On COVID-19 epidemic process simulation: three regression approaches investigations

Abstract

This paper describes experimental research on implementing three regression models of the COVID-19 epidemic process. These are models of linear regression, Ridge regression, and Lasso regression. COVID-19 daily new cases statistics were verified by these models for Ukraine, Germany, Japan, and South Korea, provided by the Johns Hopkins Coronavirus Resource Center. All built models have sufficient accuracy to make decisions on the implementation of anti-epidemic measures to combat the COVID-19 pandemic in the selected area. Depending on the forecast period, regression models can be used to solve different Public Health tasks.

У статті описано експериментальні дослідження реалізації трьох регресійних моделей епідемічного процесу COVID-19. Це моделі лінійної регресії, регресії Ріджа та регресії Лассо. Моделі були перевірені щоденною статистикою нових випадків COVID-19 в Україні, Німеччині, Японії та Південній Кореї, наданої Ресурсним центром з коронавірусу Університету Джона Хопкінса. Всі побудовані моделі мають достатню точність для прийняття рішень щодо проведення протиепідемічних заходів щодо боротьби з пандемією COVID-19 на вибраній території. Залежно від періоду прогнозу регресійні моделі можуть використовуватися для вирішення різних завдань громадської охорони здоров'я.

В статье описаны экспериментальные исследования реализации трех регрессионных моделей эпидемического процесса COVID-19. Это модели линейной регрессии, регрессии Риджа и регрессии Лассо. Модели были проверены ежедневной статистикой новых случаев COVID-19 в Украине, Германии, Японии и Южной Корее, предоставленной Ресурсным центром по коронавирусу Университета Джона Хопкинса. Все построенные модели обладают достаточной точностью для принятия решений о проведении противоэпидемических мероприятий по борьбе с пандемией COVID-19 на выбранной территории. В зависимости от периода прогноза регрессионные модели могут использоваться для решения различных задач общественного здравоохранения.