Анализ влияния социально-экономических факторов на эпидемическую ситуацию по туберкулёзу в регионах Российской Федерации Текст научной статьи по специальности «Науки о здоровье»

The problems of social hygiene, public health and history of medicine. 2018; 26(2) 78 DOI: http://dx.doi.org/10.18821/0869-866X-2018-26-2-78-82

Health and society

© Коллектив авторов, 2018 УДК614.2:61:31

Шахгельдян К.И.12, Гельцер Б.И.1, Емцева Е.Д.2, Середа В.Г.1, Мазелис Л.С.2, Сахарова О.Б.1 АНАЛИЗ ВЛИЯНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ФАКТОРОВ НА ЭПИДЕМИЧЕСКУЮ СИТУАЦИЮ ПО ТУБЕРКУЛЁЗУ В РЕГИОНАХ РОССИЙСКОЙ ФЕДЕРАЦИИ

1ГАОУ ВО Дальневосточный федеральный университет, Школа биомедицины, 690950, г. Владивосток; 2ФГБОУ ВО Владивостокский государственный университет экономики и сервиса, 690014, г. Владивосток

Авторами разработаны многофакторные линейные регрессионные модели на основе панельной структуры данных. Разделение регионов РФ по бремени туберкулёза выполняли методами кластерного анализа. Оценку степени влияния изучаемых факторов на эпидемический процесс выполняли с помощью метрики Пратта. Всего обработано около 100 тыс. записей по 78 регионам РФ. Было выделено 4 региональных кластера, различающихся уровнем заболеваемости, распространённости и смертности от туберкулёза. Разнообразие социально-экономических факторов, влияющих на основные индикаторы эпидемического процесса, сокращается по мере роста его напряжённости. Если в первом кластере на заболеваемость влияли 7 факторов, на уровень смертности - 4, то в четвёртом кластере только 1 фактор влиял на заболеваемость и 2 на смертность. При этом интенсивность их воздействия на эпидемический процесс существенно возрастала. Так, например, роль фактора «площадь жилья на душу населения» в снижении заболеваемости туберкулёзом среди регионов 4-го кластера оценивалась в 79%, а среди регионов первого кластера - в 17%. Результаты исследования показали, что современные методы машинного обучения позволяют разрабатывать модели, с помощью которых можно оценить в количественном выражении влияние социально-экономических условий конкретного региона на активность эпидемического процесса туберкулёза.

Ключевые слова: туберкулез; социально-экономические факторы; регрессионные модели; кластерный анализ.

Для цитирования: Шахгельдян К.И., Гельцер Б.И., Емцева Е.Д., Середа В.Г., Мазелис Л.С., Сахарова О.Б. Анализ влияния социально-экономических факторов на эпидемическую ситуацию по туберкулёзу в регионах Российской Федерации. Проблемы социальной гигиены, здравоохранения и истории медицины. 2018; 26(2): 78-82. DOI: http://dx.doi.org/10/18821/0869-866X-2018-26-2-78-82

Для корреспонденции: Шахгельдян Карина Иосифовна, д-р техн. наук, директор Института информационных технологий Владивостокского государственного университета экономики и сервиса, E-mail: [email protected]

Shakhgeldyan K.I.12, Geltser B.I.1, Emtseva ED.2, Sereda V.G.1, Mazelis L.S.2, Sakharova O.B.1

THE ANALYSIS OF SOCIAL ECONOMIC FACTORS IMPACT ON EPIDEMIC SITUATION WITH TUBERCULOSIS IN REGIONS OF THE RUSSIAN FEDERATION

1The Federal State Autonomous Educational Institution of Higher Education «The Far-Eastern Federal University, School of Biomedicine», 690950, Vladivostok, Russia;

2The Federal State Budget Educational Institution of Higher Education «The Vladivostok State University of Economic and Service», 690014, Vladivostok, Russia The article presents original multi-factorial linear regression models developed on the basis ofpanel structure of data. The distribution of the regions of the Russian Federation according tuberculosis burden was implemented using cluster analysis technique. The evaluation of degree of impact of analyzed factors to epidemic process was implemented using Pratt metric. In overall, approximately 100,000 records from 78 regions of the Russian Federation were processed. four regional clusters were marked out differentiating by level of morbidity, prevalence and mortality of tuberculosis. The diversity ofsocial economic factors impacting the main indices of epidemic process is reducing as its intensity increases. If in the first cluster 7 factors impacted on morbidity and 4 factors - on mortality, then in the fourth cluster only 1 factor impacted morbidity and 2 - on mortality. At that, intensity of their impact on epidemic process increased significantly. So, for example, the role of such factor as «Area of housing per capita» in decreasing of tuberculosis morbidity among regions of the 4th cluster assessed in 79%%, and among regions of 1st cluster only in 17%. The study results demonstrated that modern techniques of machine learning permit to develop models for quantification assessing of impact of social economic conditions of a particular region on activity of epidemic process of tuberculosis. Keywords: tuberculosis; social economic factors; regression model; cluster analysis.

For citation: Shakhgeldyan K.I., Geltser B.I., Emtseva E.D., Sereda V.G., Mazelis L.S., Sakharova O.B. The analysis of social economic factors impact on epidemic situation with tuberculosis in regions of the Russian Federation. Problemy sotsialnoy gigieni, zdravookhranenia i istorii meditsini. 2018; 26(2): 78-82. (In Russ.) DOI: http://dx.doi.org/10.1016/0869-866X-2018-26-2-78-82

For correspondence: Shakhgeldyan K.I., doctor of technical sciences, the director of the Institute of Information Technologies of the Federal State Budget Educational Institution of Higher Education «The Vladivostok State University of Economic and Service», E-mail: [email protected]

Conflict of interests. The authors declare absence of conflict of interests.

Acknowledgment. The study had no sponsor support.

Information about authors:

Shakhgeldyan K.J. http://orcid.org/0000-0002-4539-685X Sereda V.G https://orcid.org/0000-0001-9432-4847 Geltser B.I. http://orcid.org/0000-0002-9250-557X Mazelis L.S. http://orcid.org/0000-0001-7346-3960

Emtseva E.D. https://orcid.org/0000-0002-9760-5481 Sakharova O.B. https://orcid.org/0000-0001-9569-5340

Received 20.12.2018 Accepted 23.12.2018

Туберкулез (ТБ) является одной из самых актуальных проблем современного общества и индикатором его социально-экономического благополучия.

В научных исследованиях последних лет особое внимание уделяется изучению взаимосвязей различных показателей, определяющих уровень социально-эко-

Проблемы социальной гигиены, здравоохранения и истории медицины. 2018; 26(2)

DOI: http://dx.doi.org/10.18821/0869-866X-2018-26-2-78-82 79

Здоровье и общество

номического развития отдельных стран и регионов, с индикаторами, характеризующими активность эпидемического процесса ТБ. В ряде работ показано, что к основным факторам, ограничивающим распространение ТБ, относятся улучшение санитарно-гигиенических условий проживания и качества питания населения, высокий уровень его образования, повышение доходов [1] и доступности медицинской помощи [2]. Среди причин, усиливающих активность эпидемического процесса, выделяют алкоголизм [3], табакокурение, высокий уровень бездомности, бедности и безработицы [4, 5]. Важным фактором, влияющим на развитие ТБ, является социально-экономический статус индивидуума, в характеристику которого, помимо некоторых вышеуказанных показателей, входит генетически обусловленная восприимчивость к ТБ, возраст, пол, а также этническая и расовая принадлежность [6].

Выделение приоритетных факторов, ухудшающих эпидемическую ситуацию по ТБ, и реализация мероприятий, ограничивающих их влияние, обеспечили в ряде стран снижение заболеваемости. Основные исследования по оценке взаимосвязей индикаторов социально-экономического развития и активности эпидемического процесса касаются государств с развитой экономикой [6]. В последние годы появились аналогичные работы по некоторым развивающимся странам [5]. Россия имеет самую большую в мире территорию, состоящую из регионов, которые существенно различаются между собой уровнем экономического развития, плотности населения, его благосостоянием и условиями проживания, степенью урбанизации, климатическими условиями и др. Уникальность и вариативность социально-экономических факторов и их комбинаций в отдельных субъектах РФ обусловливает необходимость дифференцированного подхода к оценке их влияния на эпидемический процесс ТБ.

Цель исследования состояла в идентификации социально-экономических факторов, влияющих на активность эпидемического процесса ТБ в различных регионах РФ, и оценке степени этого влияния на основе использования современных методов машинного обучения.

Материалы и методы

Показатели активности эпидемического процесса ТБ в 78 регионах РФ за 2002-2016 гг. получены из открытых материалов сайта Центрального НИИ организации и информатизации здравоохранения (http://mednet.ru/en.html). Показатели социально-экономического развития субъектов РФ получены из материалов официального сайта Российской статистической службы (http://www.gks.ru). Общий объём используемых данных составил около 100 тыс. записей.

Активность эпидемического процесса ТБ оценивали по показателям заболеваемости, распространенности и смертности от ТБ [7]. В исследование включили 21 социально-экономический фактор. Эти факторы были сгруппированы по 5 категориям: уровень экономического развития региона, условия

проживания местного населения, социальные риски, качество питания, доступность фтизиатрической помощи. Экономическое развитие региона характеризовали валовым региональным продуктом (ВРП) на душу населения в ценах 2001 г., среднедушевыми денежными доходами (СДД) в ценах 2001 г., уровнем бедности (число лиц на 1 тыс. населения с доходами ниже прожиточного минимума) и безработицы. К категории условия проживания относили удельный вес жилой площади, оборудованной канализацией и водопроводом, удельный вес ветхого и аварийного жилищного фонда, площадь жилищ, приходящаяся в среднем на одного жителя, удельный вес городского населения в его общей численности. Кроме того, к этой категории отнесли плотность населения, проживающего в регионе, и численность студентов вузов на 10 тыс. населения, которая характеризует скученность проживания. Анализировали также количество выбросов в атмосферу загрязняющих веществ, отходящих от стационарных источников, использование свежей воды на душу населения. К социальным рискам относили объём потребления алкоголя на душу населения, который вычисляли через розничную продажу водки (крепкий алкоголь), ликёро-водочных изделий, виноградных и плодовых вин и пива, а также распространенность наркомании (число наркоманов на 10 тыс. населения). Исследование качества питания включало анализ потребления мяса и мясопродуктов, молока и молочных продуктов, яиц, овощей и продовольственных бахчевых культур на душу населения. Доступность фтизиатрической помощи оценивали через показатель обеспеченности фтизиатрами.

Пространственно-временной массив данных по регионам РФ за 14 лет обрабатывался с помощью специализированных методов анализа панельных данных [8]. Для оценки влияния социально-экономических факторов на эпидемический процесс ТБ авторами были разработаны многофакторные линейные регрессионные модели, объединяющие только те данные, которые имели достоверность р<0,01, при множественном коэффициенте детерминации ^2>0,35. При этом общая точность моделей составила р<0,01. Для всех факторов, участвующих в их построении, индекс инфляции дисперсии был меньше 3, что свидетельствовало об отсутствии мультикол-линеарности [9].

Разделение регионов РФ по бремени ТБ выполняли методами иерархической кластеризации и К-средних, используя показатели заболеваемости, распространённости и смертности от ТБ [10]. Оценку валидности кластеризации проводили с помощью индекса Дэвиса-Болдина, уровень которого составил 0,57, что свидетельствовало о высоком уровне её достоверности [11].

Для каждого кластера были разработаны отдельные линейные регрессионные модели, определяющие особенности взаимосвязей показателей, характеризующих социально-экономический статус регионов и активность эпидемического процесса. Оценку степени влияния изучаемых факторов на эпидемический процесс выполняли с помощью ме-

The problems of social hygiene, public health and history of medicine. 2018; 26(2) DOI: http://dx.doi.org/10.18821/0869-866X-2018-26-2-78-82

Таблица 1

Коэффициенты линейной регрессии и степень влияния социально-экономических факторов на заболеваемость и смертность от ТБ в РФ

Заболеваемость ТБ Смертность от ТБ

Фактор коэффи- степень коэффи- степень

циент влияния, % циент влияния, %

Безработица - - 0,06 2,4

Городское население -0,54 4,2 - -

Студенты 0,24 11,8 - -

Площадь жилья -0,23 17,9 -0,29 16,2

Выбросы 0,26 1,7 - -

Водопровод -0,2 5,6 - -

Ветхое жилье -0,17 2,6 - -

Алкоголь 0,06 0,8 - -

Крепкий алкоголь - - 0,18 10,9

Потребление яиц -0,1 3,4 - -

Потребление мяса -0,08 6,9 -0,19 13,5

трики Пратта [12]. Обработку данных проводили в программе R-Studio.

Результаты исследования

Пространственный анализ активности эпидемического процесса ТБ позволил определить вектор его изменений с запада на восток России, что согласуется с результатами других исследований [13]. Минимальные уровни заболеваемости и смертности от ТБ наблюдались в Центральном (ЦФО) и СевероЗападном (СЗФО) Федеральных округах, а их максимальный уровень фиксировался в Сибирском (СФО) и Дальневосточном (ДФО) Федеральных округах.

На предварительном этапе исследования были построены 2 линейные регрессионные модели, описывающие зависимость показателей заболеваемости и смертности от 21-го фактора социально-экономического развития регионов. Однако в итоговые модели вошли только 12 из них, прогностическая значимость которых была подтверждена малым значением статистической ошибки первого рода (р<0,01; табл. 1). Величины множественных коэффициентов детерминации 0,51 и 0,43 свидетельствовали о том, что построенные модели способны объяснить только 51% дисперсии по заболеваемости и 43% дисперсии по смертности от ТБ. Для моделирования оставшейся, «необъяснённой», части дисперсии необходимо использовать другие факторы, не вошедшие в данное исследование (генетические, иммунологические, микробиологические, климатогеографические и др.).

Результаты исследования показали, что площадь жилья имеет обратную зависимость от заболеваемости ТБ и вносит наибольший вклад в изменение её уровня. Количественная характеристика этого влияния составила 17,9%. Число студентов вузов как индикатор скученности проживания указывает на высокий риск тесного и/или длительного контакта с возможным источником инфицирования, доля этого фактора составляет 11,8%. В то же время влияние

Health and society

на заболеваемость условий проживания в ветхом и аварийном жилье оценивалось в 2,6%. Росту заболеваемости ТБ способствовало также и ухудшение качества атмосферного воздуха, доля которого в общем пуле анализируемых факторов составила 1,7%. Заметное влияние на заболеваемость ТБ в регионах РФ оказывал удельный вес городского населения, с увеличением которого активность эпидемического процесса снижалась. Вклад этого фактора в заболеваемость составил 4,2%. Эти данные отличаются от исследования, в котором установлена прямая связь заболеваемости с увеличением городского населения в некоторых развитых странах мира [14]. Сбалансированное питание с необходимым количеством белков животного происхождения предотвращает, а употребление алкоголя увеличивает риск возникновения заболевания, эти факторы составили 10,3 и 0,8% соответственно.

Площадь жилья оказывает существенное влияние и на смертность от ТБ с долей участия в 16,2%. Социальная дезадаптация населения регионов также относилась к факторам, влияющим на уровень смертности от ТБ. При этом роль безработицы оценивалась в 2,4%, а потребление крепких алкогольных напитков - в 10,9%. Снижение потребления мяса и мясопродуктов, как одно из проявлений ухудшения качества жизни, способствовало увеличению смертности с долей участия в 13,5%.

В зависимости от активности эпидемического процесса ТБ было выделено 4 региональных кластера, различающихся значениями анализируемых показателей (табл. 2).

Наиболее благополучный по эпидемической ситуации кластер состоит из большинства регионов ЦФО, почти всех субъектов СЗФО, части Приволжского Федерального округа (ПФО), а также Республики Дагестан и Томской области. Во второй кластер вошли регионы ЦФО и СЗФО, Северо-Кавказского Федерального округа, не вошедшие в первый кластер, а также часть регионов Южного (ЮФО) и Уральского (УФО) Федеральных округов, ПФО, СФО, и ДФО. Третий кластер состоит из части регионов ДФО, СФО, УФО, а также 2 регионов ПФО и 3 регионов ЮФО. Четвёртый кластер состоит из 4 регионов РФ, расположенных на территориях Дальнего Востока и Восточной Сибири.

Оценка результатов исследований, характеризующих зависимость основных показателей активности

Таблица 2

Средние значения показателей эпидемического процесса ТБ в региональных

кластерах

Кластер Число Заболеваемость, на 100 тыс. населения Распространенность, на 100 тыс. населения Смертность, на 100 тыс. населения

средние значения 95% CI средние значения 95% CI средние значения 95% CI

1 28 41,3 37-45 76 66,5-83 4,8 4-5,5

2 29 57,8 52-63 136,7 129-144 9,1 7,6-10,3

3 17 90,6 81-100 225,8 208-244 15,7 13-18,4

4 4 145 118-172 392 220-566 31 11,7-50,3

Примечание. 95% CI - доверительный интервал.

Проблемы социальной гигиены, здравоохранения и истории медицины. 2018; 26(2) DOI: http://dx.doi.org/10.18821/0869-866X-2018-26-2-78-82

Здоровье и общество

Таблица 3

Коэффициенты линейной регрессии и степень влияния социально-экономических факторов на заболеваемость и смертность от ТБ в региональных кластерах

Фактор Региональный кластер

1 2 3 4

Заболеваемость

ВРП - -0,28 (7,1) - -

Городское население 1,04 (7,5) - - -

Плотность населения 1,83 (0,6) - - -

Студенты 0,4 (10,1) 0,22 (10,7) 0,35 (16) -

Площадь жилья -0,23 (17) -0,25 (18,9) -0,43 (28,4) -0,88 (79)

Водопровод -0,74 (18,5) -0,41 (17,1) - -

Алкоголь 0,15 (0,5) 0,14 (0,8) 0,22 (2,6) -

Потребление мяса -0,33 (22,8) - - -

Потребление яиц -0,25 (6,9) - -

R2 0,76 0,53 0,47 0,79

Смертность

Доход -0,48 (25,6) -0,51 (26,7) - -0,41 (15,6)

Безработица - - - 0,52 (62,4)

Площадь жилья -0,46 (30,1) - - -

Ветхое жилье 0,34 (3,6) 0,4 (0,8) 0,45 (4,7) -

Крепкий алкоголь 0,18 (1) 0,26 (11,6) 0,3 (13,7) -

Потребление мяса - -0,2 (12,2) -0,42 (19,7) -

R2 0,69 0,51 0,38 0,78

Примечание. В скобках - степень влияния в %.

эпидемического процесса ТБ от социально-экономических факторов в отдельных региональных кластерах, показала наличие определенных взаимосвязей между ними (табл. 3).

Для регионов первого кластера была построена модель, которая позволила выделить 11 социально-экономических факторов и описать их влияние на заболеваемость и смертность от ТБ. Наибольший вклад в заболеваемость вносили факторы, характеризующие условия проживания населения (площадь жилья и водопровод), совокупный вклад которых составил 35,5%. Аналогичное, но менее заметное влияние на этот показатель оказывало потребление мяса и мясопродуктов с долей участия в 22,8%. Определённое влияние на заболеваемость оказывали демографические факторы (плотность населения и удельный вес городского населения), роль которых в совокупности оценивалась на уровне 8,1%. При этом воздействие данных факторов на эпидемический процесс было разнонаправленным. Так, удельный вес городского населения в этих регионах был в обратной зависимости от заболеваемости, а вклад указанного фактора в её снижение составил 7,5%, что объясняется, по-видимому, большей доступностью фтизиатрической помощи для жителей городов. Было установлено, что уровень благосостояния населения и условия его проживания доминируют в своём влиянии на смертность в этих регионах, а их роль в совокупности оценивалась почти в 60%. В этом кластере потребление алкоголя существенно не воздействовало на уровень смертности и составляло всего 1%.

Во втором кластере, где эпидемическая ситуация была более напряжённой, количество социально-экономических факторов, влияющих на неё, снижа-

лось до 10, но интенсивность их воздействия нарастала. Так, например, в этом кластере отмечалась тесная отрицательная взаимосвязь между показателями экономического развития региона и условиями проживания населения, с одной стороны, и показателями заболеваемости и смертности от ТБ - с другой. Совокупное влияние этих факторов на заболеваемость и смертность составило 43,1 и 27,5% соответственно. В этом кластере увеличивалось также потребление крепкого алкоголя, а его вклад в смертность от ТБ возрастал до 11,6%.

В третьем кластере было выделено 6 факторов, тесно связанных с активностью эпидемического процесса. Так, уровень заболеваемости был взаимосвязан с индикаторами скученности проживания: площадью жилья и количеством студентов, влияние которых составило 10,7 и 18,9% соответственно. Росту смертности от ТБ в этих регионах способствовало увеличение потребления крепкого алкоголя, роль которого оценивалась в 13,7%. Обратная зависимость показателя смертности от потребления мяса и мясопродуктов демонстрировала значение сбалансированного питания, роль которого оценивалась в 19,7%. Определённый вклад в увеличение смертности вносил фактор ветхого жилья: его удельный вес составлял 4,7%.

Для четвёртого кластера, с наиболее тяжелой эпидемической ситуацией по ТБ, было выделено всего 3 фактора с доминирующим влиянием на эпидемический процесс: недостаточная площадь жилья, низкий доход на душу населения и безработица. Вклад первого из них в уровень заболеваемости составил 79%, а совокупный вклад двух других в смертность - 78%.

Обсуждение

В исследованиях последних лет получены убедительные данные о всё большем влиянии социально-экономических факторов на формирование неблагополучной ситуации по ТБ. Ряд авторов отмечает, что диспропорции эпидемических показателей в различных регионах РФ связаны с уровнем их экономического развития, качеством отраслевого и государственного управления, а также с эффективностью использования ресурсов здравоохранения для реализации противотуберкулёзных мероприятий [15].

Проведённое исследование показало, что разработка математических моделей, описывающих зависимость эпидемического процесса ТБ от уровня социально-экономического развития региона, может иметь важное значение для принятия обоснованных решений, повышающих эффективность противотуберкулезных мероприятий. Преимуществом разработанных моделей является возможность количественной оценки влияния отдельных факторов или их комбинаций на ключевые показатели активности эпидемического процесса ТБ - заболеваемость и смертность.

Предварительная оценка информативности 21 социально-экономического фактора, включённого в модели исследования, показала, что только 12 из них обладали прогностической ценностью. В дальнейшем именно эти факторы использовались в построении

The problems of social hygiene, public health and history of medicine. 2018; 26(2) 82 DOI: http://dx.doi.org/10.18821/0869-866X-2018-26-2-78-82

Health and society

итоговых моделей. Результаты исследования показали, что на заболеваемость ТБ наиболее велико влияние факторов, характеризующих условия проживания населения, совокупный вклад которых в её динамику составляет около 38%. Ведущими социально-экономическими факторами, влияющими на смертность от ТБ, были дефицит площади жилья, высокий уровень потребления крепкого алкоголя, недостаточное потребление мясопродуктов и безработица. Наиболее существенным из них был дефицит площади жилья с долей влияния на смертность в 16,2%. Взаимосвязь дефицита площади жилья и заболеваемости возрастает по мере усиления напряжённости эпидемической ситуации в регионах от первого кластера к четвертому, а роль этого фактора варьирует от 17 до 79% соответственно. Скученность проживания студентов в общежитиях значительным образом влияет на заболеваемость, которое оценивается в 10-16% в различных кластерах. В то же время улучшение условий проживания за счёт обеспечения жилья водопроводом позволяет значительно снизить заболеваемость ТБ, вклад этого показателя достигал 18,5%. Влияние потребления алкоголя на заболеваемость и смертность от ТБ было выявлено в трёх кластерах. При этом его роль в эпидемическом процессе в различных кластерах варьировала от 0,5 до 2,6% по показателю заболеваемости и от 1 до 13,7% - по показателю смертности. Потребление в достаточном количестве белков животного происхождения ограничивает рост заболеваемости и смертности от ТБ. Влияние этого показателя на заболеваемость имело место только в первом кластере, а на смертность - во втором и третьем.

Разнообразие социально-экономических факторов, влияющих на основные индикаторы эпидемического процесса, сокращается по мере роста его напряжённости. Если в первом кластере на заболеваемость влияли 7 факторов, а на уровень смертности - 4, то в четвёртом кластере только 1 фактор влиял на заболеваемость и 2 на смертность. При этом интенсивность их воздействия на эпидемический процесс существенно возрастает. Важно отметить, что почти все показатели экономического развития (ВРП, доход на душу населения и безработица) не оказывали существенного влияния на заболеваемость ТБ, но доминировали в воздействии на смертность. Так, значение безработицы в увеличении уровня смертности от ТБ среди регионов четвёртого кластера оценивалась в 62,4%. Необходимо отметить «диагностическое» значение коэффициентов детерминации, позволяющих оценивать суммарные эффекты воздействия анализируемых факторов на заболеваемость и смертность в каждом кластере. Так, максимальные величины этих коэффициентов фиксировались в четвертом кластере, что свидетельствует о превалирующем влиянии социально-экономических условий на эпидемический процесс в этих регионах.

Заключение

Современные методы машинного обучения позволяют разрабатывать модели, позволяющие оценить в количественном выражении значение соци-

ально-экономических условий для эпидемического процесса ТБ в конкретном регионе. Дифференцированный подход к анализу этих взаимосвязей позволяет выявить наиболее важные факторы, влияющие на эпидемическую ситуацию в регионах, и конкретизировать мероприятия по её улучшению.

Исследование не имело спонсорской поддержки. Авторы заявляют об отсутствии конфликта интересов.

ЛИТЕРАТУРА (остальные источники см. REFERENCES)

2. Гельцер Б.И., Шахгельдян К.И., Гмарь Д.В., Аршинов А.Ю., Медведев В.И., Транковская Л.В. Доступность фтизиатрической помощи в Приморском крае. Проблемы социальной гигиены, здравоохранения и истории медицины. 2017; 4: 229-3.

7. Васильева И.А., Белиловский Е.М., Борисов С.Е., Стерликов С.А. Глобальные отчеты всемирной организации здравоохранения по туберкулезу: формирование и интерпретация. Туберкулез и болезни легких. 2017; 5: 7-16. 13. Краснов В.А., Ревякина О.В., Филимонов П.Н., Степанов Д.В., Мальцев А.В. Влияние отдельных демографических и географических факторов на оказание противотуберкулезной помощи в регионах Сибири и Дальнего Востока. Туберкулез и болезни легких. 2012; 8: 10-5. 15. Краснов В.А., Ревякина О.В., Филимонов П.Н., Степанов Д.В. Туберкулез: общие закономерности эпидемического процесса в России и за Уралом. Туберкулез и болезни легких. 2016; 10: 5-11.

Поступила 20.12.2018 Принята в печать 23.12.2018

REFERENCES

1. Lonnroth K., Jaramillo E., Williams B. G. Drivers of tuberculosis epidemics: The role of risk factors and social determinants. Soc. Sci. Med. 2009; 68: 2240-6.

2. Geltser B.I., Shakhgeldyan K.I., Gmar D.V., Arshinov A.Yu., Med-vedev V.I., Trankovskaya L.V. The accessibility of phthisiologic in the Primorskii kraii. Problemy social'noj gigieny, zdravoohranenija i istorii mediciny. 2017; (4): 229-33. (in Russian)

3. Lonnroth K., Williams B. G., Jaramillo E. Alcohol use as a risk factor for tuberculosis -a systematic review. BMC Public. Health. 2008; (8): 289.

4. Przybylski G., Dabrowska A., Pilaczynska-Cemel M., Krawiecka D. Unemployment in TB patients - ten-year observation at Regional Center of Pulmonology in Bydgoszcz, Poland. Med. Sci. Mon. 2014; (2): 2125-31.

5. de Castro B.D., Costa Pinto R., Claudio de Albuquerque B., Sada-hiro M., Ueleres Braga J. The Socioeconomic factors and the indigenous component of tuberculosis in Amazonas. PLOS ONE. 2016; 11 ( 6): 11.

6. Nahid P., Horne D.J., Jarlsberg L.G., Reiner A.P. Racial Differences in Tuberculosis Infection in United States Communities: The Coronary Artery Risk Development in Young Adults Study. Clin. Infect. Dis. 2011; 53( 11): 291-4.

7. Vasil'eva I.A., Belilovskiy E.M., Borisov S.E., Sterlikov S.A. WHO Global Tuberculosis Reports: Compilation and Interpretation. Tuber-kulez i bolezni legkikh. 2017; 5: 7-16. (in Russian)

8. Baltagi B.H. Econometric Analysis of Panel Data. J. Wiley, A. Sons (eds.). Chichester; 2013.

9. Zuur A.F., Ieno E.N., Elphick C.S. A protocol for data exploration to avoid common statistical problems. Methods Ecology andEvolution. 2010; 1( 1): 3-14.

10. Flach P. Machine Learning. The Art and Science of Algorithms that make Sense of Data. Cambridge:Cambridge University Press; 2012.

11. Davies D.L., Bouldin D.W. A cluster separation measure. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1979; 1( 2): 224-7.

12. Groemping U. Relative Importance for Linear Regression in R: The Package relaimpo. Journal of Statistical Software. 2007; 17( 1).

13. Krasnov V.A., Revyakina O.V., Filimonov P.N., Stepanov D.V., Mal'tsev A.V. Influence of Some Demographic and Geographic Factors on Antituberculosis Care in the Regions of Siberia and The Far East Tuberkulez i bolezni legkikh. 2012; 8: 10-15. (in Russian)

14. Oren E., Winston C., Pratt R., Robinson V., Narita M. Epidemiology of Urban Tuberculosis in the United States, 2000-2007. Am. J. Public. Health. 2011; 101(7): 1256-63.

15. Krasnov V.A., Revyakina O.V., Filimonov P.N., Stepanov D.V. Tuberculosis: Common Consistent Epidemic Patterns in Russia and Behind The Urals. Tuberkulez i bolezni legkikh. 2016; (10):5-11. (in Russian)