Марченко Борис Игоревич – д.м.н., доцент; профессор Института нанотехнологий, электроники и приборостроения
ул. Б. Садовая, д. 105/42, г. Ростов-на-Дону, 344006
Boris I. Marchenko, Dr. Sci. (Med.), docent; Professor, Department of Technosphere Safety and Chemistry, Institute of Nanotechnologies, Electronics and Equipment Engineering
105/42 Bolshaya Sadovaya Street, Rostov-on-Don, 344006
Нестерова Олеся Александровна – аспирант Института нанотехнологий, электроники и приборостроения
ул. Б. Садовая, д. 105/42, г. Ростов-на-Дону, 344006
Olesja А. Nesterova, Postgraduate, Department of Technosphere Safety and Chemistry, Institute of Nanotechnologies, Electronics and Equipment Engineering
105/42 Bolshaya Sadovaya Street, Rostov-on-Don, 344006
Тарасенко Карина Сергеевна – аспирант Института нанотехнологий, электроники и приборостроения
ул. Б. Садовая, д. 105/42, г. Ростов-на-Дону, 344006
Karina S. Tarasenko, Postgraduate, Department of Technosphere Safety and Chemistry, Institute of Nanotechnologies, Electronics and Equipment Engineering
105/42 Bolshaya Sadovaya Street, Rostov-on-Don, 344006
Введение. Высокую актуальность приобретает оптимизация информационно-аналитического обеспечения социально-гигиенического мониторинга на основе современных технологий математического моделирования и прогнозирования, многомерных статистических методов и искусственных нейронных сетей.
Цель исследования: ретроспективный и проспективный эпидемиологический анализ заболеваемости злокачественными новообразованиями в городе Таганроге Ростовской области за 1985–2022 гг.
Материалы и методы. Проведен комплексный анализ статистических отчетных форм и персонифицированной базы данных о злокачественных новообразованиях за многолетний период с применением факторного анализа, иерархического кластерного анализа, оценки реального риска и искусственных нейронных сетей. Использовано программное обеспечение собственной разработки, а также пакеты программ IBM SPSS Statistics, version 19.0, и Matlab R2021a с набором инструментов Neural Network Toolbox.
Результаты. Данные исследований свидетельствуют о неблагоприятной ситуации в городе Таганроге Ростовской области с превышением среднемноголетнего уровня частоты злокачественных новообразований для городов области в 1,3 раза и тенденцией к дальнейшему росту. Определены половозрастные особенности и приоритетные локализации злокачественных новообразований. На основе региональных критериев оценки реального риска установлено, что Таганрог по онкологической заболеваемости и смертности, а также по семи отдельным локализациям занимает среди городов первое ранговое место. Наиболее высокий реальный риск диагностирован для злокачественных новообразований молочной железы и кожи. С применением факторного анализа и иерархического кластерного анализа изучена структура факторов риска при злокачественных новообразованиях ободочной кишки за 1988–2019 гг. Применение метода искусственных нейронных сетей обеспечило более высокую точность при среднесрочном прогнозировании частоты злокачественных новообразований по сравнению с экстраполяционным прогнозированием по теоретическим линиям тенденций.
Заключение. Применение многомерных статистических методов и искусственных нейронных сетей обеспечивает высокоинформативную характеристику состояния здоровья населения на популяционном уровне.
Introduction: Optimization of information and analytical support for public health monitoring based on modern techniques of mathematical modeling and forecasting, multivariate statistical methods and artificial neural networks is becoming highly relevant.
Objective: To conduct a retrospective and prospective epidemiological analysis of the incidence of malignant neoplasms in the city of Taganrog, Rostov Region, for 1985–2022.
Materials and methods: We did a comprehensive long-term data analysis of statistical reporting forms and a personalized database of malignant neoplasms using factor analysis, hierarchical cluster analysis, real risk assessment, and artificial neural networks. We used software of our own design, as well as software packages IBM SPSS Statistics version 19.0 and Matlab R2021a with the Neural Network Toolbox.
Results: Our findings indicate an unfavorable situation in the city of Taganrog, Rostov Region, with a 1.3-fold excess of the average annual cancer rate for the cities of the region and a continuous rising trend. Sex and age characteristics and priority cancer sites were determined. Based on regional criteria for assessing the real risk, we established that Taganrog ranks first in terms of cancer incidence and mortality, as well as seven cancer sites. The highest real risk has been found for breast and skin cancer. Using factor analysis and hierarchical cluster analysis, we examined the structure of risk factors for colon cancer in 1988–2019. The applied technique of artificial neural networks provided higher accuracy in the medium-term forecasting of the frequency of malignant neoplasms compared to extrapolation forecasting using theoretical trend lines.
Conclusion: The use of multivariate statistical methods and artificial neural networks provides a highly informative characterization of the health status of the population.
The authors declare that there are no conflicts of interest present.