Modelling excess mortality during the pandemic period among federal districts of the Russian Federation

Cover Page

Cite item

Full Text

Abstract

The pandemic has affected all spheres of life in all regions of the Russian Federation and has had an impact on the temporary increase in mortality in Russia. The calculations show that the pandemic occurred in two waves, each consisting of three parts, with peaks of high excess mortality. The purpose of this article is to use mathematical models to calculate excess mortality by federal districts, taking into account data from the latest all-Russian population census, and to analyze the impact of COVID-19 on excess mortality in Russia. When calculating excess mortality, the first method took into account mortality in the previous period (2019), the second method is based on calculating the downward trend in mortality in 2019 compared to 2018, the third combined statistical method SARIMAX takes into account mortality trends since 2015. The result of the modeling is a quantitative assessment of excess mortality in Russia during the pandemic period. The pandemic can explain 57% of excess deaths in 2020-2021. A mortality forecast for 2023 has been compiled in the context of federal districts. The results can be taken into account when developing forecasts for the socio-economic development of Russia for the long term in terms of health protection of the population.

About the authors

Irina Vladimirovna Makhankova

Institute of Economics of Karelian Research Centre of RAS

Email: makhankova@petrsu.ru
Petrozavodsk

Pavel Vasil'evich Druzhinin

Institute of Economics of Karelian Research Centre of RAS

Email: pdruzhinin@mail.ru
Petrozavodsk

References

  1. БЛОХ А.И., ПАСЕЧНИК О.А., КРАВЧЕНКО Е.И. и др. Подходы к оценке избыточной смертности населения в регионах РФ в период пандемии COVID-19 // Медицин-ский альманах. – 2022. – №1(70). – С. 57–65.
  2. ГОРОШКО Н.В., ПАЦАЛА С.В., Избыточная смерт-ность в период пандемии COVID-19: регионы России на фоне страны // Социально-трудовые исследования. – 2022. – №46(1). – С. 103–116.
  3. ДРУЖИНИН П.В., МОРОШКИНА М.В., СЕДОВА К.Е. Развитие агломераций и рост экономики регионов // Конкурентоспособность в глобальном мире: экономика, наука, технологии. – 2023. – №6. – С. 95–99.
  4. КАШЕПОВ А.В. Избыточная смертность населения во время пандемии COVID-19 в регионах России // Вестник Алтайской академии экономики и права. – 2022. – №9-3. – С. 352–360.
  5. КРИГЕР Е.А., ПОСТОЕВ В.А., ГРЖИБОВСКИЙ А.М. Статистические подходы к оценке избыточной смерт-ности: обзор предметного поля на примере пандемии COVID-19 // Экология человека. – 2023. – Т. 30, №7. – С. 483–498.
  6. КРЮКОВ В.А., СЕЛИВЕРСТОВ В.Е. Пандемия корона-вируса: Сибирское измерение // Научные труды Вольно-го экономического общества России. – 2022. – Т. 234, №2. – С. 32–53.
  7. ЛИФШИЦ М.Л. Дополнительная смертность в период пандемии COVID-19 в России и других странах // Human Progress. – 2022. – Т. 8, №2. – С. 8.
  8. ПАСТУХОВА Е.Я., МОРОЗОВА Е.А. Избыточная смертность в сибирских регионах в условиях пандемии COVID-19: динамика и факторы влияния // Регионоло-гия. – 2022. – Т. 30, №3. – С. 602–623.
  9. СМИРНОВ А.Ю. Избыточная смертность в сибирских регионах в условиях пандемии COVID-19: динамика и факторы влияния // Народонаселение. – 2021. – Т. 24, № . – С. 76–86.
  10. CARTER L.R., LEE R.D. Modeling and forecasting US sex differentials in mortality // Int. Journal of Forecasting. –1992. – Vol. 8, Iss. 3. – P. 393–411.
  11. https://rosstat.gov.ru/folder/12781 (дата обращения 23.01.2025).
  12. https://rosstat.gov.ru/storage/mediabank/EDN_12-2023.html (дата обращения 23.01.2025).
  13. https://www.who.int/publications/m/item/methods-for-estimating-the-excess-mortality-associatedwith-the-covid-19-pandemic (дата обращения 23.01.2025).
  14. KARLINSKY A., KOBAK D. Tracking excess mortality across countries during the covid-19 pandemic with the world mortality dataset // eLife. – 2021. – Vol. 10. – P. e69336.
  15. KNUTSON V., ALESHIN-GUENDEL S., KARLINSKY A. et al. Estimating global and country-specific excess mortality during the Covid-19 pandemic // Annals of Applied Statis-tics. – 2023. – Vol. 17, No. 2.
  16. LI N., LEE R. Coherent mortality forecasts for a group of populations: an extension of the Lee-Carter method // De-mography, – 2005. – Vol. 42(3). – P. 575–94.
  17. MSEMBURI W., KARLINSKY A., KNUTSON V. et al. The WHO estimates of excess mortality associated with the COVID-19 pandemic // Nature. – 2023. – Jan; 613(7942). – P. 130–137.
  18. SAMSUDIN N.S., MOHD NOR S.R. Multi-Population O’Hare with ARIMA, ARIMA-GARCH and ANN in Forecast-ing Mortality Rate // Matematika. – 2023 – Vol. 39(3). – P. 213–226.

Supplementary files

Supplementary Files
Action
1. JATS XML

Statistics

Views

Abstract: 48

PDF (Russian): 4



Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».