Что общего в динамике коронавирусной пандемии в странах «большой экономики»?

Проанализирована динамика инфицированных и умерших от пандемии коронавируса за 148 недель в странах «большой экономики» (24 страны). По мнению авторов, страна «большой экономики» – это страна, производившая хотя бы один год за период с 1980 г. по 2019 г. не менее 1% общемирового ВВП. Несмотря на то, что организация системы здравоохранения в этих странах различна, только общие требования ВОЗ дали возможность получать сведения о распространении пандемии в сопоставимых форматах. Переход от ежедневных данных об инфицированных и умерших к еженедельной информации по этим показателям (в расчете на 1 млн человек населения страны) позволил, во-первых, исключить малозначимые ежедневные флуктуации этих показателей и, во-вторых, получить информацию в сопоставимых величинах для стран с сильно различаемой численностью населения.

Показано, что часто используемое сравнение стран по таким интегральным показателям, как число инфицированных и умерших в какой-то определенный момент времени, является не очень информативным. Это связано с тем, что со временем ситуации для многих стран изменяются очень существенно. Тем не менее именно введение в аналитических целях таких характеристик, как пики еженедельного приращения числа инфицированных и еженедельного приращения числа умерших, позволило выявить четыре особенности. Во-первых, число этих пиков оказывается для всех стран небольшим: от 5 до 9 за 148 недель. Во-вторых, эти пики покрывают примерно от 70 до 90 процентов итоговых показателей интегрального числа инфицированных и умерших в данной стране. В-третьих, большинство пиков инфицированных сопровождаются пиками умерших с некоторым запаздыванием: от нуля до шести недель, но в большинстве случаев на две недели, что вполне согласуется с наблюдениями врачей. В-четвертых, пики инфицированных во всех 24 странах проявляют статистическое свойство квазисинхронности (так названо свойство максимумов этих пиков попадать в заранее заданные интервалы недель с вероятностями, которые являются одинаковыми для всех стран). Этот факт доказывается с помощью математического критерия однородности χ2.

1. Куркин А.А., Куркина О.Е., Пелиновский Е.Н. Логистические модели распространения эпидемий // Труды НГТУ им. Р.Е. Алексеева. 2020. Т. 2. № 129. C. 9–18.

2. Кокоулина М.В. и др. Анализ динамики распространения коронавируса с помощью обобщенной логистической модели // Труды НГТУ им. Р.Е. Алексеева. 2020. Т. 3. № 130. С. 28–41.

3. Pelinovsky E. et al. Logistic equation and COVID-19 // Chaos, Solitonsand Fractals. 2020. Vol. 140. No. 1. Article. 110241.

4. Pelinovsky E. et al. Gompertz model in COVID-19 spreading simulation // Chaos, Solitons and Fractals. 2022. Vol. 154. No. 1. Article. 111699.

5. Данилова И.А. Заболеваемость и смертность от COVID-19. Проблема сопоставимости данных // Демографическое обозрение. 2020. Т. 7. № 1. С. 6–26. doi: https://doi.org/10.17323/demreview.v7i1.10818.

6. Колосницына М.Г., Чубаров М.Ю. Распространение COVID-19 в российских регионах в 2020 году: факторы избыточной смертности // Население и экономика. 2022. Т. 6. № 4. С. 1–20. doi: https://doi.org/10.3897/popecon.6.e87739.

7. Четвериков В.М. Связь между балансом счета текущих операций и темпами роста для стран большой экономики // Вопросы статистики. 2018. Т. 25. № 5. С. 62–69.

8. Четвериков В.М. Особенности и интенсивность распространения COVID-19 в странах большой экономики // Вопросы статистики. 2020. Т. 27. № 6. С. 86–104.

9. Четвериков В.М., Пугачева О.В., Воронцова Т.Д. Проблемы формирования достоверной «ковидной» статистики: отечественный и зарубежный опыт // Вопросы статистики. 2021. Т. 28. № 4. С.45–66.

10. Rothan H., Siddappa N. The Epidemiology and Pathogenesis of Coronavirus Disease (COVID-19) Outbreak // Journal of Autoimmunity. 2020. Vol. 109. Article. 102433. doi: https://doi.org/10.1016/j.jaut.2020.102433. URL: https://www.researchgate.net/publication/339515532_The_epidemiology_and_pathogenesis_of_coronavirus_disease_COVID-19_outbreak.

11. Husain I., Bauddha Sh. The Outbreak, Epide mic and Pandemic of Coronavirus Disease (COVID-19) // International Journal of Advanced Research. 2021. Vol. 8. Iss. 8. P. 80–88. doi: http://dx.doi.org/10.22192/ijarbs.2021.08.08.009. URL: https://www.researchgate.net/publication/354199825.

12. Li Q. et al. Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus–Infected Pneumonia // The New England Journal of Medicine. 2020. Vol. 382. No. 13. P. 1199–1207. doi: https://doi.org/10.1056/NEJMoa2001316.

13. Ивченко Г.И., Медведев Ю.И. Математическая статистика: Учебник. М.: Книжный дом «ЛИБРОКОМ», 2014. 352 с.

14. Bandoy D.J.D.R., Weimer B.C. Analysis of SARSCoV-2 Genomic Epidemiology Reveals Disease Transmission Coupled to Variant Emergence and Allelic Variation // Scientific Reports. 2021. Vol. 11. No. 1. Article. 7380.

15. Чижевский А.Л. Земное эхо солнечных бурь. Изд. 2-е. М.: «Мысль», 1976. 367 с.

16. Чижевский А.Л. Электрические и магнитные свойства эритроцитов. Киев: Наукова Думка, 1973. 94 с.