CC BY
29
ВОПРОСЫ ЭПИДЕМИОЛОГИИ
УДК 616.98:578.833.26 ГРНТИ 76.33.43
ОПРЕДЕЛЕНИЕ УРОВНЕЙ ЗАБОЛЕВАЕМОСТИ КЛЕЩЕВЫМ ЭНЦЕФАЛИТОМ В РОССИЙСКОЙ ФЕДЕРАЦИИ НА ОСНОВАНИИ ДИСКРИМИНАНТНОГО АНАЛИЗА ДАННЫХ МНОГОЛЕТНИХ НАБЛЮДЕНИЙ
Ж.С. Тюлько1, В.В. Якименко1, Н.В. Рудаков1, Д.А. Савельев1, Е.ИАндаев2, С.В. Балахонов2 1ФБУН «Омский научно-исследовательский институт природно-очаговых инфекций» Роспотребнадзора
Россия, 644080, г. Омск, просп. Мира, 7; mail@oniipi.org
2 ФКУЗ «Иркутский научно-исследовательский противочумный институт Сибири и Дальнего Востока» Роспотребнадзора
Россия, 664047, г. Иркутск, ул. Трилиссера, 78; adm@chumin.irkutsk.ru
На территории России из всех переносимых иксодовыми клещами инфекций наибольшую эпидемическую значимость имеет клещевой энцефалит. Заболеваемость клещевым энцефалитом является сложным процессом, зависящим от многих факторов. Корректное описание таких процессов требует анализа длинных временных рядов заболеваемости по многим территориальным единицам РФ. Проанализированы данные за 1997-2015 гг. с использованием методов дискриминантного анализа. По результатам анализа среднегодовых значений заболеваемости КЭ, были определены три основные группы, включающие в себя территории РФ с достоверно различающейся заболеваемостью. При этом получены граничные значения средней заболеваемости за период наблюдения, дающие наилучшую дискриминацию для выделяемых групп: значение заболеваемости «низкое» - 0<3,6; «среднее» - 3,6-7,7; «высокое» - >7,7. Данный метод позволяет учитывать черты сходства и различия в развитии эпидемического процесса на разных территориях России, а в долговременной перспективе выявлять возможные закономерности.
Ключевые слова: клещевой энцефалит, временные ряды, дискриминантный анализ, Россия.
DETERMINATION OF TICK-BORNE ENCEPHALITIS MORBIDITY RISK IN THE RUSSIAN FEDERATION BASED ON DISCRIMINANT ANALYSIS OF LONG-TERM OBSERVATIONS
Zh.S. Tyulko1, V.V. Yakimenko1, N.V. Rudakov1, D.A. Savelyev1, E.I. Andaev2, S.I. Balakhonov2 1FBUN "Omsk Research Institute of natural focal infections" of Rospotrebnadzor
Russia, Omsk, 644080, pr. Mira, 7, e-mail: mail@oniipi.org 2 FSHI "Irkutsk Research Antiplague Institute of Siberia and Far East" of Rospotrebnadzor Russia, 664047, Irkutsk, ul. Trilissera, 78; adm@chumin.irkutsk.ru
In the Russian Federation, of all the infections carried by Ixodes ticks, the greatest epidemiological significance is tick-borne encephalitis. The morbidity of tick-borne encephalitis is a complex process, depending on many factors. A correct description of such processes requires the analysis of long time series of morbidity in many territorial units of the Russian Federation. In our study, we analyzed long-term data (1997-2015) on TBE annual morbidity in the adminis-© Ж.С. Тюлько, В.В. Якименко, Н.В. Рудаков, Д.А. Савельев, Е.И Андаев, С.В. Балахонов, 2017
trative regions of the Russian Federation (number of cases / 100,000 people) using discriminant analysis methods. Based on the analysis results of average annual TBE morbidity rates, the administrative regions of the Russian Federation were divided into three groups, which were significantly different in TBE morbidity. In addition, the boundary values of the average morbi-dity for the period of observation are obtained, giving the best division of groups: the morbidity is "low" (0-3.6), "average" (3.6-7.7), "high" (> 7.7). This method allows you to take into account both the features of similarity and differences in the development of the epidemic process in different territories of the Russian Federation, and in the long term and to identify possible patterns.
Keywords: Tick-borne encephalitis, time series, discriminant analysis, Russia.
Введение
На территории России из всех переносимых иксодовыми клещами инфекций наибольшую эпидемическую значимость имеет клещевой энцефалит (КЭ). Клещи являются не только переносчиками, но и природным резервуаром вируса. Эндемичные регионы в пределах огромного нозоареала в России, как и отдельные очаговые территории внутри регионов, значительно отличаются по динамике заболеваемости и риску заражения населения вирусом КЭ, что требует дифференцированных подходов к комплексу предупредительных мероприятий [1, 5, 9, 11, 12].
Заболеваемость КЭ демонстрирует сложную цикличность с периодическими высокоамплитудными (период 10-12 лет) и низкоамплитудными (период 3-4 года) подъемами и спадами при наличии долговременных, сменяющих друг друга тенденций к общему увеличению или уменьшению заболеваемости (период - десятки лет) [1, 4, 6, 7, 10]. Это свидетельствует о сложности и многофакторности эпидемического процесса. Факторы, влияющие на заболеваемость клеевым энцефалитом:
- климатические условия; колебания численности переносчиков и обилие прокорми-телей;
- изменения иммунной прослойки как в популяциях диких теплокровных хозяев, так и у населения эндемичных районов;
- социальные факторы, приводящие к повышению вероятности заражения вирусом КЭ, проведение активных профилактических мероприятий;
- географическое распространение конкретных генотипов вируса КЭ и др.
Причем проявление выраженности некоторых факторов можно считать относительно синхронным на всей территории РФ. Корректное описание таких сложных процессов для определения степени их влияния и возможно, других, не учитываемых в настоящее время факторов, требует анализа длин-
ных временных рядов заболеваемости по многим территориальным единицам РФ [6, 8], что, к сожалению, невозможно из-за ограниченности и неполноты данных. Однако имеющиеся данные по динамике заболеваемости КЭ в различных областях России с середины прошлого века и по настоящее время позволяют провести анализ распределения подъемов и спадов заболеваемости КЭ по различным регионам с целью возможного определения классификационных признаков ранжирования территорий по группам риска заболеваемости (низкий - средний - высокий - очень высокий).
Ранее уже было показано, что в разных фазах эпидемического процесса частотные спектры временного ряда заболеваемости имеют разную структуру. «При низких уровнях заболеваемости спектры - многочастотные, с наличием короткопериодных колебаний, что отражает несогласованное взаимодействие компонентов очага. При высоких уровнях структура спектров - одно-, двухча-стотная, что характерно для хорошо синхронизированных многокомпонентных процессов» [6, с. 40]. Поэтому задачей данного исследования являлось выявление возможности статистически обоснованного определения универсальных границ групп риска заболеваемости для различных территориальных зон РФ, исходя из предположения о наличии связи между изменением уровня заболеваемости и лоймопотенциалом природных очагов КЭ на эндемичных территориях РФ.
Цель работы - используя методы дис-криминантного анализа, проанализировать многолетние данные по уровню заболеваемости КЭ в субъектах РФ и выявить группы регионов со схожей динамикой заболеваемости.
Материалы и методы
В работе использованы данные официальной регистрации КЭ с 1997 по 2015 г., содержащие суммарные показатели заболеваемости (количество заболевших / количество
населения, за месяц) каждого района для областей, перечисленных в таблице. Статистическую обработку результатов проводили стандартными методами дискриминантного анализа с применением программного приложения Statistica 8. Дискриминантный анализ позволяет изучать различия между двумя и более группами объектов по нескольким переменным одновременно [3]. В качестве объектов изучения при анализе рассматривались регионы РФ, каждый из которых описывался с помощью 19 переменных, содержащих среднегодовые значения заболеваемости КЭ в расчете на 100 тыс. населения. Деление на группы проводили согласно задаваемым диапазонам средних значений, вычисленных для каждой области по среднегодовым значениям заболеваемости КЭ за период наблюдений 1997-2015 гг.
Результаты и обсуждение
Предварительный анализ многолетних данных о среднегодовой заболеваемости, по областям РФ, показал, что эта величина подчиняется нормальному распределению, средние значения которого сильно варьируют в зависимости от региона наблюдения. По большинству областей медиана или почти равна среднему значению за рассматриваемый период наблюдений, или несколько меньше. Исключениями являются Республика Татарстан, Удмуртская Республика, Амурская область, Еврейская АО - здесь отношение среднее/медиана в 2-3 раза больше единицы (в табл. 1 выделено подчеркиванием). Это подтверждает значительную несимметричность выборочных распределений по этим регионам и возможное, неусредненное влияние неизвестного долговременного фактора на выявленные значения заболеваемости. Среди выявленных исключений наблюдается сильное варьирование средних значений от 0,257 в Республике Татарстан, до 17,968 в Удмуртской Республике за период наблюдений 1997-2015 гг.
Исходя из вышеизложенного, возможно предположить, что среднее значение заболеваемости может быть индикатором типа и интенсивности эпидемического процесса, протекающего в конкретном регионе. Поэтому среднее значение, вычисленное для каждой области по среднегодовым значениям
заболеваемости КЭ на 100 тыс. населения за период наблюдений 1997-2015 гг., было использовано как классификационный признак при проведении дискриминантного анализа.
Таблица
Среднее значение и медиана показателя заболеваемости КЭ за год (к-во заболевших/100 000 населения) по результатам наблюдений 1997-2015 гг.
Территории Среднее Медиана
Самарская обл. 0,074 0,060
Нижегородская обл. 0,143 0,110
Респ. Татарстан 0,257 0,110
Оренбургская обл. 0,305 0,250
Тверская обл. 0,482 0,380
Респ. Марий Эл 0,515 0,430
Респ. Коми 0,943 0,700
Амурская обл. 1,103 0,490
Респ. Башкортостан 1,212 1,160
Хабаровский край 1,292 0,700
Ханты-Мансийск АО 1,408 1,160
Санкт-Петербург 1,479 1,420
Ярославская обл. 1,488 1,260
Еврейская АО 1,758 0,530
Ленинградская обл. 2,208 2,070
Псковская обл. 2,223 1,730
Новгородская обл. 2,316 2,050
Омская обл. 2,400 2,130
Приморский край 3,582 2,770
Алтайский край 4,134 2,910
Забайкальский край 4,242 3,940
Иркутская обл. 4,459 4,310
Костромская обл. 4,631 4,150
Вологодская обл. 5,252 4,820
Архангельская обл. 5,418 5,850
Челябинская обл. 5,865 5,170
Респ. Карелия 6,649 6,030
Пермский край 7,588 7,120
Свердловская обл. 7,639 6,000
Кировская обл. 7,817 7,770
Новосибирская обл. 8,635 7,090
Кемеровская обл. 8,647 6,770
Респ. Бурятия 10,776 9,210
Тюменская обл. 11,304 8,130
Курганская обл. 13,045 10,770
Красноярский край 16,737 17,950
Респ. Тыва 17,410 15,350
Удмуртская Респ. 17,968 8,850
Респ. Хакасия 19,196 18,600
Респ. Алтай 22,506 25,460
Томская обл. 29,348 28,490
Первоначально в качестве граничных значений, разделяющих группы, использовались значения квартилей средней заболеваемости, полученных по всему массиву данных: 1 кв = 0,94; 2 кв = 3,27; 3 кв = 7,75; 4 кв = 64,22.
Был проведен дискриминантный анализ временных рядов, сгруппированных по средним значениям показателя заболеваемости за период наблюдений 1997-2015 гг.: «очень низкое» значение (0-0,94); «низкое» (0,95-3,27), «среднее» (3,28-7,74), «высокое» (7,75 и выше). Дискриминация первых двух групп оказалась неудовлетворительной «низкое» и «очень низкое» практически не различаются.
При дальнейшем анализе эти две группы были объединены, и был проведен дискри-минантный анализ при разделении исследуемых объектов (временных рядов) на группы: «низкое» значение (0-3,27), «среднее» (3,28-7,74), «высокое» (7,75 и выше). Дискриминация оказалась удовлетворительной (рис.). Однако Приморский край со средним значением заболеваемости 3,58, согласно этому разбиению отнесенный к группе «среднее», по результатам дискриминантного анализа достоверно относился к группе со значениями «низкое», хотя нужно отметить, что медианное значение для этого региона равно 2,77, т. е. значительно меньше среднего. В связи с этим наблюдением, было проведено уточненное разбиение на группы: «низкое» значение (0<3,6), «среднее» (3,6-7,7), «высокое» (>7,7). На рисунке показано рассеяние, рассчитанных для каждой области РФ значений дискрими-нантных функций при таком разбиении. Обе дискриминантные функции статистически значимы (значение лямбда Уилкса = 0,011). Наибольший вклад в дискриминацию вносит функция £1, дополнительный вклад функции £2 состоит в выделении отличительных признаков группы «среднее» от групп «высокое» и «низкое». Дальнейшее варьирование уточненных граничных значений для групп «низкое», «среднее», «высокое» приводит к ухудшению качества дискриминации.
Недостаточность знаний о степени влияния различных факторов на динамику заболеваемости КЭ исключает возможность корректного применения факторного анализа [10], а ограниченность по времени наблюдения и фрагментарность имеющихся временных рядов, содержащих сведения о заболеваемости КЭ, снижают точность прогноза, осуществляемого на основании модели авторегрессии [2, 8]. В этой ситуации обоснованным является применение комплексных методов многомерного статистического анализа.
■ ♦ низкое ■ среднее А высокое
1
■ ■
■ ■
♦
■ ♦ ►
А ♦ Л
* 4
♦
Рис. 1. Диаграмма рассеяния значений дискриминант-ных функций £1 и £2. Каждая точка на диаграмме соответствует территории из табл. 1
Как было показано в проведенном нами исследовании, дискриминантный анализ среднегодовых значений заболеваемости КЭ для каждой области из таблицы 1 позволил выделить три группы областей, достоверно различаемых по среднему значению этого показателя за период наблюдений 1997-2015 гг.
В группу «низкое» значение заболеваемости вошли: Республика Марий Эл, Республика Татарстан, Нижегородская, Оренбургская, Самарская, Омская, Амурская области, Ханты-Мансийский АО, Приморский и Хабаровский края, Еврейская АО.
В группу «среднее» значение заболеваемости вошли: Республика Карелия, Костромская, Архангельская, Вологодская, Свердловская, Челябинская области, Алтайский край.
В группу «высокое» значение заболеваемости вошли: Удмуртская Республика, Республика Алтай, Республика Бурятия, Республика Тыва, Республика Хакасия, Кировская, Курганская, Тюменская, Кемеровская, Новосибирская, Томская области.
Анализ вклада переменных (годов, в которые регистрировалась средняя заболеваемость по области) позволяет считать, что наибольший вклад в дискриминацию по оси £1 вносят наблюдения за 1997, 1999, 2002, 2001, 2009, 2013, 2012, 2015,1998 гг. в порядке убывания вклада. Наибольший вклад в дискриминацию по оси £2 вносят наблюдения за 2008, 2009, 2004, 1999, 2007 гг. в порядке
убывания вклада. При увеличении времени наблюдений можно проанализировать также возможную связь между уровнями заболеваемости в разные годы. По мере увеличения сроков наблюдения уровни заболеваемости, определяющие границы групп «низкое», «среднее», «высокое» значение, можно уточ-
нять и корректировать при необходимости. Данный метод позволяет учитывать черты как сходства, так и различия в развитии эпидемического процесса на разных территориях РФ, а в долговременной перспективе и выявлять возможные закономерности его развития.
БИБЛИОГРАФИЧЕСКИМ СПИСОК
REFERENCES
1. Аитов К.А., Малов И.В., Борисов В.А. Эпидемиология клещевого энцефалита на современном этапе (обзор литературы) // Вестник инфектологии и паразитологии. 2004 [Электронный ресурс]. URL: http://www.infectology.ru/publik/stat46.aspx.
2. Болотин Е.И. О функциональной организации природных очагов клещевого энцефалита и прогнозе их эпидемического проявления: анализ одномерных временных рядов заболеваемости // Паразитология. 2001. Т. 35. № 5. С. 386-393.
3. Большаков А.А., Каримов Р.Н. Методы обработки многомерных данных и временных рядов: учеб. пособие для вузов. М.: Горячая линия -Телеком, 2007. 522 с.
4. Злобин В.И. Клещевой энцефалит в Российской Федерации: этиология, эпидемиология и стратегия профилактики // Инфекционные болезни. 2010. № 2. С. 13-21.
5. Злобин В.И., Рудаков Н.В., Малов И.В. Клещевые трансмиссивные инфекции. Новосибирск: Наука, 2015. 224 с.
6. Москвитина Н.С., Агулова Л.П. Динамика заболеваемости населения г. Томска клещевым энцефалитом и ее связь с изменениями климата // Геофизические процессы и биосфера. 2014. Т. 13. № 3. С. 40-54.
7. Наумов Р.Л., Жигальский О.А., Гутова В.П., Килина А.И., Никулина Е.С., Окулова Н.М. Цикличность и прогноз заболеваемости клещевым энцефалитом в Красноярском крае, экспертная и математическая оценка // Медицинская паразитология и паразитарные болезни. 1989. № 3. С. 3-6.
8. Наумов Р.Л., Гутова В.П., Фонарева К.С. Степень совпадения долгосрочного экстраполяцион-ного прогноза с реальной заболеваемостью клещевым энцефалитом в СССР // Мед. паразитол. 1990. № 5. С. 40-43.
9. Пеньевская Н.А., Рудаков Н.В. Эффективность применения препаратов иммуноглобулина для постэкспозиционной профилактики клещевого энцефалита в России (обзор полувекового опыта) // Медицинская паразитология и паразитарные болезни. 2010. № 1. С. 53-59.
10. Рубцова И.Ю., Малькова И.Л. Заболеваемость клещевым энцефалитом и заклещевленность территории Удмуртии как результат воздействия природных и антропогенных факторов // Вестник ВГУ, серия: География; геоэкология. 2017. № 1. С. 46-54.
1. Aitov K.A., Malov I.V., Borisov V.A. Epide-miologiya kleshchevogo ehncefalita na sovremennom ehtape (obzor literatury) // Vestnik infektologii i parazitologii. 2004 [Elektronnyj resurs]. URL: http://www.infectology.ru/publik/stat46.aspx.
2. Bolotin E.I. O funkcional'noj organizacii pri-rodnyh ochagov kleshchevogo ehncefalita i prognoze ih ehpidemicheskogo proyavleniya: analiz odnomernyh vremennyh ryadov zabolevaemosti // Parazitologiya. 2001. T. 35. № 5. S. 386-393.
3. Bol'shakov A.A., Karimov R.N. Metody obrabotki mnogomernyh dannyh i vremennyh ryadov: ucheb. posobie dlya vuzov. M.: Goryachaya liniya -Telekom, 2007. 522 s.
4. Zlobin V.I. Kleshchevoj ehncefalit v Ros-sijskoj Federacii: ehtiologiya, ehpidemiologiya i strategi-ya profilaktiki // Infekcionnye bolezni. 2010. № 2. S. 13-21.
5. Zlobin V.I., Rudakov N.V., Malov I.V. Klesh-chevye transmissivnye infekcii. Novosibirsk: Nauka, 2015. 224 s.
6. Moskvitina N.S., Agulova L.P. Dinamika zabolevaemosti naseleniya g. Tomska kleshchevym ehncefalitom i ee svyaz' s izmeneniyami klimata // Geof-izicheskie processy i biosfera. 2014. T. 13. № 3. S. 40-54.
7. Naumov R.L., Zhigal'skij O.A., Gutova V.P., Kilina A.I., Nikulina E.S., Okulova N.M. Ciklichnost' i prognoz zabolevaemosti kleshchevym ehncefalitom v Krasnoyarskom krae, ehkspertnaya i matematicheskaya ocenka // Medicinskaya parazitologiya i parazitarnye bolezni. 1989. № 3. S. 3-6.
8. Naumov P.L., Gutova V.P., Fonareva K.S. Stepen' sovpadeniya dolgosrochnogo ehkstrapolyacion-nogo prognoza s real'noj zabolevaemost'yu kleshchevym ehncefalitom v SSSR // Med. parazitol. 1990. № 5. S. 40-43.
9. Pen'evskaya N.A., Rudakov N.V. Effektivnost' primeneniya preparatov immunoglobulina dlya postehk-spozicionnoj profilaktiki kleshchevogo ehncefalita v Rossii (obzor poluvekovogo opyta) // Medicinskaya parazitologiya i parazitarnye bolezni. 2010. № 1. S. 53-59.
10. Rubcova I.YU., Mal'kova I.L. Zabolevae-most' kleshchevym ehncefalitom i zakleshchevlen-nost' territorii Udmurtii kak rezul'tat vozdejstviya prirodnyh i antropogennyh faktorov // Vestnik VGU, seriya: Geografiya; geoehkologiya. 2017. № 1. S. 46-54.
11. Рудакова С.А., Коломеец А.Н., Самойлен-ко И.Е., Кузьминов А.М., Рудаков Н.В. Экспресс-индикация трансмиссивных патогенов как основа дифференцированного подхода к профилактике инфекций, передающихся иксодовыми клещами // Бюллетень СО РАМН. 2007. № 4. С. 116-119.
12. Ястребов В.К., Рудаков Н.В., Рудакова С.А. Эпидемиология трансмиссивных клещевых инфекций в России // Здоровье населения и среда обитания. 2016. № 11. С. 8-12.
11. Rudakova S.A., Kolomeec A.N., Samojlenko I.E., Kuz'minov A.M., Rudakov N.V. Ekspress-indikaciya transmissivnyh patogenov kak osnova differ-encirovannogo podhoda k profilaktike infekcij, peredayushchihsya iksodovymi kleshchami // Byulleten' SO RAMN. 2007. № 4. S. 116-119.
12. Yastrebov V.K., Rudakov N.V., Rudakova S.A. Epidemiologiya transmissivnyh kleshchevyh in-fekcij v Rossii // Zdorov'e naseleniya i sreda obitaniya. 2016. № 11. S. 8-12.
Тюлько Жанна Сергеевна - кандидат биологических наук, доцент кафедры физики, математики, медицинской информатики. Омский государственный медицинский университет; tjs@omsk-osma.ru.
Якименко Валерий Викторович - доктор биологических наук, старший научный сотрудник, заведующий лабораторией арбовирусных инфекций отдела природно-очаговых вирусных инфекций Омский НИИ природно-очаговых инфекций.
Рудаков Николай Викторович - доктор медицинских наук, профессор, директор Омского НИИ природно-очаговых инфекций, заведующий кафедрой микробиологии, вирусологии и иммунологии Омского государственного медицинского университета.
Савельев Дмитрий Александрович - врач-методист научно-организационного отдела Омский НИИ природно-очаговых инфекций; e-mail: mail@oniipi.org.
Андаев Евгений Иванович - доктор медицинских наук, старший научный сотрудник, заместитель директора по общим вопросам и организационно-методической работе, и.о. зав. лабораторией природно-очаговых вирусных инфекций. Иркутский научно-исследовательский противочумный институт; e-mail: adm@chumin.irkutsk.ru.
Балахонов Сергей Владимирович - доктор медицинских наук, профессор, директор Иркутского научно-исследовательского противочумного института; e-mail: adm@chumin.irkutsk.ru.
Tyulko Zhanna Sergeevna - candidate Sciences (Biology), Associate Professor of physics, mathematics, medical Informatics, Omsk state medical University, e-mail: mail@oniipi.org.
Yakimenko Valery Viktorovich - Doctor of Biology, head of the of arbovirus infections laboratory Central research Institute «Omsk research Institute of natural focal infections» of Rospotrebnadzor, e-mail: mail@oniipi.org.
Rudakov Nikolay Viktorovich - Doctor of Medicine, Professor, Director of the Central research Institute «Omsk research Institute of natural focal infections» of Rospotrebnadzor, e-mail: mail@oniipi.org.
Savelyev Dmitry Aleksandrovich - the doctor of scientific-organizational Department of the Central research Institute «Omsk research Institute of natural focal infections» of Rospotrebnadzor, e-mail: mail@oniipi.org.
Andaev Evgeny Ivanovich - Doctor of Medicine, senior researcher, Deputy Director of the General Affairs and organizational-methodical work of Federal state healthcare institution «Irkutsk research anti-plague Institute of Siberia and Far East» of Rospotrebnadzor, e-mail: adm@chumin.irkutsk.ru.
Balakhonov Sergey Vladimirovich - Doctor of Medicine, Professor, Director of the Federal state healthcare institution «Irkutsk research anti-plague Institute of Siberia and Far East» of Rospotrebnadzor, e-mail: adm@chumin. irkutsk. ru.
