Integrated indicator of the current assessment of the COVID-19 pandemic process in the subjects of the Russian Federation

Abstract


Information on the main indicators of the Pandemic COVID-19 is published daily for each subject of the Russian Federation. Of interest is the comparative ranking of regions in terms of new cases, active cases that have recovered from COVID-19, the allocation of homogeneous groups of regions in terms of the distribution of COVID-19. Since several indicators, respectively, the ranking of regions can be several options: the same regions with a high level of morbidity can be characterized by lower mortality from COVID-19 and vice versa, which will shift their position in the overall rating assessment. Such a state complicates the perception of the situation with the COVID-19 pandemic in the spatial-territorial context. In this regard, it makes sense to develop a certain latent integral indicator for assessing the COVID-19 pandemic process, which will allow comparing the subjects of the Russian Federation with each other in order to develop practical recommendations.

Full Text

Введение Информация по числу заболевших с начала пандемии коронавирусной инфекции (COVID-19), вновь выявленных заболевших, выздоровевших, а также умерших публикуется по каждому региону и муниципальному образованию. Меры, предпринимаемые государством по противодействию распространения пандемии COVID-19, напрямую связаны с характером и тяжестью протекания пандемии в субъектах РФ. Значительная дифференциация субъектов РФ по размеру территории, плотности населения, уровню урбанизации, а также ряду других признаков, важных для распространения COVID-19, приводит к определенным различиям в интенсивности и распространенности заболевания. Ранжирование регионов по характеру протекания процесса пандемии COVID-19 позволит в дальнейшем выработать дополнительные меры по противодействию распространения инфекции, а также планировать профилактические меры. Литературный обзор Необходимость дифференцированного подхода к введению ограничительных мер, широта перечня и длительность их действия, оказывающих влияние не только на эпидемиологическую ситуацию, экономическую обстановку, но и на социальную напряженность в обществе, обусловили появление различных научных исследований, в которых анализируется дифференциация территорий стран по различным показателям, характеризующих пандемию COVID-19. В работе Э. М. Гольдштейна установлена взаимосвязь между смертностью от COVID-19 и средней температурой воздуха, а также выявлено влияние на ход пандемии плотности населения и практики тестирования на COVID-19 [7]. Учитывая большой разбег среднемесячных температур на разных территориях, такой фактор будет усиливать дифференциацию регионов по показателям, характеризующим протекание процесса пандемии COVID-19. В исследовании С. П. Земцова, В. Л. Бабурина в качестве фактора, усиливающего дифференциацию регионов по показателям, характеризующим пандемию COVID-19, рассматривается региональная трудовая миграция, а также высокие доли малообеспеченного, пожилого населения в сочетании с плохой медицинской инфраструктурой [6]. Вопросами выделения типов регионов, а также их ранжированием по уровню показателей, характеризующих пандемию COVID-19, занимались также зарубежные исследователи. Так, в работах [2, 3] приводятся результаты анализа типологий регионов Индии и провинций Китая по показателям, характеризующим пандемию COVID-19, с целью выработки дифференцированных мер по сдерживанию и профилактике коронавирусной инфекции с применением математико-статистических методов, позволяющих не только выявить однородные группы регионов, но и сравнить их между собой по различным показателям. Сравнительный анализ показателей, характеризующих пандемию COVID-19, в странах с относительно небольшой территорией, где нет существенных различий, связанных с плотностью населения, природно-климатическими условиями и другими значимыми для пандемии коронавируса факторами, имеет смысл проводить не на административно-территориальном уровне в рамках одной страны, а на основе сравнения с близлежащими территориями других стран, включая данные оценки эпидемиологических и демографических процессов [5]. В исследованиях отечественных и зарубежных ученых, занимающихся оценкой характера и территориальных особенностей распространения пандемии COVID-19, зачастую приходится сталкиваться с расхождением толкования терминов «распространенность», «заболеваемость», «интенсивность» в сочетании с различными показателями, их характеризующими [8]. Соответственно проводится выявление типологий регионов по различным наборам показателей, при этом больший вес придается либо уровню заболеваемости, либо уровню смертности от COVID-19, что, на наш взгляд, не дает комплексно оценить ситуацию. Учитывая, что для принятия управленческих решений важны все данные, характеризующие процесс пандемии COVID-19, общепринятые показатели имеет смысл свести к интегральному (латентному) показателю. Таким образом, цель исследования состоит в разработке интегрального (латентного) показателя, позволяющего проводить текущую сравнительную оценку субъектов РФ по эпидемиологическим данным, характеризующим процесс пандемии COVID-19. Материалы и методы Информационную базу исследования составили открытые данные официального интернет-ресурса для информирования населения о коронавирусной инфекции COVID-19 35 за март 2021 г., а также данные Федеральной службы государственной статистики 36 о численности всего населения по 85 субъектам РФ. Схема исследования включала следующие этапы: •отбор показателей, характеризующих процесс пандемии COVID-19, отвечающих требованиям полноты, доступности и достоверности; •центрирование-нормирование исходных показателей (пространства исходных признаков); •построение главной компоненты; •определение индивидуальных значений главной компоненты как значений интегрального показателя; •масштабирование индивидуальных значений для сведения их к безразмерному виду, облегчающему сравнительный анализ; •интерпретация результатов построения интегрального показателя и формулирование рекомендаций и выводов. Основные показатели для информирования населения о пандемии COVID-19: 1.Выявленные случаи (общее число подтвержденных случаев COVID-19 за все время пандемии). 2.Новые случаи за день (число новых подтвержденных случаев COVID-19 за 1 день на момент опубликования данных). 3.Активные случаи (число больных в настоящее время). 4.Выздоровело (число выздоровевших за все время пандемии). 5.Умерло (число умерших с подтвержденным диагнозом COVID-19 за все время пандемии). Для проведения исследования данные были переведены в сопоставимый вид путем пересчета на душу населения (все население). Было решено отказаться от показателя числа выявленных случаев за весь период пандемии как дублирующего данные показателей числа выздоровевших и умерших. Также исходя из соображений отбрасывания дублирующихся показателей показатель числа умерших рассчитан к общей численности населения, а не к числу заразившихся COVID-19. Для проверки различий в рейтингах субъектов РФ, составленных по отдельным показателям, использован ранговый коэффициент корреляции Спирмена. Проверка значимости коэффициента корреляции проводилась на основе t-критерия Стьюдента с уровнем значимости 0,05. При разработке интегрального показателя можно воспользоваться рядом методов, в частности, методом экспертной оценки [10], методом «дискретных корреляционных плеяд» [9], однако применение таких методов требует искусственного присвоения весов показателям, формирующим интегральный показатель. Значимость того или иного показателя, входящего в пространство исходных признаков, в некоторой степени варьирует в зависимости от целей управленческих решений, по этой причине в ряде исследований предпочтение отдается методу построения интегрального показателя, например, на основе первой главной компоненты частных унифицированных показателей [3, 4], где первая главная компонента (Z) является центрировано-нормированной линейной комбинацией исходных признаков с наибольшей информативностью среди прочих линейных комбинаций [1]. Данные приведены к стандартизованному виду (центрированы и нормированы). Уровень информативности главной компоненты составил 59%. Индивидуальные значения главной компоненты, выступающие значениями интегрального показателя, масштабированы для улучшения восприятия в диапазоне от нуля до единицы: ps2021s1.4htm00009.jpg, (1) где - индивидуальные значения главной компоненты для i-го региона; i = 1, …, 85. Статистический анализ выполнен с использованием табличного редактора «MS Excel», пакета прикладных программ «Statisticа 8.0». Результаты исследования Российской Федерацией в августе 2020 г. зарегистрирована первая в мире вакцина от COVID-19 («Гам-КОВИД-Вак»), которая разработана Национальным исследовательским центром эпидемиологии и микробиологии имени академика Н. Ф. Гамалеи Минздрава России. Однако в настоящее время ограниченные возможности промышленного производства этой вакцины не позволяют в полной мере удовлетворить потребности в силу большой численности населения РФ. В этой связи при разработке и реализации плана вакцинации населения РФ необходима информация о ходе пандемии в стране с определением регионов, где она протекает более выраженно или, наоборот, где показатели заболеваемости и смертности самые низкие. Вместе с тем, если провести ранжировку субъектов РФ по отдельным показателям, то один и тот же регион может занимать разные позиции в рейтинге (табл. 1). ps2021s1.4htm00011.jpg По табл. 1 можно увидеть, что, например, Костромская область состоит в десятке лидеров по числу активно болеющих, хотя по числу новых заболеваний находится практически в середине ранжированного списка, а Ямало-Ненецкий автономный округ по числу смертей от COVID-19 занимает 21-е место, по числу новых заболеваний - 55-е. Расчет рангового коэффициента корреляции Спирмена показал, что коэффициент практически по всем показателям значимо отличается от нуля, но его значения свидетельствуют лишь об умеренной связи между ранжировками. Ранговый коэффициент корреляции Спирмена составил: •между показателями «число активно болеющих на текущий момент» и «число умерших от COVID-19» - 0,06; •между показателями «число активно болеющих на текущий момент» и «число новых заболеваний» - 0,37; •между показателями «число выздоровевших» и «число новых заболеваний» - 0,47; •между показателем «число активно болеющих на текущий момент» и «число выздоровевших» - 0,33. ps2021s1.4htm00013.jpg Можно в целом пытаться определить регионы, которые, как правило, занимают первые или последние позиции по числу умерших от COVID-19, по числу выздоровевших (рис. 1). В Республике Татарстан наименьшее значение числа выздоровевших - всего порядка 4 человека на 1000 человек. Аналогичные значения (порядка 6 человек на 1000 человек населения) наблюдаются для Краснодарского края. В Республике Алтай и в Москве число выздоровевших на 1000 человек населения в марте 2021 г. составляло порядка 73 человек на 1000 человек населения (рис. 1), что свидетельствует о более высоком, по сравнению с Республикой Татарстан и Республикой Чечня, уровне коллективного иммунитета в этих субъектах Федерации. ps2021s1.4htm00015.jpg Рассмотрим показатель числа умерших от COVID-19 на 1000 человек населения (рис. 2). По рис. 2 можно отметить, что к марту 2021 г. от COVID-19 в Санкт-Петербурге умерло чуть более 2 человек на 1000 человек населения. При этом в Москве за весь период пандемии число умерших на 1000 человек населения меньше, чем в Санкт-Петербурге, в 1,7 раза. Таким образом, по отдельным показателям, характеризующим процесс пандемии, сложно проводить сравнение регионов и принимать на основе них управленческие решения по предотвращению распространения пандемии COVID-19 в каждом субъекте РФ. Для разработки комплексного рейтинга региональной ситуации с пандемией, позволяющего сравнивать между собой субъекты РФ, разработан интегральный показатель на основе первой главной компоненты. Согласно значениям матрицы факторных нагрузок интегральный показатель имеет тесную отрицательную связь со всеми исходными признаками, следовательно, чем выше значения исходных признаков, тем ниже будут значения разработанного интегрального показателя (табл. 2), которые рассчитываются в соответствии с выражением: zi = -0,381xi1 - 0,248xi2 - 0,362xi3 - 0,324xi4, (2) где xij - центрировано-нормированные значения j-го признака для i-го субъекта РФ; j = 1, …, 4; i = 1, …, 85. ps2021s1.4htm00017.jpg Согласно полученным результатам в марте 2021 г. в Санкт-Петербурге и Москве пандемия COVID-19 протекала наиболее выраженно - здесь наблюдаются наименьшие значения масштабированного интегрального показателя (табл. 2). В Чеченской Республике и Республике Татарстан, где значения масштабированного интегрального показателя принимали значения 1 и 0,99 соответственно, можно сказать, что в этих субъектах уровень коллективного иммунитета, формирующегося за счет заболеваемости, ниже всего. Владимирская область занимает центральное значение (медиану ранжированного ряда). Обсуждение Разработанному интегральному показателю присвоено название «Текущей оценки процесса пандемии COVID-19 в субъектах РФ» (отметим, что название интегрального показателя в определенной степени носит дискуссионный характер), исходя из того, что этот показатель не имеет оценочного характера и не позволяет характеризовать ситуацию как негативную или позитивную. Связано это с тем, что интегральный показатель разработан по показателям, некоторые из которых носят кумулятивный характер (накопленные к марту 2021 г. значения с начала пандемии), когда уже началась вакцинация населения от COVID-19, а сама пандемия пережила всплеск своего развития, и, следовательно, например, большое значение числа выздоровевших с точки зрения коллективного иммунитета можно оценивать как в определенной степени позитивное явление. Учитывая, что показатели исходного признакового пространства обновляются практически каждый день, такую ранжировку субъектов РФ, можно обновлять при поступлении новой информации в текущем времени. При существенных изменениях вариативности показателей сам интегральный показатель может быть пересчитан с учетом изменения вклада дисперсии признаков. Результаты ранжирования субъектов РФ представляют интерес в том числе при планировании и проведении вакцинации населения РФ. В частности, в субъектах РФ, расположенных в начале ранжированного списка, коллективный иммунитет формировался за счет распространения заболевания. Соответственно, в этих регионах потребность в вакцинации ниже, по сравнению с субъектами РФ, находящимися в конце ранжированного списка. В этих регионах низкое число заболевших, соответственно, вакцинацией потенциально может быть охвачена более высокая доля населения. В случае возникновения новой пандемии, схожей с нынешней по характеру распространения вируса и тяжести заболевания, разработка подобного интегрального показателя в начале пандемии может позволить оценочно судить о позициях регионов с наилучшей и наихудшей ситуацией, а приведенный в табл. 2 рейтинг может служить одним из сценариев развития пандемии. Заключение Разработанный интегральный (латентный) показатель, интерпретированный нами как «текущая оценка процесса пандемии COVID-19 в субъектах РФ», позволил определить ранжированный список субъектов РФ по состоянию на март 2021 г., согласно которому наибольшие потребности по вакцинации населения (с точки зрения доли охвата) представляются в регионах, расположенных в конце ранжированного списка. Для этих регионов характерны малое число выздоровевших и умерших на 1000 человек населения, соответственно, именно в этих регионах рекомендуется усилить агитационные меры по вакцинации населения. Разработка интегрального показателя и его интерпретация, а также оценочная характеристика результатов ранжирования регионов может проводиться по любым инфекционным заболеваниям, приводящим к эпидемии, наподобие пандемии COVID-19. Источник финансирования. Исследование не имело спонсорской поддержки. Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.

About the authors

E. M. Osmanov

I. M. Sechenov First Moscow State Medical University

Email: osmanov@bk.ru

R. R. Manyakov

Medical and Sanitary Unit of the Ministry of Internal Affairs in the Tambov region


L. M. Tuktamysheva

Orenburg State University


A. S. Garaeva

I. M. Sechenov First Moscow State Medical University


I. M. Arsanukaev

I. M. Sechenov First Moscow State Medical University


References

  1. Айвазян С. А., Степанов В. С., Козлова М. И. Измерение синтетических категорий качества жизни населения региона и выявление ключевых направлений совершенствования социально-экономической политики (на примере Самарской области и ее муниципальных образований) // Прикладная эконометрика. 2006. № 2. С. 18-84.
  2. Dey S. K., Rahman M. M., Siddiqi U. R., Howlader A. Analyzing the epidemiological outbreak of COVID-19: A visual exploratory data analysis approach // J. Med. Virol. 2020. Vol. 92, N 6. P. 632-638. doi: 10.1002/jmv.25743.
  3. Joshua V., Sylvia Grace J., Godwin Emmanuel J. et al. Spatial mapping of COVID-19 for Indian states using Principal Component Analysis // Clin. Epidemiol. Global Health. 2021. Vol. 10. P. 100690. doi: 10.1016/j.cegh.2020.100690.
  4. Konishi T. Principal component analysis of coronaviruses reveals their diversity and seasonal and pandemic potential // PLoS One. 2020. Vol. 15, N 12. P. 1-12. doi: 10.1371/journal.pone.0242954.
  5. Shuja J., Alanazi E. A., Alasmary W., Alashaikh A. COVID-19 open source data sets: a comprehensive survey // Appl. Intel. 2021. Vol. 51. P. 1-30. doi: 10.1007/s10489-020-01862-6.
  6. Zemtsov S. P., Baburin V. L. Risks of morbidity and mortality during the COVID-19 pandemic in Russian regions // Popul. Econ. 2020. Vol. 4, N 2. P. 158-181. doi: 10.3897/popecon.4.e54055.
  7. Гольдштейн Э. М. Факторы, влияющие на смертность от новой коронавирусной инфекции в разных субъектах Российской Федерации // Журнал микробиологии, эпидемиологии и иммунобиологии. 2020. Vol. 97, N 6. P. 604-607. doi: 10.36233/0372-9311-2020-97-6-11.
  8. Драпкина О. М., Самородская И. В., Сивцева М. Г. и др. Методические аспекты оценки заболеваемости, распространенности, летальности и смертности при COVID-19 // Кардиоваскулярная терапия и профилактика. 2020. Т. 19, № 3. Р. 302.
  9. Есауленко И. Э., Клименко Г. Я., Чумичев Е. А. Разработка интегрального показателя заболеваемости инфекциями, передаваемыми половым путем (ИППП) на модели Липецкой области // Системный анализ и управление в биомедицинских системах: журнал практической и теоретической биологии и медицины. 2009. Т. 8, № 3. С. 730-731.
  10. Сибурина Т. А., Князев А. А., Лохтина Л. К., Мирошникова Ю. В. Базовая методология и практика рейтинговых оценок в здравоохранении // Социальные аспекты здоровья населения. 2012. Т. 27, № 5. Р. 1-26.

Statistics

Views

Abstract - 34

Cited-By


PlumX

Dimensions


Copyright (c) 2021 АО "Шико"

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Mailing Address

Address: 105064, Vorontsovo Pole, 12, Moscow

Email: ttcheglova@gmail.com

Phone: +7 (495) 916-29-60

Principal Contact

Tatyana Sheglova
Head of the editorial office
National research Institute of public health named after N. A. Semashko

105064, Vorontsovo Pole st., 12, Moscow


Phone: +7 (495) 916-29-60
Email: redactor@journal-nriph.ru

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies