Применение спатиального анализа показателей заболеваемости и смертности от COVID-19 (на примере Псковской области)
- DOI
- 10.5922/gikbfu-2023-1-2
- Страницы / Pages
- 22-35
Аннотация
Возникновение и развитие пандемии нового коронавируса COVID-19 (SARS-CoV-2) помимо биомедицинских и организационных проблем поставили новые масштабные задачи создания и совершенствования математических и информационных технологий, обеспечивающих разнообразные операции с пространственными данными при статистическом анализе и прогнозировании. Выбор регионального уровня спатиального анализа заболеваемости и смертности от COVID-19 обусловлен наличием доступной статистики, а также данных о географических закономерностях, характеристиках пространства распространения (плотности населения, концентрации в одном городе, плотности транспортной сети, расстоянии до очага заболевания и т. д.). На примере Псковской области показано, что региональная система здравоохранения характеризуется существенным дефицитом кадров и заметной нехваткой ресурсов. Необходимо учитывать эти моменты при выработке эффективной, научно обоснованной политики в области здравоохранения, при проведении оценки имеющейся и перспективной инфраструктуры здравоохранения. Показано, что для адекватного моделирования на межрегиональном и региональном уровне перспективными являются модели, основанные на графах, тогда как для анализа процессов по отдельным населенным пунктам следует учитывать географическое распределение пациентов.
Abstract
Apart from biomedical and organizational issues, the emergence of the new coronavirus COVID-19 (SARS-CoV-2) pandemic, set large-scale tasks for creating and improving mathematical and information technologies that operate spatial data in statistical analysis and forecasting. The regional level is seen as a suitable choice for spatial analysis of COVID-19 morbidity and mortality due to the availability of statistics, as well as data on geographical patterns, characteristics of the distribution space (population density, concentration in one city, density of the transport network, distance to the focus of the disease, etc.). The case of the Pskov region shows that the regional healthcare system experiences a significant shortage of personnel and a noticeable lack of resources. When assessing the existing and prospective healthcare infrastructure, it is advisable to take these points into account while developing an effective, evidence-based healthcare policy. The article shows that graph-based models are more likely to be efficient for adequate modeling at the interregional and regional level, while the geographical distribution of patients should be taken into account for the analysis of processes in individual settlements.
Список литературы
1. Бабурин В. Л., Земцов С. П. Регионы-новаторы и инновационная периферия России. Исследование диффузии инноваций на примере ИКТ-продуктов // Региональные исследования. 2014. № 3. С. 27—37.
2. Бабурин В. Л., Земцов С. П. Инновационный потенциал регионов России : монография. М., 2017.
3. Гохман В. В. Геоинформационные системы для здравоохранения и медицины // Век качества. 2012. № 3. URL: https://cyberleninka.ru/article/n/geoinformatsionnye-sistemy-dlya-zdravoohraneniya-i-meditsiny (дата обращения: 23.10.2022).
4. Земцов С. П., Бабурин В. Л. COVID-19: пространственная динамика и факторы распространения по регионам России // Известия РАН. Сер. Географическая. 2020. Т. 84, № 4. С. 485—505. doi: 10.31857/S2587556620040159.
5. Черкашин А. К., Лесных С. И., Красноштанова Н. Е. Геоинформационный мониторинг и математическое моделирование развития пандемии коронавируса COVID-19 // Информационные и математические технологии в науке и управлении. 2021. № 1 (21). С. 17—35. doi: 10.38028/ESI.2021.21.1.002.
6. В Псковской области осталось восемь очагов распространения COVID-19 // Деловой Петербург. URL: https://www.dp.ru/a/2021/01/12/V_Pskovskoj_oblasti_ostal (дата обращения: 23.10.2022).
7. Brauer F. Compartmental Models in Epidemiology // Brauer F., van den Driessche P., Wu J. (eds.). Mathematical Epidemiology. Lecture Notes in Mathematics, vol. 1945. Springer, 2008. doi: 10.1007/978-3-540-78911-6_2.
8. Florida R., Mellander C. The geography of COVID-19 in Sweden // The Annals of Regional Science. 2022. Vol. 68. Р. 125—150. doi: 10.1007/s00168-021-01071-0.
9. Kermack W. O., McKendrick A. G. A Contribution to the Mathematical Theory of Epidemics // Proceedings of the Royal Society of London. Ser. A: Containing Papers of a Mathematical and Physical Character. 1927. Vol. 115, № 772. Р. 700—721. doi:10.1098/rspa.1927.0118.
10. McLafferty S. L., Sara L. GIS and health care // Annual Rev. Public Health. 2003. P. 25—42.
11. Noble J. V. Geographic and temporal development of plagues // Nature. 1974. Vol. 250, № 5469. Р. 726—729. doi: 10.1038/250726a0.
12. Paeng S. H., Lee J. Continuous and discrete SIR-models with spatial distributions // J. Math. Biol. 2017. Vol. 74 (7). Р. 1709—1727. doi: 10.1007/s00285-016-1071-8.
13. Schærström A. Disease Diffusion // Kitchin R., Thrift N. (eds.). International Encyclopedia of Human Geography. Elsevier, 2009. P. 222—233.
14. Te Vrugt M., Bickmann J., Wittkowski R. Effects of social distancing and isolation on epidemic spreading modeled via dynamical density functional theory // Nat Commun. 2020. Vol. 11 (1). Art. № 5576. doi: 10.1038/s41467-020-19024-0.