Содержание к диссертации
Введение
1. Современное состояние и пути повышения эффективности системы оказания медицинской помощи в регионе по инфекционным заболеваниям 10
1.1. Современное состояние проблем инфекционных заболеваний 10
1.2. Методика геоинформационной составляющей трансформации информации и анализа инфекционных заболеваний 19
1.3. Цель и задачи исследования 24
2. Исследование и визуализация информации о состоянии инфекционной заболеваемости в регионе 26
2.1. Исследование инфекционной заболеваемости на основе визуализации и трансформации информации 26
2.2. Анализ состояния инфекционной заболеваемости по территориальным единицам региона на основе ГИС-технологий 42
2.3. Оценка комфортности проживания населения административных территорий региона по инфекционным заболеваниям с использованием аддитивного преобразования и весового нормирования данных 60
Выводы второй главы 69
3. Оценка динамики и прогнозирование развития инфекционных заболеваний в регионе 70
3.1. Динамика развития инфекционных заболеваний в регионе 70
3.2. Прогностические модели развития инфекционной заболеваемости в регионе 85
3.3. Классификация районов и оценка риска возникновения инфекционных заболеваний в регионе 116
Выводы третьей главы 127
4. Информационное обеспечение системы автоматизированного анализа инфекционной заболеваемости в регионе, результаты апробации и внедрения 128
4.1. Методика информационной поддержки управленческих решений в системе оказания помощи по инфекционным заболеваниям в регионе на основе компьютерных технологий 128
4.2. Методика оценки уровня риска инфекционной заболеваемости и распределения ресурсов в системе здравоохранения региона 132
Заключение 144
Список литературы 146
Приложение 158
- Методика геоинформационной составляющей трансформации информации и анализа инфекционных заболеваний
- Анализ состояния инфекционной заболеваемости по территориальным единицам региона на основе ГИС-технологий
- Классификация районов и оценка риска возникновения инфекционных заболеваний в регионе
- Методика оценки уровня риска инфекционной заболеваемости и распределения ресурсов в системе здравоохранения региона
Введение к работе
Актуальность темы. Борьба с инфекционными болезнями в контексте сохранения здоровья населения России всегда была и остается одним из приоритетных направлений социальной политики нашего государства. В связи с этим в системе оказания медицинской помощи по инфекционным заболеваниям возникает задача, связанная с улучшением обслуживания населения, страдающих инфекционными заболеваниями, совершенствованием амбулаторного и клинического обеспечения, внедрением в клиническую практику высоких медицинских технологий
Одним из определяющих условий рационального управления медицинской помощью при инфекционных заболеваниях является информационное обеспечение процесса управления, поиск, сбор, накопление и переработка необходимой информации, выработка рекомендаций для формирования программы лечебно-профилактических мероприятий в условиях ограниченных ресурсов.
Использование мониторинговых подходов для анализа качества медицинского обслуживания населения требует совершенствования информационного обеспечения, ориентированного на развитие системы здравоохранения, что, в свою очередь, поставило задачу получения качественной и достоверной информации и разработки процедуры ее использования. Особое значение при этом имеют методы прогнозирования показателей системы здравоохранения и принятия решений по территориально распределенным данным на основе гео-инфрмационных технологий
Таким образом, актуальность темы исследования обусловлена необходимостью разработки принципов формирования системы прогнозирования изменений в инфекционной заболеваемости, рационального управления лечебно-профилактической деятельностью инфекционной службы в территориально распределенной системе региона на базе современных информационных и медицинских технологий.
Работа выполнена в соответствии с региональной программой администрации Липецкой области «Здоровье» и в соответствии с основными научными направлениями ГОУ ВПО « Воронежский государственный технический университет» «Биомедкибернетика и компьютеризация в медицине» и «Проблемно-ориентированные системы управления».
Цель и задачи исследования. Целью исследования являются анализ состояния и прогнозирование развития инфекционной заболеваемости в территори-
о-.
ально распределенной системе региона на основе информационного мониторинга, моделирования и ГИС-технологий и разработка методов рационального управления региональной системой медицинской помощи инфекционным больным.
Для достижения поставленной цели необходимо решить следующие основные задачи:
сформировать медицинский мониторинг инфекционной заболеваемости населения в территориально распределенной системе региона на основе трансформации и визуализации информации по территориальным единицам и нозологическим формам;
осуществить анализ состояния инфекционной заболеваемости в регионе с использованием геоинформационных технологий и статистических методов обработки ретроспективной информации;
исследовать динамику и построить прогностические модели развития инфекционной заболеваемости населения по административно-территориальным единицам региона и нозологическим формам;
получить оценку комфортности проживания населения региона по инфекционной заболеваемости и провести классификацию территориальных единиц по уровню риска заболеваемости;
разработать структуру системы автоматизированного анализа инфекционной заболеваемости и сформировать подход к управлению системой оказания медицинской помощи инфекционным больным в регионе на основе прогноза, риска заболеваемости и визуализации информации.
Методы исследования. Для решения поставленных задач в работе используются методы системного анализа, основные положения теории управления, теории вероятностей, математической статистики, методы математического моделирования, ГИС-технологий.
Научная новизна результатов исследования. В работе получены следующие основные результаты, характеризующиеся научной новизной:
медицинский мониторинг инфекционной заболеваемости по административно-территориальным единицам региона, позволяющий оценивать уровни риска заболеваемости для формирования управленческих лечебно-профилактических мероприятий и распределения ограниченных ресурсов;
прогностические модели и характеристики инфекционной заболеваемости, позволяющие получать прогноз развития заболеваемости и формировать региональную программу по оказанию медицинской помощи инфекционным больным на основе анализа ретроспективной, текущей и прогнозируемой ситуации с принятием управленческих решений по каждой территории региона;
методы оценки комфортности проживания и территорий риска по инфекционной заболеваемости, позволяющие обеспечивать рациональное управление инфекционной службой в территориально распределенной системе региона;
процедура комплексной оценки территорий риска инфекционной заболеваемости, позволяющая обеспечивать рациональное принятие управленческих решений в системе оказания медицинской помощи инфекционным больным региона;
структура и информационное обеспечение автоматизированной системы оценки состояния и прогнозирования развития инфекционной заболеваемости, обеспечивающие рациональное принятие управленческих решений на уровне административных органов управления здравоохранением.
Практическая значимость и результаты внедрения. Разработана методика визуализации информации об инфекционной заболеваемости по нозологическим формам и административным территориям для обработки статистической медицинской информации. Предложенные методы оценки позволяют определять территории риска возникновения инфекционной заболеваемости по ретроспективной информации и в автоматизированном режиме, планировать лечебно-профилактические мероприятия, осуществлять рациональное распределение ограниченных ресурсов как на уровне региона, так и на уровне административно-территориальных единиц.
Материалы работы в виде информационного обеспечения и данных медицинского мониторинга, а также методы анализа состояния и развития инфекционной заболеваемости используются в органах управления здравоохранением Липецкой области, а также в учебном процессе кафедры системного анализа и управления в медицинских системах ГОУ ВПО «Воронежский государственный технический университет».
Результаты исследования были использованы при выполнении научно-исследовательской работы Б.5.06 «Теоретические основы геоинформационного статистического анализа и прогнозирования развития территориально распределенных систем».
Апробация работы. Основные положения и научные результаты диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2007, 2008); Всероссийской конференции «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2007, 2008); научно-тематическом семинаре «Проблемно-
ориентированные системы управления» (Воронеж, 2007, 2008); научно-методическом семинаре кафедры «Системный анализ и управление в медицинских системах» ВГТУ (Воронеж, 2007, 2008)
Публикации. По материалам диссертации опубликовано 13 научных работ, в том числе 4 - в изданиях, рекомендованных ВАК РФ.
В работах, опубликованных в соавторстве и приведенных в конце автореферата, соискателем сформирована база данных для анализа состояния инфекционной заболеваемости в территориально распределенной системе региона, проведен анализ результатов обработки многомерных медицинских данных на основе визуализации, трансформации информации и ГИС-технологий [7, 12]; исследована динамика развития инфекционной заболеваемости по административно-территориальным единицам региона и проведена оценка прогностической модели развития инфекционной заболеваемости по различным нозологическим формам [5, 6]; получена оценка комфортности среды проживания населения по основным нозологическим формам инфекционной заболеваемости [2, 8]; проведена классификация территориальных единиц региона по риску инфекционной заболеваемости населения [4, 13]; обоснованы и предложены методы интеллектуальной поддержки принимаемых решений при управлении медицинской помощью инфекционным больным региона [1, 3, 9, 10, 11]
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и приложения, списка литературы из 123 наименований. Основная часть работы изложена на 145 страницах и содержит 68 рисунков и 54 таблицы.
Методика геоинформационной составляющей трансформации информации и анализа инфекционных заболеваний
В зависимости от этиологии и патогенеза различают инвазивные, секреторные и осмотические диареи. При инвазивных кишечных инфекциях возбудители (шигеллы, сальмонеллы, энтероинвазивные эшерихий, кампило-бактерии) проникают в эпителиоциты, вызывая воспаление слизистой оболочки тонкой и толстой кишки. При секреторных кишечных инфекциях (эн-теротоксигенные и энтеропатогенные эшерихиозы, холера) возникновение диареиного синдрома связано с активацией аденилатциклазы клеточных мембран с последующим усилением секреторной активности эпителия тонкой кишки и нарушения реабсорбции воды и электролитов. Осмотические диареи, обусловленные рота, адено, астровирусами и др., развиваются вследствие нарушения функции ферментативных систем энтероцитов, расщепляющих углеводы. Однако, следует отметить, что редко можно распределить нозологические формы, сопровождающиеся диарейным синдромом, в зависимости от одного механизма диареи; чаще имеют значение несколько патогенетических механизмов [12, 34, 59, 87].
Кишечные инфекции клинически проявляются следующими синдромами: интоксикации (острого инфекционного токсикоза), обезвоживания (дегидратации, эксикоза), лихорадки и гастроинтестинальным (гастрит, энтерит, гастроэнтерит, энтероколит, гастроэнтероколит, колит).
Синдром гастрита характеризуется тошнотой, повторной рвотой, болями и чувством тяжести в эпигастральной области. Синдром энтерита проявляется частым обильным жидким водянистым стулом, метеоризмом, болями в животе преимущественно в околопупочной области. Синдром гастроэнтерита характеризуется сочетанием признаков гастрита и энтерита. Синдром энтероколита характеризуется частым обильным жидким стулом с примесью слизи, иногда крови; болями в животе, болезненностью при пальпации и урчанием по ходу толстой кишки. Синдром гастроэнтероколита — отмечается сочетание признаков гастрита, энтерита и колита. Синдром дистального колита: втянутый «ладьевидный» живот, схваткообразные боли в животе с преимущественной локализацией в левой подвздошной области, спазмированная болезненная урчащая сигмовидная кишка, податливость анального сфинктера, тенезмы; изменение частоты и характера стула (частый скудный со слизью, кровью — типа «ректального плевка»). Шигеллезы (дизентерия) (Shigellosis) — инфекционные заболевания человека, вызываемые бактериями рода шигелл, с фекальнооральным механизмом передачи, характеризующиеся развитием острого инфекционного токсикоза и преимущественным поражением слизистой оболочки дистального отдела толстой кишки [12, 23, 59]. Сальмонеллезы (Salmonellosis) — инфекционные заболевания, вызываемые бактериями рода сальмонелл, с фекальнооральным механизмом передачи, протекающие с преимущественным поражением желудочнокишечного тракта. В настоящее время брюшной тиф и паратифы А, С и отчасти В, возбудители которых патогенны только для человека, выделены в группу тифопа-ратифозных заболеваний. Заболевания, вызываемые сальмонеллами, патогенными как для человека, так и животных, обозначают термином «сальмонеллезы». Брюшной тиф (Typhus abdominalis) — острая циклически протекающая кишечная инфекция, вызываемая сальмонеллой брюшного тифа, с фекальнооральным механизмом передачи, характеризующаяся высокой лихорадкой, выраженными симптомами интоксикации с развитием тифозного статуса, ро 19 зеолезными высыпаниями на коже, гепатоспленомегалией и своеобразным поражением лимфатического аппарата тонкого кишечника. Энтеробакгерная инфекция — острое инфекционное заболевание, вызываемое бактериями рода Enterobacter, характеризующееся поражением различных органов и систем (желудочнокишечный тракт, мочевыделительные и желчевыводящие пути, кожа, ЦНС) [34, 59]. Микроспория - грибковое заболевание кожи и волос. Болеют главным образом дети. Различают антропонозную и зооантропонозную микроспорию. Антропонозная микроспория в нашей стране очень редка. Возбудители - ан-тропофильные микроспорумы (Microsporon fen-ugineum) - поражают роговой спой эпидермиса и волосы; отличаются высокой контагиозностью. Источник - больной человек. Пути передачи - прямой и опосредованный (через головные уборы, щетки, расчески, одежду, игрушки и другие предметы).
Чесотка - это паразитарное кожное заболевание, которое передается, в частности, половым путем, из-за чего относится многими специалистами к ЗППГТ (заболеваниям, передающимся половым путем). Чесотка вызывается кожным паразитом - чесоточным клещом или чесоточным зуднем, Sarcoptes scabiei [34, 59].
Анализ состояния инфекционной заболеваемости по территориальным единицам региона на основе ГИС-технологий
При изучении заболеваемости населения в целом, наряду со статистическими методами исследования, целесообразным является применение медико-географических методов. Это обусловлено тем, что одни статистические выводы, без учета картографического анализа, не всегда раскрывают роль факторов внешней среды в распространении болезней, особенно применительно к конкретным территориям [29, 91, 107].
Применение метода картографического анализа не только позволяет показать пространственное положение тех или иных явлений, но и помогает раскрывать смысл и значение этих явлений в их взаимосвязях, исходя из целей медико-социальных исследований. Важную роль в изучении пространственно-распределенной информации по заболеваемости имеет картографический анализ. Специальная карта дает возможность видеть взаимосвязи между распространением заболевания и определенными географическими факторами данной местности.
Специальная медико-географическая карта обеспечивает с одной стороны - необходимую объективность и глубину анализа имеющихся взаимосвязей, а с другой — синтез рассматриваемых явлений применительно к конкретной территории. Использование метода картографического анализа в медико-экологических исследованиях, а также внедрение его в другие отрасли позволяет предвидеть на строго научной основе многие явления, которые могут оказываться неблагоприятными для здоровья населения в пределах конкретной местности, и тем самым обеспечить заблаговременное проведение необходимых профилактических мероприятий [68,91, 107].
Взаимодействие статистического моделирования с картографическим анализом предлагается решать с использованием геоинформационных систем. ГИС являются современными средствами интеграции статистического анализа и математического моделирования со средствами управления базами данных для исследования пространственно-организационных данных.
Для автоматизации задач визуального моделирования в медицине необходимо решить следующие задачи: выбрать адекватную графическую модель; создать атрибутивное описание объектов модели; выбрать или разработать средства отображения, хранения и редактирования графических и атрибутивных данных; связать в единую интегрированную модель графические объекты и их атрибутивные описания, т.е. создать «технологическую» модель, с которой будет работать создаваемая система; обеспечить эффективный переход между описаниями исследуемых объектов, принятыми в предметной области, и их описаниями в «технологической» модели; создать средства анализа и обработки данных, представленных в модели; обеспечить ввод визуальных данных в систему, интерпретацию и вывод результатов обработки данных по модели [56, 91, 107].
Использование ГИС позволяет установить новые зависимости между сборами медицинских, демографических и географических данных, их пространственного анализа, и представляет пользователю возможность оптимизировать процесс выбора стратегий в составлении плана лечебно-профилактических мероприятий. Геоинформационное моделирование проводилось с использованием пакета Arc View 3.0 [117]. Применение ГИС-вьювера ArcView 3.0 позволило более наглядно представить ситуацию по инфекционной заболеваемости в регионе. На рис. 2.16 представлена картограмма, отражающая классификацию районов Липецкой области по общему количеству инфекционных заболеваний за период с 2002 по 2006 гг.
Как показывают исследования, проведенные при помощи ГИС-анализа, неблагоприятными районами по общему количеству инфекционных заболеваний являются Усманский и Данковский районы, а к благоприятным районам с наименьшим уровнем инфекционной заболеваемости можно отнести - Лев-Толстовский, Измалковский, Долгоруковский, Тербунский и Доб-ринский районы.
Классификация районов и оценка риска возникновения инфекционных заболеваний в регионе
Анализируя данные по темпам прироста инфекционных заболеваний, можно сделать вывод, что по Липецкой области динамика по трем нозологическим формам: вирусный гепатит А, острые кишечные инфекции и коклюш за последние пять лет, имеет положительный характер, а по остальным девяти нозологическим формам отмечается тенденция к снижению уровня заболеваемости. Для города Липецка характерно снижение уровня инфекционных заболеваний по девяти нозологическим формам, и лишь по вирусному гепатиту А, сальмонеллезу и коклюшу характерно увеличение уровня заболеваемости. Особо стоит отметить увеличение случаев заболеваемости коклюшем, так по Липецкой области за последние пять лет уровень заболеваемости увеличился на 112,36 %, а по городу Липецку на 198,17 % [35, 40].
Получение прогностических моделей осуществляется при экстраполяции временного ряда (ВР) по тренду, возможность использования которой определяется следующим: общие условия, определяющие тенденцию развития в прошлом, не претерпевают существенных изменений в будущем; тенденция ряда характеризуется аналитическим уравнением. Ограничения, накладываемые этими условиями, уменьшают точность прогнозных оценок и сужают возможность использования методов прямого прогнозирования [18].
Для построения прогноза использовалась экстраполяция временного ряда. Временной ряд разлагается на краткосрочную осцилляцию, сезонный эффект и случайный остаток; первые три элемента проектируются вперед, собирая их вместе сложением или умножением (в зависимости от модели) для формирования прогноза, затем исследуется ошибки прогноза.
В статистических исследованиях подсчитывается стандартная ошибка оценки параметра или строится доверительный интервал для заданного уровня значимости, т.к. выборка объемом N извлекается случайных образом из генеральной совокупности. При прогнозировании, осуществляя разложение временного ряда, строится модель, и любые ошибки прогноза будут зависеть не только от выборки, но и от ошибок спецификации этой модели [7, 18, 57].
В общем случае выбор методов адаптивного прогнозирования зависит от длины ряда; наличия (отсутствия) сезонных эффектов, наличие пиков и нестандартности (либо других нарушений) в ряде и типа прогноза (краткосрочного/долгосрочного). Также выбор конкретного метода прогнозирования зависит от выполнения следующих условий: трудоемкости построения модели; наличия готовых машинных программ; быстроты, с которой метод улавливает существенное изменение в поведении ряда (например, внезапный сдвиг математического ожидания или увеличение угла наклона линии тренда); существования сериальных корреляций в ошибках (в большинстве случаев это указывает на то, что модель сильно упрощена); неизменяемости первичных данных (во многих рядах прошлые данные время от времени изменяются); срочности (получение прогноза в режиме on line).
Методика статистического прогнозирования по тренду и колеблемости ряда основана на экстраполяции. Пакеты статистических исследований динамических рядов представляют следующие модели для получения прогноза: экспоненциальное сглаживание; экспоненциальное сглаживание с учетом сезонности; модель Бокса-Дженкинска (авторегрессия, скользящее среднее); авторегрессионые модели; спектральный анализ и др [18, 61, 74].
В работе был применен метод экспоненциального сглаживания для построения краткосрочных прогнозов по инфекционным заболеваниям для Липецкой области. Прогнозирование осуществлялось при помощи пакета Statisica 5.0.
Любой метод построения систематических функций для описания наблюдений основывается на критерии наименьших квадратов, в соответствии с которым все наблюдения имеют равный вес. Однако недавним точкам следует придавать в некотором смысле больший вес, а наблюдения, относящиеся к "далекому прошлому", должны иметь по сравнению с ними меньшую ценность (их следует дисконтировать). Для некоторой степени это учитывается в методе скользящих средних с конечной длиной отрезка усреднения, где значения весов, приписываемых последней группе (2т+1) значений, не зависит от предыдущих значений. Рассмотрим идею метода выделения "свежих" наблюдений - экспоненциального сглаживания [18, 57, 61, 74].
Методика оценки уровня риска инфекционной заболеваемости и распределения ресурсов в системе здравоохранения региона
Матрица расстояний или близости нередко задается непосредственно: либо как таблица экспертных оценок близости, либо как матрица прямых измерений сходства: межотраслевого баланса, степеней соседства географических регионов, взаимной цитируемости авторов и т. д. В таких случаях все поставленные выше проблемы адекватности расстояний и выбора мер сходства снимаются.
В настоящее время существует огромное количество алгоритмов кластер-анализа. Они отражают разнообразие не только вычислительных приемов, но и концепций, стоящих за ними [4, 50, 76].
Наиболее естественный путь нахождения образов заключается в том, что дается точное определение образа и отыскивается скопление точек, обладающее соответствующими свойствами. Например, образ (кластер) можно определить как такое скопление точек, в котором среднее межточечное расстояние меньше среднего расстояния от данных точек до остальных. Поэтому будем считать, что основой первого направления решения задачи структурной классификации является формулировка понятия кластера и разбиение совокупности на части, каждая из которых представляет собой кластер в данном смысле. Такой подход часто называется эвристическим. Однако многие свойства этих процедур изучены достаточно хорошо, а некоторые из алгоритмов находят локальный экстремум определенному функционалу. Поэтому назовем группу алгоритмов, ориентированных на выделение кластеров с заранее заданными свойствами, процедурами прямой классификации.
Основной чертой таких процедур является использование ими только одного понятия кластера. Скажем, в группе методов Аг-средних объекты попадают в тот класс, расстояния до центра которого минимальны, т. е. реализуется одно из определений кластера. Это означает, что все классы разбиения будут удовлетворять именно этому определению. Если предположить, что некоторые исходные данные в самом деле имеют причудливый вид, то алгоритмы этого типа не смогут их разделить. Поэтому крайне интересно создать процедуры комбинированной прямой классификации, которые бы выделяли классы в смысле нескольких определений, т. е. подыскивали бы для каждого скопления свойственное ему определение кластера [50, 76, 100].
Требование к хорошей классификации предъявляют не только в терминах определений отдельных кластеров. Часто общее представление о качестве классификации формулируется в виде некоторого функционала, экстремальное значение которого соответствует наилучшей классификации.
Это второе оптимизационное направление в решении задачи кластер-анализа сформировалось позже первого и представляет богатую и разветвленную дисциплину. Остановимся на некоторых методических аспектах, касающихся связи двух подходов.
Оптимизационное направление пытается задачу кластер-анализа ввести в традиционное математическое русло, четко сформулировать критерий и добиваться его экстримизации. При этом, естественно, возникают чисто математические проблемы: определения свойств функционала, путем достижения оптимума, трудоемкости алгоритма.
Наконец можно выделить третье направление решения задачи кластеризации, наиболее позднее по срокам развития. Его можно называть аппрок-симационным. Основная идея подхода заключается в следующем: отношения, заложенные в исходных данных, требуется наилучшим образом аппроксимировать отношением, отвечающим нашему представлению о классификации. Классификация обычно задает отношение эквивалентности, а исходные данные могут быть отражены по-разному [76].
В диссертационной работе кластерный анализ применялся для классификации районов Липецкой области по инфекционным заболеваниям [38]. В качестве меры близости использовалось расстояние Евклида. Обработка проводилась при помощи пакета Statistica 5.0. Результат кластерного анализа районов Липецкой области по инфекционным заболеваниям приведен в табл. 3.29 и нарис. 3.31.
Для уточнения и более детального исследования ситуации по инфекционным заболеваниям для Липецкой области применялся дискриминантный анализ, позволяющий при помощи соответствующих дискриминантных функций распределять объекты, в данном случае районы по классам. В данном случае, имея показатели по рассматриваемым нозологическим формам для определенного района и соответствующие дискриминантные функции можно сразу определить район в тот или иной класс, по уровню заболеваний не зная общую картину по области, т.е. достаточно только сведений только по конкретному району. Дискриминантный анализ является разделом многомерного статистического анализа, который позволяет изучать различия между двумя и более группами объектов по нескольким переменным одновременно [100]. Для получения дискриминантных функций предложен вид в виде линейной комбинации для каждого класса (классифицирующая функция). Она имеет следующий вид:
