Эпидемиология и Инфекционные болезни. Актуальные вопросы №5 / 2013

Районирование территории Ставропольского края по степени активности природного очага Крымской геморрагической лихорадки

1 октября 2013

Ставропольский противочумный институт Роспотребнадзора; Центральный НИИ эпидемиологии Роспотребнадзора, Москва; Институт космических исследований Российской академии наук, Москва

Цель исследования. Разработка методики и проведение эпидемиологического районирования территории Ставропольского края по степени активности природного очага Крымской геморрагической лихорадки (КГЛ).
Материалы и методы. Данные о заболеваемости КГЛ, минимальном индексе инфицированности иксодовых клещей вирусом Крымской-Конго геморрагической лихорадки и уровне инфицированности грызунов – прокормителей клещей, полученные за 13 лет (с 1999 по 2011 г.) изучения природного очага КГЛ Ставропольским противочумным институтом Роспотребнадзора.
Результаты. Создана методика районирования с использованием методов иерархической кластеризации районов края по трем вышеперечисленным показателям ранжирования районов и подсчета суммарного ранга (интегрального показателя риска). В группы минимального, пониженного, повышенного и максимального риска включено 4, 11, 10 и 2 района соответственно. При анализе связи риска с ландшафтно-географическими зонами показано, что в ряду «лесостепная – степная – полупустынная зона» интегральная оценка риска статистически значимо нарастает. Методом «деревьев решений» выработан алгоритм районирования непосредственно на основании показателей заболеваемости КГЛ и минимального индекса инфицированности клещей, т.е. без проведения кластеризации.
Заключение. Разработанный подход может быть использован для районирования территории РФ в соответствии с эпидемической обстановкой по КГЛ и другим природно-очаговым инфекциям.

Среди арбовирусных инфекций в Ставропольском крае широкое распространение получила Крымская геморрагическая лихорадка (КГЛ), случаи заболевания которой ежегодно регистрируются на территории Южного и Северо-Кавказского федеральных округов Российской Федерации [1, 2]. Помимо вируса Крымской-Конго геморрагической лихорадки (ККГЛ), на территории края происходит активная циркуляция и других арбовирусов; в наших исследованиях в частности были обнаружены вирусы Западного Нила, клещевого энцефалита, вирусы серогруппы калифорнийского энцефалита (Тягиня, Инко) и вирус Батаи [3].

Одним из аспектов повышения эффективности эпидемиологического надзора за арбовирусными инфекциями является оптимизация эпидемиологического мониторинга. Получаемая в ходе мониторинга информация должна обеспечить возможность проведения оперативной динамической оценки состояния и тенденции развития эпидемического и эпизоотического процессов, а также ретроспективного эпидемиологического анализа [4–6]. В соответствии с этими задачами эпидемиологический мониторинг арбовирусных инфекционных болезней должен включать несколько уровней сбора информации: о состоянии заболеваемости, о циркуляции возбудителей среди основных носителей и переносчиков, о состоянии уровня коллективного иммунитета к арбовирусам среди людей и животных [7].

В различных административных районах такие показатели, как заболеваемость населения и активность циркуляции возбудителей среди носителей и переносчиков, варьируют. Задачей данного исследования было эпидемиологическое районирование территории края по степени риска инфицирования вирусом ККГЛ с учетом приуроченности районов к определенным ландшафтно-географическим зонам.

Материалы и методы

Эпидемиологическое районирование территории Ставропольского края основано на материалах, полученных за 13 лет (с 1999 по 2011 г.) изучения природного очага КГЛ Ставропольским противочумным институтом Роспотребнадзора [1–3, 8]. Проанализирована эпидемическая обстановка в 26 районах края и в Ставрополе (табл. 1). Заболеваемость КГЛ регистрировалась во всех районах, за исключением Кировского. В ходе исследования 104 978 иксодовых клещей-переносчиков ККГЛ, объединенных в 10 677 пулов, найдено 585 ККГЛ-положительных пулов. В 13 районах края проведен также отлов мелких млекопитающих (грызунов) – прокормителей иксодовых клещей. Антиген вируса ККГЛ был обнаружен у 83 из 668 исследованных особей. Клещ или позвоночное животное считалось инфицированным, если в его тканях обнаруживали антиген вируса ККГЛ методом ИФА.

Использовано 3 основных типа показателей: средняя заболеваемость КГЛ на 100 тыс. населения в год, минимальный индекс инфицированности (МИИ) на 1000 клещей-переносчиков, индекс инфицированности (ИИ) прокормителей. При расчете показателя заболеваемости для Предгорного, Минераловодского, Буденновского, Георгиевского и Кочубеевского районов не учитывалось население крупных городов (Пятигорск, Кисловодск, Ессентуки, Железноводск, Лермонтов, Минеральные Воды, Буденновск, Георгиевск, Невинномысск), поскольку заболеваемость КГЛ среди городского населения была пренебрежимо мала.

Величины МИИ, ИИ и 95% доверительный интервал их значений высчитывали с помощью надстройки PooledInfRate, version 4.0 для программы Excel, размещенной в открытом доступе на сайте CDC http://www.cdc.gov/ncidod/dvbid/westnile/software.htm [9]. Использовали наиболее точный и эффективный метод максимального правдоподобия с коррекцией искажений и скорректированной оценкой 95% доверительного интервала (the bias-corrected MLE with 95% corrected score interval). При необходимости достоверность различия показателей МИИ и ИИ в разных районах оценивали также с помощью PooledInfRate [10].

Все статистические расчеты и оценки проведены с помощью лицензионной программы IBM SPSS Statistics 19 [11].

Для классификации районов по кластерам со сходными значениями показателей использовали иерархическую кластеризацию методом межгрупповых связей с использованием в качестве меры евклидова квадрата расстояний без стандартизации и со стандартизацией по z-значениям.

Для формулировки алгоритма отнесения районов в уже сформированные группы низкого, пониженного, повышенного и высокого риска применяли подпрограмму «дерева решений» (decision trees). При этом: использовали метод построения деревьев CHAID (Chi-squared Automatic Interaction Detection, автоматическое определения связи с помощью критерия χ2); все категории (группы риска), в которые относили объекты классификации (районы), считали одинаково важными; дальнейшее разветвление дерева из вершины (node) или слияние категорий считались допустимыми, если их можно было провести с достоверностью p < 0,05; проводили кросс-валидацию построенного дерева на 25 выборках из исходного массива данных. Для контроля использовали также метод построения деревьев CRT (Classification and Regression Trees, деревья ...

Василенко Н.Ф., Платонов А.Е., Шаяхметов О.Х., Малецкая О.В., Варфоломеева Н.Г., Барталев С.А., Куличенко А.Н.
Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.