Везде
Forecast of anaemia prevalence in the regions of Russia using the agent-based model
Table of contents
Annotation Estimate Publication content
References Comments
Share
QR
Metrics
Forecast of anaemia prevalence in the regions of Russia using the agent-based model
Annotation
PII
S042473880018351-5-1
DOI
10.31857/S042473880018351-5
Publication type
Article
Status
Published
Authors
Aleksandra Mashkova 
Occupation: Associate Professor of the Department of Information Systems
Affiliation:
Orel State University named after I. S. Turgenev
Central Economics and Mathematics Institute, Russian Academy of Sciences
Address: Russian Federation
Natisha Dukhi
Occupation: Senior Research Specialist
Affiliation: Human Sciences Research Council, South African Republic
Address: South Africa, Cape Town
Rishemjit Kaur
Occupation: Principal Scientist
Affiliation:
Central Scientific Instruments Organization
Academy of Scientific and Innovative Research
Address: India, Chandigarh
Ivan Nevolin
ORCID: 0000-0002-8462-9011
Occupation: Leading Researcher
Affiliation: Central Economics and Mathematics Institute, Russian Academy of Sciences
Address: Russian Federation, Moscow
Edition
Volume 58 Issue 2
Pages
64-79
Abstract

In the article development of the agent-based model of anemia prevalence in Russia is discussed. The structure of the model is presented, which includes agents-residents, food producers and sales agents. For each actor in the model, algorithms have been developed that determine their interactions. For food producers, their purchases, sales, production process and dynamics of investments in equipment are simulated. Simulation of sales agents includes the assortment formation and product prices, taking into account transport and trade margins. Households form their diet based on their income, composition, traditions and habits. The expected dynamics of anemia is modeled depending on the quality of the received food and the current stage of the disease. The article also discusses program realization and information support of the model, the user interface is presented. Three scenarios of the dynamics of the socio-economic environment of the model are formalized, taking into account epidemiological and external economic risks. A series of calculations was carried out to predict the dynamics of anemia prevalence under conditions of the developed scenarios. A program of subsidizing low-income families was proposed and its influence on availability of a balanced diet and anemia prevalence among Russian residents was studied.

Keywords
agent-based modeling, anemia, nutrition, recommended daily allowance
Acknowledgment
The reported study was funded by RFBR, Department of Science and Technology (India) and National Research Foundation (South Africa) according to the research project № 19-57-80003.
Received
25.01.2022
Date of publication
18.06.2022
Number of purchasers
11
Views
574
Readers community rating
0.0 (0 votes)
Cite   Download pdf
1

Введение
2 По данным Всемирной организации здравоохранения [1], во всем мире анемия является распространенным явлением, которое затрагивает как развитые, так и развивающиеся страны. Причины анемии варьируются в зависимости от географического положения, пола и возраста, при этом железодефицитная анемия, обусловленная низким качеством питания, остается основной глобальной причиной анемии [2]. Экспериментальные и эпидемиологические данные свидетельствуют о том, что, хотя нарушения могут возникать на ранних этапах жизни, они могут быть обратимыми благодаря вмешательствам системы здравоохранения, которые способствуют разнообразию рациона продуктами богатыми микро- и макроэлементами и витаминами, а также обогащению основных продуктов питания микроэлементами и биодобавками [3].
3 Особенно актуальной задача реализации сбалансированной продовольственной политики становится в условии роста цен на продукты питания и снижения доходов населения в период пандемии COVID-19, причем направлениями такой политики могут быть государственное регулирование цен, различного вида субсидии населению, инвестиционная поддержка и налоговые льготы для отечественных производителей, а также обновление стандартов здорового питания и информирование о них населения. Анализ всего многообразия параметров политики и ее возможных последствий является достаточно сложной задачей, для решения которой необходимо применять современные инструменты, в частности, информационные системы для предсказаний последствий политических решений [4].
4 Целью нашего исследования, реализуемого международным коллективом специалистов из России, Индии и Южно-Африканской республики является создание инструментария для прогнозирования распространенности анемии в странах БРИКС, основанного на методах агентного моделирования. Основываясь на взаимодействии различных индикаторов риска, на микроуровне, данный метод поможет в разработке подходящей стратегии вмешательства для сокращения анемии среди уязвимой части населения. Задачи исследования включают разработку структуры и алгоритмов агент-ориентированной модели, ее программную реализацию и информационное наполнение, а также проведение сценарных расчетов, учитывающих эпидемиологические и внешнеэкономические риски.
5

Обзор литературы
6 За последние сорок лет агент-ориентированное моделирование (АОМ) становится все более популярным подходом для изучения социальных систем. В то время, как использование в сфере здравоохранения находится в зачаточном состоянии, уже разработаны модели в таких разных областях, как эпидемиология, незаконный оборот лекарственных средств и физическая активность. В государственном здравоохранении моделирование на основе агентов исторически использовалось почти исключительно для моделирования передачи инфекционных заболеваний и борьбы с ними [5]. АОМ являются естественным подходом для моделирования передачи инфекционных заболеваний, потому что взаимодействия между индивидуумами и влияние окружающей среды часто приводят к популяционным моделям заболеваемости.
7 Что касается вопросов политики, можно отметить модели, которые исследуют распространение информации и эффективность профилактических мер [6] или систем питания [7]. В [6] описана АОМ, в которой агенты (люди) реагировали на коммуникационные сообщения в соответствии с их собственным отношением, другими соответствующими параметрами. Связь между агентами осуществляется в виде набора «сообщений». Каждое сообщение состоит из заранее определенных вариантов выбора в течение промежутка времени (например, каждые 10 дней), нацеленностью на аудиторию (медиа-канал и группа населения) и контентом. Агенты отвечают на полученные сообщения в соответствии с содержанием сообщения, которое может принимать следующие значения: описание преимуществ; предоставление информации об эпидемическом статусе, акцентирование норм. Таким образом, сообщение влияет на принятие решения и выбор поведения, изменяя факторы принятия решения. Анализируя поведение потребителя и конкуренцию за его внимание, можно также использовать АОМ. В случае с питанием поведение может заключаться в выборе между здоровой и нездоровой пищей, а также предпочтением продукции определенного производителя. Так, в [8] представлена агент-ориентированная модель поведения потребителей на конкурентном рынке. Модель включает виртуальное население, которое производит решения о покупке, выбирая между несколькими брендами.
8 В [7] авторы исследуют, может ли гипотетическая кампания в средствах массовой информации и просвещении по вопросам питания привести к увеличению потребления фруктов и овощей в Нью-Йорке. Предыдущие исследования показали, что такие факторы, как социальный статус, благосостояние, местные пищевые привычки и социальные факторы (например, социальные нормы), напрямую связаны с потреблением фруктов и овощей [9, 10]. Традиционные статистические модели имеют ограниченную способность прогнозировать пищевое поведение, потому что они не в полной мере отражают сложные взаимодействия между людьми и распространяются только на эффекты, вызванные этими взаимодействиями. Для решения комплексных проблем в исследованиях используют агент-ориентированную модель, которая учитывает индивидуальные факторы (например, возраст, пол, образование, пищевая среда) и их соседство с другими агентами, их взаимодействие для прогнозирования пищевых пристрастий на замкнутой территории.
9 Отличием разработанной модели от известных аналогов является, во-первых, ее специализация на оценке распространения хронического заболевания (анемии), во-вторых, учет при этой оценке различных аспектов производства, торговли и потребления продуктов питания и влияния пищевых привычек на развитие анемии, в-третьих, интеграция агентов в развитую социально-экономическую среду модели, включающую занятость, доходы, бюджетную систему, что позволяет учитывать большое количество факторов при построении прогноза и моделировать последствия различных политических решений в части продовольственной политики.
10

Методы исследования
11

Структура модели
12 В основе агент-ориентированной модели динамики распространения анемии лежит искусственное общество, отражающее поло-возрастной состав и состояние здоровья населения в регионах России. В модели отражаются основные демографические процессы: взросление, рождение и смерть агентов, а также браки и разводы, влияющие на состав домохозяйств, как показано в [11]. Экономическая среда модели включает организации различных отраслей экономики, занятость в которых обеспечивает доходы населения (рисунок 1). Организации отраслей сельского хозяйства, рыбоводства и пищевой промышленности, с одной стороны, являются частью экономической среды, с другой – как действующие субъекты модели, непосредственно участвующие в обеспечении населения продуктами питания. Аналогично среди организаций отрасли торговли выделяются организации, осуществляющие торговлю продуктами питания.
13

Рисунок 1 – Структура агент-ориентированной модели динамики распространения анемии
14 Агенты-жители формируют спрос на продукты питания в зависимости от своих доходов и пищевых привычек. Выбранный рацион питания, в свою очередь, влияет на здоровье населения, в частности, на заболеваемость анемией.
15 Государство в модели является активным участником социально-экономических процессов, действуя через каналы инвестиционной и налоговой системы, системы социального обеспечения, а также регулируя деятельность хозяйствующих субъектов нормативно-правовыми актами. Альтернативные варианты политических решений формируют наборы управляющих воздействий, которые подаются на вход модели динамики распространения анемии. Оценка их эффекта на здоровье населения производится с учетом исходного состояния объектов, а также потенциально возможных сценариев внешней среды, которые могут учитывать эпидемиологические риски, международную торговлю и курсы валют.
16 Далее будут рассмотрены алгоритмы базовых процессов в агент-ориентированной модели динамики распространения анемии.
17

Производство продуктов питания
18 Производители продуктов питания в модели (А) характеризуются пятью компонентами:
19 A = <P, Z, S, I, M> (1)
20 где P – производство, Z – закупки, S – продажи, I – инвестиции, M – маркетинг.
21 Производство Р задается через объем выпуска V, ассортимент выпуска РАj и производственную задержку РТj для каждого вида продукции j:
22 Р = .(2)
23 Ассортимент выпуска и производственная задержка определяется отраслью, которой принадлежит организация-производитель. Производство продуктов питания в России согласно действующей классификации видов экономической деятельности ведется в рамках трех отраслей:
24 01 Растениеводство и животноводство, охота и предоставление соответствующих услуг в этих областях;
25 03 Рыболовство и рыбоводство;
26 10 Производство пищевых продуктов.
27 Наибольшей будет производственная задержка в растениеводстве (в особенности при выращивании в открытом грунте), наименьшей – в производстве пищевых продуктов.
28 Закупки Z включают ассортимент закупок ZА и долю импорта в закупках для каждого вида сырья i:
29 Z = .(3)
30 Ассортимент закупок определяется степенью обработки продукции в отрасли: в промышленном производстве продуктов питания производится закупка всего исходного сырья, в сельском хозяйстве и рыбоводстве – лишь вспомогательных веществ (удобрений и кормов).
31 Продажи S характеризуются оптовой ценой SPj и долей экспорта SЕj для каждого вида продукции j:
32 S = < ⋃j=1mSPj , ⋃j=1mSEj >.(4)
33 Инвестиции I определяются прибылью PR, собственными инвестициями OI и государственными субсидиями SI:
34 I = <PR, OI, SI > (5)
35 Маркетинг М включает целевые группы покупателей В и теги Т, задающие позиционирование продукта на рынке:
36 М = (6)
37 Основными категориями покупателей являются иностранные организации, отечественные организации-производители и торговые агенты, выступающие посредниками при продаже конечной продукции домохозяйствам.
38 Маркетинговая политика организации в модели задается с помощью связанных с ним тегов: «здоровое питание», «лучшая цена», «быстрое питание», «натуральный продукт», «элитный продукт». Теги соотносятся с целевыми шаблонами потребления домохозяйств, определяя позиционирование продукта на рынке. Так, со сбалансированным шаблоном связаны тэги «здоровое питание» и «натуральный продукт», с минимальным уровнем потребления – тег «лучшая цена».
39 Компоненты модели производителя реализуются в рамках производственно-финансового цикла организации, который представляет собой итеративное повторение закупок сырья и материалов, производства и продажи готовой продукции, а также инвестирования в расширение производственных мощностей. Рассмотрим подробнее каждый шаг.
40 Закупка сырья и материалов (рисунок 2) осуществляется сначала у иностранных поставщиков в соответствие с долями импорта ZАi в каждом виде сырья i. Запасы сырья у иностранных поставщиков считаем неограниченными. Для отечественных поставщиков рассчитывается необходимый объем закупки каждом виде сырья i и формируется заявка, которую рассматривает поставщик и выполняет, если имеет достаточно продукции на складе. В ином случае подбирается следующий поставщик, и процесс повторяется. При совершении закупки увеличивается запас сырья на складе и списывается сумма поставки с расчетного счета организации.
41

Рисунок 2 – Схема закупки сырья и материалов
42 Производство продукции включает списание сырья со склада, моделирование производственной задержки PTj и увеличение запасов продукции на складе через соответствующий временной промежуток.
43 Продажа продукции (рисунок 3) осуществляется сначала иностранным покупателям в соответствии с долями экспорта SEj в каждом виде производимой продукции j . Далее обрабатываются заявки на приобретение продукции каждого вида отечественными организациями-производителями и торговыми агентами в порядке их поступления. Пока на складе имеется заказ продукции определенного вида, осуществляется продажа по оптовой цене SРj (уменьшается запас продукции на складе и зачисляется оплата на расчетный счет). Когда запас на складе заканчивается, все оставшиеся невыполненными заявки заносятся в список неудовлетворенных заказов для анализа динамики спроса на следующем шаге.
44

Рисунок 3 – Схема продажи продукции
45 Процесс инвестирования организации-производителя начинается с расчета прибыли:
46 PR=∑j=1mSj*SPj-(E+T+A) (7)
47 где Sj – сумма продаж организации по виду продукции j; SPj – оптовая цена организации на продукцию вида j; E – расходы организации (включая закупки сырья и оплату труда сотрудников); A – амортизация основных средств организации; T – уплаченные организацией налоги; PR – полученная чистая прибыль.
48 Далее определяется U – отношение неудовлетворенных заказов на различные виды продукции к общим продажам организации:
49 U=∑j=1mSNj*SPj∑j=1mSj*SPj (8)
50 где Sj – сумма продаж организации по виду продукции j; SPj – оптовая цена организации на продукцию вида j; SNj – объем неудовлетворенных заказов по виду продукции j.
51 Значение U>0 свидетельствует о том, что спрос на продукцию организации превышает ее выпуск, и ей необходимо инвестировать часть прибыли в расширение производственных мощности для увеличения объемов выпуска; в ином случае инвестирование организации ограничивается величиной амортизации для обновления списанного оборудования.
52 Расчет общего объема инвестиций I учитывает получение государственной субсидии SI, рассчитанную долю чистой прибыли PR и амортизацию A организации-производителя. После осуществления инвестирования объем выпуска организации пропорционально увеличивается:
53 V*=V*IOS (9)
54 где V* – увеличенный объем выпуска организации; V – текущий объем выпуска организации; I – общий объем произведенных инвестиций; OS – текущая стоимость основных средств организации.
55

Торговля продуктами питания
56 В каждом регионе модели создаются два агрегированных агента - торговых посредника: один в городской, а другой в сельской местности. Для каждого торгового агента формируется базовый ассортимент на основе данных мониторинга торговых точек во всех регионах РФ, проводимого в рамках Проекта.
57 На вход модели торгового посредника поступают заявки покупателей-домохозяйств, сформированные в рамках модели потребителя. На основе полученных заявок покупателей торговый агент формирует заявки на оптовые закупки у производителей. Выбор поставщика начинается с организаций в своем регионе, затем в соседних и так далее, пока не будет сформирован требуемый ассортимент или не будут рассмотрены все поставщики (рисунок 4). При выполнении заявки увеличивается запас продукции на складе торгового агента и производится оплата поставки с его расчетного счета.
58 Формирование розничной цены на продукт производится с учетом оптовой цены и торгово-транспортных наценок:
59 RPj=SPj+TEj+MEj (10)
60 где RPj – розничная цена продукта j; SPj – оптовая цена продукта j; TEj – транспортная наценка; MEj – торговая наценка.
61 Транспортная наценка TE складывается из ряда компонентов:
62 TE=TBE+LE+TCE (11)
63 где TBE – базовая транспортная наценка при закупке у поставщика в своем регионе; LE – дополнительная транспортная наценка при доставке из других регионов, пропорциональная расстоянию до них; TCE – дополнительная транспортная наценка при доставке в сельскую местность.
64 Торговая наценка ME складывается из ряда компонентов:
65 ME=MBE+MCE (12)
66 где MBE – базовая торговая наценка; MCE – дополнительная торговая наценка при продаже в сельской местности.
67 Таким образом, продукты питания в торговых точках в сельской местности в среднем стоят дороже за счет дополнительных транспортных издержек, связанных с доставкой в отдаленные деревни с городских складов, и дополнительных торговых наценок, обусловленных меньшим оборотом в сельских магазинах. Величина каждой наценки определяется на основе сравнения результатов мониторинга торговых точек в различных регионах РФ. Далее в модели осуществляется обработка заявок покупателей и продажа (при наличии на складе) входящих в них продуктов.
68

Рисунок 4 – Схема работы торгового агента
69

Спрос на продукты питания
70 Спрос домохозяйства на продукты питания зависит от его доходов, состава домохозяйства и его пищевых привычек, которые определяют собственно выбор продуктов для употребления. Бюджет, отводимый семьей на приобретение продуктов питания (S), рассчитывается на основе данных о доходах всех ее членов и структуре потребления домохозяйств различного дохода и состава:
71 S=D*F ,(13)
72 где D – совокупный доход семьи;  F – доля доходов, которая отводится на приобретение продуктов питания.
73 Совокупный доход семьи складывается из заработной платы, прибыли от бизнеса и пособиях от государства, которые получают все члены семьи. Структура и величина доходов агентов определяется в процессе работы модели и находится в непосредственной связи с экономикой (уровень занятости и зарплат) и управляющими воздействиями государства (введение новых видов пособий, индексирование или отмена существующих). Доля доходов, которая отводится на приобретение продуктов питания, зависит от величины дохода (чем ниже доход семьи, тем большая его часть уходит на приобретение продуктов) и состава домохозяйства (одинокие люди, пары, семьи с детьми). Этот показатель рассчитывается на основе данных о структуре потребления населения, публикуемых Федеральной службой государственной статистики [12].
74 Сумма, отводимая на приобретение продуктов питания, распределяется по категориям продуктов согласно пищевым привычкам домохозяйства. Для формализации этого процесса в модели вводится понятие «шаблон рациона», который определяет долю в тратах на каждую категорию продуктов:
75 Wr=⋃i=1nwir , ∑i=1nwir =1(14)
76 где Wr – шаблон для рациона r ; wir – доля категории i в рационе r .
77 На выбор шаблона влияют цели домохозяйства и доступный уровень потребления. Доступный уровень потребления зависит от уровня цен на продукты, и может серьезно отличаться в различных регионах. В модели выделяется три уровня соответствия рациона принципам сбалансированного питания:
78 1) рацион I уровня, позволяющий получить не менее 90% нутриентов (витаминов и минералов), препятствующих развитию анемии;
79 2) рацион II уровня, позволяющий получить не менее 75% ключевых нутриентов;
80 3) рацион III уровня, при котором в организм поступает менее 75% ключевых нутриентов.
81 Состав продуктовой корзины, разработанный в сотрудничестве со специалистом-нутрициологом доктором Натишей Дукхи, включает крупы, молочные, мясные и рыбные продукты, фрукты и овощи, доступные к приобретению во всех регионах России (более подробно состав разработанной корзины представлен в работе [13]). Цены на продукты в различных регионах оценивались с помощью специально организованного мониторинга в 77 субъектах, в результате которого были собраны цены на 31 354 продукта. Информация по регионам, не охваченным проведенным мониторингом, была взята из Единой межведомственной информационно-статистической системы (ЕМИСС).
82 Даже если семья имеет достаточно средств на приобретение всех необходимых продуктов, это не означает, что она будет придерживаться принципов правильного питания. В модели вводится понятие «целевой шаблон питания», которое отражает, насколько рацион домохозяйства соответствует современным стандартам. Выделяются сбалансированный, смешанный и несбалансированный целевые шаблоны, оценка их распространенности среди населения России производится на основе мониторингов ВЦИОМ [14, 15].
83 Для отражения всех аспектов формирования спроса на продукты питания со стороны домохозяйств в модели разработан специальный алгоритм из пяти шагов. На первом шаге рассчитывается бюджет домохозяйства и сумма, отводимая на потребление продуктов питания. На втором шаге учитывается целевой шаблон потребления, определяющий предпочтения домохозяйства. Если домохозяйство обладает достаточными средствами, качество рациона будет определяться его целевым шаблоном питания, иначе ключевую роль будет играть стоимость продуктов. Так с учетом возможностей и предпочтений выбирается соответствующий шаблон потребления Wr . На третьем шаге бюджет распределяется по категориям продуктов в соответствии со структурой шаблона Wr . На четвертом шаге для каждой категории формируется базовая часть из наиболее часто употребляемых большинством населения продуктов и случайная компонента, которая вносит разнообразие в рацион конкретного домохозяйства. Выбранные продукты покупаются у организации - торгового агента. На пятом шаге оценивается пищевая ценность приобретенного набора продуктов, а также рассчитывается доля употребления каждым членом домохозяйства нутриентов, влияющих на динамику анемии, от рекомендуемой норму потребления этих нутриентов.
84

Динамика распространения анемии
85 Качество употребляемого рациона питания влияет на динамику развития анемии у жителей в зависимости от их текущей стадии анемии, пола и возраста. На рисунке 5 представлена модель динамики перехода по различным стадиям анемии в зависимости от получаемого питания.
86

Рисунок 5 – Автоматная модель динамики анемии в зависимости от качества получаемого питания
87 Состояния S обозначают стадии анемии:
88 0 – здоровый человек;
89 1 – анемия первой степени (легкой степени тяжести);
90 2 – анемия средней степени тяжести;
91 3 – тяжелая анемия.
92 Переходы соответствуют качеству получаемого питания в соответствии с рекомендуемыми нормами потребления (РНП) ключевых нутриентов:
93 R – богатое витаминами и минералами, потребление более 90% РНП (рацион I уровня);
94 N – нормальное, потребление не менее 75% РНП (рацион II уровня);
95 P – бедное, потребление менее 75% РНП (рацион III уровня).
96 Переходы в модели являются вероятностными, вероятность переходов определяется путем калибровки модели на ретроспективных данных. На основе автоматной модели для каждого агента после определения его рациона и доли получаемых нутриентов от рекомендуемой нормы потребления определяется его текущая стадия заболевания, при этом также учитывается временная задержка, необходимая для осуществления перехода.
97

Государственное регулирование
98 Государство в модели может прямо или косвенно влиять на процессы производства и потребления продуктов питания путем реализации различных управляющих воздействий, таких как:
99
  • введение изменений в законодательном регулировании производства и торговли продуктами, норм и стандартов питания;
100
  • реализация инвестиционных программ и введение налоговых льгот для отечественных производителей продуктов питания;
101
  • введение ограничений на экспорт и импорт продуктов;
102
  • выплата целевых субсидий на приобретение продуктов питания малообеспеченным семьям;
103
  • организация и совершенствование программ бесплатного питания в детских садах и школах.
104 Альтернативные варианты управляющих воздействий подаются на вход модели динамики распространения анемии, таким образом анализ результатов моделирования позволяет проводить сравнительную оценку политических решений с точки зрения их влияния на динамику заболеваемости среди населения.
105 В данной работе проводится анализ влияния субсидий на приобретение продуктов питания малообеспеченным семьям. Варианты управляющего воздействия формируются как доля стоимости продуктовой корзины, которая покрывается субсидией для тех семей, доход которых не позволяет обеспечить для всех их членов покупку продуктов, входящих в состав оптимальной корзины. Размер пособия таким образом варьируется для разных регионов и лет (поскольку стоимость продуктовой корзины рассчитывается с учетом ожидаемой инфляции). Также на величину субсидии для конкретной семьи влияет ее доход и численность:
106 si=min⁡{pr*S*ni,(pr-bi*pi/ni)} (15)
107 где si – субсидия для семьи i; pr – стоимость продуктовой корзины в регионе r; S – доля стоимости продуктовой корзины, которую покрывает субсидия; bi – совокупный бюджет семьи i; bi – доля бюджета, отводимая семьей i на покупку продуктов питания; ni – численность семьи i.
108

Программная реализация модели
109 Агент-ориентированная модель динамики распространения анемии представляет собой сложную программную систему, включающую интерфейсы, базы данных и непосредственно модули, реализующие описанные выше функции динамического моделирования. Программная реализация модели выполнена на языке C# в среде MicrosoftVisualStudio, база данных поддерживается с помощью СУБДPostgreSQL. Использование данных программных средств позволяет обеспечить высокую производительность вычислений, необходимую для многоагентной системы с большим количеством действующих агентов.
110 Информационное наполнение модели осуществляется на основе данных Федеральной службы государственной статистики [12], мониторинга RLMS [16], информационной системы СПАРК-Интерфакс [17] и открытых интернет-порталов, посвященных вопросам питания [18]. Исходные данные моделирования загружаются в модель в виде таблиц. Базовыми таблицами исходных данных являются: численность населения регионов по полу и возрасту и их распределение по домохозяйствам; численность больных анемией в регионах страны; отраслевая классификация продуктов питания и сырья для их производства; объемы производства продуктов питания в региональном разрезе; доходы населения; цены на продукты в регионах; пищевая ценность продуктов питания; нормы потребления пищевых веществ для различных групп населения. Более подробно вопросы получения и преобразования исходных данных к требуемому для загрузки в модель формату рассматриваются в работе [19].
111 Всего в модели создается порядка 1,5 миллионов агентов-жителей, что соответствует масштабированию 1:100, то есть каждый агент в модели представляет 100 жителей России одной поло-возрастной группы. Также создается 6500 агрегированных организаций, представляющих отрасли в различных регионах, из них 1777 организаций отраслей, производящих продукты питания. Созданные объекты и взаимосвязи между ними сохраняются в базе данных модели.
112 Моделирование динамики распространения анемии осуществляется с учетом исходного состояния объектов, которые передаются из базы данных. В процессе динамического моделирования изменяется состав и характеристики этих объектов (взросление, изменение состояния здоровья и рождение новых агентов, изменения объемов выпуска организаций и доходов домохозяйств), соответствующие изменения сохраняются в базе данных модели. Интерфейс разработанной модели представлен на рисунке 6.
113

114 Рисунок 6 – Интерфейс агент-ориентированной модели динамики распространения анемии
115 Для запуска модели необходимо выбрать сценарий, который определяет параметры экономической среды, и набор управляющих воздействий, в качестве которых выступают меры государственной поддержки производителей продуктов питания и/или семей с низкими доходами. В качестве результатов моделирования на экран может быть выведена доступность населению сбалансированного рациона питания, численность больных анемией среди детей и взрослых; также данная информация может быть представлена на карте для отдельных регионов России. Получение более подробных данных моделирования и их выгрузка для сопоставления результатов различных серий экспериментов осуществляются с помощью прямого обращения к базе данных модели.
116

Результаты и обсуждение
117 Неопределенность дальнейшей динамики эпидемиологической обстановки в России и ее влияния на экономику и социальную сферу обусловливает применения сценарного подхода при проведении прогнозных расчетов на разработанной модели. Моделирование динамики распространения анемии проводилось на среднесрочный период до 2025 года в рамках трех сценариев, учитывающих эпидемиологические риски и связанные с ними изменения в экономических процессах:
118 1. Пессимистический, в котором регулярно повторяются волны коронавирусной инфекции. При данном сценарии продолжается действие ограничительных мер и снижение мирового спроса.
119 2. Консервативный, предполагающий, что распространение коронавируса завершится в 2023 году. В этом случае рост экономики (как российской, так и мировой) может ожидаться через два года.
120 3. Оптимистический, предполагающий затухание пандемии к концу 2022 года и восстановление к этому сроку всех сфер экономики.
121 В рамках разработанных сценариев в модель закладываются ряды прогнозов следующих значимых для экономики России факторов:
122 1. Курса рубля по отношению к доллару США. Начиная с текущего курса в 75 рублей за доллар, в оптимистическом сценарии рассматривается его постепенное снижение до 65 рублей, в консервативном – сохранение на уровне 70-75 рулей, в пессимистическом – рост до 80-85 рублей за доллар.
123 2. Рыночная цена барреля нефти. В оптимистическом сценарии ожидается рост до 100 долларов за баррель, в консервативном – сохранение цены на уровне 75-85 долларов, в пессимистическом – падение до 40-50 долларов за баррель.
124 3. Объем экспорта продукции отраслей сельского хозяйства, добывающей и обрабатывающей промышленности, которые в различной степени испытывают давление вводимых ограничений. Так, объем экспорта продуктов питания и энергоносителей растет во всех сценариях, спрос на прочие виды полезных ископаемых и продукцию обрабатывающих производств падает в пессимистическом сценарии в результате замедления мировой экономики, которая испытывает меньшую потребность в сырье, комплектующих и оборудовании. В числовом выражении ожидается ежегодный рост экспорта на 5-10% в различных отраслях; в консервативном – сохранение объемов экспорта обрабатывающей промышленности и рост 2-5% продукции сельского хозяйства и полезных ископаемых, в пессимистическом – падение экспорта продукции добывающих и обрабатывающих производств на 2-5% при сохранении высоких объемов экспорта продукции сельского хозяйства.
125 4. Динамика внутреннего спроса по группам отраслей, наиболее жестко регулирующихся в условиях сохранения эпидемиологических рисков: организации развлечений, спорта, общественного питания, в несколько меньшей степени – торговля, поскольку при закрытии магазинов активизируются онлайн-продажи товаров. В оптимистическом сценарии предполагается возвращение организаций пострадавших отраслей к докризисным значениям в 2022 году, и затем их умеренный рост в 2-4% ежегодно. При консервативном сценарии возврат к докризисным показателям ожидается в 2023 году, в пессимистическом пострадавшие отрасли сохраняют сниженные по сравнению с докризисным уровнем показатели вплоть до 2025 года.
126 5. Инфляция в оптимистическом сценарии возвращается к таргетированному значению 4%, в консервативном снижается до 6%, в пессимистическом – сохраняется на текущем уровне в 8% [12].
127 Параметры разработанных сценариев были заложены в разработанную агент-ориентированную модель динамики распространения анемии. Результаты проведенных расчетов представлены на рисунке 7. По сравнению со значениями 2019 года в 2022 году прогнозируется рост заболеваемости анемией до 1,8 миллионов человек во всех сценариях, что связано с падением доходов и ростом стоимости продуктовой корзины. В последующие годы вместе со стабилизацией экономической обстановки ожидается снижение количества людей, страдающих анемией, однако только в оптимистическом сценарии ожидается снижение количества заболевших до значений 2019 года.
128

Рисунок 7 – Численность больных анемией в России по результатам сценарных расчетов
129 Наблюдаемые различия в сценариях обусловлены в первую очередь сценарным показателем инфляции продуктовой корзины, превышающей темп роста доходов как в консервативном, так и в пессимистическом сценарии. Данная ситуация может быть исправлена либо государственным регулированием цен на продукты питания, либо выплатой субсидий малообеспеченным семьям. Для проведения серии расчетов по оценке эффективности управляющих воздействий был выбран второй вариант, при этом варьировалась величина государственного пособия. Размер выплат связан со стоимостью оптимальной продуктовой корзины, обеспечивающей получение минимум 75% необходимых витаминов и минералов при соблюдении требований к калорийности рациона (2500 кКал для взрослого мужчины). Стоимость корзины определяется составом входящих в нее продуктов питания и их ценой этих продуктов в различных регионах страны. Цены на продукты в различных регионах оценивались на основе результатов мониторинга в регионах (см. раздел «Спрос на продукты питания») и информации из Единой межведомственной информационно-статистической системы (ЕМИСС).
130 В качестве возможного управляющего воздействия в серии расчетов рассматривается вариант выплаты целевых пособий семьям, доход которых не позволяет обеспечить для всех их членов покупку продуктов, входящих в состав рациона II типа. Для проведения расчетов было выбрано четыре варианта субсидии:
131 1) базовый вариант, соответствующий отсутствию субсидии данного вида;
132 2) субсидия покрывает 20% стоимости рациона II типа;
133 3) субсидия покрывает 50% стоимости рациона II типа;
134 4) субсидия покрывает полную стоимость рациона II типа.
135 В качестве базового сценария динамики эпидемиологической и внешнеэкономической ситуации при анализе эффективности управляющих воздействий был принят консервативный сценарий.
136 Поведенные расчеты показывают, что в 2019 году сбалансированный рацион II уровня был доступен почти 80% жителей России, при реализации консервативного сценария прогнозируется снижение этого показателя до 78%. График, представленный на рисунке 8, показывает, насколько увеличится доступность рациона II уровня при реализации представленной программы субсидирования семей с низким доходом. При реализации второго и третьего вариантов субсидирования рацион доступен 83-88% населения, при реализации Варианта 4 – всем жителям России.
137

Рисунок 8 – Прогноз доступности населению рациона II уровня при различных вариантах программы субсидирования семей с низким доходом
138 Требуемый объем субсидирования рассчитывается в программе как сумма пособий данного вида, выплаченных семьям во всех регионах России. С учетом ожидаемой инфляции, заложенной на уровне 6% в консервативном сценарии, ежегодный объем субсидирования лежит в диапазоне 250-350 миллиардов рублей для Варианта 2, 430-550 миллиардов для Варианта 3, 490-625 миллиардов для Варианта 4 (Таблица 1).
139 Таблица 1 – Требуемый объем субсидирования в рамках программы поддержки семей с низким доходом
Год Объем субсидирования в год, млрд. руб.
Вариант 2 Вариант 3 Вариант 4
2022 255,1 430,3 488
2023 284,8 473,9 536,6
2024 313,4 512,5 580,6
2025 344,4 556,9 624,6
140 Численность больных анемией обратно пропорциональна доступности жителям сбалансированного рациона питания, и при реализации программы субсидирования снижается до 1,4-1,55 миллионов человек (рисунок 9).
141

Рисунок 9 – Прогноз динамики распространения анемии в России при различных вариантах программы субсидирования семей с низким доходом
142 Анализ результатов моделирования позволяет заключить, что реализация даже минимального по объему варианта программы субсидирования приводит к значительному снижению численности больных анемией уже к 2024 году.
143

Заключение
144 В данной работе представлен разработанный международным коллективом инструментарий для прогнозирования динамики распространения анемии в странах БРИКС. В качестве метода исследования было выбрано агент-ориентированное моделирование, которое в контексте поставленной задачи обеспечило возможность учета влияния качества получаемого питания на возникновение и протекание анемии у различных категорий населения. Структура модели включает агентов-жителей, производителей продуктов питания и торговых агентов. Алгоритмы модели воспроизводят процессы производства продуктов питания от сельскохозяйственного сырья до готовой к употреблению продукции, а также импорта и экспорта продуктов питания.
145 Модель отличается достаточно высокой степенью детализации исследуемых процессов. Так, при моделировании работы торговых посредников учитывается разницы в ассортименте продуктов питания в городской и сельской местности, а также аспекты ценообразования в различных регионах, обусловленные различиями в климате и инфраструктуре. При моделировании аспектов потребления продуктов питания оценивается качество доступного домохозяйствам рациона питания с точки зрения наличия в нем рекомендуемых норм потребления ключевых витаминов и микроэлементов, дефицит которых приводит к развитию анемии, при этом нормы потребления учитывают пол и возраст агента-жителя.
146 При этом разработанная модель основана на ряде допущений. Во-первых, рассматривается развитие железодефицитной анемии под влиянием качества получаемого рациона питания, и не принимается в расчет употребление специальных добавок, назначаемых врачами для лечения тяжелых стадий анемии. Во-вторых, рассматривается рацион только частных домохозяйств, тогда как рацион коллективных домохозяйств (интернатов, тюрем, казарм) считается соответствующим текущим государственным стандартам питания. В-третьих, бюджет частных домохозяйств в модели считается общим, как и качество питания, получаемого членами одного домохозяйства. Устранение первого из перечисленных допущений является задачей дальнейших исследований нашего коллектива. Второе и третье допущения обусловлены недостаточностью исходных данных для более полной детализации данных процессов.
147 На базе разработанной модели проведена серия расчетов, направленная на прогнозирования динамики распространения анемии в регионах России в условиях различных сценариев, параметры которых отражают эпидемиологические и внешнеэкономические риски. Расчеты показывают увеличение численности больных анемией на 10-12% в 2022 году по сравнению со значениями 2019 года, который принимается за базовый. В оптимистическом сценарии заболеваемость возвращается к уровню базового года к 2025 году, в консервативном и пессимистическом сценарии остается на 5-7% выше него. В условиях консервативного сценария смоделированы последствия программы государственного субсидирования семей с низкими доходами. Согласно полученным результатам, реализация такой программы в полном объеме обеспечит доступ всех жителей России к сбалансированному рациону питания и приведет к снижению численности больных анемией на 25% по сравнению с прогнозом в условиях отсутствия такой субсидии.
148 Представленная структура и алгоритмы модели являются универсальными для всех стран БРИКС, необходимые отличия могут быть отражены в наборах исходных данных, в частности, региональной структуре, численности и поло-возрастной структуре населения, доходах, ценах на продукты питания и традиционных рационах в различных странах.

References

1. Mashkova A. L., Dukhi N., Nevolin I. V., Savina O. A. (2021). A forecasting assessment of the affordability of a balanced diet for residents of Russian regions: An agent-based approach. Economic and Social Changes: Facts, Trends, Forecast, 14, 6, 107–125. DOI: 10.15838/esc.2021.6.78.6 (in Russian).

2. Novikova E. V., Savina O. A., Mashkova A. L., Mamatov A. V. (2019). Reproduction of population dynamics of Russian regions using agent modeling. Information Systems and Technologies, 2, 48–55(in Russian).

3. Barbrook-Johnson P., Badham J., Gilbert N. (2016). Uses of agent-based modeling for health communication: The TELL ME case study. Health Communication, 1–6. DOI: 10.1080/10410236.2016.1196414

4. DeMaeyer E.M., Dallman P., Gurney J. M., Hallberg L., Sood S. K., Srikantia S. G. (1989). Preventing and controlling iron deficiency anaemia through primary health care. Geneva, World Health Organization. Available at: http://www.who.int/nutrition/publications/micronutrients/anaemia_iron_deficiency/9241542497/en/index.html

5. Epstein J. M. (2009). Modelling to contain pandemics. Nature, 460 (7256), 687. DOI: 10.1038/460687

6. Glanz K., Sallis J. F., Saelens B. E., Frank L. D. (2005). Healthy nutrition environments: Concepts and measures. Am. J. Health Promot., 19 (5), 330–333. DOI: 10.4278/0890-1171-19.5.330

7. Lamjed B. S., Drogoul A., Bouron T. (2001). Multi-agent based simulation of consumer behaviour: Towards a new marketing approach. Proceedings of the International Congress on Modelling and Simulation (MODSIM). Canberra, Australia.

8. Li Y., Zhang D., Pagán J. A. (2016). Social norms and the consumption of fruits and vegetables across New York City neighborhoods. Journal of Urban Health, 93, 244–255.

9. Mashkova A. L. (2021). Processing initial data for the agent-based model of the Russian Federation spatial development. In: S. L. Peng, M. Favorskaya, H. C. Chao (Eds.). Sensor networks and signal processing. Smart Innovation, Systems and Technologies, 176. DOI: 10.1007/978-981-15-4917-5_18

10. Rose D., Richards R. (2004). Food store access and household fruit and vegetable use among participants in the US Food Stamp Program. Public Health Nutr., 7 (08), 1081–1088. DOI: 10.1079/PHN2004648

11. Thejpal R. (2015). Iron deficiency in children. S. Afr. Med. J., 105 (7), 607. DOI: 10.7196/SAMJnew.7781

12. Tracy M., Cerdá M., Keyes K. M. (2018). Agent-based modeling in public health: Current applications and future directions. Annual Review of Public Health., 39, 77–94.

13. World Health Organization and Centers for Disease Control and Prevention (WHO/CDC). Worldwide prevalence of anaemia 1993–2005. WHO Global database on anaemia. 2008. Available at: http://whqlibdoc.who.int/publications/2008/9789241596657_eng.pdf

Comments

No posts found

Write a review
Translate