Журавлев Петр Васильевич – д.м.н., заведующий лабораторией санитарной микробиологии водных объектов и микробной экологии человека
пер. Газетный, 119, г. Ростов-на-Дону, 344000
Piotr V. Zhuravlev, Dr. Sci. (Med.), Head of the Laboratory of Sanitary Microbiology of Water Bodies and Human Microbial Ecology
119 Gazetny Lane, Rostov-on-Don, 344000
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
Введение. При ведении социально-гигиенического мониторинга к ключевым направлениям предупреждения распространения через водную среду инфекционных заболеваний относятся санитарно-микробиологические исследования, проводимые в целях оценки и прогнозирования состояния поверхностных источников питьевой воды, а также используемых для рекреационной деятельности водоемов и водотоков.
Цель исследования: анализ результатов санитарно-бактериологических исследований воды участка Нижнего Дона с определением тенденций и сезонности за многолетний период, а также сравнительная оценка точности среднесрочного прогнозирования на основе методов регрессионного моделирования и искусственных нейронных сетей.
Материалы и методы. Применены результаты санитарно-бактериологических исследований 540 проб речной воды, отобранных в акватории города Азов Ростовской области в 2005-2020 гг. Определялось содержание патогенных энтеробактерий (сальмонелл), потенциально патогенных бактерий (клебсиелл и синегнойных палочек), а также общих, термотолерантных и глюкозоположительных колиформных бактерий. При проведении статистического анализа материалов исследования применялся специально созданный софт, а также программные комплексы IBM SPSS Statistics версии 20.0 и Matlab R2021a с включенным в нее модулем Neural Network Toolbox.
Результаты. Анализ результатов выявил высокий уровень бактериального загрязнения воды в нижнем течении реки Дон, в том числе потенциально патогенными и патогенными микроорганизмами, что свидетельствует о существенном потенциальном эпидемическом риске возникновения и распространения кишечных инфекций. Выявлены тенденции к увеличению содержания в речной воде термотолерантных колиформных бактерий, Klebsiella spp. и Pseudomonas aeruginosa; также определены сезонные особенности содержания исследуемой микрофлоры.
Выводы. Использование при проспективном анализе нейросетевых моделей, как было доказано, предоставляет возможность получать более точные среднесрочные прогнозы санитарно-бактериологических показателей речной воды, чем при применении метода экстраполяционного прогнозирования на основе регрессионного анализа. Выявление сезонных особенностей санитарно-бактериологических характеристик речной воды позволяет определять границы временных интервалов с высокой вероятностью распространения водообусловленных инфекционных заболеваний.
Introduction: When conducting environmental public health surveillance, the key areas for preventing the spread of waterborne diseases include microbiological testing aimed to assess and predict the quality of surface sources for drinking water and of recreational water bodies and watercourses.
Objectives: To analyze the results of bacteriological testing of the Lower Don water samples, to establish long-term pollution trends and seasonality, and to compare the accuracy of medium-term forecasting based on regression modeling and artificial neural networks.
Materials and methods: We used the results of bacteriological testing of 540 river water samples taken in the water area of the city of Azov, Rostov Region, in 2005–2020 for pathogenic Enterobacteriaceae (Salmonella spp.), opportunistic pathogens (Klebsiella spp. and Pseudomonas aeruginosa), and general, thermotolerant and glucose-positive coliforms. Specially created software, as well as IBM SPSS Statistics version 20.0 and Matlab R2021a with the Neural Network Toolbox module were used for statistical data analysis.
Results: We established high levels of bacterial water pollution in the lower reaches of the Don River with opportunistic and pathogenic microorganisms posing a high epidemic risk of the occurrence and spread of intestinal infections. We also observed rising trends in the density of thermotolerant coliforms, including Klebsiella spp. and Pseudomonas aeruginosa, in river water and their seasonal fluctuations.
Conclusions: Compared to extrapolative forecasting based on regression analysis, the use of neural network models in prospective analysis enables more accurate medium-term forecasts of bacteriological quality parameters of river water. Identification of their seasonal fluctuations facilitates determination of time spans with a high probability of the spread of waterborne infectious diseases.
The authors declare that there are no conflicts of interest present.