zdmeЗдоровье мегаполисаCity Healthcare2713-2617ГБУ «НИИОЗММ ДЗМ»10.47619/2713-2617.zm.2022.v.3i3;30-38zdme-39Research ArticleОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯORIGINAL RESEARCHESМоделирование количества случаев заболевания COVID-19 в Санкт-Петербурге в период 2020–2022 гг.Modeling the number of COVID-19 cases in St. Petersburg in the period 2020–2022https://orcid.org/0000-0002-7546-661XГерасименкоП. В.GerasimenkoP. V.

Герасименко Петр Васильевич – д. т. н., профессор, профессор кафедры «Экономика и менеджмент в строительстве»

190031, г. Санкт-Петербург, Московский пр., д. 9

Petr V. Gerasimenko – Dr.Sci. (Technical Sciences), Full Professor, Professor of the Economics and Management in Construction Department

190031, 9 Moskovsky pr., St. Petersburg

pv39@mail.ruФГБОУ ВО «Петербургский государственный университет путей сообщения Императора Александра I»Federal State Budget Educational Institution for Higher Education «Emperor Alexander I St. Petersburg State Transport University»202223102022333038Copyright © Герасименко П.В., 20222022Герасименко П.В.Gerasimenko P.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.city-healthcare.com/jour/article/view/39

Введение. Выполнено построение математических моделей изменения суммарного и суточного количеств случаев заболеваний коронавирусом населения Санкт-Петербурга в различные отрезки и период с 2020 по 2022 г.Цель. Актуальность исследования продиктована ситуацией распространения коронавируса в городе и необходимостью разработки методического аппарата по краткосрочному оперативному оцениванию изменения и прогнозирования ключевых показателей. Решение задачи проводилось на основе рассмотрения складывающейся ситуации протекания коронавируса в Санкт-Петербурге, для чего с помощью моделирования выполнено развитие его по суммарному (интегральному) и суточному (дифференциальному) числу заболевания жителей региона.Методы. Для исследования характера развития пандемии проведено математическое моделирование динамики ключевых показателей распространения эпидемии коронавируса и показана возможность проводить оценку кратковременного прогноза. Моделирование проведено с помощью временных рядов и регрессионного анализа. Построение моделей проведено на основе статистических данных, которые формируются путем мониторинга координационными советами по борьбе с распространением COVID-19 в регионах и в стране.Результаты. Предложен подход и математический аппарат моделирования и прогнозирования динамики региональных ключевых показателей распространения пандемии в регионах России.Практическая значимость. Предлагаемое решение задачи даст возможность администрации и органам здравоохранения получать краткосрочную информацию для оценивания и корректирования своей работы по созданию оптимальных экономических и социальных условий жизни жителей регионов России.

Intoduction. The construction of mathematical models of changes in the total and daily amounts of the coronavirus of the population of St. Petersburg in various segments and the period from 2020 to 2022. The need for research is dictated by the presence of a dysfunctional situation in the city, as well as the need to develop a methodological apparatus for short-term operational assessment of changes and forecasting of key indicators of the spread of coronavirus.Purpose. To assess the change in the total and daily indicators of coronavirus disease in the population of St. Petersburg in the periods May-August 2020 and 2021 and to carry out a short-term forecast.Methods. The solution of the problem was carried out by modeling and performing short-term prediction of the folding situation of coronavirus in St. Petersburg by the total (integral) and daily (differential) number of diseases in the region. Modelling is based on statistics that are generated through monitoring by coordinating councils to combat the spread of COVID-19 in regions and in the country.Results. An approach and mathematical apparatus for modeling and forecasting the dynamics of regional key indicators of the spread of the pandemic in the regions of Russia are proposed.Practical relevance. The proposed solution to the problem will enable the administration and health authorities to receive scientific information for evaluating and adjusting their work to create normal economic and social living conditions for residents of Russian regions.

пандемияCOVID-19моделькоронавируспрогнозматематическое моделированиерегиональные центрыpandemicCOVID-19modelcoronavirusforecastmathematical modelingregional centersReferencesПроект доступа к актуальным и достоверным данным из официальных источников о распространении коронавируса COVID-19 в России и Мире. «Коронавирус в Санкт-Петербурге сегодня» https://coronavirus-control.ru/coronavirussaint-petersburg (дата обращения: 25.08.2022).Project of access to up-to-date and reliable data from official sources on the spread of the coronavirus COVID-19 in Russia and the World. "Coronavirus in St. Petersburg today" https://coronavirus-control.ru/coronavirus-saint-petersburg (Accessed 08/25/2022).Российская газета. «Мурашко перечислил регионы с самой сложной обстановкой из-за COVID-19». Электронная статья от 5 августа 2021 г. https://news.mail.ru/society/47409073/? (дата обращения: 05.08.2021).Russian newspaper. “Murashko listed the regions with the most difficult situation due to COVID-19.” Electronic article dated August 5, 2021 https://news.mail.ru/society/47409073/ (date of access: 08/05/2021).АиФ Санкт-Петербург. «Три дня подряд в Петербурге увеличивается число госпитализированных с COVID». Электронная новость https://news.mail.ru/society/47415497/ (дата обращения: 05.08.2021).AiF St. Petersburg. “Three days in a row in St. Petersburg the number of hospitalized with COVID is increasing.” Email news https://news.mail.ru/society/47415497/ (date of access: 08/05/2021).Матвеев А. В. Математическое моделирование оценки эффективности мер против распространения эпидемии COVID-19 // Национальная безопасность и стратегическое планирование. – 2020. – № 1 (29). – С. 23–39.Matveev A.V. Mathematical modeling of evaluating the effectiveness of measures against the spread of the COVID-19 epidemic // National Security and Strategic Planning. – 2020. – No. 1 (29). – P. 23–39.Linka K., Peirlinck M., Kuhl E. The reproduction number of COVID-19 and its correlation with public health interventions // Computation Mathematics. – 2020. – Vol. 7. – P. 1035–1050. DOI: 10.1101/2020.05.01.20088047Linka K., Peirlinck M., Kuhl E. The reproduction number of COVID-19 and its correlation with public health interventions // Computation Mathematics. – 2020. – Vol. 7. – P. 1035–1050. DOI: 10.1101/2020.05.01.20088047Assessing the impact of non-pharmaceutical interventions (NPI) on the dynamics of COVID-19: A mathematical modelling study in the case of Ethiopia / B.A. Ejigu, M.D. Asfaw, L. Cavalerie, T. Abebaw, M. Nanyingi, M. Baylis // medRxiv. – 2020. – P. 30. DOI: 10.1101/2020.11.16.20231746Assessing the impact of non-pharmaceutical interventions (NPI) on the dynamics of COVID-19: A mathematical modeling study in the case of Ethiopia / B. A. Ejigu, M.D. Asfaw, L. Cavalerie, T. Abebaw, M. Nanyingi, M. Baylis // medRxiv. – 2020. – P. 30. DOI: 10.1101/2020.11.16.20231746Spatio-temporal propagation of COVID-19 pandemics / B. Gross, Z. Zheng, S. Liu, X. Chen, A. Sela, J. Li, D. Li, S. Havlin // medRxiv. – 2020. – Vol. 9. – P. 6. DOI: 10.1101/2020.03.23.20041517Spatio-temporal propagation of COVID-19 pandemics / B. Gross, Z. Zheng, S. Liu, X. Chen, A. Sela, J. Li, D. Li, S. Havlin // medRxiv. – 2020. – Vol. 9. – P. 6. DOI: 10.1101/2020.03.23.20041517Yesilkanat C.M. Spatio-temporal estimation of the daily cases of COVID-19 in worldwide using random forest machine learning algorithm // Chaos, Solitons and Fractals. – 2020. – Vol. 140. – P. 110210. DOI: 10.1016/j.chaos.2020.110210Yesilkanat C. M. Spatio-temporal estimation of the daily cases of COVID-19 in worldwide using random forest machine learning algorithm // Chaos, Solitons and Fractals. – 2020. – Vol. 140. – P. 110210. DOI: 10.1016/j.chaos.2020.110210Population flow drives spatio-temporal distribution of COVID-19 in China / J.S. Jia, X. Lu, Y. Yuan, G. Xu, J. Jia, N.A. Christakis // Nature. – 2020. – Vol. 582. – P. 389–394.Population flow drives spatio-temporal distribution of COVID-19 in China / J.S. Jia, X. Lu, Y. Yuan, G. Xu, J. Jia, N.A. Christakis // Nature. – 2020. – Vol. 582. – P. 389–394.Пространственно-временное моделирование эпидемии COVID-19 / В. Л. Соколовский, Г. Б. Фурман, Д. А. Полянская, Е. Г. Фурман // Анализ риска здоровью. – 2021. – № 1. – С. 23–37. DOI: 10.21668/health.risk/2021.1.03Spatio-temporal modeling of the COVID-19 epidemic / V.L. Sokolovsky, G. B. Furman, D. A. Polyanskaya, E.G. Furman // Health risk analysis. – 2021. – No. 1. – P. 23–37. DOI: 10.21668/health.risk/2021.1.03Герасименко П. В. Моделирование и прогнозирование показателей динамики заболевания жителей регионов коронавирусом COVID-19 / П. В. Герасименко // Транспортные системы и технологии. – 2020. – Т. 6. – № 4. – С. 88–97. doi: 10.17816/transsyst20206488-97Gerasimenko P.V. Modeling and forecasting indicators of the dynamics of the disease of residents of the regions with coronavirus COVID-19 / P. V. Gerasimenko // Transport systems and technologies. – 2020. – V. 6. – No. 4. – P. 88–97. doi:10.17816/transsyst20206488-97Вертешев С. М., Герасименко П. В., Лехин С. Н. Роль математики и информатики в подготовке инженеров для инновационной деятельности // Перспективы развития высшей школы: материалы Х Международной научнометодической конференции. – Гродно: ГГАУ, 2017 г. – С. 223–226.Verteshev S. M., Gerasimenko P. V., Lekhin S. N. The role of mathematics and informatics in the training of engineers for innovation // Prospects for the development of higher education: materials of the X International scientific and methodological conference. – Grodno: GSAU, 2017 - S. 223-226.Герасименко П. В., Ходаковский В. А. Введение в эконометрику. Учебное пособие. – Санкт-Петербург: ПГУПС, 2005. – 60 с. .Gerasimenko P. V., Khodakovsky V. A. Introduction to econometrics. Tutorial. – St. Petersburg: PGUPS, 2005. – P. 60.Статистика распространения коронавируса (COVID-19). Онлайн-сервис https://coronavirustracking.ru/ (дата обращения: 20.08.2022)Coronavirus (COVID-19) spread statistics. Online service https://coronavirus-tracking.ru/. (date of access: 20.08.2022)

The authors declare that there are no conflicts of interest present.