Совершенствование эпидемиологического анализа инфекционной заболеваемости на основе автоматизированной базы данных тема диссертации и автореферата по ВАК РФ 14.00.30, кандидат медицинских наук Поступайло, Валерий Борисович

• Поступайло, Валерий Борисович
• кандидат медицинских наук
• 2008

Оглавление диссертации кандидат медицинских наук Поступайло, Валерий Борисович

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

Глава 1 ОБЗОР ЛИТЕРАТУРЫ. Методологические подходы к автоматизации эпидемиологического анализа

1.1 Методы эпидемиологического анализа заболеваемости.

1.2 Статистические показатели и критерии оценки достоверности в эпидемиологической диагностике.

Глава 2 МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЙ

2.1 Источники информации для проведения исследований.

2.2 Статистические методы исследований.

2.3 Программное обеспечение исследований.

РЕЗУЛЬТАТЫ СОБСТВЕННЫХ ИССЛЕДОВАНИЙ.

Глава 3 Автоматизированная система сбора, хранения, группировки и оценка на достоверность исходной информации.

Глава 4 Определение эпидемиологической значимости заболеваний в общей структуре инфекционной патологии.

Глава 5 СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ ЭПИДЕМИОЛОГИЧЕСКОГО АНАЛИЗА ИНФЕКЦИОННОЙ ЗАБОЛЕВАЕМОСТИ

5.1 Обоснование прогностического уровня заболеваемости с применением показателя средней пораженности населения.

5.2 Построение математической модели прогнозирования эпидемического процесса на основании показателей годовой динамики.

5.3 Оценка факторов риска, влияющих на возникновение и распространение эпидемического процесса кишечных инфекций.

Введение диссертации (часть автореферата) на тему «Совершенствование эпидемиологического анализа инфекционной заболеваемости на основе автоматизированной базы данных»

АКТУАЛЬНОСТЬ

Эпидемиологическая диагностика как инструмент познания закономерностей развития эпидемического процесса на основе анализа его проявлений -важнейший раздел эпидемиологии - позволяет выявить причины, условия возникновения и развития в пространстве и времени [Беляков В.Д., 1976; Покровский В.И., 1982; Черкасский Б.Л., 1990].

Эпидемиологический анализ, как раздел эпидемиологической диагностики, предусматривает «установление закономерностей эпидемического процесса в данных конкретных условиях и изучение эффективности проводимых мер» [Елкин И.И., 1973]. Основой служит статистический метод, «без которого нельзя обойтись, если заболеваемость данной инфекцией достигает более и менее массового распространения» [Громашевский Л.В., 1949].

Эпидемиологическая диагностика осуществляется с использованием ретроспективного и оперативного методов анализа инфекционной заболеваемости, которые предложены Беляковым В.Д., Дегтяревым A.A., Иванниковым Ю.Г. [1981, 1982, 1984]. Методы эпидемиологической диагностики совершенствуются как в учреждениях гражданского, так и военного ведомств [Мельниченко П.И. с соавт., 2006]. Важным элементом совершенствования всей системы эпидемиологической диагностики следует признать разработку и внедрение в практику работы автоматизированных систем базы данных эпидемиологической информации. Однако до настоящего времени автоматизированная система информационного обеспечения разработана не в полной мере и требует оптимизации на всех этапах ее проведения — от сбора информации до проведения анализа инфекционной заболеваемости.

Проявления эпидемического процесса в воинских коллективах имеют свои особенности, что определяется рядом показателей — уровнем заболеваемости, смертности, летальности, средней пораженностью, увольняемостью личного состава, а также характеризуются периодической (циклической) компонентой [Римкус А.П., 1984; Беляков В.Д., Дегтярев A.A., Иванников Ю.Г., 1981]. Вышеперечисленные показатели, определяющие течение эпидемического процесса, должны соответствовать закону нормального распределения исходных данных. В этой связи оценка исходной информации, ее достоверность имеет большое значение для обоснования методов эпидемиологического анализа инфекционной заболеваемости.

Анализ инфекционной заболеваемости предусматривает определение количественных характеристик динамического ряда, тенденцию роста, снижения или стабилизации заболеваемости, выявление причинных факторов, на конкретных территориях и для различных групп военнослужащих.

После установления достоверных данных об основных причинах и условиях, определяющих характер проявлений эпидемического процесса, представляется возможным спрогнозировать состояние заболеваемости на ближайший или отдаленный период времени [Беляков В.Д., Дегтярев A.A., Иванников Ю.Г., 1981; Речкин В.И. с соавт., 1989, 1996, 2002].

Сложной проблемой представляется создание комплексного метода осуществления ежедневного мониторинга по отдельной нозологической форме инфекционного заболевания с использованием ретроспективных данных с целью выявления постоянно действующих или периодических причин, оказывающих существенное влияние на течение эпидемического процесса. На основании ежедневной информации о числе заболеваний создаются условия для непрерывного наблюдения за интенсивностью эпидемического процесса среди различных групп населения, в том числе и военнослужащих [Лобзин Ю.В., Огарков П.И., Волжанин В.М., 2002].

Проведение оперативного и ретроспективного анализа инфекционной заболеваемости в воинских коллективах требует его интенсификации с помощью автоматизированной системы, основанной на внедрении компьютерного программного обеспечения.

Построение математической модели прогнозирования эпидемического процесса предусматривает выполнение нескольких этапов: установление структуры модели по основным характеристикам эпидемического процесса (восприимчивость, устойчивость возбудителя, длительность инкубационного периода, продолжительность заболевания, формирование бактерионосительства, состояние иммунитета и т.д.); математическая формулировка модели; «проигрывание» на персональных электронно-вычислительных машинах ряда вариантов течения эпидемического процесса [Ягодинский В.Н., 1982]. Учитывая это, проведение эпидемиологического анализа инфекционной заболеваемости с применением программного обеспечения требует создания особых условий для реализации в практическом здравоохранении, а также освоения практических навыков необходимых для пользователя персональным компьютером.

Компьютеризация органов управления медицинской службы и лечебно-профилактических учреждений, с развитием локальных компьютерных сетей, требует применения современных информационных технологий и программг ных продуктов. Программное обеспечение в совокупности с анализом текущей санитарно-эпидемиологической ситуации позволяет оперативно оценить эпидемиологическую обстановку для выбора и обоснования адекватных санитар-но-противоэпидемических (профилактических) мероприятий. Проведение эпидемиологического анализа инфекционной заболеваемости с применением программного обеспечения требует создания особых условий для реализации в практическом здравоохранении, а также высоких практических навыков пользователя персональным компьютером. При выборе текстового редактора необходимо руководствоваться главным критерием - возможностью выполнения всех этапов эпидемиологического анализа. Наиболее оптимальным является применение общепринятого Microsoft Office ХР, с использованием его основного приложения Microsoft Excel. Имеющиеся в настоящее время программные продукты S SP, BMDP, SAS, Stat graphies, Systat, STATISTICA, STADIA, ЭВЕ-РИСТА, МЕЗОЗАВР, САНИ, КЛАСС-МАСТЕР, СИГАМД и другие содержат практически все математические методы обработки информации. В месте с тем, указанные пакеты не адаптированы к анализу инфекционной заболеваемости в учреждениях здравоохранения [Гельдман В .Я., 2001, Зайцев В.М. с соавт., 2003].

Актуальность настоящих научных исследований подтверждается недостаточностью информационного обеспечения для проведения эпидемиологического анализа инфекционной заболеваемости. Вычисление показателя средней пораженности населения, в частности, для организованных коллективов имеет большое значение для определения прогноза заболеваемости и определения актуальных инфекций.

При недостаточном количестве публикаций и противоречивости имеющиеся данных в отношении эпидемиологической диагностики инфекционных заболеваний касательно организованных коллективов, ставит эту проблему в ранг наиболее актуальных. Возникает острая необходимость создания оптимального программного обеспечения, направленного на автоматизацию сбора, хранения, организацию мониторинга и анализа инфекционной заболеваемости. Это позволит повысить эффективность и качество проводимой эпидемиологической диагностики и существенно сократить временные затраты на этот вид деятельности.

ЦЕЛЬ ИССЛЕДОВАНИЯ: совершенствование эпидемиологического анализа инфекционной заболеваемости на основе автоматизированной системы компьютерного обеспечения.

ЗАДАЧИ ИССЛЕДОВАНИЯ:

1. Разработать автоматизированную систему сбора, хранения, группировки и оценки достоверности исходной информации.

2. Определить показатели эпидемиологической значимости заболеваний в общей структуре инфекционной патологии.

3. Обосновать прогностический уровень заболеваемости с применением показателя средней пораженности населения.

4. Построить математическую модель прогнозирования эпидемического процесса на примере кишечных заболеваний на основании показателей годовой динамики.

5. Сопоставить методы определения некоторых факторов риска, влияющие на возникновение и распространение эпидемического процесса в группе кишечных инфекций.

ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ:

1 Автоматизированная система сбора, хранения, группировки и оценки достоверности исходной информации обеспечивает комплексный подход к проведению эпидемиологического анализа инфекционной заболеваемости, что оптимизирует его выполнение.

2. Эпидемиологическая значимость инфекционных заболеваний и их прогностический уровень наиболее точно определяются показателем средней по-раженности населения.

3. Математическая модель прогнозирования эпидемического процесса инфекционных заболеваний с использованием показателей годовой динамики позволяет определить прогностический уровень заболеваемости, что способствует совершенствованию системы мониторинга за инфекционной заболеваемостью.

НАУЧНАЯ НОВИЗНА РАБОТЫ:

- разработана автоматизированная система информационного обеспечения, позволяющая оптимизировать сбор, группировку, хранение и анализ данных инфекционной заболеваемости;

- показано, что оценка эпидемиологической значимости инфекционных заболеваний и определение прогностического уровня заболеваемости наиболее информативны с использованием показателя средней пораженности населения;

- математическая модель прогнозирования эпидемического процесса, построенная по показателям годовой динамики, позволяет наиболее оперативно принять управленческие решения, тем самым упредить развитие эпидемического процесса.

ПРАКТИЧЕСКАЯ ЗНАЧИМОСТЬ РАБОТЫ:

Результаты проведенных исследований позволяют оптимизировать выбор показателей, используемых в эпидемиологическом анализе заболеваемости, повышают оперативность и информационную способность современной системы слежения за проявлениями эпидемического процесса, сокращают процесс принятия управленческих решений по планированию и проведению санитарно-противоэпидемических (профилактических) мероприятий по актуальным инфекциям.

ВНЕДРЕНИЕ РЕЗУЛЬТАТОВ В ПРАКТИКУ:

Материалы диссертационного исследования использованы:

- в руководстве для врачей «Эпидемиологический анализ заболеваемости и другие методы эпидемиологической диагностики» - Самара, 2007 г.;

- в учебно-методическом пособии для слушателей Самарского военно-медицинского института додипломной подготовки по специальностям «медико-профилактическое дело» и «лечебное дело» - «Ретроспективный эпидемиологический анализ» - Самара (протокол заседания кафедры № 33 от 6 февраля 2006 г.);

- в учебно-методическом пособии для слушателей Самарского военно-медицинского института додипломной подготовки по специальностям «медико-профилактическое дело» и «лечебное дело» - «Оперативный эпидемиологический анализ» - Самара (протокол заседания кафедры № 24 от 26 декабря 2005 г.);

- в учебный процесс на кафедре общей и военной эпидемиологии для слушателей Самарского военно-медицинского института последипломной подготовки и профессиональной переподготовки по специальности «эпидемиология» по темам: «Эпидемиологическая диагностика. Ретроспективный эпидемиологический анализ инфекционной заболеваемости», «Эпидемиологическая диагностика. Оперативный эпидемиологический анализ инфекционной заболеваемости» (протокол заседания кафедры № 43 от 21 апреля 2006 г.);

- в практической деятельности территориального Центра государственного санитарно-эпидемиологического надзора г. Ульяновск (войсковая часть 53903, акт внедрения от 28.07.2005 г., исх. № 392);

- в практической деятельности территориального Центра государственного санитарно-эпидемиологического надзора г. Самара (войсковая часть 94496 , акт внедрения от 16.03.2005 г., исх. № 85).

По материалам диссертационного исследования получено:

- Свидетельство об официальной регистрации базы данных «База данных эпидемиологического анализа инфекционной заболеваемости в гарнизоне» №2006620161 от 7 июня 2006 г., Роспатент РФ;

- «Золотой диплом» в номинации «Экология человека и здравоохранение» на Международном форуме в 2006 г.

По результатам исследования опубликовано 6 печатных работ, в том числе 1 - в рецензируемых изданиях.

АПРОБАЦИЯ РАБОТЫ:

Результаты исследований доложены и обсуждены на научно-практической конференции «Проблемы профилактики актуальных для войск инфекций и пути их решения» (Москва, 2003), ХХХУ1 научно-практической конференции «Актуальные вопросы современной медицины» (Самара, 2003), научно-практической конференции врачей Приволжско - Уральского военного округа (Оренбург, 2005), Всероссийской научной конференции «Эпидемиология, лабораторная диагностика и профилактика вирусных инфекций» (Санкт-Петербург, 2005), II съезде военных врачей медико-профилактического профиля ВС РФ «Современные проблемы военной профилактической медицины, пути их решения и перспективы развития» (Санкт-Петербург, 2006), Международном Форуме по проблемам науки, техники и образования (Москва, 2006).

ЛИЧНЫЙ ВКЛАД АВТОРА В ВЫПОЛНЕНИЕ РАБОТЫ Все эпидемиологические исследования выполнены лично автором. Всего изучено 9360 учетных (медицинская книжка военнослужащего, история болезней, карточка учета инфекционного заболевания), 14 (книга учета больных в амбулатории, книга учета больных в стационаре), 91 отчетных документов (донесение по медицинской службе, медицинский отчет о состоянии здоровья личного состава и деятельности медицинской службы). Анализ инфекционной заболеваемости выполнялся на базе кафедры общей и военной эпидемиологии Самарского военно-медицинского института, ЦГСЭН г. Ульяновск и г. Самара.

ОБЪЕМ И СТРУКТУРА ДИССЕРТАЦИИ: Работа изложена на 134 страницах машинописного текста, иллюстрирована 31 таблицами, 16 рисунками, 1 приложением. Диссертация состоит из введения, обзора литературы, главы материалы и методы исследования, 3 главы результатов собственных исследований, заключения, выводов и приложения. Библиография включает 126 наименований (81 отечественных и 45 зарубежных авторов).

Заключение диссертации по теме «Эпидемиология», Поступайло, Валерий Борисович

выводы

1. Комплексность и объективность проведения ретроспективного эпидемиологического анализа достигается последовательным проведением этапов в соответствии с разработанной структурно-логической схемой. Сбор исходной информации основывается не только на сведениях, предусмотренной Международной классификации болезней и смертей 10 реестра, но и данных о числе законченных случаев заболеваний и днях временной нетрудоспособности. Включение данных показателей в подготовительном этапе ретроспективного анализа обеспечивает полноту сбора исходной информации. Показано, что достоверность исходной информации и соответствие нормальности распределения целесообразно оценивать с помощью метода Колмогорова-Смирнова, что подтверждается критерием достоверности Фишера, который составил 0,92 (р = 0,05). Использование автоматизированной системы сбора, хранения, группировки и оценки достоверности исходной информации по предложенной нами методике обеспечивает комплексность при проведении эпидемиологического анализа на подготовительном этапе, тем самым оптимизирует его выполнение.

2. Социально-эпидемиологическая значимость инфекционных заболеваний определяется по суммарному ранговому месту на основании показателей уровня, структуры заболеваемости и показателю средней пораженности населения. Установлено, что эпидемиологическая значимость инфекционных заболеваний различается в зависимости от применяемой методики ранжирования. Результатами сравнительного анализа показано, что определение рангового места в структуре заболеваемости I класса с использованием показателя средней пораженности является наиболее достоверным, что подтверждается критерием 1>Стьюдента = 4,71 (р = 0,039).

3. Определение прогностического уровня кишечных инфекций проводится по результатам анализа многолетней динамики заболеваемости с использованием показателя уровня заболеваемости и средней пораженности населения. При сопоставлении полученных результатов установлено, что прогностический ежедневный уровень инфекционной заболеваемости с применением показателя средней пораженности является наиболее точным, нежели прогноз, выполненный классическим методом (1>Стьюдента = 4,75 при р = 0,0016). Предложенный метод определения прогностического уровня заболеваемости, по показателю средней пораженности, позволяет спрогнозировать заболеваемость на каждый день. Кроме того, прогнозируя ежедневный уровень заболеваемости, представляется возможным определить объем необходимых профилактических и противоэпидемических мероприятий, проводимых в эпидемических очагах, что имеет высокую практическую значимость.

4. Показано, что ежемесячное число заболеваний кишечными инфекциями прогнозируется на основании контрольных точек графика Вальда. Прогноз минимального числа случаев инфекционных заболеваний определяется по начальным точкам графика Вальда, максимального - по конечным точкам. Сопоставление результатов анализа прогностического уровня ежемесячной заболеваемости с фактическими данными за отчетный период показало, что максимальный прогностический и фактический уровень заболеваемости существенно не различается в августе месяце отчетного года, и составил соответственно 33,4 и 32 случая. В другие месяцы отчетного периода прогностический и фактический уровень заболеваемости достоверно отличались. Максимальный прогностический уровень отмечался в сентябре и составил 61,5 случая. Такие существенные расхождения показателей прогностического и фактического уровня заболеваемости могут свидетельствовать о неполной регистрации инфекционных заболеваний, а также возможных дефектах в диагностической работе лечебно-профилактических учреждений.

5. При сопоставлении методов по оценке факторов риска, влияющих на инфекционную заболеваемость, наиболее информативен метод с применением показателей относительного эпидемиологического риска и атрибутивной фракции. Действие водного фактора оценивается высокой степенью интенсивностью по атрибутивной фракции (78,8 %). Показатели, рассчитанные по критерию ^Стьюдента существенно ниже (57,8 %) и соответствовали низкой степени интенсивности. Достоверность изучаемых явлений достаточно высока, что подтверждается критерием Фишера, который составил 0,9 (при р = 0,08).

ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ

1. При проведении эпидемиологического анализа специалистами санитарно-эпидемиологических учреждений необходимо следовать разработанной структурно-логической схемы. В качестве исходной информации необходимо использовать учетную форму, предусмотренную Международной классификацией болезней и смертей 10 реестра, а также данные о числе законченных случаев заболеваний и днях временной нетрудоспособности.

2. Социально-эпидемиологическую значимость инфекционных заболеваний целесообразно определять по ранговому месту с использованием показателя средней пораженности, при этом обосновывая результаты проверкой достоверности. Кроме того, показатель средней пораженности для прогнозирования ежедневного уровня инфекционной заболеваемости, с помощью которого представляется реальная возможность определить объем профилактических и противоэпидемических мероприятий в эпидемических очагах.

3. Определение прогностического уровня числа инфекционных заболеваний за месяц осуществлять на основании контрольных точек графика Вальда, при этом сопоставлять показатели прогностического и фактического уровня заболеваемости. Результаты сравнительного анализа данных показателей использовать для оценки диагностической работы в лечебно-профилактических учреждениях, а также полноты регистрации инфекционных заболеваний.

4. Анализ по факторам риска, влияющим на инфекционную заболеваемость, проводить с использованием методики, основанной на определении абсолютного эпидемиологического риска и его атрибутивной фракции, позволяющей выявить действующий фактор и определить степень его интенсивности.

Список литературы диссертационного исследования кандидат медицинских наук Поступайло, Валерий Борисович, 2008 год

1. Бароян О.В., Портер Д.Р. Международные и национальные аспекты современной эпидемиологии. М.: Медицина, 1975 - гл.18

2. Беляков В.Д. Проблема саморегуляции паразитарных систем и механизм развития эпидемического процесса// Журн. Микро-биол. 1985 - №5 - стр. 53-58

3. Беляков В.Д., Дегтярев A.A., Иванников Ю.Г. Качество и эффективность противоэпидемических мероприятий. Л.: Медицина, 1981 - стр.304

4. Бессмертный Б.С., Ткачева М.Н. Статистические методы в эпидемиологии. М. Медгиз, 1961 - стр. 203

5. Бургасов Ю.А. Роль и место систем управления базами данных в ОАСУ "Здравоохранением/Информационное обеспечение автоматизированных систем управления здравоохранением: Сб. на-учн. Тр. М., 1984 - стр. 102-108

6. Власов В.И., Замотин Б.А., Бурых В.М. Метод краткосрочного прогнозирования годовых показателей заболеваемости дизентерией вида Зонне// Журн. Микробиол. 1983 - №3 - стр. 53-56

7. Воробьев Е.И., Китов А.И. Автоматизация управления противоэпидемическим обслуживанием населения// Медицинская кибернетика. -М.:, 1983 стр. 177-185

8. Выгодский М.Я. Справочник по высшей математике. -М.,2000г.,"Джангар", "Большая медведица" стр.298-299

9. Гельдман В.Я. Медицинская информатика.//Практикум С-Петербург: Питер,2001 стр.200-206

10. Громашевский Л.В. Общая эпидемиология. М.: Медгиз, 1949 -стр.320

11. Дегтярев A.A. Основы эпидемиологического анализа // Уч. Пособие под ред. Акад. АМН В.Д. Белякова Л.: Ленинград, 1982 -стр.8-17,72-100

12. Дегтярев A.A. Учебно-методическое пособие к практическим занятиям по общей и военной эпидемиологии.// Уч. Пособие под ред. Акад. АМН В.Д. Белякова Л.: Ленинград, 1984 -стр.151-200

13. Елкин И.И. Методы эпидемиологического анализа инфекционной заболеваемости// Общая и частная эпидемиология: Руководство для врачей. М.: Медицина, 1973 - Т.1 - стр. 88-89

14. Зайцев В.М., Лифляндский В.Г., Маринкин В.И. Прикладная медицинская статистика.//Учеб пособие С-Петербург: Фолиант, 2003-стр. 178-179

15. Зак И.Н., Вайс П. Автоматизированные информационные системы в области биомедицины в зарубежных странах. М., 1979г. -стр.80

16. Зуева Л.П., Яфаев Р.Х. Эпидемиология. Санкт-Петербург. Фолиант, 2005 - стр. 104

17. Использование математических методов в эпидемиологии. Сообщение II. Эмпирические и теоретические распределения/ И.С. Безденежных, Ю.А. Бургасов, И.И. Елкин и др.// Журн. Микро-биол. 1970 - №6 - стр. 3-9

18. Каральник Б.В., Раюшкин Б.В., Козлова A.C. О статистической оценке качественной неравноценности процессов в эпидемиологии// Журн. Микробиол. 1969 - №11 - стр. 90-94

19. Карцев А.Д. Предупреждение сезонных подъемов заболеваемости дизентерией в военно морском флоте / под ред. Ю.Н. Носова-М., 1986-стр. 23-26

20. Кендл М. Временные ряды: Пер. с англ. М.: Финансы и статистика, 1981 - стр. 169

21. Клименко Е.П., Попов В.Ф., Степанов Г.П. Эпидемиологический анализ. М.: Медицина, 1983 - стр. 192

22. Кривенко О.В., Романовский Г.В., Леонтьева Л.Г. Моделирование и контроль уровня инфекционных заболеваний с помощью математических методов и ЭВМ//Системный анализ и моделирование в здравоохранении: Сб. тез. Докл. Конф. Новокузнецк, 1980 - стр. 305-306

23. Кучеровская Т.В. Использование ЭВМ для проведения социально экономического анализа инфекционных болез-ней//Социально - экономическая значимость инфекционных болезней: Сб. науч. Тр. - М., 1982 - стр. 8-31

24. Леви М.И. Статистический метод определения очаговости при инфекционных заболеваниях//Журн. Микробиол. 1980 - №11 -стр. 101-105

25. Методические принципы оценки экономической значимости зоо-нозов/Б.Л. Черкасский, Л. А. Балова, В.К. Сажинова и др.//Социально экономическая значимость инфекционных болезней: Сб. науч. Тр. М., 1982 - стр. 90-106

26. Мельниченко П.И. и соавтр. Ретроспективный эпидемиологический анализ и прогнозирование заболеваемости личного состава Вооруженных Сил Российской Федерации. Методические указания.-М., 2006-стр. 11-14, 107-114

27. Мельниченко П.И. и соавтр. Оперативный эпидемиологический анализ инфекционной заболеваемости личного состава Вооруженных Сил Российской Федерации.: Методические указания -М., 2005 стр. 4-24

28. Монастырский И.М. Информационно поисковые системы. - М.: Экономика, 1983 - стр. 207

29. Мостовой П.П., Тормозова Н.М. Изучение цикличности и прогнозирования динамики эпидемического процесса различных видов дизентерии//Журн. Микробиол. 1979 - №12 - стр. 21-25

30. Опыт разработки комплекса задач "Ретроспективный анализ инфекционной заболеваемости (РАИЗ)" для санэпидслужбы/Н.В.

31. Лиховайдо, Л.Г. Леонтьева, A.A. Дроздова Тихомирова и др.//Социально - экономическая значимость инфекционных болезней: Сб. науч. Тр. - М., 1982 - стр. 178-183

32. Покровский В.И. Социально экономический анализ инфекционной патологии: прошлое, настоящее и будущее//Социально -экономическая значимость инфекционных болезней: Сб. науч. Тр.-М., 1982 -стр. 3-8

33. Потехина H.H., Ковалишина О.В., Княгина О.Н., Давыдова H.A., Балчугов В.А. Оперативный анализ инфекционной заболеваемости /Учебно методическое пособие. Издат. НГМА. - Нижний Новгород, 2002 - стр. 6-19

34. Прометной В.И., Тормозова Н.М., Рындич A.A. Прикладные аспекты использования математических методов в изучении эпидемического процесса дизентерии// Шигеллезы, сальмонеллезы -Л., 1984 стр. 15-20

35. Прохоров И.В., Сумароков Л.Н. Банки управленческих ситуаций и их использование при обучении М., 1977 - стр. 52

36. Речкин В.И., Лебедев А.И. Методы эпидемиологического анализа помесячной динамики заболеваемости.//Уч.мет. пособие для врачей Л., ВМедА, 1989г. - стр.25-26

37. Речкин В.И., Лебедев А.И. Оперативная оценка эпидемического состояния обслуживаемой территории. Л., ВМедА, 1989г. 26-28

38. Речкин В.И., Лебедев А.И., Першин С.С., Румовский В.И. Ретроспективный эпидемиологический анализ: Уч. Пособие для врачей /Под. Ред. Л.И. Шляхтенко. Л.: ГИДУВД989. стр.45

39. Речкин В.И. Методика определения верхнего предела круглогодичной заболеваемости (ВПКГЗ) в отдельно взятом эпидемическом году. //Современная эпидемиология: достижения, проблемы, перспективы. СПб.: Воен.-мед. акад., 1996. стр.48-50

40. Римкус А.П. Статистический анализ и математическое моделирование эпидемического процесса гепатита А (по материалам Литовской ССР): Автореф. Дис. Канд. Техн. Наук М., 1987 -стр. 23

41. Селидовкин Д.А., Леонтьева Л.Г., Романовский Г.В. Автоматизированная система оперативно текущего анализа инфекционной заболеваемости// Сов. Здравоохр. - 1980 - №4 - стр. 34-37

42. Семинар по национальным информационным системам здравоохранения// Хроника ВОЗ 1980 - Т.34, №1 - стр. 25-29

43. Сепетлиев Д. Статистические методы в научных медицинских исследованиях. М.: Медицина, 1986 - стр.419

44. Спотаренко С.С. Методические основы изучения эффективности противоэпидемических мероприятий//Журн. Микробиол. 1970 -№2-стр. 112-115

45. Тер Карапетян А.З. Некоторые новые показатели для характеристики эпидемического процесса// Материалы конференции по итогам научно - исследовательской работы ЦНИИЭ Минздрава СССР. - М., 1966 - стр. 21-23

46. Тутубалин В.Н. Статистическая обработка рядов наблюдений. -М.: Знание, 1973 стр.64 (Сер. Математика и кибернетика, №3)

47. Тюльпин И.Н., Демченкова Г.З., Полонский М.Л. Пути повышения эффективности и качества профилактических осмотров населения. М.: Медицина, 1981 - стр. 198

48. Урбах В.Ю. Биометрические методы. М.: Наука, 1964 - стр. 415

49. Фаворова Л.А., Шатров И.И. О рациональных основах сотрудничества эпидемиологов и математиков//Журн. Микробиол. 1977 -№10 - стр. 24-29

50. Федорук В.Г., Черненький В.М. Информационное и прикладное программное обеспечение. М.: Высшая школа, 1986 - стр. 80

51. Церковный Г.Ф., Тимонин В.М. Итоги разработки автоматизированных систем управления в здравоохранении и задачи на XI пятилетку в свете решений ХХУ1 съезда КПСС.//Сов. Здравоохр. -1981г. №9- стр.14-20

52. Черкасский Б.Л. Использование закона Пуассона для статистического анализа распределения заболеваний в детских коллективах при некоторых инфекциях.//Журн. Микробиол. 1968 - №4 - стр. 122-129

53. Черкасский Б.Л. Эпидемиологический диагноз М., 1990 - стр. 208

54. Черкасский Б.Л. Эпидемический процесс как система. Сообщение I. Структура эпидемического процесса// Журн. Микробиол. -1985-№3-стр. 45-51

55. Шаханина И.Л. Методика количественной оценки значимости инфекционных болезней //Актуальные вопросы эпидемиологии инфекционных болезней. М.:, 1979 - стр. 157-166

56. Шаханина И.Л. Научные основы и важнейшие направления современного эпидемиологического анализа // Эпидемический процесс как социально- экологическая система: Сб. науч. Тр. -М., 1986-стр. 151-156

57. Шаханина И.Л. Социально экономическая эффективность в эпидемиологии //Социально - экономическая значимость инфекционных болезней: Сб. науч. Тр. - М.:, 1982 - стр. 130-143

58. Шаханина И.Л. Теория, методы и практика социально экономических исследований в эпидемиологии //Социально - экономическая значимость инфекционных болезней: Сб. науч. Тр. - М.:, 1982-стр. 8-31

59. Шаханина И.Л., Кучеровская Т.В., Чернова Т.П. Показания к применению различных статистических методов эпидемиологического анализа и ограничения при оценке динамики эпидемического процесса // ЖМЭИ М.:, №4, 1990 - стр. 50-54

60. Шаханина И.Л., Осипова Л.А., Виноград Д.Л. Разработка автоматизированной системы расчета «стандартных» значений экономического ущерба, наносимого одним случаем инфекционной болезни // ЖМЭИ М.: №1, 1993 - стр. 33-39

61. Шаханина И.Л., Осипова Л.А. «Стандартные» величины экономического ущерба, наносимого инфекционными болезнями // Эпидемиология и инфекционные болезни М.: №5, 1999 — стр. 2

62. Шаханина И.Л. Задачи эпидемиологического надзора в системе социально-гигиенического мониторинга // Эпидемиология и инфекционные болезни М.: №2, 2002 - стр. 4-5

63. Шаханина И.Л., Осипова Л.А., Радуто О.И. Экономический ущерб, наносимый инфекционными болезнями, в Российской Федерации по состоянию на декабрь 2000 года // Эпидемиология и инфекционные болезни — М.: №5, 2001 — стр. 58

64. Шаханина И.Л. Роль и значение эпидемиологического анализа // Эпидемиология и Вакцинопрофилактика М.: №1, 2003 - стр. 23-25

65. Шаханина И.Л. Эпидемиологический анализ: настоящее и будущее // Эпидемиология и Вакцинопрофилактика — М.: №5, 2003 -стр. 7-10

66. Шаханина И.Л. Экономические потери от инфекционной заболеваемости в России: величины и тенденции // Эпидемиология и

67. Вакцинопрофилактика М.: №4, 2005 — стр. 19-21

68. Шаханина И.Л. Инфекционная заболеваемость — важнейший критерий здоровья нации и санитарно-эпидемиологического благополучия населения // Эпидемиология и Вакцинопрофилактика -М.:№2,2007-стр. 3-5

69. Шомье Ж. Банки данных: использование электронно вычислительной техники. М.: Энергоиздат, 1981 - стр. 72

70. Ягодинский В.Н. Будущее древней науки (о проблемах эпидемиологии) М.: Знание, 1982 - стр. 176

71. Ягодинский В.Н. К проблеме эпидемиологического мониторинга //Актуальные вопросы эпидемиологии: Сб. науч. Тр. Таллин, 1981 - стр. 11-16

72. Abraham, В., & Ledolter, J. (1983). Statistical methods for forecasting. New York: Wiley.

73. Aldrich, J. H., & Nelson, F. D. (1984). Linear probability, logit, and probit models. Beverly Hills, CA: Sage Publications.

74. Bartholomew, D. J. (1984). The foundations of factor analysis. Biometrika, 71, 221-232.

75. Bates, D. M., & Watts, D. G. (1988). Nonlinear regression analysis and its applications. New York: Wiley.

76. Belsley, D. A., Kuh, E., and Welsch, R. E. (1980). Regression Diagnostics. New York: Wiley.

77. Bendat, J. S. (1990). Nonlinear system analysis and identification from random data. New York: Wiley.

78. Browne, M. W., & Shapiro, A. (1991). Invariance of covariance structures under groups of transformations. Metrika, 38, 335-345.

79. Cole, D. A., Maxwell, S. E., Arvey, R., & Salas, E. (1993). Multivariate group comparisons of variable systems: MANOVA and structural equation modeling. Psychological Bulletin, 114, 174-184.

80. Cox, D. R., & Oakes, D. (1984). Analysis of survival data. New York: Chapman & Hall.

81. Darlington, R. B. (1990). Regression and linear models. New York: McGraw-Hill.

82. DataMyte (1992). DataMyte handbook. Minnetonka, MN.

83. Davies, P. M., & Coxon, A. P. M. (1982). Key texts in multidimensional scaling. Exeter, NH: Heinemann Educational Books.

84. Dodson, B. (1994). Weibull analysis. Milwaukee, Wisconsin: ASQC.

85. Elandt-Johnson, R. C., & Johnson, N. L. (1980). Survival models and data analysis. New York: Wiley.

86. Eosos J., Trotman M. Estimated economic burden of nosocomial infection // Canad. J. publ. Hlth 1984 - vol.76, №3 - p. 248-250

87. Evans, M., Hastings, N., & Peacock, B. (1993). Statistical Distributions. New York: Wiley.

88. Gifi, A. (1990). Nonlinear multivariate analysis. New York: Wiley.

89. Hettmansperger, T. P. (1984). Statistical inference based on ranks. New York: Wiley.

90. Hocking, R. R. (1996). Methods and Applications of Linear Models. Regression and the Analysis of Variance. New York: Wiley.

91. James, L. R., Mulaik, S. A., & Brett, J. M. (1982). Causal analysis. Assumptions, models, and data. Beverly Hills, CA: Sage Publications.

92. Kendall, M., & Ord, J. K. (1990). Time series (3rd ed.). London: Griffin.

93. Klecka, W. R. (1980). Discriminant analysis. Beverly Hills, CA: Sage.

94. Kolmogorov, A. (1941). Confidence limits for an unknown distribution function. Annals of Mathematical Statistics, 12, 461-463.

95. Kvalseth, T. O. (1985). Cautionary note about R2. The American Statistician, 39, 279-285.

96. Lindeman, R. H., Merenda, P. F., & Gold, R. (1980). Introduction to bivariate and multivariate analysis. New York: Scott, Foresman, & Co.

97. Loehlin, J. C. (1987). Latent variable models: An introduction to latent, path, and structural analysis. Hillsdale, NJ: Erlbaum.

98. Marple, S. L., Jr. (1987). Digital spectral analysis. Englewood Cliffs, NJ: Prentice-Hall.

99. McLachlan, G. J. (1992). Discriminant analysis and statistical pattern recognition. New York: Wiley.

100. Montgomery, D. C., Johnson, L. A., & Gardiner, J. S. (1990). Forecasting and time series analysis (2nd ed.). New York: McGraw-Hill.

101. Morris, M., & Thisted, R. A. (1986). Sources of error in graphical perception: A critique and an experiment. Proceedings of the Section on Statistical Graphics, American Statistical Association, 43-48.

102. Nelson, W. (1990). Accelerated testing: Statistical models, test plans, and data analysis. New York: Wiley.

103. Neter, J., Wasserman, W., & Kutner, M. H. (1985). Applied linear statistical models: Regression, analysis of variance, and experimental designs. Homewood, IL: Irwin.

104. O'Brien, R. G., & Kaiser, M. K. (1985). MANOVA method for analyzing repeated measures designs: An extensive primer. Psychological Bulletin, 97, 316-333.

105. Okunade, A. A., Chang, C. F., & Evans, R. D. (1993). Comparative analysis of regression output summary statistics in common statistical packages. The American Statistician, 47, 298-303.

106. Priestley, M. B. (1981). Spectral analysis and time series. New York: Academic Press.

107. Ryan, T. P. (1997). Modern Regression Methods. New York: Wiley.

108. Seber, G. A. F., & Wild, C. J. (1989). Nonlinear regression. New York: Wiley.

109. Smirnov, N. V. (1948). Table for estimating the goodness of fit of empirical distributions. Annals of Mathematical Statistics, 19, 279281.

110. Steyer, R. (1994). Principles of causal modeling: a summary of its mathematical foundations and practical steps. In F. Faulbaum, (Ed.), SoftStat '93. Advances in statistical software 4. Stuttgart: Gustav Fischer Verlag.

111. Student (1908). The probable error of a mean. Biometrika, 6, 1-25.

112. Swallow, W. H., & Monahan, J. F. (1984). Monte Carlo comparison of ANOVA, MIVQUE, REML, and ML estimators of variance components. Technometrics, 26, 47-57.

113. Wald, A. (1945). Sequential tests of statistical hypotheses. Annals of Mathematical Statistics, 16, 117-186.

114. Wald, A. (1947). Sequential analysis. New York: Wiley.

115. Walker, J. S. (1991). Fast Fourier transforms. Boca Raton, FL: CRC Press.

116. Warner B. & Misra, M. (1996). Understanding Neural Networks as Statistical Tools. The American Statistician, 50, 284-293.