CC BY
116
детей с заболеваниями опорно-двигательного аппарата. технического, финансового обеспечения службы,
Разработка и ведение указанного регистра форми- укрепления её этапности, что в конечном итоге по-
руют основу для принятия эффективных управленче- зволит повысить доступность и качество ортопедо-
ских решений по вопросам кадрового, материально- травматологической помощи детям.
Адрес для переписки: Шамсудинова Дарья Зинуровна — заведующая кабинетом медицинской статистики Иркутской государственной областной детской клинической больницы.
Р.т. 8-(3952)-24-38-71, с.т. 936-348. E-mail: [email protected]
© МАСЛАУСКЕНЕ Т.П., МИХАЛЕВИЧ И.М., БАСАЕВА В.В. — 2009
РАЦИОНАЛЬНОСТЬ ИСПОЛЬЗОВАНИЯ МАТЕМАТИЧЕСКОГО ПРОГНОЗА В ПРАКТИЧЕСКОМ ЗДРАВООХРАНЕНИИ
Т.П. Маслаускене, И.М. Михалевич, В.В. Басаева (Иркутский государственный институт усовершенствования врачей, ректор — д.м.н., проф. В.В. Шпрах, кафедра туберкулеза, зав. — д.м.н. Е.Ю. Зоркальцева)
Резюме. Показаны примеры прогнозирования в разных разделах клинической медицины с применением математических методов. Подчеркивается значение прогноза для задач, связанных с эпидемиологией, профилактикой, лечением, реабилитацией больных.
Ключевые слова: математический прогноз, медицина, методы прогноза, здравоохранение.
RATIONAL USE OF MATHEMATICAL PROGNOSIS IN THE PUBLIC HEALTH CARE
T.P. Maslauskene, I.M. Michalevitch, V.V Basajewa (Irkutsk State Institute for Medical Advanced Studies)
Summary. There are examples of mathematical prognosis methods. It was shown the meaning of prognosis for epidemiology, profilaxis, theatment and rehabilitation.
Key words: mathematical prognosis, medicine, prognosis methods, public health service.
Решение проблемы управления здоровьем населения связано с разработкой принципов его измерения. Однако различные комплексные показатели здоровья населения не нашли широкого практического применения в России и в зарубежных странах из-за сложной технологии их расчета.
В то же время использование прогнозирования состояния здоровья групп населения в эпидемиологических исследованиях и пациентов — в клинических исследованиях так же может являться основанием для улучшения методических подходов в решении практических задач здравоохранения.
Прогностическая оценка факторов в эпидемиологии и клинических исследованиях и прогнозирование различных состояний в настоящее время приобретает все большее значение для здравоохранения.
Существуют понятия «прогноз» и «прогнозирование». Прогнозом является научно-обоснованное суждение о возможном состоянии объекта в будущем или об альтернативных сроках и путях достижения этих состояний.
Е.Н. Шиган [26] в своей классификации прогнозов различает прогнозы по времени прогнозирования; по характеру их воздействия на объект прогнозирования; в зависимости от иерархического уровня изучаемой системы; по сложности объектов прогнозирования; в зависимости от цели; по способам представления результатов.
Методы прогнозирования (их более 150) можно объединить в 4 группы: экспертные оценки, экстраполяция, моделирование, комбинированные прогнозы. Большое внимание уделяется сочетанию различных методов, причем комплексный метод имеет особое значение при прогнозировании сложных систем, в частности проблемы заболеваемости населения [7,8,16,20,23,25,27,28,29].
С развитием вычислительной техники и появлением пакетов статистических программ описательная и сравнительная статистика (посредством использования критериев) статистики уже довольно широко применяются в медицинских исследованиях. Использование математических методов является отличительной чер-
той современной медицины и приближает ее к точным наукам. Анализ данных статистическими методами является одним из этапов исследований в доказательной медицине.
Если использование классических методов статистики не вызывает затруднений то, несколько сложнее дело обстоит с использованием статистического анализа при построении диагностических и прогностических моделей. Обычно при построении таких моделей используются многомерные методы (создание моделей является высшей ступенью применения математических методов в медицине).
При многомерных методах анализа данных каждый наблюдаемый объект характеризуется множеством переменных. Многомерные методы позволяют одновременно изучать изменение набора характеристик, что особенно важно при построении моделей.
Многомерные методы позволяют работать исследователю с большим числом переменных, чем он может осознать сам. Однако, методы сложны как с теоретической, так и с методологической точек зрения. Статистические критерии и процедуры большей части этих методов разработаны лишь при очень сильных ограничениях. Вид этих критериев и их поведение при более слабых допущениях (которые обычно используются при решении большинства реальных задач) изучены недостаточно. В самом деле, некоторые методы совсем не имеют теоретического обоснования, а критерии проверки соответствующих гипотез для них еще не созданы. Тем не менее, эти методы кажутся наиболее перспективными и многообещающими в исследованиях. В большинстве задач врачу приходится иметь дело со сложными комбинациями действующих факторов, которые не удается выделить в чистом виде и изучить изолированно. Зачастую бывает трудно принять обоснованное правильное решение относительно какой-либо из переменных. В этом случае лучший способ решения задачи состоит в ее многомерной реализации.
В медицинских исследованиях из многомерных методов используют классификационные методы, дискриминантный и регрессионный анализы.
Примеры использования различных методов математического анализа.
1. Регрессионный анализ был применен для определения биологического возраста (БВ) человека С.Г. Абрамовичем [1]. Определение БВ достигается тем, что способ определения биологического возраста человека включает измерение клинико-функциональных показателей здоровья и установление биологического возраста по моделям, полученным с помощью регрессионного анализа. Известно, что календарный возраст (КВ), являясь естественной мерой старения, часто не совпадает с биологическим возрастом (БВ), который объективно отражает функциональные возможности организма.
При определении БВ в качестве функции использовался КВ, в качестве параметров модели БВ были применены двенадцать клинико-функциональных показателей, замеренных у 50 здоровых мужчин в возрасте от 17 до 78 лет. Информативными при определении БВ оказалось восемь признаков при коэффициенте детерминации Я2 равном 0.92, оценивающим степень соответствия модели используемым данным на 92%. (Я2=0.92 — высокая степень соответствия). При построении модели рассчитывается вклад того или иного показателя в определении БВ. Так, в демонстрируемом примере, один из показателей — коэффициент старения кожи и волос имеет вклад 27% из 92%.
2. С помощью регрессионного анализа Ш.М. Вахитовым и Л.А. Никольской [5] была прогнозирована детская смертность.
Пошаговый дискриминантный анализ в прогнозировании риска прогрессирования наследственно-детерминированной соединительно-тканной дисплазии у детей в онтогенезе применен В.В. Малышевым и соавт., [15]. Прогнозирование патологических отклонений позволило формировать план профилактических и лечебных мероприятий. Для решения поставленной задачи использованы различные виды математического анализа: регрессионный, дисперсионный, ковариационный и канонический корреляционный, а также дискриминантный, кластерный анализы и Q-техника факторного анализа.
Возможность прогнозировать сроки развития и темпы прогрессирования хронической почечной недостаточности рассмотрены Т.В. Лапшаевой [13] с использованием логистического регрессионного анализа, адаптированного к оценке влияния данных с цензурированными случаями на развитие временных событий.
Наиболее часто в медицинских исследованиях используется дискриминантный анализ. Так, методология прогнозирования показателей по туберкулезу с использованием многомерного дискриминантного метода исследования представлена Н.С. Хантаевой [24].
Математическая модель сравнительного значения недисциплинированности больных и бактериальной гетерогенности в развитии лекарственной устойчивости [29] свидетельствуют о возможности совершенствования тактики химиотерапии туберкулеза.
По данным О.Т. Титаренко и соавт. [22] прогнозировать эффективность предоперационной подготовки больных прогрессирующим фиброзно-кавернозным туберкулезом возможно с помощью биохимических маркеров. Использованы в работе были критерии Вилкоксона и Манна-Уитни и дискриминантный анализ (логистические результаты дискриминантного анализа, применявшиеся для систем краткосрочного прогнозирования).
Риск развития рецидива при туберкулезе прогнозировался на основании метода последовательного статистического математического анализа для медицинской диагностики в случаях множества распределений независимых признаков с использованием метода последовательного анализа А. Вальда [27]. Прогнозирование позволило разделить больных на группы высокого и низкого риска развития рецидива.
Математический метод прогнозирования результатов лечения впервые выявленных больных туберкулезом
сельских жителей обеспечивает возможность с высокой степенью надежности выделить группу больных, нуждающихся в интенсификации лечения, а также выбрать оптимальную тактику лечения [23]. Математическое прогнозирование осуществлялось по методу А. Вальда.
Существуют математические модели, устанавливающие количественные зависимости уровня распространенности и тяжести течения ряда наиболее встречаемых хронических соматических заболеваний у взрослого населения (гипертоническая болезнь, ишемическая болезнь сердца, бронхиальная астма, сахарный диабет, язвенная болезнь желудка и 12-перстной кишки и др.) и распространенности основных видов острой и хронической патологии у детей от характера и степени выраженности факторов окружающей среды при их изолированном, комбинированном и сочетанном действии [11,25].
В клинике туберкулеза разработана прогностическая модель развития лекарственно-устойчивых форм МБТ в процессе химиотерапии впервые выявленных больных туберкулезом легких [6] и прогноз исходов лечения у впервые выявленных больных туберкулезом органов дыхания у больных пожилого возраста [3].
Прогностическая модель интраоперационных аритмий сердца у больных хроническим калькулезным холи-циститом представлена Е.И. Батьяновой [4] как попытка математического моделирования прогностического риска жизнеопасных сердечных аритмий применительно к интраоперационному периоду. Для этого использован метод многофакторного дискриминантного анализа с построением уравнений канонических величин и вычислением меры Михалонобиса.
В клинике психиатрии предложено прогнозирование панического расстройства с наличием/отсутствием коморбидного депрессивного эпизода [21]. Способ прогнозирования основан на дискриминантном анализе факторов риска, для чего определяются набор факторов риска, их градация, определяется прогностическая ценность факторов риска и выводятся линейные дискриминантные уравнения. В дискриминантных уравнениях суммируются константа дискриминантного уравнения и произведение величин градаций факторов риска на коэффициенты линейных дискриминантных функций. Получаются 3 оценочные функции, причем прогностическое значение принимается по функции с большим значением. Степень риска развития панического расстройства оценивается с помощью прогностического индекса (ПИ).
Е.Ю. Зоркальцева [12] использовала метод математического моделирования с целью выявления значения факторов риска развития туберкулеза.
В работах по эпидемиологии вопросы прогнозирования встречаются достаточно часто.
Прогнозирование вероятности формирования до-нозологических нарушений состояния эндоэкологии верхних дыхательных путей определялось по данным S-критерия линейного корреляционно-регрессивного анализа, таким образом S-критерий имеет прогностическую эффективность и его необходимо применять в качестве донозологического показателя риска развития болезней верхних дыхательных путей [17].
Модель прогноза эпидемиологических показателей туберкулеза предложена О.В. Гращенковой и А.В. Васильевым [9], которые использовали метод картографирования, а в основу математического обеспечения положили значительно отклоняющиеся от нормального распределение Пуассона наиболее характерное для медико-статистических данных. При разработке интегральной оценки использовали среднемноголетние показатели за пятилетний период и четыре оценочных класса работы и ситуаций: низкий, средний, повышенный, высокий. В комплекс взятых параметров включены: активное выявление заболевания, клиникодиагностические и эпидемиологические показатели, характеризующие противоэпидемическую, клиническую и профилактическую работу. Данная модель краткос-
рочного прогноза в условиях интенсивного распространения инфекции по мнению авторов более достоверна, чем другие методы математического прогноза [5,8,14].
Методические подходы к использованию скрининг-системы демографических оценок и прогнозов представлены в ряде работ, в том числе в работе К.И. Журавлева и А.Г. Федорова [10].
Прогностическая оценка факторов риска в эпидемиологии и клинических исследованиях приобрела важное значение для здравоохранения. С.Д. Положенцев и М.Ф. Лебедев, А.И. Перроте [19,20] указывали на роль медико-социальных факторов в прогнозировании болезней бронхолегочной системы. Методика комплексной прогностической оценки факторов риска и заболеваемости у больных пульмонологического профиля и у практически здоровых проведена в результате крупномасштабного врачебного обследования населения Северо-Западного региона России, что позволило повысить эффективность скрининга, а также первичную и вторичную профилактику болезней бронхолегочной системы.
Представлен оригинальный прогноз времени вероятных заболеваний детей [7]. Создана компьютерная программа, которая строит индивидуальные графики
заболевания, принимая во внимание заболеваемость родителей, астрономическую цикличность заболеваний и лунные циклы.
Одной из оригинальных методик, использованных в микробиологии [17] было использование величины значения S-критерия для построения эмпирической зависимости, позволяющей определить вероятность формирования донозологических нарушений состояния эндоэкологии верхних дыхательных путей. Выявлено, что увеличение показателя S-критерия, характеризующего нарушение состояния эндоэкологии верхних дыхательных путей, сопровождается повышением заболеваемости. Прогностический критерий риска формирования донозологических нарушений и в дальнейшем возможного патологического состояния органов дыхания является цифровое выражение вероятности эффекта (согласно автору это вероятность 0,49 и выше).
Заключение. Среди различных математических методов прогнозирования в эпидемиологических и клинических исследованиях эффективно используется дискриминационный анализ. Этот метод, являясь одним из наиболее часто используемых многомерных методов статистического анализа, может успешно применяться в здравоохранении.
ЛИТЕРАТУРА
1. Абрамович С.Г. Определение биологического возраста человека: метод. рек. — Иркутск, 1999. — 16 с.
2. Гандз А.С., Толуев Ю.И. Моделирование организации медицинской помощи при катастрофах // Сов. здравоохр. — 1991. — №2. — С. 35-36.
3. Басаева В.В. Эпидемиология и клиника туберкулеза легких у лиц пожилого и старческого возраста в условиях неблагоприятной эпидемиологической ситуации: Автореф. дис. ... канд. мед. наук. — Иркутск, 2008. — 22 с.
4. Батьянова Е.И. Сердечные аритмии у больных хроническим калькулезным холециститом: Автореф. дис. ... канд. мед. наук. — Иркутск, 2005. — 21 с.
5. Важитов Ш.М., Никольская Л.А. К вопросу о прогнозировании детской смертности // Здравоохр. РФ. — 1987. — №3. — С. 23-25.
6. Воробьева О.А. Влияние величины резервуара туберкулезной инфекции на эпидемиологию туберкулеза в условиях промышленного центра Восточной Сибири: Автореф. дис. ... канд. мед. наук. — Иркутск, 2005. — 23 с.
7. Выборнов Ю.Д. Прогноз времени вероятных заболеваний детей // Педиатрия. — 2006. — №2. — С. 106-108.
8. Горбач Н.А. Новые методические подходы к прогнозированию показателей распространения туберкулеза. — Красноярск, 1988. — 7 с.
9. Гращенкова О.В., Васильев А.В. Совершенствование эпидемиологического анализа при туберкулезной инфекции // Проблемы туберкулеза. — 2000. — №6. — С. 33-36.
10. Журавлева К.И., Федоров А.Г. Методические подходы к использованию скрининг-системы демографических оценок и прогнозов // Сов. здравоохр. — 1980. — №6. — С. 39-43.
11. Заварзин В.А. Прогнозирование обострений сердечнососудистых заболеваний в зависимости от изменений погодных факторов // Здравоохр. РФ. — 1981. — №2. — С. 16-19.
12. Зоркальцева Е.Ю. Дифференцированный подход к раннему выявлению и профилактике туберкулеза у детей в условиях патоморфоза его клинических форм: Автореф. дис. ... д-ра мед. наук. — Иркутск, 2006. — 34 с.
13. Лапшаева Т.В. Факторы риска развития хронической почечной недостаточности у пациентов с единственной почкой: Автореф. дис. . канд. мед. наук. — Иркутск, 2006. — 22 с.
14. Лукин Е.П., Михайлов В.В., Олейчик В.Л., Солодянкин А.И. Математическое моделирование эпидемическим сыпным тифом в современных условиях // Журнал микробиологии, эпидемиологии и иммунологии. — 1996. — №1. — С. 11-12.
15. Малышев В.В., Белозеров Ю.М., Кокорева Л.В. Применение пошагового дискриминантного анализа в прогнозировании риска прогрессирования наследственно детерминированной соединительнотканной дисплазии у детей в онтогенезе // Проблемы здоровья женщин и детей Сибири. — 1996. — №3. — С. 17-19.
16. Медик В.А., Петров А.Н., Абдулин А.С., Звонарева Л.Н.
Прогнозирование тенденций изменения уровня и структуры заболеваемости населения Новгородской области // Здравоохр. РФ. — 1992. — №1. — С. 6-8.
17. Несмеянова Н.Н. Оценка микробоценозов и резистентности организма пожарных и газоспасателей, подвергающихся воздействию комплекса токсических веществ. Автореф. дис. ... канд. биол. наук. — Иркутск, 2007. — 26 с.
18. Николаева С.В. Клинико-эпидемиологические особенности туберкулеза легких при развитии побочного действия противотуберкулезных препаратов: Автореф. дис. ... канд. мед. наук. — Иркутск, 2003. — 23 с.
19. Перроте А.И. Математическое моделирование лечебной медицинской помощи в социально-экономическом аспекте развития общества//Сов. здравоохр. — 1991. — №2. — С. 10-15.
20. Положенцев С.Д., Лебедев М.Ф. Медико-социальные факторы в прогнозировании болезней бронхолегочной системы // I Всесоюзный конгресс по болезням органов дыхания. — Киев, 1990. — С. 626.
21. Секунда Ю.И. Паническое расстройство у женщин (клинико-психопатологический аспект, коморбидность, факторы риска, лечение): Автореф. дис. . канд. мед. наук. — Иркутск, 2007. — 22 с.
22. Титаренко О.Т., Эсмедляева Д.С. Дьячкова М.С. и др. Прогнозирование эффективности предоперационной подготовки больных фиброзно-кавернозным туберкулезом легких // Проблемы туберкулеза. — 2003. — №4. — С. 41-44.
23. Толстых А.С. Туберкулез легких у жителей сельской местности в условиях Восточной Сибири (клинико-эпидемиол. ис-след.): Автореф. дис. ... канд. мед. наук. — Иркутск, 1999. — 34 с.
24. Хантаева Н.С. Совершенствование организации выявления туберкулеза среди населения и повышение качества диспансерного наблюдения больных: Автореф. дис. . канд. мед. наук. — Красноярск, 2007. — 23 с.
25. Шандала М.Г., Звиняцковский Я.И. Здоровье населения как критерий антропоэкологической системы // Методологические проблемы экологии человека. — 1988. — С. 82-85.
26. Шиган Е.Н. Методы прогнозирования и моделирования в социально-гигиенических исследованиях. — М., 1986. — 207 с.
27. Шихалиев Я.Ш. Нетрадиционные методы предупреждения развития рецидива туберкулеза // Проблемы туберкулеза. — 1997. — №3. — С. 14-17.
28. Яблонский П.К., Александрова Н.И., Федорова Т.А. и др. Возможности прогнозирования продолжительности жизни больных хронической обструктивной болезнью легких с целью уточнения показаний и трансплантации легких // Проблемы туберкулеза. — 2001. — №9. — С. 13-17.
29. Lipsitch M., Levin B.R. Population dynamos of tuberculosis treatment mathematical models of the roles noncompliance and bacterial heterogeneity in the evolution of drug resistence // Int. J. Tuberc. Lung Dis. — 1998. — Vol.2, N 3. — P. 187-199.
Адрес для переписки: 664079, Иркутск, м-н Юбилейный, 100, ГОУ ДПО ИГИУВ, кафедра туберкулеза, проф. Маслаускене Татьяна Павловна.
