Пространственно-авторегрессионный анализ склонности к заболеванию туберкулёзом в РФ

Введение . В работе исследуются социально-экономические факторы, которые являются причиной возрастания уровня заболеваемости населения туберкулёзом. На рост количества заболевших оказывают воздействие: возраст, пол, уровень образования, семейное положение, употребление наркотических веществ, социально-экономические условия жизни, а также наличие сопутствующих заболеваний (ВИЧ).

Исследовательская проблема предстает как вопрос: повысится ли склонность к заболеванию туберкулёзом в конкретном регионе при прочих равных условиях, если вырастут соответствующие показатели на соседних территориях? Ответ на него определяется в основном уровнем коммуникации между людьми. С одной стороны, если в социуме есть индивиды с открытой формы туберкулёза, то они потенциально опасны для окружающих и несут в себе источник заражения. Соответственно при перемещении подобных индивидов происходит и смена их окружения, результатом чего становится заражение людей на «чистой» территории. С другой стороны, больные туберкулезом, как правило, находятся на карантине и их передвижения нельзя назвать свободными. Наличие ограничений на перемещение в их жизни позволяет нивелировать процессы распространения заболевания между соседними территориями.

Нельзя отрицать также влияние различных социально-экономических факторов на ареол заболеваемости туберкулезом.

Новизна исследования заключается в применении методов пространственно-эконометрического моделирования, что позволяет частично решить проблему пропущенных переменных, широко распространенную в аналогичных исследованиях. Помимо выявления наличия пространственных связей это помогает получить более точные оценки влияния социально-экономических факторов на склонность к заболеванию туберкулёзом и дает возможность сравнивать эффективность функционирования системы здравоохранения в различных регионах РФ на основе фиксированных эффектов.

Обзор литературы . К социальным детерминантам туберкулёза можно отнести влияние сопутствующих заболеваний, употребление наркотических веществ, а также социально-экономические условия жизни [1]. Возраст, пол, уровень образования, семейное положение, тестирование на ВИЧ, удаленность от медицинского учреждения - факторы, которые связаны с тем, что люди получают недостаточно информации о туберкулёзе и поздно обращаются за медицинской помощью [2]. Чаще всего плохо осведомлены о болезни и ее последствиях люди, проживающие в бедных странах.

В 2018 году было проведено исследование [3], в результате которого подтвердилась гипотеза о том, что если снизится заболеваемость туберкулёзом среди бездомных людей, то и по всей стране будет наблюдаться аналогичная тенденция. К подобным выводам пришли и другие исследователи [4].

Ученые [5] обратили также внимание (помимо тех факторов, что были описаны ранее) на расу/цвет кожи жителей страны и попытались связать эти факторы с уровнем заболеваемости туберкулезом среди населения. Согласно их заключению среди людей со смуглой кожей смертность от туберкулёза растет.

Авторы другого исследования [6] посвятили его изучению механизмов влияния бедности на риск заболеть туберкулёзом, выделив при этом еще несколько рискообразующих факторов: потребление белка, успеваемость, употребление табака, алкоголя, мужской пол, проживание в сельской местности, длительное нахождение в помещениях с загрязненным воздухом, потребление свежих продуктов, ИМТ (индекс массы тела), употребление молока.

Еще одним важным фактором распространения туберкулёза, по мнению ученых, служит географическая мобильность [7]. В ходе исследования выяснилось, что миграция людей за границу не влияет на частоту заболеваемости туберкулезом; более того, в некоторых случаях она даже снижает риск познакомиться с этим недугом, а большая часть страдающих туберкулезом являются местными жителями Уганды.

Работа международного союза против туберкулёза и болезней легких также стала объектом внимания ученых, занимающихся проблемой распространения туберкулеза в мире [8]. Так, в Бразилии рост заболеваемости и смертности от данного инфекционного заболевания исследователи связывают с долей проживающих в неформальных поселениях, уровнем грамотности, среднемесячным доходом и другими факторами, которые были перечислены ранее [9]. Отмечается также, что для уменьшения времени, необходимого для выявления заражений, важно отслеживать все контакты заболевших и наблюдать за состоянием этих людей [10].

В научных работах часто указывается на связь между ВИЧ и туберкулёзом. Так, сделаны следующие заключения [11]: 1. Бедность, недоедание, религиозные и культурные убеждения являются ключевыми детерминантами коинфекции ТБ / ВИЧ. 2. Устранение гендерного, расового, возрастного, семейного и этнического неравенства поможет улучшить результаты лечения инфекций. Говорится [12] о том, что, когда несколько детерминантов рассматриваются одновременно, то их оценка становится более сложной, так как: 1) они коррелируют друг с другом; 2) эффект одного из них может быть опосредован или изменен действием другого.

В 2015 г. был разработан S-PROTECT, чтобы лучше понять роль социальной защиты в оптимизации прогноза лечения и профилактики заболевания [13]. Сделан вывод, что из роста доходов домохозяйств следует улучшение их питания, что влияет на риск заболеть туберкулёзом.

Перспективно использовать для изучения механизмов распространения инфекционных заболеваний математические и статистические модели, так как они учитывают пространственное расположение индивидов и расстояние между зараженными и восприимчивыми к инфекции людьми. Эта информация полезна политическим деятелям для принятия мер по профилактике туберкулёза [14].

Применение методологии пространственно-эконометрического моделирования для анализа показателя склонности к легочным заболеваниям в целом продемонстрировало наличие пространственной авторегрессии [15].

Данные и модели . В настоящей работе используются региональные данные (83 региона) Федеральной службы государственной статистики РФ за 2011 и 2013 годы (табл. 1).

Таблица 1 – Факторы, оказывающие влияние на исследуемую переменную

№	Обозначение	Фактор	Способ расчета
1	x91	Склонность к заболеваниям органов дыхания	Число зарегистрированных больных с впервые в жизни установленным диагнозом туберкулеза органов дыхания
2	x56	Реальные доходы на душу населения	Номинальные доходы разделены на стоимость фиксированного набора потребительских товаров и услуг
3	x57	Уровень образованности	Оценка доли населения с высшим образованием в регионе
4	x18	Коэффициент демографической нагрузки	Количество лиц нетрудоспособных возрастов на 1 000 человек трудоспособного возраста
5	x39	Уровень развития финансовой инфраструктуры в регионе	Число кредитных организаций и филиалов в субъекте
6	x41	Уровень преступности	Число зарегистрированных убийств и покушений на убийство
7	x17	Уровень присутствия женщин	Число женщин на 1000 мужчин
8	x19	Уровень брачности	Общие коэффициенты брачности на 1000 человек населения
9	x25	Уровень безработицы	По данным выборочных обследований рабочей силы; в среднем за год
10	x53	Уровень автомобилизации	Число собственных легковых автомобилей на 1 000 человек населения
11	x55	Склонность к кредитованию	Отношение объема кредитов на одного человека (без учета нетрудоспособных) к величине номинальных доходов на душу населения
12	x5	Уровень обеспеченности больничными койками	Число больничных коек на 10 000 человек населения
13	x6	Уровень обеспеченности врачами	Численность населения на одного врача
14	x8	Склонность к заболеваниям системы кровообращения	Заболеваемость на 1 000 человек. Болезни системы кровообращения
15	x9	Склонность к заболеваниям крови, кроветворных органов и отдельные нарушения, вовлекающие иммунный механизм	Заболеваемость на 1 000 человек. Болезни крови, кроветворных органов и отдельные нарушения, вовлекающие иммунный механизм
16	x52	Уровень развития дорожной сети	Плотность автомобильных дорог общего пользования с твердым покрытием
17	x66	Уровень выбросов загрязняющих веществ	Выбросы загрязняющих веществ, отходящих от стационарных источников на 1 чел.
18	x28	Уровень производительности труда	Оценка валового регионального продукта (ВРП) на одного занятого

Для оценки вышеприведенных факторов мы использовали следующие модели: линейную регрессионную модель (Pooled Regression) (1), модели панельных данных с фиксированными (2) и случайными эффектами (3), модели с пространственно-авторегрессионными эффектами (4, 5), позволяющие оценить влияние смежных регионов на эпидемиологическую ситуацию друг друга. x 91 i t = a i + p * W * x 91 i t + £ 1 * x 56 i t + £ 2 * x 57 i t + £ 3 * x 18 i t + £ 4 * x 18 i * x 39 i t + £ 5 * x 41 i t + £

+ £ 7 * x 19 i t + P 8 * x 25 i t + £ 9 * x 53 i t + P 10 * x 55 i + £ 11 * x 5 i t + £ 12 * x 6 i t + £ 13 * x 8 i t + £ 14 * x 9 i t ⁽¹⁾

x 52 i t + £ 16 * x 66 i t + £ 17 * x 28 i t + f i t, где   β i – коэффициент регрессии, величина;

• a_z выражает индивидуальный эффект объекта;

• i ,    не зависящий от времени t,

W - матрица, характеризующая пространственную компоненту в модели, а р - коэффициент, отражающий наличие пространственных эффектов. Результаты . Результаты оцененных моделей приведены в таблице 2.

Таблица 2 – Результаты оцененных моделей ^∗

VARIABLES	(1)	(2)	(3)	(4)	(5)
	pooled	FE	RE	SAR_FE	SAR_RE
Реальные доходы на душу населения	1,077.757***	206.623	540.245***	247.270*	558.281***
Уровень образованности	72,030.557***	57,179.444*	68,676.535***	48,652.095**	62,294.716***
Коэффициент демографической нагрузки	1.577	–2.735	–2.174*	–0.562	–0.118
Уровень присутствия женщин	0.014	9.411	3.745*	7.380*	2.419
Уровень брачности	82.365	–13.750	41.257	-18.137	19.506
Уровень безработицы	8.891	7.551	7.206	6.183	6.885
Уровень автомобилизации	1.469	0.620	0.730	0.523	0.782
Уровень обеспеченности больничными койками	–9.446*	–5.787	–7.003	–6.579*	–8.214**
Уровень обеспеченности врачами	–2.222	–4.478*	–3.425**	–4.100***	–3.746**
Уровень выбросов загрязняющих веществ	506.626***	6.733	203.484**	2.699	190.198**
Уровень производительности труда	–0.824***	–0.273	–0.414**	–0.174	–0.378**
Constant	-2,178.109	–7,090.365	–2,363.950		–2,736.907
Spatial rho				0.740***	0.762***
Observations	166	166	166	166	166
AIC	2 705	2 080		2 069	2 515
BIC	2 742	2 117		2 109	2 562
Number of REGION		83	83	83	83

Standard errors in parentheses: ^*** p < 0,01; ^** p < 0,05; ^* p < 0,1.

Результаты исследования и их обсуждение . В качестве модели для интерпретации коэффициентов была выбрана SAR FE согласно критерию AIC (ее минимальное значение – 2 109). Можно констатировать достаточно высокий уровень межпространственных взаимосвязей, соответствующий коэффициент равен (Spatial rho) 0.74 в модели SAR FE, тогда как его максимально возможное значение равняется 1. Это означает, что среднее значение величины склонности к заболеванию туберкулезом соседних территорий положительно влияет на соответствующую величину региона – это и есть основной результат исследования.

Значимое положительное влияние на показатель склонности к заболеванию туберкулезом было выявлено со стороны таких факторов, как реальные доходы на душу населения, уровень образованности, уровень присутствия женщин и уровень выбросов загрязняющих веществ. В некоторых случаях полученные результаты требуют дальнейшего анализа возможных причинноследственных связей. При этом однозначно отрицательно влияют на показатель склонности к заболеванию туберкулезом такие факторы, как уровень обеспеченности больницами и уровень обеспеченности врачами при их низком значении.

Выводы . В работе была продемонстрирована значимость коэффициента пространственной авторегрессии в моделях SAR FE и SAR RE, что прежде всего говорит о важности учета наличия пространственных связей при моделировании показателей склонности к различным заболеваниям, в частности, к туберкулёзу. Является ли данная взаимосвязь причинно-следственной, что свидетельствовало бы о механизмах движения возбудителей между различными регионами посредством заражения, или дело в наличии скрытых ненаблюдаемых факторов общности территорий, а именно исторических, географических, культурных и иных контекстов, предстоит выяснить в дальнейших исследованиях. Фактически пока мы можем лишь утверждать, что имеются пространственные кластеры территорий с относительно высоким и низким уровнем склонности к заболеваемости туберкулезом. Но уже это говорит о том, что отсутствие учета пространственных взаимосвязей при моделировании влечет за собой недостоверность результатов вследствие пропуска значимых переменных, характеризующих общность территорий, либо ввиду недооценки эффекта заражения. При этом более точные модели позволяют не только корректно оценить вклад различных факторов в наблюдаемые показатели заболеваемости в конкретных регионах, что важно с точки зрения принятия управленческих решений в сфере здравоохранения, но и дают возможность адекватно оценивать фиксированные эффекты регионов. Это в свою очередь является основой для сравнения показателей склонности к заболеваемости при прочих равных условиях, т. е. при схожести социально-экономических факторов и окружения. Особенно важно применение данной техники для формирования различных рейтингов, например, при оценке эффективности системы здравоохранения в регионах РФ (на основе коэффициентов а каждого региона).

^∗ Составлено авторами.