Выявление факторов распространения COVID-19 в Европе на основе причинно-следственного анализа медицинских вмешательств и социально-экономических данных


Цитировать

Полный текст

Аннотация

С момента появления COVID-19 было получено огромное количество данных, помогающих понять, как развивался и распространялся вирус. Анализ таких данных помогает получить новые знания, необходимые для контроля за развитием эпидемии и предоставить лицам, принимающим решения, инструменты для принятия эффективных мер по сдерживанию эпидемии и минимизации социальных последствий. Анализу влияния медицинских методов лечения и социально-экономических факторов на передачу коронавируса было уделено много внимания. В этой работе мы применяем панельное авторегрессионное моделирование с распределённым запаздыванием (ARDL) к данным Европейского союза для выявления факторов распространения COVID-19 в Европе. Наш анализ показал, что немедикаментозные меры были успешными в снижении смертности, а строгость изоляции, политика тестирования на вирус и механизмы защиты пожилых людей оказывают положительное влияние на сдерживание эпидемии. Результаты панельных тестов попарной причинноследственной связи Думитреску-Херлина показывают, что для всех стран Евросоюза существует двунаправленная причинно-следственная связь между новыми смертями и факторами фармакологического вмешательства и что, с другой стороны, некоторые социально-экономические факторы вызывают новые смерти, когда обратное неверно.

Об авторах

К. А. Бру

Российский университет дружбы народов

Email: broureino@gmail.com
SPIN-код: 0000-0003-1996-577X
ул. Миклухо-Маклая, д. 6, Москва, 117198, Россия

Список литературы

  1. S. L. Priyadarsini and M. Suresh, “Factors influencing the epidemiological characteristics of pandemic COVID 19: a TISM approach,” International Journal of Healthcare Management, vol. 13, no. 2, pp. 89- 98, 2020. doi: 10.1080/20479700.2020.1755804.
  2. A. Farseev, Y.-Y. Chu-Farseeva, Q. Yang, and D. B. Loo, “Understanding economic and health factors impacting the spread of covid-19 disease,” medRxiv, 2020. doi: 10.1101/2020.04.10.20058222. eprint: https://www.medrxiv.org/content/early/2020/06/09/2020.04.10.20058222.full.pdf.
  3. K. Tantrakarnapa, B. Bhopdhornangkul, and K. Nakhaapakorn, “Influencing factors of COVID-19 spreading: a case study of Thailand,” Journal of Public Health, vol. 30, pp. 621-627, 2020. doi: 10.1007/s10389-02001329-5.
  4. W.-X. Tang, H. Li, M. Hai, and Y. Zhang, “Causal Analysis of Impact Factors of COVID-19 in China,” Procedia Computer Science, vol. 199, no. 10229, pp. 1483-1489, 2022. doi: 10.1016/j.procs.2022.01.189.
  5. R. Chaudhry, G. Dranitsaris, T. Mubashir, J. Bartoszko, and S. Riazi, “A country level analysis measuring the impact of government actions, country preparedness and socioeconomic factors on COVID-19 mortality and related health outcomes,” eClinical Medicine, vol. 25, p. 100464, 2020. doi: 10.1016/j.eclinm.2020.100464.
  6. A. Levin, C.-F. Lin, and C.-S. J. Chu, “Unit root tests in panel data: asymptotic and finite-sample properties.,” Journal of Econometrics, vol. 108 (1), pp. 1-24, 2002. doi: 10.1016/S0304-4076(01)00098-7.
  7. M. H. Pesaran, T. Schuermann, and S. M. Weiner, “Modeling regional interdependencies using a global error-correcting macroeconometric model,” Journal of Business & Economic Statistics, vol. 22, pp. 129-162, 2004. doi: 10.1198/073500104000000019.
  8. M. Pesaran, Y. Shin, and R. J. Smith, “Bound Testing Approaches to the Analysis of Level Relationship.,” Journal of Applied Econometrics. Special Issue: In Memory of John Denis Sargan 1924-1996: Studies in Empirical Macroeconometrics, vol. 16, no. 3, pp. 289-326, 2001. doi: 10.1002/JAE.616.
  9. M. P. Clements and D. F. Hendry, “Forecasting in cointegrated systems,” Applied Econometrics, vol. 10, pp. 127-146, 1995. doi: 10.1002/jae.3950100204.
  10. S. Johansen, “Statistical analysis of cointegration vectors,” Journal of Economic Dynamics and Control, vol. 12, no. 2-3, pp. 231-254, 1988. doi: 10.1016/0165-1889(88)90041-3.
  11. R. Engle and C. Granger, “ Cointegration and Error Correction: Representation, Estimation and Testing.,” Econometrica, vol. 55, no. 2, pp. 251-276, 1987. doi: 10.2307/1913236.
  12. E.-I. Dumitrescu and C. Hurlin, “Testing for Granger non-causality in heterogeneous panels,” Economic Modelling, vol. 29, pp. 1450-1460, 2012. doi: 10.1016/j.econmod.2012.02.014.

© Brou K.A., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах