Zróżnicowanie sytuacji epidemicznej związanej z COVID-19 w państwach Unii Europejskiej

• Autorzy: Anna Sączewska-Piotrowska
• Języki publikacji: PL

Abstrakty

Celem badania jest wielowymiarowa ocena sytuacji epidemicznej związanej z COVID-19 w państwach Unii Europejskiej (UE). W analizie uwzględniono cztery zmienne: współczynnik zapadalności, współczynnik śmiertelności, liczbę wykonywanych dziennie testów na COVID-19 oraz wskaźnik rygorów wprowadzonych przez rząd. Jak można więc zauważyć, zastosowano szerokie podejście do określenia sytuacji epidemicznej (jako "sytuacji związanej z epidemią" [www 6]), nie ograniczając się jedynie do wskaźników związanych ze śmiertelnością czy zapadalnością. Przeprowadzona analiza pozwoliła uporządkować i pogrupować państwa w zależności od sytuacji epidemicznej. Dzięki temu możliwe było określenie, jednocześnie za pomocą wielu zmiennych odnoszących się do pandemii COVID-19, czy państwa są zróżnicowane ze względu na sytuację epidemiczną, które z nich znajdują się w gorszej, a które w lepszej sytuacji. Analizę przeprowadzono w dwóch momentach - w trakcie pierwszej fali pandemii i jednocześnie największych ograniczeń wprowadzonych przez rządy poszczególnych państw (kwiecień 2020 r.) oraz u progu spodziewanej drugiej - jesiennej - fali pandemii (sierpień/wrzesień 2020 r.). (fragment tekstu)

Słowa kluczowe

PL

COVID-19; Analiza danych; Metody taksonomiczne; Wielowymiarowa analiza porównawcza

EN

COVID-19; Data analysis; Taxonomic methods; Multi-dimensional comparative analysis

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2021
• Tom: Internacjonalne relacje we współczesnym świecie
• Strony: 98--116

Twórcy

autor

Anna Sączewska-Piotrowska

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Atkeson A. (2020), What Will Be the Economic Impact of COVID-19 in the US? Rough Estimates of Disease Scenarios, National Bureau of Economic Research, Working Paper No. 26867.
• Benedetti R., Piersimonti F., Pignataro G., Vidoli F. (2020), The Identification of Spatially Constrained Homogeneous Clusters of COVID-19 Transmission, preprint submitted to "Journal of Urban Economics - Insights", https://arxiv.org/abs/2006.03360 (dostęp: 13.09.2020).
• Chandu V. (2020), Identification of Spatial Variations in COVID-19 Epidemiological Data Using k-means Clustering Algorithm: A Global Perspective, medRxiv 2020.06.03.20121194; doi: https://doi.org/10.1101/2020.06.03.20121194.
• Fernandes N. (2020), Economic Effects of Coronavirus Outbreak (COVID-19) on the World Economy, http://dx.doi.org/10.2139/ssrn.3557504 (dostęp: 18.09.2020).
• Hale T., Angrist N., Cameron-Blake E., Hallas L., Kira B., Majumdar S., Petherick A., Phillips T., Tatlow H., Webster S. (2020), Variation in Government Responses to COVID-19. Version 7.0, Blavatnik School of Government Working Paper, May 25, https://www.bsg.ox.ac.uk/sites/default/files/2020-09/BSG-WP-2020-032-v7.0.pdf (dostęp: 7.09.2020).
• Holzer J.Z. (2003), Demografia, Polskie Wydawnictwo Ekonomiczne, Warszawa.
• Kadanali A., Karagoz G. (2015), An Overview of Ebola Virus Disease, "Northern Clinics of Istanbul", Vol. 2(1), s. 81-86.
• Maugeri A., Barchitta M., Agodi A. (2020), A Clustering Approach to Classify Italian Regions and Provinces Based on Prevalence and Trend of SARS-CoV-2 Cases, "International Journal of Environmental Research and Public Health", Vol. 17, 5286, doi:10.3390/ijerph17155286.
• McKibbin W., Fernando R. (2020), The Economic Impact of COVID-19 [w:] R. Baldwin, B.W. di Mauro (eds.), Economics in the Time of COVID-19, Centre for Economic Policy Research, London, s. 45-51.
• Nicola M., Alsafi Z., Sohrabi C., Kerwan A., Al-Jabir A., Iosifidis C., Agha M., Agha R. (2020), The Socio-economics Implications of the Coronavirus Pandemic (COVID-19): A Review, "International Journal of Surgery", Vol. 78, s. 185-193.
• Odhiambo J., Weke P., Ngare P. (2020), Modeling Kenyan Economic Impact of Corona-virus in Kenya Using Discrete-time Markov Chains, "Journal of Finance and Economics", Vol. 8(2), s. 80-85.
• Petrosillo N., Vieconte G., Ergonul O., Ippolito G., Petersen E. (2020), COVID-19, SARS and MERS: Are They Closely Related? "Clinical Microbiology and Infection", Vol. 26(6), s. 729-734.
• Rosińska M. (2020), Podstawy epidemiologii chorób zakaźnych [w:] R. Flisiak (red.), Choroby zakaźne i pasożytnicze, Wydawnictwo Czelej Sp. z o.o., Lublin, s. 3-18.
• Shabir O. (2020), What Is Case Fatality Rate? https://www.news-medical.net/health/What-is-Case-Fatality-Rate-(CFR).aspx (dostęp: 20.08.2020).
• Sojka E., Przybylska-Mazur A., Sączewska-Piotrowska A., Wolny-Dominiak A. (2020), Elementy statystyki i ekonometrii w analizach szeregów przestrzennych, Wydawnictwo Uniwersytetu Ekonomicznego, Katowice.
• Sumner A., Hoy C., Ortiz-Juarez E. (2020), Estimates of the Impact of COVI-19 on Global Poverty, United Nations University World Institute for Development Economics Research, Working Paper 2020/43.
• Zieliński A. (2012), Wprowadzenie do epidemiologii chorób zakaźnych [w:] J. Cianciara, J. Juszczyk (red.), Choroby zakaźne i pasożytnicze, Wydawnictwo Czelej Sp. z o.o., Lublin, s. 13-19. [www 1] https://diag.pl/pacjent/koronawirus/rodzaje-testow-w-kierunku-covid-19/ (do-stęp: 6.09.2020).
• https://naukawpolsce.pap.pl/aktualnosci/news 83079 eksperci-w-diagnostyce-koronawirusa-sars-cov-2-dostepne-sa-trzy-rodzaje (dostęp: 6.09.2020).
• http://www.przeglepidemiol.pzh.gov.pl/slowniczek-terminow-epidemiologicznych (dostęp: 7.09.2020).
• https://ourworldindata.org/ (dostęp: 4.09.2020).
• https://ec.europa.eu/eurostat/documents/2995521/10545471/2-08092020-AP-EN.pdf/43764613-3547-2e40-7a24-d20c30a20f64 (dostęp: 8.09.2020).
• https://sjp.pwn.pl/poradnia/haslo/Epidemiczny-a-epidemiologiczny;20090.html (dostęp: 16.09.2021).