Прогнозирование тенденций эпидемической ситуации по туберкулезу с применением имитационной динамической модели

Введение. В Свердловской области сохраняется высокий уровень распространенности ВИЧ-инфекции и туберкулеза, что влияет на результативность противотуберкулезных мероприятий. Новая коронавирусная инфекция в течение ряда лет заставляет перераспределять ограниченные ресурсы здравоохранения субъекта Российской Федерации. Это определяет необходимость разработки научно-обоснованных методов анализа и прогнозирования развития эпидемического процесса при туберкулезной инфекции в регионе.

Цель работы – научное обоснование метода прогнозирования эпидемической ситуации по туберкулезу на территории субъекта с множеством муниципальных образований с построением математических моделей и применением искусственного интеллекта.

Материалы и методы. Исходным материалом для исследования послужили статистические данные, полученные в период 2007–2012 гг. из официальных форм государственной статистической отчетности: форма № 8 «Сведения о заболеваниях активным туберкулезом», форма № 33 «Сведения о больных туберкулезом», форма 089-у/туб, данные Федерального регистра больных туберкулезом, полицевых регистров учета больных туберкулезом учреждений здравоохранения Свердловской области. Обработка информации проводилась с применением MS Excel, составлены комплексные аналитические таблицы абсолютных значений и эпидемиологических коэффициентов. С применением технологии искусственного интеллекта разработана математическая имитационная динамическая модель эпидемической ситуации по туберкулезу на уровне региона и в разрезе 63 муниципальных образований Свердловской области.

Результаты. Сравнение прогнозных значений, сделанных в 2017 г., с фактическими значениями 2018–2021 гг. выявило достоверное совпадение тенденции движения эпидемиологических показателей туберкулеза в регионе, максимальное отклонение составило не более 14,8 %.

Обсуждение. Предложенная динамическая модель позволила выявить, достоверно рассчитать и графически отобразить тенденции движения значений изучаемых характеристик эпидемического процесса туберкулеза, несмотря на незначительное расхождение фактических и прогнозных значений.

Заключение. Результаты прогноза, полученные с помощью имитационной динамической модели, могут быть использованы в практике при оперативном планировании ресурсов для реализации мероприятий по противодействию распространению туберкулеза на региональном уровне.

1. Сюнякова Д.А. Особенности эпидемиологии туберкулеза в мире и в России в период 2015–2020 гг. Аналитический обзор. Социальные аспекты здоровья населения. 2021;67(3):11. https://doi.org/10.21045/2071-5021-2021-67-3-11.

2. Нечаева О.Б., Подымова А.С. Влияние ВИЧ-инфекции на демографическую ситуацию в России. Медицинский альянс. 2018;1:6–15.

3. Астрелин А.М. Тенденции заболеваемости, распространенности и смертности от ВИЧ-инфекции и туберкулеза в регионах России в XXI веке. Демографическое обозрение. 2020;7(4):82–107.

4. Стародубов В.И., Кадыров Ф.Н., Обухова О.В. с соавт. Аналитический доклад: Влияние коронавируса COVID-19 на ситуацию в российском здравоохранении. Центральный научно-исследовательский институт организации и информатизации здравоохранения Министерства здравоохранения Российской Федерации. М : 2020. 45 с. URL: https://mednet.ru/images/materials/news/doklad_cniioiz_po_COVID-19-2020_04_26.pdf

5. Waaler HT, Geser A, Andersen S. The use of mathematical models in the study of the epidemiology of tuberculosis. Am J Public Health Nations Health. 1962;52(6):1002–1013. https://doi.org/10.2105/ajph.52.6.1002.

6. Brogger S. Systems analysis in tuberculosis control: a model. Am Rev Respir Dis. 1967;95(3):419–434. https://doi.org/10.1164/arrd.1967.95.3.419.

7. Styblo K, Bumgarner JR. Tuberculosis can be controlled with existing technologies: evidence. The Hague: Tuberculosis Surveillance Research Unit Progress Report. 1991. pp. 60–72

8. Vynnycky E, Fine PE. The natural history of tuberculosis: the implications of age dependent risks of disease and the role of reinfection. Epidemiol Infect. 1997;119(2):183–201. https://doi.org/10.1017/s0950268897007917.

9. Сазыкин В.Л. Анализ противотуберкулезной работы в Оренбургской области с помощью метода интегральной оценки и компьютерной программы Rang. Вестник Оренбургского государственного университета. 2004;10:127–131.

10. Авилов К.К., Романюха А.А. Математические модели распространения и контроля туберкулеза. Математическая биология и биоинформатика. 2007;2(2):188–318. URL: http://www.matbio.org/downloads/Avilov2007(2_188).pdf

11. Гланц С. Медико-биологическая статистика. Пер. с англ. М : Практика ; 1998. C. 81–96.

12. Ansari A. Forecast error calculation with mean squared error (MSE) and mean absolute percentage error (MAPE). JINAV. 2020;1(2). https://doi.org/10.35877/454RI.jinav303.

13. Myttenaere A, Golden B, Le Grand B et al. Mean absolute percentage error for regression models. Neurocomp. 2016;192:38–48. https://doi.org/10.1016/j.neucom.2015.12.114.

14. Makridakis S, Michele H. Accuracy of forecasting: an empirical investigation. J R Statist Soc A. 1979;142(2):97–145. https://doi.org/10.2307/2345077.

15. Goodwin P, Lawton R. On the asymmetry of the symmetric MAPE. Int J Forecast. 1999;15(4):405–408. https://doi.org/10.1016/S0169-2070(99)00007-2.

16. Patrignani C. Review of particle physics. Chin Phys C. 2016;40:100001. https://doi.org/10.1088/1674-1137/40/10/100001.

17. Светуньков И. Оценка качества прогнозных моделей [электронный источник]. URL: https://forecasting.svetunkov.ru/etextbook/forecasting_toolbox/models_quality

18. Кондратьев М.А. Методы прогнозирования и модели распространения заболеваний. Компьютерные исследования и моделирование. 2013;5(5):863–882.

19. Лопатин А.А., Сафронов В.А., Раздорский А.С., Куклев Е.В. Современное состояние проблемы математического моделирования и прогнозирования эпидемического процесса. Проблемы особо опасных инфекций. 2010;3:28–30.

20. Бароян О.В., Рвачев Л.А. Математика и эпидемиология. М : Знание ; 1977. С. 28 [Электронный ресурс]. URL: https://www.mathedu.ru/text/baroyan_rvachev_matematika_i_epidemiologiya_1977/p28

21. Гришунина Ю.Б., Контаров Н.А., Архарова Г.В., Юминова Н.В. Моделирование эпидемической ситуации с учетом внешних рисков. Эпидемиология и вакцинопрофилактика. 2014;5(78):61–66.

22. Гришунина Ю.Б., Контаров Н.А., Архарова Г.В., Юминова Н.В. Статистический анализ параметров модели эпидемической ситуации. Эпидемиология и вакцинопрофилактика. 2015;14(5–84):13–20.

23. Blower SM, McLean AR, Porco TC et al. The intrinsic transmission dynamics of tuberculosis epidemics. Nat Med. 1995;1(8):815–821. https://doi.org/10.1038/nm0895-815.

24. Williams BG, Granich R, Chauhan LS et al. The impact of HIV/AIDS on the control of tuberculosis in India. Proc Natl Acad Sci USA. 2005;102(27):9619–9624. https://doi.org/10.1073/pnas.0501615102.

25. Овчинникова Е.Л. Факторный анализ развития эпидемиологического и инфекционного процессов туберкулеза у детей в условиях крупного промышленного центра Западной Сибири : автореф. дис. … канд. мед. наук. – Омск. 1999. URL: https://rusneb.ru/catalog/000199_000009_000224243

26. Чижова О.В. Исследование и прогнозирование эпидемиологических показателей туберкулезного процесса: автореф. дис. … канд. мед. наук. – Москва, 2004. URL: https://rusneb.ru/catalog/000199_000009_002768770/

27. Khubaeva NG. Methods of analysis and prognostication of a number of indicators in tuberculosis. Probl Tuberk. 2001;(6):30–33. (In Russ.).

28. Паролина Л.Е., Докторова Н.П., Отпущенникова О.Н. Социально-экономические детерминанты и математическое моделирование в эпидемиологии туберкулеза (обзор литературы). Современные проблемы науки и образования. 2020;6. URL: https://science-education.ru/ru/article/view?id=30333

29. Авилов К.К., Романюха А.А. Математическое моделирование процессов распространения туберкулеза и выявления больных. Автоматика и телемеханика. 2007;9:145–160

30. Melnichenko O, Romanyukha A. A model of tuberculosis epidemiology: Estimation of parameters and analysis of factors influencing the dynamics of an epidemic process. Russian Journal of Numerical Analysis and Mathematical Modelling. 2008;23(1):63–75. https://doi.org/10.1515/rnam.2008.004.

31. Елтошкина Е.В., Бодякина Т.В. Построение модели влияния социальных факторов на динамику заболевания туберкулезом. Проблемы и перспективы формирования здорового образа жизни в информационном обществе : сборник статей междунар. науч.-практ. конф. Иркутск : Мегапринт ; 2017. С. 30–37. URL: http://195.206.39.221/fulltext/i_002993.pdf#page=30.

32. Авилов К.К., Романюха А.А., Белиловский Е.М., Борисов С.Е. Сравнение схем моделирования естественного течения туберкулеза органов дыхания. Математическая биология и биоинформатика. 2019;14(2):570–587. https://doi.org/10.17537/2019.14.570.

33. Cherniaev IA, Chernavin PF, Tsvetkov AI et al. Forecasting trends in the tuberculosis epidemic situation in the region of the Russian Federation by dynamic simulation model. Stud Health Technol Inform. 2022;299:235–241. https://doi.org/10.3233/SHTI220990.