Инструмент для оценки качества отчетов о результатах агентного моделирования (адаптированная версия протокола ODD)

Актуальность. Агентный подход к моделированию широко востребован в самых разных областях науки, в т.ч. при изучении закономерностей распространения инфекционных болезней. Цель. Разработка русскоязычной адаптированной версии протокола «ODD» для совершенствования качества описания результатов агентного моделирования в эпидемиологических исследованиях. Материалы и методы. Использована оригинальная методологическая разработка группы авторов на английском языке «Overview, Design concept, Details», или ODD. При подготовке адаптированной версии протокола ODD были определены основополагающие пользовательские моменты. Согласованность экспертных оценок определяли путем расчет коэффициента каппа согласно методике Флейсса. Статистический анализ проводили в среде R 4.3.2 (RStudio). Результаты и обсуждение. Предложена русскоязычная версия ODD, предназначенная для полноценного описания процесса разработки модели и результатов моделирования для использования в медико-биологических исследованиях. В статье особое внимание уделено разделу «Концепции дизайна». Рекомендации, изложенные в нем, позволяют обосновать дизайн модели, сделать ее представление менее произвольным и более научным. В русскоязычной версии ODD содержатся все 11 понятий, касающихся дизайна, с кратким описанием их назначения и контрольным списком вопросов, на которые следует обратить внимание. К элементам дизайна отнесены: базовые принципы, возникновение новых результатов, адаптация, цели, обучение, прогнозирование, восприятие, взаимодействие агентов, стохастичность процессов, наблюдение. Дается характеристика отчета по рекомендациям ODD как в полном, так и сокращенном виде. В последнем случае читателю предлагается ознакомиться с кратким текстовым шаблоном оформления рукописи. Заключение. Используя протокол ODD, исследователь сможет полноценно описать агентную модель в целом, а также отразить те ее важные характеристики, которые не всегда легко представить математическими уравнениями и блок-схемами.

1. Акимкин В. Г., Михеева И. В. Концепция цифровой трансформации системы эпидемиологического надзора. Эпидемиология и инфекционные болезни. Актуальные вопросы. 2025. №2. С.16–20.

2. Пушкарева Т.П. Математическое моделирование как необходимый компонент математической подготовки. Современные проблемы науки и образования. 2014. 5. С. 796.

3. Hunter E., Namee B.M., Kelleher J. An open-data-driven agent-based model to simulate infectious disease outbreaks. PLOS One. 2018. Vol. 13, N12. P. e0208775.

4. Герасимов А.Н. Модели и статистический анализ в эпидемиологии инфекционных болезней. ТМЖ. 2019. №3. С. 80–83.

5. Денисов Н.С., Каменских Е.М., Федоров О.С. Тренды популяционных исследований: молекулярная и цифровая эпидемиология (обзор). СТМ. 2022. Т.14. №4. С. 60.

6. Кондратьев М.А. Методы прогнозирования и модели распространения заболеваний. Компьютерные исследования и моделирование. 2013. Т.5. №5. С. 863–882.

7. Косова А.А., Чалапа В.И., Ковтун О.П. Методы моделирования и прогнозирования динамики эпидемического процесса инфекционных болезней. Уральский медицинский журнал. 2023. Т.22. №4. С. 102–112.

8. Brauer F. Mathematical epidemiology: Past, present, and future. Infect Dis Model. 2017. Vol. 2, N2. P. 113–127.

9. Hackl J., Dubernet T. Epidemic spreading in urban areas using agent-based transportation models. Future Internet. 2019. V. 11. N4. P. 92.

10. Грязнов С.А., Кузнецов М.И. Факторы, влияющие на воспроизводимость научных исследований //. International Journal of Humanities and Natural Sciences.2024. Т. 8-1. №95. С. 69–71.

11. Baker M. 1,500 scientists lift the lid on reproducibility //. Nature. 2016. Т. 533. С. 452–454.

12. Richter S. Systematic heterogenization for better reproducibility in animal experimentation. Lab Anim. 2017. Т. 46. С. 343–349.

13. Grant R., Rubin M., Abbas M., et al. Expanding the use of mathematical modeling in healthcare epidemiology and infection prevention and control. Infection Control & Hospital Epidemiology. 2024. Т. 45. N8. С. 930–935.

14. Railsback S.F., Grimm V. Agent-based and individual-based modeling: a practical introduction. Princeton (NJ): Princeton University Press; 2019.

15. Bennett C., Manuel D.G. Reporting guidelines for modelling studies //. BMC Med Res Methodol. 2012. Vol. 7, N12. P. 168.

16. Chaturvedi M.B., Denkinger A., Klett-Tammen C., et al. Guidelines on reporting and assessing mathematical models for infectious disease dynamics: A scoping review. medRxiv. 2024.doi: https://doi.org/10.1101/2024.11.27.24318060.

17. Pollett S., Johansson M.A., Reich N.G., et al. Recommended reporting items for epidemic forecasting and prediction research: The EPIFORGE 2020 guidelines. PLoS Med. 2021. Vol. 18, N10:e1003793.

18. Achter S., Borit M., Chattoe-Brown E., Siebers P.-O. RAT-RS: a reporting standard for improving the documentation of data use in agent-based modelling. International Journal of Social Research Methodology. 2022. https://doi.org/10.1080/13645579.2022.2049511

19. Vincenot C.E. How new concepts become universal scientific approaches: insights from citation network analysis of agent-based complex systems science. Proceedings of the Royal Society B: Biological Sciences. 2018. Vol. 285, N1874. P. 20172360.

20. Grimm, V., Berger, U., Vincenot C.E., et al. The ODD protocol for describing agent-based and other simulation models: a second update to improve clarity, replication, and structural realism. Journal of Artificial Societies and Social Simulation. 2020. Vol. 23(2), P. 7. https://www.jasss.org/23/2/7.html

21. Grimm, V., Berger, U., Bastiansen, F., et al. A standard protocol for describing individual-based and agent-based models. Ecological Modelling. 2006; 198:115–126.

22. Li M., Gao Q., Yu T. Kappa statistic considerations in evaluating inter-rater reliability between two raters: which, when and context matters. BMC Cancer 23. 2023. Vol. 799. https://doi.org/10.1186/s12885-023-11325-z

23. Wilkinson M.D., Dumontier M., Aalbersberg I.J., et al. The FAIR guiding principles for scientific data management and stewardship. Scientific Data. 2016. Vol. 3. P. 160018.

24. da Costa G.G., Neves K., Amaral O.B. Estimating the replicability of highly cited clinical research (2004-2018). PLoS One. 2024. Vol. 19, N8. P. e0307145.

25. Фатима Г., Альхмади Х.Б., Махди А.А. и др. Вспышки оспы обезьян: комплексный обзор эпидемиологии, клинического ведения и мер общественного здравоохранения. Инфекция и иммунитет. 2025. Т. 15, № 2. C. 227–234.

26. Ali M., El Guma F., Qazza A., et al. Stochastic modeling of influenza transmission: Insights into disease dynamics and epidemic management. Partial Differential Equations in Applied Mathematics. 2024. Vol. 11. P. 100886.