CC BY
20Подходы к прогнозированию динамики уровня заболеваемости алкоголизмом: оценка результативности госпрограммы «Здравоохранение»
Вараксин Сергей Владимирович,
канд. физ.-мат. наук, доцент кафедры алгебры и математической логики Алтайского государственного университета E-mail: varaksin@bk.ru
Вараксина Наталья Владимировна,
канд. соц. наук, доцент кафедры государственного и муниципального управления Алтайского филиала Российской академии народного хозяйства и государственной службы при Президенте РФ E-mail: varaksins@yandex.ru
Цель: Объектом исследования представленной работы является динамика относительной численности фиксируемой заболеваемости алкоголизмом в Российской Федерации в начале XXI века. Предметом исследования данной работы является прогнозное моделирование демографических показателей алкоголизации населения РФ с использованием потенциала метода нечеткой линейной регрессии, как математического инструментария прикладных социологических исследований. Методы: Основным инструментом анализа динамики статистических показателей служит построение прогнозных математических моделей изменения численности заболеваний алкоголизмом с применением метода нечеткой линейной регрессии, с использованием потенциала алгоритма, построенного на языке системы MatLab. Базовые методы нечеткой линейной регрессии достаточно давно и успешно используются в технических и естественных науках, однако, при анализе и прогнозировании проблемных ситуаций в социальных наука подобный инструментарий до недавнего времени не применялся. В связи с чем, применение данных методов в построении прогнозных моделей количественных демографических показателей, в том числе характеризующих распространение социально обусловленных заболеваний, является инновационным. Результаты: С помощью методов нечеткой линейной регрессии, в работе определены достоверные параметры прогнозных математических моделей для временных рядов базовых значений относительной численности вновь зарегистрированных больных алкоголизмом в общей численности взрослого населении Российской Федерации, а также их относительная численность в генеральной совокупности пациентов лечебно-профилактических учреждений здравоохранения. Выводы: Прогнозная численность вновь диагностированных заболеваний алкоголизмом будет демонстрировать отрицательную динамику в краткосрочной и среднесрочной перспективе. Метод нечеткой линейной регрессии имеет высокий внедренческий потенциал для моделирования социально-демографических показателей в рамках разнообразных направлений социальных исследований.
Ключевые слова: нечеткое число, нечеткий временной ряд, нечеткая линейная регрессия, математическая модель, социологическое моделирование, заболеваемость алкоголизмом, прогнозные модели, борьба с алкоголизмом.
Введение
Социальная проблематика, имеющая разнообразную этиологию, механизм возникновения и алгоритмы нивелирования, объединяет наиболее значимые для полноценного функционирования общества, сферы: образование, культуру, здравоохранение, спорт. Одним из инструментов государственной политики в выше обозначенных сферах, является реализация национальных проектов. Национальный проект «Здравоохранение», реализация которого рассчитана на период с 2018 года по 2024 год, является одним из двенадцати приоритетных национальных проектов Российской Федерации. Данный проект затрагивает разнообразные аспекты, связанные с организацией системы здравоохранения, оказанием лечебных и профилактических услуг населению, организацией высокотехнологичной медицинской помощи, развитием системы непрерывного медицинского образования врачей и среднего медицинского персонала. Одной из значимых целей национального проекта «Здравоохранение» является увеличение продолжительности здоровой активной жизни россиян. А в качестве ключевой задачи проекта поставлено снижение показателей смертности в России, которые, на сегодняшний день, превышают аналогичные показатели развитых стран в 2,4 раза.
Среди доминирующих факторов развития неинфекционных заболеваний в Российской Федерации на сегодняшний день, согласно точке зрения большинства исследователей, занимающихся данной проблематикой, можно выделить следующее: избыточная масса тела, гиподинамия, гипертония, табакокурение. При этом особое место в списке неинфекционных заболеваний занимают болезни, обусловленные употреблением алкогольных напитков. В рамках пресс-конференции, министр здравоохранения РФ Михаил Мурашко отметил, что на сегодняшний день порядка 75% всех смертей мужчин в России в той или иной степени связаны с употреблением алкоголя[1 ]. К ним, помимо непосредственно алкогольной зависимости, относят:
- самоубийство, совершенное в состоянии алкогольного опьянения;
- смертность в ДТП, спровоцированное управлением транспортным средством в состоянии алкогольного опьянения;
- противоправное девиантное поведение;
- неудовлетворительное состояние репродуктивного здоровья;
- рискованное сексуальные отношения;
сз о
о Л о
о сз о в
- передаваемые половым путем инфекции;
- негативные долгосрочные прогнозы протекания беременности и врожденные пороки развития плода;
- цирроз и другие болезни печени.
Кроме того, алкогольная аддикция имеет существенный вес в увеличение рисков следующих заболеваний:
- ишемическая болезнь сердца;
- отравление;
- онкологические заболевания;
- инфекционные заболевания различной этиологии.
Для диагностики на ранних стадиях развития болезней, имеющих значимый вес в группе причин, приводящих к преждевременной смертности и ранней инвалидизации населения, в рамках реализации национального проекта «Здравоохранение» разработано направление деятельности, предусматривающее активную всестороннюю работу учреждений сферы здравоохранения по организации массовой диспансеризации населения различных возрастных групп, т.к. регулярная, грамотно организованная комплексная диспансеризация позволяет осуществлять своевременное диагностику факторов риска развития большого числа заболеваний, в том числе алкогольной зависимости. Анализ динамики данного заболевания является основой для разработки системы мер, направленных на снижение численности заболевших, повышение эффективности лечения и предотвращение перехода заболеваний в более тяжелые стадии.
Материалы и методы
Для учета системы факторов, обуславливающих положительную или отрицательную динамику численности заболевших алкоголизмом, необходимо использовать комплексный подход при построении прогнозных моделей. В данной работе используется методика построения математической модели динамики распространения заболеваемости алкоголизмом в Российской Федерации с использованием метода нечеткой линейной регрессии.
Регрессионный анализ является одним из базовых математических методов, достаточно часто применяемых в социологических, социально-экономических и социально-психологических исследованиях различной направленности. Его ключевое преимущество заключается в достаточно простом алгоритме вычисления коэффициентов линейной регрессии, а недостаток - в ограничении минимально допустимой длины числового ряда, а также нормальности закона распределения величин. Метод нечеткой линейной регрессии свободен от такого рода ограничений, что дает возе можность более качественно строить прогнозы £ развития социально-демографических процессов, Я используя именно этот метод. 041 Основные ключевые понятия теории нечетких ав множеств и нечетких чисел были опубликованы
в работе Л. Заде [2]. Характеристическая функция нечеткого числового множества, отличии от принятого в классической теории множеств, может принимать значения от 0 до 1. Значение функции множества определяется степенью достоверности, с которой число принадлежит этому множеству. Под нечетким числом, в соответствии с определением Л. Заде, понимают нечеткое множество с выпуклой унимодальной, т.е. имеющей только одно максимальное значение, характеристической функцией. В точке максимума ее значение равно 1. Наиболее часто в качестве нечетких чисел используют симметричные треугольные числа. Ненулевая часть графика характеристической функции симметричного треугольного нечеткого числа выглядит как равнобедренный треугольник с высотой 1 и основанием.
При использование стандартного линейного регрессионного анализа числового ряда накладываются ограничения, касающиеся минимальной длины ряда. Кроме того, требуются предположения о законе распределения анализируемой величины. Метод нечеткой регрессии не использует предположения о длине ряда и законе распределения, что расширяет его прогнозный потенциал.
Под нечетким временным рядом будем понимать набор числовых значений некоторой изменяющейся по времени величины, если эти значения выражаются нечеткими числами. При анализе обычного числового временного ряда его значения считаются модами нечетких симметричных треугольных чисел. Впервые метод нечеткой линейной регрессии появился в статье Х. Танака [3]. В нем уравнение нечеткой линейной регрессии записывается в виде линейной функции, значения ее параметров и являются нечеткими треугольными числами. В нашей работе при анализе динамики алкоголизма применяется частный случай подобного подхода. В нем значение параметра уравнения является обычным четким числом, а значение параметра - нечетким симметричным треугольным нечетким числом ширины,. Анализируется обычный числовой ряд {у(0}. При этом значения ряда считаются точками максимума характеристических функций симметричных нечетких значений нечеткого числового ряда. Параметры и функции нечеткой линейной регрессии определяются с учетом принципа максимальной достоверности. Это значит, что все точки исходного числового ряда {у(Г)} лежат внутри полосы шириной, ограниченной двумя параллельными прямыми с наименьшим возможным. Этот подход впервые был предложен в статье И.В. Пономарева и В.В. Славского [4]. Задача нахождения параметров уравнения линии нечеткой регрессии может быть решена с помощью методов линейного программирования.
Результаты
Применяя, описанный выше, подход к моделированию временных рядов при анализе социальной
проблематики, авторами была предпринята попытка анализа существующей динамики показателей распространения алкоголизма в России, а точнее статистического показателя «Взято под диспансерное наблюдение больных с впервые в жизни установленным диагнозом в отчетном году на 100 000 человек населения», а также показателя «Чис-
ленность больных, состоящих на учете в лечебно-профилактических организациях на конец отчетного года на 100 000 человек населения», в 20032020 годах. Для анализа использованы данные сайта Федеральной службы государственной статистики [5], представленные в таблице 1.
Таблица 1. Относительная численность больных алкоголизмом в РФ на 100 000 человек
Численность больных (на 100 000 человек) Годы
2003 2004 2005 2006 2007 2008 2009 2010 2011
выявлено новых больных 159,0 152,8 147,0 134,8 122,5 121,5 111,8 107,8 96,6
общая численность состоящих на учете 1545,3 1544,2 1541,8 1506,3 1482,2 1459,1 1411,8 1367,1 1304,3
Численность (на 100 000 человек населения) Годы
2012 2013 2014 2015 2016 2017 2018 2019 2020
выявлено новых больных 85,7 78,2 74,7 70,7 64,8 53,2 51,6 48,3 37,6
общая численность состоящих на учете 1261,2 1215,7 1155,4 1076,2 984,0 888,2 823,4 767,8 754,4
В результате проведенного комплексного анализа было получено уравнение линейной нечеткой регрессии (1) для относительной численности впервые взятых под наблюдение больных с диагнозом «алкоголизм»
у = -7,05? + 14276 ±6,2 (1)
Данное уравнение проиллюстрировано на графике на рисунке 1:
Рис. 1. Взято под диспансерное наблюдение новых больных на 100 000 человек
На графике демонстрируется явно отслеживаемая тенденция приближения постоянно уменьшающейся численности вновь выявленных больных алкоголизмом, к прямой линии.
Также было получено уравнение регрессии (2) относительной численности больных, состоящих на учете в лечебно-профилактических учреждениях
у = -49? + 98959 ± 81 (2)
График, иллюстрирующий данное уравнение, вместе с исходными данными представлен на рисунке 2:
Рис. 2. Общая численность больных, состоящих на учете, на 100 000 человек
Заключение
Представленный в работе анализ показывает, что относительная численность пациентов с алкогольной зависимостью в общей численности пациентов лечебно-профилактических учреждений демонстрирует отрицательную динамику, что является косвенным свидетельством успеха реализуемой государственной политики в сфере борьбы с алкоголизмом. Однако, уменьшение численности больных алкоголизмом не подкреплено соответствующим тенденцией падения такими же темпами потребления крепких алкогольных напитков в стране. Что позволяет говорить о том, что уменьшение вновь установленных диагнозов «алкоголизм», может быть связано и с тем, что выявление подобных больных происходит в результате добровольного самостоятельного обращения гражданина в соответствующее медицинское учреждение. Высока вероятность того, что подобное уменьшение относительной численности больных связано с увеличением количества латент-
сз о
о о
—I
О
сз
о ©
ных больных. Данный факт должен быть учтен, т.к. подобная ситуация может привести к лавинообразному увеличению такого рода больных в будущем. Органам власти на местах в тесном сотрудничестве с правоохранительными органами и общественными организациями необходимо своевременно выявлять граждан из «групп риска», чтобы фокусировать внимание на превентивных мерах, способствующих предотвращению негативного развития ситуации в дальнейшем.
Кроме того, следует обратить внимание на быстрое распространение, преимущественно в молодежной среде, употребления слабоалкогольных напитков (пиво, энергетики, коктейли). Употребление подобного рода напитков воспринимается большинством граждан, как совершенно безвредное для здоровья, однако вызывает достаточно быстрое привыкание, и это таит в себе серьезную опасность.
В целом можно сказать, что построенные прогнозные математические модели смогут помочь органам государственной власти разных уровней оптимально спланировать свою деятельность, чтобы и далее снижать реальную численность больных алкоголизмом, что окажет положительное влияние на динамику увеличени продолжительности активной жизни населения и иных значимых демографических показателях.
Литература
1. Мурашко: до 75% всех смертей мужчин в России так или иначе связаны с потреблением алкоголя. - ТАСС, 24.12.2020. - URL: https:// tass.ru/obschestvo/10347661 (дата обращения: 24.05.22).
2. Zadeh L.A. Fuzzy sets // Information and Computation. -1965. -V.8. -P.338-353.
3. Tanaka H., Uejima S., Asai K., Linear Regression Analysis with Fuzzy Model // IEEE Transactions on Systems, Man and Cybernetics. -1982. -V. 12. -No. 6. -P. 903-907.
4. Пономарев И.В., Славский В.В. Нечеткая модель линейной регрессии // Доклады Академии наук. - 2009. - Т. 428. - № 5. - С. 598-600.
5. Росстат, Заболеваемость населения алкоголизмом и алкогольными психозами. - URL: https://rosstat.gov.ru/storage/mediabank/zdr2-3. xls (дата обращения: 13.05.22).
APPROACHES TO PREDICTING THE DYNAMICS OF THE INCIDENCE OF ALCOHOLISM: ASSESSING THE EFFECTIVENESS OF THE STATE PROGRAM «HEALTH»
Varaksin S.V., Varaksina N.V.
Altai State University, Altai Branch of the Russian Academy of National Economy and Public Administration under the President of the Russian Federation
Object: The subject of the study of this work is the modeling of demographic indicators using the potential of the fuzzy linear regression method as a tool for sociological research. The object of the study is the dynamics of the relative incidence of alcoholism in the Russian Federation in 2003-2000. Methods: The main tool of the analysis is the construction of predictive mathematical models of changes in the number of diseases using the fuzzy linear regression method, using the constructed algorithm in the language of the MatLab system. Fuzzy linear regression methods have been used in engineering and natural sciences for more than forty years. Such methods have not been used until recently in the field of social sciences, so the use of these methods in predicting demographic indicators, including the spread of diseases, is innovative. Findings: The paper defines the parameters of predictive mathematical models for time series of values of the relative number of newly registered alcoholism patients in the total population of the Russian Federation and the relative number of patients in medical institutions. Conclusions: The number of alcoholism cases will continue to decrease in the next few years. The fuzzy linear regression method can be used to model demographic indicators of morbidity.
Keywords: fuzzy number, fuzzy time series, fuzzy linear regression, mathematical model, sociological modeling, incidence of alcoholism, forecasting in healthcare, the fight against alcoholism.
References
1. Murashko: up to 75% of all male deaths in Russia are somehow related to alcohol consumption. - TASS, 12/24/2020. - URL: https://tass.ru/obschestvo/10347661 (accessed: 24.05.22).
2. Zadeh L.A. Fuzzy sets // Information and Computation. -1965. -V.8. -P.338-353.
3. Tanaka H., Uejima S., Asai K., Linear Regression Analysis with Fuzzy Model // IEEE Transactions on Systems, Man and Cybernetics. -1982. -V. 12. -No. 6. -P. 903-907.
4. Ponomarev I.V., Slavsky V.V. Fuzzy model of linear regression // Reports of the Academy of Sciences. - 2009. - Vol. 428. - No. 5. - pp. 598-600.
5. Rosstat, Morbidity of the population with alcoholism and alcoholic psychoses. - URL: https://rosstat.gov.ru/storage/media-bank/zdr2-3.xls (accessed: 13.05.22).
e
u
CM CO
