Оценка риска модификации течения респираторных заболеваний, обусловленного воздействием факторов среды обитания и образа жизни населения с учетом региональных особенностей территории

Кирьянов Дмитрий Александрович – кандидат технических наук, заведующий отделом математического моделирования систем и процессов (e-mail: ; тел.: 8 (342) 237-18-04; ORCID: .

Глухих Максим Владиславович – кандидат медицинских наук, старший научный сотрудник – заведующий лабораторией методов комплексного санитарно-гигиенического анализа и экспертиз, отдел системных методов санитарногигиенического анализа и мониторинга (e-mail: ; тел.: 8 (342) 237-18-04; ORCID: .

Цинкер Михаил Юрьевич – кандидат физико-математических наук, старший научный сотрудник лаборатории ситуационного моделирования и экспертно-аналитических методов управления (e-mail: ; тел.: 8 (342) 237-18-04; ORCID: .

Свинцова Полина Денисовна – математик лаборатории ситуационного моделирования и экспертно-аналитических методов управления (e-mail: ; тел.: 8 (342) 237-18-04; ORCID: .

Вирусные респираторные заболевания, включая грипп, острые респираторные вирусные инфекции (ОРВИ) и COVID-19, представляют собой серьезную проблему общественного здравоохранения во всем мире в целом и в Российской Федерации в частности. Данные заболевания формируют высокие уровни заболеваемости, экономического бремени и осложнений, влияющих на общее состояние здоровья населения.

Грипп (J09–J11¹) определяется как острая респираторная вирусная инфекция, вызываемая вирусами гриппа (чаще Influenza A , B ). По актуальным оценкам, во всем мире ежегодные сезонные эпидемии гриппа приводят к примерно 1 млрд клинических случаев в год, 3–5 млн случаев тяжелых заболеваний и к 290–650 случаем смерти² [1]. Отсутствуют точные и верифицированные оценки урона здоровью населения в странах с низким (средним) уровнем дохода (LMICS³); по некоторым сведениям до 99,0 % смертей детей в возрасте до 5 лет связаны с грипп-ассоциированными инфекциями нижних дыхательных путей в данных странах [2].

В настоящее время грипп является единственным представителем ОРВИ (не считая COVID-19), для которого предусмотрена программа4 специфической профилактики в Российской Федерации. В связи с этим, помимо оценки популяционного иммунитета населения, важным направлением в системе эпидемиологического надзора являются профилактические мероприятия, направленные на оценку и улучшение качества среды обитания, на фоне возвращения допандемийного режима циркуляции штаммов гриппа, вирусов ОРВИ [3].

Внезапное и стремительное развитие пандемии COVID-19 сопровождалось значительным ухудшением эпидемиологической ситуации в Российской Федерации в начале 2020-х гг. в виде повышенных уровней заболеваемости и смертности, в том числе госпитальной [4].

В области исследования атрибутивных факторов риска болезней органов дыхания, в том числе вирусной природы, отмечается значительное неравенство в рамках социально-экономического (бед- ность, доступ к базовым санитарно-гигиеническим условиям, первичной медико-санитарной помощи) и санитарно-гигиенического (загрязнение воздуха) измерений статуса населения, особенно в пространственном отношении [5–7].

Согласно теории фундаментальных причин (ТФП), связи между социально-экономическим статусом (СЭС) и смертностью населения сохраняются, несмотря на существенные изменения в профилактике и лечении заболеваний, модифицировании факторов риска [8]. В связи с этим при решении вопросов прогнозирования, оценки и мониторинга состояния здоровья населения важно учитывать социальногигиенический фон, модулирующий его. Учитывая теорию ТФП, концепция «равнозначной восприимчивости перед инфекционным агентом» (Equal Opportunity Infectors) [9] выглядит несостоятельной на современном этапе развития эпидемиологии. Наиболее полной объясняющей способностью обладает принцип учета социально-гигиенических детерминант (СГД), включая погодно-климатические и показатели здоровья, в возникновении и развитии эпидемического процесса [10], так как различия в социально-экономических, географических, генетических факторах могут в значительной степени обусловливать исходы и последствия для здоровья населения, стратифицированного по различным признакам. Необходимость нивелирования социально-экономического неравенства как дифференцирующего фактора объемов обременения заболеваниями среди разных групп населения выдвигают специалисты здравоохранения, социальные работники, политики [11]. Важность учета социально-гигиенических детерминант подтверждается и в отношении инфекционных заболеваний. На примере COVID-19 установлено, что более высокий индекс социальной уязвимости (Social Vulnerability Index, SVI) ассоциирован с повышенным риском инфицирования SARS-CoV-2 (скорректированный коэффициент заболеваемости [aIRR]: 1,18; 95 % ДИ: 1,02–1,36) [12]. В работе A.K. Weaver et al. (2022) подчеркивается важность и перспективность рассмотрения факторов среды обитания (загрязнение воздуха, химическая экспозиция, климат, городская среда) как переменных, обусловливающих наблюдаемые уровни заболеваемости респираторными заболеваниями и их тяжесть [13].

Загрязнение атмосферного воздуха, отсутствие (ограничение) доступа к качественной и безопасной питьевой воде, неэффективное управление сточными водами, неудовлетворительные жилищные условия, высокая плотность населения и низкий уровень СЭС связаны с более высокими показателями смертности и госпитализации по причине COVID-19 во всем мире [14].

По данным L. Hoffmann et al. (2025), внешнесредовые стрессоры в виде загрязнителей атмосферного воздуха (NO2, PM2.5, O3) и метеорологических показателей (температура, осадки) в сочетании с демографическими факторами (пол, возрастная группа) способны модулировать уровни заболеваемости респираторных заболеваний (на примере COVID-19) [15]. Данные результаты подтверждаются в исследовании R.J. Scalsky et al. (2022) на примере данных UK Biobank с использованием индекса множественной депривации (Index of Multiple Deprivation – IMD) [16].

По результатам L. Mohammadi et al. (2022), установлен вклад факторов среды обитания (температура, влажность, географическое положение, система здравоохранения, гигиена и коморбидность с хроническими инфекционными заболеваниями (ХНИЗ)) в выживание, устойчивость и передачу вирусных частиц (SARS-CoV-2) [17]. Исследование Y.-W. Choi et al. (2021) дополняют работы по направлению влияния внешнесредовых факторов на течение эпидемического процесса и показывают значимость таких переменных, как ультрафиолетовое излучение и влажность воздуха, вместе с тем вносят неопределенность в отношении температуры и абсолютной влажности [18]. Факторы среды обитания выступают в качестве триггеров [19] усиления интенсивности эпидемического процесса, модуляторов [20] эпидемиологических волн и требуют реализации тщательного биомониторинга для оценки комплексного экспосома в широком спектре режимов окружающей среды [21]. В работе E.C. Lee et al. (2018) еще до развития пандемии предлагалось развертывать конвергентную систему традиционных источников (данные медицинских учреждений) и цифровых медицинских данных для оптимизации системы эпидемиологического надзора за гриппом на местном и национальном масштабе с учетом социально-гигиенических детерминант [22].

Для традиционных систем эпидемиологического надзора, в частности за гриппом, все чаще рассматривают варианты их дополнения неформальными мелкомасштабными источниками, харак- теризующими эпидемический процесс на индивидуальном уровне, что предоставляет больший объем и динамичность получения данных, несмотря на имеющиеся риски возникновения систематических ошибок (проблема модифицируемых единиц площади – Modifiable Areal Unit Problem (MAUP), пространственная автокорреляция, экологическая ошибка) [23].

Схожие элементы (звенья, признаки, свойства) эпидемических процессов гриппа, ОРВИ и COVID-19 (источник, механизм и пути передачи, тропность к тканям респираторного тракта и др.), а также базовых симптоматических проявлений (основных клинических признаков) зачастую в сочетании с малыми объемами лабораторных исследований (полимеразная цепная реакция, экспресс-тесты на наличие антигенов вируса) не позволяют точно оценивать объемы обременения населения тем или иным вирусным респираторным заболеванием [24]. Несмотря на отсутствие универсального вакцинного препарата и скромные возможности повсеместной рутинной лабораторной диагностики (дифференциации) ОРВИ, схожесть рассматриваемых эпидемических процессов позволяет устанавливать общие, неспецифические мероприятия (нефармацевтические вмешательства, в том числе через улучшение санитарно-эпидемиологической обстановки (ситуации)), в первую очередь направленные на повышение общей резистентности организма путем «антигенной разгрузки» и на профилактику и (или) абортирова-ние процессов передачи [25] вирусных агентов.

Новаторские решения на стыке нескольких наук (эпидемиологии, математики, статистики, информатики, геоинформационных систем и др.) в направлении исследования механизмов, путей и факторов передачи инфекционного начала, подстегнутые развитием информационных технологий [26], расширяют представления об учете множественного пространственного, в том числе на микроуровне, взаимодействия переменных в той или иной степени детерминирующих эпидемические процессы по различным метрикам (заболеваемость, смертность, летальность, индекс репродукции и др.).

Таким образом, результаты исследований в области установления механизмов распространения и факторов передачи респираторных вирусных заболеваний с выделением роли социально-гигиенических детерминант должны использоваться как для оперативно-тактических (эпидемиологический надзор в части оценки и мониторинга нанесенного (потенциального) ущерба, ассоциированного с данными заболеваниями), так и для стратегических це-лей5. Особую важность решение данных вопросов принимает при учете территориального контекста

(пространственной компоненты) как относительно устойчивой системы сложившегося сочетания факторов среды обитания и образа жизни.

Цель исследования – оценка риска модификации течения респираторных заболеваний, обусловленного воздействием факторов среды обитания и образа жизни населения с учетом региональных особенностей территории.

Задачи:

– выполнить оценку влияния неуправляемого погодно-климатического фактора на модификацию течения респираторных заболеваний;

– выполнить оценку влияния факторов среды обитания и образа жизни на модификацию течения респираторных заболеваний;

– выполнить классификацию (шкалирование) полученных уровней риска.

Материалы и методы. В качестве источников данных об инцидентности (первичная заболеваемость) гриппа, ОРВИ и COVID-19, содержащих информацию о числе зарегистрированных случаев заболеваний (по окончательному диагнозу), возрастном составе заболевших, а также о территориальном распределении по субъектам Российской Федерации, служили: форма федерального статистического наблюдения № 1 и № 2 «Сведения об инфекционных и паразитарных заболеваниях» (месячные и годовые данные).

Источниками данных по показателям, характеризующим комплекс СГД, являются формы федерального статистического наблюдения, статистические сборники, статистические бюллетени, показатели и данные Федерального информационного фонда социально-гигиенического мониторинга, иные открытые официальные источники. Общее количество показателей, включенных в анализ и характеризующих комплекс СГД, составило 112 единиц. Показатели условно агрегированы по семи доменам / группам: показатели санитарно-эпидемиологического благополучия населения (24 единицы), образа жизни населения (19 единиц), социально-демографической (25 единиц), экономической сфер (7 единиц), показатели системы здравоохранения (9 единиц), заболеваемости населения (21 единица), погодно-климатические показатели (5 единиц). Итоговый набор данных охватывал период 2010–2019 гг. по 82 субъектам, общее количество первичных данных для анализа составило 145 796 единиц наблюдения.

Риск модификации течения респираторных инфекций вирусной природы представляет собой количественную величину от произведения вероятности ( ∆p ), тяжести заболевания ( g ) и коэффициента модификации ( w ), обусловленных региональными особенностями проживания населения на территории (формула (1)):

R = ΔpСГД+климат·g·w, (1) где ΔpСГД+климат – вероятность респираторных заболеваний вирусной природы, обусловленная ком- плексом СГД, включая погодно-климатические условия;

g – тяжесть течения респираторных заболеваний вирусной природы;

w – коэффициент модификации течения респираторных заболеваний вирусной природы, обусловленный комплексом СГД.

Вероятность наступления нежелательного события ( Δ p ) рассчитывается на основе частотного показателя (инцидентности). Вероятность респираторных заболеваний вирусной природы, обусловленная конкретным воздействием комплекса СГД, включая погодно-климатические условия, определятся как разность ее фактических (наблюдаемых) и фоновых (базовых) уровней в конкретном году по формуле (2):

Δ p СГД+климат = p ^факт - p ^фон , (2)

где Δ p _{СГД+климат} – вероятность возникновения респираторных заболеваний вирусной природы, обусловленная комплексом СГД, включая погодно-климатические условия;

p ^факт – фактический (наблюдаемый) уровень вероятности респираторных заболеваний вирусной природы;

p ^фон – фоновый (базовый) уровень вероятности респираторных заболеваний вирусной природы.

Фактический (наблюдаемый) уровень вероятности определяется на основе данных о заболеваемости (инцидентности), зарегистрированной в официальных статистических формах учета инфекционной заболеваемости по соответствующей нозологии. Фоновый (базовый) уровень инцидентности представляет собой часть официально зарегистрированной заболеваемости, формируемой вследствие естественного взаимодействия популяций микро- (возбудитель – вирусный агент) и макроорганизмов (восприимчивое население), обусловленного их гено- и фенотипической гетерогенностью, фазовой самоперестройкой, взаимоизменчивостью биологических свойств популяций. Данный уровень является естественным неэлиминируемым ординарным уровнем заболеваемости и принимается как 5-й персентиль распределения показателей инцидентности респираторных заболеваний вирусной природы среди 82 субъектов России.

Степень воздействия комплекса СГД на инцидентность респираторных заболеваний вирусной природы определяется на основе результатов математического моделирования искомых зависимостей и формализуется в виде двух моделей. Первая модель вычисляет значение инцидентности респираторных заболеваний вирусной природы в ответ на изменение погодно-климатических факторов для каждого месяца в году (∆pклимат). Зависимой переменой в модели первого уровня является разность фактического и фонового уровня месячной заболеваемости. В качестве независимых переменных исполь- зовались величины отклонений погодно-климатических показателей6 по месяцам (мощность ультрафиолетового излучения спектра B (Вт/м2); относительная влажность воздуха (%); средняя температура воздуха (°С); скорость ветра (м/с); отклонение от среднемноголетней температуры (%) от значений физиологических оптимумов7), которые рассчитывались по формуле (3):

^N min           ^N min

X i <  X i    , X i X i

ˆ

N x min

< X i <  X

N max

,0 ,

N \ N \

X >  X i max , I X - X i max

В качестве входных данных (независимые переменные) использовались значения 105 показателей всех доменов (погодно-климатические показатели не использовались (результат первой модели)), зависимой переменной являлись значения инцидентности за исключением фона (5-го персентиля) и модельных значений первой модели, формула (5):

12 n

^A p СГД ^A p СГД+климат - E ⁽ a о + E a i^Xi (t ))■ (5) i = 1 i = 1

Предварительно выполнялась процедура нормализации первичного набора показателей методом min–max:

где x ˆ _i – отклонение фактического значения i -го фактора от уровня оптимума;

x _i – фактическое значение i -го фактора;

x _i ^{N min} , x _i ^{N max} – нижняя и верхняя граница опти-мумов i- го фактора.

Итоговая зависимость уровней дополнительной вероятности возникновения респираторных заболеваний вирусной природы, ассоциированных с погодно-климатическими показателями, описывается множественной линейной регрессионной моделью по формуле (4):

n

^A P климат = a 0 + E a^i ⁽ t ),            ⁽⁴⁾

i = 1

y j =

y j

y m _j in

max min ^,

’j - yj

где a ₀ , a _i – параметры множественной линейной

регрессионной модели.

Вторая модель – искусственная нейронная сеть (ИНС) прямого распространения в виде многослойного персептрона с двумя внутренними слоями из 16 и 4 нейронов соответственно (рис. 1).

где y j - нормированное значение j -й переменной; y ^m _j ⁱⁿ , y ^m _j ^ax – минимальное и максимальное значения j -й переменной.

В качестве функции активации нейронов использовалась сигмоидная функция.

Итоговое значение инцидентности, обусловленное воздействием комплекса СГД, рассчитывается как сумма моделей 1 и 2.

Тяжесть течения ( g ) респираторных заболеваний вирусной природы характеризует совокупность особенностей их клинического течения и исходов. На основе данных руководства⁸, средневзвешенная тяжесть гриппа и ОРВИ составляет 0,006114.

Коэффициент модификации течения респираторных заболеваний вирусной природы ( w ), определяемый комплексом СГД, отражает изменение длительности течения заболевания и также влияет на

Рис. 1. Схема архитектуры используемой ИНС

итоговое значение риска. Данный коэффициент вычисляется как отношение длительности течения случая заболевания, обусловленной комплексом СГД ( d ), к его базовой длительности ( d ) согласно формуле (7):

^*

w = 1 d I, (7) Id )

где d – базовая длительность течения случая заболевания, d – длительность течения, обусловленная комплексом СГД.

Базовые параметры длительности устанавливаются, исходя из типичной длительности течения рассматриваемых заболеваний, описываемой в официальных клинических рекомендациях9 Министерства здравоохранения Российской Федерации. В настоящем исследовании «базовая» длительность течения ОРВИ / гриппа принимается равной 7,5 дня. Длительность течения, обусловленная комплексом СГД, определяется на основе модели (аналогичной модели 2) связей между ретроспективными значениями10 средней длительности течения случая заболевания по классу болезней органов дыхания и значениями показателей, характеризующих комплекс СГД.

Сбор, обработка, анализ и визуализация данных выполнялись с использованием стандартных программных пакетов для статистического анализа в MS Excel 2010 и RStudio (версия 4.2.0., библиотека neuralnet).

Результаты и их обсуждение. Анализ динамики показателей суммарной инцидентности ОРВИ и гриппом среди 82 субъектов России за 2010– 2019 гг. показывают выраженную внутригодовую сезонность с акцентом на осенне-зимний период, присущую рассматриваемым респираторным заболеваниям вирусной природы (рис. 2). Обращают на себя внимание значимые «всплески» первичной заболеваемости в 2011, 2015, 2017 гг., ассоциированные с подтипами вирусных штаммов A (H1N1) и A (H3N2). В 2016–2017 гг. отмечаются и более «широкие плечи» (пики) заболеваемости, показывая большее распространение штамма в данный эпидемический сезон среди субъектов России. Уровни суммарной инцидентности ОРВИ и гриппа за вычетом 5-го персентиля (базовый, неэлиминируемый уровень) принимались в качестве модифицируемых комплексом СГД. Отдельные оценки данных показателей в разрезе COVID-19 показаны авторами ранее [27].

Результаты анализа мультиколлинеарности погодно-климатических показателей продемонстрировали ее отсутствие среди рассматриваемых независимых переменных по данным матрицы корреляции и значениям VIF (< 5) (табл. 1), т. е. можно считать, что данные достаточно ортогональны (независимы).

По результатам моделирования (табл. 2) связей между уровнями суммарной инцидентности ОРВИ и гриппа, обусловливаемыми комплексом СГД, и набором погодно-климатических показателей получена значимая ( F -критерий < 0,05) модель с умеренным значением коэффициента детерминации ( R ² = 0,35) с тремя статистически достоверными переменными ( х 1 , х 2 , х 4 ).

Значения выше 95-го персентиля о Значения ниже 5-го персентиля инцидентности ОРВИ и гриппа

Рис. 2. Динамика изменения минимальных и максимальных значений суммарной инцидентности ОРВИ и гриппа среди субъектов России за период 2010–2019 гг.

Таблица 1

Результаты оценки мультиколлинеарности между погодно-климатическими показателями

Параметр	x 1	x2	x3	x4	x5
x1	1,00	0,578	0,202	0,196	-0,039
x2	0,578	1,00	0,373	0,086	-0,014
x3	0,202	0,373	1,00	0,009	0,059
x4	0,196	0,086	0,009	1,00	-0,061
x 5	-0,039	-0,014	0,059	-0,061	1,00
VIF	1,55	1,68	1,17	1,05	1,01

Примечание: x ₁ – мощность ультрафиолетового излучения спектра B, Вт/м²; x ₂ – относительная влажность воздуха, %; x ₃ – средняя температура воздуха, °С; x ₄ – скорость ветра, м/с; x ₅ – отклонение от среднемноголетней температуры, %; VIF – фактор инфляции дисперсии (англ. Variance Inflation Factor).

Таблица 2

Параметры множественной регрессионной модели связи между уровнями суммарной инцидентности ОРВИ и гриппа и погодно-климатическими показателями

Согласно значениям стандартизованных коэффициентов регрессии (β), наиболее значимыми независимыми переменными в данной модели являются степень отклонения от оптимумов относительной влажности и мощности ультрафиолетового излучения. Данные научной литературы подтверждают, что изменения параметра влажности воздуха относительно гигиенических нормативов могут приводить как к большей восприимчивости организма за счет высушивания слизистых воздухоносных путей

[28], так и к большим возможностям выживания и транспортирования вирусного инфекционного агента за счет большей насыщенности водяными парами с наличием аэрозоля [29]. Оценка ассоциаций между факторами среды обитания проводилась авторами ранее, в том числе с погодно-климатической составляющей [30, 31].

Согласно апробируемому методическому подходу реализовано две модели искусственной нейронной сети для прогнозирования степени влияния

b	*b	*b	b3	*Ь4	bo
-8 349,86	39 014,89	42,18	-0,97	-40,03	5,12
SE (b,)	SE (bi)	SE (bi)	SE (b3)	SE (b4)	SE (b3)
530,45	2 387,39	0,92	2,65	9,59	9,48
R²	R2 (скор.)	SE (Y)	Стандарт. бета-коэффициенты регрессии (β 1 – β 5 )	J___ pl ₽2 P3 ₽4 PS
0,3489	0,3488	856,0324
F -статистика		df
1 054,2548		9 834

Примечание: * p -критерий < 0,001.

СПБ

SPB

МУР

MUR

МОС

MOW

КАР

НЕН

ЛЕН

LEN

КАГ

KAG

ПСК

KAR

НОВ

NGR

ТВЕ

ВОЛ

VLG

ЯРО

МАР

TVE

КАЛ

АРХ

ARK

КИР

NEN

КОМ

KOM

ПЕР

ЯМА

YAN

ХАН

ТЮМ

ТОМ

КРН

KYA

КЕМ

ИРК

ЧУК

CHU

SMO

KAL

ИВА

КОС

KOS

YAR

МОЯ

MOS

ВЛА

MAR

ЧУВ

CHV

НИЖ

NIZ

РЯЗ

RYA

МОР

MOR

KIR

PER

KHM TYU

TOM

KEM

IRK

ЯКУ

SAH

МАГ

КАМ

БРЯ

BRY

ОРЛ

ORL

КУС

KUR

ТАТ

TAT

УДМ

UDM

СВЕ

SVE

КУР

KUG

НОС

NVS

ХАК

KHK

БУР

BUR

MAG

KAM

АМУ

AMU

КРЫ

KRY

СВС

SVS

АДЫ ADY

ТУЛ

TUL

ЛИП

LIP

БЕЛ

BEL

КРА

KRA

КАО

KAO

КАБ

KAB

ТАМ

ПЕН

УЛЬ

ULY

САМ

SAM

БАШ

BAS

ЧЕЛ

CHE

ОМС

OMS

АЛТ

ALT

ТУВ

TUV

ЗАБ

ZAB

ЕВР

ХАБ

JEW

KHA

TAM ВОР

VOR РОС ROS СТА STA СЕВ NOR

PNZ

ВОГ

VOG

КАИ

KAI

ЧЕЧ

CHA

ИНГ

ING

САР

SAR

ОРЕ

ORE

АЛР

ALI

ПРИ

PRI

САХ

SAK

Данные отсутствуют –

АСТ AST ДАГ DAG

Min

10 353.3

2 102.0

Данные по модели

Max

24 430.6

случаи ОРВИ и гриппа на

Фактические данные

40 708.7

Рис. 3. Усредненные за 2010–2019 гг. модельные значения суммарной инцидентности ОРВИ и гриппа, обусловленные набором погодно-климатических показателей, случаев на 100 тыс. всего населения факторов среды обитания и образа жизни на суммарные уровни инцидентности ОРВИ и гриппа (R2 = 0,691), а также длительность течения (d ̃) случая болезни органов дыхания (R2 = 0,6) (по 1748 коэффициентов соответственно).

Сравнительный анализ результатов расчетов по первой модели с фактическими данными суммарной инцидентности ОРВИ и гриппа, усредненных за 2010–2019 гг., показал, что полученная модель в целом воспроизводит пространственное распределение интенсивности эпидемического процесса (рис. 3) и указывает на его увеличение с ростом широтности.

По результатам анализа региональной динамики изменения значений суммарной инцидентности ОРВИ и гриппа по первой модели среди субъектов России установлено, что наибольший прирост произошел в Республике Башкортостан (+13,5 % в среднем с 2010–2011 по 2018–2019 гг.), наибольшая убыль – в Кабардино-Балкарской Республике (-28,7 % в среднем с 2010–2011 по 2018–2019 гг.). Наибольший уровень среднемноголетнего значения инцидентности ОРВИ и гриппа (2010–2019 гг.) зафиксирован для Мурманской области (24 430,6 сл. на 100 тыс. всего населения), наименьший – для Карачаево-Черкесской Республики (10 353,3 сл. на 100 тыс. всего населения).

В среднем по каскаду используемых моделей объясняется ≈ 60,0 % фактически регистрируемой годовой суммарной инцидентности ОРВИ и гриппа (рис. 4).

Рассчитаны значения риска по результатам обеих моделей по субъектам России (рис. 5). Значения риска не вычислены за 2010–2011 гг. ввиду отсутст-

вия данных по продолжительности случаев нетрудоспособности по субъектам России. Спецификация модели ИНС с линейным выходом в некоторых сценариях приводила к значениям «отрицательной заболеваемости» и, соответственно, к «отрицательному риску», что, безусловно, не имеет содержательной интерпретации. Так как целевая переменная (заболеваемость) по своей природе является неотрицательной, для выходных значений модели выполнено цен-

зурирование результатов «снизу» по уровню нуля. Рассчитанные модельные значения риска по моделям показывают, что в большей степени значения заболеваемости ОРВИ и гриппа определяются погодноклиматическими факторами, которые относительно стабильны в динамике.

<* Модельные значения суммарной инцидентности ОРВИ и гриппа

Рис. 4. Усредненные за 2010–2019 гг. модельные значения суммарной инцидентности ОРВИ и гриппа, обусловленные набором погодно-климатических показателей, случаев на 100 тыс. всего населения

Таблица 3

Классификация уровней риска модификации течения респираторных заболеваний вирусной природы

Оценка риска Описание мероприятий количественная качественная > 2,5·10-3 Высокий Рекомендуется выполнение комплексной оценки санитарноэпидемиологической обстановки. Формируются предложения по снижению уровней риска по комплексу СГД 1,5·10-3 – 2,49·10-3 Настораживающий 0,5·10-3 – 1,49·10-3 Допустимый Рекомендуется выполнение перспективной оценки санитарноэпидемиологической обстановки. Предлагается сохранение текущей динамики изменения комплекса СГД < 0,5·10-3 Минимальный на интенсивность протекания эпидемического процесса рассматриваемых нозологий. Верхняя и нижняя границы риска выбраны на основе равномерного «шага» (1,0E-03), приближенного к стандартному отклонению (8,51E-04) по выборке расчетных значений совокупного риска.

Ограничения и перспективы исследования. В качестве ограничений исследования выделены: используемый набор панельных данных (выбранные показатели, период их агрегации); способ построения моделей (множественная линейная регрессия, структура ИНС, функция активации нейронов); выбранные значения физиологических «оптимумов»; выбранный неэлиминируемый уровень инцидентности; времен-на_́я (сценарная) условность задания шкалы риска.

Выводы. Таким образом, результаты разработанного методического подхода с использованием методов математического моделирования, в том числе машинного обучения (искусственные нейронные сети), позволили выполнить комплексную оценку влияния на показатели инцидентности ОРВИ и гриппом неуправляемого погодно-климатического фактора (максимальный прирост: Республика Башкортостан (+13,5 % в среднем с 2010–2011 гг. по 2018–2019 гг.); максимальная убыль: Кабардино-Балкарская Республика (-28,7 % за аналогичный период)) и факторов среды обитания и образа жизни (максималь-

ный прирост: Алтайский край (+682,9 % в среднем с 2010–2011 гг. по 2018–2019 гг.); максимальная убыль: Астраханская область (-52,2 % за аналогичный период)) на модификацию течения респираторных заболеваний.

Выполненные расчеты по оценке риска среди 82 рассматриваемых территорий за период 2010–2019 гг. (656 сценариев «регион – год») позволили выделить установившийся многолетний режим взаимодействия популяций микро- и макроорганизмов на фоне относительно стабильных факторов среды обитания и образа жизни населения в виде шкалирования характерных уровней риска с количественной и качественной интерпретацией.

Полученный инструмент оценки риска модификации течения респираторных заболеваний, обусловленного воздействием факторов среды обитания и образа жизни населения с учетом региональных особенностей территории, показал, что 0,92 % случаев «территория – год» пришлись на зону высокого риска, 21,04 % находились в границах допустимого риска, 78,05 % – в зоне низкого риска.

Финансирование. Исследование не имело спонсорской поддержки.