Выводы по результатам исследования с применением геостатистистических методов анализа в здравоохранении

Наличие мутагенных и канцерогенных факторов. Имеется пространственная зависимость в распределении канцерогенных факторов в среде, что говорит о неслучайности пространственного процесса. Доказано, что группа канцерогенов, в которую входят преимущественно летучие вещества (формальдегид, бензол, сажа и пыль), находятся в прямой пространственной зависимости от направления ветра. Мутагенная группа веществ, в которую входят некоторые тяжелые металлы (свинец, кадмий, цинк) — практически не зависит от преимущественной годовой розы ветров. В целом, выборка канцерогенных и мутагенных веществ подчинена нормальному закону (или легко преобразовывается по нему).

Исходные данные о наличии химических веществ в воздушной среде ограничиваются всего 49-ю пунктами мониторинга атмосферы, что недостаточно для получения более точной картины распределений факторов ОС. Кроме того, они распространены неравномерно по городу, что приводит к выявлению зон с большими ошибками, говорящими о неопределенности в пространственной структуре данных распространения канцерогенов и мутагенов в среде. Уже этот факт может привести к неопределенностям в цифровых моделях зависимостей между заболеваемостью и факторами среды. Следовательно, для получения более точных цифровых моделей поверхностей необходимо организовать еще около 50-ти пунктов мониторинга с учетом их равномерного расположения.

Высокие значения индекса загрязнения атмосферы (от 2 до 5 ± 0,6) мутагенных факторов наблюдались на территориях Адмиралтейского, Петроградского (район Каменоостровского проспекта), Центрального, Василеостровского («стрелка» В. О.) и Выборгского районов (вдоль набережной). Средние значения суммарного индекса загрязнения атмосферы (от 1 до 2 ± 0,6) — вдоль Московского пр. а также повсеместно в Выборгском, Калининском и Красногвардейском районах.

Высокие значения суммарного индекса загрязнения атмосферы канцерогенных факторов (от 11 до 18) в период с 1990 по 1998 г. г. наблюдаются от Центра и далее — по Неве, охватывая Фрунзенский, Невский, Колпинский районы. (Рисунки 80 и 81).

Пространственно-временной анализ распространения канцерогенов в атмосфере показал:

• — высокие значения индекса загрязнения атмосферы, наблюдающиеся на центральных территориях города, довольно устойчивы во времени. Возможная причина этому — наличие пробок и плотного движения автотранспорта в центре города
• — средние и устойчивые во времени значения индекса загрязнения атмосферы имеют юго-восточное направление (соответствующие Невскому, Красногвардейскому и Фрунзенскому районам). Возможные причины: непрерывная приповерхностная составляющая воздушного слоя, вызванная преимущественными северо-западными ветрами; промышленная зона в Невском районе вдоль Невы и транспортные потоки [98,99].

Распределение откликов на воздействие факторов. Пространственный анализ продемонстрировал случайное распределение врожденных аномалий, деформаций и хромосомных нарушений по Санкт-Петербургу с тенденцией увеличения заболеваемости к юго-западу, что совпадает с пространственным трендом распространения мутагенов в атмосфере. Высокие значения врожденных аномалий, деформаций и хромосомных нарушений зафиксированы на территории Кировского района, на границе Московского и Фрунзенского районов, а также — в Красносельском районе. Однако большие территории с высокими значениями заболеваемости в Красносельском районе являются скорее всего ошибкой интерполяции и могут ввести в заблуждение.

Интересно, что при построении цифровых моделей поверхности распределений отдельных отклонений беременных в перинатальный период выявились вспышки заболеваемости на тех же территориях Адмиралтейского и Кировского районов. Это говорит как о факте мутагенной и канцерогенной опасности этих территорий для населения, так и о факте предрасположенности чувствительных групп населения к отклику на воздействия факторов среды.

Цифровые модели поверхности распределения врожденных аномалий, деформаций и хромосомных нарушений, связанных с мутагенными факторами, продемонстрировала явный вклад фактора среды в причину заболеваемости детей до года. Причем, это видно как по вспышкам, так и по низким значениям заболеваемости и параметрам загрязнения. Исключения составляют области неопределенности, связанные с ошибками построения цифровых моделей (Красносельский район и пр.).

Особенно выделим прогнозные зоны прямого влияния мутационных факторов, охватывающие Адмиралтейский, Кировский, а также — граничащие с ними районы и, частично, — Московский (Рисунки 75 и 76).

Интересно, что такие же зоны получены и при построении цифровых моделей поверхности распределения отдельных отклонений в перинатальный период развития плода. Это доказывает предположения в литературе о том, что чувствительная группа населения склонна реагировать на значимые отклонения в ОС [59]. .

Топологическая привязка географических слоёв к цифровым моделям поверхности распределения врожденных аномалий, деформаций и хромосомных нарушений по Санкт-Петербургу при помощи средств ГИС продемонстрировала возможные источники мутагенных факторов в центральном районе (см. Рисунок 88).

К ним относятся загруженные автомагистрали города, относящиеся к 4-му рангу, что соответствует максимальной загруженности по субъективной экспертной оценке [27−30, 73]. Основные загрязнители — свинец и бензол. В Кировском районе, кроме автотранспорта источники загрязнения могут быть промышленные зоны (Кировский завод и пр.) [27−30, 73]. Таким образом, при помощи ГИС возможен анализ разнородной информации путем накладывания различных слоев (промышленных, объектов, дорог, рек и пр.) с целью более эффективного поиска причин высоких загрязнений.

Цифровые модели поверхностей распределений заболеваемости лейкозами имеет немного иную пространственную структуру данных. Она была построена по 1645 точкам, центроидам избирательных участков, охватывающих несколько домов. Это и преимущество, и недостаток. Преимущество видится в том, что количество точек в пространстве в несколько раз может превосходить имеющиеся данные по заболеваемости. Лейкозы — сравнительно редкое заболевание [79], отсюда — большое количество фактов отсутствия усредненных годовых значений заболеваемости в пределах центроидов.

Рисунок 87. Единая географически привязанная цифровая модель поверхности распределения врожденных аномалий, деформаций и хромосомных нарушений у детей до года, зависимых от наличия мутагенов в атмосфере.

Геостатистические и детерминированные методы построения цифровых моделей при помощи блок-схемы геостатистического исследования, разработанной автором, и цифровые модели распределения лейкозов в пространстве и во времени дают возможность сделать следующие выводы [101]:

• — пространственное расположение заболеваемости лейкозами преимущественно случайно и имеет малоустойчивую временную динамику изменения своих значений в пределах определенных территорий. Эти территории — кварталы жилой застройки. Таким образом, для более четкого понимания вкладов негативных факторов среды в причины заболеваемости лейкозами на определенных территориях необходимо строить цифровую модель поверхности распределения отдельных типов этого вида злокачественного новообразования. Например, в пределах кварталов жилой застройки в перспективе можно построить цифровую модель распределения миеломной болезни.
• — более приблизительный (сглаженный) пространственный прогноз усредненного распределения значений заболеваемости лейкозами по Санкт-Петербургу за трехлетний период (1998;2000) и пятилетний (1995;2000) периоды говорит о высоких значениях заболеваемости на границе Калининского и Выборгского районов, а также — в Центральном, Кировском и Московском районах.
• — пространственная зависимость распределения лейкозов наблюдалась на пространственных моделях, однако, при построении цифровых моделей распределения выявились большие ошибки (причина — в редком заболевании).
• — большой недостаток в анализе цифровых моделей распределения лейкозов видится в нехватке данных по причине малой встречаемости лейкозов. Этот факт вызвал определенные затруднения в проверке и подборе латентного периода заболеваемости (по литературным данным латентный период лейкозов от 1 года до 5 лет, в зависимости от факторов и их действия) [101].
• — однако, несмотря на недостаточное количество наблюдений, была получена цифровая модель поверхности распределения заболеваемости лейкозами (1995;2000), зависимых от канцерогенных факторов, непрерывно присутствующих в атмосфере за 8 лет (1990;1998). Построенная модель распределения выявила (с учетом минимума ошибок) локализации заболеваемости в юго-восточных районах зонах города, охватывающие Московский, Фрунзенский и Невский районы (Рисунок 81). Эти результаты совпали и с тенденцией распределения канцерогенов, и с преимущественной розой ветров. Следовательно, с большой осторожностью, но можно говорить о том, что и автотранспорт, и предприятия, находящиеся на этих территориях могут быть источниками бензола, формальдегида, кадмия, сажи и пыли, которые, в свою очередь, могут вносить свой «вклад» в заболеваемость лейкозами на этих территориях.

Из перечисленных результатов можно сделать следующие краткие практические заключения с медицинской точки зрения:

• 1. С точки зрения всего взрослого населения болеющего определенным типом онкологии трудно выявить связь, а значит — предсказать в будущем, где именно (на какой территории) будет вспышка через несколько лет. Для этого надо делать выборку, например, только по пенсионерам. А это значит — уменьшение объема данных. Кроме всего прочего, надо знать латентный период, либо пытаться подобрать его. Однако, с учетом клинических исследований, подтверждающих теорию химического и мутационного канцерогенеза [71, 81, 82], можно выявить ориентировочные очаги и зоны вероятной вспышки онкологической заболеваемости. Индикаторами в данном случае является чувствительная группа населения. Однако, погрешность ошибок интерполяционных значений и ее поверхность могут дать новые знания о причинах даже сложных заболеваний, выявленных на той или иной локации [101].
• 2. Наиболее чувствительная группа населения (дети, беременные) сильнее реагирует на факторы окружающей среды по сравнению с взрослой группой. С точки зрения пространственного анализа это может быть связано с тем, что для взрослых более характерна миграция, преимущественно в канцерогеноопасном центре города. Хотя живут они (а факт наличия заболеваемости регистрируются по месту жительства) на периферии [98].
• 3. Там, где заранее известно отсутствие связи между определенными типами онкологии и факторами окружающей городской среды, взятой автором в исследовании, геостатистический подход и цифровые пространственные модели распределений не показали никаких значимых результатов, что доказывает применимость метода (Рисунок 89) [99]

Рис 89. Цифровая модель распределения рака молочной железы, зависимая от канцерогенов в атмосфере

Симбиоз примененных методов анализа, визуализации данных с другими статистическими, математическими методами, инструментами [84] а также — выводами, полученными при помощи стандартных методов обработки данных [72], может только усилить и улучшить качество прогноза в пространстве и во времени. Построение цифровых пространственных моделей факторов и откликов, а также ошибок распределений интерполяционных значений, предложенных авторов с учётом принципов когнитивной машинной графики [85], и апробированных на ЛПР [36, 41, 71], дает неоценимый эффект и вклад в улучшение современных систем пространственного мониторинга здоровья населения. Именно от качества прогноза и представления выводов в системе пространственного мониторинга здоровья зависит не только адекватные объяснения явлений специалистами в той или иной предметной области, но и зависит также качество принятия решений по управлению (корректировка ситуации, ликвидация проблем) этими явлениями.