هر ساله همه گیری بیماری های مختلفی همچون بیماری های شبه انفولانزا (ili) و دیگر بیماری های مسری، هزینه های مختلفی را به سازمان های مختلف دولتی و خصوصی تحمیل می کند. این هزینه ها شامل خرید تجهیزات، به کار گیری پزشکان، پرستاران و پرسنل، خرید دارو و موارد دیگر است. پیش بینی همه گیری باعث کاهش هزینه های مختلف و همچنین کنترل بهتر بیمار می گردد که از طریق روش های مختلفی که اکثرا بر مبنای آماری بوده است انجام شده است. مهم ترین این روش ها شامل: روش تعیین مقدار معین، روش تناوب تناسبی، روش cusum و روش های جدیدی همچون شبکه bayesian و زنجیره های مارکوف پنهان. این روش ها که معمولا بر مبنای آمار می باشند دو اشکال اساسی گذشته محور و خبره محور بودن را دارا می باشند. به منظور رفع این دو مشکل، در این تحقیق مدلی بر مبنای نفوذ در شبکه های اجتماعی ارائه شده است که توسعه ای از مدل پایه ای bass می باشد و دقت مدل بر روی داده های فروانی آنفولانزا در ایالت متحده از روش مربع خطا ها اندازه گیری شده که برابر 95 درصد بوده است که نسبت به مدل های قبلی بهبود پیدا کرده است. برای بهبود بیشتر مدل باید تاثیر مسافرت های بیماران و جابجایی افراد را نیز که در مدل به صورت محلی تاثیر دارد در نظر گرفت که به عنوان تحقیقات آتی پیشنهاد می گردد.