Федеральный научно-исследовательский социологический центр РАН

English version
версия для печати

Журнал: Народонаселение

Черкашин А. К.
Национальные особенности изменения опасности развития пандемии коронавируса COVID-19: математическое моделирование и статистический анализ

DOI: https://doi.org/10.19181/population.2020.23.3.8

Черкашин Александр Константинович
Институт географии им. В. Б. Сочавы Сибирского отделения РАН, Иркутск, Россия


 

Полный текст

Открыть текст

Ссылка при цитировании:

Черкашин А. К. Национальные особенности изменения опасности развития пандемии коронавируса COVID-19: математическое моделирование и статистический анализ // Народонаселение. 2020. Том. 23. № 3. С. 83-95.
DOI: https://doi.org/10.19181/population.2020.23.3.8

Рубрика:

ПРОБЛЕМЫ ЗДРАВООХРАНЕНИЯ И СОЦИАЛЬНОГО ОБСЛУЖИВАНИЯ

Выражение признательности

Исследование выполнено за счет средств государственного задания АААА-А17-117041910167-0

Аннотация:

Исключительные события, связанные с распространением инфекции коронавируса COVID-19 среди населения различных стран, предоставляют информацию для сравнительного анализа и количественной оценки качества принимаемых решений в различных национальных обстоятельствах борьбы с пандемией. С использованием математических моделей теории надежности выявляется общая тенденция изменения эпидемических кривых и проводится оперативный расчет коэффициентов моделей и динамики численности установленных случаев заболеваний по функции отказов (фактов заражений), плотности вероятности отказов (роста доли инфицированных), интегрированной опасности и риска заражения, приемлемого риска, первичной готовности к эпидемии и управляемости текущей эпидемической ситуацией. Россия, в отличие от других стран, вступила в эпидемический процесс с высокой готовностью — малым показателем приемлемого риска, но проде­монстрировала низкую управляемость текущей ситуацией. Функции надежности основаны на двойной интерпретации уравнения изменения меры опасности во времени и по факторам развития эпидемического процесса, в частности, по возрасту населения. Базовым для математического и статистического анализа является экспоненциальное уравнение опасности, которое в полулогарифмической шкале представлено линейной зависимостью от времени. Ее искажения за счет варьирования управляемой величины приемлемого риска указывает на национальные особенности регулирования эпидемической нагрузки на население. Все показа­тели надежности имеют ясный смысл и взаимосвязаны. Для прогнозирования необходимо знать моменты начала и пика эпидемии, потенциал заражения в группе риска, приемлемый риск. По данным в фазе экспоненциального роста приемлемый риск линейно снижается со временем до минимального значения, что становится основанием для оценки управляемо­сти эпидемической ситуацией и дальнейшего совершенствования модели.

Литература:

  • 1. Гендон Ю.З. Пандемии гриппа: прошлое и будущее // Природа. — 2008. — № 5. — С. 3-9.
  • 2. Global Health Security Index. [Электронный ресурс] — Режим доступа: https://www.ghsindex.org/wp-content/uploads/2019/10/2019-Global-Health-Security-Index.pdf (дата обращения: 16 марта 2020).
  • 3. Каткова И.П. Российское здравоохранение в контексте задач достижения всеобщей доступности услуг здравоохранения к 2030 году // Народонаселение. — 2020. — Т. 23. — № 1. — С. 135-147. DOI: 10.19181/population.2020.23.1.11
  • 4. Будилова Е.В., Лагутин М.Б., Мигранова Л. А. Влияние демографических и социально-экономических факторов на популяционное здоровье населения // Народонаселение. — 2019. — № 3. — С. 80-92. DOI: 10.24411/1561-7785-2019-00028
  • 5. Aaltola M. Covid-19 — a trigger for global transformation? Political distancing, global decoupling and growing distrust in health governance // FIIA working papers, 2020, N113. P. 4-14.
  • 6. Denis M., Vandeweerd V., Verbeke R., Van der VlietD. Overview of information available to support the development of medical countermeasures and interventions against COVID-19 // Version dd. 30, 2020, Transdisciplinary insights. P. 1-134.
  • 7. Cohen J. Scientists are racing to model the next moves of a coronavirus that's still hard to predict // Science, 07 February 2020. [Электронный ресурс] — Режим доступа: https://www.sciencemag.org/news/2020/02/scientists-are-racing-model-next-moves-coronavirus-thats-still-hard-predict (дата обращения: 18.04.2020).
  • 8. Kermack W, McKendrick A. Contributions to the mathematical theory of epidemics — part III. Further studies of the problem of endemicity // Bulletin of Mathematical Biology, 1991, Vol. 5. No. 3(1-2). P. 89-118.
  • 9. Бейли Н. Математика в биологии и медицине. — М.: Мир, 1970. — 326 с.
  • 10. Zhang G., Pang H., Xue Y., Zhou Y., Wang R. Forecasting and analysis of time variation of parameters of COVID-19 infection in China using an improved SEIR model. — 2020 // Centre for Mathematical Modelling of Infectious Diseases COVID-19 working group // The lancet, March 11, 2020. [Электронный ресурс] — Режим доступа: www.thelancet.com/infection. (дата обращения: 18.03.2020).
  • 11. Владимиров И. Н., Мясникова С. И., Черкашин А. К. Геоинформационное обеспечение оценки заболевания птичьим гриппом в регионе // Известия РАН. Серия географическая. — 2008. — № 2. — С. 122-131.
  • 12. Huang C. Y., Wen T.H., Tsai Y.S. A Novel four-layer model for simulating epidemic dynamics and assessing intervention policies // Hindawi Publishing Corporation. Journal of Applied Mathematics. Vol. 2013. P. 1-20.
  • 13. Черкашин А. К. Полисистемное моделирование. — Новосибирск: Наука, 2005. — 280 с.
  • 14. Therneau T.M., Grambsch P.M. Modeling survival data: extending the Cox model. New York: Springer-Verlag, 2000. 355 p.
  • 15. Черкашин А. К. Оценка качества жизни на основе решения обратной задачи моделирования динамики численности населения // Народонаселение. — 2014. — № 1. — С. 54-67.
  • 16. Черкашин А. К., Красноштанова Н. Е. Моделирование оценки риска хозяйственной деятельности в районах нового нефтегазового освоения // Проблемы анализа риска. — 2015. — Т. 12, № 6. — С. 44-52.
  • 17. Склянова И.П., Черкашин А. К. Количественная оценка демографической реакции на изменения условий жизнедеятельности в моногородах // Регион: экономика и социология. — 2015. — № 4. — С. 179-197.
  • 18. Roser M., Ritchie H., Ortiz-Ospina E. Coronavirus disease (COVID-19): Statistics and research // Our World in Data. — 2020. [Электронный ресурс] — Режим доступа: https://ourworldindata.org/coronavirus/ (дата обращения: 01.04.2020).
  • 19. Gavrilov L.A., Gavrilova N. S. Reliability theory of aging and longevity // Handbook of the biology of aging, Sixth edition. Academic Press. San Diego, CA, USA, 2006, P. 3-42.
  • 20. Черкашин А. К., Лещенко Я. А., Боева А. В. Динамические и квалиметрические модели оценки качества жизни семьи // Народонаселение. — 2015. — № 3. — С. 61-76.
  • 21. H0yland A., Rausand M. System Reliability Theory: Models and Statistical Methods. New Jersey: John Wiley& Sons, Inc. 2004. 518 p.
  • 22. Северцев Н.А., Дедков В.К. Методологические вопросы надежности и безопасности // Вестник ТвГУ. Серия: Прикладная математика. — 2007. — № 3(6). — С. 123-128.
  • 23. Камке Э. Справочник по дифференциальным уравнениям в частных производных первого порядка. — М.: Наука, 1966. — 260 с.
  • 24. Насколько опасен коронавирус: заразность, летальность и группы риска. [Электронный ресурс] — Режим доступа: https://ria.ru/20200319/1568742369.html?in=t (Дата обращения: 18.04.2020).

Сведения об авторах


Черкашин Александр Константинович
Институт географии им. В. Б. Сочавы Сибирского отделения РАН, Иркутск, Россия
доктор географических наук, профессор, главный научный сотрудник, заведующий лабораторией теоретической географии

Содержание выпуска

>> Содержание выпуска 2020. Том. 23. № 3.
>> Архив журнала

Ближайшие мероприятия

Сводка новостей

Последние публикации

Журналы
и периодические издания