zdmeЗдоровье мегаполисаCity Healthcare2713-2617ГБУ «НИИОЗММ ДЗМ»10.47619/2713-2617.zm.2023.v.4i1;83-89zdme-99Research ArticleОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯORIGINAL RESEARCHESМоделирование динамики ключевых интегральных показателей распространения COVID-19 в Санкт-ПетербургеModeling the dynamics of key integrated indicators for the COVID-19 spread in St. Petersburghttps://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. in Technical Sciences, Professor, Professor of the Economics and Management in Construction Academic Department

9, Moskovsky pr., 190031, St. Petersburg

pv39@mail.ruФГБОУ ВО «Петербургский государственный университет путей сообщения Императора Александра I»Emperor Alexander I St. Petersburg State Transport University202325032023418389Copyright © Герасименко П.В., 20232023Герасименко 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/99

Проведено моделирование динамики интегральных ключевых показателей распространения эпидемии коронавируса COVID-19 в Санкт-Петербурге. Примененный методический аппарат позволил на основании мониторинговых данных координационного совета по борьбе с распространением коронавируса в Санкт-Петербурге выполнить анализ динамики заражения, выздоровления и смерти в регионе. Результаты анализа моделирования позволили прийти к выводу о возможности оперативно проводить краткосрочный прогноз развития пандемии на основании полиномиальных функций регрессии интегральных показателей. Прогноз позволяет разрабатывать и более обоснованно формировать административно-санитарным учреждениям управленческие решения по созданию нормальных условий сохранения здоровья населения.

The author carried out the modeling of the dynamics of key integrated indicators for the COVID-19 outbreak in St. Petersburg, Russia. The dynamics of infection, recovery and mortality in the region was analyzed based on the monitoring data of the Coordination Council to control the incidence of the novel coronavirus infection in St. Petersburg. The analysis showed that it was possible to quickly make a shortterm forecast for the pandemic spread based on the polynomial regression of integral indicators. Through forecasting, administrative and sanitary institutions have the possibility to make suitable management decisions on the creation of normal conditions for maintaining the public health.

пандемияCOVID-19регрессионная модельключевые интегральные показателипрогнозpandemicCOVID-19regression modelkey integrated indicatorsforecastReferencesМатвеев 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/transsyst20206488-97Герасименко, П. В. Моделирование количества случаев заболевания коронавирусом COVID-19 в Санкт-Петербурге в период 2020–2022 гг. // Здоровье мегаполиса. – 2022. – Т. 3. – № 3. – С. 30–38. doi:10.47619/2713-2617.zm.2022.v.3i3;30–38Gerasimenko PV, Modeling the number of cases of COVID-19 coronavirus in St. Petersburg in the period 2020–2022. // City Healthсare. 2022; 3(3):30–38 doi:10.47619/2713-2617.zm.2022.v.3i3;30–38Вертешев 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 научно-методической 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. – СанктПетербург: 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.