Влияние пандемии на демографические процессы в российской Арктике
Автор: Смирнов Андрей Владимирович
Журнал: Экономические и социальные перемены: факты, тенденции, прогноз @volnc-esc
Рубрика: Социальное и экономическое развитие
Статья в выпуске: 6 т.14, 2021 года.
Бесплатный доступ
Россия достигла высокого уровня проникновения интернета и использования цифровых технологий, что позволяет накапливать и систематизировать огромные объемы данных о населении. Современные вызовы, такие как пандемия коронавирусной инфекции COVID-19, требуют более оперативного и детального анализа демографической ситуации. Осмысление информации, собранной цифровыми платформами и сервисами, может улучшить качество принятия решений, найти широкое применение в науке и управлении. Цель исследования - оценить изменение демографической ситуации в Российской Арктике под влиянием пандемии с использованием новых источников данных о населении, возникших в результате цифровизации экономики и общественной жизни. В статье предложена схема формирования базы демографических знаний путем синтеза традиционной статистики о населении с данными цифровых платформ. Рассмотрены преимущества и недостатки новых источников данных, особенности и примеры их применения. С использованием муниципальной статистики, информации интернет-платформ Яндекса и международных баз данных о пандемии детально описаны демографические процессы в Арктической зоне Российской Федерации в 2020-2021 гг. С помощью предложенной схемы рассмотрена динамика заболеваемости, смертности и вакцинации от коронавирусной инфекции. Изучена реакция населения Российской Арктики на пандемию путем анализа структуры поисковых запросов и интенсивности перемещений на улицах городов. Выявлены особенности распространения COVID-19 в Арктике. Оценено влияние пандемии на естественное движение и миграционную подвижность населения Арктической зоны. Рассчитана избыточная смертность населения на региональном и муниципальном уровнях. С опорой на показатели вакцинации населения сделаны выводы о перспективах дальнейшего развития пандемии. Полученные результаты могут использоваться при разработке мер социально-демографической политики и построении демографических прогнозов для северных и арктических территорий.
Пандемия, цифровой след, вакцинация, избыточная смертность, миграция, источники данных, российская арктика
Короткий адрес: https://sciup.org/147236371
IDR: 147236371 | DOI: 10.15838/esc.2021.6.78.15
Текст научной статьи Влияние пандемии на демографические процессы в российской Арктике
Пандемия инфекции COVID-19 коронавируса SARS-CoV-2 стала главным фактором глобальных демографических изменений 2020– 2021 гг. Она унесла миллионы жизней в мире, привела к закрытию границ, сокращению миграционных перемещений и экономическому спаду [1]. Арктические социумы особенно уязвимы к эпидемиям из-за концентрации населения в изолированных территориях, высокой миграционной подвижности и распространенности ряда хронических заболеваний [2], поэтому обеспечение санитарно-эпидемиологического благополучия вошло в число основных задач утвержденной в 2020 году Стратегии развития Арктической зоны Российской Федерации и обеспечения национальной безопасности на период до 2035 года1.
В крупном сравнительном исследовании [3; 4] выявлено пять групп арктических стран и регионов по характеру протекания пандемии в 2020 году. В Исландии, на севере Норвегии, Финляндии и на Фарерских островах (группа « ударные волны ») показатели заболеваемости и смертности взлетели раньше, чем в других частях Арктики, но благодаря масштабным карантинным мероприятиям быстро пошли на спад. В северной Швеции (группа « затяжные волны ») подъемы заболеваемости и смертности были более выраженными и продолжительными из-за мягкой политики, направленной на формирование коллективного иммунитета у населения. В северной Канаде и Гренландии (группа « изолированные всплески ») благодаря отдаленности и превентивным мерам не зафиксировано значительного распространения пандемии, наблюдались единичные случаи смертей.
Аляска (США) вошла в группу под названием « цунами », поскольку при относительно низкой заболеваемости в начале пандемии в ноябре – декабре там наблюдались самые высокие в мировой Арктике показатели распространения; затем, после эффективно проведенной кампании по вакцинации, они пошли на спад.
Особый интерес представляет Россия (группа « приливные волны »). При относительно позднем начале пандемии в Российской Арктике наблюдались самые продолжительные подъемы заболеваемости и смертности. На Россию приходится большая часть заражений и смертей от коронавируса в мировой Арктике2, а относительные показатели сравнимы с Аляской и Швецией. Кроме того, Россия отстает по темпам вакцинации населения от других арктических территорий [4]. Чтобы понять, чем обусловлена сложившаяся ситуация, в статье будет проведен детальный анализ данных о естественном и миграционном движении населения.
Ключом к описанию и объяснению демографических процессов в период пандемии могут стать новые источники данных, возникшие в результате цифровизации общества [5; 6]. Цифровая трансформация стала одним из главных факторов общественных изменений в Арктике, что отражено в Докладе о состоянии Североевропейского региона в 2020 году. [7]. Интернет-платформы и информационные системы собирают огромные объемы данных о населении, которые могут применяться в науке и государственном управлении. Они имеют пре- имущества в скорости накопления информации перед традиционной статистикой, что особенно важно в условиях пандемии.
Исследование направлено на анализ демографической ситуации в Российской Арктике в условиях пандемии с использованием как традиционных, так и новых источников данных о населении. В теоретическом отношении оригинальность исследования состоит в систематизации источников демографических данных, которые могут быть собраны или обработаны с применением новых цифровых технологий. Полученная база демографических знаний обладает высокой оперативностью и детализацией. В пространственном измерении детализация достигает муниципального и поселенческого уровней, а во временном – недель и даже дней. Практический вклад работы состоит в получении новых знаний о демографическом развитии Арктической зоны Российской Федерации в период пандемии коронавирусной инфекции.
Исследование ответит на три вопроса: (1) Какие источники данных могут использоваться для анализа демографической ситуации в условиях цифровизации общества? (2) Как изменялась демографическая ситуация в Российской Арктике в ходе пандемии коронавирусной инфекции? (3) Каковы демографические последствия пандемии COVID-19 для Российской Арктики и ее территорий в 2020 году? Объект исследования – население Арктической зоны Российской Федерации, включающей на 2021 год 75 городских округов и муниципальных районов3.
Новые цифровые источники демографических данных
Благодаря высокой степени урбанизации [8] Российская Арктика превосходит среднероссийский уровень по показателям интернет-про-никновения (табл. 1) . Доля пользователей сети в ней более 90%, что выше не только среднемирового значения (51%), но и среднего уровня развитых стран мира (87%)4. Более половины жителей Российской Арктики используют интернет для заказа товаров и услуг, что особенно важно для отдаленных и изолированных территорий. Широкополосный доступ к сети есть у 82% домохозяйств.
Многие повседневные практики, такие как поиск информации, работа, учеба и общение, все чаще осуществляются в сетевой среде с помощью интернет-платформ и сервисов [6]. Благодаря развитию информационных технологий и распространению интернета появились беспрецедентные возможности сбора данных в
Таблица 1. Показатели проникновения интернета в Арктической зоне РФ и России в целом*, %
Показатель Арктическая зона РФ Российская Федерация 2016 2018 2020 2016 2018 2020 Доля домашних хозяйств, имевших: - компьютер 84,8 83,8 80,1 74,3 72,4 72,1 - доступ к сети Интернет 84,0 86,4 86,6 74,8 76,6 80,0 - широкополосный доступ к сети Интернет 73,9 80,1 81,6 70,7 73,2 77,0 Доля в населении**: - пользователей сети Интернет 86,4 91,2 90,6 76,4 83,8 87,2 - активных пользователей сети Интернет (пользуются не реже раза в неделю) 82,9 88,4 88,6 71,5 79,3 84,1 - использующих интернет для заказа товаров и услуг 38,0 55,9 51,3 23,1 34,7 40,3 * По данным выборочного федерального статистического наблюдения по вопросам использования населением информационных технологий и информационно-телекоммуникационных сетей. ** К общей численности населения в возрасте 15–74 лет; 2016 г. – по населению в возрасте 15–72 лет. Источник: Статистическая информация о социально-экономическом развитии Арктической зоны Российской Федерации / Росстат. URL:
3 О государственной поддержке предпринимательской деятельности в Арктической зоне Российской Федерации: Федеральный закон от 13.07.2020 № 193-ФЗ.
4 Statistics. International Telecommunication Union. URL: aspx
масштабах «одновременно огромных и микроскопических» [9, с. 131]. Интернет-платформы собирают данные о пользователях, анализируя «цифровой след», то есть их действия на цифровых устройствах [10]. Накопление и обработка данных о пользователях является центральной задачей современных технологических компаний. «Развитый капитализм двадцать первого столетия постепенно выстроился вокруг задачи извлечения и использования особого типа сырья – данных… Подобно нефти, данные есть сырье, которое извлекают, очищают и используют самым различным образом. Чем больше у кого-то данных, тем больше различных возможностей их использования» [11, с. 37].
Рассмотрим схему формирования базы демографических знаний (рис. 1). Прежде всего необходимо разделять реальное население и виртуальное, то есть проекцию реального населения в цифровую среду. Они неодинаковы как по численности, так и по составу. Виртуальное население может включать как несколько проекций одного человека, так и не включать их вовсе. Кроме того, в разных половозрастных и социальных группах цифровые технологии используются неодинаково. Реальное население взаимодействует в цифровой среде и испытывает ее обратное влияние [12]. К примеру, демографические установки населения меняются по мере развития информационных технологий, когда возникают новые формы мобильности, виртуальная миграция [13].
База демографических знаний формируется из источников двух типов. Во-первых, это традиционные демографические данные, отражающие характеристики реального населения: официальная статистика, итоги переписей и выборочных обследований населения. Особый интерес здесь представляют базы микроданных [14]. Это итоги обследований и переписей в разрезе отдельных индивидов или домохозяйств, позволяющие изучать любые распределения признаков и строить произвольные таблицы. Количество общедоступных записей микроданных уже измеряется миллиардами [15, с. 287]. Обширные демографические микроданные, собранные в исследовательских целях, предлагается относить к большим данным,
Рис. 1. Формирование базы демографических знаний с использованием новых цифровых источников данных

Источник: составлено автором.
поскольку к ним зачастую применимы те же методы обработки, верификации и анализа [16]. Так, Росстат предоставляет доступ к микроданным многих выборочных обследований и всех постсоветских переписей населения.
Общедоступные базы статистических данных широко применяются в арктических исследованиях. Например, База микроданных итогов Всероссийской переписи населения 2010 года применялась для оценки показателей человеческого развития Российской Арктики на муниципальном уровне [17]. Еще чаще используется База данных показателей муниципальных образований Росстата, включающая более 500 показателей по 20 тысячам муниципальных образований России. В связи с огромным объемом и высокой детализацией она также может рассматриваться в качестве базы микроданных, единицами учета в которой выступают не отдельные индивиды, а территории и муниципальные образования. Например, с помощью этой базы данных выполнена рейтинговая оценка опорных зон развития Российской Арктики [18], выявлены модели миграции арктического населения [19].
Если традиционные демографические данные изначально собираются в исследовательских целях, то новые цифровые источники данных имеют иную природу. Они генерируются непосредственно в цифровой среде для целей, зачастую не связанных с наукой. Это данные, получаемые из социальных сетей, поисковых систем и других веб-сайтов, логов звонков, показаний датчиков GPS, оцифрованных текстов [20; 21]. Промежуточное положение между новыми и традиционными данными занимают онлайн-опросы, проводимые методами, близкими к традиционным, но в цифровой среде.
Новые источники данных тоже нашли применение в изучении Арктики. Например, информация социальной сети «ВКонтакте» использовалась для анализа возвратной миграции в Российской Арктике [22], выявления маршрутов межмуниципальных перемещений [19]. С помощью ночных спутниковых снимков NASA проанализированы системы расселения в разных частях мировой Арктики [23]. Большие данные Сбербанка позволили оценить структуру и динамику потребления населения в Арктике [24]. Данные сервиса Google Mobility Reports использовались для изучения изменений в мобильности жителей арктических стран [3].
К недостаткам новых цифровых источников данных можно отнести низкую репрезентативность (в большинстве случаев), фрагментарность, уязвимость к изменениям, возможность ошибок в работе алгоритмов, наличие ложных сведений и спам-аккаунтов, низкую достоверность, дублирование информации и ограниченность доступа к данным [9; 25]. Их сильные стороны: огромный объем, высокая скорость производства, высокая детализация, внутреннее многообразие, исчерпывающая полнота, взаимосвязь с другими данными, расширяемость, масштабируемость [26]. Важно отметить, что новые источники данных лишены одного из главных ограничений классических опросов – реактивности. Когда респонденты знают, что участвуют в исследовании, это может повлиять на их ответы [21].
Чтобы стать эффективным научным инструментом, база демографических знаний должна соответствовать ряду требований. Во-первых, данные должны быть привязаны к территориям, в идеале – на уровне муниципальных образований или даже населенных пунктов. Чем выше детализация, тем больше выводов о характере демографических процессов можно получить. Во-вторых, данные из разных источников не должны друг другу противоречить. Разрабатываются методы верификации цифровых данных о населении и согласования их с традиционной статистикой. К их числу можно отнести пост-стратификацию и байесовское моделирование [20]. Применяются также различные методы машинного обучения и интеллектуального анализа данных. В-третьих, данные должны быть максимально актуальными, без существенного временного лага, по возможности учитывать сезонность и историческую динамику.
В арктических научных центрах сегодня предпринимаются первые попытки по интеграции исследовательских баз данных, научных публикаций, традиционного знания в единые базы знаний о социально-экономических процессах в Арктике [27, с. 229]. В будущем эти инициативы могут стать основой для более системного объяснения закономерностей функционирования арктических социумов.
Методика исследования
Арктическую зону Российской Федерации будем рассматривать в границах, определенных Федеральным законом от 13.07.2020 № 193-ФЗ «О государственной поддержке предпринимательской деятельности в Арктической зоне Российской Федерации»5. В соответствии с ним к арктическим относят территории 75 городских округов и муниципальных районов в девяти северных субъектах РФ (рис. 2) . Численность их населения на начало 2021 года составила 2,6 млн человек (1,8% от населения России) при вкладе в валовой региональный продукт страны около 6%. Население в Российской Арктике стремительно убывает, с 1989 года его численность сократилась примерно на треть, а на Чукотке – втрое [28, с. 122]. Многие поселения полностью или почти полностью обезлюдели. Площадь Арктической зоны охватывает примерно 30% от территории России. В ней очень высока степень урбанизации, а территориальное распределение населения неравномерно [29].
Почти 80% населения проживает в 100-километровых окрестностях восьми крупнейших центров расселения: Архангельск, Мурманск, Апатиты, Норильск, Ноябрьск, Новый Уренгой, Салехард и Воркута [23].
Изучение демографической ситуации в Арктической зоне России производилось с использованием ряда методов: общенаучных (сравнение, обобщение, моделирование предметной области), статистических (анализ временных рядов), демографических (расчет показателей естественного и миграционного движения, анализ демографических структур) и экономикогеографических (пространственный анализ и картографирование).
В исследовании традиционная демографическая статистика комбинировалась с данными о населении, собранными цифровыми платформами и сервисами. Для оценки показателей естественного и миграционного движения, а также избыточной смертности в Арктике использовалась База данных показателей муни-
Рис. 2. Расселение населения Арктической зоны Российской Федерации на начало 2021 года

Анадырь
1Ноябрьск
С / ° О Норильск
° Морый Уренгой о
° ° 02'^ \ о
Население городов и пгт, человек о 1 000 О 10 000 О 100 000 О 350 000
8. Республика Саха (Якутия)
9. Чукотский автономный округ
6. Ямало-Ненецкий автономный округ
7. Красноярский край
1. Мурманская область
2. Республика Карелия
3. Архангельская область
4. Ненецкий автономный округ
Плотность сельского населения, человек на 1 км2
• более 1
• от 0,5 до 1
О от 0,1 до 0,5
О от 0,05 до 0,1
О от 0,01 до 0,05
О менее 0,01 <
Числами обозначены регионы:
5. Республика Коми
Составлено по: База данных показателей муниципальных образований / Росстат. URL: munst
ципальных образований Росстата6. Избыточная смертность в 2020 году оценивалась исходя из темпа прироста общего коэффициента смертности к среднему значению за 2017–2019 гг. путем умножения полученной величины на среднегодовую численность населения в 2020 году. Из-за мозаичности арктических территорий рекомендуется использовать показатели с максимально высоким уровнем детализации [30], поэтому избыточная смертность рассчитывалась для отдельных городских округов и муниципальных районов.
Для оценки заболеваемости, смертности от коронавируса, реакции населения на пандемию и степени самоизоляции общества применялся набор данных «Статистика коронавируса и индекса самоизоляции» из сервиса Yandex DataLens7, подготовленный с использованием данных Университета Джонса Хопкинса, сайта стопкоронавирус.рф и сервисов Яндекса. Из сервиса были выгружены данные со времени проявления пандемии в России (март 2020 г.) до середины сентября 2021 г. У всех показателей базы есть ярко выраженная недельная цикличность, вызванная как режимом работы учреждений здравоохранения, так и ритмом жизни людей, поэтому для нивелирования колебаний рассматривались скользящие средние показателей за семь дней. Поскольку данные сервиса доступны в разрезе субъектов РФ, анализировались только регионы, входящие в Арктическую зону РФ целиком (Мурманская область, Ненецкий, Ямало-Ненецкий и Чукотский автономные округа (АО)), а также Архангельская область, большая часть населения которой проживает в Арктике. Архангельская область учитывалась с весовым коэффициентом 0,612, что соответствует доле арктического населения в общей численности жителей региона (без учета Ненецкого АО).
В динамике рассмотрены четыре показателя пандемии в Арктической зоне и по России в целом: число заражений за день на 1 млн человек, число смертей за день на 1 млн человек, количество поисковых запросов о коронавирусе за день на 1 млн запросов и индекс самоизоляции городов.
Анализ поисковых запросов осуществлялся по 15 ключевым словосочетаниям (маркерам), которые пользователи часто ищут в условиях самоизоляции или болезни: «антитела», «вторая волна», «вызвать скорую», «доставка еды на дом», «как не заразиться», «купить антисептик», «купить маску и респиратор», «лечение коронавируса», «пропало обоняние», «пульсоксиметр и сатурация», «сдать тест», «сделать КТ»8, «симптомы коронавируса», «что делать дома», «что делать, если не едет скорая». В совокупности эти поисковые запросы позволяют оценить степень интереса людей к коронавирусной инфекции. Повышенный интерес, в свою очередь, может помочь предсказывать будущие вспышки COVID-19 [31].
Индекс самоизоляции характеризует изменение активности пользователей сервисов Яндекса на улицах городов в период пандемии. Значение по Арктике рассчитывалось как среднее по девяти крупнейшим городам Арктической зоны Российской Федерации: Апатиты, Архангельск, Воркута, Мурманск, Новый Уренгой, Норильск, Ноябрьск, Северодвинск и Североморск. Чем выше балл, тем меньше людей на улицах. Значение в 0 баллов соответствует уровню в час пик буднего дня до пандемии, 5 баллов – значению ночью9.
Для выводов о перспективах развития пандемии также потребовалось проанализировать динамику вакцинации населения. Данные о численности вакцинированных по арктическим субъектам РФ взяты с сайта-агрегатора gogov.ru10, а по стране в целом – из глобальной базы данных11 о вакцинации COVID-19 [32].
Рассмотренные показатели составляют своеобразный цифровой след пандемии, который фиксирует ее влияние на людей через действия пользователей интернета и информацию, размещенную в официальных интернет-ресурсах органами государственной власти. Алгоритмы расчетов и построения картограмм реализованы на языке программирования Julia 1.6 с использованием пакетов DataFrames.jl, CSV.jl и VegaLite.jl.
Динамика пандемии в Российской Арктике
Эпидемии, наряду с войнами и голодом в неурожайные годы, относят к кризисной компоненте смертности населения. Они были постоянными спутниками человечества на протяжении всей его истории. Иногда, хотя и далеко не всегда, в России благодаря низкой плотности населения ущерб от эпидемий оказывался меньшим, чем в Западной Европе [33, с. 84]. В Российской Арктике эпидемии тоже имеют свою специфику. Некоторые особенности арктических территорий усиливают урон от эпидемий, а другие, напротив, ослабляют его.
Из-за большой удаленности арктических поселений [34] случаи заражения COVID-19 в Российской Арктике начали фиксироваться позже. Однако высокая концентрация населения в городах и поселках городского типа способствует более быстрому распространению заболеваний после первых заражений. Кроме того, в большинстве отдаленных территорий высока миграционная подвижность, имеются вахтовые поселения, предусматривающие ротацию работников, что ускоряет распространение вируса [35]. В связи с этим в ряде северных и арктических мест вспышки заболеваемости случались даже на ранних этапах пандемии. Очаги пандемии среди вахтовиков зафиксированы в Белокаменке (Мурманская область), на Чаяндинском месторождении (Ханты-Мансийский АО), в поселке Сабетта (Ямало-Ненецкий АО), поселке Олимпиадинского комбината (Красноярский край)12.
В городах, где проживает большинство населения Арктики, относительно хорошо развита инфраструктура здравоохранения, что позволяет оказывать заболевшим своевременную помощь. В то же время в арктических социумах сильнее распространены гипертония, диабет, туберкулез, гепатит, сердечно-сосудистые и многие другие заболевания [2], повышающие риски тяжелого течения болезни и смерти больных коронавирусной инфекцией. Еще большее, но противоположное влияние на показатели смертности оказывает возрастной состав населения. Сравнительные исследования показывают, что основной вклад в сокращение продолжительности жизни под влиянием пандемии COVID-19 вносит увеличение смертности населения в возрасте старше 60 лет [36]. В арктических территориях ниже доля пожилых людей, что уменьшает итоговую летальность среди заразившихся.
Отметим также, что социальные проблемы, вызванные пандемией коронавируса в Арктике, не ограничиваются повышенной смертностью. Согласно социологическим исследованиям, «среди основных проблем, с которыми столкнулось население в условиях пандемии, угроза ограничения деятельности добывающих компаний, передвижения, запреты и ограничения на занятия традиционными промыслами для местного населения, потеря работы и снижение дохода, боязнь за свое здоровье и здоровье близких» [37, с. 144].
Рассмотрим динамику четырех показателей распространения пандемии в Арктической зоне РФ и Российской Федерации в целом за 2020– 2021 гг. по дням (рис. 3) . Для описания эпидемиологических показателей в литературе часто применяют аналогию «волн», которые характеризуются наличием четко выраженных периодов роста и спада, поддерживаемых в течение определенного времени [4, c. 3]. На представленных графиках можно выделить три отчетливые волны. Первая длилась от начала пандемии в марте 2020 года до конца августа того же года, вторая – с сентября 2020 до апреля 2021 года, третья – с мая 2021 года.
На протяжении большей части рассмотренного периода показатели заболеваемости и смертности от коронавируса на 1 млн жителей в Арктической зоне были выше, чем по России в целом. Исключениями стали самое начало пандемии и апрель – май 2021 года (см. рис. 3а). Более высокие показатели помимо названных выше факторов могут быть связаны с качеством статистического учета в арктических регионах. В Арктике большая часть населения проживает в поселениях городского типа, где фиксация заболеваний и смертей осуществляется лучше, чем в сельской местности, а заболевшие имеют больше возможностей обратиться в медицинские организации. Проблемы сопоставимости данных о заболеваемости и смертности между странами и регионами рассматриваются в научных публикациях [38].
Рис. 3. Статистика пандемии коронавируса, скользящее среднее за 7 дней




^^^^^^^^ арктические регионы России ^^^^^^^^ Российская Федерация
Источник: данные Yandex DataLens.
Если пик заболеваемости по официальным данным пришелся на вторую волну пандемии, то пик смертности – на третью (см. рис. 3б). Среди пяти рассматриваемых регионов Арктики более высокие показатели заражений были в Архангельской (233) и Мурманской (174) областях, а низкие – в Чукотском (60) и Ненецком (86) автономных округах. По смертности ситуация похожа, только лидирует Мурманская область. Ямало-Ненецкий автономный округ по всем показателям занимает средние позиции. Объяснить лидерство регионов западной части Арктики можно прежде всего более пожилым возрастным составом, а также высокой плотностью населения, что способствует распространению инфекции.
Данные поисковых запросов позволяют оценить степень влияния пандемии на настроения в обществе (см. рис. 3в). Среди рассмотренных поисковых запросов самыми востребованными у пользователей Яндекса были «симптомы коронавируса» (280 запросов на 1 млн запросов), «сдать тест» (227), «антитела» (206), «лечение коронавируса» (125), «пропало обоняние» (92). Запрос о потере обоняния был более популярен в 2020 году, так как в 2021 году получили распространение штаммы коронавируса, которые редко приводят к потере обоняния. Динамика поисковых запросов по Арктике и стране в целом почти не отличается. Поисковые запросы, связанные с коронавирусом, более интересны пользователям интернета Мурманской, Архангельской областей и ЯмалоНенецкого автономного округа. В Чукотском автономном округе информацию о коронавирусе ищут реже. Всплеск интереса к поисковым запросам о коронавирусе наблюдается в начале волн заражения: март 2020 года, октябрь 2020 года и июнь 2021 года. Затем показатели быстро уменьшаются, хотя высокие значения заболеваемости могут фиксироваться еще несколько месяцев.
По данным сервисов Яндекса, в Арктике значения индекса самоизоляции были выше среднероссийских (см. рис. 3г), то есть жители арктических городов сильнее ограничили свои перемещения. Пик показателей самоизоляции пришелся на апрель – май 2020 года, что, с одной стороны, связано с новизной угрозы и высокой неопределенностью, с другой – с реализацией Указа Президента Российской Фе- дерации от 02.04.2020 № 239, которым были установлены нерабочие дни с сохранением заработной платы, приостановлена деятельность отдельных организаций и установлен особый порядок передвижения лиц и транспортных средств13. После окончания нерабочих дней небольшое повышение показателей самоизоляции зафиксировано во время второй волны коронавируса, но в основном колебания графика связаны с праздничными днями. Из арктических городов режим самоизоляции, по данным сервисов Яндекса, лучше всего соблюдали Североморск (2,7 балла), Воркута, Апатиты и Северодвинск (по 2,5 балла). Самый низкий индекс самоизоляции зафиксирован в Новом Уренгое (1,6) и Архангельске (1,8). В остальных арктических городах он был на уровне 2,0–2,2 при среднем по стране значении 1,8 балла.
Хотя цифровой след дает некоторые представления о характере демографических изменений, выявленные закономерности необходимо подтвердить данными традиционной статистики.
Последствия пандемии для демографического развития Арктики
В 2020 году в сравнении с предыдущим годом усилилась общая убыль населения Российской Арктики (табл. 2) . Пандемия практически не повлияла на рождаемость в 2020 году, так как к концу года не прошло достаточно времени с момента начала пандемии. Карантинные мероприятия могли создать проблемы с госпитализацией в родильные отделения, но такие случаи единичны [39]. В то же время уровень смертности существенно увеличился. В результате естественный прирост, который хотя и сокращался, но сохранял на протяжении последних лет положительные значения, впервые сменился естественной убылью населения. Лишь отчасти негативные тенденции были нивелированы снижением миграционной убыли в Российской Артике. Уменьшение абсолютной величины отрицательного сальдо миграции вызвано тем, что интенсивность выбытий сократилась сильнее, чем интенсивность прибытий. В итоге общая убыль населения вернулась к уровню 2018 года.
Таблица 2. Показатели движения населения Арктической зоны РФ, 2017–2020 гг.
Человек |
Коэффициенты на 1000 человек |
|||||||
2017 |
2018 |
2019 |
2020 |
2017 |
2018 |
2019 |
2020 |
|
Общий прирост (убыль) |
-12585 |
-12066 |
-10222 |
-11932 |
-4,8 |
-4,6 |
-3,9 |
-4,6 |
Естественный прирост |
5106 |
3035 |
1060 |
-3575 |
1,9 |
1,2 |
0,4 |
-1,4 |
Родившиеся |
30913 |
29024 |
26529 |
26083 |
11,7 |
11,0 |
10,1 |
10,0 |
Умершие |
25807 |
25989 |
25469 |
29658 |
9,7 |
9,9 |
9,7 |
11,4 |
Миграционный прирост |
-17691 |
-15101 |
-11282 |
-8357 |
-6,7 |
-5,7 |
-4,3 |
-3,2 |
Прибывшие |
133910 |
137488 |
126124 |
109446 |
50,6 |
52,2 |
48,1 |
41,9 |
Выбывшие |
151601 |
152589 |
137406 |
117803 |
57,3 |
57,9 |
52,4 |
45,1 |
Источник: База данных показателей муниципальных образований / Росстат. URL:
Оценим величину избыточной смертности по арктическим территориям в 2020 году (табл. 3) . Совокупная избыточная смертность в Арктической зоне Российской Федерации составила 4226 человек, или 16,2% прироста к уровню 2017–2020 гг., что несколько ниже, чем по стране в целом (17,9%). Значение ниже среднероссийского может объясняться малым удельным весом населения старших возрастов, находящихся в группе риска по коронавирусу. Среди субъектов Федерации самая высокая избыточная смертность отмечена в Республике Саха (27,5%) и Ямало-Ненецком АО (26,7%). Низкая избыточная смертность зафиксирована в Красноярском крае (5,1%) и Чукотском АО (6,2%).
Более детальный анализ на уровне городских округов и муниципальных районов показывает, что высокая избыточная смертность наблюдается в основном в ресурсодобывающих городских округах и районах Сибири (рис. 4). Многие из них характеризуются наличием вахтовых поселений и высоким миграционным оборотом, что могло способствовать быстрому распространению коронавирусной инфекции. Низкие значения избыточной смертности зафиксированы в некоторых отдаленных изолированных городах (Норильск, Анадырь) и территориях с низкой миграционной подвижностью (Усть-Цилемский район Республики Коми, слабозаселенные районы Чукотки и Архангельской области). Однако анализ международных данных свидетельствует, что показатели заболеваемости и смертности в таких территориях могут быстро догнать показатели районов с более ранними заражениями. «Отсроченное начало пандемии должно использоваться для подготовки к неизбежному появлению вируса в более отдаленных сельских районах» [4, с. 9].
Таблица 3. Динамика смертности в Арктической зоне РФ в 2017–2020 гг. и избыточная смертность в 2020 году
Территория |
Всего умерших, человек |
Общий коэффициент смертности на 1000 человек населения |
Избыточная смертность в 2020 г. к уровню 2017–2019 гг. |
||||||||
2017 |
2018 |
2019 |
2020 |
2017 |
2018 |
2019 |
2020 |
человек |
на 1000 человек |
% |
|
Арктическая зона РФ |
25807 |
25989 |
25469 |
29658 |
9,7 |
9,9 |
9,7 |
11,4 |
4226 |
1,6 |
16,2 |
Мурманская область |
8371 |
8463 |
8462 |
9951 |
11,1 |
11,3 |
11,4 |
13,5 |
1667 |
2,3 |
20,1 |
Архангельская область без АО |
8040 |
8121 |
8140 |
9074 |
11,9 |
12,1 |
12,2 |
13,6 |
1072 |
1,6 |
13,4 |
Ямало-Ненецкий АО |
2614 |
2547 |
2553 |
3293 |
4,9 |
4,7 |
4,7 |
6,0 |
695 |
1,3 |
26,7 |
Республика Карелия |
1815 |
1913 |
1787 |
2027 |
15,5 |
16,6 |
15,8 |
18,1 |
240 |
2,1 |
13,4 |
Республика Коми |
1694 |
1720 |
1646 |
1815 |
10,4 |
10,8 |
10,6 |
11,9 |
192 |
1,3 |
11,8 |
Республика Саха (Якутия) |
742 |
675 |
634 |
868 |
10,9 |
9,9 |
9,4 |
12,8 |
187 |
2,8 |
27,5 |
Красноярский край |
1686 |
1609 |
1413 |
1659 |
7,2 |
6,8 |
6,0 |
7,0 |
80 |
0,3 |
5,1 |
Ненецкий АО |
378 |
394 |
380 |
449 |
8,6 |
9,0 |
8,6 |
10,1 |
62 |
1,4 |
16,1 |
Чукотский АО |
467 |
547 |
454 |
522 |
9,4 |
11,0 |
9,1 |
10,5 |
31 |
0,6 |
6,2 |
Справочно: РФ (тыс. человек) |
1826 |
1829 |
1798 |
2139 |
12,4 |
12,5 |
12,3 |
14,6 |
325 |
2,2 |
17,9 |
Источник: База данных показателей муниципальных образований / Росстат. URL:
Рис. 4. Избыточная смертность в городах и районах Российской Арктики, 2020 год к среднему уровню 2017–2019 гг., %

Ан^дыр!
0)Норильск
|й Уренгой
1. Мурманская область
2. Республика Карелия
3. Архангельская область
4. Ненецкий автономный округ
Избыточная смертность, 2020 г. к уровню 2017-2019 гг.
О отсутствует
О менее 10% Ч
О от 10 до 20% \
• от 20 до 50%
• более 50%
Числами обозначены регионы:
5. Республика Коми
6. Ямало-Ненецкий автономный округ
7. Красноярский край
8. Республика Саха (Якутия)
9. Чукотский автономный округ
Население городских округов, человек о 1 000 О 10 000 О ЮО 000 О 350 000
Составлено по: База данных показателей муниципальных образований / Росстат. URL: munst
Для российских арктических территорий на протяжении последних лет характерна высокая миграционная подвижность при сохранении общей убыли населения большинства городов и районов [19; 40]. Влияние пандемии на миграционные потоки хорошо прослеживается при анализе миграционной подвиж- ности населения, то есть суммы прибытий и выбытий на 1000 жителей (табл. 4). Подвижность населения Российской Арктики сократилась сильнее в сравнении с РФ в целом, причем сокращение практически не затронуло самые отдаленные территории: Чукотский АО, Якутию и Норильск, зависимость которых от
Таблица 4. Изменение миграционной подвижности населения в Арктической зоне РФ в 2020 году к среднему уровню 2017–2019 гг. по субъектам РФ, %
Территория |
Всего |
по видам миграции |
||
внутри региона |
между регионами |
между странами |
||
Арктическая зона РФ |
-18,3 |
-26,9 |
-18,6 |
-7,9 |
Чукотский АО |
-1,6 |
11,0 |
-12,6 |
136,9 |
Республика Саха (Якутия) |
-6,4 |
-7,7 |
-11,1 |
113,4 |
Красноярский край |
-11,5 |
-2,7 |
-15,7 |
-0,3 |
Республика Коми |
-15,2 |
-17,0 |
-22,7 |
56,9 |
Ненецкий АО |
-16,1 |
-22,6 |
-14,9 |
19,6 |
Республика Карелия |
-18,2 |
-19,6 |
-16,8 |
-16,0 |
Мурманская область |
-20,4 |
-43,5 |
-18,3 |
-23,4 |
Ямало-Ненецкий АО |
-21,2 |
-17,5 |
-23,7 |
-15,6 |
Архангельская область без АО |
-23,3 |
-32,1 |
-12,9 |
-25,0 |
Справочно: РФ |
-13,4 |
-16,4 |
-15,0 |
5,3 |
Источник: База данных показателей муниципальных образований / Росстат. URL: миграционных перемещений трудовых ресурсов особенно высока в связи с экстремальными природно-климатическими условиями. Хотя миграция между странами затруднилась в результате введенных ограничений [41], международная миграционная подвижность в Чукотском и Ненецком автономных округах, а также в республиках Коми и Саха даже выросла. Уменьшилась частота перемещений сильнее всего внутри региона (везде, кроме Чукотского АО).
Для борьбы с пандемией в глобальном масштабе проводятся кампании по вакцинации. В России на середину сентября 2021 года вакцинировано минимум одной дозой вакцины 32% населения. Для сравнения, в Исландии вакцинировано 79% населения, на Фарерских островах – 77%, в Канаде – 76%, Норвегии – 75%, Финляндии – 74%, Гренландии – 72%, Швеции – 69%, на Аляске (США) – 56%. Таким образом, Россия уступает всем другим арктическим территориям. Если посмотреть в разрезе арктических регионов России (рис. 5), то выделяется Чукотский АО, где вакцинировано 45% населения. Остальные арктические регионы демонстрируют значения в пределах 28–34%. Следует отметить, что в Мурманской области развита сеть поселений, связанных с функционированием Северного флота ВМФ России. По информации Министерства обороны РФ, прививку двухкомпонентной вакциной на октябрь 2021 года получили 98% военнослужащих Северного флота, причем порядка четверти от запланированной численности уже ревакци-нированы14.
Каковы перспективы развития пандемии? В 2021 году можно ожидать показатели избыточной смертности, сравнимые с 2020 годом и даже более высокие15. Исходя из низких темпов вакцинации в России, в 2022 году сохранение
Рис. 5. Доля населения, привитого хотя бы одним компонентом вакцины, по субъектам РФ, январь – сентябрь 2021 г., %

Россия Мурманская обл. Архангельская обл.
Ненецкий АО Ямало-Ненецкий АО Чукотский АО
существенной избыточной смертности также весьма вероятно. Дальнейшую ситуацию прогнозировать сложно. Смертность, с одной стороны, будет определяться темпами вакцинации и ревакцинации населения, с другой – зависеть от появления новых, более опасных вариантов коронавируса. Самая распространенная в России вакцина – Спутник V – показала высокую эффективность в клинических испытаниях [42], одобрена и успешно применяется почти в 70 странах мира [43]. Разрабатываются и проходят испытания и другие вакцины, поэтому можно ожидать сокращения смертности в долгосрочной перспективе. В краткосрочном периоде в масштабах страны пандемия усилит вновь начавшуюся нисходящую демографическую динамику [44], а в Российской Арктике она уже привела к смене естественного прироста на естественную убыль населения в 2020 году.
Выводы
Исследование продемонстрировало, что совместное использование традиционной демографической статистики с новыми данными, накапливаемыми в цифровой среде, позволяет производить детальный и оперативный анализ демографической ситуации. Несомненно, в будущем процессы цифровизации различных сфер жизни человека только усилятся, что даст возможность исследователям получать еще больше данных о населении. Одновременно возрастут риски злоупотреблений полученными данными и нарушения приватности, поэтому важное значение приобретает этика научных исследований в цифровой среде.
Показано, что особенности арктических территорий, с одной стороны, делают их население более уязвимым к эпидемиям, с другой, способствуют меньшей летальности. В 2020 году избыточная смертность составила 4,2 тыс. человек, что привело к естественной убыли населения Российской Арктики. Миграционная подвижность сильно сократилась в большинстве районов, кроме самых отдаленных, где она определяет устойчивость поселений. Пандемия повлияла на поведение населения Арктики, что фиксируют поисковые запросы и интенсивность перемещений населения по улицам городов. Определены наиболее проблемные территории Арктики в период пандемии с точки зрения смертности и темпов вакцинации населения.
Практическая значимость полученных результатов состоит в том, что они могут быть использованы при разработке мер демографической политики в условиях высокой неопределенности и изменчивости ситуации. Как показал опыт борьбы с пандемией, эффект от мероприятий наступает с задержкой во времени, поэтому решения должны приниматься быстро, а также учитывать местную специфику территорий и населения.
В дальнейших исследованиях следует применить рассмотренный подход к формированию базы демографических знаний для прогнозирования демографического развития Арктической зоны РФ. Это даст возможность учитывать детальные маршруты миграции, а также различия в составе населения и экономической специализации территорий. В сочетании с итогами проходящей в 2021 году переписи населения новые данные позволят увидеть контуры будущей системы расселения Российской Арктики, предугадать демографические тренды ближайших десятилетий.
Список литературы Влияние пандемии на демографические процессы в российской Арктике
- Пандемия COVID-19: вызовы, последствия, противодействие / А.В. Торкунов, С.В. Рязанцев, В.К. Левашов [и др.]. М.: Аспект Пресс, 2021. 248 с.
- Spence J. et al. Covid-19 in the Arctic: Briefing Document for Senior Arctic Officials. Senior Arctic Officials' executive meeting, Iceland, 24—25 June 2020. Iceland: Arctic Council, 2020. 83 p.
- Petrov A.N., Welford M., Golosov N. et al. Spatiotemporal dynamics of the COVID-19 pandemic in the Arctic: Early data and emerging trends. International Journal of Circumpolar Health, 2020, vol. 79 (1), pp. 1—9. DOI: 10.1080/22423982.2020.1835251
- Petrov A.N., Welford M., Golosov N. et al. The "second wave" of the COVID-19 pandemic in the Arctic: Regional and temporal dynamics, International Journal of Circumpolar Health, 2021, vol. 80 (1), pp. 1—12. DOI: 10.1080/22423982.2021.1925446.
- Katzenbach C., Bachle T.C. Defining concepts of the digital society. Internet Policy Review, 2019, vol. 8 (4), pp. 1-6 DOI: 10.14763/2019.4.1430
- Смирнов А.В. Цифровое общество: теоретическая модель и российская действительность // Мониторинг общественного мнения: экономические и социальные перемены. 2021. № 1. С. 129-153. DOI: 10.14515/monitoring.2021.1.1790
- Lundgren A., Randall L., Norlén G. et al. State of the Nordic Region 2020. Wellbeing, Health and Digitalisation Edition. Copenhagen, Nordic Council of Ministers, 2020. 71 p. DOI: 10.6027/nord2020-052
- Шабунова А.А., Груздева М.А., Калачикова О.Н. Поселенческий аспект цифрового неравенства в современной России // Проблемы развития территории. 2020. № 4. С. 7-19. DOI: 10.15838/ ptd.2020.4.108.1
- Golder S.A., Macy M.W. Digital footprints: Opportunities and challenges for online social research. Annual Review of Sociology, 2014, vol. 40 (1), pp. 129-152. DOI: 10.1146/annurev-soc-071913-043145
- Billari F., Zagheni E. Big data and population processes: A revolution? In: SIS 2017. Statistics and Data Science: New Challenges, New Generations. Florence: Firenze University Press, 2017. Pp. 167-178. DOI: 10.36253/97888-6453-521-0
- Срничек Н. Капитализм платформ. 2-е изд. М.: Изд. дом Высшей школы экономики, 2020. 128 с.
- Kotyrlo E. Impact of modern information and communication tools on international migration. International Migration, 2019, article number 12677, pp. 1-19. DOI: 10.1111/imig.12677
- Глущенко Г.И. Развитие виртуальной миграции в контексте цифровизации // ДЕМИС. Демографические исследования. 2021. Т. 1. № 2. С. 57-64. DOI: 10.19181/demis.2021.1.2.4
- Alburez-Gutierrez D., Aref S., Gil-Clavel S. et al. Demography in the Digital Era: New data sources for population research. In: SIS2019. Smart Statistics for Smart Applications. Milano: Pearson, 2019. Pp. 1-8. DOI: 10.31235/osf.io/24jp7.
- Ruggles S. Big microdata for population research. Demography, 2014, vol. 51 (1), pp. 287-297. DOI: 10.1007/ s13524-013-0240-2
- Bohon S.A. Demography in the big data revolution: Changing the culture to forge new frontiers. Population Research and Policy Review, 2018, vol. 37 (3), pp. 323-341. DOI: 10.1007/s11113-018-9464-6
- Смирнов А.В. Человеческое развитие и перспективы формирования экономики знаний в российской Арктике // Арктика: экология и экономика. 2020. № 2 (38). С. 18-30. DOI: 10.25283/2223-4594-20202-18-30
- Дмитриева Т.Е., Бурый О.В. Опорные зоны развития Российской Арктики: содержание, рейтинги и проекты // ЭКО. 2019. № 1. С. 41-59. DOI: 10.30680/ЕС00131-7652-2019-1-41-59
- Фаузер В.В., Смирнов А.В. Миграции населения российской Арктики: модели, маршруты, результаты // Арктика: экология и экономика. 2020. № 4 (40). С. 4-18. DOI: 10.25283/2223-4594-2020-4-4-18
- Hughes C., Zagheni E., Abel G. et al. Inferring Migrations: Traditional Methods and New Approaches based on Mobile Phone, Social Media, and other Big Data. Brussels: European Commission, 2016. 41 p. DOI: 10.2767/61617
- Богданов М.Б., Смирнов И.Б. Возможности и ограничения цифровых следов и методов машинного обучения в социологии // Мониторинг общественного мнения: экономические и социальные перемены. 2021. № 1. С. 304-328. DOI: 10.14515/monitoring.2021.1.1760
- Zamyatina N., Yashunsky A. Migration cycles, social capital and networks. A new way to look at Arctic mobility. In: New Mobilities and Social Changes in Russia's Arctic Regions. London and New York: Routledge, 2017. Pp. 59-84. DOI: 10.4324/9781315640471
- Смирнов А.В. Население мировой Арктики: динамика численности и центры расселения // Арктика и Север. 2020. № 40. С. 270-290. DOI: 10.37482/issn2221-2698.2020.40.270
- Скуфьина Т.П., Баранов С.В. Специфика потребления населения: след жителей Арктики в больших данных Сбербанка // Проблемы развития территории. 2020. № 6 (110). С. 21-34. DOI: 10.15838/ ptd.2020.6.110.2
- Lazer D., Radford J. Data ex Machina: Introduction to big data. Annual Review of Sociology, 2017, vol. 43 (1), pp. 19-39. DOI: 10.1146/annurev-soc-060116-053457
- Kitchin R. Big Data, new epistemologies and paradigm shifts. Big Data & Society, 2014, vol. 1 (1), pp. 1-12. DOI: 10.1177/2053951714528481
- Замятина Н.Ю., Пилясов А.Н. Российская Арктика: к новому пониманию процессов освоения. М: ЛЕНАНД, 2018. 400 с.
- Лексин В.Н. Системные основания и последствия территориально опосредованной депопуляции // Регион: экономика и социология. 2021. № 2 (110). С. 101-134. DOI: 10.15372/REG20210205
- Фаузер В.В., Лыткина Т.С., Фаузер Г.Н. Особенности расселения населения в Арктической зоне России // Арктика: экология и экономика. 2016. № 2 (22). С. 40-50.
- Stjernberg M., Penje O. Population Change Dynamics in Nordic Municipalities — Grid Data as a Tool for Studying Residential Change at Local Level. Stockholm: Nordregio, 2019. 44 p. DOI: 10.30689/R2019:1.1403-2503
- Ahmad I., Flanagan R., Staller K. Increased internet search interest for GI symptoms may predict COVID-19 cases in US hotspots. Clinical Gastroenterology and Hepatology, 2020, vol. 18, issue 12, pp. 2833-2834. DOI: 10.1016/j.cgh.2020.06.058
- Mathieu E., Ritchie H., Ortiz-Ospina E. et al. A global database of COVID-19 vaccinations. Nature Human Behaviour, 2021, vol. 5, pp. 947-953. DOI: 10.1038/s41562-021-01122-8
- Вишневский А.Г. Демографическая история и демографическая теория. М: Изд. дом Высшей школы экономики, 2019. 368 с.
- Jungsberg L., Turunen E., Heleniak T. et al. Atlas of Population, Society and Economy in the Arctic. Stockholm: Nordregio, 2019. 80 p. DOI: 10.30689/WP2019:3.1403-2511.
- Замятина Н.Ю., Пилясов А.Н. Новое междисциплинарное научное направление: арктическая региональная наука // Регион: экономика и социология. 2017. № 3 (95). С. 3-30. DOI: 10.15372/ REG20170301
- Aburto J.M., Scholey J., Kashnitsky I. et al. Quantifying impacts of the COVID-19 pandemic through life-expectancy losses: A population-level study of 29 countries. International Journal of Epidemiology, 2021, pp. 1-12. DOI: 10.1093/ije/dyab207
- Слепцов А.Н., Потравная Е.В. Влияние пандемии коронавируса на жизнь арктических регионов в оценках населения // Социологические исследования. 2020. № 7. С. 144-147. DOI: 10.31857/ S013216250009621-6
- Данилова И.А. Заболеваемость и смертность от COVID-19. Проблема сопоставимости данных // Демографическое обозрение. 2020. № 7 (1). С. 6-26. DOI: 10.17323/demreview.v7i1.10818
- Шабунова А.А., Нацун Л.Н. «Дети пандемии»: здоровье младенцев, рожденных в 2020 году // Социальное пространство. 2020. Т. 6. № 5. DOI: 10.15838/sa.2020.5.27.1
- Фаузер В.В., Лыткина Т.С. Миграционные процессы на российском Севере // Социальная политика и социология. 2017. Т. 16. № 1 (120). С. 141-149. DOI: 10.17922/2071-3665-2017-16-1-141-149
- Рязанцев С.В., Молодикова И.Н., Брагин А.Д. Влияние пандемии COVID-19 на положение мигрантов на рынках труда стран СНГ // Балтийский регион. 2020. Т. 12. № 4. С. 10-38. DOI: 10.5922/2079-85552020-3-2
- Logunov D. et al. Safety and efficacy of an rAd26 and rAd5 vector-based heterologous prime-boost COVID-19 vaccine: An interim analysis of a randomised controlled phase 3 trial in Russia. The Lancet, 2021, vol. 397 (10275), pp. 671-681. DOI: 10.1016/S0140-6736(21)00234-8
- Nogrady B. Mounting evidence suggests Sputnik COVID vaccine is safe and effective. Nature, 2021, vol. 595, pp. 339-340. DOI: 10.1038/d41586-021-01813-2
- Рыбаковский Л.Л., Савинков В.И., Кожевникова Н.И. Особенности демографического развития России: прошлое, настоящее, будущее // Социально-трудовые исследования. 2021. № 43 (2). С. 132— 143. DOI: 10.34022/2658-3712-2021-43-2-132-143