CC BY
20
Теория и практика общественного развития. 2021. № 9. С. 43-47. Theory and Practice of Social Development. 2021. No. 9. P. 43-47.
Научная статья
УДК 330.43+616-002.5
https://doi.org/10.24158/tipor.2021.9.6
Пространственно-авторегрессионный анализ склонности к заболеванию туберкулёзом в РФ
Артур Рубикович Нагапетян1, Анастасия Сергеевна Петрухина2
^Дальневосточный федеральный университет, Владивосток, о. Русский, п. Аякс, Россия [email protected], https://orcid.org/0000-0002-7885-2460 [email protected], https://orcid.org/0000-0001-8148-5932
Аннотация. Основной задачей исследования является выявление зависимости уровня заболеваемости туберкулёзом среди населения в конкретном регионе от значений соответствующего показателя в соседних областях. Отмечается, что если окружающие люди являются носителями открытой формы туберкулёза, то должна наблюдаться пространственная взаимосвязь с ростом заболеваемости на смежных территориях. С другой стороны, заболевшие лица ограничены в передвижениях, что должно во многом нивелировать процессы распространения заболевания между соседними областями. Также в исследовании было рассмотрено влияние различных социально-экономических факторов на эпидемиологическую ситуацию в регионе. Эконометрическое моделирование позволило сделать вывод о наличии пространственной авторегрессии показателя склонности к заболеванию туберкулёзом в РФ. Построенные в работе модели демонстрируют влияние социально-экономических факторов на распространение болезни, а также дают возможность сравнить эффективность функционирования системы здравоохранения в различных регионах РФ на основе обнаруженных эффектов.
Ключевые слова: туберкулез, социально-экономические факторы, загрязнение воздуха, пространственный анализ заболеваемости, доход, образование, миграция, сопутствующие заболевания
Для цитирования: Нагапетян А.Р., Петрухина А.С. Пространственно-авторегрессионный анализ склонности к заболеванию туберкулёзом в РФ // Теория и практика общественного развития. 2021. № 9. С. 43-47. https://doi.org/10.24158/tipor.2021.9.6.
Original article
Spatial-autoregressive analysis of propensity to tuberculosis in the Russian Federation
Artur R. Nagapetyan1, Anastasia S. Petrukhina2
12Far Eastern Federal University, Vladivostok, Island Russian, settlement Ajax, Russia [email protected], https://orcid.org/0000-0002-7885-2460 [email protected], https://orcid.org/0000-0001-8148-5932
Abstract. The main objective of the study is to identify the dependence of incidence of tuberculosis among the population in a particular region on the values of the corresponding parameter in neighboring regions. It is noted that if the surrounding people are carriers of an open form of tuberculosis, then there should be a spatial relationship with the increase in the incidence in adjacent territories. On the other hand, the affected persons are restricted in their movements, which should largely neutralize the processes of spreading the disease between neighboring regions. The study also examined the impact of various socio-economic factors on the epidemiological situation in the region. Econometric modeling allowed us to conclude that there is a spatial autoregression of the parameter of propensity to tuberculosis in the Russian Federation. The models constructed in this work demonstrate the influence of socio-economic factors on the spread of the disease, and also make it possible to compare the effectiveness of functioning of the healthcare system in different regions of the Russian Federation on the basis of detected effects.
Keywords: tuberculosis, socio-economic factors, air pollution, spatial analysis of morbidity, income, education, migration, concomitant diseases
For citation: Nagapetyan A.R., Petrukhina A.S. Spatial autoregression analysis of propensity to tuberculosis // Theory and Practice of Social Development. 2021. No. 9. P. 43-47. (In Russ.). https://doi.org/10.24158/tipor.2021.9.6.
Введение. В работе исследуются социально-экономические факторы, которые являются причиной возрастания уровня заболеваемости населения туберкулёзом. На рост количества заболевших оказывают воздействие: возраст, пол, уровень образования, семейное положение, употребление наркотических веществ, социально-экономические условия жизни, а также наличие сопутствующих заболеваний (ВИЧ).
Исследовательская проблема предстает как вопрос: повысится ли склонность к заболеванию туберкулёзом в конкретном регионе при прочих равных условиях, если вырастут соответствующие показатели на соседних территориях? Ответ на него определяется в основном уровнем коммуникации между людьми. С одной стороны, если в социуме есть индивиды с открытой формы туберкулёза, то они потенциально опасны для окружающих и несут в себе источник заражения. Соответственно при перемещении подобных индивидов происходит и смена их окружения, результатом чего становится заражение людей на «чистой» территории. С другой стороны, больные туберкулезом, как правило, находятся на карантине и их передвижения нельзя назвать свободными. Наличие ограничений на перемещение в их жизни позволяет нивелировать процессы распространения заболевания между соседними территориями.
Нельзя отрицать также влияние различных социально-экономических факторов на ареол заболеваемости туберкулезом.
Новизна исследования заключается в применении методов пространственно-эконометри-ческого моделирования, что позволяет частично решить проблему пропущенных переменных, широко распространенную в аналогичных исследованиях. Помимо выявления наличия пространственных связей это помогает получить более точные оценки влияния социально-экономических факторов на склонность к заболеванию туберкулёзом и дает возможность сравнивать эффективность функционирования системы здравоохранения в различных регионах РФ на основе фиксированных эффектов.
Обзор литературы. К социальным детерминантам туберкулёза можно отнести влияние сопутствующих заболеваний, употребление наркотических веществ, а также социально-экономические условия жизни [1]. Возраст, пол, уровень образования, семейное положение, тестирование на ВИЧ, удаленность от медицинского учреждения - факторы, которые связаны с тем, что люди получают недостаточно информации о туберкулёзе и поздно обращаются за медицинской помощью [2]. Чаще всего плохо осведомлены о болезни и ее последствиях люди, проживающие в бедных странах.
В 2018 году было проведено исследование [3], в результате которого подтвердилась гипотеза о том, что если снизится заболеваемость туберкулёзом среди бездомных людей, то и по всей стране будет наблюдаться аналогичная тенденция. К подобным выводам пришли и другие исследователи [4].
Ученые [5] обратили также внимание (помимо тех факторов, что были описаны ранее) на расу/цвет кожи жителей страны и попытались связать эти факторы с уровнем заболеваемости туберкулезом среди населения. Согласно их заключению среди людей со смуглой кожей смертность от туберкулёза растет.
Авторы другого исследования [6] посвятили его изучению механизмов влияния бедности на риск заболеть туберкулёзом, выделив при этом еще несколько рискообразующих факторов: потребление белка, успеваемость, употребление табака, алкоголя, мужской пол, проживание в сельской местности, длительное нахождение в помещениях с загрязненным воздухом, потребление свежих продуктов, ИМТ (индекс массы тела), употребление молока.
Еще одним важным фактором распространения туберкулёза, по мнению ученых, служит географическая мобильность [7]. В ходе исследования выяснилось, что миграция людей за границу не влияет на частоту заболеваемости туберкулезом; более того, в некоторых случаях она даже снижает риск познакомиться с этим недугом, а большая часть страдающих туберкулезом являются местными жителями Уганды.
Работа международного союза против туберкулёза и болезней легких также стала объектом внимания ученых, занимающихся проблемой распространения туберкулеза в мире [8]. Так, в Бразилии рост заболеваемости и смертности от данного инфекционного заболевания исследователи связывают с долей проживающих в неформальных поселениях, уровнем грамотности, среднемесячным доходом и другими факторами, которые были перечислены ранее [9]. Отмечается также, что для уменьшения времени, необходимого для выявления заражений, важно отслеживать все контакты заболевших и наблюдать за состоянием этих людей [10].
В научных работах часто указывается на связь между ВИЧ и туберкулёзом. Так, сделаны следующие заключения [11]: 1. Бедность, недоедание, религиозные и культурные убеждения являются ключевыми детерминантами коинфекции ТБ / ВИЧ. 2. Устранение гендерного, расового, возрастного, семейного и этнического неравенства поможет улучшить результаты лечения инфекций. Говорится [12] о том, что, когда несколько детерминантов рассматриваются одновременно, то их оценка становится более сложной, так как: 1) они коррелируют друг с другом; 2) эффект одного из них может быть опосредован или изменен действием другого.
В 2015 г. был разработан S-PROTECT, чтобы лучше понять роль социальной защиты в оптимизации прогноза лечения и профилактики заболевания [13]. Сделан вывод, что из роста доходов домохозяйств следует улучшение их питания, что влияет на риск заболеть туберкулёзом.
Перспективно использовать для изучения механизмов распространения инфекционных заболеваний математические и статистические модели, так как они учитывают пространственное расположение индивидов и расстояние между зараженными и восприимчивыми к инфекции людьми. Эта информация полезна политическим деятелям для принятия мер по профилактике туберкулёза [14].
Применение методологии пространственно-эконометрического моделирования для анализа показателя склонности к легочным заболеваниям в целом продемонстрировало наличие пространственной авторегрессии [15].
Данные и модели. В настоящей работе используются региональные данные (83 региона) Федеральной службы государственной статистики РФ за 2011 и 2013 годы (табл. 1).
Таблица 1 - Факторы, оказывающие влияние на исследуемую переменную
№ Обозначение Фактор Способ расчета
1 x91 Склонность к заболеваниям органов дыхания Число зарегистрированных больных с впервые в жизни установленным диагнозом туберкулеза органов дыхания
2 x56 Реальные доходы на душу населения Номинальные доходы разделены на стоимость фиксированного набора потребительских товаров и услуг
3 x57 Уровень образованности Оценка доли населения с высшим образованием в регионе
4 x18 Коэффициент демографической нагрузки Количество лиц нетрудоспособных возрастов на 1 000 человек трудоспособного возраста
5 x39 Уровень развития финансовой инфраструктуры в регионе Число кредитных организаций и филиалов в субъекте
6 x41 Уровень преступности Число зарегистрированных убийств и покушений на убийство
7 x17 Уровень присутствия женщин Число женщин на 1000 мужчин
8 x19 Уровень брачности Общие коэффициенты брачности на 1000 человек населения
9 x25 Уровень безработицы По данным выборочных обследований рабочей силы; в среднем за год
10 x53 Уровень автомобилизации Число собственных легковых автомобилей на 1 000 человек населения
11 x55 Склонность к кредитованию Отношение объема кредитов на одного человека (без учета нетрудоспособных) к величине номинальных доходов на душу населения
12 x5 Уровень обеспеченности больничными койками Число больничных коек на 10 000 человек населения
13 x6 Уровень обеспеченности врачами Численность населения на одного врача
14 x8 Склонность к заболеваниям системы кровообращения Заболеваемость на 1 000 человек. Болезни системы кровообращения
15 x9 Склонность к заболеваниям крови, кроветворных органов и отдельные нарушения, вовлекающие иммунный механизм Заболеваемость на 1 000 человек. Болезни крови, кроветворных органов и отдельные нарушения, вовлекающие иммунный механизм
16 x52 Уровень развития дорожной сети Плотность автомобильных дорог общего пользования с твердым покрытием
17 x66 Уровень выбросов загрязняющих веществ Выбросы загрязняющих веществ, отходящих от стационарных источников на 1 чел.
18 x28 Уровень производительности труда Оценка валового регионального продукта (ВРП) на одного занятого
Для оценки вышеприведенных факторов мы использовали следующие модели: линейную регрессионную модель (Pooled Regression) (1), модели панельных данных с фиксированными (2) и случайными эффектами (3), модели с пространственно-авторегрессионными эффектами (4, 5), позволяющие оценить влияние смежных регионов на эпидемиологическую ситуацию друг друга.
x91it = ai + р * W * x91it + ß1 * x56;t + ß2 * x57;t + ß3 * x18it + ß4 * x18i* x39it + ß5 * x41it + ßi + ß7 * x19 it+ße * x25it + ßg * x53it + ßl0 * x55i + ßl1 * x5it + ßl2 * x6it + ßl3 * x8;t + ßl4 * x9;t (15 x52;t + ßl6 * x66;t + ßl7 * x28;t + £й, где ßi - коэффициент регрессии, величина;
а выражает индивидуальный эффект объекта; i, не зависящий от времени t,
W - матрица, характеризующая пространственную компоненту в модели, а р - коэффициент, отражающий наличие пространственных эффектов. Результаты. Результаты оцененных моделей приведены в таблице 2.
Таблица 2 - Результаты оцененных моделей*
VARIABLES (1) (2) (3) (4) (5)
pooled FE RE SAR FE SAR RE
Реальные доходы на душу населения 1,077.757*** 206.623 540.245*** 247.270* 558.281***
Уровень образованности 72,030.557*** 57,179.444* 68,676.535*** 48,652.095** 62,294.716***
Коэффициент демографической нагрузки 1.577 -2.735 -2.174* -0.562 -0.118
Уровень присутствия женщин 0.014 9.411 3.745* 7.380* 2.419
Уровень брачности 82.365 -13.750 41.257 -18.137 19.506
Уровень безработицы 8.891 7.551 7.206 6.183 6.885
Уровень автомобилизации 1.469 0.620 0.730 0.523 0.782
Уровень обеспеченности больничными койками -9.446* -5.787 -7.003 -6.579* -8.214**
Уровень обеспеченности врачами -2.222 -4.478* -3.425** -4.100*** -3.746**
Уровень выбросов загрязняющих веществ 506.626*** 6.733 203.484** 2.699 190.198**
Уровень производительности труда -0.824*** -0.273 -0.414** -0.174 -0.378**
Constant -2,178.109 -7,090.365 -2,363.950 -2,736.907
Spatial rho 0.740*** 0.762***
Observations 166 166 166 166 166
AIC 2 705 2 080 2 069 2 515
BIC 2 742 2 117 2 109 2 562
Number of REGION 83 83 83 83
Standard errors in parentheses: *** p < 0,01; ** p < 0,05; * p < 0,1.
Результаты исследования и их обсуждение. В качестве модели для интерпретации коэффициентов была выбрана SAR FE согласно критерию AIC (ее минимальное значение - 2 109). Можно констатировать достаточно высокий уровень межпространственных взаимосвязей, соответствующий коэффициент равен (Spatial rho) 0.74 в модели SAR FE, тогда как его максимально возможное значение равняется 1. Это означает, что среднее значение величины склонности к заболеванию туберкулезом соседних территорий положительно влияет на соответствующую величину региона - это и есть основной результат исследования.
Значимое положительное влияние на показатель склонности к заболеванию туберкулезом было выявлено со стороны таких факторов, как реальные доходы на душу населения, уровень образованности, уровень присутствия женщин и уровень выбросов загрязняющих веществ. В некоторых случаях полученные результаты требуют дальнейшего анализа возможных причинно-следственных связей. При этом однозначно отрицательно влияют на показатель склонности к заболеванию туберкулезом такие факторы, как уровень обеспеченности больницами и уровень обеспеченности врачами при их низком значении.
Выводы. В работе была продемонстрирована значимость коэффициента пространственной авторегрессии в моделях SAR FE и SAR RE, что прежде всего говорит о важности учета наличия пространственных связей при моделировании показателей склонности к различным заболеваниям, в частности, к туберкулёзу. Является ли данная взаимосвязь причинно-следственной, что свидетельствовало бы о механизмах движения возбудителей между различными регионами посредством заражения, или дело в наличии скрытых ненаблюдаемых факторов общности территорий, а именно исторических, географических, культурных и иных контекстов, предстоит выяснить в дальнейших исследованиях. Фактически пока мы можем лишь утверждать, что имеются пространственные кластеры территорий с относительно высоким и низким уровнем склонности к заболеваемости туберкулезом. Но уже это говорит о том, что отсутствие учета пространственных взаимосвязей при моделировании влечет за собой недостоверность результатов вследствие пропуска значимых переменных, характеризующих общность территорий, либо ввиду недооценки эффекта заражения. При этом более точные модели позволяют не только корректно оценить вклад различных факторов в наблюдаемые показатели заболеваемости в конкретных регионах, что важно с точки зрения принятия управленческих решений в сфере здравоохранения, но и дают возможность адекватно оценивать фиксированные эффекты регионов. Это в свою очередь является основой для сравнения показателей склонности к заболеваемости при прочих равных условиях, т. е. при схожести социально-экономических факторов и окружения. Особенно важно применение данной техники для формирования различных рейтингов, например, при оценке эффективности системы здравоохранения в регионах РФ (на основе коэффициентов а каждого региона).
* Составлено авторами.
Список источников:
1. Hargreaves J.R., Boccia D., Evans C.A., Adato M., Petticrew M., Porter J.D. The Social Determinants of Tuberculosis: from Evidence to Action // American Journal of Public Health. 2011. Vol. 101, iss. 4. P. 654-662. https://doi.org/10.2105/ajph.2010.199505.
2. Obuku E.A., Meynell C., Kiboss-Kyeyune J., Blankley S., Atuhairwe C., Nabankema E., Lab M., Jeffrey N., Ndungutse D. Socio-Demographic Determinants and Prevalence of Tuberculosis Knowledge in Three Slum Populations of Uganda // BMC Public Health. 2012. Vol. 12, iss. 1. Р. 536. https://doi.org/10.1186/1471-2458-12-536.
3. Vieira A.L., Oliveira O., Gomes M., Gaio R., Duarte R. Tuberculosis Incidence Rate among the Homeless Population: The Impact of Socio-Demographic and Health-related Variables // Pulmonology. 2018. Vol. 24, iss. 5. P. 309-311. https://doi.org/10.1016/j.pulmoe.2018.05.001.
4. Andrews J.R., Basu S., Dowdy D.W., Murray M.B. The Epidemiological Advantage of Preferential Targeting of Tuberculosis Conrol at the Poor // The International Journal of Tuberculosis and Lung Disease. 2015. Vol. 19, iss. 4. P. 375-380. https://doi.org/10.5588/ijtld.14.0423 ; Duarte R., Lonnroth K., Carvalho C., Lima F., Carvalho A.C.C., Munoz-Torrico M., Centis R. Tuberculosis, Social Determinants and Co-Morbidities (Including HIV) // Pulmonology. 2018. Vol. 24, iss. 2. P. 115-119. https://doi.org/10.1016/j.rppnen.2017.11.003.
5. Arcoverde M.A.M., Berra T., Alves L.S., Santos T. dos D., Belchior A. de S., Ramos A.C.V., Arroyo L.H., Assis I.S. de, Alves J.D., Queiroz A.A.R. de, Yamamura M., Palha P.F., Neto F.C., Silva-Sobrinho R.A., Nihei O.K., Arcencio R.A. How Do Social-Economic Differences in Urban Areas Affect Tuberculosis Mortality in a City in the Tri-Border Region of Brazil, Paraguay and Argentina // BMC Public Health. 2018. Vol. 18, iss. 1. https://doi.org/10.1186/s12889-018-5623-2.
6. Oxlade O., Murray M. Tuberculosis and Poverty: Why Are the Poor at Greater Risk in India? // PLOS ONE. 2012. Vol. 7, iss. 11. Р. e47533. https://doi.org/10.1371/journal.pone.0047533.
7. Jackson S., Kabir Z., Comiskey C. Effects of Migration on Tuberculosis Epidemiological Indicators in Low and Medium Tuberculosis Incidence Countries: A Systematic Review // Journal of Clinical Tuberculosis and Other Mycobacterial Diseases. 2021. Vol. 23. Р. 100225. https://doi.org/10.1016/jjctube.2021.100225 ; Robsky K.O., Isooba D., Nakasolya O., Mukiibi J., Nalutaaya A., Kitonsa P.J., Kamoga C., Baik Y., Kendall E.A., Katamba A., Dowdy D.W. Characterization of Geographic Mobility among Participants in Facility- And Community-Based Tuberculosis Case Finding in Urban Uganda // PLOS ONE. 2021. Vol. 16, iss. 5. Р. e0251806. https://doi.org/10.1371/journal.pone.0251806.
8. Hargreaves J.R., Boccia D., Evans C.A., Adato M., Petticrew M., Porter J.D. The Social Determinants of Tuberculosis: from Evidence to Action // American Journal of Public Health. 2011. Vol. 101, iss. 4. P. 654-662. https://doi.org/10.2105/ajph.2010.199505.
9. Harling G., Lima Neto A.S., Sousa G.S., Machado M.M.T., Castro M.C. Determinants of Tuberculosis Transmission and Treatment Abandonment in Fortaleza, Brazil // BMC Public Health. 2017. Vol. 17, iss. 1. https://doi.org/10.1186/s12889-017-4435-0.
10. Begun M., Newall A.T., Marks G.B., Wood J.G. Contact Tracing of Tuberculosis: A Systematic Review of Transmission Modelling Studies // PLOS ONE. 2013. Vol. 8, iss. 9. Р. e72470. https://doi.org/10.1371/journal.pone.0072470.
11. Gesesew H., Tsehaineh B., Massa D., Tesfay A., Kahsay H., Mwanri L. The Role of Social Determinants on Tuberculosis/HIV Co-Infection Mortality in Southwest Ethiopia: A Retrospective Cohort Study // BMC Research Notes. 2016. Vol. 9, iss. 1. https://doi.org/10.1186/s13104-016-1905-x.
12. Murray M., Oxlade O., Lin H. Modeling Social, Environmental and Biological Determinants of Tuberculosis // International Journal of Tuberculosis and Lung Disease. 2011. Vol. 15, iss. 6. P. 64-70. https://doi.org/10.5588/ijtld.10.0535.
13. Boccia D., Rudgard W., Shrestha S., Lonnroth K., Eckhoff P., Golub J., Sanchez M., Maciel E., Rasella D., Shete P., Pedrazzoli D., Houben R., Chang S., Dowdy D. Modelling the Impact of Social Protection on Tuberculosis: The S-PROTECT project // BMC Public Health. 2018. Vol. 18, iss. 1. https://doi.org/10.1186/s12889-018-5539-x.
14. Amiri L., Torabi M., Deardon R., Pickles M. Spatial Modeling of Individual-Level Infectious Disease Transmission: Tuberculosis Data in Manitoba, Canada // Stat Med. 2021. Vol. 40, iss. 7. P. 1678-1704. https://doi.org/10.1002/sim.8863.
15. Нагапетян А.Р., Попов М.А., Петрухина А.С. Пространственно-авторегрессионный анализ склонности к легочным заболеваниям у жителей Российской Федерации // Известия ДВФУ. Экономика и управление. 2021. № 1 (97). С. 98-107. https://doi.org/10.24866/2311 -2271 /2021 -1 /98-108.
Информация об авторах А.Р. Нагапетян - старший преподаватель Департамента экономических наук Школы экономики и менеджмента Дальневосточного федерального университета, г. Владивосток, о. Русский, п. Аякс, Россия.
https://elibrary.ru/author_items.asp?authorid=799819.
А.С. Петрухина - ассистент лаборатории анализа данных и прикладных эконометрических исследований Школы экономики и менеджмента Дальневосточного федерального университета, г. Владивосток, о. Русский, п. Аякс, Россия.
Information about the authors A.R. Nagapetyan - Senior Lecturer of the Department of Economic Sciences of the School of Economics and Management of the Far Eastern Federal University, Vladivostok, Russian Island, Ajax, Russia.
https://elibrary.ru/author_items.asp?authorid=799819.
A.S. Petrukhina - Assistant at the Laboratory of Data Analysis and Applied Econometric Research at the School of Economics and Management of the Far Eastern Federal University, Vladivostok, Russian Island, Ajax, Russia.
Статья поступила в редакцию / The article was submitted 13.08.2021; Одобрена после рецензирования / Approved after reviewing 23.06.2021; Принята к публикации / Accepted for publication 02.09.2021.
