该流行病在国内的传播速度取决于该国的气候条件 - 空气的温度，湿度还有风。例如，在寒冷的季节，干燥的空气会使鼻粘膜（病毒的第一道屏障）变干，因此感染的速度更快。另一方面，高温可以防止病毒繁殖。基于这些因素，俄罗斯人民友谊大学教授 Maria Alessandra Ragusa 与来自埃及和意大利的同事一起，分别为具有不同气候条件的三组国家建立了 COVID-19 传播模型。该模型只能等到疫苗接种的效果开始生效后才能准确地预测疫情的进一步发展。

Maria Alessandra Ragusa（俄罗斯人民友谊大学教授）说到：“研究的主要问题是如何预测疾病的状态，未来会有多少人被感染，确定流行病传染的高峰期、第二波疾病的持续时间以及疫情结束之后的死亡总数。我们使用现代回归模型对不同国家的新病例进行建模，并预测即将到来的冠状病毒浪潮，”

数学家们分了三组国家。 第一组为第一波流行病持续约180天的国家。这些是传播率最低的国家，年平均气温为15-38℃（例如沙特阿拉伯、埃及）。在年均气温2-31℃的第二组国家（如英国、德国、意大利）中，第一波持续了90天。该组国家的特征是感染率中等，以及当传播速度下降时会出现感染《停滞期》。第三组是感染率最高且没有停歇期的国家，这些国家年平均气温为2-18℃ - 例如美国和俄罗斯。

为了建模，数学家们使用了世卫组织 2020 年 3 月 1 日至 11 月 15 日的病例数据。 俄罗斯人民友谊大学的数学家们选择了最合适的回归模型 - 即统计研究多个变量对一个值的影响的方法。傅立叶级数和正弦之和对 COVID-19 病例建模最准确。这意味着该疾病新病例的曲线要么表示为傅立叶函数的总和（它们可以表示为特定频率和幅度的波动），要么表示为普通正弦的总和。

结果，数学家们获得了研究国家的第二或第三波峰值的计算值。不同的模型给出了大致相同的预测，只有几天的差异。 数学家们把获得的预测值与当时可用的数据进行了比较。事实证明，如果该国尚未普遍引入疫苗，该模型会给出相当准确的预测。 例如，截至2021年1月11日，埃及新增病例高峰值为1481人；实际上，高峰发生在 12 月 31 日 - 1418 例。在其他国家/地区，该模型可以准确预测到 2021 年初。之后，由于受疫苗接种的效果的影响，计算值与实际存在差异。例如，对于德国，预测值和实际值在 2021 年 1 月 15 日左右重合，而在 2 月 15 日之前，它们相差约 2.5 倍。

Maria Alessandra Ragusa（俄罗斯人民友谊大学教授）说到：“未来，我们计划开发将疫苗接种对病毒传播速度的影响考虑在内的预测模型。”