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

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.

Identification of COVID-19 spread factors in Europebased on causal analysis of medical interventionsand socio-economic data

Since the appearance of COVID-19, a huge amount of data has beenobtained to help understand how the virus evolved and spread. The analysis ofsuch data can provide new insights which are needed to control the progress of theepidemic and provide decision-makers with the tools to take effective measures tocontain the epidemic and minimize the social consequences. Analysing the impactof medical treatments and socioeconomic factors on coronavirus transmission hasbeen given considerable attention. In this work, we apply panel autoregressivedistributed lag modelling (ARDL) to European Union data to identify COVID-19transmission factors in Europe. Our analysis showed that non-medicinal measureswere successful in reducing mortality, while strict isolation virus testing policiesand protection mechanisms for the elderly have had a positive effect in containingthe epidemic. Results of Dumitrescu–Hurlin paired-cause tests show that a bi-directional causal relationship exists for all EU countries causal relationship betweennew deaths and pharmacological interventions factors and that, on the other hand,some socioeconomic factors cause new deaths when the reverse is not true.