Количественная оценка эпизоотологического риска

И прогноз по инфекционной болезни

 

Анализ ретроспективных эпизоотологических данных является основой выявления временных закономерностей развития эпизоотического процесса и, в конечном счете, направлен на прогноз и предупреждение осложнения эпизоотологической ситуации. Поэтому, с точки зрения практической значимости, эпизоотологический прогноз является одним из ключевых элементов планирования мероприятий эпизоотологического надзора. Следует отметить, что понятие «прогноз напряженности эпизоотического процесса» во многом тождественно понятию «эпизоотологический риск», поскольку означает вероятность наступления в будущем такого неблагоприятного события, как осложнение эпизоотологической ситуации на конкретной территории в течение определенного отрезка времени.

Для количественной оценки эпизоотологического риска и повышения качества прогноза используется методика нейросетевого моделирования. Данная методика основана на обработке эмпирических данных (обучающей выборки), и установлении связи между входными факторами и выходным показателем риска. В качестве выходного интегрального показателя принимается число больных животных в следующем году, в то время как входными факторами является число больных животных в текущем году, год назад и среднемноголетний уровень.
Указанный набор параметров прогнозирования нуждается в дополнении ключевыми внешними факторами, оказывающими существенное влияние на эпизоотический процесс.

Поиск данных факторов осуществляется на основе корреляционного анализа по двум направлениям - эпизоотологические показатели, климатические условия, биогеохимические факторы и др.
При ранжировании изучаемых показателей по степени корреляционной связи выявляется показатель, обладающий наибольшей потенциальной прогностической ценностью (например, температура воздуха или почвы, среднемесячные показатели влажности почвы, преобладающий тип почвы, характер растительного покрова, плотность обитания диких животных или насекомых и т.д.)

Уточнение специфики влияния климатических условий на многолетнюю динамику эпизоотического процесса позволяет количественно охарактеризовать наличие положительной корреляционной связи за конкретный период наблюдения.

Картирование случаев регистрации больных животных при помощи ГИС позволяет выявить их неравномерное пространственное распределение. Пространственный анализ эпизоотических проявлений инфекционных болезней дает возможность уточнить географическое положение очагов, а также установить пространственную динамику распространения указанных инфекционных болезней на изучаемой территории.

Метод районирования территории по комплексу критериев, характеризующих эпизоотологический риск, связанный

С инфекционными болезнями

Районирование определяется как деление территории на участки, различающиеся между собой и по каким-то признакам однородные внутри себя.

Эпизоотологическое районирование осуществляется для дифференциации
территорий по степени риска осложнения эпизоотической обстановки с целью планирования профилактических и противоэпизоотических мероприятий. Несмотря на то, что используемые в настоящее время методики эпизоотологического районирования обеспечивают основные цели эпизоотологического надзора, остается актуальным увеличение пространственной точности и научной обоснованности дифференциации территорий на основе количественных методик оценки эпизоотологического риска (см. карты 1 и 2).

 

Карта 1.Изменение плотности распространения туберкулеза крупного рогатого скота за 1951-1960 гг (по И.В. Солодовой, 2011)

Карта 2. Изменение плотности распространения туберкулеза крупного рогатого скота за 2001-2009 гг. (по И.В. Солодовой, 2011)

Легенда (описание) картосхем

0.001 - 5

5 - 10

10 - 20

20 - 50

50 - 100

100 - 600

 

 

Как свидетельствуют представленные карты по туберкулезу, использование одного показателя на полигонах административного деления для эпизоотологического районирования технически проще, поскольку осуществляется на базе доступных агрегированных данных. При этом несопоставимость муниципальных районов и их неоднородность по значимым показателям затрудняет эпизоотологическую интерпретацию полученных результатов.

С целью повышения разрешающей способности и объективности районирования рекомендуется метод, основанный на критериальной оценке эпизоотологического риска и кластерном анализе эпизоотологических данных, с пространственной привязкой к стандартным участкам произвольного размера.

Форма сплошного регулярного покрытия, состоящая из правильных шестиугольников, представляется наиболее целесообразной. При построении слоя правильных шестиугольников определяющим параметром является длина ребра, которая определяет площадь фигуры. Выбор длины ребра осуществляется, исходя из преобладающих условий заражения по выборочному анализу карт эпизоотологического наблюдения. При построении сетки полигонов стандартных участков может быть выбрана форма правильного шестиугольника с определенной длиной ребра (от 1,5 км до 5,0 км и более) и соответствующей площадью (от 5,9 км² до 19,6 км² и более ). Это позволяет при помощи ГИС поделить всю исследуемую территорию на множество участков равных между собой по размеру и площади. Путем пространственного соединения на сетку полигонов агрегируется информация по населенным пунктам, фермам, пастбищам и больным животным, при этом данные о численности населенных пунктов и данные о сроках заболевания животных записываются в атрибутивные поля таблицы шестиугольников, которая подвергается кластерному анализу (рис 15).

Основное назначение кластерного анализа состоит в дифференцировании выборки объектов на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Сходство территорий по совокупности признаков в составе

Рис.15. Пространственное соединение в ГИС информации о факторах риска и слоя стандартных участков

 

кластера определяется входе многомерной статистической процедуры. Прогностическая ценность кластеров состоит в том, что территории в составе одного кластера стабильно сохраняют эпизоотологическую значимость, что позволяет предсказывать эпизоотологическую ситуацию в будущем.

Кластеризация проводится по участкам, где зарегистрирована заболеваемость животных. В результате кластеризации при наличии однородных групп определяются группы животных, характеризующиеся различной степенью эпизоотологического риска.

Принципиальным преимуществом кластерного анализа является независимость результатов кластеризации от априорного мнения эксперта относительно принадлежности тех или иных территорий к определенному уровню риска, поскольку сходство территорий по совокупности признаков в составе кластера определяется в ходе многомерной статистической процедуры.

Принцип метода состоит в выработке критериев-показателей оценки эпизоотологического риска применительно к стандартному участку территории,
проведении пространственного соединения в ГИС информации по показателям эпизоотического процесса, географическим и хозяйственно-экономическим факторам.

Сведения могут быть представлены в виде таблицы (табл.2).

Как видно по данным табл. 3, к первому кластеру относится 9 стандартных участков со средним числом больных животных 45±5 (среднее ± стандарт. ошиб.), средней савокупностью зпизоотического периода 618±41 дней и численностью поголовья более 3 тысяч на один участок.

 

Таблица 2. Характеристики кластеров

Среднее число больных животных	Средняя длительность эпизоот. периода (дней)	Поголовье животных (тыс. гол.)	Риск	Число участков	Доля больных ж-ых, зарегистрированных в 2009	Среднее число больн. животных 2009 года на 1 участок
45±5	618±41	>3	Макс.		22 % (32)	3,55
18±1	320±14	1-3	Средний		26 % (38)	1,46
3±0,2	28±3	<1	Низкий		34 % (49)	0,26
		-	Миним.		20 % (27)	0,002

 

Ко второму кластеру относится 26 стандартных участков, которые характеризуются средним числом больных животных 18±1, средней совокупной длительностью эпизоотического периода 320±14 дней и численностью поголовья от одной до трех тысяч голов.

В третий кластер включается 188 стандартных участков, в каждом из которых зарегистрировано в среднем 3±0,2 больных животных, средняя совокупная длительность эпизоотического периода составила 28±3 дней, а численность поголовья не превышала одну тысячу животных.

Представленные в табл. 3 данные об эпизоотологическом статусе стандартных участков визуализированы при помощи ГИС (рис 16).

Таким образом, интерпретация эпизоотологической значимости кластера и визуализация этой информации позволяет создавать карты эпизоотологического риска с произвольным пространственным разрешением.

Метод эпидемиологического районирования на основе кластеризации стандартных участков демонстрирует высокую пространственную точность. Карты эпизоотологического риска, полученные методом кластеризации стандартных участков, обладают высокой прогностической ценностью.

 

Рис. 16. Фрагмент карты эпизоотологического риска