Содержание к диссертации
Введение
ГЛАВА 1. Обзор литературы 12
1.1 .Эпидемиологический надзор 12
1.1.1. Актуальность совершенствования эпидемиологического надзора 12
1.1.2. Историческое развитие системы эпидемиологического надзора 12
1.1.3. Современное представление о системе эпидемиологического надзора 15
1.2.Характеристика эпидемиологического надзора как информационной системы 25
1.3.Подходы к совершенствованию эпидемиологического надзора на основе информатизации 26
1.4.Заключение по главе 28
ГЛАВА 2. Материалы и методы 29
2.1 .Материалы 29
2.1.1. Исходные данные по зарегистрированным больным АЛЛ, ЛЗНиКГЛ 29
2.1.2. База данных по зарегистрированным больным АЛЛ, ЛЗН и КГЛ 30
2.1.3. Дополнительные материалы по Астраханской области... 32
2.2. Методы (ГИС и аналитическая платформа) 33
2.2.1. Этапы анализа 33
2.2.2. Используемые программные средства и методы анализа... 35
2.2.3. Приемы обеспечения достоверности результатов 37
2.3. Заключение по главе 39
ГЛАВА 3. Оценка эпидемиологического риска для населения, проживающего на территории сочетанных природных очагов инфекционных болезней 40
3.1 .Содержание эпидемиологического риска 40
3.2.Определение контингента повышенного эпидемиологического риска. 40
3.2.1. Анализ возрастной структуры больных 40
3.2.2. Распределение больных по полу и профессиональной принадлежности 45
3.2.3. Заключение по разделу 47
3.3.Определение временных характеристик эпидемиологического риска для природно-очаговых инфекционных болезней 47
3.3.1. Многолетняя динамика эпидемического процесса при АЛЛ, его трендовая составляющая и определение тенденции 48
3.3:2. Сезонность эпидемических проявлений АЛЛ на территории Астраханской области 53
3.3.3. Методика количественной оценки эпидемиологического риска для осуществления краткосрочного прогноза по АЛЛ 59
3.3.4. Заключение по разделу 67
3.4. Определение территориальной приуроченности сочетанных эпидемических проявлений природно-очаговых инфекционных болезней на примере АЛЛ, ЛЗН и КГЛ 67
3.4.1. Буферный анализ пространственной сочетанности эпидемических проявлений 70
3.4.2. Построение и анализ карт плотности сочетанных эпидемических проявлений 76
3.4.3. Методика выявления участков территории сочетанных эпидемических проявлений природно-очаговых инфекционных болезней на примере АЛЛ, ЛЗН и КГЛ 78
3.4.4. Заключение по разделу 80
3.5.Метод эпидемиологического районирования на основе кластеризации стандартных участков территории по комплексу показателей 81
3.5.1. Содержание эпидемиологического районирования 81
3.5.2. Принцип метода 85
3.5.3. Критерии выбора показателей и параметры кластеризации... 87
3.5.4. Оценка полученных кластеров 93
3.5.5. Построение карты эпидемиологического риска 94
3.5.6. Заключение по разделу 97
3.6.Заключение по главе 97
ГЛАВА 4. Научное обоснование информатизации эпидемиологического надзора за природно-очаговыми инфекционными болезнями в сочетанных очагах 99
4.1 .Автоматизация эпидемиологической отчетности 99
4.2.Использование ГИС 99
4.3 .Автоматизация анализа за счет построения сценариев обработки эпидемиологических данных 100
4.4. Организационные аспекты использования моделирования для оценки эпидемиологического риска 100
4.4.1. Оптимальная кратность перенастройки параметров моделирования 100
4.4.2. Методы оценки эффективности модели 101
4.4.3. Ограничения моделирования эпидемиологического риска. 101
4.4.4. Возможности тиражирования модели на регионы и нозологические формы 101
Заключение 102
Выводы 104
Список использованных источников 105
- Современное представление о системе эпидемиологического надзора
- Сезонность эпидемических проявлений АЛЛ на территории Астраханской области
- Построение карты эпидемиологического риска
- Организационные аспекты использования моделирования для оценки эпидемиологического риска
Введение к работе
Актуальность проблемы
Природно-очаговые инфекционные болезни представляют постоянную угрозу для эпидемиологического благополучия населения целого ряда субъектов Российской Федерации, включая Астраханскую; область [3; 56; 57,
73;76]L
При ежегодной: регистрации» до 30 тыс. случаев заражения, природно-очаговымигинфекционными болезнями, их вклад: в общее количество смертей, в России составляет более 1,6% [58].
Отмечая определенные успехи в разработке и* внедрению средств; профилактики, диагностики и; лечения, следует, подчеркнуть, что: система эпидемиологического; надзора1; за природно-очаговыми болезнями, в свете внедрения: Международных медико-санитарныж правил (ММЄИ^ 2005 г.): приобрела, ключевое значение в. обеспечении санитарно-эпидемиологического благополучия населениям [45;. 59, 79];.. На. современном, этапе актуальность. исследований; направленных на усиление контроля рисков; связанных, с; природно-очаговыми к инфекционными болезнями;, подчеркивается^ расширением^ ареала и ростом численности^ носителей? и? переносчиков; что^ определяет высокую^эпизоотическую активность, приводящую к осложнению эпидемиологической ситуации [3; 13, 26; 29; 33-37, 49; 84]>.
Отчетливой, тенденцией в развитии- эпидемиологического надзорам в последние десятилетия можно считать, все: более широкое привлечение высокотехнологических методов обработки информации; которые позволяют повышать точность и наглядность ретроспективного: анализа, в конечном счете, направленного на прогноз и предупреждение осложнения эпидемиологической ситуации [6,.21-24, 31, 47, 54, 55; 77, 87]1 Однако: до сих пор в эпидемиологическом" надзоре: недостаточно проработанной остается* методология комплексного применения информационных технологий, с учетом таких категорий эпидемиологического риска как территория, время, группа и факторы риска [78, 93].
Оценивая подходы к оптимизации эпидемиологического надзора за природно-очаговыми инфекционными болезнями, следует подчеркнуть принципиальную важность разработки методов, обеспечивающих полноценный пространственный эпидемиологический анализ средствами ГИС и прогноз, основанный на современных технологиях моделирования [23, 24, 54 87, 93, 97, 99].
Следует отметить, что к настоящему времени, не разработано эффективных методик эпидемиологического1 прогнозирования на основе нейросетевых моделей, учитывающих климатические условия реализации факторов риска природно-очаговых инфекционных болезней [93]I Кроме того методики оценки сочетанных. эпидемических проявлений, используемые на современном этапе, не учитывают больных, проживающих в соседних населенных'пунктах [76].
Несмотря на широкий; арсенал методик, используемых для проведения эпидемиологического районирования [6, 23, 38, 54, 64, 66; 69- 80, 82], к настоящему времени нет единого- алгоритма, учитывающего персонифицированные данные и на основе кластеризации по комплексу факторов риска обеспечивать дифференцирование территории по,стандартным участкам произвольного размера.
Исходя из вышеизложенного, целью работы явилось совершенствование эпидемиологического надзора за природно-очаговыми инфекционными болезнями в Астраханской области1 на основе использования современных информационных технологий.
Задачи исследования:
1. Охарактеризовать подходьг к совершенствованию действующей системы эпидемиологического надзора за природно-очаговыми инфекционными болезнями в Астраханской области на основе использования современных информационных технологий.
Провести углубленный анализ возрастной заболеваемости для определения контингентов эпидемиологического риска Астраханской пятнистой лихорадки (далее АЛЛ) на территории Астраханской области.
Разработать методику количественной оценки эпидемиологического риска для краткосрочного прогноза по природно-очаговой инфекционной' болезни на примере АЛЛ.
Разработать методику выявления участков территории сочетанных эпидемических проявлений на примере АЛЛ, лихорадки Западного Нила (далее ЛЗН) и Крымской геморрагической лихорадки (далее КГЛ).
Разработать метод районирования территории субъекта Российской Федерации по комплексу критериев, характеризующих эпидемиологический риск для населения, связанный с природно-очаговьімиї инфекционными болезнями на примере АЛЛ в Астраханской области.
Научная новизна:
С помощью углубленного анализа персонифицированных данных по 1606 больным АЛЛ, зарегистрированным в Астраханской области, получены новые сведения о контингентах эпидемиологического риска, заключающиеся в выявлении двух групп повышенной возрастной заболеваемости (4-9 лет и 65-74 года).
Дано научное обоснование для планирования деятельности по осуществлению эпидемиологического надзора за АЛЛ на основе созданной нейросетевой модели, отличающейся тем, что прогноз напряженности эпидемического процесса осуществлялся с учетом климатических факторов с точностью выше 90%.
Научно обосновано сосредоточение мероприятий эпидемиологического надзора за природно-очаговыми инфекционными болезнями на участках территории сочетанных эпидемических проявлений АЛЛ, ЛЗН и КГЛ, выявленных на основе пространственного анализа в ГИС.
4. На основе предложенного метода с использованием ГИС и кластерного анализа проведено эпидемиологическое районирование территории Астраханской области по АЛЛ. Показано, что дифференциация не по 14 административным районам области, а по 12670 стандартным участкам, качественно повышает точность эпидемиологического районирования по риску, связанному с АЛЛ.
Практическая значимость работы и внедрение результатов исследования в практику
Результаты исследования были использованы при разработке следующих документов:
СИ' 3.4.2318-08 «Санитарная охрана территории Российской Федерации», утверждены Постановлением Главного государственного санитарного врача Российской Федерации №3 от 22 января 2008 г. (вступили в силу 1 мая 2008 г.) MP «Совершенствование эпидемиологического надзора за чумой и другими опасными инфекционными болезнями бактериальной, риккетсиозной и.вирусной этиологии в их сочетанных природных очагах в Северо-Западном Прикаспии», одобрены ученым советом РосНИПЧИ «Микроб», протокол №2 от 21 апреля 2010 г. и утверждены директором института. MP «Методические указания по определению площади эпизоотии в природных очагах чумы Российской Федерации», утверждены Постановлением» Главного- государственного санитарного врача Российской Федерации №1 от 23 июня 2009 г.
Результаты исследования используются в^ учебном процессе отдела образовательных программ и подготовки специалистов РосНИПЧИ «Микроб» при прочтении лекций «Информационное обеспечение СПЭБ» и «Новые технологии информационного обеспечения санитарной охраны территории».
Основные положения, выносимые на защиту:
Использование персонифицированных данных способствует получению новых сведений о контингентах эпидемиологического риска.
Использование нейросетевых моделей на основе многолетних эпидемиологических, эпизоотологических и климатических показателей повышает точность эпидемиологического прогноза по АЛЛ.
Эффективность оценки пространственной составляющей эпидемиологического риска повышается зач счет использовании ГИС для определения территорий сочетанных эпидемических проявлений природно-очаговых инфекционных болезнейі
Качественное повышение точности эпидемиологического. районирования^ Астраханской области по АЛЛ достигается при использовании ГИС и кластеризации территории на основе карт Кохонена по комплексу показателей.
Апробация работы:
Материалы диссертации1 были представлены на следующих научных конференциях и семинарах: VIII Межгосударственной научно-практической конференции «Международные медико-санитарные правила и реализация глобальной стратегии борьбы, с инфекционными болезнями в государствах-участниках Содружества Независимых Государств» (25 - 26 сентября 2007 г. Саратов); XI Межгосударственной научно-практической конференции «Современные технологии в реализации глобальной стратегии борьбы с инфекционными болезнями на территории государств-участников СНГ» (2008 г. Волгоград); X межгосударственной научно-практической конференции государств-участников СНГ «Актуальные проблемы предупреждения и ликвидации последствий чрезвычайных ситуаций в области санитарно-эпидемиологического благополучия населения государств-участников СНГ» (5-6 октября 2010 г. Ставрополь); на рабочем совещании «Итоги выполнения эпидемиологических НИОКР в рамках ФЦП «Национальная система химической и биологической безопасности Российской Федерации (2009 -2013 годы)» в 2009 году и планы на 2010-2012 гг.» (9-10 декабря 2009 г. Саратов); семинаре «Использование ГИС-технологий в информационно-аналитическом обеспечении борьбы с биологическими угрозами» (26-27 мая 2010 г. Ставрополь); ежегодных научно-практических конференциях «Итоги и перспективы фундаментальных и прикладных исследований в институте «Микроб» в 2007-2010 годах. Материалы диссертации были доложены и обсуждены на расширенном заседании научно-производственного совета Астраханской и Элистинской противочумных станций 3-6 февраля 2010 года. Публикации:
Основные результаты исследований по теме диссертации опубликованы в семи научных работах, из них четыре - в изданиях, рекомендуемых ВАК России. Структура и объем диссертации:
Диссертация состоит из введения, обзора литературы, трех глав собственных исследований (включающих описание материалов и методов работы), заключения, выводов и приложения. Общий объем диссертации составляет 116 страниц машинописного текста, работа иллюстрирована 8 таблицами и 34 рисунками. Список использованной литературы включает 105 источников.
Современное представление о системе эпидемиологического надзора
В основе эпидемиологического надзора лежит цель, которая формулируется для каждой отдельной нозологической формы инфекционной болезни на основе теоретических обоснований и фактических материалов, характеризующих степень ее управляемости [11]. В отношении большинства инфекционных болезней, конечной целью эпидемиологического надзора является снижение инфекционной заболеваемости, которая может быть конкретизирована уточнением на группы, сезон и территорию. [8, 95].
Цель эпидемиологического надзора — оценка эпидемиологической ситуации в интересах сведения к минимуму информационной неопределенности при принятии управленческих решений. Иными словами, целью эпидемиологического надзора является получение объективной эпидемиологической информации в объеме, достаточном для обеспечения рационального планирования, осуществления и корректировки мероприятий по профилактике и борьбе с инфекционными и паразитарными болезнями [92, 95]. В основные задачи эпидемиологического надзора входят: 1) постоянная и объективная оценка масштабов, характера распространенности и социально-экономической значимости наблюдаемой инфекционной (паразитарной) болезни и ее «вклада» в нарушение санитарно-эпидемиологического благополучия населения; 2) выявление тенденций и оценка темпов и изменчивости динамики эпидемического процесса — колебания уровня заболеваемости и смертности, появление вспышек или эпидемий данной инфекционной болезни во времени (определение временных характеристик риска); 3) районирование территории с учетом территориальной дифференциации эпидемиологического неблагополучия по данной инфекционной болезни (определение территории риска); 4) выявление контингентов населения, подверженных повышенному риску заболеваний в силу особенностей их производственно-бытовых или иных условий жизни (определение групп риска); 5) выявление причин и условий, т.е. биологических, природных и социальных факторов, определяющих наблюдаемый характер проявлений эпидемического процесса данной инфекционной болезни в конкретных условиях места и времени; 6) контроль и обоснованная оценка масштабов, качества и эффективности осуществляемых профилактических и противоэпидемических мероприятий для их оптимальной корректировки, определение целей и задач, планирование последовательности и сроков их реализации (разработка управленческих, или управляющих, решений); 7) разработка периодических прогнозов эпидемиологической ситуации [92]. Наиболее полно и кратко принципы сформулировал эпидемиологического надзора Б. Л. Черкасский [93, 95]. По его мнению, основными принципами эпидемиологического надзора являются: 1) активный и систематический сбор, анализ и оценка необходимой информации, постоянный обмен ею между всеми заинтересованными службами и ведомствами; 2) разграничение задач и функций федерального, регионального и-локального уровней; 3) использование единых для всех субъектов эпидемиологического надзора методологических подходов, сертифицированных критериев и методов оценки влияния биологических, природных и социальных факторов на эпидемический процесс наблюдаемой инфекции; 4) унификация- способов сбора, накопления, обработки, анализа, передачи и хранения информации, на уровне соответствующих нормативно-методических документов; 5) открытость информации для широкого круга пользователей и широкий обмен ею со всеми учреждениями и организациями, заинтересованными в результатах эпидемиологического надзора, а также информирование граждан. Организационная структура системы эпидемиологического надзора -установленный порядок подчинения и взаимодействия субъектов эпиднадзора, которыми ранее являлись Центры государственного санитарно эпидемиологического надзора (ЦГСЭН), в настоящее время — органы и учреждения Роспотребнадзора (управления Роспотребнадзора по субъекту Российской Федерации, ФГУЗ «Центр гигиены и эпидемиологии в субъекте Российской Федерации), взаимодействующие с отраслевыми мониторинговыми системами лечебно-профилактической, ветеринарной и других служб и ведомств. Система эпидемиологического надзора за инфекционными (паразитарными) болезнями имеет многоуровневую организацию- в соответствии с иерархической структурой службы государственного санитарно-эпидемиологического надзора страны. Поэтому система эпидемиологического надзора структурируется по локальному, региональному и Федеральному уровням. В соответствии с этим определяется перечень учреждений, задействованных в реализации системы эпидемиологического надзора, на различных уровнях его структуры. Объем и глубина обработки информации определяются масштабами задач, решаемых на каждом уровне эпидемиологическогонадзора [62, 63].
В современных условиях особое значение приобретает информационное обеспечение мероприятий по предупреждению и ликвидации чрезвычайных ситуаций санитарно-эпидемиологического характера в Российской Федерации, странах-участницах СНГ и Таможенного союза.
Перечень инфекционных болезней, которые могут привести к возникновению чрезвычайных ситуаций- в области санитарно-эпидемиологического благополучия населения, требующие проведения мероприятий по санитарной охране территории Российской Федерации, регламентирован Санитарно-эпидемиологическими правилами СП 3.4.2318 — 08 «Санитарная охрана территории Российской Федерации», утвержденными постановлением Главного государственного санитарного врача Российской Федерации от 22.01.2008 г. № 3.
Сезонность эпидемических проявлений АЛЛ на территории Астраханской области
Анализ ретроспективных эпидемиологических данных с целью выявления временных закономерностей развития эпидемического процесса, в конечном итоге направлен на прогноз и предупреждение осложнения эпидемиологической ситуации [32, 98, 101]. Поэтому, с точки зрения практической значимости, эпидемиологический прогноз является одним из ключевых элементов планирования мероприятий эпидемиологического надзора [95].
Следует отметить, что понятие «прогноз напряженности эпидемического процесса» во многом тождественно понятию «эпидемиологический риск», поскольку означает вероятность наступления в будущем такого неблагоприятного события как осложнение эпидемиологической ситуации на конкретной территории в течение определенного отрезка времени [93]. Поэтому далее по тексту «эпидемиологический прогноз» и «эпидемиологический риск» упоминаются как синонимы.
Представление о среднесрочном эпидемиологическом прогнозе традиционно опирается на оценку тенденции в многолетней динамике эпидемического процесса [2, 4, 6, 9, 18, 27, 32, 49, 46, 64, 67, 98, 101]. В данном разделе приведено обоснование к применению и методики повышения эффективности эпидемиологического прогноза за счет применения многофакторного нейросетевого моделирования [4, 10, 61]. Многолетняя тенденция эпидемического процесса характеризуется при помощи цепного или базисного способа анализа временного ряда [9, 18, 46, 93, 101].
Цепной способ, состоит в сравнении последнего значения заболеваемости со значением за предыдущий год. Базисный способ, предполагает сравнение последнего значения ряда с одним и тем же уровнем, принятым за базу сравнения. Чаще всего в качестве базы сравнения выступает среднемноголетний уровень заболеваемости (среднее арифметическое за пять предыдущих лет наблюдения) [9, 19, 27, 101].
На практике отечественными эпидемиологами, наиболее часто используется базисный метод, закрепленный в ряде отчетных статистических форм [52, 53, 62, 63]. Причем, для характеристики временного ряда используются показатели абсолютного прироста, темпа роста и темпа прироста. Данный способ дает представление о том, в какой мере растет или снижается заболеваемость по отношению к прошлому году и по сравнению со среднемноголетним уровнем, что отражает текущую ситуацию и динамику процесса в целом. Очевидным достоинством данного способа является его простота, однако динамика эпидемического процесса, в ряде случаев, не подчиняется простым линейным зависимостям, что определяет его невысокую прогностическую эффективность.
Долговременная тенденция изменения временного ряда может описываться при помощи различных уравнений тренда - линейных, логарифмических, степенных и др [4, 9, 10, 18, 46, 101]. Графическим отображением тренда в наиболее простом случае является прямая линия, которая степенью наклона показывает рост или снижение напряженности эпидемического процесса.
Одним из способов получения сглаженной кривой является укрупнение интервалов, при котором заболеваемость суммируется и анализируется не по годовым значениям, а по пятилеткам. Данный подход позволяет уменьшить влияние случайных выбросов и сделать прогноз более достоверным [4, 10]. При этом необходимо привлечение большого количества наблюдений и, кроме того, снижается точность прогноза, поскольку теряется информация о динамике внутри укрупненных интервалов [18].
Наглядность и простота интерпретации линии тренда определяют достоинства данного способа оценки тенденции. При этом описание динамики эпидемического процесса при помощи линий тренда может оказаться недостоверным при наличии резких всплесков или падений заболеваемости в отдельные годы [46]. По этой причине волнообразная динамика эпидемического процесса или наличие нескольких периодов значимого снижения или роста заболеваемости делает использование трендов неинформативным по отношению к процессу в целом [16].
Корректная оценка тенденции должна учитывать тот факт, что динамика эпидемического процесса характеризуется периодичностью, а также наличием периодов стабильности. Данное обстоятельство предполагает дифференцировку всего временного ряда наблюдений за инфекционной заболеваемостью на периоды роста, падения или стабильности с последующей оценкой тенденции для каждого периода в отдельности [101].
Заболевания АПЛ на территории области регистрировались ежегодно с 1983 года, причем динамика характеризовалась определенной периодичностью подъемов и спадов заболеваемости. Результаты анализа многолетней динамики АПЛ в Астраханской области с 1983 по 2008 год позволили выявить два периода (рисунок 10.). Первый период длился с 1983 по 1998 год и был охарактеризован стабильным ростом числа больных с единиц до 200 и более случаев. С 1999 года по 2008 год определен второй период, характеризующийся относительной стабилизацией заболеваемости с ежегодной регистрацией от 150 до 250 больных АЛЛ.
С точки зрения построения прогноза на основе тенденции, можно считать, что недостаток в точности оценки тренда определяется несоответствием сложности эпидемического процесса и упрощенным представлением о том, что в следующий период времени рассматриваемая система будет находиться в том же состоянии, что и в предыдущий. Иными словами, оценка тенденции представляет собой прогнозирование ситуации на основе предположения о том, что на эпидемический процесс не воздействуют внешние факторы, или их воздействие не меняется со временем, а сам процесс обладает стабильностью.
Построение карты эпидемиологического риска
Как следует из таблицы, к первому кластеру отнесено 9 стандартных участков со средним удельным числом больных 45±5 (среднее ± стандарт. ошиб.), средней совокупной длительностью эпидемического периода 618±41 и численностью постоянно проживающего населения более трех тысяч человек на один участок.
Ко второму кластеру было отнесено 26 стандартных участков. Данный кластер характеризовался средним числом больных 18±1 на участок, средней совокупной длительностью эпидемического периода 320±14 дней и численностью населения от одной до трех тысяч человек.
В третий кластер вошло 188 стандартных участков, в каждом из которых зарегистрировано в среднем 3±0,2 больных, средняя совокупная длительностью эпидемического периода составила 28±3, а численность жителей не превышала одну тысячу человек.
Эпидемиологическая интерпретация значимости полученных кластеров состоит в том, что участки территории, относящиеся к первому кластеру, представляют максимальный эпидемиологический риск для населения в силу длительной экспозиции факторов риска по отношению к большому числу жителей. Второй кластер характеризуется средним эпидемиологическим риском, а третий - низким. Остальные 12447 стандартных участков, на территории которых заболеваемость АЛЛ ранее не регистрировалась, были охарактеризованы как минимально опасные.
Оценивая профили полученных кластеров, следует отметить, что максимальный эпидемиологический риск выявляется для территории, составляющей всего 0,07% от общей площади Астраханской области. Полученные новые данные об эпидемиологическом статусе стандартных участков визуализируются при помощи ГИС, что является результатом соответствующего этапа районирования. Для оценки эффективности эпидемиологического районирования на основе кластеризации стандартных шестиугольных участков было проведено сравнение с ранжированием территорий по одному эпидемиологическому критерию, и с балльной оценкой по комплексу признаков. При сравнении с ранжированием территорий по одному критерию, кластеризация по комплексу эпидемиологических признаков позволяет проводить более точную дифференцировку за счет оценки дополнительных факторов риска. В свою очередь, балльная оценка по комплексу признаков, в отличие от кластеризации, опирается на мнение эксперта относительно меры влияния отдельных факторов риска на интегральный показатель эпидемиологического риска (рисунок 34.). Количественная оценка эффективности предложенного метода эпидемиологического районирования на основе деления территории Астраханской области на стандартные шестиугольные участки и их кластеризации, осуществлена по результатам сравнения с эпидемиологическими данными 2009 года. С этой целью информация по 146 больным, зарегистрированным в 2009 году, не была использована при эпидемиологическом районировании и не оказывала влияния на распределение территорий по кластерам риска. Следует отметить, что 146 больных 2009 года составило 10 % от числа больных, зарегистрированных за период с 2002 по 2008 год; причем, данные группы больных не имели статистически значимых отличий по полу и возрасту, что определило репрезентативность выборки. Результаты сопоставления информации по пространственному распределению больных 2009 года по различным кластерам риска представлена в шестом и седьмом столбцах таблицы (таблица 8). Из приведенной таблицы следует, что 34 % вновь выявленных больных проживают на территории с низким эпидемиологическим риском, 26 % — в зоне среднего риска и 22 % — -на участках максимального эпидемиологического риска, при этом остальные 20 % выявлены на территориях, на которых ранее заболеваемость не регистрировалась. Поверхностная оценка полученных данных может привести к выводу о равномерном распределении больных по территориям, для которых определена различная степень эпидемиологического риска. Однако следует принять во внимание численность стандартных участков с различным эпидемиологическим статусом, приведенную в пятом столбце таблицы (таблица 8). Оценивая прогностическую ценность кластерной модели пространственного распределения, следует отметить, что на один стандартный участок высокого эпидемиологического риска пришлось в среднем по 3,55 вновь выявленных больных, в то время как на стандартный участок среднего эпидемиологического риска - 1,46 больного, а на стандартный участок низкого риска — всего 0,26 больных. Ошибкой проведенного кластерного эпидемиологического районирования можно считать удельное число больных в кластере с минимальным риском, составившее 0,002 больных. Предложенный метод эпидемиологического районирования на основе кластеризации стандартных участков характеризуется высокой пространственной точностью за счет использования большого числа стандартных участков вместо административных районов. Карты эпидемиологического риска, полученные методом кластеризации стандартных участков, демонстрируют высокую прогностическую ценность, что подтверждено проверкой на данных по больным АЛЛ, зарегистрированным в 2009 году. Эпидемиологическое районирование по комплексу показателей, осуществляемое при помощи кластеризации обладает объективной основой, что определяет ее преимущество по отношению к балльной оценке риска, при которой определяющее значение имеет мнение эксперта.
Организационные аспекты использования моделирования для оценки эпидемиологического риска
Выявленные особенности осуществления эпидемиологического надзора за природно-очаговыми инфекционными болезнями на территории Астраханской области свидетельствуют о необходимости поэтапного внедрения элементов электронного учета заболеваемости и регистрации эпизоотологических показателей. Основными мероприятиями в этом направлении можно считать установление стандарта на единую электронную форму учета и определение порядка ведения электронной отчетности. На современном этапе наиболее эффективным подходом является дублирование действующих «бумажных» учетных форм (форма 058/у и форма №060/у) персонифицированного учета в форматах электронных таблиц. Учитывая структурные особенности Федеральной службы по надзору в сфере защиты прав потребителя и благополучия человека, данный процесс наиболее целесообразно осуществлять на уровне ФГУЗ «Центров гигиены и эпидемиологии» и Управлений Роспотребнадзора по субъектам Российской Федерации.
На современном этапе информатизации Федеральная служба по надзору в сфере защиты прав потребителей и благополучия человека обладает территориально-распределенной и многоуровневой информационной структурой, которая характеризуется интенсивным обменом информацией. Причем, деятельность учреждений Роспотребнадзора связана с обработкой значительных массивов данных в разнородных форматах, регламентированных различными нормативными документами. Важной особенностью является то, что обрабатываемая информация имеет пространственную и временную привязку. Указанные условия определяют
ГИС-технологии как наиболее перспективную основу для информатизации эпидемиологического надзора за природно-очаговыми инфекционными болезнями на региональном и ведомственном уровнях.
Проведенный анализ показал, что автоматизация обработки эпидемиологических, эпизоотологических данных способна повысить точность и эффективность оценки эпидемиологического риска. Полученные результаты позволяют предположить, что использование аналитических систем в эпидемиологическом надзоре и построении сценариев обработки эпидемиологических данных способны упростить проведение интеллектуального анализа для конечных пользователей. Такой подход обеспечивается разделением функций аналитика, создающего модели, и функций конечного пользователя - специалиста эпидемиолога, который использует готовое решение без необходимости глубокого понимания математического аппарата. Так сценарий обработки, созданный для определения групп риска по КГЛ в Астраханской области, может без перенастройки использоваться для анализа данных в другом субъекте Российской Федерации и по другой нозологической форме.
Адекватность моделей, полученных в ходе исследования, определена по отношению к настоящему времени, однако, эволюция эпидемического процесса со временем снижает точность прогнозов. Оптимальная кратность перенастройки параметров моделирования определяется сезонностью эпидемического процесса при конкретной инфекционной болезни, но в общем случае должна проводиться не реже одного раза в год. При таком подходе модель не только не снизит эффективность, но и, «обучаясь» на все большем количестве примеров, может повышать точность прогноза. Из методов оценки эффективности моделей эпидемиологического риска наиболее обоснованными являются определение обобщающей и прогностической ценности (т.е. прямое сравнение прогнозных и фактических данных). Выявлено, что косвенные методы, (вычисление точности модели на тех данных, которые были использованы при ее создании) не дают объективной основы для эпидемиологического прогноза. Ограничение моделирования эпидемиологического риска состоит в том, что интерпретация результатов прогнозирования должна проводиться специалистом эпидемиологом с учетом условности понятия «спрогнозированное число больных». Это связано с тем, что модель имитирует не эпидемический процесс, а только зависимость между несколькими ключевыми признаками и условной величиной напряженности эпидемического процесса, для удобства восприятия выраженную в числе больных. Использованные в исследовании информационные технологии обработки данных имеют универсальный характер, что позволяет без ограничений использовать их для создания моделей на основе информации, собранной на территории других субъектов Российской Федерации или по другим нозологическим формам. При этом те модели эпидемиологического риска, которые получены для Астраханской области в отношении конкретных нозологических форм, обладают высокой спецификой и не могут использоваться для прогноза в других регионах или по другим инфекционным болезням. То есть тиражировать полученные результаты можно не на уровне конкретных моделей эпидемиологического риска, а на уровне методов и алгоритмов создания таких моделей. На современном этапе информатизации в целях совершенствования эпидемиологического надзора представляется наиболее оправданным использование ГИС-технологии для пространственного анализа и аналитическую платформу для прогнозирования и проведения интеллектуальных методов анализа данных. В настоящем исследовании использованы персонифицированные данные о 2559 больных АПЛ, ЛЗН и КГЛ, полнофункциональная ГИС ArcGIS 9.3 и аналитическая платформа Deductor 5.2.
Особенности методического подхода, состоящие в более точной группировке и стандартизации при определении возрастной заболеваемости, позволили получить новые данные о контингентах эпидемиологического риска по АПЛ в Астраханской области. Нейросетевая модель, учитывающая показатели заболеваемости и температуру воздуха, осуществляет эпидемиологический прогноз с более высокой точностью. В современных условиях требуется проведение эпидемиологического районирования территории и оптимизация эпидемиологического надзора, санитарно-профилактических и противоэпидемических мероприятий с учетом сочетанности категорий риска. На основе проведенного пространственного анализа заболеваемости в ГИС получена пространственная модель сочетанных эпидемических проявлений АПЛ, ЛЗН и КГЛ.
