CC BY
212
УДК 614.2
ПРОГНОЗИРОВАНИЕ
ПОКАЗАТЕЛЕЙ СМЕРТНОСТИ НАСЕЛЕНИЯ РФ ОТ ЗЛОКАЧЕСТВЕННЫХ НОВООБРАЗОВАНИЙ
П.Г. Гладких, А. С. Короткова
ФГБОУ ВО «Тульский государственный университет»,
Медицинский институт,
кафедра «Санитарно-гигиенических и профилактических дисциплин»,
Тула, Россия, 300012
Аннотация. В Российской федерации второе место среди причин смерти занимают злокачественные новообразования. Сокращение уровня смертности от этих заболеваний происходит засчет внедрения скриннинговых программ ранней диагностики онкологических заболеваний. Целью работы является анализ ряда показателей смертности от онкологии; выбор методов прогнозирования показателей смертности. Для получения точных результатов прогноза с наименьшей вероятной ошибкой необходимо подробное изучение параметров явления или процесса. Одними из наиболее часто применяемых методов анализа и прогнозирования показателей смертности населения являются: метод экстраполяции, метод экспоненциального сглаживания, и метод скользящих средних. Установлено, что наиболее достоверным является метод скользящих средних.
Ключевые слова: злокачественные новообразования, прогнозирование, смертность, метод скользящих средних.
Введение. Одна из основных демографических проблем в России — высокие показатели преждевременной смертности при низком уровне рождаемости.
Снижение уровня смертности населения — одна из главных целей Концепции демографической политики России до 2025 года. Достичь его можно путем сокращения заболеваний от системы кровообращения, новообразований, травматизма в результате до—------------------------------------йче
рожно-транспортных происшествии, которые занимают лидирующие места в причинах смерти во всем мире и в РФ.
Среди причин смертности населения в РФ злокачественные новообразования занимают второе место после заболеваний системы кровообращения. Поэтому одной из задач по сокращению уровня смертности населения, прежде всего граждан трудоспособного возраста, является сокращение уровня смерт-
-----—
■ 26 ~
Журнал включен в Перечень рецензируемых научных изданий ВАК при Министерстве образования и науки Российской Федерации по отраслям «Медицинские науки» и «Социологические науки»
Since 1999 p-ISSN 2226-7425, e-ISSN 2412-9437
Гладких П. Г., Короткова А.С. Прогнозирование показателей смертности населения РФ...
—------------------------—
ности от онкологических заболеваний за счет внедрения программ профилактики, а также за счет скрининговых программ раннего выявления онкологических заболеваний.
Целью нашей работы является анализ динамического ряда показателей смертности от злокачественных новообразований в РФ за период с 1995 по 2014 г. и выбор методов прогнозирования показателей смертности населения в РФ от злокачественных новообразований.
Прогноз — это количественное, вероятностное утверждение в будущем о состоянии объекта или явления с относительно высокой степенью достоверности, на основе анализа тенденций и закономерностей прошлого и настоящего.
Временной ряд (динамика показателей смертности) есть последовательность, в которой каждое значение содержит в себе прошлое для последующих состояний. Любая попытка предвидеть будущее без исследования динамических рядов прошлого является малообоснованной, ненаучной и ошибочной. Поэтому для получения достаточно точных и надежных прогнозов, необходимо подробно изучить настоящее состояние явления или процесса.
Материалы и методы исследования.
Выявление основной тенденции развития — это один из методов анализа и обобщения временных рядов. Он позволяет выразить особенности изменения явления во времени. Тренд — некоторая аналитическая функция, которая связывает единым «законом движения» все последовательные уровни временного ряда. Тренд описывает общую тенденцию на базе лишь одного фактора — фактора времени (t). Следовательно, не полностью описывает характер тенденции развития и не может рассматриваться как закон развития явления.
Остановимся подробнее на проблеме выбора математической функции описания ос-
новной тенденции развития, то есть выбора подобной реальной динамике формы уравнения. Для отображения основной тенденции развития явлений во времени или модели этого процесса применяются разные уравнения, полиномы разной степени, экспоненты, логистические кривые и другие [1].
Одним из наиболее распространенных методов прогнозирования социально-экономических явлений и процессов является экстраполяция, то есть продление тенденции и закономерностей, связей и соотношений прошлого и настоящего на будущее. Типичным и наиболее применимым примером экстраполяции является прогнозы по одномерному временному ряду, который заключается в продлении на будущий период сложившейся тенденции изучаемого явления. Основная цель данного прогноза заключается в том, чтобы показать, к каким результатам можно прийти в будущем, если развитие явления будет происходить со скоростью, ускорением и так далее, аналогичным прошлого периода. Если прогнозная оценка окажется неудовлетворительной, то сложившаяся в прошлом тенденция должна быть изменена с учетом тех факторов, под влиянием которых она складывается.
Экстраполяция как метод прогнозирования дает достаточно объективные результаты, когда установлена зависимость изучаемых явлений во времени [1; 4; 5].
При построении линий тренда линейного и экспоненциального величина достоверности аппроксимации показала R2 = 0,04, логарифмического и степенного — R = 0,09. Полиномиальный тренд (степень 5) величина достоверности аппроксимации показала R = 0,9. Динамика смертности от злокачественных новообразований представлена на рис. 1. Линия тренда показывает снижение уровня смертности на будущий год.
—----------------------—
■ 27 ~
Журнал включен в Перечень рецензируемых научных изданий ВАК при Министерстве образования и науки Российской Федерации по отраслям «Медицинские науки» и «Социологические науки»
Since 1999 p-ISSN 2226-7425, e-ISSN 2412-9437
The Journal of scientific articles “Health and Education Millennium”, 2015. Vol. 17. No 4
—--------------------------—
Рис. 1. Динамика смертности в РФ от злокачественных новообразований за период с 1995 по 2012 гг.
Метод простого экспоненциального сглаживания заключается в том, что уровни исходного временного ряда взвешиваются с помощью, скользящей средней, веса которой подчиняются экспоненциальному закону распределения. Данная скользящая средняя получила название экспоненциальной средней (St (у)) и позволяет проследить закономерности изменения явления в динамике по наиболее существенным, последним уровням [1; 2; 4]. Особенность метода заключается в том, что при расчете теоретических значений, полученных по модели тренда, учитываются только значения предыдущих уровней временного ряда, взятых с определенным весом. При прогнозировании смертности с помощью данного метода при факторе затухания 0,2, стандартная ошибка прогноза составляет 1,27 (табл. 1, рис. 2).
Метод скользящих средних используется, когда необходимо дать общую картину развития, основанную на механическом повторении одних и тех же действий по увеличению интервала времени. Если исследование
требует подробного аналитического выражения движения во времени, то используется аналитическое выравнивание [2—4].
Таблица 1
Показатели смертности
Прогнозируемые Фактические
показатели показатели
смертности смертности
200,3 200,3
201,5 201,8
202,3 202,5
204,4 205,5
205,2 204,7
204,8 202,9
203,3 203,1
203,1 202,5
202,6 201,7
201,8 201,2
201,3 200,9
200,8 203
202,6 203,8
203,5 205,2
204,8 204,6
204,6 203,1
~ 28 ~
Журнал включен в Перечень рецензируемых научных изданий ВАК при Министерстве образования и науки Российской Федерации по отраслям «Медицинские науки» и «Социологические науки»
Since 1999 p-ISSN 2226-7425, e-ISSN 2412-9437
Гладких П. Г., Короткова А.С. Прогнозирование показателей смертности населения РФ...
—------------------------—
1 3 5 7 9 11 131517
-♦— Фактический *— Прогноз
Рис. 2. Прогнозирование с помощью метода экспоненциального сглаживания
Метод скользящих средних дает оценку среднего уровня за некоторый период времени. Так как средняя образуется за более длительный отрезок времени, она выступает не как средство обобщения единиц совокупности, а как средство их сглаживания. Чем больше интервал времени, к которому относится средняя, тем более плавным будет сглаженный уровень. Использование скользящей средней требует логического обоснования периода, взятого для выявления основной тенденции [1; 2; 5]. При использовании данного метода в прогнозировании смертности стандартная ошибка прогноза составила 0,9 (табл. 2, рис. 3).
Прогнозирование методом экстраполяции показало, что при сохранении в будущем предшествующих тенденций и при предположении о неизменности влияющих факторов, как управляемых, так и неуправляемых (или малоуправляемых), следует ожидать незначительного снижения смертности населения в РФ.
Таблица 2
Показатели смертности
Прогнозируемая смертность Фактическая смертность
— 200,3
201,5 201,8
203,1 202,5
204,3 205,5
205,1 204,7
204,3 202,9
203,6 203,1
202,8 202,5
202,4 201,7
201,8 201,2
201,3 200,9
201,7 203
202,6 203,8
204 205,2
204,5 204,6
204,3 203,1
~ 29 ~
Журнал включен в Перечень рецензируемых научных изданий ВАК при Министерстве образования и науки Российской Федерации по отраслям «Медицинские науки» и «Социологические науки»
Since 1999 p-ISSN 2226-7425, e-ISSN 2412-9437
The Journal of scientific articles “Health and Education Millennium”, 2015. Vol. 17. No 4
—--------------------------—
+— Фактический ■— Прогноз____
Рис. 3. Прогнозирование с помощью метода скользящих средних
Выводы. Таким образом, при анализе временного ряда смертности населения от злокачественных новообразований в РФ показано, что наименьшая ошибка выявлена при прогнозировании с помощью метода скользящих средних.
Для прогнозирования показателей смертности злокачественными новообразованиями недостаточно использовать данные методы, которые выявляют тенденции на базе одного фактора времени. Необходимо проанализировать, например, влияние экологических факторов на смертность населения РФ от злокачественных новообразований с помощью метода множественной регрессии с целью выявления наиболее значимых факторов, влияющих на смертность.
ЛИТЕРАТУРА
1. Смольянинова О.Л. Системный анализ и управление эпизоотолого-эпидемическим процессом при лептоспирозе: дис. ... канд. биол. наук. Тула, 2005.
2. Честнова Т.В., Смольянинова О.Л., Смольянинова В. А., Логвинов С.И. К вопросу прогнозирования численности иксодовых клещей Ix. Rici-nus в природных биотопах с помощью искусственных нейронных сетей // Вестник новых медицинских технологий. 2012. Т. 19. № 1. С. 231— 234.
3. Захарова Е.А., Смольянинова О. Л., Стар-ченкова Ю.И. Влияние содержания химических факторов в атмосферном воздухе г. Новомосковска на заболеваемость новообразованиями // Актуальные проблемы и достижения в медицине. Сборник научных трудов по итогам международной научно-практической конференции. Самара, 2015. С. 103—106.
4. Честнова Т.В., Смольянинова О.Л., Логвинов С. И. К вопросу о выборе метода математического анализа с целью прогнозирования заболеваемости лептоспирозом // Вестник новых медицинских технологий. 2011. Т. 18. № 4. С. 18—21.
5. Евстегнеева В.А., Честнова Т.В., Смольянинова О.Л. О нейросетевом моделировании и прогнозировании эпизоотий туляремии на территории тульской области // Вестник новых медицинских технологий. Электронное издание. 2014. № 1. С. 9.
—----------------------—
■ 30 ~
Журнал включен в Перечень рецензируемых научных изданий ВАК при Министерстве образования и науки Российской Федерации по отраслям «Медицинские науки» и «Социологические науки»
Since 1999
p-ISSN 2226-7425, e-ISSN 2412-9437 Гладких П. Г., Короткова А.С. Прогнозирование показателей смертности населения РФ...
—-----------------------—
TO THE QUESTION OF PROGNOSING MORTALITY RATES FROM MALIGNANT NEOPLASMS IN RUSSIAN FEDERATION
P.G. Gladkikh, A.S. Korotkova
Tula State University,
Institute of Medicine,
Department of “Sanitary and preventive disciplines ”,
Tula, Russia, 300012
Annotation. Malignant neoplasms are the second leading cause of death in Russian Federation. Reducing the mortality rate from these diseases is caused by implementation of screening programs of early cancer detection. The goal of the work is to analyze a number of death-rate from the oncology; selection of death-rate forecasting tears. A detailed study of the phenomenon or process scopes is required for the exact results. One of the most frequently used methods of analysis and forecasting of rates of mortality are: the method of extrapolation, the exponential smoothing method, and moving average method. It was established, that the moving average method is the best-attested.
Key words: cancer, prognosis, mortality, the method of moving averages.
REFERENCES
1. Smol’yaninova O.L. Sistemnyj analiz i uprav-lenie ehpizootologo-ehpidemicheskim processom pri leptospiroze (Operation analysis and epizootic-epidemic process control in leptospirosis), Doctor’s thesis, Tula, 2005.
2. Chestnova T.V., Smolyaninova O.L., Smo-lyaninova V.A., Logvinov S.I. (On the question of predicting the number of ixodic ticks (Ix. Ricinus) in natural biotopes with the help of ANN (Artificial Neural Networks)). Vestnik novyh medicinskih tekhnologij, 2012, vol. 19, no. 1, pp. 231—234. (in Russian)
3. Zaharova E.A., Smolyaninova O.L., Star-chenkova Yu.E. (Influence of the maintenance of
chemical factors in the open air of Novomoskovsk over the incidence of tumors). Sbornik nauchnyh trudov po itogam mezhdunarodnoj nauchno prakti-cheskoj konferencii, Samara, 2015, pp. 103—106. (in Russian)
4. Chestnova T.V., Smolyaninova O.L., Logvinov S.I. (On the question of selection of the mathematical analysis method to predict the incidence of leptospirosis). Vestnik novyh medicinskh tekhnologij, 2011, vol. 18, no. 4, pp. 18—21. (in Russian)
5. Evstegneeva V.A., Chestnova T.V., Smolyaninova O.L. (About the neural network modeling and forecasting of epizootic of tularemia in Tula region). Vestnik novyh medicinskih tekhnologij ehlektronnoe izdanie, 2014, no. 1, p. 9. (in Russian)
