The objects of the study were the daily data on the population morbidity and mortality due to coronavirus disease 2019 (COVID-19) in Russian regions, as well as regional medical, demographic and environmental data recorded in recent years. COVID-19 is a contagious disease caused by the novel coronavirus (SARS-CoV-2). The mathematical methods consist of correlation and regression analysis, methods of testing statistical hypotheses. First, a multiple Variable Structure Regression should be specified. The intercept in the model differs from region to region, depending on the combination of values for dummy variables. The role of the dependent variable Y t was chosen as the cumulative mortality published by the operational headquarters for the regions that has been linked to day t, so that COVID-19 was considered the main cause of death. The complex of explanatory variables included two factorial variables that changed daily, and had a lag relative to t value. Also, this complex included a number of variables that did not change with the growth of t: the explanatory variable with the region’s availability with doctors of certain specialties; and four dummy variables. One of them coded the region’s belonging to the two southern Russian Federal Districts. Three other variables characterized the increased air pollution in settlements recorded in recent years, as well as the level of radiation pollution of the region’s territory and the population health estimated for 10 classes of diseases (for the circulatory system, endocrine system, etc.). The values of such dummy variables were obtained from open data from the Federal State Statistics Service (Rosstat) etc. The model parameters were estimated by the least squares method using the training table, which included 40 Russia’s regions, the t parameter for variable Y t was assessed starting from November, 1, 2021. As a result, a statistical model was built with an approximation error equal to 3%. For ¾ regions of the regions examined this error was 1.94 (±1.5)% for the value Y t that has been fixed on the 1st Nov. The plots show daily prediction for mortality rate due to COVID-19 in the first half of November for seven Russian regions compared with actual data. The model can be useful in development of medical and demographic policy in geographic regions, as well as generating adjusted compartment models that based on systems of differential equations (SEIRF, SIRD, etc.).
Объектами исследования были официальные данные по заболеваемости и смертности от COVID-19 в российских регионах, а также региональные медико-демографические и экологические данные за последние годы. Математическими методами работы являются корреляционный и регрессионный анализ, методы проверки статистических гипотез. Сначала специфицируется модель регрессии, имеющая переменную структуру; свободный член в ней отличается от региона к региону в зависимости от сочетания значений ряда фиктивных переменных (dummy). На роль зависимой переменной Y t выбиралась смертность, привязанная в сводной таблице оперативного штаба к суткам с отсчетом t, причем основной причиной смерти считалась COVID-19. Комплекс объясняющих переменных включал две факторные переменные, которые изменяются ежесуточно, причем с лагами относительно t. Также в этот комплекс входил еще ряд переменных, которые не изменялись во времени: показатель обеспеченности региона врачами ряда специальностей и четыре dummy-переменные. Одна из них кодировала южную принадлежность региона: ЮФО или СКФО. Три прочие характеризовали повышенное загрязнение атмосферного воздуха в населенных пунктах за последние годы, а также радиационное загрязнение территории и здоровье жителей регионов по 10 классам болезней (для системы кровообращения, эндокринной системы и проч.). Значения этих dummy-переменных были получены по открытым данным Росстата и др. Параметры модели оценивались методом наименьших квадратов по обучающей таблице, которая включала 40 регионов, где отсчет t переменной Y t входил за дату 1.xi.2021. В итоге построена статистическая модель с ошибкой аппроксимации 3%; для ¾ регионов из этой таблицы она оказалась 1,94 (±1,5)%. Приводятся графики с ежесуточными прогнозами смертности от COVID-19 в первой половине ноября 2021 г. для семи регионов в сравнении с фактическими значениями. Модель может быть полезной при разработке медико-демографической политики в регионах, а также при построении уточненных моделей секторного типа, состоящих из систем дифференциальных уравнений (SEIRF, SIRD и др.).