Las áreas de Rusia afectadas por la fiebre porcina africana (FPA) durante un período prolongado requieren comprender las características regionales de la propagación de la epidemia, ya que las condiciones geográficas juegan un papel crucial en la difusión de la enfermedad. Los resultados del estudio subrayan la importancia de la modelización predictiva para resaltar la compleja interacción entre la vida silvestre, los cerdos domésticos y los factores ecológicos en el proceso epidémico. La utilización de modelos predictivos a través de algoritmos de clasificación y regresión mejora nuestra comprensión de la epidemiología de la enfermedad. Al identificar factores de riesgo clave como la densidad de jabalíes, la presencia de cadáveres infectados y las interacciones con cerdos domésticos, estos modelos proporcionan información que orienta intervenciones específicas. Las conclusiones del estudio tienen como objetivo guiar a los responsables de la toma de decisiones en la elaboración de estrategias de control efectivas para mitigar la propagación de la enfermedad, contribuyendo en última instancia a una mejor gestión de esta emergencia. La implementación de técnicas estadísticas avanzadas, como el análisis de bosques aleatorios, permite mejorar la precisión de las predicciones, lo cual es esencial para desarrollar medidas de control estratégicas.