CC BY
2
О КОЛЛЕКТИВ АВТОРОВ. 1995 УДК 614.3/.4(470)
Б. А. Кацнельсон, Е. В. Ползик, Н. В. Ножкина, В. С. Казанцев, С. В. Кузьмин
К МЕТОДОЛОГИИ ИЗУЧЕНИЯ ЗАВИСИМОСТИ ЗДОРОВЬЯ НАСЕЛЕНИЯ ОТ КОМПЛЕКСА ГИГИЕНИЧЕСКИХ И ДРУГИХ ФАКТОРОВ
Медицинский научный центр профилактики и охраны здоровья рабочих промышленных предприятий; Институт промышленной экологии Уральского отделения РАН; Уральский медицинский институт; Областной центр санэпиднадзора, Екатеринбург
Одной из наиболее характерных тенденций развития принципов санитарного надзора в нашей стране является переход от формальной оценки гигиенического неблагополучия только по степени его отклонения от нормативов и стандартов к попыткам установить неблагоприятные последствия этого отклонения для здоровья населения или отдельных его групп. Однако за исключением тех ситуаций, в которых связь между определенным вредным воздействием и заболеваемостью подвергшейся ему группы очевидна (профессиональные заболевания в промышленности, вспышки более или менее специфичных заболеваний в зонах экологических катастроф и т.п.), эти попытки наталкиваются на значительные методические трудности. Они связаны, с одной стороны, с многочисленностью и чрезвычайным разнообразием факторов, от которых может в той или иной степени зависеть здоровье населения, а с другой — с тем, что само понятие "здоровье населения" недостаточно четко определено, а критерии его оценки многообразны и во многом неудовлетворительны.
В частности, многочисленные "индексы по-пуляционного здоровья", предложенные разными авторами [2—5, 9—13], не случайно не нашли широкого практического применения. Их расчет требует специального сбора информации, как правило, отсутствующей в стандартной медицинской отчетности, и в то же время используемая информация явно ограничена, поскольку, как правило, касается данных только об общей смертности, иногда — и общей заболеваемости. Спорным является, на наш взгляд, и сам принцип оценки популяционного здоровья неким числовым показателем без каких-либо градаций, изменяющимся в диапазоне 0—1,0. Она принципиально отличается от преимущественно диагностического подхода к оценке индивидуального здоровья через однозначное определение его состояния (здоровье, напряжение адаптации, пред-болезнъ, заболевание, иногда — различные стадии или степени последнего) на основе комплексного учета большого числа количественных и качественных признаков. Эвристической моделью именно этого подхода, выработанного многовековой историей медицины, является так называемая машинная диагностика, основанная на аппарате математической теории распознавания образов (РО).
Поэтому на I этапе установления зависимости здоровья населения от тех или иных факторов мы попытались найти аналогичный подход к его оценке, рассматривая ее как диагностическую задачу, базирующуюся исключительно на комплексе "симптомов", выражающихся в виде различ-
ных количественных показателей в официальной отчетности органов здравоохранения.
Эти задачи решались нами с помощью компьютерных программ, реализующих различные алгоритмы РО |1, 12], а также кластер-анализа [8]. Детальное описание методики и результатов этого этапа исследования опубликовано нами ранее [7]. Укажем лишь, что оно было проведено на материалах, относящихся к 46 территориям (городам и районам) Свердловской области и включавшим в себя по каждой из них 65 показателей, из которых 9 относились к разряду медико-демографических, 22 характеризовали заболеваемость взрослого населения, 8 — подростков, 20 — детей, 6 — нарушения женской репродуктивной функции. Дополнительно к двум вышеназванным методам математического анализа использовали также балльную оценку показателей с расчетом среднего балла, причем балл определяли ранговым местом данного показателя в шкале сравнительной информативности, основанной на результатах машинного РО.
Было показано, что для надежного распознавания 3 градаций популяционного здоровья (условно обозначенных как "хорошее", "удовлетворительное" и "плохое"1) необходим и достаточен комплекс, включающий 15 наиболее информативных показателей, какими оказались: первичная общая заболеваемость взрослых, детей, первичная онкологическая заболеваемость взрослых, болезненность болезнями нервной системы взрослых, психическими расстройствами детей, инфекционными заболеваниями детей, болезнями эндокринной системы взрослых, болезнями органов дыхания взрослых, первичная заболеваемость болезнями нервной системы взрослых, первичная общая заболеваемость детей, болезненность болезнями органов дыхания детей, первичная инфекционная заболеваемость детей и болезненность болезнями нервной системы детей. Эти показатели перечислены в порядке убывания информативности, причем если информативность первого из них принимается за 1,000, то информативность 15-го оценивается показателем 0,579. На основе этого комплекса было обеспечено 100% правильное отнесение к той или иной из названных градаций территорий, выделявшихся в так называемую экзаменующую вы-
1 Необходимо иметь в виду относительный характер этих определений, поскольку то состояние популяционного здоровья, которое является лучшим в условиях данного региона, вполне может оказаться только удовлетворительным или даже плохим в сравнении с территориями какого-то другого, в целом более благополучного.
ные которой не использовались для "обучения" компьютера).
Следует подчеркнуть, что в каком-либо другом регионе в силу особенностей демографической характеристики, структуры заболеваемости и болезненности, состояния медицинского обслуживания, полноты отчетности и других местных условий как комплекс показателей, необходимых для рассматриваемой классификации здоровья населения, так и их сравнительная информативность могут оказаться иными.
На II этапе исследования был использован тот же математический аппарат теории РО, реализованный в пакете прикладных программ КВАЗАР, разработанном в Институте математики и механики Уральского отделения РАН |6|. Однако в данном случае назначение этого аппарата было принципиально иным, поскольку компьютеру задавались ранее полученная классификация территорий по состоянию популяционного здоровья и описание этих территорий, но уже не показателями, обосновывающими отнесение их к тому или иному классу, а совершенно другими, характеризующими их с точки зрения социально-экономических условий (9 показателей), уровня медицинского обслуживания (10 показателей) и санитарно-гигиенических условий (7 показателей). Исходная предпосылка анализа состоит в том, что если компьютер удастся "обучить" правильному отнесению территории к тому или иному классу на основе только этих признаков или какой-то их части (с обычной проверкой надежности дискриминирующих правил, выработанных в процессе такого "обучения", на экзаменующих выборках), то минимально необходимый для этого набор признаков можно рассматривать как соответствующий тому комплексу факторов, от которого в значительной мере и зависело формирование лучшего или худшего популяционного здоровья.
Исследование было проведено на 47 территориях Свердловской области, в том числе 12 с "хорошим" популяционным здоровьем, 22 с "удовлетворительным" и 13 с "плохим", судя по оценке, полученной на I этапе нашей работы. Первоначальное число показателей, намечавшихся к сбору, было значительно больше вышеприведенного. однако по многим из них либо не удалось получить информацию о части территорий, либо эта информация представлялась недостаточно надежной. Другим вынужденным недостатком распол;1гаемого материала является то, что объединение в один массив городских и сельских территорий неизбежно лишает информативности некоторые признаки, в первую очередь соци;шьно-экономического характера. К примеру, такие показатели, как обеспеченность жилищ водопроводом, горячим и холодным водоснабжением, канализацией, могли бы сравнительно характеризовать удовлетворительность жилищных условий населения разных городов, однако ожидать, что условия жизни сельского населения заведомо более неблагоприятны для его здоровья только потому, что все это, как правило, отсутствует в сельском жилище, едва ли было бы правильным. Кроме того, все показате-
ли обеспеченности медицинской помощью, рассчитанные на 10 ООО человек, по-видимому, неравноценны для городских и сельских территорий с существенно неодинаковой плотностью населения, а следовательно, неодинаковой зоной, обеспечиваемой этой помощью, при равенстве показателей такого рода. Разбивка же материала на два массива данных, относящихся к территориям разного типа, была невозможна, так как такие массивы оказались бы слишком малыми для надежного решения задач РО. Не удивительно поэтому, что оба названных выше субкомплекса признаков, рассматриваемые как сами по себе, так и при их включении в общий комплекс из 26 признаков, оказались мало влияющими на распознавание классов популяционного здоровья. В то же время даже только те 7 простейших санитарно-гигиенических лабораторных показателей, которые нам удалось использовать (табл. 1), обеспечивали такое распознавание со 100% надежностью. Это позволяет говорить о существенной зависимости уровня популяционного здоровья от комплексного влияния соответствующих факторов, выявляемой даже на фоне неоднородности прочих условий, от которых априорно также ожидается та или иная степень влияния на этот уровень.
Судя по приведенным в табл. 1 показателям сравнительной информативности признаков этой группы, неудовлетворительные санитарно-химические показатели состояния окружающей среды (питьевой воды, атмосферного воздуха, почвы, продуктов питания) влияют на популяци-онное здоровье в значительно большей степени, чем бактериальная обсемененность той же воды и продуктов питания. Это не удивительно, поскольку речь идет о связи с рассматриваемым комплексом показателей не инфекционной заболеваемости населения, а интегральной оценки его здоровья, для которой, как было сказано выше, из 15 необходимых показателей только 2 оказались относящимися к инфекционным заболеваниям, занимая к тому же лишь 8-е и 14-е места по информативности.
Направленность влияния рассматриваемых признаков оказалась полностью соответствующей ожидаемой, т.е. чем выше процент неблагоприятных лабораторных результатов, тем выше вероятность того, что данная территория относится скорее к классу "плохого" здоровья насе-
Таблица 1
Зависимость состояния популяционного злоровья от лабораторных показателей, характеризующих различные объекты окружающей среды
Ранговое место
Доля неудовлетворительных проб
Сравнительная информативность. отн. сд.
По химическим показателям Питьевая вода Почва
Атмосферный воздух Продукты питания
По бактериологическим показателям Продукты питания (кроме молока и молочных продуктов) Молоко и молочные продукты Питьевая вода
1,00 0,99 0.63 0,37
0,17 0,09 0,01
Таблица 2
Молельный прогно< эффективности оздоровления объектов окружающей среды на территориях с "плохим" популяционным злоровьем
Меры оздоровления
% территорий, переходящих в класс с популяииониым здоровьем
удовлетворительным
"хорошим
Ликвидация химического загрязнения: всех объектов всех объектов, кроме продуктов питания воды
пищевых продуктов почвы воздуха Ликвидация бактериального загрязнения:
пищевых продуктов, кроме молочных
молочных продуктов воды
о
38,5 30,8 23.1 7,7 0
38,5 7,7 0
100
46.2 30.8 15,4 15.4 15,4
ления, чем хорошего или удовлетворительного". и скорее к последнему.
Необходимо и в этом случае подчеркнуть, что полученный результат мог бы оказаться иным в условиях других регионов. Однако он сам по себе представляется нам существенным как с точки зрения испытания предложенных методических подходов, так и для конкретной иллюстрации неблагоприятного влияния загрязненности всех объектов окружающей среды на состояние здоровья населения. Имеются, очевидно, основания считать, что изменение санитарной ситуации в лучшую сторону существенно скажется на тюпуляционном здоровье. Та модель изучаемой зависимости, какой являются найденные компьютером решающие (дискриминирующие) правила, позволяет дать математическое ожидание эффективности соответствующих мероприятий. Процедура прогнозирования состоит в том, что различные варианты управляющих воздействий имитируются направленными изменениями соответствующих признаков, после чего компьютеру предлагаются для распознавания те же объекты (в данном случае предъявляются для отнесения к одному из 3 классов те же территории), но теперь представленные частично измененным набором признаков. Доля объектов, перешедших в результате этого из того класса, к которому они реально относятся, в другой, оценивает вероятность получения определенного результата моделируемого воздействия.
Результаты такого моделирования представлены в табл. 2, в которой рассмотрен прогноз оздоровительного эффекта улучшения санитарных показателей только на территориях, характеризующихся "плохим" здоровьем населения. Как видно, если не считать идеального случая полной ликвидации загрязнения всех объектов внешней среды (при которой прогнозируется 100% переход этих территорий в класс "хорошего" популяционного здоровья), а также случая ликвидации
химического загрязнения только почвы, атмосферного воздуха и воды (улучшение здоровья населения на 84,7% территорий, в том числе на 46,2% с переходом в класс "хорошего" здоровья), наиболее эффективной оказывается ликвидация химического загрязнения одной только воды. Даже в этом случае на 30,8% территорий с "плохим" здоровьем населения прогнозируется его изменение до "удовлетворительного" и в таком же числе территорий — до "хорошего". (Под ликвидацией ■ загрязнения здесь подразумевается снижение его уровней до соответствующих нормативных величин.) Подобного рода прогноз, как мы полагаем, может учитываться в качестве одного из аргументов при выборе приоритетных направлений для затрат на оздоровительные мероприятия в условиях того или иного региона. Однако при этом необходимо иметь в виду и возможность того, что лабораторный контроль качества питьевой воды силами санэпиднадзора более регулярен и надежен, чем соответствующий контроль загрязнения атмосферы (что снижает информативность показателей последнего при решении нашей задачи, т.е. несколько недооценивает силу влияния их на здоровье населения).
Выводы. 1. Предложен и опробован в условиях Свердловской области диагностический подход к интегральной оценке здоровья населения.
2. В тех же условиях опробована предлагаемая авторами методика анализа зависимости здоровья населения от комплексного влияния различных факторов, характеризующих территорию проживания, и. в частности, выявлено существенное неблагоприятное влияние загрязненности объектов окружащей среды.
Л ите ра ту ра
1. Аркадьев А. Г.. Браверман Э. М. Обучение машин классификации объектов. — М., 1971.
2. Борохов Д. 3. Ц Сов. здравоохр. — 1990. — № 9. — С. 38-40.
3. Догле И. В.. Родионова Г. К. // Там же. — 1986. — № 6. — С. 14-20.
4. Дощицын Ю. П.. Ветков В. И.. Карпов Р. Д. Ц Системный анализ и моделирование в здравоохранении. — Новокузнецк. 1980. - С. 340- 341.
5. Ермаков С. П., Комаров Ю. М. // Там же. — С. 345—347.
6. Казанцев В. С. Задачи классификации и их программное обеспечение (пакет КВАЗАР). — М.. 1990.
7. Ползик Е. В.. Кацнельсон Б. А., Ножкина Н. В. и др: // Здравоохр. Рос. Федерации. — 1994. — № 6.
8. Терентьев П. В. // Вестн. Ленингр. ун-та. Биол. — 1959. — № 9. - С. 137-141.
9. Chaing С. L., Cohen R. D. // Int. J. Epidemiol. - 1973. -Vol. 2, N 1. - P. 7-14.
10. GrogonoA. \V. Ц Lancet. - 1971. - Vol. 2. - P. 1024-1026.
11. Krall S. M. // Manag. Sei. - 1972. - Vol. 18. N 12. - P. 744-749.
12. Osbom N. L. // IEEE. Trans. Comput. - 1977. - Vol. C-26. - P. 1302-1306.
13. Sullivan D. F. // HS MHA Hltli Rep. - 1971. - Vol. 86. - P. 347-354.
Поступила 20.09.94
