CC BY
84
У
правление в медико-биологических системах
УДК 614.39
ЗДОРОВЬЕ НАСЕЛЕНИЯ РЕГИОНА: МОДЕЛИ И УПРАВЛЕНИЕ
М.С. Токмачев
Представлена авторская методика исследования процесса здоровья населения на основе персонифицированных статистических данных. Разработана математическая модель человеческой жизни (возраст, состояние здоровья). Получены и проанализированы численные показатели здоровья населения региона, включая смертность, указаны тенденции и прогноз.
Ключевые слова: персонифицированная база данных, цепь Маркова, состояние здоровья, международная классификация болезней, иерархия классов, стохастическая матрица, вероятность, прогноз, модель.
ВВЕДЕНИЕ
Как известно, демографический потенциал государства напрямую зависит от здоровья его населения. Для современной России характерны крайне высокий по европейским меркам уровень смертности, наличие огромных неизученных пластов скрытой заболеваемости населения и ряд других негативных обстоятельств. Вместе с тем, ни в одной стране мира (за исключением некоторых бывших республик СССР) нет столь масштабной по объему системы мониторинга, включающей сбор и хранение данных о состоянии здоровья населения, уровне медицинского обслуживания. Унификация государственной статистики позволяет получать информацию, сопоставимую в масштабе всей страны. Однако по некоторым экспертным оценкам в процессе принятия управленческих решений на уровне органов управления здравоохранением субъектов РФ используется лишь 15—20 % информационного массива данных заболеваемости населения.
Здоровье населения, рассматриваемое с точки зрения единства его биологической и социальной природы — многогранное понятие, исследуемое методами различных естественнонаучных дисциплин. Кроме блока собственно медицинских дисциплин, связанных с изучением отдельных классов болезней, лечением, лекарственными препаратами и т. д., отметим и другие подходы: биологический, в том числе, генетический [1], экологический [2], демографический, в том числе, изучение смер-
тности [3], социальный (социологический) [4], изучение здоровья здоровых [5], системный [6, 7], здравоохраненческий [7, 8], экономический [9], психологический, экспериментальный, философский и др. В связи с концепциями доказательной медицины в настоящее время все большее значение приобретают математические методы, в частности, статистические, без которых, как правило, не обходится ни одно научное исследование [10] и методы математического моделирования [6, 11, 12]. Особая роль отводится компьютерному моделированию. Например, в фундаментальной монографии [13] дается обзор перспективных направлений в исследовании старения. Биологические процессы изучаются математическими методами на компьютерных моделях.
В представленной работе использованы вероятностно-статистические и компьютерные методы моделирования и прогноза различных показателей здоровья населения на основе персонифицированных данных здравоохранения. Предпринята попытка исследования в динамике процесса здоровья населения региона статистическими методами с целью изучения, наиболее эффективного воздействия на этот процесс и преломления существующих негативных тенденций.
1. ОСНОВЫ ИССЛЕДОВАНИЯ
В качестве объекта исследования выступает население Новгородской области, фигурирующее в персонифицированной базе данных (ПБД) смерт-
УПРАВЛЕНИЕ В МЕДИКО-БИОЛОГИЧЕСКИХ СИСТЕМАХ
г 1
ности и состояния здоровья населения, созданной в Новгородском научном центре Северо-Западного отделения РАМН. Использованы данные всего застрахованного населения области за пятилетний временной интервал 2001—2005 гг. Теоретической основой служат вероятностно-статистические методы, в частности, математический аппарат цепей Маркова с дискретным множеством состояний {Е’.}. Задействованы авторские разработки [14—16], позволяющие моделировать процесс общественного здоровья с внесением элементов управления и просчитываемым результатом. В качестве модели человеческой жизни (относительно здоровья) рассматриваются последовательные объединения пар «возраст—состояние» и соответствующие вероятности перехода из состояния в состояние за указанный временной промежуток. При этом вероятности перехода в модели зависят лишь от настоящего состояния и не зависят от состояний, предшествующих настоящему. Разумеется, в реальных процессах, к коим относится и человеческая жизнь, полной независимости от предыстории быть не может. Однако реализация данных за длительный временной интервал и определение состояний по доминирующему заболеванию позволяют в разрабатываемой модели учесть и заболевания более ранних периодов в зависимости от их тяжести, что способствует «марковизации» цепи.
По реальным данным осуществлена математическая проверка зависимостей. Для различных половозрастных групп населения в процессе с шагом три года вычислены условные вероятности переходов р.к = Р(Ек|Е.) и р..к = Р(Е*|Еу, Е;) при всевозможных I,у, к, всего порядка 10 тыс. фактических комбинаций. Проведено парное сравнение вероятностей р.к и р..к по критерию Фишера. Значимые различия обнаружены менее чем в 5 % случаев, что соответствует статистическим стандартам. Данные переходы со статистически значимым различием переходных вероятностей проанализированы: в подавляющем большинстве случаев различие можно объяснить малым числом наблюдений в соответствующих группах (издержки масштабного проверочного исследования) и степенью достоверности данных заболеваемости (использована заболеваемость по обращаемости). Также с целью проверки адекватности методики проведено сравнение значений показателей заболеваемости в половозрастных группах населения в 2008 г.: фактических и рассчитанных по модели. Существенных различий нет. Все это указывает на корректность применения неоднородной цепи Маркова.
Разработано программное обеспечение, комплексно реализующее заявленную методику. Получены конкретные численные результаты, соответствующие реальности.
2. МЕТОДИКА ИССЛЕДОВАНИЯ
Состояния здоровья индивидуума или исследуемой группы населения на протяжении всей жизни от рождения до смерти рассматриваются в последовательные фиксированные моменты времени. Тогда человеческая жизнь — случайное блуждание по состояниям здоровья, которое заканчивается поглощающим состоянием «смерть» [14]. Под системой понимается индивидуум или группа индивидуумов. Состояние системы в каждый из фиксированных моментов времени — состояние здоровья. Множество состояний априори классифицировано. Согласно разработанной методике все население разбивается по возрастам ^ и состояниям Е.
* ] (у = 0, 1, ..., 20), при этом Е0 — «относительно здоровые» и Е20 — «смерть». Остальные состояния Ер Е2, ..., Е19 — состояния, соответствующие наиболее тяжелым типам заболевания. Модель человеческой жизни как последовательное объединение пар «возраст — состояние здоровья», представлена в табл. 1: а. — начальная вероятность нахождения
системы в состоянии Е.о, р. . (1) — вероятность перехода из Е.о в Е. на первом шаге и т. д.
Для состояний Е. (у = 0, 1, ..., 20) введем классификацию (табл. 2).
Теоретической основой представленного разбиения по состояниям служат МКБ-10, т. е. Международная классификация болезней десятого пересмотра (в табл. 2 указаны коды соответствующих заболеваний), и статистический анализ структуры смертности, исходя из которого установлена иерархия состояний заболеваемости (межклассовая и внутриклассовая). Решение проблемы однозначности обеспечивает алгоритм формирования требований для каждого состояния. При наличии нескольких заболеваний классификация осуществляется по доминирующему заболеванию, в соответствии с установленной иерархией по степени тяжести заболевания. Все население группы на определенный начальный момент времени (на 01.01.2001 г.) сортируется по возрастным интервалам и состояниям системы. Далее с учетом доминирующих тяжелых заболеваний каждого индиви-
Таблица 1
Модель человеческой жизни (возраст, состояние здоровья)
Номер 0 1 2 V
интервала
Возраст и состояние Е0) Ен) Е2 ) Ел)
Вероятность а ; 0 РкН (1) Ри (2) рЛ -1 и (^
Таблица 2
Классификация состояний
Состояние Код Класс
Е0 — Относительно здоровые
Е1 /00-/99 Болезни системы кровообращения
Е2 ^ 00-Т 98 Травмы, отравления и другие последствия внешних причин
Е3 С 00-Б 48 Новообразования
Е4 /00-/99 Болезни органов дыхания
Е5 Я 00-Я 99 Симптомы, признаки и отклонения от нормы, выявленные при клинических и лабораторных исследованиях
Е6 К00-К93 Болезни органов пищеварения
Е7 А00-В 99 Некоторые инфекционные и паразитарные болезни
Е8 в 00-С 99 Болезни нервной системы
Е9 N00-#99 Болезни мочеполовой системы
Е10 /00-/99 Психические расстройства и расстройства поведения
Е11 Б50-Я89 Болезни крови, кроветворных органов
Е12 Е 00-Е 90 Болезни эндокринной системы, нарушения обмена веществ
Е13 М00-М99 Болезни костно-мышечной системы и соединительной ткани
Е14 000-099 Врожденные аномалии (пороки развития)
Е15 /00-/99 Болезни кожи и подкожной клетчатки
Е16 О00-099 Беременность, роды и послеродовой период
Е17 Р00-Р 96 Состояния, возникающие в перинатальном периоде
Е18 Н60-Н95 Болезни уха и сосцевидного отростка
Е19 Н00-Н59 Болезни глаза и его придаточного аппарата
Е20 — Смерть
дуума за весь период исследования устанавливается его состояние через пять лет (на 01.01.2006 г.). Процедура классификации компьютеризирована [17], а все возникшие при практической реализации особые случаи проанализированы группой экспертов. Суть экспертных оценок — проверка на достоверность выводов в малочисленных группах (статистически слабо достоверных), разбор сомнительных (как правило, вызванных ошибками регистрации) и нестандартных случаев.
Используется модель условного поколения, в основе которой лежит упорядочивание по времени значений, взятых за короткий временной промежуток для населения всех возрастов. Значения показателя, представляющие один и тот же период времени, но относящиеся к разным возрастным группам, выстраиваются в виде временного ряда.
Введем случайные величины X. — общее число
и
лет жизни человека, дожившего до возраста ti и находящегося при этом возрасте в состоянии Е, где / — номер возрастного интервала, у — номер состояния. Закон распределения случайной величины X.. имеет вид, представленный в табл. 3 [14], где и
х. + 1, х. + 2, ..., хт — середины каждого из последующих за 1-м интервала, р5 — вероятность перехода в состояние Е20 в возрасте х^, qs = 1 — р^ Разработанный программный комплекс вычисляет конкретные значения, а также соответствующие числовые характеристики распределения
Отметим, что в исследовании использованы данные по обращаемости (данных исчерпанной заболеваемости такого масштаба нет). Таким образом, состояние Е0 (относительно здоровые) получается нечетко определенным: индивидуум в состоянии Е0 оказывается не здоровым, а всего лишь не обращавшимся за медицинской помощью.
3. СТОХАСТИЧЕСКИЕ МАТРИЦЫ
Реальные данные состояния здоровья населения, рассматриваемые в динамике, позволяют рассчитать конкретные значения переходных вероятностей из состояния в состояние для различных половозрастных групп за пятилетний период, т. е. шаг процесса в исследовании — 5 лет. Учитывая специфику детского здоровья, интервал 0—4 полных лет разбит на два: 0—1 и 2—4 лет. Последний возрастной интервал — «более 85 лет». Поскольку переходные вероятности р^к различны в разных возрастах, то цепь Маркова неоднородная. Мужское и женское население в исследовании относятся к разным группам. Возраст индивидуумов определяется как дискретная величина t,, середина /-го возрастного интервала.
По статистическим данным ПБД вычислены переходные вероятности из любого возможного состояния Е. в состояние Ек на каждом шаге, т. е. найдены конкретные численные значения. В соот-
Таблица 3
Закон распределения случайной величины ХІІ
X хі+1 Хі + 2 Хі + 3 X , т — 1 X т
р Рі+1 Уі + 1рі + 2 Уі + 1Уі + 2Р і + 3 Уі + 1уі + 2 *** Ут - 2рт - 1 уі + 1уі + 2 ••• ут - 1 1
УПРАВЛЕНИЕ В МЕДИКО-БИОЛОГИЧЕСКИХ СИСТЕМАХ
|
ветствии с числом возрастных интервалов получены наборы стохастических матриц размерности 21 х 21: по 19 матриц для групп мужского и женского населения. Неоднородная цепь Маркова оказывается полностью определенной.
4. БЕЗУСЛОВНЫЕ ВЕРОЯТНОСТИ
Сформированные состояния Е,, у = 0, 1, ..., 20, и наборы стохастических матриц позволяют по начальным состояниям вычислять безусловные вероятности, т. е. вероятности р^) с которыми система будет находиться в каждом из состояний Е, у = 0, 1, ..., 20, через момент времени, кратный длине временного интервала. Матрица безусловных вероятностей наполняет модель человеческой жизни вероятностным содержанием: по начальным условиям Е) выдает вероятностный
прогноз состояния здоровья на все последующие интервалы.
Графическая иллюстрация матрицы безусловных вероятностей, полученной на основе реальных данных мужского населения Новгородской области, приведена на рис. 1.
Здесь распределение «поколения 0 лет» в пересчете на 10 тыс. населения представлено по состояниям здоровья, включая состояние Е20, в зависимости от возраста. Каждому возрастному интервалу соответствует вертикальный столбец (10 тыс. мужского населения), который разбит на части в соответствии с долей каждого из возможных состояний в общей структуре заболеваемости и смертности. В столбце состояния Е0, Е1, ..., Е№ Е20 упорядочены снизу вверх. Таким образом, для
каждого возрастного интервала воссоздан «спектр заболеваемости» с учетом и доли умерших в поколении к началу интервала. Граница между состояниями Е19 и Е20 является кривой дожития (кривой выживаемости) поколения. Аналогична графическая иллюстрация матрицы безусловных вероятностей женского населения («поколение 0 лет»), но со своим «спектром заболеваемости» и смертности и существенным различием кривых дожития. Для исследования весьма важен соответствующий сравнительный анализ по полу, возрасту и состояниям. Отметим, что векторы безусловных вероятностей можно найти для любых начальных возрастов и распределений по состояниям здоровья.
5. ИССЛЕДОВАНИЕ СМЕРТНОСТИ И ПРОГНОЗ
Характерная особенность населения Новгородской области, как и в целом по России, состоит в сравнительно высоком уровне смертности: стандартизованные коэффициенты смертности на 100 тыс. населения соответствующего пола составляют 2776,6 для мужчин (82-е место среди 88 субъектов РФ, 2005 г.) и 1204,7 для женщин (65-е место). В свою очередь, Россия по ожидаемой при рождении продолжительности жизни в 2005 г. занимала лить 119-е место в мире. По естественному приросту населения (—13,2) область находилась на 84-м месте в РФ [18]. Идет процесс ярко выраженной депопуляции.
Приведем регрессионные модели зависимости безусловной вероятности смерти (р20) от соотношения безусловных вероятностей других состояний (р. = Р(Е)):
Рис. 1. Распределение «поколения 0 лет» в пересчете на 10 тыс. населения (мужчины)
мужчины —
р20 = —1,6659р0 — 4,8147р1 + 1,6817р2 —
- 4,7650р4 + 1,0073, В = 0,9995; женщины —
р20 = -3,74013р0 — 3,83675р1 —
- 4,65886р4 + 1,03744, В2 = 0,9839.
Также при сохранении имеющихся тенденций укажем регрессионные модели для вероятности попадания в состояние Е20 в зависимости от возраста:
мужчины —
р20 = 10-6(—5,295Г3 + 879,485^ —
— 28628,004t + 305630,658), В2 = 0,9987; женщины —
р20 = 10-6(—0,084^ + 18,2^ — 1170,456t2 +
+ 31963,815? — 273241,039), В2 = 0,9988. Соотношения справедливы при t е [15; 95]. Реализация методики, представленной в статье, позволяет установить некоторую зависимость смертности населения не только от возраста, но и от предшествующего состояния здоровья. Отметим, что в данном случае речь идет не о смертности по причинам, а о состоянии, из которого индивидуум за последующий период наблюдения перешел в состояние Е20. Для реальных данных, как мужского, так и женского населения, бросается в глаза огромная доля (у женщин около 50 %, а у мужчин свыше 50 %) перешедших в состояние «смерть» непосредственно из состояния Е0 («относительно здоровые»). Этот, на первый взгляд, нелогичный факт объясняется самой сущностью показателя «заболеваемость по обращаемости» в сочетании с менталитетом населения, низким уровнем
профилактической работы с населением и качеством диагностики. Из полученных расчетов следует основной вывод: отсутствие должной информации о своем здоровье — это мощнейший по своему результату и охвату населения фактор риска.
Систематизация данных заболеваемости и смертности населения всех возрастов за пятилетний период наблюдений позволяет получить зависимость показателя смертности от предшествующего состояния здоровья. Таким образом, численные данные, формирующие смертность, разложены не только по возрастам, но и по классам болезней, что интересно исследователям и весьма важно для принятия управленческих решений в здравоохранении. В частности, подобная систематизация позволяет выделить приоритетные направления в охране общественного здоровья, а при наличии данных о финансово-экономическом обеспечении здравоохранения — оптимизировать расходы. Приведем прогнозируемую зависимость показателя «средней продолжительности будущей жизни» (СПБЖ) новорожденных от исходного состояния их здоровья, рис. 2.
При приведении данных смертности мужского и женского населения к одному основанию (в пересчете на 10 тыс. умерших), получаем характеристики самих состояний в плане степени тяжести заболевания относительно пола заболевшего. В целом наиболее тяжелые (чаще приводящие к смерти) для мужчин состояния Е4, Е2, Е13, Е6, Е8, Е18, а для женщин — состояния Е1, Е9, Е12, Е0, Е№ Е3.
Также приведем реальные (2001—2005 гг.) и прогнозируемые (2006—2010 гг.; 2011—2015 гг.) значения показателя смертности по возрастным группам. На рис. 3 и 4 представлены рассчитанные доли (%) умерших в каждой возрастной группе за указанные пятилетние периоды.
Рис. 2. Сравнение средней продолжительности будущей жизни новорожденных в зависимости от пола и исходного состояния здоровья
Доля умерших
О іп іп іп іп іп іп іп ІП іп іп іп іп іп іп іп іп
г[ К г[ К г[ К г[ К г[ К г[ К г[ К г[ К Возраст
— г! ^ т т ^ ю ю \о ю і4 ь
Рис. 3. Возрастная структура смертности мужского населения, %
Рис. 4. Возрастная структура смертности женского населения, %
Наблюдается рост показателя смертности с увеличением возраста в каждом фиксированном интервале, что естественно. Однако более важен рост показателя со временем для каждой возрастной группы. Такая тенденция имеет место как для мужского, так и женского населения, во всех возрастах. Например, для возрастной группы 60—64 лет (женщины) доля умерших за 2001—2005 гг. составила 7,87 %, за 2006—2010 гг. составит уже 14,99 %, а за 2011—2015 гг. прогноз — 19,94 %. Для мужского населения в той же возрастной группе, 60—64 лет, значения следующие: 22,32, 38,90 и 49,02 %. Следовательно, у каждого последующего поколения уровни дожития существенно ниже, чем у предыдущего.
Вместе с тем отметим, что найденные зависимости все же не линейные (т. е. наблюдается некоторое замедление темпов роста показателя смертности) и существует возможность преломить эти негативные тенденции. Согласно прогнозу, наряду с ростом показателя смертности существенно уменьшится число относительно здоровых, возрастет число онкологических больных, особенно среди женского населения области. Расчеты роста смертности соответствуют и независимому прогнозу по тренду почти линейно уменьшающейся численности населения региона. Несмотря на то,
что миграционный прирост компенсирует естественную убыль населения более чем на 25 % (2007 г.) за девять лет (с 01.01.2001 г. по 01.01.2010 г.) численность населения области уже уменьшилась на 9,8 %, а к 2015 г. прогнозируется 12 %.
6. ОТЛИЧИТЕЛЬНЫЕ ВОЗМОЖНОСТИ МЕТОДИКИ
Для безусловных вероятностей отметим два важных момента:
1) возможность перехода к непрерывному времени;
2) возможность моделирования и прогнозирования безусловных вероятностей состояний. Рассмотрим их.
1. Как уже упоминалось, безусловные вероятности в цепи Маркова с дискретным временем вычисляются лишь в моменты времени, кратные длине шага (5 лет). Для их нахождения в произвольные моменты времени /, согласно классической теории, необходимо рассмотреть цепи Маркова с непрерывным временем и решить систему дифференциальных уравнений Колмогорова. В нашем случае такая система содержит 21 уравнение и решается отдельно для каждого интервала, поскольку цепь Маркова неоднородна. Эта задача достаточно нетривиальная. В данном исследовании для произвольного момента времени t безусловные вероятности находятся приближенно: методом линейной интерполяции.
2. Изменение переходных вероятностей в определенных возрастах меняет и безусловные вероятности заболеваемости и смертности. Данный факт позволяет моделировать и прогнозировать состояние здоровья поколения в зависимости от качественных изменений условий жизни населения, которые позволяют переоценить некоторые значения переходных вероятностей. В частности, в табл. 4 представлены показатели продолжительности жизни женского населения в «поколении 0 лет» с исходным начальным состоянием Е0 при уменьшении переходной вероятности р, 20 в возрастах
«20 и более лет» на 0,05 за счет соответствующей вероятности р,. Показатель СПБЖ (средняя продолжительность будущей жизни) рассчитан как математическое ожидание случайной величины Х1 0, согласно приведенному закону распределения. Показатель СППЖ (средняя продолжительность предстоящей жизни) — медиана указанного распределения, х0 25, х0 75 — соответствующие квартили. Представленные значения роста показателей по сравнению с фактическими (базовыми) значениями, приведенными в первой строке, характеризуют степень влияния (вес) каждого из состояний на показатели. Например, уменьшение р0 20 на
0,05 приводит значение показателя х0 25 к росту на 0,972 лет (59,321—58,349), а соответственно уменьшение рб 20 — к росту на 3,612 лет (61,961—58,349).
Созданный программный комплекс позволяет аналогично моделировать ситуацию при совместном изменении переходных вероятностей р. . и в других возрастных категориях, и на разные величины, и за счет разных составляющих, также можно производить изменение вероятностей в процентах. Все это дает возможность численно оценивать как отдельные классы болезней, так и совокупности таких классов, а также математически моделировать различные ситуации. Для здравоохранения подобные «спектры» каждого из используемых показателей указывают на место и эффективность приложения сил и средств в охране здоровья населения. Знание вероятностной структуры блуждания по состояниям и количественных оценок возможных переходов выводят на создание модели управления общественным здоровьем.
Отметим, что представленная методика компьютеризирована, и изменения численных параметров в программу вносятся достаточно легко. Гораздо сложнее добиться фактического снижения распространенности заболеваний и преждевременной смертности населения. Для этого наряду с социально-эффективной государственной систе-
Изменение показателей
мой, системой жизнеобеспечения на местах, развитием медицинской науки и базы лечебных учреждений необходимы и грамотные, обоснованные управленческие решения органов здравоохранения всех уровней.
7. ПОТЕНЦИАЛ МЕТОДИКИ
Разработанная методика с использованием математического аппарата цепей Маркова применительно к случайному процессу, называемому «здоровье населения», позволяет:
— осуществить по соответствующим начальным данным вероятностный прогноз состояния здоровья, включая смертность, как отдельного человека, так и целых групп населения;
— вычислить в динамике ряд показателей; в частности, для каждой группы населения, сформированной по полу, возрасту и состоянию здоровья, вычислить среднюю продолжительность предстоящей жизни, потери лет будущей жизни, связанные с состоянием здоровья, базисные и цепные приросты показателей при изменении соотношений в заболеваемости и смертности, индексы и коэффициенты дожития и др.;
— ввести ряд новых показателей, разносторонне характеризующих здоровье населения [16];
Таблица 4
ности жизни женского населения
Изменяемая вероятность Х0,25 Рост СПБЖ Рост СППЖ Рост Х0,75 Рост
58,349 66,550 _ 73,038 _ 82,853 _
Р0,20 59,321 0,972 67,115 0,565 73,607 0,569 83,283 0,430
р1,20 59,085 0,736 67,067 0,517 73,661 0,623 83,386 0,532
р2,20 59,045 0,696 66,947 0,397 73,421 0,382 83,112 0,259
Р3,20 59,169 0,820 66,998 0,448 73,519 0,481 83,196 0,342
р4,20 59,713 1,364 67,258 0,708 73,770 0,731 83,314 0,461
Р5,20 58,536 0,187 66,671 0,121 73,153 0,115 82,920 0,067
р6,20 61,961 3,612 68,633 2,083 75,322 2,284 84,496 1,643
р7,20 58,922 0,573 66,858 0,308 73,330 0,292 83,042 0,189
Р8,20 58,788 0,439 66,780 0,230 73,276 0,237 83,014 0,161
Р9,20 60,057 1,708 67,403 0,853 73,876 0,837 83,377 0,524
р10,20 58,447 0,098 66,597 0,047 73,094 0,056 82,887 0,034
р11,20 58,372 0,023 66,560 0,010 73,051 0,012 82,861 0,008
р12,20 58,514 0,165 66,654 0,105 73,154 0,115 82,924 0,071
Р13,20 58,948 0,599 66,934 0,384 73,490 0,452 83,211 0,358
р14,20 58,372 0,023 66,563 0,013 73,055 0,017 82,875 0,022
р15,20 58,629 0,280 66,707 0,157 73,194 0,156 82,967 0,114
Р16,20 58,702 0,353 66,746 0,197 73,160 0,121 82,912 0,059
Р18,20 58,506 0,157 66,657 0,107 73,159 0,121 82,955 0,102
р19,20 58,633 0,284 66,762 0,212 73,278 0,239 83,082 0,229
р3,20’ р6,20 62,859 4,510 69,102 2,552 75,798 2,760 84,783 1,930
УПРАВЛЕНИЕ В МЕДИКО-БИОЛОГИЧЕСКИХ СИСТЕМАХ
|
— найти и исследовать соответствующие законы распределения различных показателей;
— выявить теоретически обоснованные связи и получить зависимости между показателями;
— применить индексный метод исследования [15];
— моделировать и целенаправленно исследовать процесс здоровья населения в плане «вносимая корректировка (фактор) — получаемый эффект (отклик)»;
— вносить в процесс охраны общественного здоровья элементы управления, приводящие к теоретически обоснованным последствиям в изменении показателей здоровья населения.
В перспективе возможно включение в данное исследование социальной и экономической составляющих. Отметим, что ввиду использования МКБ-10 с соответствующими кодами болезней представленная система исследования воспроизводима и в других регионах.
ЗАКЛЮЧЕНИЕ
Приведенные показатели являются лишь частью разработанной и численно реализованной методики изучения здоровья населения математико-статистическими методами. Методика работает и приводит к результатам, соответствующим объективной реальности.
Прогнозируемые значения вероятностей заболеваемости и смертности важны не для будущего времени, а сейчас. Найденные вероятности — это индикаторы (показатели) нынешнего состояния нашей социально-экономической системы в целом и системы охраны общественного здоровья в частности. Реализация методики позволяет разложить комплексную, многофакторную проблему «сбережения здоровья и жизни населения» на отдельные составляющие, связанные с возрастнополовыми и медико-социальными показателями. Следовательно, речь идет об управляемости рассматриваемого процесса. Найденная конкретизация явлений и тенденций предполагает разработку комплекса локальных программ здравоохранения для преломления негативных процессов в состоянии здоровья населения. Вместе с тем, масштаб и анализ проблемы на примере региона подтверждает, что система здравоохранения не в состоянии самостоятельно обеспечить снижение смертности и достижение высоких показателей здоровья населения, так как многие источники опасности для здоровья находятся не в сфере функционирования здравоохранения, а связаны с образом жизни населения (алкоголизм, наркомания, курение, травматизм и др.). Здесь необходим государственный многоплановый подход и соответствующий уровень управления.
ЛИТЕРАТУРА
1. Лэмб М. Биология старения. — М.: Мир, 1980. — 206 с.
2. Оконенко Т.И. Региональные и возрастные особенности заболеваемости бронхиальной астмой и ассоциированными с нею болезнями в условиях воздействия аэрополлютан-тов (клинико-экспериментальное исследование). Дис. ... д-ра мед. наук. — Вел. Новгород, 2009.
3. Лисицин В.И. Смертность как показатель общественного здоровья населения (на примере Новгородской области) // Охрана здоровья населения — национальный приоритет государственной политики: Сб. науч. тр. Новгородского научного центра Северо-Западного отделения РАМН. — М.: Медицина, 2006. — Т. 5. — С. 133—137.
4. Решетников А.В., Шаповалова О.А. Здоровье как предмет изучения в социологии медицины. — М.: Гэотар-Медиа, 2008. — 64 с.
5. Разумов А.Н., Пономаренко В.А., Пискунов В.А. Здоровье здорового человека (Основы восстановительной медицины). — М.: Медицина, 1996. — 411 с.
6. Славин М.Б. Практика системного моделирования в медицине. — М.: Медицина, 2002. — 168 с.
7. Венедиктов Д.Д. Очерки системной теории и стратегии здравоохранения. — М.: 2008. — 336 с.
8. Щепин О.П., Белов В.Б. Роль здравоохранения в формировании общественного здоровья // Пробл. соц. гиг., здраво-охр. и истор. медицины. — 2007. — № 3. — С. 17—22.
9. Киселев А. С., Шестаков М.Г., Михайлов А.Ю. Зависимость здоровья населения от динамики уровня жизни. — М.: РИО ЦНИОЗ. — 2006. — 210 с.
10. Медик В.А., Токмачев М.С. Математическая статистика в медицине: учеб. пособие. — М.: Финансы и статистика, 2007. — 800 с.
11. Клементьев А.А. Использование методов математического моделирования для изучения общественного здоровья. — М.: Ин-т проблем управления АН СССР, 1989. — 313 с. — Рук. деп. в ВИНИТИ 31.07.89, № Д-18154.
12. Кирьянов Б.Ф., Токмачев М. С. Математические модели в здравоохранении: монография. — Великий Новгород: НовГУ им. Ярослава Мудрого, 2009. — 280 с.
13. Геронтология т бШсо: становление новой дисциплины: Математические модели, анализ данных и вычислительные эксперименты: Сб. науч. тр. / Под ред. Г. И. Марчука, В. Н. Анисимова, А. А. Романюхи, А. И. Яшина. — М.: БИНОМ; Лаборатория знаний, 2007. — 535 с.
14. Токмачев М. С. Разработка ряда показателей общественного здоровья на основе цепей Маркова // Приложение к: Вестник НовГУ. Сер.: Техн. науки. — 2004. — № 28. Препринт. — С. 3—7.
15. Токмачев М.С. Изучение общественного здоровья с помощью математических моделей // Вестник НовГУ. Сер.: Техн. науки. — 2005. — № 30. — С. 76—83.
16. Токмачев М.С. Разработка новых показателей общественного здоровья на основе статистических данных // Здоровье населения и приоритеты здравоохранения: Сб. науч. тр. Новгородского научного центра Северо-Западного отделения РАМН. — М.: Медицина, 2005. — Т. 4. — С. 119—127.
17. Рязанцев П.П., Токмачев М.С. Разработка программного комплекса для расчета новых показателей здоровья населения // Роль медицинской науки и здравоохранения в реализации демографической политики государства: Сб. материалов Всероссийской науч.-практ. конф. и тр. Новгородского научного центра Северо-Западного отделения РАМН — М.: Медицина, 2007. — Т. 6. — С. 214—219.
18. Современные региональные особенности здоровья населения и здравоохранения России / О.П. Щепин и др. — М.: Медицина, Шико, 2007. — 360 с.
Статья представлена к публикации членом редколлегии А.С. Манделем.
Токмачев Михаил Степанович — канд. физ.-мат. наук, профессор, Новгородский государственный университет им. Ярослава Мудрого,
Институт электронных и информационных систем, г. Великий Новгород, И tokm@mail.natm.ru.
