low viral transmission. Med. J. Aust. 2021;214(2):79–83. DOI: https://doi.org/10.5694/mja2.50845Latkowski R., Dunin-Kȩplicz B. An agent-based COVID-19 simulator: extending Covasim to the Рolish context. Procedia Comput. Sci. 2021;192:3607–16. DOI: https://doi.org/10.1016/j.procs.2021.09.134