Preview

Здоровье населения и среда обитания – ЗНиСО

Расширенный поиск

Картографический анализ эпидемиологической ситуации по туберкулезу в регионе с низким уровнем заболеваемости туберкулезом

https://doi.org/10.35627/2219-5238/2024-32-11-50-56

Содержание

Перейти к:

Аннотация

Введение. Снижение заболеваемости туберкулезом в субъектах Российской Федерации сопровождается пространственной неоднородностью в распределении впервые выявленных случаев заболевания ТБ в муниципальных районах, входящих в их состав, что требует оптимизации планирования ежегодных периодических осмотров, направленных на раннее выявление ТБ среди населения.

Цель исследования: изучение пространственного распределения впервые выявленных случаев заболевания туберкулезом в муниципальных районах Калужской области.

Материалы и методы. Сведения из форм Росстата № 8 и 30 за 2019–2023 гг. Картографирование и пространственный анализ проведены с использованием «Свободной географической информационной системы с открытым кодом» (QGIS), v. 3.36.1 (https://qgis.org/ru/site/) и программы Statistica (https://www.tibco.com/). Для анализа использованы коэффициент корреляции (r) и критерий Фишера (F-критерий). Различия признавались достоверными при р < 0,05.

Результаты. На территории Калужской области определено два кластера, в которых проживало 459 впервые выявленных пациентов с ТБ. В Северном кластере было зарегистрировано 75 % пациентов с впервые выявленным ТБ. Плотность проживания пациентов с ТБ в Северном кластере на территории площадью 1 км2 была в 4 раза выше по сравнению с Южным кластером. Доля выявленных пациентов с ТБ в Северном кластере в 2021 г. составляла 71,7, в 2022 г. – 78,8, в 2023 г. – 79 % от их общего числа, что свидетельствовало о более высоком риске распространения ТБ среди населения, проживающего на этой территории.

Заключение. Анализ пространственного распределения впервые выявленных случаев заболевания ТБ в муниципальных районах субъектов РФ с использованием методов кластерного анализа позволяет своевременно принять меры по оптимизации планирования ежегодных периодических осмотров, направленных на раннее выявление ТБ среди населения.

Для цитирования:


Лапшина И.С., Захарова М.В., Цыбикова Э.Б. Картографический анализ эпидемиологической ситуации по туберкулезу в регионе с низким уровнем заболеваемости туберкулезом. Здоровье населения и среда обитания – ЗНиСО. 2024;32(11):50-56. https://doi.org/10.35627/2219-5238/2024-32-11-50-56

For citation:


Lapshina I.S., Zakharova M.V., Tsybikova E.B. Mapping the Distribution of Detected Cases in the Region with a Low Tuberculosis Incidence Rate. Public Health and Life Environment – PH&LE. 2024;32(11):50-56. (In Russ.) https://doi.org/10.35627/2219-5238/2024-32-11-50-56

Введение. За последние годы в России заболеваемость туберкулезом (ТБ) ежегодно снижается: за период с 2016 по 2023 г. ее значение снизилось в 1,8 раза и в 2023 г. составляло 29,6 на 100 тыс. населения [1]. В Калужской области снижение заболеваемости ТБ происходило более интенсивно, и за этот же период времени ее значение снизилось в 2,4 раза и в 2023 г. составляло 17,1 на 100 тыс. населения. Вместе с тем в субъектах Российской Федерации (РФ) наблюдается значительная неравномерность в уровнях заболеваемости ТБ, которая прослеживается и внутри каждого субъекта РФ [2–6]. Научных работ, посвященных изучению пространственной дифференциации заболеваемости ТБ в субъектах РФ, немного [7][8]. Среди них преобладают работы, посвященные проблеме пространственного распределения очагов ТБ инфекции, для визуализации которых используется картографический метод на основе геоинформационных систем (ГИС) [9–11].

Снижение заболеваемости ТБ в субъектах РФ сопровождается пространственной неоднородностью в распределении впервые выявленных случаев заболевания ТБ в муниципальных районах, входящих в их состав, что требует оптимизации планирования ежегодных периодических осмотров, направленных на раннее выявление ТБ среди населения.

Цель исследования: изучение пространственного распределения впервые выявленных случаев заболевания туберкулезом в муниципальных районах Калужской области

Материалы и методы. Проведено ретроспективное картографическое исследование впервые выявленных случаев туберкулеза в Калужской области в 2021–2023 гг. Для анализа заболеваемости ТБ в Калужской области изучены сведения из формы федерального статистического наблюдения № 8 «Сведения о заболеваниях активным туберкулезом»; для оценки охвата взрослого населения (≥18 лет) области периодическими осмотрами методом флюорографии использованы сведения из формы федерального статистического наблюдения № 30 «Сведения о медицинской организации» за 2019–2023 гг.

Для проведения картографирования и кластерного анализа распределения впервые выявленных случаев заболевания ТБ в муниципальных районах Калужской области изучена генеральная совокупность впервые выявленных случаев заболевания ТБ (n = 459). Картографирование и пространственный анализ проводился с помощью QGIS – Свободная географическая информационная система с открытым кодом, v. 3.36.1 (https://qgis.org/ru/site/) и Statistica – программный пакет для статистического анализа, разработанный компанией StatSoft, правообладатель – компания TIBCO (США) (https://www.tibco.com/).

Для выполнения поставленной цели по выделению кластеров в пакете Statistica использовался один из инструментов Многомерного разведочного анализа (Multivariate Exploratory Techniques), относящийся к группе Методов кластерного анализа (Cluster Analysis), а именно кластеризация методом k-средних (k-means clustering). Сущность метода состоит в том, что если количество кластеров k, которое необходимо получить в результате объединения, задано заранее, то первые k наблюдений, содержащихся в файле, используются как первые кластеры. Расстояние между объектом и кластером определяется как евклидово расстояние между объектом и центром тяжести кластера по формуле (1):

(1)

где хki, хkj – измерение объекта;

p – мерное евклидово пространство.

При последующих шагах кластерный центр заменяется наблюдением в том случае, если наименьшее расстояние от него до кластерного центра больше расстояния между двумя ближайшими кластерами. В соответствии с этим правилом подлежит замене тот кластерный центр, который находится ближе всего к данному наблюдению. Таким образом, образуется новый набор исходных кластерных центров. Для завершения шага процедуры рассчитывается новое положение центров кластеров, а наблюдения перераспределяются между кластерами с измененными центрами. Этот итерационный процесс продолжается до тех пор, пока кластерные центры не перестанут изменять свое положение или не будет достигнуто максимальное число итераций.

Для анализа полученных данных использовались стандартные статистические методы: коэффициент корреляции (r), границы 95 % доверительного интервала и дисперсионный анализ (критерий Фишера F). Различия признавались значимыми при значении p < 0,05.

Результаты. В Калужской области заболеваемость ТБ за последние 5 лет (2019–2023 гг.) снизилась в два раза с 34,2 до 17,1 на 100 тыс. населения. Темпы снижения за этот период времени составили 50 %. Доля взрослого населения (≥18 лет) области, охваченная флюорографией, в 2021–2023 гг. находилась в диапазоне от 57,9 до 76,8 % и в среднем составляла 67,4 %. Результаты корреляционного анализа не выявили достоверной взаимосвязи между показателями заболеваемости ТБ и долей населения (≥18 лет), охваченного флюорографией (r = –0,2, p = 0,756) (табл. 1). Полученные результаты свидетельствуют о снижении значимости сплошных профилактических осмотров всего населения на туберкулез и указывают на необходимость новых подходов к раннему выявлению туберкулеза.

Таблица 1. Результаты корреляционного анализа между показателями заболеваемости ТБ и долей населения (≥18 лет), обследованного методом флюорографии, Калужская область, 2019–2023 гг.

Table 1. Results of the correlation analysis between the TB incidence rate and the proportion of the population aged 18 years and older screened using chest photofluorography in the Kaluga Region, 2019–2023

Показатель / Indicator

Годы / Years

r = –0,2
р = 0,719

2019

2020

2021

2022

2023

Заболеваемость ТБ, показатель на 100 000 населения /
TB incidence rate, per 100,000 population

34,2

23,2

22,3

20,5

16,6

Доля населения (≥18 лет), обследованная методом флюорографии, % /
Proportion of the population aged 18 years and older screened, %

68,2

57,9

69,8

63,1

76,8

Далее было изучено пространственное распределение 459 впервые выявленных случаев заболевания ТБ в 24 муниципальных районах Калужской области в 2021–2023 гг. (рис. 1).

Рис. 1. Пространственное распределение 459 впервые выявленных случаев заболевания ТБ в 24 муниципальных районах Калужской области, 2021–2023 гг.

Fig. 1. Spatial distribution of 459 newly detected TB cases across 24 municipal districts of the Kaluga Region, 2021–2023

Применение метода k-средних позволило выполнить классификацию территории Калужской области по числу пациентов с впервые выявленным ТБ. Результаты кластерного анализа позволили установить, что количество выделяемых районов было равно двум (Южный и Северный), так как это показано на карте (рис. 2). В Северном кластере проживало 344 (74,9 %) пациента с ТБ, а в Южном – 115 (25,1 %).

Рис. 2. Результаты кластерного анализа распределения впервые выявленных случаев заболевания ТБ в Калужской области в 2021–2023 гг.

Fig. 2. Results of a cluster analysis of the distribution of detected TB cases across the Kaluga Region in 2021–2023

Итоги дисперсионного анализа (Analysis of Variance) подтвердили достоверность результатов проведенного кластерного анализа на уровне значимости <5 % (табл. 2).

Таблица 2. Результаты дисперсионного анализа распределения пациентов с впервые выявленным ТБ по двум кластерам, Калужская область, 2021–2023 гг.

Table 2. Results of a variance analysis of the distribution of detected TB cases across two clusters of the Kaluga Region, 2021–2023

Кластер / Cluster

Среднее / Mean

Стандартное отклонение /
Standard deviation

Дисперсия / Dispersion

Критерий Фишера F /
Fisher’s exact test

p

Северный / Northern

344

66,5

4427,5

1371,0

< 0,05

Южный / Southern

115

66,2

4389,2

Оценка качества процедуры кластеризации была выполнена с использованием критерия Фишера (F-критерия). В данном случае значение F-критерия было очень высоким, поэтому влияние расстояния между точками на плотность распределения пациентов с впервые выявленным ТБ является достоверным. Учитывая тот факт, что наблюдаемый уровень значимости был < 5 %, предложенную классификацию можно было рассматривать как достаточно корректную.

Следует особо подчеркнуть, что в Северный кластер входило 11 муниципальных районов и 2 городских округа, в которых было сосредоточено 75 % пациентов с впервые выявленным ТБ, в то время как в Южный – 13 муниципальных районов, в которых проживало 25 % пациентов с ТБ.

Плотность распределения пациентов с впервые выявленным ТБ с учетом площади территории Северного кластера, равной 13 300,35 км², а Южного кластера – 16 515,42 км² [12], составляла: в Северном кластере в среднем за 3 изучаемых года 0,0088 пациента на 1 км², а в Южном – 0,0021 пациента на 1 км². Таким образом, в Северном кластере на территории, площадь которой составляла 1 км², проживало в 4,2 раза больше пациентов с впервые выявленным ТБ по сравнению с Южным кластером (p < 0,001) (табл. 3). Плотность населения в Северном кластере в среднем в 2021–2023 гг. составляла 60,8 человек на 1 км², что значимо выше плотности населения в Южном кластере – 13,2 человек на 1 км² (p < 0,001).

Таблица 3. Анализ плотности распределения пациентов с впервые выявленным ТБ и плотности населения по двум кластерам, Калужская область, 2021–2023 гг.

Table 3. The density of distribution of detected TB cases and population density in two clusters of the Kaluga Region, 2021–2023

Показатель / Indicator

Кластер / Cluster

2021

2022

2023

p

Плотность распределения пациентов с ТБ, чел. на км² /
Density of distribution of detected TB cases, persons per km²

Северный / Northern

0,0084

0,01

0,0081

< 0,001

Южный / Southern

0,0026

0,0021

0,0015

Плотность населения, чел. на км² /
Population density, people per km²

Северный / Northern

58,6

59,7

64,2

< 0,001

Южный / Southern

13,4

13,2

13,1

Обсуждение. Результаты исследования показали, что в Северном кластере на протяжении последних трех лет было зарегистрировано около 75 % пациентов с впервые выявленным ТБ. При этом доля пациентов с впервые выявленным ТБ в Северном кластере на протяжении последних 3 лет постепенно возрастала: в 2021 г. она составляла 71,7, в 2022 г. – 78,8, в 2023 г. – 79 %. Кроме того, плотность проживания выявленных пациентов с ТБ и плотность населения на 1 км² территории были в 4,2 и 4,6 раза выше по сравнению с Южным кластером (табл. 3), что свидетельствовало о более высоком риске распространения ТБ среди населения, проживающего на этой территории.

Учитывая вышеизложенное, при планировании ежегодных периодических осмотров, направленных на раннее выявление ТБ среди населения, проживающего в 11 муниципальных районах и 2 городских округах Северного кластера, требуется усилить контроль за их проведением с целью достижения значений целевых индикаторов, то есть охвата флюорографией не менее 75 % населения1, а среди лиц, относящихся к группам повышенного риска заболевания ТБ, – до 95 %2 [13–16]. Кроме того, областной противотуберкулезной организации необходимо усилить контроль за работой районных противотуберкулезных кабинетов, направленной на проведение противоэпидемических мер в очагах туберкулезной инфекции и своевременного выявления ТБ среди лиц, находившихся в контакте с пациентами с ТБ [17–19].

В 13 муниципальных районах, входящих в состав Южного кластера, где на протяжении последних трех лет было зарегистрировано 25 % впервые выявленных случаев заболевания ТБ, а плотность их распределения на территории площадью 1 км² была ниже, по сравнению с таковой в Северном кластере, при планировании периодических осмотров не требуется увеличение охвата населения осмотрами, поскольку вероятность распространения ТБ-инфекции здесь значительно ниже по сравнению с таковой в Северном кластере. Основные усилия противотуберкулезной службы и медицинских организаций, оказывающих первичную медико-санитарную помощь населению, должны быть направлены на выявление латентной ТБ-инфекции среди населения, выявление ТБ в группах населения, имеющих высокий риск заболевания ТБ, и проведение профилактических мероприятий [20–21].

Заключение. Анализ пространственного распределения впервые выявленных случаев заболевания ТБ в муниципальных районах субъектов РФ с использованием методов кластерного анализа позволяет своевременно и адресно принять меры по оптимизации планирования ежегодных периодических осмотров, направленных на раннее выявление ТБ среди населения.

1. Приказ Министерства здравоохранения Российской Федерации от 21.03.2017 № 124н «Об утверждении порядка и сроков проведения профилактических медицинских осмотров граждан в целях выявления туберкулеза» (с изменениями и дополнениями). Доступно на: https://base.garant.ru/71688450/

2. Поручение Министра здравоохранения Российской Федерации № 19 от 07.02.2023.

Список литературы

1. Морозько Н.П., Алексеева А.А. Изучение и анализ заболеваемости туберкулезом среди населения Российской Федерации // Научный электронный журнал Меридиан. 2022. Т. 63. № 1. С. 27–29.

2. Балашова Л.А., Шалаев А.Г., Жмакин И.А., Колядинская А.В. Профилактическая работа и заболеваемость туберкулезом населения Тверской области за период с 2014 по 2019 годы // Тверской медицинский журнал. 2021. № 5. С. 67–74.

3. Цветков А.И., Черняев И.А., Ножкина Н.В., Дробот А.Г. Региональные особенности распространения туберкулеза в Свердловской области // Здоровье населения и среда обитания. 2023. Т. 31. № 10. С. 18–27. doi: 10.35627/2219-5238/2023-31-10-18-27

4. Голубова Т.Н., Махкамова З.Р., Ткаченко И.Ю. Территориальная дифференциация динамики заболеваемости и смертности от туберкулеза в Республике Крым // Бюллетень физиологии и патологии дыхания. 2017. № 66. С. 22–28.

5. Гельцер Б.И., Шахгельдян К.И., Кривелевич Е.Б., Медведев В.И., Ермолицкая М.З. Некоторые подходы к оценке эффективности региональной фтизиатрической службы // Туберкулез и болезни легких. 2017. Т. 95. № 12. С. 28–34.

6. Маркелов Ю.М., Щеголева Л.В. Оценка клиникоэкономической эффективности и влияния массовых флюорографических осмотров на эпидемиологические показатели по туберкулезу в четырех федеральных округах РФ с различным уровнем охвата флюорографическими осмотрами населения // Туберкулез и болезни легких. 2023. № 101 (1). С. 8-16. https://doi.org/10.58838/2075-1230-2023-101-1-8-16

7. Зубова Н.А. Эффективность массовых профилактических осмотров в субъектах Российской Федерации с низким уровнем заболеваемости туберкулезом // Социальные аспекты здоровья населения. 2016. Т. 50. № 4. С. 8.

8. Romanyukha AA, Karkach AS, Borisov SE, Belilovsky EM, Sannikova TE, Krivorotko OI. Small-scale stable clusters of elevated tuberculosis incidence in Moscow, 2000–2015: Discovery and spatiotemporal analysis. Int J Infect Dis. 2020;91:156-161. doi: 10.1016/j.ijid.2019.11.015

9. Цыбикова Э.Б., Зубова Н.А. Оценка эффективности массовых периодических осмотров, направленных на выявление туберкулеза // Туберкулез и болезни легких. 2016. Т. 94. № 4. С. 13–19. doi.org/10.21292/2075-1230-2016-94-4-13-9

10. Ефимов Е.И., Никитин П.Н., Ершов В.И., Рябикова Т.Ф. Развитие и использование геоинформационных технологий в противоэпидемической практике. Цели, задачи, методы, результаты. Медицинский альманах. 2009. № 2 (7). С. 43–47.

11. Henry NJ, Zawedde-Muyanja S, Majwala RK, et al. Mapping TB incidence across districts in Uganda to inform health program activities. IJTLD Open. 2024;1(5):223-229. doi: 10.5588/ijtldopen.23.0624

12. Территориальный орган Федеральной службы государственной статистики (Калугастат). Доступно на: https://rosstat.gov.ru/dbscripts/munst/munst29/DBInet.cgi.

13. Лапшина И.С., Цыбикова Э.Б., Котловский М.Ю. Группы риска заболевания туберкулезом органов дыхания среди взрослого населения Калужской области. Туберкулез и болезни легких. 2022. Т. 100. № 11. С. 20-28. doi: 10.21292/2075-1230

14. Gupta RK, Lule SA, Krutikov M, et al. Screening for tuberculosis among high-risk groups attending London emergency departments: A prospective observational study. Eur Respir J. 2021;57(6):2003831. doi: 10.1183/13993003.03831-2020

15. Rastoder E, Shaker SB, Naqibullah M, et al. Chest x-ray findings in tuberculosis patients identified by passive and active case finding: A retrospective study. J Clin Tuberc Other Mycobact Dis. 2019;14:26-30. doi: 10.1016/j.jctube.2019.01.003

16. Богородская Е.М., Слогоцкая Л.В., Туктарова Л.М., Оганезова Г.С., Мусаткина Н.В., Литвинова Н.В. Скрин инг туберкулезной инфекции в группах риска у взрослого населения города Москвы // Туберкулез и болезни легких. 2023. № 101 (4). С. 13–21. https://doi.org/10.58838/2075-1230-2023-101-4-13-21

17. Yazdani-Charati J, Siamian H, Kazemnejad A, Mohammad V. Spatial clustering of tuberculosis incidence in the North of Iran. Glob J Health Sci. 2014;6(6):288-294. doi: 10.5539/gjhs.v6n6p288

18. Parreira PL, Fonseca AU, Soares F, Conte MB, Rabahi MF. Chest X-ray evaluation using machine learning to support the early diagnosis of pulmonary TB. Int J Tuberc Lung Dis. 2024;28(4):171-175. doi: 10.5588/ijtld.23.0230

19. Chakaya J, Petersen E, Nantanda R, et al. The WHO Global Tuberculosis 2021 Report – not so good news and turning the tide back to End TB. Int J Infect Dis. 2022;124(Suppl 1):S26–S29. doi: 10.1016/j.ijid.2022.03.011

20. Савельев В.Н., Касимова В.Р., Охотникова Е.А., Исламова А.А., Носкова А.С. Проведение профилактического осмотра и диспансеризации по снижению заболеваемости туберкулезом // Актуальные исследования. 2022. Т. 49-1. № 128. С. 77–80.

21. Harries AD, Nair D, Thekkur P, et al. TB preventive therapy: Uptake and time to initiation during implementation of ‘7–1–7’. IJTLD Open. 2024;1(4):189-191. doi: 10.5588/ijtldopen.24.0101


Об авторах

И. С. Лапшина
ФГБОУ ВО «Калужский государственный университет им. К.Э. Циолковского»; ФГБУ «Центральный научно-исследовательский институт организации и информатизации здравоохранения» Минздрава России
Россия

Лапшина Ирина Сергеевна – к.м.н., доцент кафедры внутренних болезней медицинского института; ведущий научный сотрудник отдела общественного здоровья и демографии

ул. Степана Разина, д. 26, г. Калуга, 248023

ул. Добролюбова, д. 11, г. Москва, 127254



М. В. Захарова
ФГБОУ ВО «Калужский государственный университет им. К.Э. Циолковского»
Россия

Захарова Марина Владимировна – к.геогр.н., доцент, заведующая кафедрой географии и безопасности жизнедеятельности института естествознания

ул. Степана Разина, д. 26, г. Калуга, 248023



Э. Б. Цыбикова
ФГБУ «Центральный научно-исследовательский институт организации и информатизации здравоохранения» Минздрава России
Россия

Цыбикова Эржени Батожаргаловна – д.м.н., главный научный сотрудник отдела общественного здоровья и демографии

ул. Добролюбова, д. 11, г. Москва, 127254



Рецензия

Для цитирования:


Лапшина И.С., Захарова М.В., Цыбикова Э.Б. Картографический анализ эпидемиологической ситуации по туберкулезу в регионе с низким уровнем заболеваемости туберкулезом. Здоровье населения и среда обитания – ЗНиСО. 2024;32(11):50-56. https://doi.org/10.35627/2219-5238/2024-32-11-50-56

For citation:


Lapshina I.S., Zakharova M.V., Tsybikova E.B. Mapping the Distribution of Detected Cases in the Region with a Low Tuberculosis Incidence Rate. Public Health and Life Environment – PH&LE. 2024;32(11):50-56. (In Russ.) https://doi.org/10.35627/2219-5238/2024-32-11-50-56

Просмотров: 175


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2219-5238 (Print)
ISSN 2619-0788 (Online)