Комплексный анализ социальных детерминант здоровья регионов России методами машинного обучения

Введение. Социальные детерминанты – первопричинные силы, которые формируют социальный градиент здоровья и очерчивают пределы эффективности сугубо клинических вмешательств. Инструментарий больших данных и машинного обучения обеспечивает точную, воспроизводимую оценку их вклада и помогает вычленить осмысленные приоритеты политики, направленной на сужение разрывов в ожидаемой продолжительности жизни.

Цель исследования: количественно оценить и ранжировать вклад социальных, экономических, демографических и экологических детерминант в вариацию индекса общественного здоровья регионов России, выявив факторы, критичные для управленческих решений.

Материалы и методы. Сформирован панельный датасет по субъектам РФ за 2010–2024 гг.; выполнены нормирование показателей и транслитерация категориальных признаков. Построена модель прогноза индекса общественного здоровья методом градиентного бустинга на решающих деревьях; интерпретация результата с детальным анализом вклада отдельных детерминант проведена по технологии, опирающейся на теорию значений Шепли.

Результаты. Наибольший вклад в вариацию индекса общественного здоровья внесли показатели смертности (общее число умерших и смертность от внешних причин), уровень бедности и коэффициент доступности жилья; дополнительное, но значимое влияние показали охват школьников горячим питанием, расходы на охрану окружающ ей среды и показатели криминогенной обстановки. Параметры, традиционно используемые как маркеры благосостояния (среднедушевые доходы и уровень безработицы), в присутствии интегрального показателя бедности продемонстрировали статистическую избыточность. Выявлен выраженный межрегиональный градиент, указывающий на существенный вклад территориальной специфики.

Заключение. Комплексный учет социально-экономических, демографических и инфраструктурных индикаторов с применением методов машинного обучения формирует надежную основу для прогнозирования и интерпретации региональных различий, а стратегии управления общественным здоровьем должны быть адаптированы к специфике региональных субъектов.

1. Сауткина В.А. Социальные детерминанты здоровья: мировые тенденции и региональные особенности // Общественные науки и современность. 2024. № 5. С. 98-110. doi: 10.31857/S0869049924050087

2. Jahnel T, Dassow HH, Gerhardus A, Schüz B. The digital rainbow: Digital determinants of health inequities. Digit Health. 2022;8:20552076221129093. doi: 10.1177/20552076221129093

3. Chetty R, Stepner M, Abraham S, et al. The association between income and life expectancy in the United States, 2001–2014. JAMA. 2016;315(16):1750-1766. doi: 10.1001/jama.2016.4226

4. Shartova N, Tikunov V, Chereshnya O. Health disparities in Russia at the regional and global scales. Int J Equity Health. 2021;20(1):163. doi: 10.1186/s12939-021-01502-6

5. Yi H, Li M, Dong Y, et al. Nonlinear associations between the ratio of family income to poverty and all-cause mortality among adults in NHANES study. Sci Rep. 2024;14(1):12018. doi: 10.1038/s41598-024-63058-z

6. IHME-CHAIN Collaborators. Effects of education on adult mortality: A global systematic review and meta-analysis. Lancet Public Health. 2024;9(3):e155-e165. doi: 10.1016/S2468-2667(23)00306-7

7. Sart G, Bayar Y, Danilina M. Impact of education and income inequalities on life expectancy: Insights from the new EU members. Front Public Health. 2024;12:1397585. doi: 10.3389/fpubh.2024.1397585

8. Lu J, Wu C, Zhang X, et al. Educational inequalities in mortality and their mediators among generations across four decades: Nationwide, population based, prospective cohort study based on the ChinaHEART project. BMJ. 2023;382:e073749. doi: 10.1136/bmj-2022-073749

9. Tapia Granados JA, House JS, Ionides EL, Burgard S, Schoeni RS. Individual joblessness, contextual unemployment, and mortality risk. Am J Epidemiol. 2014;180(3):280-287. doi: 10.1093/aje/kwu128

10. Meneton P, Kesse-Guyot E, Méjean C, et al. Unemployment is associated with high cardiovascular event rate and increased all-cause mortality in middle-aged socially privileged individuals. Int Arch Occup Environ Health. 2015;88(6):707-716. doi: 10.1007/s00420-014-0997-7

11. Jakovljevic M, Kozlova O, Makarova M, Neklyudova N, Pyshmintseva O. Partial contribution of socioeconomic factors to the mortality rate of the working-age population in Russia. Healthcare (Basel). 2023;11(10):1507. doi: 10.3390/healthcare11101507

12. Sanchez Rico M, Plessz M, Airagnes G, et al. Cardiovascular burden and unemployment: A retrospective study in a large population-based French cohort. PLoS One. 2023;18(7):e0288747. doi: 10.1371/journal.pone.0288747

13. Kawachi I, Kyriopoulos I, Vandoros S. Economic uncertainty and cardiovascular disease mortality. Health Econ. 2023;32(7):1550-1560. doi: 10.1002/hec.4678

14. D’Alessandro D, Appolloni L. Housing and health: An overview of the literature. Health Affairs Health Policy Brief. 2018;5(1):17-21. doi: 10.1377/hpb20180313.396577

15. de Bont J, Jaganathan S, Dahlquist M, Persson Å, Stafoggia M, Ljungman P. Ambient air pollution and cardiovascular diseases: An umbrella review of systematic reviews and meta-analyses. J Intern Med. 2022;291(6):779-800. doi: 10.1111/joim.13467

16. Brown JRG, Baptiste PJ, Hajmohammadi H, Nadarajah R, Gale CP, Wu J. Impact of neighbourhood and environmental factors on the risk of incident cardiovascular disease: A systematic review and meta-analysis. Eur J Prev Cardiol. 2025;32(18):1903-1912. doi: 10.1093/eurjpc/zwaf165

17. Holt-Lunstad J, Smith TB, Baker M, Harris T, Stephenson D. Loneliness and social isolation as risk factors for mortality: A meta-analytic review. Perspect Psychol Sci. 2015;10(2):227-237. doi: 10.1177/1745691614568352

18. Wang F, Gao Y, Han Z, et al. A systematic review and meta-analysis of 90 cohort studies of social isolation, loneliness and mortality. Nat Hum Behav. 2023;7(8):1307-1319. doi: 10.1038/s41562-023-01617-6

19. Naito R, McKee M, Leong D, et al. Social isolation as a risk factor for all-cause mortality: Systematic review and meta-analysis of cohort studies. PLoS One. 2023;18(1):e0280308. doi: 10.1371/journal.pone.0280308

20. Mackenbach JP, Stirbu I, Roskam AJ, et al.; European Union Working Group on Socioeconomic Inequalities in Health. Socioeconomic inequalities in health in 22 European countries. N Engl J Med. 2008;358(23):2468-2481. doi: 10.1056/NEJMsa0707519

21. Mackenbach JP. Nordic paradox, Southern miracle, Eastern disaster: Persistence of inequalities in mortality in Europe. Eur J Public Health. 2017;27(Suppl 4):14-17. doi: 10.1093/eurpub/ckx160

22. Kino S, Hsu YT, Shiba K, et al. A scoping review on the use of machine learning in research on social determinants of health: Trends and research prospects. SSM Popul Health. 2021;15:100836. doi: 10.1016/j.ssmph.2021.100836

23. Seligman B, Tuljapurkar S, Rehkopf D. Machine learning approaches to the social determinants of health in the health and retirement study. SSM Popul Health. 2017;4:95-99. doi: 10.1016/j.ssmph.2017.11.008

24. Bhavnani SK, Zhang W, Bao D, et al. Subtyping social determinants of health in the “All of Us” program: Network analysis and visualization study. J Med Internet Res. 2025;27:e48775. doi: 10.2196/48775

25. Rahman MS, Shiddik AB. Utilizing artificial intelligence to predict and analyze socioeconomic, environmental, and healthcare factors driving tuberculosis globally. Sci Rep. 2025;15(1):13619. doi: 10.1038/s41598-02596973-w

26. Тарасенко Е.А., Русских С.В., Васильева Т.П., Макарова Е.В., Горбачева Н.А., Ротов В.М. Социальные детерминанты здоровья как методологическая основа для разработки стратегий по улучшению общественного здоровья: зарубежный опыт и уроки для России // Социальные аспекты здоровья населения. 2024. Т. 70. № 2. С. 3.

27. Васильева Т.П., Ларионов А.В., Русских С.В., Зудин А.Б., Васюнина А.Е., Васильев М.Д. Методические подходы к измерению общественного здоровья как медикосоциального ресурса и потенциала общества // Здоровье населения и среда обитания. 2022. Т. 30. № 11. С. 7-15. doi: 10.35627/2219-5238/2022-30-11-7-15

28. Соловьевa Ю.В., Гореловa Ж.Ю., Летучaя Т.А., Мирскaя Н.Б., Зaрецкaя А.Р. Оценка знаний школьников о здоровом питании в условиях цифровой среды // Здоровье населения и среда обитания. 2021. Т. 29. № 10. С. 41-46. doi: 10.35627/2219-5238/2021-29-10-41-46