CC BY
3
1,0 0,8 0,6 о,4 0,2 О
ш
2 3 4 5 6 7 8 9 Ю 11 12
Рис. 3. Группировка в кластеры показателей общей смертности, а также ее структуры и уровней потребления различных видов алкогольных напитков.
По оси абсцисс — причины смертности, I — пиво, 2 — вино, 3— аварии, 4 — панкреатит, 5 — психозы, 6 — цирроз. 7— суициды, 8— водка, 9 — убийства, 10 — отравления, II — несчастные случаи, 12 — смертность; по оси ординат — расстояния между центрами кластеров.
рой показатель смертности (Л/) описывается функцией насыщения (¿л(5), где 5 — объем продажи водки):
Л/ = В0 + Я,
Оказалось, что все характеристики логарифмической модели хуже, чем линейной. Так, для нее Л2 = 0,698, а ошибка оценки составила 0,914.
Таким образом, линейная модель лучше описывает взаимосвязь между общей смертностью и уровнем потребления водки. Следовательно, с ростом уровня потребления водки можно прогнозировать дальнейший рост смертности. Опишем это с помощью коэффициента эластичности (Э), в обшем виде рассчитываемого по формуле:
Э = у\(х/у).
Для построенной линейной модели коэффициент эластичности смертности по уровню потребления водки можно рассчитать следующим образом:
Э = В,х/у = 0,419.
Иными словами, при увеличении потребления водки на 1% прогнозируется увеличение смертности на 0,42%.
Представляет определенный интерес вопрос о том, имеет ли уровень потребления водки кумулятивный эффект или связь между этим показателем и уровнем общей смертности ограничивается текущим годом. Результаты АШМА-модели свидетельствуют, что коэффициент регрессии достоверен только на нулевом лаге (р < 0,05). Это значит, что на уровень смертности оказывает влияние только актуальный уровень потребления водки.
2.S 1.5 0,5 -0,5 -1,5 -2,5
_1_
J_
-1,6 -1,2 -0.8 -0,4 О 0,4 0,8 1,2 1,6 Рис. 4. Анализ распределения остатков.
По оси абсцисс — величина остатков, по оси ординат — ожидаемые нормальные значения.
Таким образом, результаты настоящего исследования свидетельствуют, что уровень общей смертности в большей степени ассоциирован с уровнем потребления крепких спиртных напитков (водки), чем с уровнем совокупного потребления алкоголя. Из этого следует вывод, что на уровень смертности влияет структура потребления алкоголя. Рост уровня потребления крепких алкогольных напитков ведет к повышению смертности вследствие как острых причин (отравлений алкоголем, убийств, транспортных аварий), так и хронических (цирроза печени, панкреатита, алкоголизма и алкогольных психозов). Результаты настоящего исследования подтверждают целесообразность проведения политики, направленной на переориентирование потребителей алкогольной продукции с крепких алкогольных напитков на более легкие.
Литература
1. Авербах Я., Шамота А. // Вопр. наркол. — 1992. — № 2. - Р. 32-37.
2. Вгиип К., Edwards (?., Lumio М. et al. Alcohol Control Policies in Public Health Perspective. The Finnish Foundation for Alcohol Studies. — Helsinki, 1975.
3. Alcohol Policy and the Public Good / Ed. G. Edwards.
- Oxford, 1994.
4. Harkin A., Anderson P., Lehto J. Alcohol in Europe — A Health Perspective. — Copenhagen, 1995.
5. Makela K. // Res. Advanc. Alcohol Drug Probl. - 1978.
- Vol. 4. - P. 303-348.
6. Norstrom T. // Br. J. Addict. - 1987. - Vol. 82. -P. 633-641.
7. Skog О. // Alcohol and Drugs: the Norwegian Experience. - Oslo, 1984. - P. 47-69.
Поступила 02.04.02
Методология и практика социально-гигиенического мониторинга
С КОЛЛЕКТИВ АВТОРОВ. 2003 УДК б 14.72:616.921.5-053.2
Ф. Ф. Даутов, Н. Н. Шамсияров, Р. Ф. Хакимова
ВЛИЯНИЕ ЗАГРЯЗНЕННОГО АТМОСФЕРНОГО ВОЗДУХА И ЗАБОЛЕВАЕМОСТЬ ДЕТЕЙ ОСТРЫМИ РЕСПИРАТОРНЫМИ ВИРУСНЫМИ ИНФЕКЦИЯМИ
Казанская государственная медицинская академия — образовательное учреждение дополнительного профессионального образования
Все явления в природе и обществе находятся во взаимосвязи. Существуют две формы связи: функциональная и корреляционная. Функциональная связь означает строгую зависимость явлений и более свойственна неживой природе. Корреляционная связь означает, что изме-
нение какого-либо признака связано главным образом (но не исключительно) с изменениями другого признака.
Наличие связи между изучаемыми явлениями может быть обнаружено уже на основании параллельного изменения статистических рядов. Так, при изучении уровней
Таблица 1
Диффузная загрязненность атмосферного воздуха Р в различных районах Казани в 1996-2000 гг.
Район 1996 г. 1997 г. 1998 г. 1999 г. 2000 г. В сред-
нем
Авиастроительный 1,91 1,82 2,00 2,21 2,41 2,07
Советский 1,80 1,80 3,02 2.00 2,14 2,15
Вахитовский 1,20 2,33 2,61 2,00 1,81 1,99
Приволжский 1,63 1,65 1,37 2,13 2,45 1,84
Кировский 2,33 2,51 3,12 3,33 2,91 2,84
Ново-Савиновский 1,74 1,71 1,91 2,11 2,00 1,89
Московский 3,30 2,77 2,13 3,51 3,65 3,07
Казань 1,98 2,08 2,31 2,47 2,48 2,26
загрязненности атмосферного воздуха различных районов Казани за определенный период и частоты заболеваемости ОРВИ и гриппом различных групп населения выявлены в большинстве случаев параллельные изменения, т. е. повышение степени загрязненности атмосферного воздуха (Р) сопровождалось аналогичным повышением частоты заболеваемости. Это обстоятельство и определило использование корреляционного анализа для статистической обработки материалов исследования.
Уровни диффузной загрязненности атмосферного воздуха по данным стационарных постов в динамике с 1996 по 2000 г. представлены в табл. 1.
Как видно из табл. 1, наиболее высокие уровни загрязненности атмосферного воздуха Р наблюдались в Московском (3,07), Кировском (2,84), Советском (2,15), Авиастроительном (2,07) районах Казани. Почти во всех районах отмечается тенденция к росту уровней загрязненности Р в период 1996—2000 гг.
Однако мы не стали выявлять корреляционную зависимость между уровнями годовых значений загрязненности Р и заболеваемости ОРВИ и гриппом. Для получения более достоверных взаимозависимостей между этими явлениями более подробно изучены уровни загрязненности атмосферного воздуха Р и заболеваемости по полугодиям, учитывая количество сравниваемых значений составило от 7 до 14.
В табл. 2 представлен пример расчета коэффициента корреляции, выявления степени и направленности корреляционной зависимости между уровнями загрязненности х и заболеваемости ОРВИ у детей в возрасте 0—14 лет в Казани в 2000 г.
Между уровнями загрязненности атмосферного воздуха Казани и заболеваемостью детей в возрасте 0—14 лет выявлена прямой направленности средней степени достоверная корреляционная зависимость гху± т = 0,626 ±0,104.
Значение коэффициента корреляции дает возможность установить величину регрессии, т. е. степень изменения одной величины при соответствующем изменении другой.
В нашем примере коэффициент регрессии, или величина изменения заболеваемости у ОРВИ детей в возрасте 0—14 лет в Казани, при изменении уровня загрязненности атмосферного воздуха Яна одну единицу составит «,/,= 0,183.
Следовательно, увеличение или уменьшение загрязненности атмосферного воздуха на Р = 1 приводит к соответствующему изменению заболеваемости детей в возрасте 0—14 лет ОРВИ на 0,183 на каждые 100 детей.
Аналогично были рассчитаны коэффициенты корреляции и регрессии по возрастным группам населения за каждый год, по каждому району города и по городу в целом.
Результаты нашего анализа выявили тесные положительные корреляционные связи между уровнями загрязненности атмосферного воздуха Р и заболеваемостью детей в возрасте 0—6 лет ОРВИ в Авиастроительном (rxy ± m = 0,90 ± 0,08; р < 0,001), Советском (rxy ± m = 0,95 ± 0,06; р < 0,001), Московском (rxy ± m = 0,81 ±0,16; р < 0,001), Вахитовском (rxy± m = 0,78 ± 0,08; р < 0,001), Кировском (rxy ± m = 0,78 ± 0,11; р < 0,001), Ново-Савиновском (г^ ± m = 0,73 ± 0,14; р < 0,01) районах. Только по Приволжскому району, где уровень Р ниже, чем в других районах, выявлена средней степени корреляционная зависимость — r^ ± m = 0,68 ±0,11 {р < 0,01). В целом по городу значение гху±т составило 0,69 ± 0,12 (р < 0,001).
Обращает внимание то обстоятельство, что корреляционная зависимость между уровнем загрязненности Р и заболеваемостью гриппом во всех районах Казани и в целом по городу оказалась ниже, т. е. средней степени, в пределах от ± m = 0,51 ± 0,02 (/><0,001) до гху±т = 0,69 ± 0,12 (р < 0,001).
В табл. 3 представлены возможные уровни заболеваемости детей в возрасте 0—6 лет ОРВИ и гриппом по каждому району и Казани в целом при условии снижения степени загрязненности атмосферного воздуха Р на одну единицу, а также сокращение показателей заболеваемости в процентах.
Как видно из табл. 3, в целом по Казани коэффициенты заболеваемости ОРВИ составили бы 0,82%о, гриппом — 0,96%о, при этом снижение уровня показателей произошло бы соответственно на 21,9 и 13,5%. Обращает на себя внимание то, что в районах с относительно менее загрязненной атмосферой — в Вахитовском (р = 1,99) и
Таблица 2
Корреляция между уровнями загрязненности атмосферного воздуха Р и заболеваемостью ОРВИ детей в возрасте 0—14 лет в Казани в 2000 г.
Район
dx
dy
dix
tfly
dxdy
Авиастроител ьн ы й
Советский
Вахитовский
Приволжский
Кировский
Ново-Савиновский
Московский
1 2
3
4
5
6
7
8 9
10 11 12
13
14
Средний показатель по Казани h = 14
2,64 2,18 2,04 2,22 1,68 1,94 2,38 2,52 2,88 2,94 1,96 2,04 3,47 3,83 I = 37,74 M = 2,48
1 • M
0,82 0,74 0,54 0,51 0,57 0,64 1,00 0,49 0,53 0,82 0,58 0,82 0,88 1,00 10,02 0,71
0,16 -0,30 -0,44 -0,26 -0,80 -0,54 -0,10 0,04 0,40 0,46 -0,52 -0,44 0,99 1,35
0,11 0,03 -0,17 -0,20 -0,14 -0,07 0,29 -0,22 -0,18 0,11 -0,13 0.11 0,17 0,29
0 ï.j
0,0256 0,0900 0,1936 0,0676 0,6400 0,2916 0,0100 0,0016 0,1600 0,2116 0,2704 0,1936 0,9801 1,8225 , = -4,9582
0,0121 0,0009 0,0289 0,0400 0,0196 0,0049 0,0841 0,0484 0,0324 0,0121 0,0169 0,0121 0,0289 0,0841 = -0,4254
0,0176 -0,0009 0,0748 0,0520 0,1120 0,0378 0,0290 -0,0088 0,0720 0,0506 0,0676 -0,0484 0,1683 0,3915 0,911
-Ady
Таблица 3
Возможные уровни заболеваемости детей в возрасте 0—6 лет ОРВИ и гриппом при снижении уровня загрязненности атмосферного воздуха Р на одну единицу в районах Казани
Район
Заболеваемость ОРВИ (Л„). %.
Снижение заболеваемости, %
Заболеваемость гриппом
Снижение заболеваемости, %
Авиастроительный 0,94 13,7 0,95 16,8
Советский 0,80 17,5 1,15 11.5
Вахитовский 0,77 27,3 0,65 22,6
Приволжский 0,51 31,0 0,72 21,7
Кировский 0.81 18,9 1,15 16,0
Ново-Савиновский 1,15 17,2 1,26 12,5
Московский 1,03 13,4 0.90 17,4
Казань 0,82 21,9 0,96 13.5
Приволжском (р = 1,84) — заболеваемость ОРВИ соответственно снизилась бы на 27,3 и 31%, гриппом — на 22,6 и 21,7% — значительно больше, чем в районах со сравнительно высокими показателями Р. в пределах 2,07—3,07 в Авиастроительном, Советском, Кировском, Московском. В этих районах сокращение уровней показателей заболеваемости ОРВИ и гриппом составило бы от 12,5 до 18,9%.
Корреляционная зависимость между степенью загрязненности атмосферного воздуха и заболеваемостью ОРВИ детей в возрасте 0—14 лет Московского района оказалась наиболее выраженной — гху± т = 0,98 ± 0,01 (р < 0,001). Далее следуют значения коэффициентов корреляции (г• ± т) в убывающем порядке: Ново-Сави-
новский район — 0,93 ± 0,06 (р < 0,001), Советский — 0,92 ±0,07 CP < 0,001), Кировский - 0,87 ± 0,10 (р < 0,001), Авиастроительный - 0,86 ± 0,11 (р < 0,001), Вахитовский — 0,73 ± 0,17 (р < 0,001), Приволжский — 0,72 ± 0,17 (р < 0,001). В целом по городу Казани корреляционная зависимость составила 0,84 ± 0,11 (р < 0,001).
Между уровнем загрязненности атмосферного воздуха Р и заболеваемостью гриппом детей в возрасте 0—14 лет всех районов города выявлена средней степени корреляционная зависимость от т = 0,42 ±0,10 (р < 0,001) — Вахитовский район до rv ± т = 0,68 ±0,12 (р < 0,001) — Московский район.
Таким образом, корреляционным анализом выявлена различная степень зависимости уровня загрязненности атмосферного воздуха и заболеваемости детей ОРВИ и гриппом, а также установлены коэффициенты регрессии, позволяющие определить, на сколько снизится заболеваемость при снижении показателя загрязненности Р на одну единицу.
Поступило 30.05.02
Summary. The paper characterizes diffuse ambient air pollution (P index) in accordance with the data of Kazan stationary stations in 1996-2000. The incidence of childhood respiratory diseases is studied for the same period. A correlation between morbidity and ambient air pollution is analyzed. There is a direct significance correlation between Kazan's ambient air pollution and morbidity rates in children aged 0-14 years, which is as follows r>y ± m = 0.626±0.104. The regression coefficient has been established, which is Ry/I = 0.183 when the atmospheric contamination is changed by one unit.
С КОЛЛЕКТИВ АВТОРОВ, 2003
УДК 614.7:616-036.88-053.31-092.12):519.24
Д. А. Димитриев, А. Д. Димитриев, Г. М. Воронцова
ПРИМЕНЕНИЕ МЕТОДА БАЙЕСОВСКОЙ КЛАССИФИКАЦИИ ДЛЯ ОЦЕНКИ ВЕЛИЧИНЫ ИНДИВИДУАЛЬНОГО РИСКА
Центр Госсанэпиднадзора в Чувашской Республике, Чебоксары
Центральным вопросом профилактической медицины является оценка вероятности возникновения заболевания (т. е. риска) у каждого отдельно взятого индивидуума. Решение этой проблемы позволяет перейти к новому уровню профилактики — разработке комплекса конкретных мероприятий по предупреждению болезни у отдельного человека. Другая важная сторона проблемы — учет большого количества факторов, обусловливающих повышение или снижение уровня риска конкретного патологического состояния, определение значимости каждого из этих факторов и его влияния на величину риска. Другими словами, речь идет о том, относится или нет данный индивидуум к группе риска и почему.
На наш взгляд, одним из подходов к решению этой проблемы может стать применение метода статистической классификации, основанного на теореме Байеса. В литературе имеются работы, посвященные использованию этого метода в различных областях биологии и медицины. Байесовский анализ используется для оценки риска различных заболеваний [21], в том числе бронхиальной астмы 125], нарушений течения беременности [13]. Основанные на теореме Байеса статистические методы нашли применение в психологии и психиатрии [6, 27, 29], а также в других областях медицины в качестве основы для компьютерной диагностики и упраапения процессом лечения [16, 19, 23, 30]. В литературе также имеются работы, посвященные использованию байесовской классификации в гигиене [8] и при анализе географического распределения уровней заболеваемости [17].
Первым, наиболее важным шагом классификации является определение параметров, значения которых будут использоваться для предсказания заболевания. Для этого необходимо изучить литературные данные, свидетельствующие о значимости того или иного фактора для формирования патологии. Это позволяет создать список переменных, которые могут иметь значение для величины индивидуального риска. Следующим шагом является определение шкапы, в которой измерены значения параметров [14]. Эта процедура чрезвычайно важна для всех последующих вычислений, так как статистика критерия тесно связана с природой переменных. В настоящей работе мы рассматривали параметры, измеренные в качественной шкале. Необходимо заметить, что байесовская процедура классификации возможна и для непрерывных переменных с нормальным распределением, однако метод вычисления будет отличаться от приведенного ниже.
Теперь мы подошли к вопросу о том, оказывает ли данный фактор влияние на величину риска. Проверка этой гипотезы возможна с помощью широко применяемых в статистике критериев (х2, отношение шансов) [1]. Все вышеописанные действия позволяют определить список значимых в теоретическом и статистическом смысле показателей (предикторов).
Классификация на основе теоремы Байеса требует определения ряда понятий, которыми мы будем в дальнейшем оперировать. Вначале определим априорную вероятность <7, как вероятность того, что индивидуум принадлежит к популяции \У„ / = 1,2. Если под популяциями мы будем понимать здоровых (IV,) или больных (1У2),
