Зависимость уровня смертности в регионах от распространенности активных носителей SARS-COV-2 и ресурсов организаций здравоохранения

Бесплатный доступ

Рассматривается ряд математических моделей развития эпидемий: логистического типа, SIR-модель и др. Сделан небольшой обзор статей с такими моделями динамики заболеваемости COVID-19. Эти модели нередко работают успешно на данных по странам, однако на региональном уровне возникают трудности из-за особенностей учета смертности в России. Здесь могут быть полезны регрессионные модели, имеющие преимущество на начальном этапе эпидемического процесса. Также в них учитываются экзогенные переменные, влияющие на смертность, например по обеспеченности больниц врачами, медсестрами, аппаратами ИВЛ, койко-местами. Осуществлено построение линейной модели регрессии, на основе которой можно оценивать уровень региональной смертности от COVID-19, а также распределять перечисленные выше ресурсы. Модель строится по комплексу ресурсных показателей c включением информации по «активным случаям». Предварительно тройка переменных с ресурсами инфекционных отделений больниц сворачивалась линейным преобразованием в одну новую. Затем модель оценивалась по обучающей выборке, содержащей эндогенную переменную по смертности и четыре факторных, включая распространенность активных носителей вируса. При этом регионы включались в материал обучения с разными лагами, они входили в такие ежедневные отсчеты t, когда случаи смерти фиксировались редко. Затем оцененная модель применялась при других значениях t. Для регионов из материала обучения и еще некоторых она неплохо оценивает уровень COVID-смертности (на отдельных промежутках). В результате была построена и оценена по точности регрессионная модель, которая связывает уровень смертности в регионе с распространенностью в нем активных носителей SARS-CoV-2 и показателями обеспеченности больниц ресурсами. Она может быть полезной при распределении этих ресурсов. Также ее можно использовать при построении моделей SIRD, SEIR, SEIRF на региональном уровне, при выборе в них параметров, связанных со смертностью. Дополнительный интерес может представлять и методология, которую похожим образом можно применять и для других эпидемических процессов.

Еще

Модель регрессии, оценка смертности, коронавирусная инфекция, логистическое уравнение, ивл

Короткий адрес: https://sciup.org/142226396

IDR: 142226396   |   DOI: 10.21668/health.risk/2020.4.02

Список литературы Зависимость уровня смертности в регионах от распространенности активных носителей SARS-COV-2 и ресурсов организаций здравоохранения

  • COVID-19: Только научные факты / К.В. Жмеренецкий, Е.Н. Сазонова, Н.В. Воронина, Г.С. Томилка, О.А. Сенькевич, В.С. Гороховский, С.В. Дьяченко, И.П. Кольцов, М.Б. Куцый // Дальневосточный медицинский журнал. - 2020. - № 1. - С. 5-22.
  • Данилова И.А. Заболеваемость и смертность от COVID-19. Проблема сопоставимости данных // Демографическое обозрение. - 2020. - Т. 7, № 1. - С. 6-26.
  • Методические аспекты оценки заболеваемости, распространенности, летальности и смертности при COVID-19 / О.М. Драпкина, И.В. Самородская, М.Г. Сивцева, Е.П. Какорина, Н.И. Брико, С.Н. Черкасов, В.А. Цинзерлинг, П.Г. Мальков // Кардиоваскулярная терапия и профилактика. - 2020. - Т. 19, № 3. - С. 302-309.
  • Иванов С. Смертность от COVID-19 на фоне других всплесков смертности XX века // Демографическое обозрение. - 2020. - Т. 7, № 2. - С. 143-151.
  • Козловский С., Болдырев О. Можно ли предсказать развитие пандемии коронавируса? Объясняем на примере России [Электронный ресурс] // BBC Russia. - URL: https: //www.bbc.com/russian/features-52762747 (дата обращения: 30.07.2020).
  • Глава Росстата рассказал, как считают жертв COVID-19 [Электронный ресурс] // BBC Russia. - URL: https: //www.bbc.com/russian/features-53156041 (дата обращения: 02.08.2020).
  • Коронавирус в России: Инфографика [Электронный ресурс] // Медиазона. - 2020. - URL: https://zona.media/ coronagraph (дата обращения: 30.07.2020).
  • Метод прогнозирования параметров эпидемического процесса, вызванного COVID-19 / В.В. Бояринцев, Р.С. Пальмин, С.А. Пальмин, С.Ф. Перцев // Кремлевская медицина. Клинический вестник. - 2020. - № 2. - С. 14-21.
  • Кондратьев М.А. Методы прогнозирования и модели распространения заболеваний // Компьютерные исследования и моделирование. - 2013. - Т. 5, № 5. - С. 863-882.
  • Magpantay F.M.G., Kosovalić N., Wu J. An age-structured population model with state-dependent delay: derivation and numerical integration // SIAM Journal on Numerical Analysis. - 2014. - Vol. 52, № 2. - P. 735-756.
  • DOI: 10.1137/120903622
  • Khrapov P.V., Loginova A.A. Comparative analysis of the mathematical models of the dynamics of the coronavirus COVID-19 epidemic development in the different countries // International Journal of Open Information Technologies. - 2020. - Vol. 8, № 5. - P. 17-22.
  • Системно-динамическое моделирование сетевых информационных операций / В.А. Минаев, М.П. Сычев, Е.В. Вайц, К.М. Бондарь // Инженерные технологии и системы. - 2019. - T. 29, № 1. - C. 20-39.
  • Статистические и динамические аспекты прогнозирования распространения COVID-19 в Нижегородской области / О.В. Другова, Е.А. Павлов, А.П. Баврина, А.С. Благонравова, Н.В. Саперкин, О.В. Ковалишена // Медицинский альманах. - 2020. - Т. 63, № 2. - С. 27-36.
  • Тамм М.В. Коронавирусная инфекция в Москве: прогнозы и сценарии // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. - 2020. - Т. 13, № 1. - С. 43-51.
  • DOI: 10.17749/2070-4909.2020.13.1.43-51
  • Матвеев А.В. Математическое моделирование оценки эффективности мер против распространения эпидемии COVID-19 // Национальная безопасность и стратегическое планирование. - 2020. - Т. 1, № 29. - С. 23-39.
  • Godio A., Pace F., Vergnano A. SEIR modeling of the Italian epidemic of SARS-CoV-2 using computational swarm intelligence // Int. J. Environ. Res. & Public Health. - 2020. - Vol. 17, № 10. - P. 3535.
  • DOI: 10.3390/ijerph17103535
  • Epidemic analysis of COVID-19 in China by dynamical modeling / L. Peng, W. Yang, D. Zhang, C. Zhuge, L. Hong // Med. Rxiv. Epidemiol. - 2020. - Vol. 18. - 11 p.
  • Pengpeng S., Shengli C., Peihua F. SEIR Transmission dynamics model of 2019 nCoV coronavirus with considering the weak infectious ability and changes in latency duration // Med. Rxiv. - 2020. - № 20. - 5 p.
  • DOI: 10.1101/2020.02.16.20023655
  • Nikitina A.V., Lyapunova I.A., Dudnikov E.A. Study of the spread of viral diseases based on modifications of the SIR model // Computational mathematics and information technologies. - 2020. - Vol. 1, № 1. - P. 19-30.
  • DOI: 10.23947/2587-8999-2020-1-1-19-30
  • Predicting the Cumulative Number of Cases for the COVID-19 Epidemic in China From Early Data / Z. Liu, P. Magal, O. Seydi, G.F. Webb // Populations and Evolution. - 2020. - Vol. 1, № 10. - 10 p.
  • DOI: 10.20944/preprints202002.0365.v1
  • Mathematical modeling of COVID-19 transmission dynamics with a case study of Wuhan / F. Ndaïrou, I. Area, J.J. Nieto, D.F.M. Torres // Chaos, Solitons & Fractals. - 2020. - Vol. 135, № 6. - P. 109846.
  • DOI: 10.1016/j.chaos.2020.109846
  • Куркин А.А., Куркина О.Е., Пелиновский Е.Н. Логистические модели распространения эпидемий // Труды НГТУ им. Р.Е. Алексеева. - 2020. - Т. 129, № 2. - С. 9-18.
  • Fabiano N., Radenović S.N. On COVID-19 diffusion in Italy: data analysis and possible outcome // Vojnotehnički glasnik. - 2020. - Vol. 68, № 2. - P. 216-224.
  • DOI: 10.5937/vojtehg68-25948
  • Cherniha R., Davydovych V. A mathematical model for the coronavirus COVID-19 outbreak [Электронный ресурс] // ArXiv. - 2020. - URL: https:// href='contents.asp?titleid=842' title='Physica A: Statistical Mechanics and its Applications'>ArXiv.org/abs/2004.01487v2 (дата обращения: 25.07.2020).
  • Кольцова Э.М., Куркина Е.С., Васецкий А.М. Математическое моделирование распространения эпидемии коронавируса COVID-19 в Москве // Computational nanotechnology. - 2020. - Т. 7, № 1. - С. 99-105.
  • Регрессионные модели прогнозирования количества летальных исходов при новой коронавирусной инфекции / Д.В. Мелик-Гусейнов, Н.Н. Карякин, А.С. Благонравов, В.И. Климко, А.П. Баврина, О.В. Другова, Н.В. Саперкин, О.В. Ковалишена // Современные технологии в медицине. - 2020. - Т. 12, № 2. - С. 6-13.
  • Возможности математического прогнозирования коронавирусной инфекции в Российской Федерации / И.А. Лакман, А.А. Агапитов, Л.Ф. Садикова, О.В. Черненко, С.В. Новиков, Д.В. Попов, В.Н. Павлов, Д.Ф. Гареева [и др.] // Артериальная гипертензия. - 2020. - Т. 26, № 3. - С. 288-294.
  • Fontes E. Моделирование в COMSOL Multiphysics распространения вируса COVID-19 [Электронный ресурс] // COMSOL. - 2020. - URL: https://www.comsol.ru/blogs/modeling-the-spread-of-covid-19-with-comsol-multiphysics/ (дата обращения: 30.07.2020).
  • Getz W.M., Dougherty E.R. Discrete stochastic analog of Erlang epidemic models // J. of Biological Dynamics. - 2018. - Vol. 12, № 1. - P. 16-38.
  • DOI: 10.1080/17513758.217.1401677
  • The CDC portal: Forecasts of total deaths at the USA [Электронный ресурс] // Centers for Disease Control and Prevention. - 2020. - URL: https://www.cdc.gov/coronavirus/2019-ncov/covid-data/forecasting-us.html (дата обращения: 15.07.2020).
  • Мы изучили 858 ваших вопросов про коронавирус [Электронный ресурс] // Meduza. - 2020. - URL: https: //www.meduza.io/feature/2020/05/13 (дата обращения: 15.07.2020).
  • Официальный интернет-ресурс по вопросам коронавируса [Электронный ресурс] // Стопкоронавирус.рф. - 2020. - URL: https://стопкоронавирус.рф (дата обращения: 17.07.2020).
  • Апухтина Ю., Зобова С. Исследование о том, сколько больничных коек может спасти российскую медицину [Электронный ресурс] // Проект. - 2020. - URL: https://www.proekt.media/research/koronavirus-regiony (дата обращения: 01.07.2020).
  • Соколов А.А. Готово ли российское здравоохранение к борьбе с коронавирусом [Электронный ресурс] // Ведомости. - 2020. - URL: https://www.vedomosti.ru/society/articles/2020/04/09/827471-gotovo-rossiiskoe (дата обращения: 02.12.2020).
  • Free and occupied beds for Covid-19 patients in Germany [Электронный ресурс] // Coronavis. - 2020. - URL: https: //coronavis.dbvis.de/en/ (дата обращения: 01.07.2020).
  • Murray C.J.L. Forecasting COVID-19 impact on hospital bed-days, ICU-days, ventilator-days and deaths by US state in the next 4 months // Med. Rxiv. - 2020. - № 30. - 26 p.
  • DOI: 10.1101/2020.03.27.20043752
  • COVID caseload calculator C5V [Электронный ресурс] // Weill Cornell Medicine. - 2020. - URL: https: //phs.weill.cornell.edu/cornell-covid-caseload-calculator-c5v (дата обращения: 01.08.2020).
  • Aivazian S.A. Quality of life and living standards analysis: an econometric approach. - Berlin - Boston: De Gruyter, 2016. - 399 p.
  • DOI: 10.1515/9783110316254
  • Степанов В.С. Индикатор уровня благосостояния населения Крыма и близких ему регионов: связь с факторными переменными // Вестник ЦЭМИ. - 2019. - № 2. - С. 8.
  • DOI: 10.33276/S265838870004976-6
  • Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. - 3-е изд. - М.: Наука, 1983. - 416 c.
  • С апреля в коронавирусных больницах умерло не меньше 74,9 тысяч человек. Как регионы скрывают эти данные [Электронный ресурс] // Медиазона. - 2020. - URL: https://zona.media/news/2020/11/30/75k (дата обращения: 02.12.2020).
  • Zhmerenetskii K.V., Sazonova E.N., Voronina N.V., Tomilka G.S., Sen'kevich O.A., Gorokhovskii V.S., D'yachenko S.V., Kol'tsov I.P., Kutsyi M.B. COVID-19: scientific facts. Dal'nevostochnyi meditsinskii zhurnal, 2020, no. 1, pp. 5-22 (in Russian).
  • Danilova I.A. Morbidity and mortality from COVID-19. The problem of data comparability. Demograficheskoe obozrenie, 2020, vol. 7, no. 1, pp. 6-26 (in Russian).
  • Drapkina O.M., Samorodskaya I.V., Sivtseva M.G., Kakorina E.P., Briko N.I., Cherkasov S.N., Tsinzerling V.A., Mal'kov P.G. COVID-19: urgent questions for estimating morbidity, prevalence, case fatality rate and mortality rate. Kardiovaskulyarnaya terapiya i profilaktika, 2020, vol. 19, no. 3, pp. 302-309 (in Russian).
  • Ivanov S. Mortality from COVID-19 against the backdrop of other twentieth century mortality bursts. Demograficheskoe obozrenie, 2020, vol. 7, no. 2, pp. 143-151 (in Russian).
  • Kozlovskii S., Boldyrev O. Can we predict how coronavirus pandemic will develop? Let us explain using Russia as an example. BBC Russia. Available at: https://www.bbc.com/russian/features-52762747 (30.07.2020).
  • Head of Rosstat has told how victims of COVID-19 are calculated in the country. BBC Russia. Available at: https://www.bbc.com/russian/features-53156041 (02.08.2020).
  • Coronavirus in Russia: graphic data. Mediazona, 2020. Available at: https://zona.media/coronagraph (30.07.2020).
  • Boyarintsev V.V., Pal'min R.S., Pal'min S.A., Pertsev S.F. Nique for predicting parameters of the epidemic process caused by COVID-19. Kremlevskaya meditsina. Klinicheskii vestnik, 2020, no. 2, pp. 14-21 (in Russian).
  • Kondrat'ev M.A. Forecasting methods and models of disease spread. Komp'yuternye issledovaniya i modelirovanie, 2013, vol. 5, no. 5, pp. 863-882 (in Russian).
  • Magpantay F.M.G., Kosovalić N., Wu J. An age-structured population model with state-dependent delay: derivation and numerical integration. SIAM Journal on Numerical Analysis, 2014, vol. 52, no. 2, pp. 735-756.
  • DOI: 10.1137/120903622
  • Khrapov P.V., Loginova A.A. Comparative analysis of the mathematical models of the dynamics of the coronavirus COVID-19 epidemic development in the different countries. International Journal of Open Information Technologies, 2020, vol. 8, no. 5, pp. 17-22.
  • Minaev V.A., Sychev M.P., Vaits E.V., Bondar' K.M. System-dynamic modeling of network information operations. Inzhenernye tekhnologii i sistemy, 2019, vol. 29, no. 1, pp. 20-39 (in Russian).
  • Drugova O.V., Pavlov E.A., Bavrina A.P., Blagonravova A.S., Saperkin N.V., Kovalishena O.V. Statistic and dynamic aspects of the prediction of the COVID-19 spread in Nizhny Novgorod region. Meditsinskii al'manakh, 2020, no. 2 (63), pp. 27-36 (in Russian).
  • Tamm M.V. COVID-19 in Moscow: prognoses and scenarios. Farmakoekonomika. Sovremennaya farmakoekonomika i farmakoepidemiologiya, 2020, vol. 13, no. 1, pp. 43-51.
  • DOI: 10.17749/2070-4909.2020.13.1.43-51
  • Matveev A.V. The mathematical modeling of the effective measures against the COVID-19 spread. Natsional'naya bezopasnost' i strategicheskoe planirovanie, 2020, vol. 1, no. 29, pp. 23-39 (in Russian).
  • Godio A., Pace F., Vergnano A. SEIR modeling of the Italian epidemic of SARS-CoV-2 using computational swarm intelligence. Int. J. Environ. Res. & Public Health, 2020, vol. 17, no. 10, pp. 3535.
  • DOI: 10.3390/ijerph17103535
  • Peng L., Yang W., Zhang D., Zhuge C., Hong L. Epidemic analysis of COVID-19 in China by dynamical modeling. Med Rxiv Epidemiol, 2020, 11 p. (in Russian).
  • Pengpeng S., Shengli C., Peihua F. SEIR Transmission dynamics model of 2019 nCoV coronavirus with considering the weak infectious ability and changes in latency duration. Med Rxiv, 2020, no. 20, 5 p.
  • DOI: 10.1101/2020.02.16.20023655
  • Nikitina A.V., Lyapunova I.A., Dudnikov E.A. Study of the spread of viral diseases based on modifications of the SIR model. Computational mathematics and information technologies, 2020, vol. 1, no. 1, pp. 19-30.
  • DOI: 10.23947/2587-8999-2020-1-1-19-30
  • Liu Z., Magal P., Seydi O., G.F. Webb Predicting the Cumulative Number of Cases for the COVID-19 Epidemic in China From Early Data. Populations and Evolution, 2020, vol. 1, no. 10, 10 p.
  • DOI: 10.20944/preprints202002.0365.v1
  • Ndaïrou F., Area I., Nieto J.J., Torres D.F.M. Mathematical modeling of COVID-19 transmission dynamics with a case study of Wuhan. Chaos, Solitons & Fractals, 2020, vol. 135, no. 6, pp. 109846.
  • DOI: 10.1016/j.chaos.2020.109846
  • Kurkin A.A., Kurkina O.E., Pelinovskii E.N. Logistic models of epidemic growth. Trudy NGTU im. R.E. Alekseeva, 2020, no. 2 (129), pp. 9-18 (in Russian).
  • Fabiano N., Radenović S.N. On COVID-19 diffusion in Italy: data analysis and possible outcome. Vojnotehnički glasnik, 2020, vol. 68, no. 2, pp. 216-224.
  • DOI: 10.5937/vojtehg68-25948
  • Cherniha R., Davydovych V. A mathematical model for the coronavirus COVID-19 outbreak. ArXiv, 2020. Available at: https://arxiv.org/abs/2004.01487v2 (25.07.2020).
  • Kol'tsova E.M., Kurkina E.S., Vasetskii A.M. Mathematical modeling of the spread of COVID-19 in Moscow. Computational nanotechnology, 2020, vol. 7, no. 1, pp. 99-105 (in Russian).
  • Melik-Guseinov D.V., Karyakin N.N., Blagonravov A.S., Klimko V.I., Bavrina A.P., Drugova O.V., Saperkin N.V., Kovalishena O.V. Regression models predicting the number of deaths from the new coronavirus infection. Sovremennye tekhnologii v meditsine, 2020, vol. 12, no. 2, pp. 6-13 (in Russian).
  • Lakman I.A., Agapitov A.A., Sadikova L.F., Chernenko O.V., Novikov S.V., Popov D.V., Pavlov V.N., Gareeva D.F. [et al.]. COVID-19 mathematical forecasting in the Russian Federation. Arterial'naya gipertenziya, 2020, vol. 26, no. 3, pp. 288-294 (in Russian).
  • Fontes E. Modelirovanie v COMSOL Multiphysics rasprostraneniya virusa COVID-19 [Modeling the spread of the COVID-19 virus in COMSOL Multiphysics]. COMSOL, 2020. Available at: https://www.comsol.ru/blogs/modeling-the-spread-of-covid-19-with-comsol-multiphysics/ (30.07.2020) (in Russian).
  • Getz W.M., Dougherty E.R. Discrete stochastic analog of Erlang epidemic models. J. of Biological Dynamics, 2018, vol. 12, no. 1, pp. 16-38.
  • DOI: 10.1080/17513758.217.1401677
  • The CDC portal: Forecasts of total deaths at the USA. Centers for Disease Control and Prevention, 2020. Available at: https://www.cdc.gov/coronavirus/2019-ncov/covid-data/forecasting-us.html (15.07.2020).
  • We have examined 858 questions you have about coronavirus. Meduza, 2020. Available at: https://www.meduza.io/feature/2020/05/13 (15.07.2020) (in Russian).
  • The official web-site on issues related to coronavirus. Stopkoronavirus.rf, 2020. Available at: https://стопкоронавирус.рф (17.07.2020) (in Russian).
  • Apukhtina Yu., Zobova S. Research on a number of available beds in hospitals that can save public healthcare in Russia. Proekt, 2020. Available at: https://www.proekt.media/research/koronavirus-regiony (01.07.2020) (in Russian).
  • Sokolov A.A. Is public healthcare in Russia ready to fight coronavirus?. Vedomosti, 2020. Available at: https://www.vedomosti.ru/society/articles/2020/04/09/827471-gotovo-rossiiskoe (02.12.2020) (in Russian).
  • Free and occupied beds for COVID-19 patients in Germany. Coronavis, 2020. Available at: https://coronavis.dbvis.de/en/ (01.07.2020).
  • Murray C.J.L. Forecasting COVID-19 impact on hospital bed-days, ICU-days, ventilator-days and deaths by US state in the next 4 months. MedRxiv, 2020, no. 30, 26 p.
  • DOI: 10.1101/2020.03.27.20043752
  • COVID caseload calculator C5V. Weill Cornell Medicine, 2020. Available at: https://phs.weill.cornell.edu/cornell-covid-caseload-calculator-c5v (01.08.2020).
  • Aivazian S.A. Quality of life and living standards analysis: an econometric approach. Berlin/Boston, De Gruyter Publ., 2016, 399 p.
  • DOI: 10.1515/9783110316254
  • Stepanov V.S. Integral indicator of the living conditions at the Crimea Republic and some other territories: dependence from factorial variables. Vestnik TsEMI, 2019, no. 2, pp. 8.
  • DOI: 10.33276/S265838870004976-6
  • Bol'shev L.N., Smirnov N.V. Mathematical statistics tables. 3-th edition. Moscow, Nauka Publ., 1983, 416 p. (in Russian).
  • Not less than 74.9 thousand people have died in coronavirus hospitals since April. How do regions manage to hide these data?. Mediazona, 2020. Available at: https://zona.media/news/2020/11/30/75k (02.12.2020).
Еще
Статья научная