CC BY
79
УДК 616.9-037
ТЕОРЕТИЧЕСКИЕ И ПРАКТИЧЕСКИЕ АСПЕКТЫ ФАКТОРНОГО ПРОГНОЗИРОВАНИЯ ИНФЕКЦИОННОЙ ЗАБОЛЕВАЕМОСТИ
© 2010 г. Е. И. Болотин, *Г. Ш. Цициашвили,
**С. Ю. Федорова
Тихоокеанский институт географии ДВО РАН,
*Институт прикладной математики ДВО РАН,
**Дальневосточный государственный технический университет, г. Владивосток
На основании разработанной методики факторного прогнозирования критических уровней инфекционной заболеваемости получены содержательные прогнозные оценки для территорий различного пространственного ранга за 3-летний период. Верификация результатов прогнозирования показала их достаточно высокую степень точности, которая не является предельной и в перспективе может быть увеличена при использовании новых многочисленных сочетаний возможных вариантов прогнозирования. Ключевые слова: инфекционная заболеваемость, факторное прогнозирование.
Современный период характеризуется весьма неблагоприятной и неустойчивой эпидемической ситуацией по обширному комплексу инфекционных заболеваний [6—8, 14]. Уровень популяционного здоровья остается достаточно низким, что приводит к огромным моральным и материальным потерям. Видимо, можно утверждать, что состояние здоровья населения, в том числе и его «инфекционная составляющая», превращается из чисто медицинской проблемы в проблему национальной безопасности и в политическом, и в социально-экономическом смысле [3, 15]. Совершенно очевидно, что поддержание и укрепление как общественного, так и индивидуального здоровья должно иметь статус долговременной стратегической цели России [12].
Одним из важнейших и реальных инструментов для положительного изменения эпидемиологической ситуации является теоретическая разработка методов прогнозирования инфекционной заболеваемости и практическое внедрение их в реальную жизнь. Значительно выгоднее предупредить болезнь, чем ее лечить. Этот широко известный медикопрофилактический постулат остается особенно актуальным в нынешний период кризисов и экономической нестабильности.
Методы
В связи со сказанным отметим, что разработанная нами методика факторного временного прогнозирования критических уровней инфекционной заболеваемости уже подробно рассматривалась в наших публикациях [2, 4, 5, 17]. Причем первоначально данная методика использовалась для прогнозирования только одной весьма актуальной модельной инфекции — клещевого энцефалита, но в дальнейшем была экстраполирована на всю изучаемую инфекционную патологию.
Центральным моментом используемого в работе «факторного» подхода явилась идея не прогнозирования с помощью различных факторов-экспертов конкретных тех или иных абсолютных эпидемиологических показателей, а возможности прогнозирования достижения определенных уровней (порогов) заболеваемости, которые могли быть выше или равными некоторой критической линии, задаваемой исследователем. Реализация такой идеи принципиально важна как в чисто содержательном плане, так и методически. Во-первых, она теснейшим образом связана с основной задачей эпидемиологической службы страны и ее региональных подразделений по мониторингу, а также прогнозированию превышения эпидемических порогов заболеваемости; во-вторых, определенным образом снимает существующую чрезвычайно острую проблему нелинейности связей воздействующих факторов и прогнозируемого явления; в-третьих, предлагаемый способ реализации данной идеи имеет универсальный характер и может
использоваться значительно шире, т. е. не только в эколого-эпидемиологических исследованиях для прогнозирования инфекционных и соматических патологий, но и в других научных областях.
Результаты
Прежде чем говорить о полученных результатах, считаем необходимым обсудить следующее принципиальное, на наш взгляд, вводное положение. Оно связано с тем, что, осуществляя прогноз и исходя из нынешнего уровня наших системных знаний, мы можем пока работать лишь по принципу так называемого «черного ящика», поскольку имеем дело с чрезвычайно сложными антропопаразитарными системами, интегрирующими в себе практически бесконечное число компонентов и их состояний [3]. Для этих многокомпонентных суперсложных систем в настоящее время даже приблизительно не установлена реально существующая структура и иерархия экологических связей, которая могла бы быть практически использована для прогностических целей. Другими словами, мы полагаем, что предварительное выявление истинных причинных факторов и понимание механизмов их воздействия на заболеваемость, с помощью которых можно было бы осуществлять непосредственный прогноз, является задачей будущего и вряд ли из-за своей огромной сложности будет разрешима в ближайшее время [5].
В связи с этим в данной работе, являющейся естественным продолжением и углублением наших предыдущих публикаций, касающихся прогнозной тематики и отмеченных выше, реализуется особый подход, когда в качестве воздействующих механизмов используются только эпидемиологические факторы, т. е. многолетние ряды заболеваемости теми или иными патологиями, сопоставляемые с прогнозируемыми нозоформами. Естественно, такой подход ни в коей мере не отвергает возможности использования и других потенциальных воздействующих факторов (экологических, социально-гигиенических, экономических и т. д.), а всего лишь обозначает нынешнюю расстановку наших приоритетов в их выборе.
Выбор именно эпидемиологических факторов в качестве основных воздействующих детерминант определяется тем, что практически очень сложно, а зачастую просто невозможно подобрать многолетние репрезентативные временные ряды других тех или иных потенциальных воздействующих факторов (социальных, антропогенных и т. д.), которые могли бы быть корректно сопоставлены с прогнозируемыми эпидемиологическими рядами (заболеваниями). Даже если такие многолетние ряды и подбираются (например, климатические), их сопоставление с прогнозируемой заболеваемостью, по крайней мере в рамках уже проведенных нами прогнозных исследований, пока не приносило весомых научных результатов, т. е. приемлемого уровня качества прогнозирования. Возможно, это связано с тем, что используемые нами климатические факторы (например, среднегодовая
температура, число дней со снежным покровом и др.) являлись достаточно усредненными и плохо территориально соотносимыми с прогнозируемыми явлениями. Другими словами, используемые климатические факторы, видимо, оказались малоспецифичными и малочувствительными для их применения в качестве воздействующих факторов при решении конкретной прогностической задачи.
В то же время нами было показано, что прогнозирование по эпидемиологическим параметрам характеризуется достаточно высокой степенью точности [5], а следовательно, представляет собой хорошую основу и перспективу для прогнозирования возможных эпидемиологических ситуаций.
Очень важно подчеркнуть, что установленный нами значимый научный факт, касающийся возможных прогнозных перспектив при использовании эпидемиологических факторов, не случаен, а достаточно хорошо соотносится с известными теоретическими представлениями, существующими в медикобиологической науке [ 1, 9—11, 13, 16]. Сущность этих представлений, с которыми трудно не согласиться, заключается в том, что различные виды возбудителей инфекций функционируют в организме разных хозяев и природной среде не изолированно, а в составе образуемых ими собственных комплексов-биоценозов. При этом существующие и складывающиеся взаимоотношения между сочленами этих сложных систем могут быть и интеграционными, и конкурентными, что, очевидно, влияет на характер эпидемического процесса конкретных заболеваний и в той или иной мере его детерминирует [16]. Таким образом, априори теоретически обоснована потенциально важная роль различных эпидемиологических факторов (т. е. характер динамики тех или иных инфекций) в прогнозировании проявлений других заболеваний. Общеизвестное представление о том, что в природе все взаимосвязано, в данном контексте в настоящее время несет в себе уже не просто формально-бытовой, но большой содержательный смысл и должно иметь крайне важное практическое значение для временного прогнозирования заболеваемости.
Переходя непосредственно к анализу полученных прогнозных оценок, отметим, что в отличие от предыдущих работ в данном исследовании мы несколько модифицировали методику прогнозирования и одновременно значительно расширили область ее применения.
Во-первых, при прогнозировании нами использовались уже не только сопутствующие инфекции, сходные по характеру динамики с прогнозируемой нозофор-мой, как это делалось ранее, но и непосредственно сами временные динамические ряды прогнозируемых болезней. Таким образом, увеличивалось число воздействующих факторов на один экспертный голос, что, как показали вычислительные эксперименты, улучшало качество прогнозирования.
Во-вторых, прогнозирование осуществлялось для территорий различного пространственного ранга,
т. е. оно было реализовано не только в отношении Приморья, как это делалось ранее, но и отдельно для Владивостока — самого большого населенного пункта края, в котором сосредоточена треть населения. Кроме того, применяя данную методику, мы впервые осуществили попытку прогнозировать преодоление критических порогов заболеваемости и в целом для России.
В-третьих, использовались разные длины временных рядов прогнозируемых и сопутствующих инфекций, в частности, отдельно применялись временные ряды с 1990 года и более короткие — с 1995 года по настоящее время.
В-четвертых, по сравнению с предыдущими исследованиями значительно расширился спектр прогнозируемых и верифицируемых лет. В частности, осуществлялся прогноз и его проверка уже не для одного года, а для трех лет (2006—2008).
В итоге был получен значительный объем весьма существенных прогнозных данных, которые, естественно, в силу ограниченных рамок журнальной статьи не могут быть более широко представлены в данной работе. В связи с этим в настоящей публикации приводятся лишь три примера (табл. 1—3) результатов осуществленного прогнозирования по Приморскому краю, Владивостоку и в целом России и их обобщенная интерпретация.
Обсуждение результатов
Отметим, что вычислительные машинные эксперименты-расчеты по прогнозированию реализованы в отношении 24 (Приморский край и Владивосток) и 20 (Россия) нозоформ, объединенных в четыре группы, сходные по характеру многолетней динамики, выявленные ранее методом кластеризации [3, 5]. Таким образом, в первом случае в первую группу вошло 6 нозоформ, во вторую — 7, третью
— 6 и четвертую — 5, а во втором — соответственно
6, 4, 6 и 4 нозоформы (см. табл. 1—3).
Качество прогнозирования оценивалось по установленной нами 4-балльной системе. Так, высший балл (равный 3) обозначал правильный прогноз ситуации всеми голосами-экспертами; приемлемый балл (2) — правильный прогноз большинством голосов; неопределенный балл (1) — правильный прогноз половиной голосов и неудовлетворительный балл (0)
— правильный прогноз меньшинством голосов.
В табл. 1—3 представлены результаты прогнозирования и его качество за 3-летний период в Приморском крае, Владивостоке и целом по России. Поскольку качество прогнозирования при использовании временных рядов разных длин оказалось практически одинаковым, мы использовали более длинные ряды
— с 1990 года по настоящее время.
Прогнозирование достижения критического уровня заболеваемости и качество
в 2006-2008 годах по группам инфекций
Таблица 1 прогноза для Приморского края
Группа Нозоформа Критический уровень (на 100 тыс.) Истинный уровень заболеваемости соответственно в 2006—2008 гг. Прогноз (число голосов «за») в 2006-2008 гг. Качество прогноза (в баллах) в 2006-2008 гг.*
1 ГЛПС 3,5 2,3; 2,7; 2,3 2 3 1 2 1 2
Клещевой энцефалит 6,5 3,4; 2,3; 1,3 0 3 1 3 1 2
Псевдотуберкулез 29,0 5,1; 3,5; 3,0 2 1 2 2 2 2
Сальмонеллез 44,0 45,5; 38,0; 48,0 5 3 3 2 1 1
Болезнь Лайма 9,0 10,5; 8,2; 6,4 4 4 1 2 0 2
Клещевой риккетсиоз 10,0 5,9; 3,6; 3,3 0 3 1 3 1 2
2 Гонорея 149,0 46,9; 46,8; 47,2 2 3 2 2 2 2
Сифилис 200,0 86,5; 77,8; 89,9 1 0 1 2 3 2
Аскаридоз 192,0 121,9; 114,7; 113,5 2 3 3 2 2 2
Энтеробиоз 630,0 121,5; 117,0; 115,0 2 2 2 2 2 2
Педикулез 300,0 108,5; 102,0; 93,0 2 2 2 2 2 2
Чесотка 250,0 149,7; 163,0; 162,2 2 3 3 2 2 2
ОРЗ 15700,0 13660,0; 15400,0; 14800,0 2 3 2 2 2 2
3 Коклюш 9,0 1,6; 1,7; 1,9 0 0 0 3 3 3
Менингококковая инфекция 5,2 3,5; 3,3; 3,0 0 0 0 3 3 3
Скарлатина 25,0 9,5; 8,9; 10,5 1 1 1 2 2 2
Туберкулез 120,0 135,1; 141,7; 198,8 2 3 3 0 1 1
Дизентерия 190,0 55,5; 41,4; 24,9 0 0 0 3 3 3
Грипп 1600,0 0,1; 4,0; 8,7 0 0 0 3 3 3
4 Краснуха 190,0 34,8; 10,5; 3,8 0 0 0 3 3 3
Ветряная оспа 600,0 619,8; 697,0; 667,0 2 1 3 0 0 2
Инфекционный мононуклеоз 8,0 11,9; 9,3; 9,6 3 1 3 2 0 2
Гепатит А 176,0 17,4; 3,2; 4,0 1 0 0 2 3 3
Гепатит В 50,0 11,2; 7,2; 6,1 0 0 0 3 3 3
Примечания: ГЛПС — геморрагическая лихорадка с почечным синдромом; *— суммарное качество прогноза по годам соответственно составило 52, 45 и 53 балла.
Анализируя данные табл. 1, можно отметить наиболее значимый и показательный момент: из 24 прогнозируемых нозоформ для 7 патологий (коклюш, менингококковая инфекция, дизентерия, грипп, краснуха, гепатит А и В) качество прогнозирования оказалось практически максимально положительным. К этому следует добавить, что еще для 12 заболеваний прогноз был приемлемым, и лишь 5 нозоформ прогнозировались в среднем неопределенно (сальмонеллез, болезнь Лайма, инфекционный мононуклеоз, туберкулез и ветряная оспа), из которых для двух последних прогнозирование оказалось вообще неудовлетворительным.
Качество прогнозирования по Владивостоку (см. табл. 2) характеризовалось следующей особенностью: число нозоформ с приемлемым прогнозом резко снизилось (с 12 до 7), однако одновременно возросло число патологий с правильным и плохим прогнозом. Другими словами, все 24 нозоформы достаточно четко разделились на три практически равные группы по качеству прогноза.
Анализ данных табл. 3 показал определенное ухудшение качества прогнозирования на фоне регионального прогноза, т. е. прогноза города или края.
Так, из 20 прогнозируемых патологий только для 3 (грипп, краснуха, гепатит В) качество прогноза оказалось практически максимально положительным, а для
8 — плохим или практически полностью отрицательным (гонорея, педикулез, туберкулез, ветряная оспа).
Если говорить о результатах прогнозирования по трем территориям в целом, то можно констатировать, что из 24 нозоформ в Приморском крае и Владивостоке прогноз оказался положительным для 19 и 17 патологий соответственно, а в России из 20 нозоформ — для 11 патологий. Таким образом, наиболее качественный прогноз по всем инфекциям получен для территории Приморского края, наименее качественный — для России. Однако следует подчеркнуть, что для прогнозирования возможных эпидемических ситуаций в России в силу определенных причин нами использовалось меньшее количество нозоформ, особенно по второй группе (см. табл. 3), что могло повлиять на уровень прогноза в сторону его ухудшения. К этому следует добавить, что качество реализуемого прогноза менялось с годами. Так, из трех прогнозируемых лет (2006—2008) наименее удачный прогноз для территории Приморского края и Владивостока пришелся на
2007 год, для территории России качество прогноза с годами практически не менялось.
На основании разработанной нами методики факторного временного прогнозирования достижения критических уровней или эпидемиологических порогов инфекционной заболеваемости получены содержательные прогнозные оценки для территорий
Таблица 2
Прогнозирование достижения критического уровня заболеваемости и качество прогноза для г. Владивостока
в 2006-2008 годах по группам инфекций
Группа Нозоформа Критический уровень (на 100 тыс.) Истинный уровень заболеваемости соответственно в 2006—2008 гг. Прогноз (число голосов «за») в 2006-2008 гг. Качество прогноза (в баллах) в 2006-2008 гг.*
1 ГЛПС 6,7 9,9; 3,9; 4,9 4 4 5 2 0 ; 0
Клещевой энцефалит 6,7 2,5; 2,4; 1,7 3 3 3 1 1 1
Псевдотуберкулез 38,5 4,7; 2,9; 2,1 3 1 1 1 2 ; 2
Сальмонеллез 80,0 61,9; 56,0; 55,0 1 1 0 2 2 ; 3
Болезнь Лайма 13,0 15,0; 13,2; 9,9 4 4 5 2 2 ; 0
Клещевой риккетсиоз 6,0 3,0; 1,8; 1,1 3 3 3 1 1 1
2 Гонорея 143,0 41,9; 40,9; 35,7 2 2 2 2 2 ; 2
Сифилис 200,0 56,8; 52,4; 68,2 0 0 0 3 3 ; 3
Аскаридоз 300,0 153,5; 129,2; 130,9 2 2 2 2 2 ; 2
Энтеробиоз 530,0 68,6; 55,0; 50,0 2 2 2 2 2 ; 2
Педикулез 300,0 82,7; 89,0; 88,0 2 2 2 2 2 ; 2
Чесотка 250,0 155,7; 182,0; 173,0 0 0 0 3 3 ; 3
ОРЗ 17000,0 14300,0; 15100,0; 14700,0 2 2 2 2 2 ; 2
3 Коклюш 9,0 1,3; 2,1; 3,0 0 1 1 3 2 ; 2
Менингококковая инфекция 6,3 4,5; 7,7; 3,7 0 2 3 3 0 1
Скарлатина 20,0 6,7; 6,2; 9,4 1 0 2 2 3 ; 2
Туберкулез 93,0 102,0; 107,0; 115,0 2 2 3 0 0 1
Дизентерия 190,0 86,4; 75,2; 46,1 0 1 0 3 2 ; 3
Грипп 1500,0 0,3; 10,8; 27,6 0 1 0 3 2 ; 3
4 Краснуха 190,0 34,9; 8,7; 1,7 0 0 0 3 3 ; 3
Ветряная оспа 490,0 734,6; 613,0; 683,0 2 1 3 0 0 ; 2
Инфекционный мононуклеоз 19,2 19,3; 19,1; 21,7 2 1 3 0 2 ; 2
Гепатит А 140,0 12,9; 3,4; 3,8 0 0 0 3 3 ; 3
Гепатит В 70,0 11,5; 5,6; 6,8 0 0 0 3 3 ; 3
Примечания: ГЛПС — геморрагическая лихорадка с почечным синдромом; * — суммарное качество прогноза по годам соответственно составило 48, 44 и 48 баллов.
Прогнозирование достижения критического уровня заболеваемости и качество прогноза для России
в 2006-2008 годах по группам инфекций
Таблица 3
Группа Нозоформа Критический уровень (на 100 тыс.) Истинный уровень заболеваемости соответственно в 2006-2008 гг. Прогноз (число голосов «за» в 2006-2008 гг. Качество прогноза (в баллах)в 2006-2008 гг.*
1 ГЛПС 6,5 5,2; 3,6; 6,6 2 4 2 2 0 0
Клещевой энцефалит 5,5 2,4; 2,2; 2,0 2 2 2 2 2 2
Псевдотуберкулез 7,0 3,3; 3,3; 2,6 4 3 3 0 1 1
Сальмонеллез 60,0 32,0; 35,5; 35,7 1 2 1 2 2 2
Болезнь Лайма 5,4 5,2; 5,1; 5,4 2 3 3 2 1 1
Клещевой риккетсиоз 2,1 1,5; 1,5; 1,4 2 2 2 2 2 2
2 Гонорея 115,0 62,2; 58,6; 55,4 3 3 3 0 0 0
Сифилис 170,0 62,6; 59,0; 58,0 1 1 1 2 2 2
Аскаридоз Нет данных
Энтеробиоз Нет данных
Педикулез 210,0 199,0; 187,0; 201,0 3; 3; 3 0; 0; 0
Чесотка Нет данных
ОРЗ 19300,0 18900,0; 19300,0; 19300,0 3 3 3 0 2 2
3 Коклюш 20,0 5,7; 2,7; 2,5 2 2 2 2 2 2
Менингококковая инфекция 3,0 2,1; 1,9; 1,7 2 2 2 2 2 2
Скарлатина 52,0 29,7; 45,0; 35,0 2 2 2 2 2 2
Туберкулез 70,0 71,0; 74,1; 75,8 3 1 1 1 0 0
Дизентерия 120,0 25,1; 22,1; 18,1 2 2 2 2 2 2
Грипп 3000,0 350,0; 350,0; 224,0 0 0 0 3 3 3
4 Краснуха 300,0 92,6; 21,6; 6,8 1 0 0 2 3 3
Ветряная оспа 450,0 490,0; 600,0; 560,0 2 1 0 0 0 0
Инфекционный мононуклеоз Нет данных
Гепатит А 100,0 15,6; 10,2; 8,1 1; 1; 0 2; 2; 3
Гепатит В 36,0 7,0; 5,3; 4,0 1; 0; 0 2; 3; 3
Примечания: ГЛПС — геморрагическая лихорадка с почечным синдромом; ственно составило 30, 31 и 31 балл.
суммарное качество прогноза по годам соответ-
различного пространственного ранга за 3-летний период. Реализованная верификация результатов прогнозирования показала его достаточно высокую степень точности. Следует подчеркнуть, что полученное высокое качество прогноза не является предельным, оно может возрастать при использовании широкого спектра новых возможных сочетаний вариантов прогнозирования, которые, безусловно, будут внедряться при дальнейших исследованиях.
Таким образом, данное направление научных исследований актуально и перспективно. При этом использование только эпидемиологических факторов из огромного выбора воздействующих детерминант различной природы значительно упрощает реализацию факторного временного прогнозирования. Уже сейчас такой подход может быть внедрен и широко использован эпидемиологической службой России для прогнозирования возможного превышения эпидемических порогов заболеваемости как в различных географических регионах, так и в целом по стране.
Список литературы
1. Алексеев А. Н. Система клещ — возбудитель и ее эмерджентные свойства / А. Н. Алексеев. — СПб. : Зоологический институт РАН, 1993. — 203 с.
2. Болотин Е. И. Функциональная организация природных очагов зоонозных инфекций (на примере очагов
клещевого энцефалита юга Российского Дальнего Востока) / Е. И. Болотин. — Владивосток : ДВГТУ, 2002.
— 150 с.
3. БолотинЕ. И. Пространственно-временная организация инфекционной заболеваемости населения юга Российского Дальнего Востока / Е. И. Болотин, С. Ю. Федорова.
— Владивосток : Дальнаука, 2008. — 223 с.
4. Болотин Е. И. Пространственно-временное прогнозирование функционирования очагов клещевого энцефалита / Е. И. Болотин, Г. Ш. Цициашвили // Вестник ДВО РАН.
- 2003. - № 1. - С. 5-19.
5. Болотин Е. И. Факторное временное прогнозирование критических уровней инфекционной заболеваемости / Е. И. Болотин, Г. Ш. Цициашвили, С. Ю. Федорова // Экология человека. - 2009. - № 10. - С. 23-29.
6. Государственный доклад «О санитарно-эпидемиологической обстановке в Российской Федерации в
2008 году». - М. : Федеральный центр гигиены и эпидемиологии Роспотребнадзора, 2009. - 467 с.
7. Здравоохранение в России : статистический сборник.
- М. : Госкомстат, 2007. - 355 с.
8. Зуева Л. П. Эпидемиология / Л. П. Зуева, Р Х. Яфа-ев. - СПб. : Фолиант, 2005. - 746 с.
9. Надорая Г. П. Проблема одновременного распространения различных инфекций (интеграционная эпидемиология) / Г. П. Надорая. - Тбилиси : Сабгота Сакаратвелло, 1980. - 274 с.
10. Павловский Е. Н. Общие проблемы паразитологии и зоологии / Е. И. Павловский. - М.; Л. : АН СССР, 1961. - 424 с.
*
11. Печуркин Н. С. Популяционная микробиология / Н. С. Печуркин. — Новосибирск : Наука, Сибирское отделение, 1978. — 278 с.
12. Прохоров Б. Б. Общественное здоровье и экономика / Б. Б. Прохоров, И. В. Горшкова. Д. И. Шмаков, Е. В. Тарасова. — М. : Макс пресс, 2007. — 288 с.
13. Селиванов А. А. Закономерности эпидемического процесса / А. А. Селиванов // Труды института им. Пастера. - 1983. - Т. 61. - С. 47-49.
14. Сергиев В. П. «Новые и возвращающиеся» гельмин-тозы как потенциальный фактор социально-эпидемических осложнений в России / В. П. Сергиев, А. В. Успенский, Н. А. Романенко и др. // Медицинская паразитология. -
2005. - № 6. - С. 6-8.
15. Шаханина И. Л. Экономические потери от инфекционной заболеваемости в России: величины и тенденции / И. Л. Шаханина, Л. А. Осипова // Эпидемиология и инфекционные болезни. - 2005. - № 4. - С. 19-21.
16. Яковлев А. А. Концепция интеграционноконкурентного развития эпидемического процесса / А. А. Яковлев // Тихоокеанский медицинский журнал. -
2006. - № 3. - С. 10-14.
17. Bolotin E. I. The factor temporal prognosis of critical levels infection diseases / E. I. Bolotin et al. // Efficient Algorithms of Time Series Processing and their Applications.
- NY : Nova Publishers Science, 2009. - Chapter 3. -Р. 23-39.
THEORETICAL AND PRACTICAL ASPECTS OF FACTOR TEMPORAL PROGNOSIS OF INFECTION DISEASES
E. I. Bolotin, *G. Sh. Tziziashvili, **S. Yu. Fedorova
Pacific Institute of Geography FEB RAS,
*Institute for Applied Mathematics FEB RAS,
** Far Eastern National Technical University, Vladivostok
On a basis of a developed method of critical levels factor prognosis for infection diseases a reasonable estimate for territories of different area rank during three year period is obtained. A verification of prognosis results showed their sufficiently high accuracy.
Key words: infection diseases, temporal prognosis.
Контактная информация:
Болотин Евгений Ионович - доктор биологических наук, заведующий лабораторией социальной и медицинской географии Тихоокеанского института географии Дальневосточного отделения РАН
Адрес: 690041, г. Владивосток, ул. Радио, д. 7 Тел. (4232) 32-06-46; факс (4232) 31-21-59 E-mail: bolotin@tig.dvo.ru
Статья поступила 22.12.2009 г.
