Автореферат и диссертация по медицине (14.02.02) на тему:Информационные технологии в эпидемиологическом надзоре за природно-очаговыми инфекционными болезнями (на примере Астраханской области)

Сафронов Валентин Алексеевич

Информационные технологии в эпидемиологическом надзоре прнродно-очаговымн инфекционными болезнями (на примере Астраханской области)

14.02.02 - эпидемиология

Автореферат

диссертации на соискание ученой степени кандидата медицинских наук

О 3 МДР 23:

Саратов - 2010

4856384

Работа выполнена в ФГУЗ «Российский научно-исследовательский противочумный институт «Микроб» Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека

Научный руководитель:

доктор медицинских наук, старший научный сотрудник

Топорков Владимир Петрович

Официальные оппоненты:

доктор медицинских наук, профессор Самойлова Любовь Владимировна доктор медицинских наук, профессор Спирин Владимир Федорович

Ведущая организация: Федеральное государственное учреждение «48 Центральный научно-исследовательский институт Министерства обороны России»

Защита состоится 2 марта 2011 года в Ю00 часов на заседании диссертационного совета Д 208.078.01 по защите докторских и кандидатских диссертаций при ФГУЗ «Российский научно-исследовательский противочумный институт «Микроб» (410005, г. Саратов, Университетская, 46)

С диссертацией можно ознакомиться в научной библиотеке ФГУЗ «Российский научно-исследовательский противочумный институт «Микроб» Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека

Автореферат разослан «2$ » ■ 2011 г.

Ученый секретарь диссертационного совета

доктор биологических наук, старший научный сотрудник

Слудский А.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность проблемы. Природно-очаговые инфекционные болезни представляют постоянную угрозу для эпидемиологического благополучия населения целого ряда субъектов Российской Федерации, включая Астраханскую область. При ежегодной регистрации до 30 тыс. случаев заражения природно-очаговыми инфекционными болезнями, их вклад в общее количество смертей в России составляет более 1,6% [Стат.сб./Росстат. - Р76 М., 2008].

Отмечая определенные успехи в разработке и внедрении средств профилактики, диагностики и лечения, следует подчеркнуть, что система эпидемиологического надзора за природно-очаговыми болезнями, в свете внедрения Международных медико-санитарных правил (ММСП, 2005 г.) приобрела ключевое значение в обеспечении санитарно-эпидемиологического благополучия населения [Г.Г. Ошпценко с соавт., 2007; В.В. Кутырев с соавт., 2007]. На современном этапе актуальность исследований, направленных на усиление контроля рисков, связанных с природно-очаговыми инфекционными болезнями, подчеркивается расширением ареала и ростом численности носителей и переносчиков, что определяет высокую эпизоотическую активность, приводящую к осложнению эпидемиологической ситуации [А.И. Ковтунов с соавт. 2007, Е.В. Путинцева, В.П. Смелянский с соавт. 2010] .

Отчетливой тенденцией в развитии эпидемиологического надзора в последние десятилетия можно считать все более широкое привлечение высокотехиологических методов обработки информации, которые позволяют повышать точность и наглядность ретроспективного анализа, в конечном счете, направленного на прогноз и предупреждение осложнения эпидемиологической ситуации. 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 [Б.Л. Черкасский, 2007].

Оценивая подходы к оптимизации эпидемиологического надзора за природно-очаговыми болезнями, следует подчеркнуть принципиальную важность разработки методов, обеспечивающих полноценный пространственный эпидемиологический анализ средствами reo информационных систем (далее ГИС) и прогноз, основанный па современных технологиях моделирования [Б.Л. Черкасский, 2007].

Следует отметить, что к настоящему времени не разработано эффективных методик эпидемиологического прогнозирования на основе нейросетевых моделей, учитывающих климатические условия реализации факторов риска природное

очаговых инфекционных болезней. Кроме того методики оценки сочетанных эпидемических проявлений, используемые на современном этапе, не учитывают больных, проживающих в соседних населенных пунктах.

Несмотря на широкий арсенал методик, используемых для проведения эпидемиологического районирования, к настоящему времени нет единого алгоритма, учитывающего персонифицированные данные и на основе кластеризации по комплексу факторов риска обеспечивающего дифференцирование территории по стандартным участкам произвольного размера.

Исходя из вышеизложенного, целью исследования явилось совершенствование эпидемиологического надзора за природно-очаговыми инфекционными болезнями в Астраханской области на основе использования современных информационных технологий.

Задачи исследования:

1. Охарактеризовать подходы к совершенствованию действующей системы эпидемиологического надзора за природно-очаговыми инфекционными болезнями в Астраханской области на основе использования современных информационных технологий.

2. Провести углубленный анализ возрастной заболеваемости для определения контингеитов эпидемиологического риска Астраханской пятнистой лихорадки (далее АПЛ) на территории Астраханской области.

3. Разработать методику количественной оценки эпидемиологического риска для краткосрочного прогноза по природно-очаговой инфекционной болезни на примере АПЛ.

4. Разработать методику выявления участков территории сочетанных эпидемических проявлений на примере АПЛ, лихорадки Западного Нила (далее ЛЗН) и Крымской геморрагической лихорадки (далее КГЛ).

5. Разработать метод районирования территории субъекта Российской Федерации по комплексу критериев, характеризующих эпидемиологический риск для населения, связанный с природно-очаговыми инфекционными болезнями на примере АПЛ в Астраханской области.

Научная новизна

1. С помощью углубленного анализа персонифицированных данных по 1606 больным АПЛ, зарегистрированным в Астраханской области, получены новые сведения о контингеитах эпидемиологического риска, заключающиеся в выявлении двух групп повышенной возрастной заболеваемости (4-9 лет и 65-74 года).

2. Дано научное обоснование для планирования деятельности по осуществлению эпидемиологического надзора за АПЛ на основе созданной нейросетевой модели, отличающейся тем, что прогноз напряженности эпидемического процесса осуществлялся с учетом климатических факторов с точностью выше 90%.

3. Научно обосновано сосредоточение мероприятий эпидемиологического надзора за природно-очаговыми инфекционными болезнями на участках территории сочетанкых эпидемических проявлений АПЛ, 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 АПЛ. Показано, что дифференциация не по 14 административным районам области, а по 12670 стандартным участкам, качественно повышает точность эпидемиологического районирования по риску, связанному с АПЛ.

Практическая значимость

Результаты исследования были использованы при разработке следующих документов:

1. СП 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.)

2. МР «Совершенствование эпидемиологического надзора за чумой и другими опасными инфекционными болезнями бактериальной, рнккетснозной 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.

3. МР «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:

1. Использование персонифицированных данных способствует получению новых сведений о контингентах эпидемиологического риска.

2. Использование нейросетевых моделей на основе многолетних эпидемиологических, эпизоотологических и климатических показателей повышает точность эпидемиологического прогноза по АПЛ.

3. Эффективность оценки пространственной составляющей эпидемиологического риска повышается за счет использовании ГИС для определения территорий сочетанных эпидемических проявлений природно-очаговых инфекционных болезней.

4. Качественное повышение точности эпидемиологического районирования Астраханской области по АПЛ достигается при использовании ГИС и кластеризации территории на основе карт Кохонена по комплексу показателей.

Апробация работы. Материалы диссертации 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 году).

Публикации. Основные результаты исследований по теме диссертации опубликованы в семи научных работах, из них четыре в - изданиях, рекомендуемых ВАК России.

Структура н объем работы. Диссертация состоит из введения, обзора литературы, трех глав собственных исследований (включающих описание материалов и методов работы), заключения и списка использованных источников. Общий объем диссертации составляет 116 страниц машинописного текста, работа иллюстрирована 8 таблицами и 34 рисунками. Список использованной литературы включает 105 источников.

СОДЕРЖАНИЕ РАБОТЫ

Материалы и методы

Исследование выполнялось на основе трех государственных контрактов (№ 64-Д, 108-Д и 116-Д) Федеральной целевой программы «Национальная система химической и биологической безопасности Российской Федерации» (2009 -2013 годы)». Были использованы персонифицированные сведения из первичных учетных форм (форма 058/у и форма №060/у), представленные Управлением Роспотребнадзора по Астраханской области за 10-летний период по зарегистрированным больным АПЛ, ЛЗН и КГЛ. Для обеспечения полноценного использования методов анализа первичные данные были упорядочены в таблицу, которая явилась основой для создания базы данных (таблица 1).

Таблица 1. Названия, тип данных и назначение полей таблицы по зарегистрирова!Iным больным

№ Название поли Тип данных Допустимые значении Назначение

1 Нозологическая форма строковый АПЛ, ЛЗН, КГЛ Раздельный учет нозологических форм

2 Пол целый 1,2 Оценка группы риска

3 Возраст целый 1,2,3 ...99

5 Социальный статус строковый Учащийся, работающий, пенсионер и т.д.

6 Дата заболевания дата ДД.ММ.ГГГГ Оценка времени риска

7 Адрес проживания строковый Район, населенный пункт, улица, № дома Оценка территории риска

Всего создано и обработано 1827 копий документов (электронные фотографии и отсканированные изображения заполненных журналов, экстренных извещений и карт эпидемиологического обследования за 10-летний период), из которых извлечена и внесена в таблицу информация о 2559 больных АПЛ, ЛЗН и КГЛ. Для контроля правильности внесения данных из персонифицированных учетных форм использовались обобщенные ежегодные данные по количеству больных и уровню заболеваемости по данным формы № 2 государственного статистического наблюдения «Сведения об инфекционных и паразитарных заболеваниях» за 10-летний период. В качестве критерия правильности внесения данных было принято соответствие числа больных за учетный год из формы № 2 и сумма больных из списочного состава. Для обеспечения достоверности анализа были использованы критерии внесения случаев регистрации инфекционных больных из основной таблицы в рабочую выборку. Информация о больном исключалась из дальнейшей обработки, если для соответствующей записи выполнялось любое из 3 перечисленных условий: отсутствует адрес проживания больного и/или название населенного пункта и района для жителей области; не указана дата заболевания; нет информации о лабораторном подтверждении и/или окончательном диагнозе. По указанным критериям отсеяно 4,9 % записей.

При выборе параметров моделирования и осуществлении прогноза использована дополнительная информация: для оценки многолетней динамики привлечены данные по числу зарегистрированных больных в год за 26 летний период (1983-2009 г. по данным государственных докладов); для оценки влияния факторов риска па напряженность эпидемического процесса использовались данные эпизоотологического мониторинга по Н. Marginatum с 2002 но 2009 год по месяцам (всего 56 показателей численности); данные по обращаемости населения на укус клещом R. РитШо и Н. Marginatum, за период с 2002 по 2009 год с разбивкой по районам (всего 336 значений); подробные климатические данные с 1999 по 2009 год, включающие 26 показателей, регистрируемых метеостанцией № 34880 ежедневно в различное время суток (всего 998244 значений за 11 летний период) и обобщенные данные измерений температуры воздуха по месяцам с 1830 по 2008 год (всего 2040 значений за 178 летний период).

В исследовании использовался комплекс методов обработки данных с применением географической информационной системы и аналитической платформы (Рисунок 1).

платформы

В соответствии с информационным подходом к анализу эмпирические данные в исследовании предшествовали построению модели эпидемиологического риска, па основе которой получены новые данные.

При обработке данных и проведении пространственного анализа использовалась географическая информационная система (ГИС) ArcGIS 9.3 в составе ArcMap, ArcCatalog и модулей расширения ArcGIS Spatial Analyst и ArcGIS Geostatistical Analyst.

Аналитическая платформа Deductor 5.2 использовалась для проведения таких интеллектуальных методов анализа и моделирования как, многослойные нейронные сети для прогнозирования на данных с нелинейными зависимостями и самоорганизующиеся карты Кохонепа - механизм кластеризации, позволяющий разбивать данные на группы и отображать результаты в виде двухмерных карт.

Результаты исследования 1. Подходы к совершенствованию действующей системы эпидемиологического надзора за природно-очаговыми инфекционными болезнями в Астраханской области

Анализ действующей системы эпидемиологического Е1адзора за природно-очаговыми инфекционными болезнями в Астраханской области выявил наличие таких признаков информационной системы, как множество составляющих ее элементов, единство главной цели для всех элементов, наличие информационных связей между ними, целостность элементов, наличие структуры и иерархичности, относительная самостоятельность и наличие единого управления этими элементами. При этом основные задачи, решаемые эпидемиологическим надзором, полностью согласуются с элементарными информационными процессами (таблица 2).

Таблица 2. Соответствие задач эпидемиологического надзора

информационным процессам

Основные задачи эпидемиологического надзора на уровне субъекта Российской Федерации Элементарный информационный процесс

Наблюдение на месте, сбор и регистрация информации Получение данных

Оценка масштабов, характера распространенности и социально-экономической значимости инфекционной болезни Предварительный анализ

Выявление коитингентов населения, подверженных повышенному риску заболевания вследствие особенностей их производственно-бытовых или иных условий жизни Анализ групп риска

Выявление тенденций и оценка темпов динамики эпидемического процесса данной инфекционной болезни во времени, разработка периодических прогнозов эпидемиологической ситуации Анализ времени риска

Районирование территории с учетом степени реального и потенциального эпидемиологического неблагополучия по данной инфекционной болезни Анализ территории риска

Определение адекватной системы профилактических и противоэпидемических мероприятий, планирование последовательности и сроков их реализации Разработка управленческих решений (обратная связь)

Контроль масштабов, качества и эффективности осуществляемых профилактических и противоэпидемических мероприятий в целях их коррекции Получение данных

Исходя из этого, сама цель осуществления эпидемиологического надзора может быть сформулирована с точки зрения теории информации [Шеннон К., 1963] как сведение к минимуму информационной неопределенности при принятии управленческих решений. Данная формулировка цели определяет приоритетные подходы к совершенствованию системы эпидемиологического надзора на основе информатизации.

Выбор конкретных информационных технологий определяется как организационной структурой системы, так и свойствами используемых данных. С данной точки зрения система эпидемиологического надзора использует территориально распределенную структуру подразделений, решающих отдельные задачи, при этом за каждым учреждением закреплена своя зона ответственности, что подчеркивает необходимость консолидации информации в единую базу. В отношении используемых данных, следует отметить, что при осуществлении

эпидемиологического надзора за природно-очаговыми инфекционными болезнями на уровне субъекта Российской Федерации собирается и обрабатывается структурированная персонифицированная информация с пространственной привязкой (адреса больных, места отбора проб и др.) и временной привязкой (дата заболевания, дата госпитализации и др.). Описанные условия позволяют использовать наиболее мощные и современные средства, такие как ГИС-технологии для пространственного анализа и аналитические платформы для прогнозирования и проведения интеллектуальных методов анализа данных.

Следует отметить, что в арсенале высокотехнологических средств проведения эпидемиологического надзора имеется также ряд компьютерных программ для автоматизации отдельных узкоспециализированных элементен эпидемиологического анализа и универсальные статистические пакеты, требующие высокой квалификации пользователя. ГТо сравнению со статистическими пакетами и узкоспециализированными программами можно констатировать, что возможности ГИС и аналитических платформ в известной мере превышают потребности эпидемиологического анализа. Однако определенная избыточность функционала коммерческих программных пакетов ГИС и аналитических платформ в полной мере компенсируется гибкостью и относительной простотой использования, что повышает качество анализа и обоснованность сделанных выводов. В-часгности, ГИС и аналитические платформа позволяют создавать одновременно несколько моделей или шаблонов, основанных на разных методах обработки данных. Через полученные модели автоматически «прогоняются» исходные данные, что позволяет на выходе получать серию результатов, рассчитанных разными способами. То есть, в качестве критерия подтверждения рабочей гипотезы может быть использован не просто определенный результат, а одинаковый результат, полученный при использовании различных методов анализа.

Таким образом, па современном этапе информатизации, в целях совершенствования эпидемиологического надзора представляется наиболее оправданным использование мощных, полнофункциональных ГИС и аналитических платформ.

2. Анализ возрастной заболеваемости АПЛ на территории Астраханской

области

С целью выявления контингентов риска, связанного с АПЛ, был проведен анализ заболеваемости в различных возрастных группах (0-15 лет, 16-19 лет, 20-29 лет, 30-39 лет, 40-49 лет, 50-59 лет и 60 и более). Анализ полученного

распределения показывает, что заболевания выявлялись во всех возрастных группах, причем самый низкий удельный вес приходиться на возраст 16-19 лет, а самый высокий регистрируется среди возрастной группы от 60 лет и старше, что полностью соответствует результатам ранее проведенных исследований [Ковтунов А, И. 1999].

Динамика вовлечения в эпидемический процесс людей разного возраста имеет большое значение для выявления факторов эпидемиологического риска и зависит от интенсивности контакта с природными очагами инфекционной болезни. Для уточнения границ возрастных групп с повышенной заболеваемостью было проведено дополнительное исследование, при котором группировка производилась не по интервалам лет, а по отдельным годам, что позволило получить распределение не по семи, а по 85 группам. В результате выявлено неравномерное распределение, форма которого имеет отличия от распределения по интервалам. Наибольший удельный вес пришелся tía больных в возрасте 4-9 лет, 42-56 лет и 6577 лет. Причина, по которой разный уровень обобщения привел к различным результатам, состоит в том, используемая группировка имела избыточно широкие интервалы и не отражала реальной возрастной заболеваемости, что обусловило потерю значимой информации.

Полученные новые данные дали точное представление о возрастной заболеваемости, однако, их механическое перенесение на все население Астраханской области некорректно, поскольку жители области имеют собственное распределение по возрастным группам (большое число больных в определенном возрасте может быть связано с демографическими особенностями региона). С целью устранения ошибки, связанной с неравномерным возрастным распределением всех жителей Астраханской области, был проведен сравнительный анализ и вычисление стандартизованных показателей возрастной заболеваемости. Результаты сравнительного анализа свидетельствуют о том, что возрастная структура всех жителей Астраханской области оказывает существенное влияние на относительное распределение больных по возрастным группам. После перехода от абсолютного числа больных к относительному показателю выявляются две возрастные группы повышенного риска (4-9 лет и 65-74 года) и одна группа со сниженной заболеваемостью (18-36 лет). Полученные данные находят объяснение в свете представлений о поэтапном вовлечении жителей в эпидемический процесс. Дети в возрасте 4-9 лег, по-видимому, вовлекаются в эпидемический процесс АПЛ по мере естественного роста их социальной активности, что отражается на интенсивности контактов с источником инфекции в природном очаге. Относительное снижение заболеваемости в группе 18-36 лет может быть связано с

постепенным развитием активного иммунитета в результате многократных контактов человека с возбудителем, не сопровождавшихся развитием клинических признаков. Вторая группа повышенного эпидемиологического риска включает жителей области в возрасте 65-74 года, что может быть связано с вовлечением в эпидемический процесс жителей, которые с наступлением пенсионного возраста начинают более активно посещать приусадебные и дачные участки, находящиеся на территории природных очагов АПЛ.

Таким образом, 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.

3. Количественная оценка эпидемиологического риска н прогноз по природно-очаговой инфекционной болезни на примере АПЛ

Анализ ретроспективных эпидемиологических данных, является основой выявления временных закономерностей развития эпидемического процесса и, в конечном счете, направлен на прогноз и предупреждение осложнения эпидемиологической ситуации. Поэтому, с точки зрения практической значимости, эпидемиологический прогноз является одним из ключевых элементов планирования мероприятий эпидемиологического надзора. 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 [Черкасский Б.Л., 2007].

Заболевания АПЛ на территории области регистрировались ежегодно с 1983 года, причем динамика характеризовалась определенной периодичностью подъемов и спадов заболеваемости, а также наличием периодов относительной стабильности. Результаты анализа многолетней динамики АПЛ в Астраханской области с 1983 по 2008 год позволили выявить два периода. Первый период с 1983 по 1998 год, характеризуется стабильным ростом числа больных с единиц до 200 и более случаев. С 1999 года по 2008 год выделен второй период, относительной стабилизации заболеваемости с ежегодной регистрацией от 150 до 250 больных.

Внутригодовая динамика напряженности эпидемического процесса при АПЛ отличается определенной стабильностью, обусловленной тем, что основной переносчик Rhipicephalus pumilio относится к теплолюбивым ксерофитным клещам, которые в холодное время года находятся в неактивном состоянии. При

распределении больных по месяцам выявлено, что заболевания АПЛ не регистрировались в холодное время года (ноябрь-февраль), а пик сезонности приходится на август. Причем первоначальный рост заболеваемости, начинающийся с марта-апреля, обусловлен взрослыми формами, а августовский пик заболеваемости совпадает с подъемом численности ювеналькых форм развития клещей, что полностью согласуется с результатами ранее проведенных исследований [Фетисова Н.Ф. 1996, Ковтуиов А.И. 1999].

Отмеченная стабильность уровня напряженности эпидемического процесса при АПЛ является предпосылкой для успешного прогноза, в особенности при использовании наиболее простых и доступных приемов. Действительно, анализ данных за период с 1999 по 2009 год показал, что среднемноголетний уровень количества больных (среднее значение за последние пять лет) в качестве прогноза на следующий год в среднем эффективен на 74,8% при ошибке менее 49 больных. То есть данный прием (скользящего среднего), за счет сглаживания временного ряда позволяет делать удовлетворительный ориентировочный прогноз, исходя из того, что в следующий период времени рассматриваемая система будет находиться в том же состоянии, что и в предыдущий. Не менее существенным недостатком описанного приема, является отсутствие учета значимых факторов риска и условий их реализации, что упрощает представление об эпидемическом процессе до изолированной системы, на которую не оказывается внешнее воздействие. Ценность такого прогнозирования не высока, поскольку результат не снижает уровень неопределенности и не способен предугадать резкое изменение заболеваемости.

Для количественной оценки эпидемиологического риска и повышения качества прогноза нами использована методика нейросетевого моделирования. Данная методика основана на обработке эмпирических данных (обучающей выборки), и установлении связи между входными факторами и выходным показателем риска. В качестве выходного интегрального показателя было принято число больных в следующем году, в то время как входными факторами являлись число больных в текущем году, год назад и среднемноголетний уровень. Указанный набор параметров прогнозирования оказался не эффективен и нуждался в дополнении ключевым внешним фактором, оказывающим существенное влияние на эпидемический процесс.

Поиск данного фактора осуществлялся на основе корреляционного анализа по двум направлениям - эпизоотологические показатели и климатические условия. При ранжировании изученных показателей по степени корреляционной связи выявлено, что наибольшей потенциальной прогностической ценностью обладает

показатель температуры воздуха. Уточнение специфики влияния климатических условий на многолетнюю динамику эпидемического процесса позволило количественно охарактеризовать наличке сильной положительной корреляционной связи +0,81 со средней температурой двух месяцев (июля и августа) на протяжении 20 последних лет наблюдения (1990-2009 гг.). Подтверждением важности температурных условий служит обнаруженная положительная связь +0,86 между дневными температурами воздуха и сезонной заболеваемостью. По-видимому, столь выраженное влияние климатических условий, как на многолетнюю, так и на сезонную динамику заболеваемости, может объясняться комплексностью воздействия на источник инфекции, механизм передачи и на восприимчивый организм. Высокие температуры июля и августа не только создают благоприятные условия для переносчиков и их прокормителей, но и, совпадая с сезоном отпусков, способствуют вовлечению в эпидемический процесс жителей, выезжающих для отдыха на территорию природных очагов АПЛ.

При дополнении структуры прогностической модели температурными показателями ее обобщающая ценность (точность прогноза на ретроспективных данных) достигла 95,1% при ошибке 10 больных. Из графика (Рисунок 2) следует, что учет климатических условий значительно повышает точность прогноза, поскольку кривая расчетных значений ближе к реальным цифрам, чем кривая среднемноголетнего уровня. Однако для более достоверной оценки прогностической силы модели в качестве критерия была использована мера соответствия расчетного и реального значения по 2009 году, которое было исключено из обучающей выборки и не использовалось при создании нейросетевой модели.

§ < чНь,

1

о / Ч ,'

' 150 х'/

V /^«е——&

\

V.

Реадииыезначена

Среднемногодетний .уровень

тныезначения

гады с?

Рисунок 2. Сравнительная оценка эффективности методик эпидемиологического прогнозирования по АПЛ

Прогноз на 2009 год, при условии соответствия температуры воздуха июля и августа климатическим нормам для Астраханской области (24,48°С среднее значение с 1830 по 2008 год), оказался точен на 94,7%, что оказалось выше точности среднемноголетнего уровня на 27,3%. Полученная нейросетевая модель влияния факторов риска и климатических условий на интегральный показатель эпидемиологического риска также позволила, варьируя параметром температуры воздуха, проводить вычислительные эксперименты и осуществлять прогноз по различным сценариям.

Таким образом, на основе созданной нейросетевой модели, учитывающей влияние климатических условий на заболеваемость АПЛ в Астраханской области, предложена методика прогнозирования напряженности эпидемического процесса, отличающаяся более высокой точностью.

4. Методика выявления участков территории сочетанного эпидемического проявления АПЛ, ЛЗН и КГЛ

С целыо научного обоснования целенаправленного проведения комплекса санитарно-профилактических (противоэпидемических) мероприятий на участках сочетанного эпидемического проявления, нами был проведен пространственный анализ мест постоянного проживания всех зарегистрированных больных (всего 2147 человек, из которых отсеяно 4,9% в связи с неполной информацией) АПЛ, ЛЗН и КГЛ за восьмилетний период.

Картирование случаев регистрации больных АПЛ, ЛЗН и КГЛ при помощи ГИС выявило их неравномерное пространственное распределение. Пространственный анализ эпидемических проявлений перечисленных инфекционных болезней позволил уточнить географическое положение очагов, а также установить пространственную динамику распространения указанных инфекционных болезней на территории Астраханской области. Для выявления территорий приуроченности эпидемических проявлений АПЛ, ЛЗН и ЛЗН по точкам, обозначающим места проживания зарегистрированных больных, были построены буферные зоны радиусом 3 км, размер которых выбран, исходя из средней протяженности населенного пункта Астраханской области.

Рабочая гипотеза состояла в том, что на территории Астраханской области существуют сравнительно небольшие участки (менее 5% от общей площади), в пределах которых регистрируется повышенная заболеваемость тремя природно-очаговыми инфекционными болезнями, имеющими близкие эпидемиологические характеристики. Для проверки указанной рабочей гипотезы средствами ГИС было

проведено пространственное сопоставление территорий повышенного риска инфицирования, результаты которого представлены на рисунке (Рисунок 3).

4ПЛ

лзьс: кгл

дпл ■ | ~ " " ' \;Ъ'\ >:. *

Рисунок 3. Участки сочетанного эпидемического проявления АПЛ, ЛЗН и КГЛ на территории Астраханской области

Как следует из рисунка, пространственный анализ выявил наличие 13 участков устойчивых сочетанных эпидемических проявлений трех перечисленных природно-очаговых инфекционных болезней. Общая площадь выявленной территории устойчивой сочетанности эпидемических проявлений составила 2 028 км2, что составляет 4,6 % от территории Астраханской области. В пределах данной зоны располагается 101 населенный пункт с постоянно проживающим населением 161 826 человек. Контроль результатов буферного анализа производился путем сопоставления с результатами анализа в растровой модели данных (совместный анализ карт плотности проживания больных на территории области), при этом получено полное совпадение пространственных моделей.

Сравнение с базовым методом выявления сочетанного эпидемического проявления выявило, что табличный поиск обнаруживает только 15 наиболее крупных населенных пунктов Астраханской области, население которых (50 783 чел.) подвергается высокому риску в отношении трех инфекционных болезней. Пространственный анализ в ГИС помимо 15 наиболее крупных выявляет еще 86 населенных пунктов, население которых (111 043 чел.) проживает в равных условиях повышенного риска инфицирования. Кроме того, в зоне сочетанных эпидемических проявлений регистрируется 56 % всех случаев КГЛ, 87 % ЛЗН и 64 % АПЛ, на основании чего можно сделать вывод об определенной обобщающей ценности данной модели пространственного распределения. Эффективность

пространственного анализа в сравнении с методом табличного поиска определяется тем, что на территории участков сочетанности выявляется на 9 % больше больных ЛЗН, на 21 % - АПЛ и па 20 % - КГЛ. Прогностическая ценность пространственной модели была определена на основе контроля попадания больных из тестовой выборки (10 % случайно отобранных больных, не участвовавших в построении буфера) в полученную зону сочетанности. Для АПЛ прогностическая ценность пространственной модели по результатам проверки составила 53 %, для ЛЗН - 86 % и для КГЛ - 58%, что может быть использовано для прогнозирования уровня выявляемое™ указанных инфекционных болезней для Астраханской области в среднесрочной перспективе.

Таким образом, показано, что использование пространственного анализа в ГИС позволяет научно обосновать целенаправленное проведение комплекса санитарно-профилактических (противоэпидемических) мероприятий на участках сочетаниого эпидемического проявления АПЛ, ЛЗН и КГЛ.

5. Метод районирования территории субъекта Российской Федерации по комплексу критериев, характеризующих эпидемиологический риск для населения, связанный с природно-очаговымн инфекционными болезнями

Эпидемиологическое районирование осуществляется для дифференциации территорий по степени риска осложнения эпидемиологической обстановки с целью планирования профилактических и противоэпидемических мероприятий. Несмотря на то, что используемые в настоящее время методики эпидемиологического районирования обеспечивают основные цели эпидемиологического надзора, остается актуальным увеличение пространственной точности и научной обоснованности дифференциации территорий на основе количественных методик оценки эпидемиологического риска. С целью повышения разрешающей способности и объективности районирования нами предложен метод, основанный на критериальной оценке эпидемиологического риска и кластерном анализе эпидемиологических данных, с пространственной привязкой к стандартным участкам произвольного размера. Принципиальным преимуществом кластерного анализа является независимость результатов кластеризации от априорного мнения эксперта относительно принадлежности тех или иных территорий к определенному уровню риска поскольку сходство территорий по совокупности признаков в составе кластера определяется в ходе многомерной статистической процедуры.

Принцип метода состоит в выработке критериев-показателей оценки эпидемиологического риска применительно к стандартному участку территории, проведении пространственного соединения в ГИС информации по показателям

риска с сеткой стандартных участков (Рисунок 4) и проведение кластерного анализа полученных объектов. Интерпретация эпидемиологической значимости кластера и визуализация этой информации позволяет создавать карты эпидемиологического риска с произвольным пространственным разрешением.

Рисунок 4. Пространственное соединение в ГИС информации о факторах риска и слоя стандартных участков

На основе корреляционного анализа, в качестве критериев-показателей оценки эпидемиологического риска АПЛ, использовано число больных, совокупная длительность эпидемического периода (сумма длительностей периодов от даты заболевания первого до даты заболевания последнего больного в каждом году) и численность жителей населенных пунктов в стандартном участке. При построении сетки полигонов стандартных участков выбрана форма правильного шестиугольника с длиной ребра 1,5 км и площадью 5,9 км2. Это позволило при помощи ГИС поделить всю территорию Астраханской области па 12670 участков равных между собой по размеру и площади. Путем пространственного соединения, на сетку полигонов была агрегирована информация но населенным пунктам и больным, при этом данные о численности населенных пунктов и данные о сроках заболевания больных были записаны в атрибутивные поля таблицы, которая подверглась кластеризации. Из 12670 стандартных участков, заболеваемость отмечается в 223, именно по ним и была проведена кластеризация, в результате получено три однородные группы, характеризующиеся различной степенью эпидемиологического риска.

Как следует из представленной таблицы (Таблица 3) к первому кластеру отнесено 9 стандартных участков со средним числом больных 45±5 (среднее ±

стандарт, ошиб.), средней совокупной длительностью эпидемического периода 618±41 дней и численностью постоянно проживающего населения более трех тысяч человек на один участок.

Таблица 3. Характеристики кластеров

Сред число больи 1.1 X Сред длительно сть ЭП11Д. периода (дней) Числ. населен ия (тыс. чел.) Риск Число участков Доля больных зарегистри ронянных в 2009 Сред число больн 2009 года на 1 уч-к

45±5 618±41 >3 Макс. 9 22 % (32) 3,55

18±1 320±14 1-3 Средний 26 26 % (38) 1,46

3±0,2 28±3 <1 Низкий 188 34 % (49) 0,26

0 0 - Мшшм. 12447 20 % (27) 0,002

Ко второму кластеру было отнесено 26 стандартных участков, которые характеризовались средним числом больных 18±1, 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 (0,07% территории области), 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 АПЛ не регистрировалась с 2000 года, были охарактеризованы как минимально опасные.

Полученные новые данные об эпидемиологическом статусе стандартных участков были визуализированы при помощи ГИС (Рисунок 5).

Сидоий Низкий

* ** *!г:*»*«*, Ъ'*.*'? .

Рисунок 5. Фрагмент карты эпидемиологического риска АПЛ

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 по 2009 году. С этой целыо информация по 146 больным, зарегистрированным в 2009 году, не была использована при эпидемиологическом районировании и не оказывала влияния на распределение территорий по кластерам риска. 146 больных 2009 года составили 10% от числа больных, зарегистрированных за период с 2002 по 2008 год, что определило репрезентативность выборки. Результаты сопоставления информации по пространственному распределению больных 2009 года по различным кластерам риска представлена в шестом и седьмом столбцах таблицы 3, из которой 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. 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 па 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, что подчеркивает высокую прогностическую ценность предложенного метода.

Таким образом, разработанный метод эпидемиологического районирования территории Астраханской области на основе ГИС и кластерного анализа факторов

риска позволил осуществить дифференциацию по 12670 стандартным участкам, что качественно повысило точность районирования по величине эпидемиологического риска. Выводы

1. Углубленный анализ персонифицированных данных по 1606 больным АПЛ на территории Астраханской области выявил группы повышенного эпидемиологического риска в возрасте с 4 до 9 лет и с 65 лет до 74 лет, что является предпосылкой для совершенствования региональных программ по профилактике заболеваемости.

2. На основе созданной нейросетевой модели, учитывающей влияние климатических условий на заболеваемость АПЛ в Астраханской области, разработано научное обоснование для планирования эпидемиологического надзора за дайной инфекционной болезнью, отличающееся достоверным (более 90%) прогнозом напряженности эпидемического процесса.

3. Показано, что использование пространственного анализа в ГИС позволяет научно обосновать целенаправленное проведение комплекса санитарно-профилак-тических (противоэпидемических) мероприятий на участках сочетанных эпидемических проявлений АПЛ, ЛЗН и КГЛ.

4. Разработанный принципиально новый метод эпидемиологического районирования территории Астраханской области на основе ГИС и кластерного анализа факторов риска позволил осуществить ее дифференциацию не по 14 административным районам области, а по 12670 стандартным участкам, что качественно повысило точность районирования по величине эпидемиологического риска.

5. Совершенствование эпидемиологического надзора за природио-очаговыми инфекционными болезнями на территории Астраханской области с применением ГИС «ArcGIS» и аналитической платформы «Deductor» осуществлено за счет более эффективных методик выявления контингентов повышенного риска, более точных методик прогнозирования эпидемиологической ситуации и более объективных методов районирования территории с учетом реальной и потенциальной степени эпидемиологической опасности.

СПИСОК РАБОТ, ОПУБЛИКОВАНЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Топорков В.П., Топорков A.B., Сафронов В.А., Кутырев В.В. Современные технологии в эпидемиологии // Материалы XI Межгосударственной научно-практической конференции «Современные технологии в реализации глобальной стратегии борьбы с инфекционными болезнями на территории государств-участников СНГ» Волгоград, 2008. - С. 286 - 289.

2. Сафроиов В.Л., Пискуиова H.В., Ковтунов Л.И., Кабин В.В., Илюхин A.A., Кологоров А.И., Никсшина H.H., Носкова Л.Н., Славина A.M., Юстратов В.Б. Топорков В.П.. Новые информационные технологии в ретроспективном эпидемиологическом анализе на уровне субъекта Российской Федерации на примере Астраханской области // Проблемы особо опасных инф. - 2010. Вып. 2 (104).-С. 43-48.

3. Сафронов В.А., Раздорский A.C., Скаленко С.Ю., Лопатин A.A., Ковтунов А.И., Пискуиова Н.В., Кологоров А.И., Куклев Е.В., Топорков В.П. Географическая информационная система для эпидемиологического надзора за природно-очаговыми инфекционными болезнями в сочетаиных очагах на территории Астраханской области // Проблемы особо опасных инф. - 2010. Вып. 3 (105). - С. 35-38.

4. Лопатин A.A., Сафронов В.А., Раздорский A.C., Куклев Е.В. Современное состояние проблемы математического моделирования и прогнозирования эпидемического процесса // Проблемы особо опасных инф. - 2010. Вып. 3 (105). -С. 28-30.

5. Куклев Е.В., Раздорский A.C., Сафронов В.А., Адамов А.К., Лопатин A.A., Топорков В.П.. Разработка структуры базы данных по рискам в области биологической безопасности на уровне субъекта Российской Федерации // Проблемы особо опасных инф. - 2010. Вып. 1 (103). - С. 34—36.

6. Топорков В.П., Сафроиов В.А., Топорков A.B., Кутырев В.В. Перспективы совершенствования структурно-функциональной организации мониторинга и контроля внешних и внутренних угроз биологической безопасности в государствах-участниках СНГ // Материалы X межгос. науч. практ. конф. государств-участников СНГ «Актуальные проблемы предупреждения и ликвидации последствий чрезвычайных ситуаций в области санитарно-эпидемиологического благополучия населения государств-участников СНГ». -Ставрополь, 2010 г.-С. 120-121.

7. Сафронов В.А., Раздорский A.C., Скаленко С.Ю. Использование географической информационной системы для эпидемиологического надзора за природпо-очаговыми инфекционными болезнями в соче танных очагах на территории Астраханской области // Материалы X межгос. науч.-практ. конференции государств-участников СНГ «Актуальные проблемы предупреждения и ликвидации последствий чрезвычайных ситуаций в области санитарно-эпидемиологического благополучия населения государств-участников СНГ». -Ставрополь, 2010 г. - С. 223 - 224.

1

Подписано к печати 28.12.2010 Формат 60x84 1/16 Печать лазерная Бумага офисная Объем 1,0 усл. п. л. Тираж 100 экз. Отпечатано на полиграфическом оборудовании ФГУЗ РосНИПЧИ «Микроб» 410005, г. Саратов, ул. Университетская, 46

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].

При ежегодной: регистрации» до 30 тыс. случаев заражения, природно-очаговымиг инфекционными 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-санитарных правил (ММСП, 2005 г.) приобрела ключевое значение в обеспечении санитарно-эпидемиологического благополучия населения [45, 59, 79]. На современном этапе актуальность исследований; направленных на усиление контроля рисков; связанных, с; природно-очаговыми 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]. 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] 1 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. у

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.

2. Провести углубленный анализ возрастной заболеваемости для определения контингентов эпидемиологического риска Астраханской пятнистой лихорадки (далее АЛЛ) на территории Астраханской области.

3. Разработать методику количественной оценки эпидемиологического риска для краткосрочного прогноза по природно-очаговой инфекционной' болезни на примере АЛЛ.

4. Разработать методику выявления участков территории сочетанных эпидемических проявлений на примере АЛЛ, лихорадки Западного Нила (далее ЛЗН) и Крымской геморрагической лихорадки (далее КГЛ).

5. Разработать метод районирования территории субъекта Российской Федерации по комплексу критериев, характеризующих эпидемиологический риск для населения, связанный с природно-очаговыми инфекционными болезнями на примере АЛЛ в Астраханской области.

Научная новизна:

1. 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 6574 года).

2. 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%.

3. 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:

1. 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.)

2. МР «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.

3. МР «Методические указания по определению площади эпизоотий 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:

1. Использование персонифицированных данных способствует получению новых сведений о контингентах эпидемиологического риска.

2. Использование нейросетевых моделей на основе многолетних эпидемиологических, эпизоотологических и климатических показателей повышает точность эпидемиологического прогноза по АЛЛ.

3. Эффективность оценки пространственной составляющей эпидемиологического риска повышается за счет использовании ГИС для определения территорий сочетанных эпидемических проявлений природно-очаговых инфекционных болезней;

4. Качественное повышение точности эпидемиологического, районирования^ Астраханской области по АЛЛ достигается при использовании ГИС и кластеризации территории на основе карт Кохонена по комплексу показателей. i

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.

6. ВЫВОДЫ

1. Углубленный анализ персонифицированных данных по 1606 больным АЛЛ на территории Астраханской области выявил группы повышенного эпидемиологического риска в возрасте с 4 до 9 лет и с 65 лет до 74 лет, что является предпосылкой для совершенствования региональных программ по профилактике заболеваемости.

2. На основе созданной нейросетевой модели, учитывающей влияние климатических условий на заболеваемость АЛЛ в Астраханской области, разработано научное обоснование для планирования эпидемиологического надзора за данной инфекционной болезнью, отличающееся достоверным (более 90%) прогнозом напряженности эпидемического процесса.

3. Показано, что использование пространственного анализа в ГИС позволяет научно обосновать целенаправленное проведение комплекса санитарно-профилактических (противоэпидемических) мероприятий на участках сочетанного эпидемического проявления АЛЛ, ЛЗН и КГЛ.

4. Разработанный принципиально новый метод эпидемиологического районирования территории Астраханской области на основе ГИС и кластерного анализа факторов риска позволил осуществить дифференциацию не по 14 административным районам области, а по 12670 стандартным участкам, что качественно повысило точность районирования по величине эпидемиологического риска.

5. Совершенствование эпидемиологического надзора за природно-очаговыми инфекционными болезнями на территории Астраханской области с применением ГИС «Агс018» и аналитической платформы «БескюШг» осуществлено за счет более эффективных методик выявления контингентов повышенного риска, более точных методик прогнозирования эпидемиологической ситуации и более объективных методов районирования территории с учетом реальной и потенциальной степени эпидемиологической опасности.

5. ЗАКЛЮЧЕНИЕ

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 Агсв18 9.3 и аналитическая платформа БеёисШг 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.

Получены данные, которые свидетельствуют о высокой степени опасности КГЛ для населения, что является научным обоснованием внесения данной инфекционной болезни в перечень регламентированный СП 3.4.231808 «Санитарная охрана территории Российской Федерации», так же как ЛЗН.

Проверка полученных результатов подтвердила наличие на обнаруженных участках территории Астраханской области повышенного риска заражения для населения, в связи с чем разработана методика выявления на основе ГИС территорий повышенного эпидемиологического риска АПЛ,

ЛЗН и КГЛ. Показано, что использование пространственного анализа в ГИС позволяет научно обосновать целенаправленное проведение комплекса санитарно-профилактических (противоэпидемических) мероприятий на участках сочетанного эпидемического проявления АПЛ, ЛЗН и КГЛ.

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 АПЛ, 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.

Опыт применения информационных технологий для оптимизации эпидемиологического надзора за природно-очаговыми инфекционными болезнями позволил сформулировать практические рекомендации по информатизации надзора на региональном уровне (внедрения элементов электронного учета заболеваемости, использование ГИС-технологий и построение сценариев обработки эпидемиологических данных в аналитических платформах).