Каскадная модель для оценки и прогнозирования предотвращенных потерь здоровью в результате контрольно-надзорной деятельности Роспотребнадзора

Введение. Решение проблем, связанных с уменьшением показателей заболеваемости и смертности, увеличением ожидаемой продолжительности жизни (ОПЖ) населения, является одной из стратегических целей развития Российской Федерации (РФ). Согласно указу президента РФ «О национальных целях развития Российской Федерации на период до 2030 года», установлен целевой показатель повышения ОПЖ до 78 лет¹. В рамках «Единого плана по достижению национальных целей развития Российской Федерации на период до 2024 года и на плановый период до 2030 года»² планируется снижение смертности от всех причин до 11,5 на 1000 населения, в том числе за счет приоритетных причин – болезней системы кровообращения, новообразований.

В многочисленных исследованиях показано влияние факторов среды обитания, в том числе загрязнения атмосферного воздуха, питьевой воды, почв селитебных территорий, на показатели заболеваемости и смертности населения [1–8]. Кроме того, негативное воздействие на здоровье населения оказывают физические факторы (шум, вибрация, электромагнитное излучение), социально-экономические и др. [9] В свою очередь, дополнительная, связанная с воздействием факторов, смертность, приводит к уменьшению ожидаемой продолжительности жизни, а заболеваемость – к уменьшению продолжительности здоровой жизни [10]. Часть дополнительной (ассоциированной) заболеваемости и смертности может быть снижена за счет управленческих и/или профилактических действий, в том числе в результате деятельности органов и организаций Роспотребнадзора [11]. В этом случае можно оперировать понятиями «предотвращенная заболеваемость и смертность», количественные выражения которых, по сути, являются мерой сохранения здоровья [12]. По ассоциированным и предотвращенным случаям может быть выполнена оценка экономических ущербов [13–19].

Традиционным способом оценки и прогноза ассоциированных и предотвращенных потерь здоровью является использование множественных линейных регрессионных моделей в тройственной системе «контрольно-надзорная деятельность (КНД) Роспотребнадзора – качество объектов окружающей среды – заболеваемость и смертность населения» [20]. Особенно популярно использование линейных моделей для звена «показатели качества среды обитания – показатели заболеваемости и смертности населения». К основным преимуществам линейных моделей относится простота интерпретации полученных результатов, очевидность вкладов воздействующих факторов. В некоторых исследованиях показано, что по сравнению с нейронными сетями регрессионные модели обладают сопоставимой точностью при прогнозировании [21]. Тем не менее, когда число воздействующих факторов измеряется десятками, представляется целесообразным использование нейросетевых моделей, имеющих отличную предсказательную силу [22–31]. Использование комбинированных моделей на основе Ли-Картер алгоритма и нейронных сетей позволяет повысить точность прогнозных оценок [32].

К недостаткам и ограничениям рассмотренных подходов следует отнести монокомпонентность рассматриваемых откликов со стороны здоровья. Кроме того, для идентификации параметров и успешного построения точной нейронной сети требуется большое количество данных, особенно при многофакторном воздействии. В этой связи авторы статьи предлагают новый современный подход, позволяющий преодолеть указанные проблемы.

Целью исследования является совершенствование подходов к оценке предотвращенных потерь здоровью населения в результате контрольно-надзорной деятельности органов и организаций Роспотребнадзора.

Для достижения поставленной цели решены следующие задачи:

• предложена новая концептуальная схема каскадной модели для оценки и прогнозирования предотвращенных потерь здоровью в тройственной системе «КНД Роспотребнадзора (РПН) – показатели качества среды обитания (СО) – здоровье населения»;
• для снижения размерности входных данных выполнен факторный анализ показателей КНД Роспотребнадзора;
• выполнено нейросетевое моделирование для установления связей между общими факторами, полученными в результате факторного преобразования, и показателями качества СО;
• определены параметры множественных регрессионных моделей между показателями качества СО и заболеваемостью по классам заболеваний, смертностью по причинам болезней с учетом деления на возрастные группы;
• выполнена оценка предотвращенных случаев заболеваемости и смертности населения, а также связанных с ними предотвращенных потерь ожидаемой продолжительности жизни за счет КНД в целом по Российской Федерации.

Таким образом, в рамках представленной статьи предлагается инновационный подход с комбинированным использованием линейных регрессионных и нейросетевых моделей. В результатах работы приводится сравнение с оценками, полученными по классической схеме «КНД Роспотребнадзора – качество объектов окружающей среды – заболеваемость и смертность населения» с использованием только линейных моделей.

Материалы и методы. В работе использованы методы системного анализа, математического моделирования, статистического, регрессионного и нейросетевого анализа.

На рисунке приведена схема предлагаемой каскадной модели для оценки и прогнозирования предотвращенных потерь здоровью. В соответствии со схемой выполняется последовательная процедура расчета потерь здоровью, не предусматривающая возвращение на предыдущие этапы. Указанные на схеме связи помимо статистической значимости должны удовлетворять критериям медико-биологических экспертиз между воздействующими показателями и ответами. Следует отметить, что при построении моделей прочие специфичные факторы, характеризующие региональные особенности (климатические особенности, характер питания, национальность и пр.) и влияющие на здоровье, не учитывались.

В качестве первичного звена в предложенной схеме рассматриваются только показатели контрольно-надзорной деятельности, приведенные в форме ведомственного статистического наблюдения: Форма 1 «Сведения о результатах осуществления федерального государственного надзора территориальными органами Роспотребнадзора», а также другие показатели, которые могут быть получены расчетным путем из показателей формы. На основе экспертного анализа специалистами в области организации здравоохранения и медицины было отобрано более 1000 показателей КНД, которые могут оказывать влияние на качество среды обитания. Для снижения размерности матрицы исходных данных проведен факторный анализ системы показателей КНД Роспотребнадзора по данным 2010–2021 гг. в разрезе субъектов Российской Федерации. Перед факторным анализом выполнена предварительная подготовка данных с учетом:

• удаления показателей с малым числом наблюдений;
• процедуры заполнения пустот, которая основана на подстановке среднего значения для конкретного региона РФ по временному ряду 2010–2021 гг.; если для региона отсутствуют данные для всего временного ряда, тогда используются средние значения по всей исходной выборке;
• заполнения матрицы экспертных оценок потенциальных связей между показателями, характеризующих контрольно-надзорную деятельность Роспотребнадзора, и факторами СО (доли проб, не соответствующих гигиеническим нормативам).

В табл. 1 приведены результаты снижения размерности исходных данных (шести факторных анализов).

В качестве экспозиции факторов среды обитания (показатели качества СО на схеме) выступают доли проб, не соответствующих гигиеническим нормативам, по данным федерального информационного фонда социально-гигиенического мониторинга (ФИФ СГМ). Связь между общими факторами, характеризующими деятельность Роспотребнадзора (РПН), и показателями качества среды обитания устанавливается методами нейросетевого анализа. Построение нейронных сетей проводилось с использованием библиотеки neuralnet в программном продукте R. Идентификация параметров нейросети выполнялась методом обратного распространения (Back Propagation). Для каждого показателя качества среды обитания построена собственная нейросетевая модель по принципу «множество входов – один выход». В каждом случае подбиралась оптимальная двуслойная модель. Перебор количества нейронов осуществлялся между 3 и 8 на первом внутреннем слое и между 2 и 6 на втором внутреннем слое, при этом на втором слое всегда использовалось меньшее количество нейронов, чем на первом внутреннем слое. Обучение сети проводилось на случайно выбранных 75 % наблюдений. Проверка нейросетевой модели выполнялась на контрольной выборке (остальные 25 % наблюдений). При построении моделей использован временной лаг в 1 год, то есть предположение, что действия Роспотребнадзора в текущем календарном году проявляются в изменении показателей среды обитания только в следующем календарном году. Все построенные сети имеют два внутренних слоя нейронов, также можно отметить, что чаще всего на первом слое содержится четыре нейрона, а на втором – два нейрона. Всего построено 35 нейросетевых моделей – только для тех показателей качества среды обитания, по которым получены множественные регрессионные модели с заболеваемостью и смертностью населения.

Для оценки связей между показателями качества СО и заболеваемостью и смертностью населения использованы линейные множественные регрессионные модели. В качестве ответов со стороны здоровья населения выступают показатели заболеваемости по классам болезней, а также показатели смертности по основным классам болезней в разрезе субъектов Российской Федерации за 2010–2022 гг. в разрезе трех непересекающихся возрастных групп (детское население (0–17), население трудоспособного возраста, население старше трудоспособного возраста). Данные по смертности в разрезе данных возрастных групп представлены в ежегодных статистических сборниках «Медико-демографические показатели Российской Федерации» Министерства здравоохранения России. Данные по заболеваемости получены из ежегодных статистических сборников «Заболеваемость населения России» ФГБУ «Центрального научно-исследовательского института организации и информатизации здравоохранения» и в процессе подготовки были пересчитаны для этих же трех непересекающихся возрастных групп. Заболеваемость детского населения (0–17) получена через суммирование заболеваемости детей (0–14) и подростков (15–17); заболеваемость трудоспособного возраста получена через разность заболеваемости взрослого населения и заболеваемости населения старше трудоспособного возраста. Общий вид зависимости представлен множественной регрессионной моделью:

где y_jk – заболеваемость или смертность населения по j-й причине для k-й возрастной группы, сл./100 000 населения);

x_i – значение i-го показателя качества СО;

a_0jk – коэффициент модели, обозначающий фоновый уровень показателя здоровья при нулевом значении показателя качества среды обитания;

aijk – коэффициенты модели, характеризующие влияние i-го показателя качества СО на показатель смертности или заболеваемости населения по j-й причине для k-й возрастной группы.

Коэффициент a_ijk характеризует изменение ответа (показателя заболеваемости или смертности) в сл./100 000 населения при изменении фактора на единицу (например, на 1 % проб, не соответствующих нормативу). Количество случаев нарушений здоровья, предотвращенных в результате КНД Роспотребнадзора, определяется по всей каскадной схеме как разность оценок, полученных в двух сценариях: при фактических уровнях показателей КНД и минимально возможных (нулевых). Коэффициенты моделей (1) определяются методом наименьших квадратов.

Разработаны новые подходы, позволяющие выполнить оценку сокращения числа лет модифицированного показателя ОПЖ по предотвращенным случаям заболеваний и смертей в возрастных группах, для которых получены модели (1). Отличие данного показателя от обычного ОПЖ заключается в том, что он учитывает в себе предотвращенные потери здоровью не только за счет смертности, но и за счет заболеваемости, то есть характеризует предотвращенные потери продолжительности здоровой жизни. Модифицированный показатель ожидаемой продолжительности жизни рассчитывается стандартным алгебраическим расчетом на основе модифицированных повозрастных коэффициентов смертности s’_l, рассчитываемых по формуле:

где s_fl – фактический показатель смертности в l-й пятилетней возрастной группе,

L_l – коэффициент перерасчета модифицированного коэффициента смертности из k-й возрастной группы в l-ю пятилетнюю группу,

Δs_ijk – значение показателя смертности населения по j-й причине для k-й возрастной группы, предотвращенное в результате влияния КНД на i-й показатель качества СО;

Δz_ijk – значение показателя смертности населения по j-й причине для k-й возрастной группы, предотвращенное в результате влияния КНД на i-й показатель качества СО;

g_j – показатель тяжести для j-го заболевания.

Предотвращенные случаи смерти складываются с предотвращенными случаями заболеваний, умноженными на тяжесть, в крупной возрастной группе k (детское население, население трудоспособного возраста, население старше трудоспособного возраста). Таким образом, получается предотвращенный модифицированный коэффициент смертности в k-й возрастной группе. Для переноса этого коэффициента на пятилетний возрастной интервал l используется поправочный коэффициент L_l. Значение коэффициента Ll равно 1/3 для пятилетних возрастов до 14 лет, 1/9,5 для возрастов – от 15 до 64 лет, 1/5 для пятилетних возрастов – старше 65 лет.

Результаты. Для иллюстрации работоспособности предложенных подходов выполнена апробация на примере Российской Федерации в целом. В табл. 2, 3 приведены результаты оценки абсолютных и относительных (на 100 000 населения) предотвращенных случаев за счет КНД, а также доли предотвращенных случаев от фактических показателей здоровья в 2022 г. в целом по РФ с агрегацией по причинам заболеваемости и смертности.

Наибольшее количество предотвращенных случаев по заболеваемости населения наблюдается по классам болезней органов дыхания – 2 810 543 случая (1930,9 случая на 100 000 населения), болезней костно-мышечной системы и соединительной ткани – 1 183 037 (812,8 случая на 100 000 населения), болезней органов пищеварения – 539 194 случая (370,4 случая на 100 000 населения). По предотвращенным случаям смерти лидирующее место занимают следующие причины: болезни системы кровообращения – 23 642 (16,2 случая на 100 000 населения), болезни органов пищеварения – 14 712 случаев (10,1 случая на 100 000 населения), болезни органов дыхания – 12 427 случаев (8,5 случая на 100 000 населения).

Результаты показали, что доля предотвращенных случаев заболеваемости от фактических уровней для всего населения варьируется от 0,8 до 32,6 % в зависимости от класса заболеваний. Всего около 4,8 % случаев от общей заболеваемости предотвращено в результате КНД. Доля предотвращенных случаев смертности от фактических уровней для всего населения варьируется от 1,8 до 13,4 % в зависимости от класса причин смерти. Всего около 2,6 % случаев от общей смертности предотвращено в результате КНД. Предотвращенные потери модифицированного показателя ОПЖ за счет КНД составили в целом около 1,14 года.

Обсуждение. Оценки, полученные по классической схеме «КНД Роспотребнадзора – показатели СО – заболеваемость и смертность населения» с использованием только линейных моделей показывают, что в результате КНД предотвращено около 4,3 млн случаев заболеваний и 32 тыс. случаев смертей, что на 18,4 и 45,3 % соответственно ниже уровней, полученных с комбинированным использованием линейных регрессионных и нейросетевых моделей (табл. 2, 3). Данный результат объясняется тем, что нейросетевые модели позволяют уловить более тонкие зависимости между фактором и ответом, которые могут быть не обнаружены в рамках линейного подхода. По данным исследований десятилетней давности [11] 2013 г. предотвращено порядка 160 тыс. случаев смертей и более 2 млн случаев заболеваний, которые состоялись бы в условиях отсутствия адекватных контрольно-надзорных мер в сфере обеспечения санитарно-эпидемиологического благополучия населения. Можно видеть разнонаправленный характер изменений, за 10 лет количество предотвращенных случаев заболеваний выросло примерно в 2–2,5 раза, а предотвращенная смертность показала снижение в 5 раз. Таким образом, управляемая смертность достигла некоторого предела насыщения и дальнейшее повышение показателей КНД не будет оказывать значимого эффекта.

Следует отметить, что на данные за 2020–2022 гг. значительное влияние оказало распространение инфекции COVID-19, кроме того, нормативное регулирование КНД в этот период претерпело существенные изменения. В то же время данные последних лет являются самыми актуальными, наиболее адекватно характеризующими текущую ситуацию в исследуемом процессе, поэтому их исключение может оказать критическое значение. Дополнительно отметим, что 2–3 года в статистической информации – это только около 20 % от всех наблюдений, поэтому их вес при построении моделей не является высоким. Также наблюдается преимущественная однонаправленность изменения показателей по заболеваемости и смертности при расширении диапазона данных на новый год, что не влияет на вариативность показателей, а только корректирует коэффициенты моделей. С учетом представленных доводов сделан вывод о целесообразности использования данных за все имеющиеся в статистической информации года для построения математических моделей без внесения дополнительных корректировок.

Апробация предложенных подходов показала их применимость для получения адекватных оценок. Окончательные выводы об эффективности новых подходов с использованием нейросетевых моделей можно будет делать после проведения более обширной программы численных экспериментов. Следует отметить, что в ходе исследования результаты сценарного прогнозирования показали, что построенные нейросетевые модели обладают разной чувствительностью к изменению вектора входных переменных. В этой связи целесообразно выполнить расширенное исследование построенных нейросетей на устойчивость и чувствительность к изменению входных данных. Одним из вариантов решения указанной проблемы является проведение предварительного корреляционно-регрессионного анализа для отбора значимых показателей КНД, другой вариант – устранение слабовлияющих показателей из рассмотрения по результатам прогноза построенной нейронной сети.

Ограничение исследования. При пополнении временного ряда новыми данными требуется перепостроение нейросетевых моделей, так как используемые алгоритмы не предполагают дообучение. В этом случае возникает существенная потребность в вычислительных и временных ресурсах для повторного построения актуальных моделей. Кроме того, построенные модели работают только на том диапазоне значений входных переменных, на которых они обучены, что ограничивает их предсказательную силу.

Заключение. Таким образом, предложена новая концептуальная схема для оценки и прогнозирования предотвращенных потерь здоровью в тройственной системе «контрольно-надзорная деятельность Роспотребнадзора – среда обитания – здоровье населения». Получены новые коэффициенты нейросетевых моделей и коэффициенты модели факторного преобразования, позволяющие выполнять сценарное прогнозирование значений показателей СО в зависимости от значений показателей, характеризующих контрольно-надзорную деятельность. Разработан новый инструментарий для оценки и прогнозирования предотвращенных потерь (случаи заболевания, смерти) в результате контрольно-надзорной деятельности органов и организаций Роспотребнадзора.

Результаты работы в дальнейшем могут быть использованы для оценки связанных с потерями здоровью экономических ущербов и оценки эффективности и результативности КНД. Для выявления приоритетных видов деятельности и мероприятий КНД требуется проведение дополнительных численных экспериментов, что может являться предметом дальнейших исследований. Также в качестве возможных путей развития следует отметить задачу автоматизации (разработки программного обеспечения) для оперативного выполнения расчетов.