Бесплатный автореферат и диссертация по биологии на тему

Интеллектуализация анализа распространенности и прогнозирования депрессивных расстройств на основе многоуровневого мониторинга и классификационного моделирования

ВАК РФ 03.01.09, Математическая биология, биоинформатика

Автореферат диссертации по теме "Интеллектуализация анализа распространенности и прогнозирования депрессивных расстройств на основе многоуровневого мониторинга и классификационного моделирования"

На правах рукописи

САМСОНОВ Антон Сергеевич

ИНТЕЛЛЕКТУАЛИЗАЦИЯ АНАЛИЗА РАСПРОСТРАНЕННОСТИ И ПРОГНОЗИРОВАНИЯ

ДЕПРЕССИВНЫХ РАССТРОЙСТВ НА ОСНОВЕ МНОГОУРОВНЕГО МОНИТОРИНГА И КЛАССИФИКАЦИОННОГО МОДЕЛИРОВАНИЯ

Специальность: 03.01.09 — Математическая биология, биоинформатика

(медицинские науки)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата медицинских наук

Курск-2014

Работа выполнена в ГБОУ ВПО «Воронежская государственная медицинская академия имени H.H. Бурденко» Минздрава России

Научный руководитель: доктор медицинских наук

Куташов Вячеслав Анатольевич

Официальные оппоненты: Ружеиков Виктор Александрович

доктор медицинских наук, профессор, Белгородский государственный национальный исследовательский университет, заведующий кафедрой психиатрии, наркологии и клинической психологии

Ремизова Елена Александровна

кандидат медицинских наук,

Европейская клиника «Сиена-Мед» (г. Воронеж), заведующая отделом медицинской и биологической информатики

Ведущая организация: ГБОУ ВПО «Российский национальный

исследовательский медицинский университет имени Н.И. Пирогова» Минздрава России

Защита состоится 27 февраля 2015 года в 13-00 часов на заседании диссертационного совета Д 212.105.08 при ФГБОУ ВПО «Юго-Западный государственный университет» по адресу: 305040, г. Курск, ул. 50 лет Октября, 94, конференц-зал.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Юго-Западный государственный университет» по адресу: 305040, г. Курск, ул. 50 лет Октября, 94 и на сайте http://www.swsu.ru/ds.

Автореферат разослан «/f » 2015 г.

Ученый секретарь /£)

диссертационного совета Д 212.105.08 (__

д.м.н., профессор Снопков В.Н.

> Г'ОСУДАРСТ

! пивлио ?о р:

БЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. В настоящее время Всемирная организация здравоохранения (ВОЗ) депрессию сравнивает с эпидемией, которая охватила все человечество, указывая, что депрессия уже вышла на первое место в мире среди всех причин неявки на работу, и на второе - среди болезней, которые приводят к потере трудоспособности. В случае, если соответствующие меры не будут приняты, к 2020 году депрессия парализует экономическую жизнь как развитых, так и развивающихся стран (Антропов Ю.А., Незнанов Н.Г., 2010; Куташов В.А., 2013; Смулевич А.Б., Иванов C.B., 2006). Согласно прогнозам ВОЗ, уже к 2020 году среди всех заболеваний депрессия выйдет на первое место в мире, обогнав при этом сегодняшних лидеров — сердечнососудистые и инфекционные заболевания. Уже на сегодняшний день депрессия является самым распространённым заболеванием, среди женского населения (Akiskal Н„ 2008; Katon W., M. Maj, N.. 2010).

От 45 до 60% всех самоубийств на планете совершаются больными депрессией. Согласно прогнозам, уже к 2020 году депрессия станет убийцей номер один. Депрессивные расстройства не только часто встречаются среди населения в целом, но они также входят в число наиболее распространенных заболеваний в первичной медицинской сети. Статистические данные о числе депрессивных расстройств, зарегистрированных в учреждениях первичного звена разнятся, однако эти показатели неизменно высоки.

Популяционные исследования и исследования среди пациентов первичной сети показали чрезвычайно высокую распространенность депрессии среди пациентов с хроническим болевым синдромом во всем мире. Риск развития депрессивных расстройств среди одиноких и разведённых лиц выше в 2-4 раза по сравнению с лицами, имеющими семью. При этом больше рискуют разведённые и одинокие мужчины, чем разведённые и одинокие женщины. При наличии депрессивного расстройства хотя бы у одного из супругов, разводы происходят в 10 раз чаще, чем в обычных семьях. Женщины заболевают депрессией в два раза чаще, чем мужчины (20-26% против 8-12% соответственно). Раннее выявление аффективных расстройств, их профилактика и терапия - общая задача специалистов, для реализации которой сложившаяся в Российской Федерации психоневрологическая служба и первичное звено здравоохранения должны предложить комплексную модель взаимодействия (Медведев В.Э., 2005; Обухов С.Г., 2007; Куташова Л.А. и др., 2013).

При использовании математических и информационных методов можно значительно повысить качество оказания медицинской помощи при депрессивных расстройствах [67, 68, 69]. Применение информационных технологий в работе по оказанию помощи пациентам с депрессивными расстройствами становится одним из определяющих факторов развития психиатрии и всей общесоматической медицины. Однако, до настоящего времени не разработаны математические модели и вычислительные алгоритмы мониторинга, прогнозирования распространенности, развития и профилактики аффективных расстройств. В связи с этим возникает необходимость в разработке подходов к ин-

теллектуалкзацип анализа распространенности и прогнозирования депрессивных расстроПств па основе многоуровнего мониторинга и моделирования, с целью совершенствования лечебно-профилактических мероприятий больным с депрессивными расстройствами, что подтверждает актуальность данной работы.

Настоящее исследование выполнено в соответствии с планом НИР ГБОУ ВПО «Воронежская государственная медицинская академия им. H.H. Бурденко».

Цель исследования — разработка моделей и алгоритмов многоуровневого мониторинга и прогнозирования распространенности депрессивных расстройств и состояния здоровья больных для рационализации оказания медицинской помощи данному контингенту населения.

Для достижения поставленной цели необходимо решить следующие задачи:

- провести анализ возможностей использования методов математического моделирования и интеллектуального анализа данных для повышения эффективности организации медицинской помощи больным с депрессивными расстройствами;

- разработать методику формирования информационной базы данных для проведения многоуровневого мониторинга и классификационно-прогностического моделирования развития депрессивных расстройств;

- предложить алгоритм интеллектуального анализа данных о распространенности заболеваний, включающий процедуры анализа временных рядов и классификации территориальных единиц, и провести исследование на региональном уровне;

- создать базу данных и сформировать процедуры анализа индивидуальных медико-социальных характеристик больных депрессивными расстройствами, основанные на методах математической статистики и прогностического моделирования;

- провести анализ и оценку информативности индивидуальных медико-социальных характеристик больных, выявить ведущие факторы риска и на их основе построить математические модели для индивидуального прогнозирования развития депрессивных расстройств;

- разработать научно-обоснованные рекомендации по совершенствованию профилактики депрессивных расстройств на региональном уровне с учетом результатов многоуровневого мониторинга и классификационно-прогностического моделирования.

Объект исследования. Пациенты, страдающие депрессивными расстройствами.

Предмет исследования. Методы, модели и алгоритмы, направленные на интеллектуализацию анализа распространенности и прогнозирование депрессивных расстройств.

Методы исследования. В работе использовались методы системного анализа, математической статистики, анализа временных рядов, экспертных оценок, математического моделирования и теории принятия решений. При

формировании баз данных, обработке результатов и построении моделей в качестве инструментария использовались СУБД MS Access 2003, электронные таблицы MS Excel 2003 и система Statistica 6.0.

Содержание диссертации соответствует п. 8 «Математические модели, численные методы и программные средства применительно к процессам получения, накопления, обработки и систематизации биологических и медицинских данных и знаний», п. 9 «Организация, ведение и использование автоматизированных банков данных по биологии и медицине, в т.ч. банков междисциплинарных данных»; п. 11. «Математическое и компьютерное моделирование распространенности и структуры заболеваний», паспорта специальности 03.01.09 -Математическая биология, биоинформатика (медицинские науки).

Научная новизна результатов работы. В диссертации получены следующие результаты, выносимые на защиту и характеризующиеся научной новизной:

- алгоритм формирования компьютерной базы данных для мониторинга депрессивных расстройств, основанный на комплексном многоуровневом подходе, использовании нормированных оценок, процедур предварительной обработки информации и интегральных показателей;

- классификационно-прогностические модели распространенности психических расстройств и расстройств поведения, позволяющие на региональном уровне выделить территориальные единицы с низким, средним и высоким уровнем заболеваемости населения с учетом сложившейся ситуации и прогнозируемой динамики;

алгоритм интеллектуального анализа индивидуальных медико-социальных характеристик больных депрессивными расстройствами, включающий оценку значимости факторов риска, построение классификационно-прогностических моделей, отличающаяся возможностью обработки в едином цикле как качественных, так и количественных показателей;

- классификационные и прогностические модели развития депрессивных расстройств и тяжести заболевания на индивидуальном уровне, основанные на оптимизированном наборе наиболее значимых медико-социальных факторов риска.

Практическая значимость и результаты внедрения. Представлены основные тенденции и построены краткосрочные прогнозы распространенности психических расстройств и расстройств поведения среди населения на федеральном, региональном и муниципальном уровнях.

Проведена классификация территориальных единиц Воронежской области, позволившая выделить группы районы с высоким, средним и низким уровнем заболеваемости психическими расстройствами и расстройствами поведения. Результаты классификации являются информационной основой при принятии управленческих решений по профилактике данного заболевания на региональном уровне.

Сформирована информационная база данных о больных с депрессивными расстройствами, позволившая провести анализ индивидуальных медико-социальных характеристик, оценить их значимость, выделить ведущие факторы

риска, оказывающие влияние на развитие депрессивных расстройств и построить индивидуальные прогностические модели.

Подготовлены научно-обоснованные рекомендации, направленные на дальнейшее совершенствование организации медицинской помощи больным с депрессивными расстройствами, профилактике их заболеваемости, а также реабилитации в условиях муниципального образования с учетом результатов многоуровневого мониторинга и классификационно-прогностического моделирования.

Разработана программа «Информационная подсистема прогнозирования развития депрессивных расстройств по медико-социальным факторам риска», которая рекомендуется к использованию в практическом здравоохранении при решении задачи формирования диспансерных групп.

Полученные результаты внедрены в деятельность казенного учреждения Воронежской области «Воронежский областной клинический психоневрологический диспансер», медицинской амбулатории «Фонда помощи онкологическим больным», а также в учебный процесс кафедры психиатрии, наркологии и психотерапии института дополнительного профессионального образования ГБОУ ВПО «Воронежская государственная медицинская академия им. H.H. Бурденко».

Апробации работы. Основные положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на следующих конференциях: Российской научной конференции с международным участием «Психиатрия: дороги к мастерству» (Ростов-на-Дону, 2013, 2014); Общероссийской конференции «Трансляционная медицина - инновационный путь развития современной психиатрии» (Самара, 2013); Международном конгрессе Всемирной ассоциации Динамической психиатрии (г. Санкт-Петербург, 2014); на ежегодных межкафедральных конференциях Воронежской государственной медицинской академии им. H.H. Бурденко (Воронеж, 2012-2014 гг.), на кафедре психиатрии, наркологии и психотерапии института дополнительного профессионального образования Воронежской государственной медицинской академии им. H.H. Бурденко (2012-2014 гг.).

Публикации. По материалам исследования опубликовано 9 научных работ, в том числе 5 — в рецензируемых научных журналах и изданиях, 2 монографии.

Личный вклад автора. Все выносимые на защиту научные положения разработаны соискателем лично. В научных работах по теме диссертации, опубликованных в соавторстве и приведенных в конце автореферата, личный вклад соискателя состоит в следующем: проведен анализ распространенности депрессивных расстройств и расстройств поведения среди населения в современной популяции [1,2, 6], определены основные тенденции и построены краткосрочные прогнозы аффективных расстройств в специализированной психоневрологической и общесоматической клинике [2, 4, 6], выделены ведущие медико-социальные и психологические факторы риска, оказывающие влияние на развитие депрессивных расстройств [3, 5, 6, 8, 9], подготовлены научно-обоснованные рекомендации, направленные на дальнейшее совершенствование

организации медицинской, социальной и психологической помощи больным с депрессивными расстройствами и лицам, находящимся на донозологическом уровне по риску развития аффективной патологии [4, 6, 7].

Структура н объем диссертации. Диссертация состоит из введения, четырех глав с выводами, заключения, практических рекомендаций, 6 приложений и списка литературы из 102 отечественных и 71 иностранных источников. Основная часть работы изложена на 164 страницах машинописного текста, содержит 39 рисунков и 21 таблицу.

Основные положения, выносимые на защиту.

1. При планировании лечебно-профилактической помощи больным с депрессивными расстройствами должны учитываться представленные основные тенденции и построенные краткосрочные прогнозы распространенности психических расстройств и расстройств поведения среди населения на федеральном, региональном и муниципальном уровнях

2. Результаты классификации районов Воронежской области как региональной модели являются информационной основой при принятии управленческих решений по профилактике данного заболевания на региональном уровне.

3. Сформированный алгоритм исследования больных с депрессивными расстройствами, позволил провести анализ индивидуальных медико-социальных характеристик, оказывающих влияние на развитие депрессивных расстройств, выделить ведущий факторы риска и построить модели, позволяющие на индивидуальном уровне прогнозировать развитие данной патологии.

4. Комплексный многоуровневый мониторинг состояния здоровья больных с депрессивными расстройствами в сочетании с применением предложенных индивидуальных прогностических моделей позволяет повысить эффективность лечебно-профилактической помощи исследуемому контингенту больных.

5. Для обеспечения высокого уровня медицинской помощи больным с депрессивными расстройствами необходимо использование программно-технического комплекса, предназначенного для автоматизации деятельности врача-психиатра и врача общей практики с использованием компьютерной программы «Информационная подсистема прогнозирования развития депрессивных расстройств по медико-социальным факторам риска», рекомендуемой к использованию в практическом здравоохранении при решении задачи формирования диспансерных групп, что, в конечном счете, будет способствовать снижению уровня заболеваемости населения депрессивными расстройствами и улучшению качества их жизни.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы цель и задачи исследования, научная новизна и научно-практическая значимость, приведены сведения об апробации и внедрении результатов работы, представлены основные положения, выносимые на защиту,

В первой главе рассматриваются современные концепции этиопатогенеза депрессивных расстройств, проводится анализ современных подходов в органи-

зации медико-профилактической помощи больным с депрессивными расстройствами, анализируются особенности применения методов моделирования, интеллектуального анализа данных и многоуровневого мониторинга при решении задачи рационализации медицинской помощи больным с депрессивными расстройствами.

В результате проведенного анализа выявлены нерешенные задачи по данной проблеме и обоснована актуальность исследования.

Во второй главе диссертации предложен алгоритм многоуровневого мониторинга и классификационно-прогностического моделирования распространенности и развития депрессивных расстройств.

При формировании компьютерной информационной базы данных для проведения многоуровневого мониторинга и классификационно-прогностического моделирования должны быть реализованы следующие этапы:

1) формирование списка исследуемых показателей, разработка структуры базы данных для мониторинга;

2) проведение сбора фактического материала и заполнение базы данных;

3) преобразование значений качественных характеристик в численные оценки;

4) исключение недостоверных данных (фильтрация информации);

5) заполнение пробелов;

6) оценка информативности и выбор основных контролируемых показателей, отражающих распространенность депрессивных расстройств и состояние здоровья данного контингента населения;

7) разработка интегральных показателей.

Для получения численных оценок качественных характеристик предложен алгоритм, основанный на экспертных оценках и позволяющий получить нормированные значения в интервале [0,1].

Для фильтрации информации с целью исключения недостоверных данных предлагается алгоритм, основанный на вычислении оценок достоверности информационных сообщений (набора численных характеристик объекта моделирования). Для определения степени достоверности предложен геометрический подход, при котором информационные сообщения рассматриваются как «созвездия» в многомерном пространстве признаков. Выбор способа решения задачи фильтрации зависит от априорной информации о степени «засоренности» исходной выборки. В случае, когда выборка «засорена» мало, вычисляются значения вектора расстояний S = {Sl,S1,...,S„...,SN} от каждого сообщения р„

(п = 1,7V) до обобщенного (с усредненными характеристиками) сообщения р0 с использованием евклидовой метрики. Если выборка «засорена» существенно, вычисляются значения вектора суммарных расстояний от каждого информационного сообщения р„ до прочих. Достоверность сообщения р„ определяется по формуле wn = Smin / S„, где S^ = min S„.

vrt

Для устранения пробелов предлагается использовать модифицированный алгоритм ZET, основанный на предсказании пропущенных значение с учетом компетентных строк и столбцов исходной базы данных, и построении для них

регрессионных моделей с учетом коэффициента, регулирующего влияние компетентности на результат предсказания и позволяющего минимизировать ошибку предсказания.

Прогнозное значение Ь0), полученное с учетом компетентных столбцов вычисляется по формуле:

Ьи) = Мъ{к)-1цк)\1^1ик)

где <7 - число компетентных столбцов; Ь(к) - «подсказки», описывающие зависимости между 7-ым столбцом и всеми остальными (А-ыми) столбцами с помощью уравнений линейной регрессии Ь(к) = Г(Х(к)); Ь0к) - «компетентность» к-го столбца по отношению к у-ому столбцу, пропорциональная расстоянию между этими столбцами; а - коэффициент, который регулирует влияние компетентности на результат предсказания.

Аналогичным образом вычисляется прогнозное значение Ь(1), полученное с учетом компетентных спГуг/ Общий прогноз у'у значения пропущенного элемента^ получается усреднением Ь(/) и ¿(/').

Информативность характеристики предлагается определять как число значимых связей для данной характеристики в системе и число связей в дендрите, который построен для данной системы характеристик.

В случае, когда отсутствует отдельный показатель, адекватно описывающий состояние ситуации на региональном или индивидуальном уровне, а на основе нескольких показателей оценка затруднена, строится интегральный показатель, который является сверткой нескольких невзаимосвязанных локальных составляющих с учетом их значимости:

ип=2>д;

1=1

где N — число отдельных показателей, вошедших в интегральный; ■м/! -значимость (вес) ¡-го показателя, X," - нормированная (бальная) оценка ¡-го показателя. Значения весов и\ рассчитываются на основе экспертной оценки значимости показателей с использованием метода априорного ранжирования, по формуле:

/ = 1,и, ¿м>=1 1=1

>1

где г у (_/ = \,т) - ранг, поставленный у-м экспертом.

При интеллектуальном анализе данных о распространенности заболеваний на региональном и муниципальном уровнях предложена алгоритмизация этапов, представленных в табл. 1.

Таблица 1

Этапы и методы интеллектуального анализа данных о распространенности заболеваний на региональном и муниципальном уровнях

№ п/п Название этапа Используемые методы и средства

1 Формирование информационной базы данных Анализ отчетно-учетной документации Формирование интегральных показателей Создание базы данных с использованием СУБД

2 Сравнительный анализ данных по отдельным территориальным единицам Расчет нормированных показателей Методы математической статистики

3 Анализ текущего состояния, динамики исследуемых показателей и прогнозирование нх изменения Исследование временных рядов Построение трендов с использованием модели экспоненциального сглаживания

4 Анализ взаимосвязи показателей заболеваемости населения, деятельности и ресурсного обеспечения психиатрической службы Корреляционный анализ Регрессионный анализ

5 Классификация районов области по уровню заболеваемости населения Классификационный анализ

Предложена последовательность процедур анализа индивидуальных медико-социальных характеристик больных с депрессивными расстройствами, основанных на методах математической статистики и прогностического моделирования (табл. 2).

Для выделения лиц с высоким риском развития депрессивных расстройств предлагается использовать классификационные модели, позволяющие по набору медико-социальных характеристик отнести вновь поступившего пациента к одной из формализованных групп, соответствующих различным прогнозам развития заболевания.

Процесс построения классификационных моделей состоит в разбиении множества объектов (больных) на однородные группы. Модель для каждой отдельной группы М] у = й описывается следующим образом:

' = й. 7-й.

где 2\ ' значения параметров модели (эталон параметров),

- лингвистическое описание модели (название группы).

Таблица 2

Этапы и методы анализа индивидуальных медико-социальных характеристик больных с депрессивными расстройствами

№ п/п Название этапа Используемые методы и средства

1 Разработка программы исследования Опрос экспертов

2 Сбор данных согласно программе исследования Анкетирование Анализ историй болезней

3 Формирование информационной базы данных Создание базы данных с использованием СУБД Преобразование качественных характеристик в нормированные численные оценки

4 Предварительная статистическая обработка, сравнительный анализ характеристик лиц основной и контрольной групп Описательная статистика Частотный анализ Сравнение по критерию х2

5 Анализ взаимосвязи индивидуальных медико-социальных характеристик больных Корреляционный анализ Регрессионный анализ

6 Анализ значимости факторов риска Сравнение по ^критерию Стьюдента Корреляционный анализ Априорное ранжирование

7 Формирование оптимального признакового пространства для построения моделей Метод «днскретных корреляционных плеяд»

9 Построение классификационных моделей Кластерный анализ

10 Построение прогностических моделей Регрессионный анализ

11 Компьютерное прогнозирование с целью выбора оптимальных лечебно-профилактических мероприятий Разработка компьютерной программы на основе построенных моделей

Полученные классификационные модели используются для оценки риска развития депрессивных расстройств. Для решения данной задачи на первом этапе регистрируется набор выделенных факторов риска у пациента:

•V !/,/:•■•/;...../:)

Оценка риска развития депрессивного расстройства определяется на основе следующего выражения:

Р _ 1__dm:

Гдр * , .

& Ехз\ С1 Еп2

где (Хы\ - близость, рассчитанная как евклидово расстояние между объектом Хи эталоном параметров модели «наличие депрессивных расстройств»; - близость между объектом X и эталоном параметров модели «отсутствие депрессивных расстройств»

Для прогнозирования состояния больных с депрессивными расстройствами предлагается использовать регрессионные модели, описывающие взаимосвязь показателей, характеризующих состояние здоровья больных с выделенными индивидуальными медико-социальными характеристиками (факторами риска).

В общем виде регрессионная модель имеет следующий вид:

и ^ л ^ я ^ ^

у = ¿о+Е Ь, х,+Е Ьу х, х,+Е Ь„ х,

Ы 1.1-I 1=1

где у — прогнозируемая величина;

х„ х, - индивидуальные характеристики больного;

Ъо, Ь„ Ьу - коэффициенты уравнения регрессии;

п - количество характеристик больного, включенных в модель,

отобранных на основе метода «дискретных корреляционных плеяд».

Построение модели осуществляется на основе пошагового регрессионного анализа, в результате которого в модели остаются только статистически значимые члены уравнения.

В третьей главе представлены результаты анализа и мониторинга распространенности заболеваний, деятельности и ресурсного обеспечения психиатрической службы на федеральном и региональном уровнях с использованием интегральных показателей и классификационно-прогностического моделирования.

Учитывая, что в статистике федерального и регионального уровня представлена только заболеваемость населения психическими расстройствами и расстройствами поведения, был проведен детальный анализ данной группы заболеваний, позволяющий косвенно судить и о заболеваемости населения депрессивными расстройствами.

Проведен сравнительный анализ распространенности психических расстройств и расстройств поведения среди населения РФ, Федеральных округов, областей ЦЧР и Воронежской области по данным за 2004-2013 гг., в ходе которого установлено, что несмотря на общую тенденцию к снижению общей заболеваемости населения психическими расстройствами и расстройствами поведения, для Воронежской области характерно наивысшее значение данного показателя среди областей ЦЧР (на 24,9 % выше среднероссийского показателя) и наихудшая его динамика (снижение за 7 лет на 3,4 %, тогда как в среднем по РФ этот показатель снизился на 10,3 %).

Более детальный анализ был проведен на уровне отдельных территориальных единиц (районов) Воронежской области. Проанализированы такие показатели, как первичная заболеваемость населения психическими расстройствами и расстройствами поведения, контингента больных, число лиц, состоящих на диспансерном учете. Для оценки сложившейся за период с 2004 по 2013 гг. ситуации рассчитывались средние значения анализируемых показателей и базисные темпы прироста, характеризующие изменение показателей (в %) в целом за анализируемый период.

Для комплексной оценки разработан интегральный показатель распространенности психических расстройств и расстройств поведения:

ИЛпр = £„гЗ'

/=I

где З,6 - балльная оценка 1-го фактора (3:б - первичная заболеваемость

населения, 3/ - контингенты больных, 3/ - число больных, состоящих

на диспансерном учете);

wi - вес (значимость) ¡-го фактора (но = 0,4375; н»2 = 0,3646; \\>3 = 0,1979).

Учитывая, что для каждого показателя разработана система балльных оценок, находящихся в диапазоне от 1 до 10, а ге, + и>2 + = 1), значения интегрального показателя также находятся в диапазоне от 1 до 10.

При проведении классификации территориальных единиц Воронежской области с точки зрения сложившейся ситуации предложено выделять 3 группы районов: 1) с высоким уровнем анализируемых показателей; 2) со средним уровнем показателей; 3) с низким уровнем показателей. В качестве критерия для определения границы между группами предложено использовать средне-квадратическое отклонение а(х¡) анализируемых показателей х;.

- группа 1: >*(*.):

-группа2: -а(ЛГ()<Х;

- группа 3: х,<-<г(х()-

Результаты расчетов представлены в табл. 3.

Таблица 3

Диапазоны значений анализируемых показателей (на 100 000 населения) распространенности психических расстройств и расстройств поведения, используемые для классификации территориальных единиц Воронежской области

Наименование показателя Название группы

Низкий уровень Средний уровень Высокий уровень

Среднее значение показателя за период с 2004 по 2013 гг.

Первичная заболеваемость < 274,7 274,7 - 395,9 > 395,9

Контингенты больных <2380,2 2380,2 - 3654,8 > 3654,8

Число больных, состоящих на диспансерном учете < 870,6 870,6 - 1787,4 > 1787,4

Интегральный показатель <3,92 3,92 - 5,26 >5,26

Базисный темп прироста показателя за период с 2004 по 2013 гг.

Первичная заболеваемость < -46,4 -46,4 - 98 >98

Контингенты больных <-18,6 -24,9-34,1 >40,6

Число больных, состоящих на диспансерном учете <-35,5 -35,5-4,7 >4,7

Интегральный показатель < -23,3 -23,3 + 25,2 >25,2

Результаты классификации районов Воронежской области по значению ИПпр представлены на рис. 1. На основе модели экспоненциального сглаживания по всем анализируемым показателям построены тренды, позволяющие получить краткосрочный прогноза (на трехлетний период) (рис. 2).

с 5

4

5

Низкий Средний Высокий

уровень уровень уровень

Рис. 1. Классификация районов Воронежской области по значению интегрального показателя распространенности психических расстройств и расстройств поведения

Exp. smoothing: S0=6,039 Т0=-,138 Lin.trend,no season; Alpha= ,818 Gamma=0,00

6,2

4,0

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Год

— фактическое значение

- -• прогноз

Рис. 2. Значения интегрального показателя распространенности психических расстройств и расстройств поведения в Воронежской области, по данным за 2004-2015 гг. с прогнозом до 2016 г.

Проведен анализ взаимосвязи деятельности и ресурсного обеспечения психиатрической службы Воронежской области с распространенностью психических расстройств и расстройств поведения.

В четвертой главе представлены результаты интеллектуального анализа и классификационно-прогностического моделирования развития депрессивных расстройств на индивидуальном уровне.

Разработана программа исследования, включающая 64 вопроса больным депрессивными расстройствами и 7 пунктов, заполняемых врачом. В соответствии с программой проведено анкетирование 462 больных депрессивными расстройствами (основная группа) и 476 пациентов без данной патологии (контрольная группа). В результате сформирована компьютерная база данных, включающая 150 индивидуальных медико-социальных характеристик.

На первом выполнено сравнение значений анализируемых показателей, представленных в виде таблиц сопряженности, с использованием ^-критерий Пирсона (рис. 3).

%

60 50 40 30 20 10 О

53 "557/

Я! 29,6

15,4 19,7 |§Я 21,8

1 й ill

2,8 1 1 1 2

О4'

,ovv

>V

,I\C

^oV'

□ Основная группа И Контрольная группа

Примечание: имеются достоверные различия (при р<0,05) между основной и контрольной группой обследованных: у_2расч = 337,61 > х2табл = 7,82.

Рис. 3. Распределение обследованных лиц в зависимости от характера внутрисемейных отношений (в %)

Выявлено, что для больных депрессивными расстройствами характерно проживание в небольших населенных пунктах и деревнях, низкий уровень образования, отсутствие работы, а в случае ее наличия - тяжелая физическая нагрузка, неудовлетворительные условия труда и наличие нервно-эмоционального напряжения, отсутствие семьи и детей, неудовлетворительные внутрисемейные отношения, проживание в неудовлетворительных жилищно-бытовых условиях и неудовлетворительное материальное положение, непродолжительный и беспокойный сон, малое пребывание на свежем воздухе, куре-

ние и употребление алкоголя, с низкой работоспособностью и нуждающиеся в материальной помощи и в улучшении жилищных условий.

С учетом того, что данные, полученные при проведении исследования, были представлены как в количественном, так и в качественном виде, было выполнено преобразование показателей, содержащих качественные значения к численному виду с использованием предложенной методики.

При анализе значимости индивидуальных медико-социальных факторов риска развития депрессивных расстройств были использованы результаты сравнения основной и контрольной группы по ^критерию Стьюдента. Учитывая, что значение ^критерия пропорционально значимости различия показателей в группах сравнения, данная характеристика была использована в качестве оценки степени значимости соответствующих факторов.

Для оценки силы влияния индивидуальных медико-социальных характеристик на состояние здоровья больных с депрессивными расстройствами выполнялось вычисление коэффициентов парной корреляции, характеризующих степень взаимосвязи анализируемых характеристик с самооценкой состоянии здоровья больными депрессивными расстройствами, с числом случаев временной нетрудоспособности и длительностью пребывания на больничном листе (в календарных днях) за последние 3 года, а также построены регрессионные модели, описывающие анализируемые взаимосвязи (рис. 4). На основе полученных данных производилось ранжирование индивидуальных медико-социальных характеристик по степени их влияния на ведущие показатели (табл. 4).

0,8

0,6

К А СП

0 (X

1 0,4

О)

К X

о

о 0 2

0

Рис. 4. Взаимосвязь самооценки состояния здоровья больными депрессивными расстройствами с характером сна

С использованием метода дискретных корреляционных плеяд сформировано оптимальное признаковое пространство для моделирования, включающее наиболее значимые и не связанные друг с другом характеристики.

-

- Г =0,184 211 + 0,2414 54 *Х -

......... .....

. ■

0 0,2 0,4 0,6 0,8 1

Характер сна

Таблица 4

Взаимосвязь индивидуальных медико-социальных характеристик больных депрессивными расстройствами с состоянием их здоровья (фрагмент)

Наименование медико- Состояние Число случаев Длительность

социальной характеристики здоровья ВУТ ВУТ

г Ранг г Ранг г Ранг

Возраст -0,2118 40 0,1859 10 0,0444 86

Физическая нагрузка -0,2653 30 0,2160 5 0,2047 4

Количество браков 0,0125 142 0,2441 3 0,1942 5

Характер внутрисемейных отношений 0,3252 16 -0,1244 24 -0,1887 7

Жилищно-бытовые условия 0,4639 3 -0,0614 79 -0,0809 52

Оценка питания 0,4635 4 -0,0219 122 -0,0522 74

Аппетит 0,4881 I -0,1341 18 -0,1354 21

Характер сна 0,4252 7 -0,1203 28 -0,0968 37

Курение -0,0679 100 0,1546 14 0,1939 6

Прием алкоголя -0,1709 54 0,1744 13 0,2064 3

Обращение за профилактической помощью 0,0748 90 -0,1097 31 -0,1634 10

Депрессивные состояния -0,3868 9 0,1289 21 0,1047 33

Число симптомов психоэмоционального расстройства -0,3849 И 0,1798 11 0,1224 27

Уменьшение мышечной массы 0,0230 134 0,2055 6 0,1857 9

Неуверенность в себе -0,4075 8 0,0722 60 0,0902 43

Количество симптомов -0,4266 6 0,1796 12 0,1508 14

Оценка работоспособности 0,4808 2 -0,2216 4 -0,1550 12

Оценка настроення 0,4269 5 -0,1867 9 -0,1876 8

Для оценки риска развития депрессивных расстройств по индивидуальным медико-социальным характеристикам в соответствии с разработанным алгоритмом построена классификационная модель. Полученные эталоны параметров модели и оценка ее адекватности приведены в табл. 5.

Согласно предложенной методики значение прогнозируемой величины Рдр находится в диапазоне от 0 до 1. Для ее оценки предлагается следующая шкала:

- до 0,40 - развитие депрессивных расстройств маловероятно;

- 0,40 - 0,59 - имеется риск развития депрессивных расстройств;

- 0,60 - 0,79 - высокий риск развития депрессивных расстройств;

- 0,8 и боле - очень высокий риск развития депрессивных расстройств.

Для решения задачи прогнозирования состояния здоровья больных с депрессивными расстройствами были построены модели, основанные на регрессионном анализе и позволившие учесть взаимосвязь анализируемых показателей, отобранных на основе метода «дискретных корреляционных плеяд».

1. Модель для прогнозирования состояния здоровья больного с депрессивными расстройствами (У;):

Уу = 0,248083 - 0,0028379*Х, , + 0,0928899*Х, 2 - 0,113297*Х, 3 + 0,180517*Х1 4 + 0,0234835+Х]; + 0,107497*Х, 6 + 0,0555232*Х, 7- .

0,00601834*Х, а + 0,201942*Х, 9

где - возраст; Х12 - условия труда; Х] 3 - характер внутрисемейных отношений; Х/ 4 - жилищно-бытовые условия; Х: з - оценка питания; Х16 - характер сна; Х1 7 - длительность пребывания на свежем воздухе; ~ употребление алкоголя; X/ 9 - оценка работоспособности.

Шкала для оценки:

О - 0,20 - неудовлетворительное состояние здоровья;

0,21 - 0,50 - удовлетворительное состояние здоровья;

0,51 -1,00 - хорошее состояние здоровья.

Таблица 5

Эталоны параметров классификационной модели оценки риска развития депрессивных расстройств

Название показателя Группа

«Наличие депрессивного расстройства» «Отсутствие депрессивного расстрой ства»

Место проживания 0,6644 0,7260

Уровень образования 0,6128 0,7345

Условия труда 0,1992 0,4037

Характер внутрисемейных отношений 0,2313 0,5728

Материальное обеспечение 0,2196 0,4655

Оценка питания 0,3743 0,7139

Длительность сна 0,6646 0,7345

Длительность пребывания на свежем воздухе 0,3484 0,5458

Занятия спортом 0,0312 0,0961

Употребление алкоголя 0,4778 0,2337

Адекватность модели (А), % 83,9

2. Модель для прогнозирования числа случаев временной нетрудоспособности больного с депрессивными расстройствами (У?): У2 = 1,77245 + 0,00185689*Х2 , + 0,228021*Х2 2 + 0,64544*Х23 + 0,37267*Х24 -0,0102853*Х2 s + 0,566505*Х2 б + 0,848218*Х2 '? + 0,242637*Х2 8- 0,907295*Х\ 9-

],26953*X2Jo

где Х21 - возраст; Х2 2 - социальное положение; Х2 3 - условия труда; Х2 4 - количество браков; Х2j - характер сна; Х2 6 - употребление алкоголя; Х2 у -уменьшение мышечной массы; Х2 s - повышение потливости; Х2 9 - оценка работоспособности; Х2 ¡о - оценка настроения. Шкала для оценки: 0 - 0,50 - нет случаев ВУТ; 0,51 - 1,50 - один случай ВУТ; 1,51- 2,50 - два случая ВУТ; 2,51 - 3,50 - три случая ВУТ; 3,51 и более - более 3-х случаев ВУТ.

3. Модель для прогнозирования длительности пребывания на больничном листке (в течение 3-х лет) больного с депрессивными расстройствами (Уз): У, = 53,3227 + 21,4983*Х3 , + 19,3646*Х3 2 + 7,76526*Х3 3 - I9,8932*X3 4 + 9,18914*X3j + I7,6I28*X3g- 23,9073*Х3'7 + 29,0845*X3~S + 3,70224*Х~39-

40,8681*Х]_,о

где Х3j - физическая нагрузка; Х32 - условия труда; Х33 — количество браков; Х3j - характер внутрисемейных отношений; Х3 s - материальное обеспечение; Х3 6 — прием алкоголя; Х3_7 - наличие инвалидности; Х3 8 - уменьшение мышечной массы; Х39 - повышение потливости; Х3_,0 — оценка настроения.

Апробация построенных моделей проводилась на тестовой выборке, в которую вошло 100 пациентов, у 60 из них были отмечены депрессивные расстройства. Результаты верификации модели оценки риска развития депрессивных расстройств приведены в табл. 6.

Таблица 6

Результаты верификации классификационной модели оценки риска развития депрессивных расстройств

Группа обследованных Оценка риска развития депрессивных расстройств (ДР)

ДР маловероятны (Рлр< 0,4) Имеется риск развития ДР (^>0,4)

с депрессивными расстройствами (п=60) 9 чел. (15,0%) 51 чел. (85,0 %)

без депрессивных расстройств (п=40) 32 чел. (80,0 %) 8 чел. (20,0 %)

Исходя из представленных данных видно, что прогноз был правильным, в 83 случаях из ста (83,0 %), причем больные с депрессивными расстройствами не попали в группу риска в 9 случаях из 60 (15,0 %), что вполне достаточно для применения в практике.

На основе разработанных моделей создана компьютерная программа «Информационная подсистема прогнозирования развития депрессивных расстройств по медико-социальным факторам риска», которая прошла апробацию в клинической практике.

На основе результатов многоуровневого мониторинга и классификационно-прогностического моделирования с учетом индивидуальных медико-социальных факторов сформированы рекомендации по совершенствованию профилактики депрессивных расстройств на региональном уровне.

ВЫВОДЫ

1. Анализ данных литературы по депрессивным расстройствам и официальных статистических данных показал, что рост распространенности депрессивных расстройств представляет серьезную проблему как для регионального здравоохранения, так и федерального, что согласуется с сохраняющимся высоким уровнем общей и первичной заболеваемости психическими расстройства-

ми и низким уровнем охвата диспансерным наблюдением больных с данной патологией.

2. Сравнительный анализ распространенности психических расстройств и расстройств поведения среди населения РФ, Федеральных округов, областей ЦЧР и Воронежской области позволил установить, что, несмотря на общую тенденцию к снижению общей заболеваемости населения психическими расстройствами и расстройствами поведения, для Воронежской области характерно наивысшее значение данного показателя среди областей ЦЧР (на 24,9 % выше среднероссийского показателя) и наихудшая его динамика (снижение за 7 лет на 3,4 %, при снижении по РФ на 10,3 %).

3. Разработанный алгоритм формирования компьютерной информационной базы, включающий процедуры преобразования качественных характеристик в количественные оценки, фильтрации информации, заполнения пробелов, разработки интегральных показателей позволяет существенно повысить качество компьютерной информационной базы данных для проведения многоуровневого мониторинга и классификационно-прогностического моделирования развития депрессивных расстройств.

4. На основе разработанного алгоритма интеллектуального анализа данных о распространенности заболеваний на региональном и муниципальном уровнях, проведено исследование распространенности психических расстройств и расстройств поведения среди населения Воронежской области, в ходе которого построены модели для получения краткосрочных прогнозов анализируемых показателей на трехлетний период; разработан интегральный показатель распространенности психических расстройств и расстройств поведения, позволивший комплексно оценить ситуацию с учетом отдельных составляющих и их значимости; разработаны классификационный модели, позволившие на региональном уровне выделить территориальные единицы (районы) с низким, средним и высоким уровнем заболеваемости населения с учетом сложившейся ситуации и динамики ее развития; проведен анализ показателей деятельности и ресурсного обеспечения психиатрической службы Воронежской области во взаимосвязи с распространенностью психических расстройств и расстройств поведения; построены регрессионные модели, функционально описывающие взаимосвязь анализируемых показателей.

5. С использованием разработанного алгоритма многоуровневого мониторинга проведен интеллектуальный анализ индивидуальных медико-социальных характеристик больных депрессивными расстройствами, позволивший выявить особенности данного контингента населения, среди которых проживание в небольших населенных пунктах и деревнях, низкий уровень образования, отсутствие работы, а в случае ее наличия - тяжелая физическая нагрузка, неудовлетворительные условия труда и наличие нервно-эмоционального напряжения, отсутствие семьи и детей, неудовлетворительные внутрисемейные отношения, проживание в неудовлетворительных жилищно-бытовых условиях и неудовлетворительное материальное положение, непродолжительный и беспокойный сон, малое пребывание на свежем воздухе, куре-

ние и употребление алкоголя, с низкой работоспособностью и нуждающиеся в материальной помощи и в улучшении жилищных условий.

6. На основе предложенных статистических критериев проведено исследование информативной значимости индивидуальных медико-социальных характеристик больных депрессивными расстройствами, включенных в программу мониторинга, позволившее сформировать оптимальное признаковое пространство для классификационно-прогностического моделирования.

7. На основе сформированного признакового пространства, с использованием методов кластерного и регрессионного анализа разработан комплекс классификационных и прогностических моделей, позволяющих на индивидуальном уровне провести оценку риска развития депрессивного расстройства, спрогнозировать тяжесть течения заболевания.

8. На основе построенных моделей индивидуального прогнозиробания разработана компьютерная программа «Информационная подсистема прогнозирования развития депрессивных расстройств по медико-социальным факторам риска», которая прошла апробацию и рекомендуется к использованию в практическом здравоохранении при формировании диспансерных групп.

9. На основе результатов многоуровневого мониторинга и классификационно-прогностического моделирования с учетом индивидуальных медико-социапьных факторов риска сформированы рекомендации, направленные на совершенствованию профилактики депрессивных расстройств на региональном уровне.

ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ

1. Для проведения многоуровневого мониторинга и классификационно-прогностического моделирования развития депрессивных расстройств, при формировании информационной базы данных целесообразно использовать разработанную методику, включающую алгоритмы преобразования качественных характеристик в количественные оценки, фильтрации информации, заполнения пробелов, разработки интегральных показателей.

2. Разработанный комплекс моделей и алгоритмов интеллектуализации анализа распространенности и прогнозирования депрессивных расстройств на основе многоуровнего мониторинга и классификационного моделирования рекомендуется использовать как информационную основу для повышения эффективности лечебно-профилактических мероприятий.

3. Результаты прогностического моделирования, интегрального оценивания и классификации территориальных единиц региона по уровню заболеваемости населения, а также результаты моделирования взаимосвязи с показателями деятельности и ресурсного обеспечения психиатрической службы следует учитывать при разработке управленческих решений на региональном уровне по совершенствованию лечебно-профилактической помощи больным с депрессивными расстройствами.

4. Разработанные классификационные и прогностические модели, позволяющие на индивидуальном уровне провести оценку риска развития депрессивного расстройства и спрогнозировать тяжесть течения заболевания, реализованные в рамках компьютерной программы «Информационная подсистема прогнозирования развития депрессивных расстройств по медико-социальным

факторам риска» целесообразно использовать в практическом здравоохранении при формировании диспансерных групп.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ Публикации в рецензируемых научных журналах и изданиях

1. Анализ распространенности депрессивных расстройств, выявление факторов риска суицидальных тенденций и профилактические меры противостояния негативному примеру /A.C. Самсонов // Врач-аспирант. — 2014. - № 6(67). - С. 59-69.

2. Анализ депрессивных расстройств и психологические особенности пациентов с последствиями острого нарушения мозгового кровообращения / В.А. Куташов, A.C. Самсонов, Д.Н. Припутневич, Е.А. Щербак // Системный анализ и управление в биомедицинских системах: журнал практической и теоретической биологии и медицины. -2014. - Т. 13. № 4. - С. 870-874.

3. Особенности психоэмоционального статуса у пациентов клиники внутренних болезней (на примере больных с острым необструктивным пиелонефритом) / В.А. Куташов, A.B. Будневский, Д.Н. Припутневич, Г.В. Суржко, A.C. Самсонов // Вестник неврологии, психиатрии и нейрохирургии. - 2014. -№12.-С. 67-73.

4.Интеллектуализация анализа распространенности депрессивно-тревожных расстройств в клинике внутренних болезней/ В.А. Куташов, A.C. Самсонов, A.B. Будневский, Д.Н. Припутневич, Е.А. Щербак // Системный анализ и управление в биомедицинских системах: журнал практической и теоретической биологии и медицины. -2014. - Т. 13. №4. - С.993-996.

5. Особенности психологического и аффективного статуса у пациентов нейрососудистого отделения / A.C. Самсонов // Системный анализ и управление в биомедицинских системах: журнал практической и теоретической биологии и медицины. - 2014. - Т. 13. № 4. - С. 850-853.

Монографии

6. Интеллектуализация анализа распространенности и прогнозирования депрессивных расстройств на основе математического моделирования / A.C. Самсонов, В.А. Куташов, О.Н. Чопоров. - Воронеж: ВГМА, 2014.- 170 с.

7. Общая и медицинская конфликтология / В.А.Куташов, В.А.Кунин А.С.Самсонов.-Воронеж:ВГМА,2015.-244с.

Статьи, труды и материалы конференций

8. Значение коррекции тревожных и депрессивных расстройств для лечения и профилактики метаболического синдрома/ В.А. Куташов, A.C. Самсонов // Прикладные информационные аспекты медицины: науч.-практ. журнал. - Воронеж, 2014. - Т. 17. №1. - С. 162-165.

9. Комплаентность и качество терапии болезни Альцгеймера при приеме Меманталя / В.А. Куташов, A.C. Самсонов //Русский медицинский журнал: Неврология. Психиатрия. - Москва, 2014. -№ 22. - С. 1603-1605.

Подписано в печать 19.12.2014 г. Гарнитура Times New Roman. Формат 60x84/16. Бумага для множительной техники. Усл.-печ.л. 1,0. Тираж 100 экз. Заказ № 2059. Издательство ВГМА им. H.H. Бурденко» 394036, г. Воронеж, ул. Студенческая, 10

15- 2

Z> w

2014270797