En este trabajo, empleamos dos enfoques de modelado: un modelo de campo medio y un modelo de red, con el propósito de modelar brotes de infecciones respiratorias en Rusia. Los enfoques presentados y su implementación de software combinan heterogeneidad y simplicidad estructural, cerrando la brecha entre los modelos SEIR compartimentales y soluciones detalladas complejas basadas en enfoques basados en agentes, las dos técnicas de modelado más comunes para la dinámica de la gripe y COVID-19. La descripción matemática de los enfoques se presenta, con el modelo compartimental SEIR sirviendo como referencia para la comparación. Los experimentos demuestran la similitud de la salida de modelado de los enfoques presentados, lo que permite su uso intercambiable en la replicación de la dinámica real de brotes en ciudades rusas. La capacidad de los enfoques discutidos para imitar datos de vigilancia epidémica rusa se muestra ajustando un modelo de campo medio a datos de un brote de gripe en San Petersburgo en 2014-2015. La comparación de la complejidad del modelo y su rendimiento se realiza utilizando escenarios sintéticos. Siguiendo los resultados de los experimentos numéricos, se discuten las ventajas comparativas y desventajas de los enfoques en la aplicación a brotes de infecciones respiratorias. Las técnicas de modelado presentadas, además de los modelos SEIR clásicos y los modelos basados en agentes como parte de la vigilancia epidémica, permiten seleccionar la mejor opción de modelado para cualquier tarea en particular en la vigilancia y control de brotes, en función de los recursos computacionales disponibles, la disponibilidad de datos y la calidad de los datos.