Содержание к диссертации
Введение
Глава 1 Проблемы синтеза систем пространственного мониторинга состояния здоровья населения города 15
1.1 Актуальные проблемы мониторинга за показателями здоровья населения мегаполиса 15
1.2 Геоинформационные системы, как инструментальное ядро системы пространственного мониторинга состояния здоровья населения. 22
1.3 Информационная модель «Человек - окружающая среда - город» 32
1.4 Постановка целей и задач диссертационного исследования 45
Глава 2 Разработка и модернизация методического обеспечения системы пространственного мониторинга состояния здоровья населения города. 47
2.1 Создание концептуальной схемы пространственного анализа показателей здоровья, отклонений и тяжести действия факторов окружающей городской среды 47
2.2 Робастный подход пространственного анализа факторов показателей здоровья 63
2.2.1 Цифровые модели, полученные по детерминированным методам интерполяции 63
2.2.2 Интерполяция данных методом обратно взвешенных расстояний (ОВР) 64
2.2.3 Калькулятор растров 66
2.3.Модернизация геостатистических методов и разработка схемы исследования распространения показателей состояния здоровья населения и изучения причинно-следственных связей в определенных городских локациях 69
2.3.1 Цифровые модели, полученные по геостатистическим методам интерполяции 69
2.3.2 Общая методика геостатистического исследования для медико-экологических данных: выбор математических методов, моделей, получение цифровых пространственных моделей (поверхностей) и моделей ошибок интерполяционных значений 83
Глава 3 Создание системы пространственного мониторинга состояния здоровья населения города 88
3.1 Цели, задачи и структура системы 88
3.2 Блоки, отвечающие за информационное обеспечение системы 95
3.3 Программное обеспечение системы (Геоинформационная подсистема, подсистема анализа, моделирования и визуализации) 100
3.4 Практическая реализация геоинформационной системы здравоохранения, как пример геоинформационной подсистемы Пространственного мониторинга состояния здоровья населения для лиц, принимающих решения в отрасли здравоохранения на примере Санкт-Петербурга 109
Глава 4 Экспериментальная разработка и апробация методического обеспечения системы пространственного мониторинга состояния здоровья населения 121
4.1 Информационное обеспечение Системы пространственного мониторинга состояния здоровья Санкт-Петербурга 121
4.2 Результаты применения концептуальной схемы анализа, учитывающего взаимосвязи характеристик здоровья населения города, отклонений от него и тяжести последствий этих отклонений у населения, проживающего на территории города и факторов окружающей среды в определенных локациях на примере 3 районов Санкт-Петербурга 139
4.3 Результаты пространственного анализа факторов, влияющих на состояние здоровье населения пределах Санкт-Петербурга с использованием робастного подхода 153
4.4 Результаты экспериментов с применением геостатистических методов анализа показателей и их взаимозависимости на определенных территориях 158
4.4.1 Цифровая модель поверхности распределения мутагенов в атмосфере 158
4.4.2 Цифровая модель поверхности распределения врожденной аномалии, деформаций и хромосомных нарушений (ВАДХН) у детей до года 163
4.4.4 Цифровая модель поверхности распределения отдельных отклонений, возникающих у женщин в перинатальный период развития
плода и мутагенных факторов в атмосфере 169
3.4.5. Пространственный анализ распределения канцерогенных факторов в атмосфере 171
4.4.6 Пространственный анализ заболеваемости лейкозами 177
4.4.7 Выводы по результатам исследования с применением геостатистистических методов анализа в здравоохранении 184
Заключение 192
Список литературы 202
- Информационная модель «Человек - окружающая среда - город»
- Цифровые модели, полученные по детерминированным методам интерполяции
- Программное обеспечение системы (Геоинформационная подсистема, подсистема анализа, моделирования и визуализации)
- Результаты пространственного анализа факторов, влияющих на состояние здоровье населения пределах Санкт-Петербурга с использованием робастного подхода
Введение к работе
Актуальность работы. В распространенных сегодня системах экологического, санитарно-гигиенического, медико-экологического мониторинга существуют проблемы с совершенствованием методов сбора, обработки и анализа различных данных для устойчивого выявления статистически достоверных закономерностей распространения заболеваний населения в регионе.
Проблема заключается в том, что традиционные способы статистического пространственного прогноза основываются на нормальном гауссовском распределении, но этот подход может приводить к совершенно неверным результатам из-за появления данных подчиняющихся ненормальным распределениям. В данной работе разрабатываются алгоритмические и программные решения позволяющие выделять статистически надежные зоны пространственного распределения показателей здоровья населения (в т.ч. во времени), так же находить статистически устойчивые причинно-следственные связи между медико-демографическими показателями отдельных групп населения и факторами окружающей среды в условиях негауссовских процессов. Существенной особенностью развиваемых систем мониторинга является усиление устойчивости (ро-бастности) средств выявления зон пространственной связи заболеваемости и загрязненности и средств визуализации результатов мониторинга для ЛПР в различных сферах городского управления: здравоохранении, санитарно-эпидемиологической службе, охраны окружающей среды (ОС) и других.
Целью диссертационной работы является повышение эффективности работы геоинформационных систем медицинского назначения за счет применения устойчивых алгоритмов выявления статистической зависимости между пространственно-временным распределением болезней и факторами. Исходя из поставленной цели необходимо решить следующие задачи:
разработка кортежа устойчивых оценок вероятностей для системы показателей и алгоритмов статистически устойчивых оценок действия факторов окружающей среды региона на здоровье населения, проживающего на этой локации;
разработка ранговых алгоритмов нормализации данных для повышения статистической надежности геостатистической интерполяции для получения пространственно-временного распределения болезней и влияния на них факторов окружающей среды.
выявление статистически устойчивых зон загрязнения окружающей среды в пределах Санкт-Петербурга;
получение экспериментальных результатов по выявлению географических локаций с наличием причинно-следственных связей между показателями здоровья населения и окружающей среды при помощи разработанных методов и алгоритмов;
создание информационной системы пространственного мониторинга состояния здоровья населения города (ПМСЗН) с «дружественными интерфейсами» для специалистов, работающих с медицинской статистикой и экологической информацией и лиц, принимающих управленческие решения (ЛПР) в здравоохранении, санитарно-эпидемиологических службах.
Объектом исследования является информационная система пространственного мониторинга состояния здоровья населения региона.
Предметом исследования является информационное, методическое, программно-алгоритмическое обеспечение системы
Методы исследования.
Для решения поставленных задач использовались методы математического моделирования, геоинформационного анализа, математической статистики, геостатистики. Для анализа использовалась стандартная эпидемиологическая модель «Человек - окружающая городская среда», выбор показателей осуществлялся на основе баз данных медицинской статистики, социально-гигиенического и экологического мониторинга.
Новые научные результаты.
1. Разработана структура процесса мониторинга здоровья населения «Алгоритм
ПАЗФ», учитывающая специфику медицинских данных диспансеризации детей, дан
ных мониторинга атмосферного воздуха, а также - географическую привязку этих дан
ных к территории города.
2. Разработаны алгоритмы оценки условных вероятностей для многомерных
таблиц сопряженности, которые позволяют вычислять коэффициенты здоровья детей,
коэффициенты отклонения и тяжести последствий, коэффициенты зависимости в раз
личных городских ареалах проживания и ареалов загрязнения. Эти алгоритмы в составе
модели ПАЗФ оценивают коэффициенты «силы эффекта», объединяющие характери
стики здоровья, отклонения и тяжести и его зависимости от индекса загрязнения атмо
сферы по простейшим ареалам - административным районам Санкт-Петербурга.
3. Предложены алгоритмы пространственной вероятностной интерполяции (ро-бастного кригинга и кокригинга) на основе рангового и квантильного нормирования данных, которые обеспечили моделирование для некоторых типов заболеваемостей (МКБ-10, ПРР), и показателей распределения индекса загрязнения атмосферы (ИЗА) химическими веществами, а также – способствовали изучению взаимосвязей между этими двумя типами показателей.
3. Получены статистические устойчивые пространственные ГИС модели, привя
занные к географической модели города:
распределение устойчивых (робастных) зон загрязнения окружающей среды в пределах Санкт-Петербурга;
распределения групп заболеваний у населения, зависимых от мутагенных факторов загрязнения окружающей среды, присутствующих в атмосфере мегаполиса;
распределения групп заболеваний у населения, зависимых от канцерогенных веществ, присутствовавших в атмосферном воздухе мегаполиса,
распределения групп заболеваний у населения, не зависимых от канцерогенных веществ, присутствовавших в атмосферном воздухе мегаполиса.
4. Разработана система пространственного мониторинга состояния здоровья
населения (ПМСЗН) Санкт-Петербурга на базе программного обеспечения ГИС и мо
дернизированных методов анализа, визуализации и прогноза показателей состояния
здоровья и окружающей среды в городском пространстве. Разработанная система обес
печивает оперативную передачу наглядных данных и количественно подтвержденных
гипотез через механизмы веб-приложений для оперативного принятия решений в сфере
организации здравоохранения и защиты окружающей среды. Данная система имеет
подсистему интерактивного картографического веб-приложения, как современного ин-
формационно-телекоммуникационного средства отображения результатов медико-экологических геоданных для городских медицинских информационных служб.
Положения, выносимые на защиту:
Построение устойчивых к неоднородности данных (робастных) систем пространственного мониторинга состояния здоровья населения региона достигается тем что:
разработанные непараметрические композиции оценок условных вероятностей обеспечивали при мониторинге медицинских фактов статистически устойчивое выявление пространственно временных зависимостей характеристик здоровья, отклонения, тяжести последствий и экологических факторов (ПАЗФ) от действия экологических факторов на население, проживающего на определенной территории города или региона;
разработанные алгоритмы пространственной вероятностной интерполяции на основе рангового и квантильного нормирования обусловили возможность развития геостатистического метода пространственно-временного анализа ряда характеристик заболеваемости и показателей загрязнений окружающей среды для объективного выявления статистических зависимостей между этими характеристиками. Таким образом, удается обеспечить: 1) построение пространственных прогнозов (цифровые пространственные модели распределения); 2) экспериментально проверить точность пространственных моделей, 3) объективно выявить зоны устойчивого действия факторов, 4) объективно выявить пространственные зависимости между показателями отклика у населения (например определенными видами заболеваемости чувствительных групп) и химическими факторами в окружающей городской среде (в определенной ее компоненте). Разработанные методические подходы позволили в системе пространственного мониторинга выявлять и отображать определенные локации (ареалы), где есть исследуемые зависимости, причем, удалость это сделать с количественно определенной точностью пространственного прогноза.
разработанная с использованием описанных новаций архитектура системы пространственного мониторинга (ПМСЗН) и разработанная методическая поддержка представления статистически устойчивых аналитических геоданных в виде веб-интерфейсов для ЛПР, работающих в сферах организации здравоохранения и управления охраной окружающей среды.
Внедрение результатов работы
1. Методы отображения, анализа и прогноза при помощи ГИС внедрены в деятельности СПбМИАЦ: отдела геоинформационных технологий, информационно-аналитического отдела при решении научно-исследовательских и задач управления здравоохранением города Санкт-Петербурга, а именно: в разработке Классификаторов «Учреждения здравоохранения г. Санкт-Петербурга, разработанного в СПбМИАЦ в 2007 году; в формировании Концепции информатизации Здравоохранения г. Санкт-Петербурга в 2005 – 2015 гг., разработанной в СПбМИАЦ для Комитета по здравоохранению (КЗ); подготовке ежегодного доклада для Председателя Комитета по здравоохранению Правительства г. Санкт-Петербурга, а также – подготовка аналитических материалов для КЗ; при реализации ГИС здравоохранения на базе программного обес-
печения ArcGIS (ESRI), при создании структуры баз данных и баз геоданных в СПб-МИАЦ
-
Методы и элементы «Системы пространственного мониторинга состояния здоровья населения» были использованы в деятельности отдела социально-гигиенического мониторинга окружающей среды ТУ Роспотребнадзора города Санкт-Петербурга при разработке баз данных (БД) санитарно-эпидемиологического и экологического назначения и методов пространственного анализа для задач социально-гигиенического мониторинга Санкт-Петербурга и защиты окружающей среды.
-
Результаты экспериментов, методы, алгоритмы, инструменты программного обеспечения, а также отдельные подходы диссертационной работы внедрены в учебном процессе СПб ГЭТУ («ЛЭТИ»), в СПб ГУПС, ВЭШ, СПб ГЭУ.
Публикации: по теме диссертации опубликовано 57 научных работ из них главы в 3х монографиях, 13 статей в журналах (из них 3 статьи, опубликованные в рецензируемом журнале, определённом ВАК Минобрнаука РФ), 40 работ в материалах Российских и международных конференций, а также автор Геоинформационной системы «Геоинтеллект» (Свидетельство о государственной регистрации ПО ЭВМ№ 2015614104 от 06.04.2015 г.)
Структура и объем диссертации:
Диссертация состоит из введения из 4 глав, заключения и списка использованной литературы, включающего 104 наименования. Основная часть диссертации изложена на 217 страницах машинописного текста. Содержит 88 рисунков, 23 таблицы и 3 Приложения.
Информационная модель «Человек - окружающая среда - город»
Благодаря свойству визуализации и интеграции разнородных данных методы пространственного анализа в изучении здоровья населения ГИС получают все большее распространение в отрасли здравоохранения. Традиционно издаются медицинские, медико-экологические атласы. В качестве примера можно привести фундаментальный атлас «Окружающая среда и здоровье населения России» под ред. М. Фешбаха, серию атласов под ред. А.А. Келлера [6], ряд региональных атласов, например - по Санкт-Петербургу [7], Смоленской области [8], Ямало-Ненецкому автономному округу [9,103]. Однако, такие атласы доступны малому кругу лиц, сегодня существуют веб-ориентированные ГИС и сервисы (веб-ГИС), способные представить эпидемиологический атлас в виде интерактивной веб-карты (веб-приложения) и предоставить доступ разному числу лиц для обмена геоданными и в РФ они стали только сейчас появляться в отрасли здравоохранения [10].
Тенденции развития существующих систем мониторинга: систем экологического, санитарно-гигиенического мониторинга в значительной мере связаны как с совершенствованием методов сбора, обработки и анализа различных данных, так и новых возможностей визуализации, моделирования, прогноза разнородной информации. Сегодня в существующих системах мониторинга накоплены колоссальные массивы данных, в т.ч. с географической привязкой (геоданных), на основе которых можно получать новые научные результаты как о пространственном распределении показателей здоровья населения (в т.ч. во времени), так и находить причинно-следственные связи между медико-демографическими показателями отдельных групп населения и факторами ОС [11].
Стремительное развитие и доступность инструментов ГИС, модернизация методов пространственного анализа, прогноза и отображения геоданных, существующих в современной геоинформатике, дают новые возможности, научные идеи для обработки, отображения, анализа и прогноза показателей здоровья населения, причем с определенной точностью в ареалах (локациях) проживания населения, а также, что немаловажно, степени воздействия в этих ареалах факторов среды на проживающее здесь население [12]. Сегодня, при реализации пространственных методов анализа и прогноза в инструментарии ГИС, в т.ч. недетерминированных методов геостатистики, имеются предпосылки достичь высокой точности пространственных прогнозов (интерполяции) даже при ограниченности данных в медицинской статистике и экологического мониторинга, чего ранее достичь было сложно [13]. Данные мониторинга всегда требовали визуализации обработанной информации в виде наглядных и количественно поддержанных графических (картографических) образов для изучения нелинейных зависимостей между показателями здоровья населения городов как откликов и показателями загрязнения ОС как факторов [14,15]. Важной составляющей перспективного развития систем мониторинга является модернизация способов представления результатов мониторинга ЛПР в различных сферах городского управления: здравоохранении, санитарно-эпидемиологических службах, охраны ОС и других [16].
В работе вводится новый термин «Пространственный мониторинг состояния здоровья населения», призванный ускорять обработку геоданных, осуществлять интеграцию данных медицинской статистики и данных экологического мониторинга для последующего анализа и прогноза, например, построения разных гипотез (в т.ч. по этиологиям заболеваний на той или иной территории) и принятия на их основе управленческих решений как в целом в регионе, так и на отдельной его территории (локации) с точностью до нескольких кварталов.
Проблема сохранения здоровья людей, достигшая в последнее десятилетие масштабов государственной важности, стала в настоящее время рассматриваться на уровне проблем национальной безопасности страны [14,17]. Есть много исследований в области охраны здоровья, медицинской экологии, медицинской географии, токсикологии, промышленной экологии и др. [18,19,20,21]. Исследователи пытаются на уровне клинических экспериментов понять влияние факторов ОС на человека или группу людей. Как ведет себя популяция людей на действие этих факторов? Как изучить это поведение? Ведь вся эта популяция ограничена одним пространством – городом, который создает действие многочисленных факторов как внешних, так и внутренних. С другой стороны есть ряд работ, связанных с изучением популяций биологических видов млекопитающих, исследований их миграций в пространстве, уменьшения численности видов и выявление истинных причин [22].
На протяжении ХХ века проявлявшуюся в странах с бурно развивавшейся промышленностью тенденцию к понижению уровня коллективного здоровья рассматривали обычно как результат появления все новых неблагоприятных факторов ОС и логично связывали с научно техническим прогрессом, рассматривая как одно из его негативных последствий [23]. Вместе с тем в России, пережившей в 1990-е годы глубокий кризис промышленного производства и, казалось бы, значительное ослабление «индустриального давления» на ОС, уровень общественного здоровья населения не только не повысился, но и испытал дальнейшее снижение за счет возникших негативных общественно-экономических явлений, в том числе усилившегося «давления» на ОС. К таким общим выводам привели результаты гигиенической диагностики причинно следственных связей между ухудшением здоровья населения и экологическими и социальными факторами, например в Санкт-Петербурге [24-30].
Цифровые модели, полученные по детерминированным методам интерполяции
Существует множество методов пространственного анализа на стыке экологических, эпидемиологических и медицинских наук. Они развивались в рамках направления медицинская география с 1970-х годов [57]. Одними из самых перспективных в настоящее время методов, способных решать разнообразные задачи и имеющих сложный математический аппарат, – это пространственная оценка риска действия факторов (экологических, медико-демографических, социальных и пр.) [20,43] и геостатистические алгоритмы исследования пространства [41,58]. В методах оценка риска здоровью популяции, проживающей в пределах определенной локации внутри городов всегда существовало три практические задачи(проблемы):
1-ая проблема – проблема сбора баз данных для достижения точности оценок рисков. Причем, если разветвленная сеть пунктов проб воздуха ГСЭН , которая осталась со времен СССР и стандартные методы интерполяции хоть как-то решают проблему детализации (хотя и не во всех локациях, и эта проблема также решается автором при помощи модернизации геостатистического метода (см. главу 3)), то базы данных медицинской статистики, вследствие устаревших форм и нормативов, собираются либо по административным районам, либо по ЛПУ. Это касается подавляющего большинства нозологий. В последнее время появляется БД регистров по определенным нозологиям, которые решают проблему. БД диспансеризации детей, которые также привязаны к адресу прописки, также решают эту проблему и впервые детализировать данные можно по селитебным зонам городам (жилым кварталам) и уже «привлекать» методы оценки риска в пределах конкретных территорий, в т.ч. строить кривые «доза – ответ» , использую территориально распределенные детальные данные по факторам и откликам внутри городов.
2-ая проблема – проблема выбора показателей для оценки риска здоровью с привязкой к конкретной территории. Обычно для измерения отклонения у популяции, проживающей на определенной территории в животном мире считают количество «голов» за определенное время (родившихся и умерших), для оценки популяции жителей города к расчету смертности и рождаемости добавляются показатели в здравоохранении используются показатели заболеваемости, инвалидности и т.д., которые нормируются на число проживающих на конкретных территориях. Редко исследователи проводят анализ показателей инвалидности (тяжести последствий отклонений) с привязкой к отдельному фактору на территории проживания, вызывающему заболеваемость и еще и последствия, т.к. сделать это довольно сложно, прежде всего с т.з. взаимоувязки данных, а также из-за проблемы №1, описанной выше (проблемы детализации и накопления данных, достаточных для такого рода анализа на , сравнительно, небольших территориях. Автор вообще не обнаружил в литературе расчетов показателей здоровых. Причина этому, помимо проблемы №1, еще и само понятие: «абсолютно здоровый человек». В российском здравоохранении есть понятие групп здоровья (I,II,III и IV) и впервые в 2002 –ом году благодаря мастабному анкетированию при детской диспансеризации врачи корректно выявляли «здоровых» детей, именно по набору заполняемых пунктов анкеты, как результат диагностирования (анкету см. Рис. 34) Т.о. в СПб МИАЦ впервые методически договорились о методе оценки здоровых детей и впервые смогли собрать информацию за довольно короткие сроки и обработать ее. Это позволило получить коэффициент здоровья (Kз), и также использовать его в пространственном анализе, как «отлик» на реакцию жителей той или иной территории (помимо традиционных заболеваемости и инвалидности)Kот = f(Kз), где Kот – сумма заболеваемости и инвалидности по причине заболеваемости (коэффициент отклонения и тяжести последствия от отклонений).
3-ая проблема. Проблема построения кривой «доза-ответ» для исследования рисков заболеваемости (качества жизни) на небольших по площади территориях городов. В исследованиях кривых «доза-ответ», обычно есть управляемый параметр, снижения действия «дозы» для уменьшения «ответа» - реакции на его действия. Если в лабораторных условиях, например, при действии высоких концентраций на подопытных условиях, это можно замерять и эмпирически выводить зависимости, то в «реальных» условиях, да еще и на популяции людей мы можем только «наблюдать» и грамотно измерять показатели «дозы» и показатели «ответа» и управлять параметрами изменений. В литературе , в основном, делаются выводы по кривым «доза-ответ» на уровне обширных территорий (больших площадей). Плюс к этому в качестве «ответа» берется заболеваемость популяции. Без нормировки на число «здоровых». Это сделано ,как раз, по причине отсутствия возможности «измерять» количества здоровых людей в популяции (т.е. проблема №2). Если считать, что «нагрузка» на популяцию в виде измеряемых показателей загрязнений (КИЗА) на определенных территориях, может быть управляемой, то получается поразительный вывод: можно уменьшать соотношение Кот/Кз за счет уменьшения нагрузки КИЗА в ареалах загрязнения, которые больше по площади, чем ареалы измерения отклонения и здоровья у городской популяции. Эти выводы получены экспериментально на основе БД диспансеризации детей. Кроме того, ошибочно брать равные по площади ареалы загрязнений (Э1…ЭN) и ареалы показателей отклика у населения (A1…Aк), как это часто делается в литературе (в т.ч. по причине вышеназванных проблем). Следует иметь в виду перемещение популяции за пределы проживания в своей территории (A1…Aк), совокупную нагрузку и неравномерное распределения веществ в атмосфере в пределах Э.. Таким образом, для верной оценки кривой «доза – ответ» верно брать ареалы загрязнения , которые БОЛЬШЕ ареалов проживания людей именно по причине мобильности масс. В Алгоритме ПАЗФ как раз, делается на этом основной вывод + зависимость показателей нагрузки не от заболеваемости, а от соотношения Кот/Кз
В этой главе приведена попытка объединить в виде алгоритма анализа данных различными методами пространственной визуализации и анализа территориально-распределенных медицинских данных о населении с одной стороны. А с другой, – благодаря уникальным данным о здоровье популяции (см. Рисунок 34), появилась возможность учитывать в медико-экологическом исследовании так называемый коэффициент здоровья популяции. Автор представляет эти алгоритмы как основные теоретические аспекты концептуальной модели пространственного анализа характеристик здоровья, отклонений и тяжести и экологических факторов (далее – «Алгоритм ПАЗФ»). Согласно медико-эпидемиологической модели, представленной в главе 1, работе учитываются только те заболевания, экологическая обусловленность доказана многократными клиническими исследованиями, приведенными в литературе [55,56,59-62]. В методе исследуются классы болезней по МКБ-10 (Болезни органов дыхания (БОД), Болезник кожи и подкожной клетатки (БКиПК), Врожденные аномалии и хромосомные нарушения. В качестве экологических факторов в работе рассматриваются химические вещества в атмосфере и почве города Санкт-Петербурга [28-30].
Программное обеспечение системы (Геоинформационная подсистема, подсистема анализа, моделирования и визуализации)
Сфера здравоохранения работает в сложной и многофакторной системе «Окружающая среда – человек», поэтому для принятия решений в этой сфере важно найти наиболее адекватный возникающим задачам инструмент анализа разнородных данных. На государственном уровне возникла необходимость организовать цельную систему, которая позволила бы объединить в себе параметры ОС и показатели здоровья населения, проанализировать и представить ЛПР возможные варианты совершенствования системы. Цель такой сложной системы очевидна и проста – это улучшение состояния человеческого здоровья путем снижения влияния негативных факторов ОС. Такая система мониторинга существует сейчас в РФ на региональных уровнях. Это система социально гигиенического мониторинга [14,31,43].
Функциональные возможности ГИС и экономическая эффективность от их внедрения позволяют объединить в себе некоторые блоки системы социально-гигиенического мониторинга [36,43]. На примере выделения одного компонента среды (атмосферы), автор в работе предложил внедрение
Системы пространственного мониторинга состояния здоровья населения (ПМСЗН) (Рисунок 32) Рисунок 32. Блок-схема ПМСЗН. Цель деятельности системы ПМСЗН - сбор, обработка, геокодирование и визуализация баз данных о показателях здоровья населения и факторах окружающей среды в пределах мегаполиса Сантк-Петербурга. Цель на практике реализуется посредством решения следующих задач: - Постановка типовых задач и обоснование выбора ведущих (определяющих) факторов, влияющих на состояние здоровья населения; - Загрузка баз данных из систем экологического и социально 90 гигиенического мониторинга, создание и сопровождения геоданных (геокодирование); Загрузка баз данных медицинской статистики (стандартные годовые формы отчетности по районам города и ЛПУ), создание и сопровождения геоданных (геокодирование); Загрузка баз данных по отдельным проектам, например «Диспансеризация детей 2002 года» [65,66], создание и сопровождения геоданных (геокодирование); Загрузка баз данных по Популяционному раковому регистру [71], создание и сопровождения геоданных (геокодирование); Визуализация показателей состояния здоровья населения по различным территориальным единицам : административный район, квартал
Пространственно-временной анализ распределения показателей на различных геоуровнях: на уровне субъектов и городов РФ (сранвение ситуации), а также на уровне районов и кварталос Санкт-Петербурга, а также тенденций распределения; Анализ робастных зон влияния факотороов загрязнения в пределах границ Санкет-Петербурга; Геостатистическое исследование для выявления причинно следственных связей между фаткорами и откликами в определенных локациях внутри городов; Создание единой платформы для обмена данными между источниками информации в закрытом режиме (интеграция с ГИС органов государственной власти Санкт-Петербурга) Создание вебГИС платформы для специалистов МИАЦ, а также подсистем для населения (об информировании и мед. Услугах ЛПУ) Система ПМСЗН имеет ряд существенных преимуществ. Она дает возможность лицам, принимающим решения (ЛПР): - осуществлять информационную поддержку ситуации с показателями состояния населения на картограммах на различных уровнях: для федерального уровня - сравнение субъектов, городов, для субъектового уровня - сравнение административных районов субъекта, или даже кварталов городов [41,71]; - выполнить прогноз государственных затрат на здравоохранение, связанных с воздействием одного или нескольких факторов [43]; - обосновать материальный иск граждан на ущерб здоровью, связанный с вредным воздействием факторов среды обитания [43]; - информировать местное население о ситуации с состоянием здоровья в регионе проживания в соответствии с законодательством РФ [40].
Оценка риска является одной из основ для принятия решений по профилактике неблагоприятного воздействия экологических факторов на здоровье населения [43], но не самим решением. Решения, принимаемые на такой основе, не являются ни чисто хозяйственными, ориентирующимися только на экономическую выгоду [87], ни чисто медико-экологическими, преследующими цель устранения даже минимального риска для здоровья человека или стабильности экосистемы без учета затрат на обеспечение такой ситуации [86, 87]. Другими словами, сопоставление медико-экологических, социальных и технико-экономических факторов дает основу для ответа на вопрос о степени приемлемости риска и необходимости принятия решения, ограничивающего или запрещающего использование того или иного технического решения, функционального зонирования территории поселения при разработке его генплана, принятия немедленных мер по стимулированию природоохранной деятельности предприятий и т.д. [22]. Целевой функцией системы ПМСЗН является принятие решений о корректировке деятельности государственных и негосударственных учреждений здравоохранения и предприятий с учетом выявленных экологически неблагоприятных зон с повышенными рисками для здоровья населения этих районов [21, 43].
Этап принятия управленческих решений включает, помимо количественных величин риска, анализ и характеристику неопределенностей, связанных с оценкой, и обобщение всей информации по оценке риска. Важной составляющей для ЛПР является доступный и понятный инструмент анализа результатов [20].
В настоящее время существующие системы сбора данных за состоянием здоровья населения давно устарели. С другой стороны перетерпливают значительные изменения и системы мониторинга за ОС: запущены системы социально-гигиенического мониторинга, где, помимо баз данных показателей загрязнения ОС ведется сбор данных по показателям здоровья [31]. Однако он имеет определенные недостатки, связанные, прежде всего, с различиями в структуре организации сбора данных: как по времени так и по пространству. Кроме того, само пространственное изучение распределения инфекционных и неинфекционных заболеваемостей может помочь найти причинно следственные связи, понять тенденции распространения и т.д. Автором предлагается вводить системы пространственного мониторинга за ПМСЗН на базе ГИС. Данные системы могут быть подсистемами уже существующих систем мониторинга, помогать выполнять задачи социально-гигиенического мониторинга более эффективно [11,35, 36, 41]: решать задачи по выявлению локаций (территорий), где наиболее значимая «нагрузка» факторов загрязнений компонентов ОС, индуцированные показателями здоровья населения конкретных территорий (заболеваемость, инвалидность).
Результаты пространственного анализа факторов, влияющих на состояние здоровье населения пределах Санкт-Петербурга с использованием робастного подхода
Для жителей кварталов трех районов СПб в целом средний коэффициент Кот для БОД равен 0,1, для ВАДХН равен 0,07, для БК и ПК равен 0, 04. Вклад каждой из этих патологий разнообразен – БОД стоят на третьем месте по частоте встречаемости из общей структуры заболевания детей (по результатам «Диспансеризации 2002») и на первом среди первичной заболеваемости среди детей (по обращаемости в поликлиники
Но тяжесть от БОД минимальна, в то время как ВАДХН – наоборот, отображает весомый вклад в инвалидность , т.е. высокую тяжесть заболеваний населения на территориях. Особенно, это касается Центрального района, где высокая устойчивая экологическая нагрузка тяжелых металлов на почву (особенно свинцом), велико суммарное загрязнение почв и относительно постоянное загрязнение атмосферы в результате образования больших пробок автомобильного транспорта [26-30].
Несмотря на то, что в общей структуре наиболее часто встречающихся при диспансеризации детских болезней процент БК и ПК (5,38%) сравним с ВАДХН (5,58%), реакция городской среды по этим видам патологий кожи практически отсутствует. Это подтверждает хаотичное распределение Кот для БК и ПК по городу.
Средний коэффициент здоровых различим по районам. Можно сделать выводы о наибольшем количестве здоровых в Приморском районе и наименьшем – в Центральном районе. Средние коэффициенты равны, соответственно, в Приморском районе - 0,29, а в Центральном - 0,15. Картограмма распределения коэффициента здоровья для населения показывает следующую закономерность распределения: высокие отклонения от среднего значения в Приморском, Московском районах, средние – наблюдаются в Калининском и Невском районах, а низкие коэффициенты, показывающие низкий уровень здоровья популяции в этих районах, - в Центральном, Адмиралтейском, Красносельском и других районах.
Кривые Кот = f(КЗ) демонстрируют отчетливые зависимости рассматриваемых отклонений на действие тех или иных экологических факторов на различных территориях. Однако явно видно, что такой класс патологий, как БК и ПК, у популяции не вызывается факторами окружающей среды. Это видно практически по всем рассматриваемым районам.
Это доказывает хаотическое распределение коэффициента отклонения и тяжести по городу в целом.
Обратим внимание на различную пространственную картину распределения коэффициентов отклонения и тяжести для БОД и ВАДХН: преимущественная тенденция распределения БОД – к юго-востоку города, а ВАДХН – к юго-западу с большой скученностью в центре. Это подтверждено предшествующими медико-экологическими исследованиями [51,54,55], в которых, например, доказываются связи ВАДХН с группой мутагенных факторов (бензол, кадмий, свинец и др.).
Что касается более подробного обсуждения БОД и ВАДХН и тяжести последствий этих болезней, как откликов, на действие экологических факторов, то удобно обратиться к коэффициенту силы эффекта (POWER). Из Рисунка 5.26. можно сделать следующие выводы:
1. Детское население Невского района отчетливо реагирует на загрязнение атмосферы посредством БОД. Реакция населения посредством БОД в 2 раза больше, чем в Центральном. Это, возможно, объясняется тем, что основное количество веществ в атмосферном воздухе «сносит» северо-западный ветер, который преимущественен для Санкт-Петербурга, и химические вещества со всего города (в т.ч. и из Центрального района) скапливаются в Невском районе, который, кроме всего прочего, насыщен предприятиями [26-30].
Тренд загрязнений специфическими веществами (в группу которых входят такие легкие вещества, как формальдегид, фенол, бензол, аммиак и др.), вызванных, как правило, промышленными предприятиями, направлен на юго-восток, к Невскому району.
Однако реакция на среду населения Невского района посредством ВАДХН не показала значимого эффекта (Power стремиться к 0). Возможные причины отсутствия реакции населения посредством наличия ВАДХН у детей: загрязнения почв преимущественно в промышленных зонах, а не в жилых, тренд группы мутагенов направлен на юго-запад, КИЗА суммарного загрязнения атмосферы относительно невелика [73].
2. Детское население Центрального района реагирует на загрязнение посредством реакции ВАДХН в три раза сильнее по сравнению с Невским районом. Основные причины – постоянное, многолетнее, устойчивое (1990 2000 г.г.) наличие загрязняющих веществ в атмосфере. Причем КИЗА группы специфических веществ находится на уровне больше 15, для веществ, имеющихся в выхлопных газах автотранспорта, КИЗА больше 19. Постоянное нахождение этих веществ в Центральном районе приводит к непрерывному оседанию их в приземных слоях атмосферы и увеличению вероятности реакции детей и мам, выраженных в виде ВАДХН. Здесь, кроме фактора загрязнения воздуха и оседания загрязняющих веществ, играет важную роль загрязнение почв. Особенно высоки значения концентраций свинца в Центральном районе, связанные как с большой скученностью предприятий в районе Московская-Товарная, так и с большим количеством автомобильных пробок на данной территории [73, 26-30]. Таким образом, при невысоком количестве здорового детского населения очень высока вероятность отклонений ВАДХН у детей на этой территории, а также вероятности тяжести этих отклонений в виде детской инвалидности.
Интересно, что имеется, хоть и незначительная, реакция населения Центрального района посредством БК и ПК. В других рассматриваемых районах она отсутствует. Очевидно, суммарное действие факторов на популяцию в Центральном районе очень высоко.
3. Как уже было отмечено выше, детское население Приморского района реагирует на факторы окружающей среды менее всего по всем рассматриваемым патологиям. Причем, если сила эффекта для БК и ПК минимальна, то для ВАДХН и БОД она приблизительно одинакова и одинакова низка. По экологическим факторам этот район является одним из благополучных [26-30, 73] по всем компонентам ОС. Однако реакция есть, что обуславливает близость района к другим районам (в частности центральным) и возможную минимальную миграцию детей в соседние районы, а также наличие на отдельных территориях Приморского района суммарных загрязнений почв и загрязнение почв свинцом. Следует также отметить относительно низкое загрязнение Приморского района неспецифическими веществами (КИЗА меньше 7).