Прогнозирование заболеваемости

Прогноз – это научно обоснованное суждение о возможных состояниях изучаемого объекта в будущем.

Прогнозирование инфекционной заболеваемости является одним из самых сложных вопросов эпидемиологии, позволяющее рационально планировать проведение профилактических и противоэпидемических мероприятий.

По характеру воздействия на эпидемический процесс прогнозы бывают:

- активные – по их результатам принимается управленческое решение;

- пассивные – их результаты не влияют на принятие решения;

По времени прогнозирования (период упреждения) выделяют прогнозы:

- краткосрочные (оперативные) – на срок до 1 года (дни, недели, месяцы);

- среднесрочные – на срок от 1 до 2 лет;

- долгосрочные – на срок более 2 лет.

По содержанию бывают прогнозы:

- количественные (определение уровней заболеваемости на определенный промежуток времени);

- качественные (прогноз тенденции развития эпидемического процесса, времени эпидемических подъемов и спадов заболеваемости).

Количественные прогнозы, в свою очередь, делятся на точечные и интервальные. Количественный прогноз осуществляется главным образом методами «максимальной стабильности» и регрессионного анализа, относящихся к группе методов прогнозной экстраполяции (аналого-инерционным).

Качественный прогноз можно осуществлять по линии многолетней эпидемической тенденции и типу многолетних периодических колебаний заболеваемости, а также по характеру типовой кривой годовой динамики или по графикам контрольных уровней при оперативном слежении за заболеваемостью.

Для прогнозирования заболеваемости используют формально-математические методы (метод прогнозной экстраполяции), методы экспертных оценок и математическое моделирование.

В основе метода экстраполяции (аналого-инерционный) лежит предположение, что в течение прогнозируемого периода не произойдет существенных изменений в выявленных закономерностях хода эпидемического процесса. Прогнозируемый уровень заболеваемости определяется путем вычисления теоретических показателей заболеваемости для следующего года:

– для прямолинейной тенденции или

– для криволинейной тенденции, описываемой параболой 2-го порядка и т.д.

Поскольку показатели заболеваемости претерпевают периодические колебания, важно определить доверительные границы I _Т следующего года. Для этого вычисляют ошибку показателя:

,

где N – число наблюдений (в нашем случае – численность населения).

Ориентировочно верхнюю и нижнюю границы I _{Тпрогн.} оценивают путем прибавления (вычитания) к теоретически прогнозируемому уровню заболеваемости удвоенного значения рассчитанной средней ошибки:

I _{Тпрогн.} =I _Т±2 m при уровне доверия 95%.

Если расчетный показатель совпал с фактически зарегистрированным, можно предположить, что сила влияния факторов, определивших показатели заболеваемости, сохранилась.

В медицине для краткосрочных прогнозов применяются следующие критерии их оправдываемости:

- хороший – при расхождении между прогнозом и фактическим уровнем заболеваемости до 15%;

- удовлетворительный – расхождение 16-25%;

- неудовлетворительный – расхождение 26% и более.

Одним из способов экстраполяции является определение показателя максимальной стабильности. Данный метод краткосрочного прогнозирования основывается на положении, что в ходе эпидемического процесса инфекционных болезней, характеризующихся выраженной периодичностью, в отдельные месяцы года удельный вес заболеваемости максимально стабилен. Этот метод можно использовать для прогнозирования хода эпидемического процесса инфекций с большим абсолютным числом случаев заболеваний (вирусный гепатит А, скарлатина, грипп и др.), регистрирующихся на крупных административных территориях с населением свыше 60 000 человек при условии, что в текущем году не применялись эффективные средства профилактики.

Суть метода заключается в определении показателя максимальной стабильности (S). Чем он меньше, тем стабильнее доля месяца по отношению к годовому итогу. Следовательно, фактический показатель заболеваемости в наиболее стабильный месяц можно использовать для прогнозирования показателя заболеваемости в текущем году. Для анализа используют экстенсивные показатели удельного веса заболеваемости за каждый месяц (в процентах к годовому итогу) за 10-20 предшествующих лет (минимум 5-6 лет). Причем рекомендуется исключать годы, в которые необычно высокий уровень заболеваемости обусловливается крупными вспышками. Достаточно использовать данные за первые 6 месяцев каждого года (табл. 14).

Таблица 14

Показатели максимальной стабильности заболеваемости вирусным гепатитом А в городе М.

Годы	Помесячная заболеваемость в % к годовой
	6,9	10,3	9,3	6,2	5,2	3,5
	6,8	10,9	8,1	5,4	4,4	4,4
	16,0	4,2	9,1	5,4	4,6	5,8
	7,3	8,5	11,2	11,8	11,0	4,7
	6,3	12,8	10,1	10,1	9,1	4,2
	7,8	11,9	8,3	5,1	3,1	4,8
	18,3	5,6	12,2	6,3	6,3	2,9
	15,4	9,7	11,3	3,6	4,4	3,4
	6,5	11,1	10,1	4,0	10,9	2,1
	6,7	11,0	10,3	11,1	3,0	3,2
Среднемесячная заболеваемость, М	9,8	9,6	10,0	6,9	6,2	3,9
Колеблемость доли месяца	6,3-18,3	4,2-12,8	8,1-12,2	3,6-11,8	3,0-11,0	2,1-5,8
Амплитуда, m	12,0	8,6	4,1	8,2	8,0	3,7
Показатель стабильности, S	14,7	7,7	1,7	9,7	10,3	3,5

 

,

где m – амплитуда колеблемости доли месяца за анализируемый период (%); М – среднемесячная заболеваемость за анализируемый период (%).

Вычисление показателя максимальной стабильности осуществляется поэтапно:

- определение доли заболеваемости каждого месяца (в процентах к годовому итогу за предшествующие 10-15 лет;

- заполнение аналитической таблицы (см. табл. 14);

- определение среднемесячных показателей за ряд лет – М;

- поиск по таблице минимальных и максимальных значений за каждый месяц и определение амплитуды колеблемости доли месяца– m;

- расчет показателя максимальной стабильности S;

- определение месяца с наибольшей стабильностью.

В нашем примере оптимальный показатель стабильности (S=1,7) был в марте. Следовательно, данный показатель можно использовать для прогнозирования показателя за текущий год. В марте этого года он был 15,1 на 100 000. Среднемесячная доля заболеваемости в марте составила 10,0% годовой. Таким образом, прогнозируемый годовой показатель заболеваемости можно определить с помощью пропорции:

15,1% 000 — 10,0%

х — 100,0%

х =151,0 на 100 000.

Методы экспертных оценок развития эпидемического процесса базируются на профессиональном опыте и способности отдельных лиц или научных коллективов предвидеть развитие событий. Оценки каждого эксперта суммируются и на их основе дается средняя оценка тенденций или прогнозируются параметры эпидемического процесса на определенный период времени. Важнейшим требованием и условием применения методов экспертной оценки является объективное изучение всех точек зрения, поскольку тенденциозный выбор экспертов чреват неточным прогнозом. Экспертные методы позволяют получить ответы на многие вопросы, особенно по тем проблемам, для решения которых частично или полностью отсутствуют статистические данные.

В основе математического моделирования лежит разработка детерминированных моделей эпидемического процесса, которая осуществляется с учетом степени влияния на заболеваемость формирующих ее факторов риска. Для построения математических моделей требуются глубокое знание сути изучаемого явления и большой объем информации о влиянии многих факторов на прогнозируемый показатель. Выбранная удачно модель отражает самые характерные черты изучаемого явления, что позволит получить обоснованный прогноз. Данный вид прогнозирования относится к области научных исследований.