Приложение 2

к МУ 3.1.3844-23

ОСНОВНЫЕ ПРИНЦИПЫ

ПРОГНОЗИРОВАНИЯ ЭПИДЕМИЧЕСКОЙ СИТУАЦИИ В ОЧАГАХ ГЛПС

1. Прогнозирование эпизоотической активности природных очагов ГЛПС на территории Российской Федерации осуществляется на краткосрочную (сезон) и среднесрочную (год) перспективу. При этом краткосрочные эколого-эпизоотологические прогнозы являются фрагментом среднесрочного прогнозирования изменения эпидемической обстановки в природных очагах ГЛПС.

Эпизоотологические и эпидемиологические прогнозы по ГЛПС основывают на широком спектре эколого-эпизоотологических и эпидемиологических данных, характеризующих эпизоотическую и эпидемическую активность природных очагов ГЛПС. Внедрение в практику эпидемиологического надзора прогнозов различной длительности дает возможность более точно определить время, место и масштаб обострения эпизоотической и эпидемической ситуации в природных очагах ГЛПС, позволяет разработать оптимальную и наиболее эффективную стратегию профилактики заболеваемости и организовать рациональное использование материальных и человеческих ресурсов. При этом проведение комплекса превентивных профилактических (противоэпидемических) мер на участках высокого риска заражения значительно эффективнее и дешевле, чем экстренная ликвидация внезапных вспышек в пик эпидемической активности природных очагов ГЛПС.

Для снижения рисков заражения необходимо сочетать качественные и количественные методы прогнозирования эпизоотической и эпидемической обстановки. Основой качественного эпизоотологического и эпидемиологического прогноза является экспертная оценка, базирующаяся на анализе имеющихся данных. Качественный прогноз эпидемических рисков заражения ГЛПС необходимо проводить в форме балльной оценки (риск заболеваемости отсутствует, низкий, средний, высокий для всех категорий административных территорий (район, область, край, республика) (табл. 1).

В зависимости от текущей ситуации по каждой из градаций (A - E) выставляют соответствующие баллы, из суммы которых вычисляется средняя арифметическая. При этом при среднем балле 1 дается прогноз на отсутствие рисков заражения; при 2 баллах - на сохранение низкого уровня, при 3 баллах - на соответствие среднему уровню, при 4 - высокому уровню риска заражения.

Таблица 1

Балльная оценка прогностических рисков заражения в природных

очагах ГЛПС Российской Федерации

2. Оценку параметров прогностических рисков заражения на отдельных административных территориях проводят по формуле:

X = (A + B + C + D) : 4,

где X - уровень прогностических рисков по ГЛПС для отдельных административных территорий Российской Федерации;

A - уровень заболеваемости ГЛПС в предшествующий сезон, год;

B - уровень численности и индекса доминирования рыжей полевки и других резервуарных хозяев хантавирусов;

C - уровень инфицированности рыжей полевки и других резервуарных хозяев хантавирусов;

D - показатель состояния климатических факторов.

3. Основные этапы построения эпизоотологического прогноза по ГЛПС:

- проведение эпизоотологического мониторинга природного очага ГЛПС;

- составление ретроспективной характеристики сезонной (годовой) заболеваемости ГЛПС;

- составление характеристики погодных условий, влияющих на состояние численности рыжей полевки и других резервуарных хозяев хантавирусов;

- оценка кормовой базы резервуарных хозяев хантавирусов;

- оценка сезонной и многолетней динамики численности рыжей полевки и других резервуарных хозяев хантавирусов, индексов их доминирования в различных частях ареала;

- оценка условий переживания зимнего периода популяций рыжей полевки и других резервуарных хозяев хантавирусов;

- оценка размножения рыжей полевки и других резервуарных хозяев хантавирусов;

- оценка численности синантропных видов грызунов в населенных пунктах;

- оценка интенсивности инфицированности рыжей полевки и других резервуарных хозяев хантавирусов;

- составление экспертного (качественного) прогноза эпизоотической активности природных очагов ГЛПС.

4. Оценка прогностических рисков заражения в границах энзоотичной по ГЛПС территории строится на основе эпидемических и эпизоотологических показателей, в первую очередь "факторов риска", "территорий риска", "времени риска", "контингентов риска". Масштабность прогностических эпидемических проявлений ГЛПС во многом определяется интенсивностью контактов населения с очаговыми территориями. Тем не менее экспертные прогнозы эпидемической обстановки характеризуются высокой степенью реализации и позволяют определять основные тенденции сезонной и многолетней динамики эпизоотической и эпидемической активности природных очагов ГЛПС.

Количественный прогноз отличается тем, что в основе анализа используются показатели, имеющие численное выражение с возможностью составления временных рядов баз данных. Количественная оценка прогнозируемой ситуации возможна в случае, если массив имеющихся эпизоотологических и эпидемиологических данных достоверен, однороден и достаточен для составления минимального временного ряда, пригодного для статистической обработки. При этом показатели уровня заболеваемости, численности и инфицированности рыжей полевки и других резервуарных хозяев хантавирусов, погодных условий являются основой для разработки краткосрочных (сезонных) и среднесрочных (годовых) прогнозов эпизоотической и эпидемической активности природных очагов ГЛПС.

5. Вариантом количественного прогноза заболеваемости населения эндемичных территорий может являться результат ретроспективного эпидемиологического анализа при условии выявления в многолетней динамике четкой цикличности со строгой периодичностью.

В эпидемиологической практике ретроспективный эпидемиологический анализ проводится методом наименьших квадратов с использованием прямолинейной функции (регрессии):

y = a + b x x,

где y - теоретическое значение показателя заболеваемости;

x - порядковый (ранжированный) номер года (при условии, что x для медианы вариационного ряда равен 0);

a - среднемноголетний показатель заболеваемости;

b - коэффициент регрессии (коэффициент наклона).

6. В повседневной практике с помощью функциональных возможностей электронных таблиц рекомендуется использование упрощенного варианта указанной регрессии:

y = a + b x x,

где y - теоретическое (предсказанное) значение показателя;

x - время (порядковый номер года);

a - начальный уровень ряда;

b - коэффициент регрессии (коэффициент наклона).

При этом прямые, полученные обоими способами, и расчетные (теоретические) показатели на следующий год полностью совпадают.

7. Прогноз заболеваемости на следующий (расчетный) год рассчитывают с учетом доверительного интервала y +/- 3 * m, с m рассчитанной по формуле:

,

где y - теоретическая заболеваемость прогнозируемого года;

n - предполагаемая численность населения изучаемой территории (как правило берется численность текущего года), при используемых единицах измерения "случаев на 100 тысяч населения".

При низкой численности населения (менее 100 тысяч) рекомендуется использовать y +/- 2 * m или даже y +/- 1 x m. Для выбора соответствующего множителя следует опираться на опыт соответствия друг другу расчетных (прогнозируемых) и фактических показателей заболеваемости предыдущих лет.

Определение цикличности и периодичности заболеваемости в этом случае можно провести визуально, исходя из предпосылки, что полученная линия регрессии является виртуальной осью x для предполагаемой линии графика цикличности.

При прогнозировании заболеваемости необходимо учитывать фазу выявленной цикличности, приходящейся на следующий год (период). При положительной фазе стоит предположить изменение прогнозируемого показателя в пределах от y до y + 3 * m, при отрицательной - от y до y - 3 x m.

8. Для "качественного" прогнозирования заболеваемости населения эндемичных территорий целесообразно использовать накопленные данные численности и инфицированности отловленных зверьков. Следует помнить, что необходимо применять данные только биологических видов, формирующих резервуар инфекции. Например, для возбудителя ГЛПС Пуумала - рыжая полевка.

Первоначально необходимо определить, существует ли достоверная корреляционная зависимость между численностью (и/или инфицированностью) отловленных зверьков с заболеваемостью населения за предыдущий максимально возможный период. Это возможно осуществить с помощью электронных таблиц, содержащих функцию "коррел" (или подобные), соответствующую определению коэффициента параметрической корреляции Пирсона. Следует помнить, что количество величин в сравниваемых вариационных рядах должно быть одинаковым. Методически верным будет подвергнуть имеющиеся числовые данные проверке на нормальность распределения.

Оценить полученный коэффициент корреляции можно соответственно шкале Чеддока (табл. 2). В практике имеют значение коэффициенты корреляции, относящиеся (по модулю) к категориям оцениваемой связи "высокая" и "весьма высокая", т.е. превышающие (или равные) значение 0,7. Отрицательный коэффициент корреляции свидетельствует об обратной зависимости, т.е. когда с увеличением значений данных в одном из сравниваемых вариационном ряду происходит снижение в другом. Например, увеличение площадей, охватываемых дератизационной обработкой и, как следствие, снижение заболеваемости. Независимо от знака коэффициента корреляции необходимо определить его достоверность.

Таблица 2

Шкала Чеддока для оценки силы корреляционных связей

Оценить достоверность полученного коэффициента корреляции возможно при расчете критериального (t_{критер.}) и критического (t_{критич.}) значений коэффициента Стьюдента. Для этого t_{критер.} рассчитываем по формуле:

,

где r - полученный коэффициент корреляции;

n - число наблюдений;

t_{критич.} рассчитывается при использовании функции "Стьюдрасобр", где под "степенью свободы" подразумевается число наблюдений (n).

При условии t_{критер.} > t_{критич.} полученный коэффициент корреляции следует считать достоверным (p <= 0,05). В ином случае коэффициент корреляции недостоверен и его использование неправомерно. Низкое значение t_{критер.} чаще всего объясняется недостаточным числом наблюдений (количество лет анализируемого периода) или распределением данных внутри вариационного ряда, не соответствующим нормальному (параметрическому) распределению.

При достоверном коэффициенте корреляции между сравниваемыми величинами - заболеваемость и численность (и/или инфицированность) зверьков в отловах - можно качественно транспонировать выявленные тенденции численности (и/или инфицированности) в виде прогноза заболеваемости населения в следующем году. Отсутствие значимой корреляционной связи может быть обусловлено:

- коротким периодом наблюдений (малым числом лет);

- активностью социальных факторов (ограничительные мероприятия, низкая обращаемость населения за медицинской помощью при легких формах ГЛПС, например в связи ограничительными мероприятиями, закрытием территорий природных очагов в связи с пожароопасностью);

- природными факторами (например, аномальные климатические изменения, лесные пожары, подтапливание территорий);

- другими, не выявленными или малоизученными явлениями.