Моделирование и оценка риска распространения ньюкаслской болезни в Российской Федерации

Журавлева, Валентина Алексеевна

Бесплатный автореферат и диссертация по биологии на тему
Моделирование и оценка риска распространения ньюкаслской болезни в Российской Федерации
ВАК РФ 03.00.06, Вирусология

Автореферат диссертации по теме "Моделирование и оценка риска распространения ньюкаслской болезни в Российской Федерации"

УДК 619:616.98:578.831.1:616-036.22

На правах рукописи

□□3463983

Журавлева Валентина Алексеевна

МОДЕЛИРОВАНИЕ И ОЦЕНКА РИСКА РАСПРОСТРАНЕНИЯ НЬЮКАСЛСКОЙ БОЛЕЗНИ В РОССИЙСКОЙ ФЕДЕРАЦИИ

03.00.06 «Вирусология»

АВТОРЕФЕРАТ диссертации на соискание ученой степени

кандидата биологических наук

1 2 ;" " ? 2ТЗ

Покров-2008

003463983

Работа выполнена в Государственном научном учреждении Всероссийском научно-исследовательском институте ветеринарной вирусологии и микробиологии Российской академии сельскохозяйственных наук (ГНУ ВНИИВВиМ РОССЕЛЬХОЗАКАДЕМИИ).

Научный руководитель: кандидат биологических наук,

старший научный сотрудник Книзе Андрей Валентинович

Официальные оппоненты: доктор ветеринарных наук,

старший научный сотрудник Кушнир Анатолий Тимофеевич

кандидат биологических наук Гулёнкин Владимир Михайлович

Ведущая организация: ФГУ «Всероссийский государственный центр

качества и стандартизации лекарственных средств для животных и кормов» (г. Москва)

Защита состоится 16 апреля 2009 г. в Ю00 ч. на заседании диссертационного совета Д. 006.003.01 при ГНУ ВНИИВВиМ РОССЕЛЬХОЗАКАДЕМИИ по адресу: 601120, Владимирская область, Петушинский р-н, г.Покров. Тел./факс: 8 (49243) 62125.

С диссертацией можно ознакомиться в библиотеке ГНУ ВНИИВВиМ.

Автореферат разослан марта 2009 г,

Ученый секретарь диссертационного совета кандидат биологических наук, ВЛ.Савукова

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

К числу актуальных направлений ветеринарной науки и практики относятся исследования по оценке риска возникновения и распространения опасных инфекционных болезней животных, с целью обеспечения биологической безопасности животноводства РФ.

Данное направление предусматривает: определение перечня наиболее значимых социально-экономических последствий инфекционных болезней; проведение районирования территории страны по уровню эпизоотологического риска возникновения болезни и возможным масштабам ее распространения; разработку рекомендаций по проведению превентивных противоэпизоотических мероприятий.

К числу наиболее значимых инфекционных патологий птицеводства России относится ньюкаслская болезнь (НБ). В 2007 году она занимала четвертое место в общей инфекционной патологии птицы (9,13%) после колибактериоза (47,5%), болезни Гамборо (10,5%) и инфекционного бронхита (9,84%) (В.И. Фисинин, 2008). В 2007 году в стране было зарегистрировано 35 неблагополучных пунктов, заболело свыше 216 тыс. птиц и пало более 70 тыс. Таких значений эпизоотической напряженности не наблюдали в течение 10 лет. (Н.СДудников и др., 2007).

В связи с этим, изучение и оценка риска возникновения и распространения ИБП по регионам страны в 2009-2010гг., обоснование на этой основе потребностей в вакцинных препаратах является актуальной задачей.

Цель работы: разработать математические модели оценки риска возникновения и распространения нькжаслской болезни птиц в Российской Федерации.

провести математико-статистический анализ динамики и структуры нозоареала НБ;

оценить степень влияния вакцинации на напряженность эпизоотической ситуации при НБ;

рассчитать математические модели риска возникновения и распространения НБ в РФ в 2009-2010гг.;

оценить потребности в вакцине для регионов различной степени риска НБ в 2009-2010гг.

Научная новизна

Впервые разработана математическая модель риска возникновения и распространения НБ в РФ в 2009-2010гг., наиболее вероятно возникновение болезни в Центральном, Южном и Северо-Западном федеральных округах России. Расчитанная инцидентность составляет 10-100 случаев на 1млн. голов, цикличность эпизоотических подъемов- 7 и 14 лег,

Установлена обратная корреляция между уровнем вакцинации птицепоголовья и инцидентностью неблагополучных пунктов (величина коэффициента корреляции рангов - 0,688, достоверность - 0,99);

Рассчитана информационная модель (канал связи), отражающая связь между уровнем вакцинации и частотой регистрации неблагополучных пунктов в РФ. Модель четко показывает, что с ростом уровня вакцинации снижается чатотй регистрации наблагополучных пунктов;

Определена ежегодная потребность в вакцине против НБ на период 20092010гг. По РФ она составила 1,659 млд. доз, из них 0,459 млд. доз для птиц яичных пород и 1,2 млд. доз для птиц мясных пород.

Практическая значимость работы

Разработанные «Методические рекомендации по ведению эпизоотологического мониторинга экзотических особо опасных и малоизвестных болезней животных», утвержденные отделением ветеринарной медицины Россельхозакадемии, предназначены для специалистов научно-исследовательских и учебных учреждений, занимающихся вопросами оценки

эпизоотологического риска возникновения и распространения болезней и планирования превентивных противоэпизоотических мер.

Основные положения, выносимые на защиту:

Математические модели риска возникновения и распространения НБ в РФ в 2009-2010гг.

Расчеты потребности в вакцине против ньюкаслской болезни на 20092010гг. по России в целом и конкретным федеральным округам.

Апробация работы

Основные материалы работы представлены в материалах конференции, приуроченной к 80-летию академика РАСХН Бакулова И.А. «Сибирская язва и другие опасные инфекционные болезни животных» (Покров, 2005); материалах конференции «Актуальные проблемы ветеринарного обеспечения животноводства Сибири» (Новосибирск, 2006); заседаниях ученого совета ГНУ ВНИИВВиМ (2005-2007гг.); материалах VIII научно-практической конференции «Проблемы прогнозирования чрезвычайных ситуаций» (Москва, 2008), материалах конференции, посвященной 50-летию ВНИИВВиМ «Проблемы профилактики и борьбы с особо опасными, экзотическими и малоизученными инфекционными болезнями животных» (Покров, 2008).

Публикации

По материалам диссертации подготовлена и опубликовано 8 статей, из них 1 статья в издании по перечню, рекомендованному ВАК Минобрнауки России.

Личный вклад

Представленные в диссертационной работе материалы получены, проанализированы и обработаны автором самостоятельно.

Объем и структура диссертации

особо опасных и малоизвестных болезней животных». Список используемой литературы включает 192 источника, из которых 55 иностранных.

2. СОБСТВЕННЫЕ ИССЛЕДОВАНИЯ 2.1. Материалы

Основными материалами для учета эпизоотической ситуации по НБ в РФ послужили ретроспективные данные ветеринарной отчетности ГУВ МСХ СССР и Департамента ветеринарии Минсельхоза России за 1959 - 2007 гг.

Данные, характеризующие распространение, течение и меры и профилактики НБ, касались регистрации неблагополучных пунктов, численности заболевшей и павшей птицы, объемов вакцинации поголовья.

Для учета и анализа эпизоотической обстановки в зарубежных странах использовали: статистические данные ежегодников МЭБ за 1960-2004гг., информацию электронной базы данных Всемирной организации здоровья животных (МЭБ) Handistatus II за 1996-2004гг (www.oie.int/hs2/) и WAHID за 2005-2007гг. (www.oie.int/wahid-prod/), Статистические данные МЭБ за период 1960-1984гг. включали информацию о регистрации эпизоотических вспышек, числу животных, подвергшихся вакцинации. Использовалась информация ежегодников ФАО-ВОЗ-МЭБ за 1960-2005гг., которая включала качественные данные о частоте регистрации болезни и совокупности мероприятий, проводимых в каждой стране.

С 1985г., по настоящее время, информация Всемирной организации здоровья животных включает в себя: количественные данные о регистрации новых вспышек, числе случаев болезни, павших, вынужденно убитых, вакцинированных птиц, а также качественную информацию о характере распространения болезни и противоэпизоотических мероприятиях проводимых в странах мира, включая РФ.

Кроме годовой использована еженедельная информация МЭБ, а также срочные сообщения о чрезвычайных эпизоотических ситуациях.

Данные, характеризующие природные условия стран мира и РФ, содержали:

- сведения о пространственном распространении основных типов биомов;

- распределение первичной продуктивности сообществ биогеоценозов суши;

- биогеографическому районированию стран мира и Российской Федерации.

Факторы социально-экономического фона характеризовали комплексом показателей, отражающих уровень социально-экономического развития стран и регионов, социально-экономическими типами сельского хозяйства, уровнем развития птицеводства и ветеринарного обслуживания животноводства.

Уровень социально-экономического развития характеризовали показателем валового национального продукта на 1 человека.

Социально-экономические типы сельского хозяйства - качественными показателями интенсивности и товарности производства.

Уровень развития птицеводства был представлен показателями: общей численности и плотности поголовья птицы, объемами производства основных видов продукции птицеводства в целом по стране и на 100га сельскохозяйственных угодий, продуктивностью сельскохозяйственной птицы, степенью обеспечения населения продукцией птицеводства.

Уровень ветеринарного обслуживания животноводства характеризовали численностью условных голов птиц, приходящих на 1 ветеринарного специалиста.

Для РФ помимо перечисленных выше показателей использовали данные, отражающие пространственное распределение типов животноводства (интенсивность, специализация в связи с типом биома); данные о распространении птиц мясного и яичного направления по субъектам административного деления страны.

Материалы по социальному, хозяйственно-экономическому укладу, системам ведения животноводства, экономико-географическим показателям развития птицеводства стран мира и России получены из статистических ежегодников ФАО по производству сельскохозяйственной продукции и торговле ею, статистических ежегодников ООН по состоянию экономики в странах мира. Данные по птицеводству в России получены из статистических ежегодников по сельскому хозяйству.

2.2. Методы исследования.

Математико-статистическое, сравнительно-географическое и сравнительно-историческое исследование проводилось как составная часть системного эпизоотологического метода исследования, направленного на изучение особенностей и закономерностей эпизоотического процесса, оценки эпизоотического риска и научного обоснования проведения противозпизоотических мероприятий.

Собранная информация по эпизоотической ситуации ньюкаслской болезни вводилась в базу данных «ЭПИКАД», разработанную на основе системы управления базами данных (СУБД) Microsoft Office Access во ВНИИВВиМ. Структура базы данных содержала разделы о вспышках, распространении и мерам борьбы с болезнями. Нами была дополнена структура базы данными по ньюкаслской болезни с 1960-2007гг., а также введены новые разделы по числу заболевших, павших и убитых животных и объемам вакцинации.

По статистическим данным компьютерной базы данных ЭПИКАД и данным, характеризующим численность поголовья птицы в странах мира и в России за 1985-2005гг. рассчитаны индексы напряженности эпизоотической ситуации, противозпизоотических обработок и потерь поголовья.

Индекс стационарности характеризует длительность регистрации болезни на определенной территории, рассчитывается по формуле:

с _ Прб + Прв + Пп Пн '

где С - индекс стационарности;

Прб - число лет регистрации болезни;

Прв - число лет, когда обнаруживали возбудитель, без клинического проявления болезни;

Пп - число лет наблюдения, в течение которых подозревалось наличие болезни;

Пн - число лет эпизоотологического наблюдения.

Индекс инцидентности - показатель относительной частоты возникновения новых вспышек и случаев заболеваний, за определенный период на конкретной территории.

И = — -1000000, Жв

где И - индекс инцидентности;

Не - число новых случаев болезни, фактов регистрации новых эпизоотических вспышек;

Жв - число восприимчивых животных.

Для оценки ущерба от эпизоотий использовали показатель потерь восприимчивого поголовья:

Жп + Жуп+Жл

Ипп =---хЮО

Жв

где Ипп - показатель потерь восприимчивого поголовья;

Жп - число животных, павших от болезни;

Жуп - число животных, убитых в целях контроля болезни, с сохранением возможности использования продуктов убоя;

Жл - число уничтоженных животных (убитые в целях купирования болезни, туши уничтожены сжиганием).

Для оценки интенсивности проводимых мероприятий использовали индекс противоэпизоотических обработок (уровень вакцинации):

Жпо

ппо --

Жсп'

где Ипо - уровень вакцинации;

Жсп - среднегодовое поголовье птицы;

Жпо - число обработок поголовья.

Расчет показателей напряженности эпизоотического процесса нами был выполнен с помощью электронных таблиц MS Excel.

Анализ динамики ареала НЕ проводили путем расчета непараметрического критерия серий, позволяющего оценить неслучайность периодов подъема и спада эпизоотической напряженности (Р.Рунион, 1982). Автокорреляционный анализ (В.НЛгодинский, 1977) позволил выделить циклы различной степени длительности; корреляционный анализ дал возможность оценить степень связи динамики напряженности ситуации с факторами природного и социально-экономического фона; дисперсионный и информационный анализ - оценить степень влияния различных факторов на характер распространения и интенсивность проявления болезни.

Анализ структуры нозоареала проводился с применением приемов математико-статистического анализа: непараметрические приемы и способы проверки гипотез (Р.Рунион, 1982) корреляционного, дисперсионного, информационного анализа (Н.А.Плохинский, 1980).

Расчет силы влияния различных систем факторов на напряженность эпизоотической ситуации по НБ проводили по формуле:

где - общая энтропия комплекса,

У(пк-УН(А/Ьк))

—-- энтропия случайного разнообразия.

Моделирование и прогноз динамики эпизоотической ситуации проводились путем расчета уравнений регрессии - трендов, периодических функций, с последующей экстраполяцией их значений на определенный период упреждения.

Зоны эпизоотического риска определяли путем расчета уравнений регрессии и таблиц каналов связи, отражающих зависимость значений показателей напряженности эпизоотической ситуации от значений факторов природного и социально-экономического фона, противоэпизоотических мероприятий.

2.2. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ

2.2.1. Анализ динамики и структуры нозоареала ньюкаслскон болезни птиц

В процессе анализа исследовали особенности динамики и структуры ареала болезни, статистическое влияние природных, биологических, социально-экономических и ветеринарно-санитарных факторов, систем противоэпизоотических мероприятий, проводили ранжированием факторов-предпосылок болезни (факторов риска).

Анализ динамики напряженности эпизоотической ситуации в нозоареале проводили по относительным показателям - индексами инцидентности вспышек и случаев болезни, падежа и вынужденного убоя поголовья. Они рассчитаны для стран мира и субъектов РФ.

Выделили периоды наиболее существенных подъемов напряженности. С помощью критерия серий установили, что соотношения подъемов и спадов эпизоотической напряженности при ИБП носит неслучайный характер (уровень статистической значимости а=0,05).

Длительность рассчитанных циклов эпизоотических подъемов и спадов напряженности эпизоотического процесса - 7 и 14 лет.

Анализ динамики мировой инцидентности эпизоотических вспышек за период 1960-2005гг. показал существенное снижение эпизоотической напряженности в странах и регионах мира за 1961-1990гг. Однако с 1991 года наблюдалась стабилизация эпизоотической напряженности, с последующим ее ростом, особенно в 2001-2003гг. этот подъем был существенно ниже, чем в 6070-ые годы XX века.

Это, по-видимому, связано с развитием птицеводства, как важнейшей отраслью мирового животноводства, улучшением условий содержания и ветеринарного обслуживания птицеводства, проведением массовой вакцинации против этой болезни в большинстве стран мира.

Информационный показатель влияния использовали для оценки степени влияния систематической вакцинации на снижение эпизоотической напряженности по болезни. Установлено, что статистическое влияние вакцинации на снижение эпизоотической напряженности в нозоареале НБ составило 0,34 при уровне значимости а=0,01. Таким образом, влияние этого мероприятия на контроль ситуации представляется достаточно существенным.

Исследование статистических данных по напряженности эпизоотической ситуации в РФ показало, что в период с 1961 по 1990гг. наблюдалось снижение числа неблагополучных пунктов и количества павшей птицы. Однако с середины 90-х годов уровень вакцинации поголовья сократился, соответственно в 2001-2007гг. резко возросли масштабы распространения и падеж птицы при НБ.

Математико-статистический анализ динамики НБ в РФ дал следующие результаты: влияние комплекса природно-социальных факторов и уровня вакцинации составили 0,892, уровень вакцинации из этого 0,445.

Анализ структуры нозоареала ньюкаслской болезни птиц предусматривал выявление и оценку статистических влияний природных социально-экономических и ветеринарно-санитарных факторов на возникновение, характер ее распространения и напряженность эпизоотической ситуации внутри нозоареала, ранжирование их по уровню эпизоотической значимости.

Проведены расчеты силы влияния комплексов факторов природного и социально-экономического фона на параметры мировой эпизоотической ситуации: индекс стационарности, индекс инцидентности эпизоотических вспышек, случаев болезни, индекс потерь восприимчивого поголовья представлены в табл.1.

Таблица 1

Значения информационного показателя влияния (ИПВ) в мире

Системы факторов Параметры эпизоотической напряженности

Индекс стационарности Индекс инцидентности вспышек Индекс инцидентности случаев Индекс потерь восприимчивого поголовья

Природные факторы 0,577 0,384 0,405 0,384

Социально-экономические факторы 0,53 0,342 0,365 0,38

Комплекс природных и социально-экономических факторов. 0,631 (а =0,01) 0,428 (а = 0,01) 0,458 (а = 0,01) 0,457(а = 0,01)

Таким образом, установлено, что исследуемые природные и социально-экономические факторы оказывают статистически значимое влияние на напряженность общей мировой ситуации по НБ.

2.2.2. Анализ структуры нозоареала ныокаслской болезни птиц в Российской Федерации

В РФ НБ была зарегистрирована в 2001-2007гг. в 29 субъектах административного деления страны. Неблагополучные пункты возникали на всей территории от западных границ до Дальнего Востока, от арктических регионов Северо-Запада до субтропиков Южного Федерального округа.

Анализ структуры нозоареала НБ предусматривал оценку степени влияния факторов природного и социально-экономического фона на частоту возникновения и характер распространения болезни, оценку степени влияния проводимой вакцинации на напряженность эпизоотической ситуации с учетом

уровня развития птицеводства в различных регионах страны. Результаты расчетов представлены в табл.2.

В результате проведения расчетов было установлено статистически значимое влияние отобранных комплексов факторов на исследуемые показатели эпизоотической ситуации.

Таблица 2

Значения информационного показателя влияния (ИПВ) для России

Факторы Индекс стационарности Индекс инцидентности случаев заболевания

Приро дно-сельскохозяйственное районирование РФ 0,66 0,498

Уровень развития птицеводства, уровень вакцинации 0,7 0,41

Все организованные факторы 0,83 0,59

Уровень значимости по комплексу а =0,01 а =0,01

2.23. Анализ эффективности проведения противоэпизоотических мероприятий против ньюкаслской болезни птиц

Исследовали уровни инцидентности случаев на 100 тыс. гол. в регионах Европы, проводящих систематическую вакцинацию птицепоголовья (Россия, Белоруссия, Украина), в сравнении со странами, не проводящими вакцинацию против НБП (страны Северной, Центральной, Восточной Европы). Установлено, что во второй группе значение индекса инцидентности во время эпизоотических вспышек составило 0,08, а в первой 0,001 (значения медианы по группам), таким образом, разница более чем в 80 раз (уровень значимости различий й равен 0,01).

Исследовали влияние систематической массовой вакцинации на напряженность эпизоотической ситуации по НБ в Российской Федерации. Напряженность эпизоотической ситуации характеризовали относительной частотой регистрации новых неблагополучных пунктов на 1 млн. голов птицы. Уровень вакцинации характеризовали отношением объема обработок к

среднегодовой численности поголовья птицы. Оценку тесноты связи между исследуемыми показателями проводили по коэффициенту ранговой корреляции Спирмена. Установлена обратная корреляция между уровнем вакцинации и инцидентностью неблагополучных пунктов. Величина коэффициента корреляции рангов - 0,688, он достоверен с вероятностью 0,99. Т.е. увеличение показателя уровня вакцинации ведет к снижению значений индекса инцидентности неблагополучных пунктов.

2.2.4. Математическое моделирование и прогноз эпизоотической ситуации по ньюкаслской болезни птиц

В исследовании были использованы стохастические математические модели, которые дают распределение расчетных значений в пределах определенного интервала.

Математическое моделирование использовали в совокупности с картографическим моделированием.

Динамическая модель напряженности эпизоотической ситуации по конкретным показателям, в общем виде, представляется следующим соотношением:

У*1=М1+Р1+г1,

где I - временные отрезки, М1 - динамический тренд, 14 - динамика, обусловленная многолетней и сезонной цикличностью, ТА - случайная несистематическая компонента, обусловленная влиянием факторов, не организованных в статистическом исследовании.

Пространственная модель нозоареала представляется в виде:

У*3=М5+Р5+23,

где 8 - территориальная единица, Мэ - фоновая поверхность (пространственный тренд), Ре - остаточная поверхность, Ъ% - случайная несистематическая компонента.

« с ^ о " о "о

годы

периодичеогая функция

данные динамит

'фумсциятрснда

Рис. 1. Динамика и модель эпизоотической ситуации по ньюкаслской болезни птиц в мире.

Динамика напряженности мировой эпизоотической ситуации за период 1%0-2005гг. характеризовалась тенденцией к снижению эпизоотической напряженности (по индексу инцидентности эпизоотических вспышек) с циклическими подъемами и спадами на фоне тренда в течение периода наблюдения (рис.1).

Закономерности динамики представлены системой регрессионных моделей тренда и многолетней цикличности:

П = 0,0009• х1 + 0,0681 - л:+4,334(

где - значение модели тренда, х - порядковый номер года.

Ус = 0,9878+0,0799- 57'л(х0) + 0,163 ■ С(м(лг°))

где - значение модели цикличности, х° - порядковый год цикла.

Степень совпадения данных модели с реальной ретроспективной ситуацией 1960-2005гг. оценивали по величине показателя аппроксимации Я2, значение которого может быть от 0 до 1. Чем ближе он к I, тем выше степень приближения расчетной функции к реальной ситуации. В нашем случае он равен 0,88, что свидетельствует о высокой степени приближения.

х и Г I I I I Г I I I 1 I I I I I I I I I I I I I I I I I I I I I Г I ГI I I I I I I I '|~| 1111

годэ

-число неблагополучны»: ггушто* функция тренда

Рис.2 Динамика эпизоотической ситуации по ньюкаслской болезни птиц в России.

В Российской Федерации на период 1960-2005гг. была характерна тенденция к снижению числа регистрируемых неблагополучных пунктов, линия тренда была рассчитана и представлена уравнением регрессии вида (рис.2):

Я = 0,059 • л2 - 5,3066 • *+126,81,

где величина коэффициента аппроксимации 112=0,5296.

Рассчитана информационная модель, (канал связи между уровнем вакцинации и уровнем инцидентности вспышек (неблагополучных пунктов)) в динамике ситуации за 1960-2005гг. (табл.3).

На основе информационной модели можно сделать вывод о том, что с увеличением уровня вакцинации снижается инцидентность неблагополучных пунктов. Для поддержания низких значений эпизоотической напряженности НБ, менее 1 неблагополучного пункта на 1 млн. гол. птицы, необходимо, чтобы уровень вакцинации ежегодно был не менее 4.

Таблица 3

Канал связи между уровнем вакцинации и уровнем инцидентности неблагополучных пунктов в РФ

Инцидентность*

Уровень вакцинации неблагополучных пунктов на 1 млн. голов Р1 1(АЛ>) Р1-ЧАЛ»)

от 0,001-0,01 от 0,01-0,1 ОТ 0,1-1

ото до 0,5 1 0,195 1,4904 0,29

2,049

от 0,5 до 1,0 1 0,049 1,4904 0,29

2,049

3 3 8

от 1 до 2 0,214 0,214 0,571 0,341 0,0829 0,0283

0,4759 0,4759 0,4612

1,08 0,68 1,17

4 Е 2

от 2 до 4 0,267 0,6 0,133 0,366 0,1526 0,056

0,5086 0,4422 0,387

1,36 1,89 0,27

1 1

Более 4 0,5 о,а 0,049 0,4904 0,024

0,5 0,5

2,56 1,571

Рг 0,195 0,317 0,488

Н(А) 0,46 0,5253 0,5051 1,4904

'Примечание:

4- {

■* р

-»—н

•«—с

где : 5- частоты, число объектов в каждом классе;

Р1 - вероятность встречаемости явления с каждым из состояний факторов;

ца/ъ) - информативность в битах;

р,*|(ал>) - нормированная информативность состояния фактора;

р2.вероятность встречаемости факторов с каждым из состояний явления;

н(а) - неопределенность состояний из У;

С = 21" коэффициент эффективности связи.

На этапе анализа динамики эпизоотической ситуации НБ в РФ была установлена статистически значимое влияние вакцинации (объемов обработки

поголовья) на величину падежа птицы от ньюкаслской болезни. Была рассчитана математическая регрессионная модель, отражающая характер влияния объемов вакцинации птицы на снижение числа павших от болезни:

N = 243,123 - 0,0374-Р

где Р - объем вакцинации.

Графически влияние объема вакцинации поголовья на величину падежа птицы от НБП представлено на рис.3.

2 0 I I-1 I II

О ¡300 1000 1600 2000 2900 3000 Р (количество »акцинированньк (млн. гол.))

Рис.3. Зависимость ситуации от вакцинации.

2.2.5. Прогнозирование ситуации и оценка эпизоотологического риска ньюкаслской болезни птиц в Российской Федерации в 2009-2010гг.

Эпизоотологическое прогнозирование - система обобщения и обработки данных, позволяющая на основе комплекса сведений об эпизоотологических особенностях конкретной болезни, эволюции эпизоотической ситуации, оценки и моделирования влияния факторов природного и социально-экономического фона дать научное предсказание о вероятности возникновения болезни, возможных масштабах поражения и потерь восприимчивых животных, в течение определенного периода упреждения, на конкретных территориях. В область исследований по эпизоотологическому прогнозированию входят вопросы по обоснованию применения систем противоэпизоотических мер.

Для прогнозирования эпизоотической ситуации по ньюкаслской болезни птиц использовали приемы математической экстраполяции, а также математических и географических аналогий.

Прогноз вероятных масштабов мирового распространения НБ был получен на основе информационной модели связи инцидентности вспышек, случаев и потерь восприимчивого поголовья с показателями природного и социально-экономического фона. На основе синтеза моделей отдельных показателей вероятной напряженности эпизоотической ситуации была получена математико-картографическая модель эпизоотологического риска на период 2009-2010гг. (рис.4).

Наиболее высокие значения показателей эпизоотической напряженности будут регистрироваться в странах Африки, Южной Азии, Юго-Западной Азии, Восточной и Юго-Восточной Азии, Южной Европы.

|шцидеитийстк(-10сл>ча«е«! ИЛИ ---- инц>|Д»итка«т» 103-1000 м» 1 или

в»|>о«*«т»в4)ни**ов»ии11вм41*иет0.*д«05. а«ро*тноетъвО)мх.иов»кнввал«змис«ыикОв,

тшАвкпметъ <9-100 (ГЛ>*В "« 1 МЛН «ицвднтммт» • боям 1000 м I или

Рис. 4. Математико-картографическая модель риска ньюкаслской болезни птиц в странах мира в 2009 -2010гг.

Исходя из данных модели мирового распространения НБ, для территории РФ вероятность возникновения болезни будет варьировать в интервалах 0.2-0.4, 0.4-0.6, инцидентность вспышек до 10 на 1 млн. гол., случаев 1-10; 10-100 гол. на 1 млн. гол.

Дня прогнозирования эпизоотической ситуации НБ в РФ использовали информационные модели связи показателей напряженности эпизоотической ситуации с факторами, характеризующими уровень развития птицеводства, природно-сельскохозяйственное районирование животноводства, уровень вакцинации птицепоголовья. Установлено, что вероятность возникновения НБ в 2009-2010гг. наиболее высока в Центральном, Северо-Западном, Южном, Приволжском ФО,

Данные, полученные в результате моделирования и прогнозирования, подвергались обработке приемами и способами системного эпизоотологического анализа - синтеза. В результате исследований сделано заключение о степени эпизоотологического риска возникновения и возможного распространения изучаемой болезни с учетом степени и характера влияния на уровень эпизоотической напряженности факторов природного и социально-экономического фона, систем противоэпизоотических мер.

На этой базе проведено эпизоотологическое районирование страны по степени эпизоотологического риска, которое в свою очередь может служить основой для разработки превентивных пространственно-дифференцированных противоэпизоотических мер.

По степени эпизоотологического риска в 2009-2010гг. на территории РФ выделено 4 зоны (рис.5);

зона с уровнем эпизоотологического риска более 0,5. Охватывает Южный ФО. Вероятность возникновения НБ от 0,2 до 0,3, инцидентность случаев от 2,5 до 3 (lg числа заболевшей птицы на 1 млн. гол. среднегодового количества птицы);

зона с уровнем эпизоотологического риска от 0,4 до 0,5. Вероятность возникновения болезни от 0,3 до 0,4. Предполагаемые значения

инцидентности случаев от 1 до 2,5. Зона включает в себя территории Центрального и Приволжского ФО, юго-западной части Северо-Западного ФО, юга Уральского, Сибирского и Дальневосточного ФО;

зона с уровнем риска от 0,3 до 0,4. Вероятность возникновения болезни от 0,1 до 0,2. Прогнозируемое значение инцидентности случаев от 2 до 2,5. Охватывает территории Южного, Уральского, Сибирского ФО;

зона с уровнем эпизоотологического риска от 0,2 до 0,3. Вероятность возникновения болезни от 0,1 до 0,2, инцидентность случаев от 2 до 2,5. Зона включает в себя отдельные очаги и ареалы сельскохозяйственного освоения бореальных таежно-лесных и арктических регионов РФ.

Оценка эпизоотологического риска проводилась с учетом необходимости систематической вакцинации птицепоголовья страны.

III «.2 N11и щт л г Д<| № ш «и .«I "и ав ткмн» ii.fi

Рис.5. Районирование РФ по уровню риска возникновения НБ в 2009-2010гг.

2.2.6. Расчет потребности в вакцине для обработки птиц против ньюкаслской болезни птиц на период 2008-2010гг.

В настоящее время в системе мер борьбы с НБ наиболее действенным способом является систематическая массовая вакцинация восприимчивого поголовья, проводимая для замены вирулентного вируса ослабленным вакцинным.

Проблематичность этой заразной болезни состоит в том, что для нее характерна скрытая и распространенная циркуляция возбудителей среди переболевших домашних, диких и синантропных животных, при этом вспышки болезни провоцируются воздействием определенных факторов.

Расчет количества доз вакцины для профилактической иммунизации птицы по федеральным округам рассчитывали по следующей формуле:

У = И-/•к-п

)

где V- ежегодное количество доз вакцины;

N - среднегодовая численность птицы;

£ количество доз вакцины на одну голову;

к- кратность вакцинации в год (для птиц яичных пород к=3, а для птиц мясных пород к= 2);

п - кратность заполнения фермы новым поголовьем птицы (молодняком) в год (для птиц яичных пород п=1 , а для птиц мясных пород п=6).

Используя эту формулу, был произведен расчет количества доз вакцины для иммунизации против ньюкаслской болезни для кур яичных и мясных пород по Федеральным округам, располагающимся в различных зонах эпизоотологического риска. Результаты представлены в табл.4. Таким образом, ежегодно плановая вакцинация РФ должна составлять не менее 1,659 млд. доз, из них 0,459 млд. доз для птиц яичных пород и 1,2 млд. доз для птиц мясных пород.

Таблица 4

Расчет количества вакцины доя иммунизации против НБ кур яичных и мясных _'' ' _пород___

Регионы Численность кур яичных пород 2006г. (тыс. голов) Численность кур мясных пород 2006г. (тыс голов) Кол-во ДОЗ вакцины для вакцинации кур яичных пород (тыс.) Кол-во доз вакцины для вакцинации кур мясных пород (тыс.)

Российская Федерация 153196,468 102100 459595,404 1225200

Центральный федеральный округ 33904,682 27373,01 101714,076 328476,12

Северо-Западный федеральный округ 19500,828 15886,76 58502,484 190641,12

Южный федеральный округ 15975,666 12638,959 47927,088 151667,508

Приволжский федеральный округ 37661,156 21624,78 112983,466 259497,36

Уральский федеральный округ 16678,684 14124,514 50036,652 169494,168

Дальневосточный федеральный округ 3512,876 1397,749 10538,628 16772,988

Сибирский федеральный округ 25964,336 9054,228 77893,008 108650,736

3. ВЫВОДЫ

1. Проведенная оценка уровня риска возникновения и распространения ньюкаслской болезни птиц в 2006-2010гг. на основе рассчитанной нами мировой пространственно-динамической модели позволила установить, что наиболее вероятные значения инцидентности по потенциальному нозоареалу составят: 1-10 новых эпизоотических вспышек на 10 млн. голов птицы. Прогнозируется высокая вероятность регистрации болезни: от 0,8 до 1,0, со значениями инцидентности случаев 100 - 1000 на 1 млн. голов птицы для стран Африки, Южной Азии, Юго-Западной Азии, Восточной и Юго-Восточной Азии, Южной Европы

2. При проведении математике-картографической экстраполяции показателей глобальной пространственно - динамической модели на территорию Российской Федерации установлено, что вероятность регистрации ньюкаслской болезни птиц наиболее высока в Центральном, Южном и Северо-Западном федеральных округах - от 0,4 до 0,6, с инцидентностью случаев 10 -100 на 1 млн. голов птицы .

3. Расчет информационного показателя влияния массовой вакцинации на снижение эпизоотической напряженности составил 0,488. Выявлена обратная корреляция между уровнем вакцинации и инцидентностью неблагополучных пунктов. Величина коэффициента корреляции рангов

равна 0,688, что, свидетельствует о решающей роли вакцинации в контроле эпизоотической ситуации по НБ в РФ.

4. Проведенный нами математико-картографический анализ и моделирование влияния природных и социально экономических факторов на вероятность возникновения и характер распространения болезни позволяет прогнозировать динамику эпизоотической ситуации и районировать РФ по уровню эпизоотологического риска. При этом установлена существенная степень влияния факторов природного и социально-экономического фона на частоту возникновения болезни: величина информационного показателя влияния - 0,83, из этой величины роль факторов природного фона - 0,66, социально-экономических (уровень развития птицеводства и уровень вакцинации) - 0,7. Пространственные различия величины инцидентности случаев связаны с влиянием природно-хозяйственных факторов и уровнем вакцинации поголовья, информационного показатель влияния - 0,59, при этом влияние природно-хозяйственных условий составило - 0,498, уровня вакцинации - 0,41.

5. Использование синтеза математико-картографических моделей связи ситуации с установленными факторами эпизоотологического риска, для районирования территории по уровню риска возникновения и распространения ньюкаслской болезни, позволило определить 4 зоны различного риска возникновения ньюкаслской болезни в РФ. Зона наиболее высокого риска охватывает Южный ФО. Вероятность возникновения НБ в ней от 0,2 до 0,3, а инцидентность случаев от 300 до 1000 случаев на 1 млн. гол. птицы.

6. На основании проведенного нами районирования территории РФ по риску возникновения НБ установлено, что для обеспечения устойчивого благополучия РФ по НБ необходимо в период 2009-2010гг. использовать не менее 1659 млн. доз вакцины против НБ, в том числе из них 459 млн. доз для птиц яичных пород и 1,2 млд. доз для птиц мясных пород.

4. ПРАКТИЧЕСКИЕ ПРЕД ЛОЖЕНИЯ

Разработаны и предложены для оценки эпизоотологического риска «Методические рекомендации по ведению эпизоотологического мониторинга экзотических особо опасных и малоизвестных животных», утвержденные отделением ветеринарной медицины Россельхозакадемии 12.12.2007. Материалы диссертации могут быть использованы в расчетах потребности в вакцинных препаратах для проведения мероприятий профилактики и ликвидации ньюкаслской болезни в РФ.

5. СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Филоматова, ВА. Диагностика и меры борьбы при вспышках ньюкаслской болезни в некоторых странах мира (2004-2005гг.) / В. АФиломагова, А А Орлов // Сибирская язва и другие опасные инфекционные болезни животных: материалы по теме работы круглого стола, приуроченного к 80-лешю академика РАСХН Бакулова ИА., 15-16 августа 2005 года / ГНУ ВНИИВВиМ. - Покров, 2005.- С.214-217.

2. Книзе, AB. Структура и динамика современного мирового ареала ньюкаслской болезни птиц /АВ. Книзе, ВА Филоматова //Актуальные проблемы ветеринарного обеспечения животноводства Сибири: сб. науч. трУ РАСХН; Саб. отделение; ИЭВСиДВ. - Новосибирск, 2006. - С.109-113.

3. Современные средства борьбы при болезни Ньюкасла в странах мира, использованные в 2004-2005гг. / АЛ. Коломыцев, В А Филоматова, ААОрлов, AB Книзе //Ветеринарная пагалогия.-2007.- №2(21).-С.77-78.

4. Книзе, A.B. Анализ структуры мирового ареала Ньюкаслской болезни и пространственно-динамический прогноз для территории России / A.B. Книзе, В.А. Филоматова //Международный вестник ветеринарии.-2007.-№3. - С.17-21.

5. Мониторинг и прогнозирование чрезвычайных эпизоотических ситуаций, обусловленных особо опасными болезнями животных, на примере ньюкаслской болезни птиц /А.В.Книзе, А.А.Стрижаков, ВА.Филоматова, A.A. Коломыцев. С.А.Коломыцев// Проблемы прогнозирования чрезвычайных ситуаций:сб. материалов науч.-практ.конф. - М.,2008. -С.53-54.

6. Книзе, A.B. Анализ мирового нозоареала ньюкаслской болезни птиц /A.B. Книзе, ВА.Филоматова// Проблемы профилактики и борьбы с особо опасными, экзотическими и малоизученными инфекционными болезнями

животных: материалы Междунар. науч.-практ. конф., посвящ. 50-летию ВНИИВВиМ.- Покров, 2008. - С.42-45.

7. Книзе, А.В. Разработка математико-картографической модели мирового распространения ньюкаслской болезни птиц /А.В. Книзе, В.А.Филоматова// Проблемы профилактики и борьбы с особо опасными, экзотическими и малоизученными инфекционными болезнями животных: материалы Междунар. науч.-практ. конф., посвящ. 50-летию ВНИИВВиМ.- Покров, 2008. - С.45-48.

8. Книзе, А.В. Применение информационных технологий для изучения эпизоотической ситуации по карантинным особо опасным болезням животных /АЗ. Книзе, В.А.Филоматова// Проблемы профилактики и борьбы с особо опасными, экзотическими и малоизученными инфекционными болезнями животных: материалы Междунар. науч.-практ. конф., посвящ. 50-летию ВНИИВВиМ.- Покров, 2008. - С.49-52.

Отпечатано в типографии ГНУ ВНИИВВиМ РОССЕЛЬХОЗАКАДЕМИИ, г .Покров Владимирской области Тираж 70 экз.

Содержание диссертации, кандидата биологических наук, Журавлева, Валентина Алексеевна

ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ.

1. ВВЕДЕНИЕ.

2. ОБЗОР ЛИТЕРАТУРЫ.

2.1. Эпизоотологический риск.

2.2.1.Математические модели распространения инфекционных болезней животных.

2.2.2.Методические приемы математического моделирования динамики и структуры нозоареала.

2.2.Система прогнозирования и оценка риска возникновения и распространения инфекционных болезней.

2.3. Краткая характеристика ньюкаслской болезни.

Введение Диссертация по биологии, на тему "Моделирование и оценка риска распространения ньюкаслской болезни в Российской Федерации"

1.1. Актуальность работы

К числу наиболее значимых инфекционных патологий птицеводства России относится ньюкаслская болезнь. В 2007 году она занимала четвертое место в общей инфекционной патологии птицы (9,13%) после колибактериоза (47,5%), болезни Гамборо (10,5%) и инфекционного бронхита (9,84%) [123]. В 2007 году в стране было зарегистрировано 35 неблагополучных пунктов, заболело свыше 216 тыс. голов и пало более 70 тыс. Таких значений эпизоотической напряженности не наблюдали в течение 10 лет [40].

В связи с этим, изучение и оценка риска возникновения и распространения Ж по регионам страны в 2009-2010гг., обоснование на этой основе потребностей в вакцинных препаратах является актуальной задачей.

1.2. Цель работы: разработать математические модели оценки риска возникновения и распространения ньюкаслской болезни птиц в Российской Федерации.

Для реализации поставленной цели были определены следующие задачи: сформировать компьютерную базу данных по эпизоотической ситуации и мерам борьбы с ньюкаслской болезнью, дать оценку напряженности эпизоотической ситуации; провести математико-статистический анализ динамики и структуры нозоареала НБ; оценить степень влияния вакцинации на напряженность эпизоотической ситуации НБ; рассчитать математические модели риска возникновения и распространения НБ в РФ в 2009-2010гг.; оценить потребности в вакцине для регионов различной степени риска НБ в 2009-2010гг.

1.3. Научная новизна

Рассчитана информационная модель (канал связи), отражающая связь между уровнем вакцинации и частотой регистрации неблагополучных пунктов в РФ. Модель четко показывает, что с ростом уровня вакцинации снижается чатота регистрации наблагополучных пунктов;

Определена ежегодная потребность в вакцине против НБ на период 2009-2010гг. По РФ она составила 1,659 млд. доз, из них 0,459 млд. доз для птиц яичных пород и 1,2 млд. доз для птиц мясных пород.

1.4. Практическая значимость работы

1.5. Основные положения, выносимые на защиту: Математические модели риска возникновения и распространения НБ в РФ в 2009-2010гг.

1.6. Апробация работы

1.7. Публикации

По материалам диссертации подготовлено и опубликовано 8 статей, из них 1 статья в издании, по перечню, рекомендованному ВАК.

1.8. Личный вклад

1.9. Объем и структура диссертации

Диссертация изложена на 127 страницах, иллюстрирована 22 таблицами и 19 рисунками, дополнена приложением «Методические рекомендации по ведению эпизоотологического мониторинга экзотических особо опасных и малоизвестных болезней животных». Список используемой литературы включает 192 источника, из которых 55 иностранных.

2. ОБЗОР ЛИТЕРАТУРЫ 2.1. Эпизоотологическнй риск

В мировой практике в течение последних десятилетий активно используется методология оценки и управления рисками влияния факторов окружающей среды на здоровье населения (и животных). Целью использования такой методологии является повышение объективной обоснованности принятия управленческих решений в области обеспечения санитарно - эпидемического благополучия населения, а это непосредственно связано с благополучием животных по инфекционным болезням.

В эпизоотологическом контексте риск — это реальная угроза возникновения заболеваемости и иных неблагоприятных эффектов на благосостояние животных - здоровье, продуктивность, воспроизводство под воздействием каких — либо вредных, предрасполагающих или отягощающих факторов» [72].

В середине 90-х годов требования по анализу риска были включены в генеральное соглашение по тарифам и торговле (GATT) и требования Всемирной торговой организации (ВТО).

Данные требования подразумевают, что регулирование перемещения биологических объектов и субъектов, попадающих в сферу деятельности ветеринарии, осуществляется исключительно на основе научной оценки сопряженного с этим риска. МЭБ разработаны стандарты для проведения оценки риска при перемещении животных и разнообразной продукции животноводства. В последние годы анализ риска стали использовать для решения задач оценки безопасности вакцин, риска заноса болезней в отдельные страны и регионы, влияния ветеринарных препаратов на окружающую среду.

С 1999 года ряд авторов выделяют анализ риска в ветеринарии в самостоятельную дисциплину, не связанную с эпизоотологией, но использующую результаты эпизоотологических исследований и наблюдений («Risk analysis for veterinary biologies» - издание правительства

США, wvyw.aphis.usda.gov), или включают данные понятия в такую дефиницию как «аналитическая эпизоотология» [70,72].

Под анализом риска понимается научное исследование, направленное на идентификацию источника риска, оценку риска, выработку рекомендаций по управлению им и информирование о риске.

Оценка эпизоотического риска может быть проведена с помощью качественных приемов и количественными методами исследования. В последнем случае требуется количественный учет и анализ факторов природного, социально-экономического фона, включая состояние ветеринарной службы в связи с состоянием здоровья населения, районирование территории по уровню эпизоотологического риска и вероятным последствиям эпизоотии [39, 53, 110, 162, 186]. При этом используются разнообразные приемы и способы математико-статистической обработки и анализа данных, расчета математических моделей.

Заключение Диссертация по теме "Вирусология", Журавлева, Валентина Алексеевна

5. ВЫВОДЫ

1. Проведенная оценка уровня риска возникновения и распространения ньюкаслской болезни птиц в 2006-2010гг. на основе рассчитанной нами мировой пространственно-динамической модели позволила установить, что наиболее вероятные значения инцидентности по потенциальному нозоареалу составят: 1-10 новых эпизоотических вспышек на 10 млн. голов птицы. Прогнозируется высокая вероятность регистрации болезни: от 0,8 до 1,0, со значениями инцидентности случаев 100 — 1000 на 1 млн. голов птицы для стран Африки, Южной Азии, Юго-Западной Азии, Восточной и Юго-Восточной Азии, Южной Европы

2. При проведении математико-картографической экстраполяции показателей глобальной пространственно - динамической модели на территорию Российской Федерации установлено, что вероятность регистрации ньюкаслской болезни птиц наиболее высока в Центральном, Южном и Северо-Западном федеральных округах - от 0,4 до 0,6, с инцидентностью случаев 10 - 100 на 1 млн. голов птицы .

3. Рао-чет информационного показателя влияния массовой вакцинации на снижение эпизоотической напряженности составил 0,488. Выявлена обратная корреляция между уровнем вакцинации и инцидентностью неблагополучных пунктов. Величина коэффициента корреляции рангов равна 0,688, что, свидетельствует о решающей роли вакцинации в контроле эпизоотической ситуации по НБ в РФ.

5. Использование синтеза математико-картографических моделей связи ситуации с установленными факторами эпизоотологического риска, для районирования территории по уровню риска возникновения и распространения ньюкаслской болезни, позволило определить 4 зоны различного риска возникновения ныокаслской болезни в РФ. Зона наиболее высокого риска охватывает Южный ФО. Вероятность возникновения НБ в ней от 0,2 до 0,3, а инцидентность случаев от 300 до 1000 случаев на 1 млн. гол. птицы.

6. ПРАКТИЧЕСКИЕ ПРЕДЛОЖЕНИЯ

1. Разработаны и предложены для оценки эпизоотологического риска «Методические рекомендации по ведению эпизоотологического мониторинга экзотических особо опасных и малоизвестных животных», утвержденные отделением ветеринарной медицины Россельхозакадемии 12.12.2007.

2. Материалы диссертации могут быть использованы в расчетах потребности в вакцинных препаратах для проведения мероприятий профилактики и ликвидации ньюкаслской болезни в РФ.

107

Библиография Диссертация по биологии, кандидата биологических наук, Журавлева, Валентина Алексеевна, Покров

1. Абишев, М.Н. Информационно-картографический подход к анализу связей природных явлений / М.Н. Абишев // Вопросы географии. Количественные методы изучения природы. М., 1975. - С.131-146.

2. Адлер, Ю.П. Введение в планирование эксперимента / Ю.П.Адлер.-М.: Металлургия, 1969. С.5-53.

3. Адлер, Ю.П. Планирование эксперимента при поиске оптимальных условий/ Ю.П.Адлер, Е.В.Маркова, Ю.В. Грановский М.: Наука, 1976. -279 с.

4. Актуальные проблемы инфекционной патологии животных: материалы Междунар. науч.-практ. конф., посвящ. 45-летию ФГУ ВНИИЗЖ.- Владимир: ИПП ВЕЛЕС, 2003. 524 с.

5. Аскеров, Т.М. Система управления базой пространственно-распределенных данных / Т.М.Аскеров, A.A. Агаев // Прикладная информатика: сб. статей. -М., 1991. Вып. 17. -С.81-97.

6. Бакулов, И.А. Карантинные и малоизученные болезни животных мировая эпизоотическая ситуация и система мер по предупреждению их заноса / И.А. Бакулов// Эпизоотология, диагностика и меры борьбы с инфекционными болезнями. Новосибирск, 1986. - С. 18 - 22.

7. Бакулов, И.А. Некоторые результаты исследований по проблеме эпизоотологического прогнозирования (в ветеринарной практике) / И.А. Бакулов // Труды ВИЭВ. М., 1982. - Т.55. - С.11-15.

8. Бакулов, И.А. Основы эпизоотологического прогнозирования и планирования противоэпизоотических мероприятий. Основные положения/ И.А. Бакулов // Руководство по общей эпизоотологии,- М.: Колос, 1979. С. 279-295.

9. Бакулов, И.А. Особенности распространения вирусных болезней животных в современных условиях и их прогнозирование / И.А. Бакулов, Г.Г.Юрков // Актуальные проблемы ветеринарной вирусологии.: тез. докл. -Казань, 1980.-С.4-5.

10. Бароян, О.В. Эпидемиологическая статистика и анализ статистических

11. Р.» изданных / О.В. Бароян, Д.Ф. Портер // Междунар^и национальные аспектысовременной эпидемиологии. -М.: Медицина, 1975. С.283-285.

12. Бароян, О.В. Математика и эпидемиология / О.В. Бароян, JI.A. Рвачев-М.: Знание, 1977.-64 с.

13. Бароян, О.В. Модель эпидемий гриппа для территории СССР / О.В. Бароян, JI.A. Рвачев М.: Знание, 1971. - 15 с.

14. Батомункув, A.C. Эпизоотология и моделирование эпизоотического процесса пастереллеза в республике Бурятия: автореф. дис. канд. вет. наук: 16.00.03 / Батомункув Алдар Содномишиевич. Барнаул, 2002. - 28 с.

15. Беляков, В.Д. Саморегуляция паразитарных систем: молекулярно-генетические механизмы / В.Д. Беляков, Д.Б. Голубев, Г.Д. Каминский, В.В.Тец. Л.: Медицина, 1987.-240 с.

16. Бургин, М.С. Системная организация баз данных и баз знаний / М.С.Бургин, В.И. Кузнецов // Базы данных и знаний в автоматических и региональных системах: сб. науч. тр. -Киев, 1999.-С.149-157.

17. Бушу ев, М.В. Диалоговая система хранения и анализа временных рядов / М.В. Бушу ев // Анализ и прогноз многолетних временных рядов.-Новосибирск, 1988. С.25-29.

18. Бюллютень о движении заболеваний с/х животных за 1961-1970 годы. -М.:МСХ, 1972.-255с.

19. Бюллютень о движении заболеваний с/х животных за 1975-1980 годы.-М.:МСХ, 1983.-240с.

20. Бюллютень о движении заболеваемости о падеже с/х животных за 1981 год.- М.: МСХ, 1982. 208с.

21. Вирусные болезни животных / В.Н. Сюрин и др.. -М.: ВНИТИБП, 1998.-928 с.

22. Вишняков, И.Ф. Система эпизоотологического мониторинга и государственная безопасность животноводства в чрезвычайных ситуациях / И.Ф. Вишняков // Вестник РАСХН.-2000.-№1.-С.8-11.

23. Воронов, А.Г. Биогеография мира / А.Г.Воронов, Н.Н.Дроздов, Е.Г.Мяло. М. : Высш. шк., 1985. - 272 е., ил . -(Учеб. для студ. географ, спец. ун - тов.)

24. Ганнушкин, М.С. Общая эпизоотология / М.С.Ганнушкин-М.:Сельхозгиз, 1961.-264 с.

25. Гудим, В.Е. Вопросы методологии эпизоотологического прогноза и некоторые пространственные задачи/ В.Е.Гудим и др. // Труды ГНКИ. М., 1985.-Т.22.- С. 281-285.

26. Гудим, В.Е. Исследование структуры нозоареала методом информационного анализа в связи с задачей прогнозирования болезни (на примере клостридиоза, вызываемого С1. СЬаиуое1) : автореф. дис. канд. биол. наук: 03.00.07 / Гудим Валентина -М.,1974. 24 с.

27. Гуленкин, В.М. Применение компьютерных технологий для прогнозирования течения ящура при чрезвычайных ситуациях / В.М. Гуленкин //Актуальные проблемы инфекционной патологии животных: материалы

28. Междунар. науч.-практ. конф., посвящ. 45-летию ФГУ ВНИИЗЖ.- Владимир, 2003. С.18-23.

29. Гуленкин, В.М. Эпизоотологическое прогнозирование особо опасных болезней / В.М. Гуленкини др. //Ветеринария.-2001.-№12.-С.З-5.

30. Джексон, Г. Проектирование реляционных баз данных для использования с микро-ЭВМ / Г.Джексон; пер. с англ. М.: Мир, 1991.-252 с.

31. Дженкинс, Г. Спектральный анализ и его приложения / Г.Дженкинс, Д. Ватте; пер. с англ.- М., 1982. Вып. 1.-280 с.

32. Джупина, С.И. Методы эпизоотологического исследования и теория эпизоотического процесса/ С.И. Джупина Новосибирск: Наука, 1991.-142 с.

33. Джупина, С.И. Прогнозирование эпизоотической ситуации (на модели эпизоотического процесса сибирской язвы) / С.И. Джупина Новосибирск, 1996.-240 с.

34. Джупина, С.И. Пути предупреждения инфекционной заболеваемости животных на фермах / С.И. Джупина // Вестник Рос. ун-та дружбы народов. Сер. с.-х. науки. Животноводство.—2001.-№6.-С.106-112.

35. Диго, С.М. Проектирование использование баз данных / Диго С.М. -М.: Финансы и статистика, 1995.-170 с.

36. Дудников, С.А. Анализ риска в ветеринарии. Принципы и методология. (Анализ риска заноса ящура на территорию России) / С.А. Дудников, Е.В. Гусева // ФГУ ВНИИЗЖ МСХ РФ.- Владимир, 2001, 32 с.

37. Дудников, С.А. Количественная эпизоотология: основы прикладной биотехнологии и биостатистики /С.А.Дудников.- Владимир: Демиург, 2004. -460 с.

38. Замулин, A.B. Системы проектирования баз данных и знаний/ A.B. Замулин.- Новосибирск: Наука, 1990. 351с.

39. Исаченко, А.Г. Ландшафты / А.Г. Исаченко, А.А.Шляпников.- М.: Мысль, 1989. 504 с.

40. Использование географических информационных технологий в эпидемиологической диагностике особо опасных инфекций / Л.С.Кирьякова и др. // Проблемы особо опасных инфекций. -2004. Вып. 87. - С.24-27.

41. Кириллов, В.В. Основы проектирования реляционных баз данных / В.В. Кириллов,- СПб.: ИТМО, 1994. 88 с.

42. Конопаткин, A.A. Эпизоотология и инфекционные болезни сельскохозяйственных животных /A.A. Конопаткин и др.. М.: Колос, 1984.-С.544

43. Константинов, В.М. Имитационное математическое моделирование эпизоотического процесса: биологические аспекты /В.М.Константинов //Вестник сельскохозяйственной науки. 1990. - №2. - С. 100-109.

44. Константинов, В.М. Проблема кластеризации основное звено районирования в медико-географических исследованиях / В.М.Константинов, М.Г.Таршис // Медицинская география. - Л., 1989. - С.25-26.

45. Коромыслов, Г.Ф.Эпизоотологическое прогнозирование мероприятий по профилактике и борьбе с заразными болезнями / Г.Ф.Коромыслов, Б.Ф. Званцов // Международный с.-х. журнал. 1981. - №6. - С. 104-105.

46. Куклев, Е.В. Геоинформационное обеспечение эпидемиологического надзора за чумой в природных очагах России / Е.В.Куклев, Н.В.Попов,

47. Кулешов, А.А.Математическое моделирование лесных пожаров / А.А.Кулешов, Е.Е.Мышецкая, В.Ф.Тишикин // Пробл. прогнозирования чрезвычайных ситуаций: сб. материалов науч. практ. конф. - М., 2002. —1. C.52-53.

48. Курченко, Ф.П. Некоторые особенности борьбы с особо опасными болезнями животных / Ф.П. Курченко // Вопросы ветеринарной вирусологии, микробиологии и эпизоотологии: тез. науч. конф./ ВНИИВВиМ. Покров, 1985,- Т. 2.-С. 485-490.

49. Кушнир, А.Т. Оценка эффективности применения пылевидных вакцин против ньюкаслской болезни птиц //Вопросы ветеринарной вирусологии, микробиологии и эпизоотологии.: материалы науч. конф. / ВНИИВВиМ. — 4.1. Покров, 1993. - С. 149-150.

50. Лакин, Г.Ф. Биометрия / Г.Ф.Лакин,- М.: Высш. шк, 1990. С.208-306.- (Учеб. пособие для биол. спец. вузов)

51. Лоули, Д. Факторный анализ как статистический метод / Д.Лоули, А.Максвелл М.: Мир, 1967. - 144 с.

52. Мазанов, В.Л. Использование математических моделей для прогнозирования медико санитарных последствий на различных этапах развития радиационной аварии на АЭС / В.Л.Мазанов, А.Ф. Хоруженко //

53. Проблемы прогнозирования чрезвычайных ситуаций: сб. материалов науч.-практ. конф. -М., 2002. С.58.

54. Макаров, В.В. Аналитическая эпизоотология / В.В.Макаров, О.И. Сухарев // Аграрная Россия. 2001. - №3. - С.9-14.

55. Макаров, В.В. Очерки истории борьбы с инфекционными болезнями/ В.В.Макаров.- М., 2008. 220с.

56. Макаров, В.В. Эпизоотологическая методология. Лекционный курс / В.В.Макаров. М., 2001. - 224 с.

57. Макаров, В.В. Эпизоотологическая терминология основные определения и категории / В.В.Макаров, Д.А.Васильев. - Ульяновск: Изд-во УГСХА,1998. - 51с.

58. Мартин, Дж. Организация баз данных в вычислительных системах / Дж.Мартин; пер. с англ. М.: Мир, 1980. - 662 с.

59. Методические рекомендации по ведению эпизоотологического мониторинга экзотических особо опасных и малоизвестных болезнейживотных / И.А. Бакулов, A.B. Книзе, А.А.Стрижаков, Н.В.Дмитриенко, В.А. Филоматова / ГНУ ВНИИВВиМ.- Покров, 2007.-79с.

60. Методическое руководство по определению экономического ущерба и эффективности противоэпизоотических мероприятий при особо опасных болезнях животных (группа А) /В.М Гуленкин, Т.З. Байбиков, Ю.В. Зимковский, В.М.Захаров / ВНИИЗЖ- Владимир, 1996.- 85с.

61. Методические указания по эпизоотологическому исследованию / И.А.Бакулов и др.. М.: Изд -во ГАК СССР, ВНИИВВиМ, ВИЭВ. - 20 с.

62. Моделирование атропонозов и зоонозов // Эпидемиологическая кибернетика: Модели, информация, эксперименты: сб. науч. тр. НИИЭМ им. Гамалеи АМН СССР. М., 1991.-С. 109-161.

63. Муллахметов, P.P. Система статистического и экономического анализа противоэпизоотических мероприятий на основе компьютерных технологий: автореф. дис. .канд. вет. наук: 16.00.03 / Муллахметов Рустем Ренатович. -Казань, 2005. -19 с.

64. Николаева, К.П. Моделирование риска заноса и распространения ящура на территории России и прогнозирование эпизоотической ситуации: автореф. дис. канд. биол. наук: 03.00.06; 16.00.03 / Николаева Клеопатра Павловна. Владимир, 2005. - 23 с.

65. Основы географической эпизоотологии. Учебное пособие // В.Н. Кисленко и др. / МСХП РФ РАСХН; Сиб. отд. ИЭВС и ДВ; НГАУ. -Новосибирск, 1997. 84 с.

66. Особо опасные болезни животных. Справочник / H.A. Бакулов, Т.А.Власова, С.Ф.Терновая, A.B. Книзе, И.Ю. Хухоров, Н.В.Дмитриенко / ВНИИВВиМ.- Покров, 2002.-159 с.

67. Особо опасные болезни животных. Справочник / И.А.Бакулов, В.М.Котляров, А.С.Донченко, И.Ю.Хухоров, С.Ф.Терновая, А.В.Книзе/ ВНИИВВиМ; ГНУ ИЭВС и ДВ. Покров, Новосибирск, 2002.-184 с.

68. Оценка экономической эффективности профилактической вакцинации животных против ящура/ В.М. Гуленкин и др. // Проблемы инфекционной патологии с.-х. животных.- Владимир, 1997.-С.30-31.

69. Песковацков, А.П. Математическое моделирование и прогнозирование эпизоотий / А.П. Песковацков, Е.С.Голубева // Труды ГНЕСИ. М., 1975. -Т.22. - С.275-280.

70. Песковацков, А.П. Метод эпизоотологического исследования и прогнозирование / А.П. Песковацков // Вопросы ветеринарной вирусологии, микробиологии и эпизоотологии: тез. докл. науч. конф., 14 -16 ноября 1983г./ ВНИИВВиМ.- Покров, 1983.- С. 120-122.

71. Песковацков, А.П. О принципах системы эпизоотологического прогнозирования / А.П. Песковацков //Вопросы ветеринарной вирусологии, микробиологии и эпизоотологии: тез. докл. науч. конф., посвящ. 30- летию ВНИИВВиМ,- Покров, 1988.- С.13-15.

72. Плешакова, В.И. Экспериментальное моделирование инфекции мочевыводящих путей животных, вызванных Actiobaculus suis / В.И.Плешакова, Н.М. Колычев // Доклады РАСХН. 2002. - №1. - С.35-38.

73. Плохинский, H.A. Алгоритмы биометрии/ Н.А.Плохинский. -М.:МГУ, 1980.-80с.

74. Построение обобщенного показателя оценки эпизоотической ситуации / Р.Н.Коровин и др. // Доклады РАСХН. 2002. - №2. - С.54-55.

75. Поллард, Дж. Справочник по вычислительным методам статистики / Дж. Поллард; пер. с анг. М.: Финансы и статистика, 1982. - С. 260-319.

76. Потиевский, Э.Г. Разработка методов прогнозирования заболеваемости людей на модели геморрагической лихорадки с почечным синдромом / Э.Г.Потиевский, JI.A. Красильникова // Моделирование биологических сообществ. Владивосток, 1990. - С.86-92.

77. Проблемы защиты от актов биотерроризма в современных условиях / Б.В.Боев, В.М.Бондаренко, А.А.Воробьев, В.В.Макаров // Аграрная Россия. -2002. №2. - С. 66-74.

78. Прогностическая модель распространения наркомании и ВИЧ-инфекции среди молодежи / Б.В.Боев, В.М. Бондаренко // ЖМЭИ. 2001. -№5. - С.76-81.

79. Прометный, В.И. Санитарная охрана территории: базы данных о распространении некоторых особо опасных болезней/ В.И.Прометный, Б.П.Голубев, Э.А.Москвитина // ЖМЭИ. №5. - 2002. - С.25-29.

80. Пустыльник, Е.И. Зависимость между случайными величинами / Е.И. Пустыльник //Статистические методы анализа и обработки наблюдений. — М.: Наука, 1968. С. 213-239.

81. Рабочая книга по прогнозированию / под ред. И.В.Бестужева Лада.-М.: Мысль, 1982.-429 с.

82. Разработка краткосрочных прогнозов эпизоотологической обстановки (при инфекционных болезнях животных) / В.А.Ведерников и др. // Труды ВИЭВ. М.,1983.-Т.55-С.21-26.

83. Разработка научно обоснованных прогнозов по ящуру и внедрение их в ветеринарную практику / Т.З.Байбиков и др. // Проблемы инфекционной патологии с.-х. животных: тез. докл. конф.- Владимир, 1997. С.28.

84. Рвачев, Л.А. Эксперимент по машинному прогнозированию эпидемии гриппа / Л.А. Рвачев // Доклады АН СССР. 1971. - Т.198. - №1. -С.68-70.

85. Региональный анализ риска возникновения ящура на территории России/ С.А.Дудников и др. // Проблемы прогнозирования чрезвычайных ситуаций: сб. материалов науч.- практ. конф.- М., 2002.-С. 29-30.

86. Рекомендации по методике эпизоотологического исследования / под ред. И.А. Бакулова Покров, 1975. 75 с.

87. Руководство по общей эпизоотологии / под ред. И.А. Бакулова, А.Д. Третьякова. М.: Колос, 1979. - 424 с.

88. Рунион, Р. Справочник по непараметрической статистике. Современный подход / Р. Рунион. М.: Финансы и статистика, 1982.-198 с.

89. Система эпизоотологического мониторинга особо опасных, экзотических, малоизученных, в том числе зооантропонозных болезней животных / И.А. Бакулов и др.. М., 2001. - 72 с.

90. Сидоров, С.М. К вопросу о прогнозировании эпизоотического процесса при бешенстве на территории России / С.М.Сидоров и др. // Ветеринарная патология. -2007. -№ 3. С. 17 - 22.

91. Сюрин, В.Н. Частная ветеринарная вирусология: справочная книга /

92. B.Н. Сюрин, Н.В.Фомина. -М.: Колос, 1979.- 472 с.

93. Таранова, JI.A. Выяснение корреляций между заболеваемостью сельскохозяйственных животных ящуром и плотностью их размещения на территории РСФСР /JI.A. Таранова // Сборник трудов МВА. 1973. - Т.65.1. C.170-171.

94. Таршис, М.Г. Краевая эпизоотология нечерноземной зоны РСФСР/ М.Г. Таршис. М.: Колос, 1980. -208 с.

95. Таршис, М.Г. Математические методы в эпизоотологии / М.Г. Таршис, В.М. Константинов.- М.: Колос, 1975. С.103-119.

96. Таршис, М.Г. Математические модели эпизоотического процесса / М.Г. Таршис, В.М. Константинов. М.: ВНИИТЭИСХ, 1979. - 203 с.

97. Таршис, М.Г. Моделирование эпизоотического процесса / М.Г.Таршис // Эпизоотологический прогноз и противоэпизоотический план. М., 1979. -С.35-46.

98. Таршис, М.Г. Некоторые модели эпизоотологического прогноза / М.Г. Таршис, В.Е.Гудим, Р.Ф. Иопа // Ветеринария. 1973. - №7. - С.42-44.

99. Таршис, М.Г. Эпизоотологический прогноз и противоэпизоотический план / М.Г. Таршис М.: Россельхозиздат, 1979. - 110 с.

100. Терентьев, П.В. Практикум по биометрии/П.В. Терентьев, Н.С.Ростова. -Д.: Изд-во Ленингр. ун-та, 1977.- 152с.

101. Федоров, В.Д. Экология / В.Д.Федоров, Т.Г.Гильманов. М.: МГУ, 1980.- 464 с.

102. Фисинин, В.И. Общие проблемы птицеводства. Стратегические тенденции развития яичного и мясного птицеводства России /В.И.Фисинин // Сборник трудов. IV Международный конгресс по птицеводству М.,2008. -С.4-22

103. Харман, Г. Современный факторный анализ / Г.Харман. М.: Колос, 1972.- 160 с.

104. Ходжаев, Ш.Х. Математическое моделирование эпидемического процесса / Ш.Х Ходжаев, Х.К.Кадыров, Х.З.Икрамова // Автоматизация. Организация. Диагностика. -М., 1981. С. 163-166.

105. Хохлачев, О.Ф. Вакцинация основа эпизоотического благополучия птицехозяйства / О.Ф.Хохлачев и др. // IV Международный ветеринарный конгресс по птицеводству, 8-11 апреля 2008г. - М., 2008.- С.29-37.

106. Цонев, Ц. О методах эпизоотологии / Ц. Цонев, П. Елицина, Б.Ликов// Методические материалы по проблемам общей эпизоотологии в условиях промышленного животноводства. София, 1984. - С.31 - 43.

107. Черкасский, Б.Л. Глобальная эпидемиология / Б.Л.Черкасский.-М.: Практическая медицина, 2008. 447 с.

108. Черкасский, Б.JI. Риск в эпидемиологии / Б.Л.Черкасский.- М.: Практическая медицина, 2007. 480 с.

109. Шоопала Джоханнес. Особенности проявления эпизоотического процесса катаральной лихорадки овец в Намибии: автореф. дис. канд. вет. наук: 16.00.03 / Шоопала Джоханнес. М., 2006. - 24с.

110. Эпизоотологический словарь справочник / И.А. Бакулов, Г.Г. Юрков, В.А.Ведерников, Ф.М. Орлов. -М.: Россельхозиздат, 1986. - 190 с.

111. Эпизоотологический словарь-справочник / сост. Д.И.Козлова.- М.: Россельхозиздат, 1986.-189 с.

112. Юдников, С.А. Научно техническое прогнозирование / С.А. Юдников // Проблемы прогнозирования чрезвычайных ситуаций: сб. материалов науч. - практ. конф. - М., 2002. - С.90-92.

113. Ягодинский, В.Н. Динамика эпидемического процесса/ В.Н. Ягодинский. М.: Медицина, 1977.- 240 с.

114. Ярковой, П.Н. Совершенствование планирования профилактических противоинфекционных мероприятий на основе современных компьютерных технологий: автореф. дис. . канд. вет. наук. Воронеж, 2004. - 22 с.

115. Animal health yearbook 1960 -1995 / FAO-WHO -OIE.-Rome, 1961 -1996.

116. Armitage, P. Modelling the transmission of rabies/ P.Armitage // Disease and Urbanization. London, 1980. - P.45-54.

117. Barnes, S. Mapping the future of health care: CIS applications in Health care analysis / Barnes S., Peck A. //Geographic Information Systems. -1994. -№ 4. -P.31-33.

118. Beal, V.S. Perspectives on animal diseases surveillanse / V.S. Beal // Proc. 87 annual meet, of U.S. animal health association. Las Vegas, 1983. - P. 359 -385.

119. Beal, V.S. The use mathematical models in animal diseases program evaluation / V.S. Beal // Proc. 87 annual meet, of U.S. animal association. Las Vegas, 1983.-P. 386-302.

120. Buish, W.W. The Threat and response to a foreign animal disease outbreak / W.W. Buish // The bovine practioner. 1980, № 15. - P. 415 - 425.

121. Canning, R. Trends in data management. Part 1 / R. Canning // EDP Analyzer. 1971. - Vol. 9, № 5. - P.412-435.

122. Clarke, K.C. Analytical and computer cartography / K.C. Clarke. 2nd ed. -Englewood Cliffs, N.J. - Prentice - Hall., 1995.

123. Clarke, K.C. Geographic information systems: definitions and prospects / K.C.Clarke// Bull. Geogr. and Map Div. Spec.Libr.Assoc.-1985. -№ 142. P. 1217.

124. Clarke, K.C The use of remote sensing and geographic information system in UNICEF's dracunculiasis (Guinea worm) eradication effort / K.C.Clarke et al. // Prew Vet.Met.-l 991. № 11. - P. 229-235.

125. Codd, E. Seven steps to rendezvous with the casual user/ E.Codd // Proc. IFIP TC-2 Work. Conf. on Data Base Manag. Syst. North-Holland, 1974.-P.315-338.

126. Codd, E.F. A relational model of data for large shared data banks / E.F.Codd // Communications of the ACM. 1970. - Vol.13, №6.-P.26-28.

127. Codd, E.F. Extending the relational database model to capture more meaning / E.F. Codd // ACM Transactions on Database Systems. 1979. - Vol.4.-№4. - P.278-290.

128. Copeland, G.The architecture of CASSM: A cellular system for nonnumeric processing/ G.Copeland, G.Lipovski, S.Su // Proc. 1st Annual. Simp. On Comp. Architec. Gainesville, Florida, 1973. - P.232-240.

129. Deutrich,V. Die amoendung von methoden der geographen epizootiologie fun tierseuchen becamp fung biespiel der myxomatoze / V.Deutrich // Mh.fus. vet. med. 1982. - Vol. 37, № 10.- P.581 -586.

130. Deutrich, V. Jupfs boffiensot zus myxomatoze behaupfung auf der Grundlage der epizootiologishen rayonierund / V.Deutrich, G.Hausburg // Mh.fus. vet. med. 1986. - Vol. 41, №18. - P. 615 -621.

131. Dictionary of Veterinary epidemiology / Ed. В. Torna et al.- Ames: Jowc SUP, 1999.-288 p.

132. Economic impact of transboundary plant pests and animal diseases // The state of food and agriculture / FAO. Rome, 2001.- 62 p.

133. Engles, R. A. Tutorial on Data Base Organization. Part.l / R. A.Engles // Annual Rev. in Autom. Progr. 1972. -№7.-P.27-46.

134. FAO Production yearbook 1985-2004. Rome, 1986-2005.

135. Farley, J. Query execution and index selection for relational data bases / J.Farley, S.Schuster // University of Toronto Comp. Sys. Res. Group Techn. Rep. CSRG.-1980.-Vol.53. P.35-46.

136. Gibbs, E.P.J. Virus diseases of food animals / E.P.J. Gibbs .- London, New York, Sidney, San Francisco: Acad. Press, 1981.- Vol.1. 330 p.

137. Glass, G.F. Environmental risk factors for Lyme disease identified with geographic information systems / G.F.Glass, B.S.Scbwarts, J.M.Morgan, et al. // Am J Public Health. -1995. №85. - P.944-948.

138. Goodcbild, M.F. Geographic information science/ M.F .Goodcbild // International Journal of Geographic Information Systems. -1992.

139. Hall, P. Optimisation of a single relational expression in a relational data base system / P. Hall // IBM UK Sei. Centre Rep. 1975. - P.26-32.

140. Hanson, R.P. Animal disease control. Regional programs / R.P. Hanson, M. R. Hanson. Ames: The Jowa State Univ. press, 1983.- 33 lp.

141. Hethcote, H.W.Gonorrhea transmission dynamics and control / H.W.Hethcote, J.A.Yorke // Lecture Notes in Biomathematics.-1994.-Vol.56,-P.105.

142. Hillis A.A mathematical model for the epidemiologic study of infectious diseases // Int. J. Epidemiol.-1989.-№8.-P. 167-176.

143. Hugh-Jones, M. E. A simple vaccination model / M.E.Hugh-Jones // Vulletin office ent epizoot. 1981. -Vol.93, № 1-2.-P. 1-8.

144. King, L.J. National animal surveillance. A sense of future / L.J. King // Proc. 87 annual meet, of U.S. animal health association. Las Vegas, 1983.- P. 356 -357.

145. King, M.E. Use of modeling in infectious disease epidemiology / M.E.King, C.L Soskolne // Amer. J. Epidemiol.-1999,-Vol. 128, №5.-P.949-951.

146. Klaring, W.J. Mathematical models for the spread and control of foot-and-mouth fisease during the 1973 epidemic in Austria/ W.J.Klaring, W.Timischl // Biometr. J.- 1979. Vol. 21, №7. - P.675-680.

147. Levein, R. A computer system for inference execution and data retrieval / R.Levein, M.Maron // CACM 1967. - Vol. 10, № 11. - 318p.

148. Lin, C. The design of a rotating associative memory for a relational database management application / C .Lin, D.Smith, J.Smith // ACM Trans, on Database Sys.- 1976.-Vol. 1, № l.-P. 376-412.

149. McDonald,C.L. Applied computer graphics in a geographic information system: problems and successes/ C.L.McDonald, I.K.Crain // Computer graphics and application. 1985.-Vol. 5, №10. - P.34-39.

150. McGee, W. The IMS/VS system / W. McGee // IBM Sys. J. 1986. - №1. -P. 350-361.

151. Meltzer, H. Data base concepts and an architecture for a data base system / H. Meltzer // SHARE XXXIII. Boston, 1969. - 612 p.

152. Minker, J. Performing inferences over relational data base / J. Minker // Proc. ACM SIG-MOD Int. Conf. on the Manag. of Data, 1985. 125 p.

153. Moutou, F. Modelling the spread of FMD virus / F.Moutou, B.Durand // Vet. Res. 1994. - Vol. 25, №2. - P. 279 - 285.

154. Odend, Hal S. The geographical distrbution of animal viral diseases / Hal S Odend .-New York: Acad. Press, 1983. 493 p.

155. OIE World animal health 1985-2003. Paris, 1986-2004.

156. Ozlcarahan, E. RAP: An associative processor for data base management / E.Ozkarahan, S.Schuster, K.Smith // Proc. NCC .- 1975. Vol.44. - P. 412-420.

157. Pecherer, R. Efficient of expressions in a relational algebra / R.Pecherer //Proc. aCM Pacif. Conf. San Francisco, 1975. - P. 266-270.

158. Rothnie, J. An Approach to Implementing a Relational Data Management System / J. Rothnie //Proc. ACM SIGMOD Works. On Data Descrip.,Access and Contr.- 1974.-447 p.

159. Rothnie, J. Evaluating inter-entry retrival expressions in a relational data base management system / J. Rothnie // Proc. NCC .- 1975. 44. - 436 p.

160. Ryall, D.B.Validation of the UK Met offices NAME model against the ETEX dataset / D.B.Ryall, R.H. Maryon // J. Atmospheric Environment. 1998. -№ 32. - P. 4265-4276.

161. Sellers, R.F. Weather, host and vector their interplay in spread of insect -borne animal virus diseases / R.F. Sellers // J. Hyg, 1980.- № 85.- P. 65 -102.

162. Seyffert, H.J/ Global status of animal diseases exotic to the United States /

163. H.J.Seyffert // Proc. 87 annual meet, of U.S. animal health association. Las Vegas, 1983. - P. 289-292.

164. Stellmann, C. Epizootologie de la rage en France de 1968 a 1972 selon im modele biomathematique / C.Stellmann, G.Beranger // Rew. De Med. Vet. 1974. -Vol.125, № l.-P. 45-62.

165. Terrestrial animal Health Code/ OIE.- 2005.- Part 1, Sect. 1.3, Charter13.1.

166. Teunis, P. The beta Poisson dose-response model is not a single-hit model / P.Teunis, A.Havelaar // Risk Analysis. 2000. - Vol. - P. 513-520.

167. Tinline, R. A note on a simulation model of spread of foot-and-mouth disease / R. Tinline.- Canada: Department of Geography Queens University, 1970. -12 p.

168. Trevino, L.S. Foreign animal disease control programs in the United States/ L.S. Trevino // J. Am. Vet. Med. Assoc. -1975,- Vol. 167. P. 459 - 462.

169. Tsichritzis, D. Hierarchical ctata base managements: A Survey / D.Tsichritzis, F.Lochovsky // ACM Comp. Sur. 8. 1976. - №1. - P.216-220.

170. U.N. Statistical yearbook 2004. Geneva, 2005.

171. William, M. A state-transition model of Epidemic Foot and Mouth Disease / M.William, M.Miller// New Techniques in Veterinary Epidemiology and Economics / Proceeding of Symposium University of Reading.- England, 1976.

Информация о работе

Журавлева, Валентина Алексеевна
кандидата биологических наук
Покров, 2008
ВАК 03.00.06

Диссертация

Моделирование и оценка риска распространения ньюкаслской болезни в Российской Федерации - тема диссертации по биологии, скачайте бесплатно

Автореферат

Похожие работы