Исследование направлено на разработку подходов управления рисками сокращения продолжительности жизни. Оценка рисков сокращения продолжительности жизни рассматривается как основа управления санитарно-гигиеническим благополучием населения. Разработаны алгоритмы управления и модели оценки риска сокращения продолжительности жизни с использованием контекстных диаграмм. Рассмотрена количественная модель оценки рисков сокращения продолжительности жизни, учитывающая характеристики негативных факторов окружающей среды и фоновые показатели здоровья населения территорий. Расчетные коэффициенты модели адаптированы к специфике данных санитарно-гигиенического мониторинга территорий РФ. Выполнена оценка рисков сокращения продолжительности жизни населения Сибирского федерального округа по четырем возрастным группам от воздействия загрязнения атмосферного воздуха диоксидом азота, являющегося одним из самых распространенных загрязняющих веществ. Оценка рисков выполнялась для болезней системы кровообращения и органов дыхания, характеризующихся наибольшей зависимостью состояния здоровья от влияния факторов окружающей среды. Выполнено сопоставление полученных значений рисков для населения Сибирского федерального округа с рисками для населения стран Европы. Наибольшее значение рисков сокращения продолжительности жизни получены для женщин в возрастной группе 75 лет и мужчин в возрасте от 60 до 74 лет. Предложены мероприятия по управлению рисками сокращения продолжительности жизни.
Идентификаторы и классификаторы
- SCI
- Экономика
В настоящее время многие города России сталкиваются с серьезными проблемами качества воздуха из-за высокого уровня атмосферных загрязнений. Выбросы автотранспорта являются самым быстрорастущим источником загрязнения в городах, много летучих органических соединений в атмосферу привносит промышленность и теплоэлектростанции. Антропогенное загрязнение окружающей среды оказывает выраженное воздействие на формирование популяционного здоровья и, как следствие, на продолжительность жизни населения. Вклад антропогенных факторов в формирование отклонений здоровья составляет от 10 до 57 %
Список литературы
1. Лещук, С.И. Оценка влияния загрязненного атмосферного воздуха на здоровье населения / С.И. Лещук, Д.Ц. Очиржапова // Вестник Сибирской академии права, экономики и управления. - 2012. - № 1(5). - С. 64-67. EDN: TLIASP
2. Актуальные проблемы управления рисками здоровью населения в России / В.Н. Ракитский, С.Л. Авалиани, Т.А. Шашина, Н.С. Додина // Гигиена и санитария. - 2018. - Т. 97(6). - С. 572-575. DOI: 10.18821/0016-9900-2018-97-6-572-575 EDN: XVLSRF
3. Основы государственной политики в области обеспечения химической и биологической безопасности Российской Федерации на период до 2025 года и дальнейшую перспективу / утв. Президентом РФ 01.11.2013 г. № Пр-2573. - М., 2023.
4. Основы государственной политики в области экологического развития Российской Федерации на период до 2030 года / утв. Президентом РФ 30.04.2012 г. - М., 2012.
5. Анализ риска здоровью в стратегии государственного социально-экономического развития: монография / Г.Г. Онищенко, Н.В. Зайцева, И.В. Май [и др.]; под общ. ред. Г.Г. Онищенко, Н.В. Зайцевой. - М.; Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2014. - 738 с. EDN: UDTYLR
6. Human Development Report 2021-2022. Technical Notes [Электронный ресурс]. - URL: https://hdr.undp.org/sites/default/files/2021-22_HDR/hdr2021-22_technical_notes.pdf (accessed 13 November 2023).
7. Непараметрическая оценка сокращения ожидаемой продолжительности жизни российских участников ликвидации последствий аварии на ЧАЭС / А.М. Корело, М.А. Максютов, К.А. Туманов [и др.] // Радиация и риск (Бюллетень Национального радиационно-эпидемиологического регистра). - 2020. - Т. 29, № 3. - С. 14-26. DOI: 10.21870/0131-3878-2020-29-3-14-26 EDN: JNLXEK
8. Külekci, B.Y. Assessment of longevity risk: credibility approach / B.Y. Külekci, A.S. Selcuk-Kestel // Journal of applied statistics. - 2021. - Vol. 48, no. 13-15. - P. 2695-2713. DOI: 10.1080/02664763.2021.1922613 EDN: WXBJJX
9. Decennial trends and inequalities in healthy life expectancy: The HUNT Study, Norway / S.H. Storeng, S. Krorstad, S. Westin, E.R. Sund // Scandinavian Journal of Public Health. - 2017. - P. 1-8. DOI: 10.1177/1403494817695911 EDN: VFQFEV
10. Crimmins, E.M. Lifespan and health span: past, present, and promise / E.M. Crimmins // Gerontologist. - 2015. - Vol. 55, no. 6. - P. 901-911. DOI: 10.1093/geront/gnv130
11. Клейн С.В. Ожидаемая продолжительность жизни в субъектах Российской Федерации с различным уровнем санитарно-эпидемиологического благополучия и образа жизни населения. Резервы управления // С.В. Клейн, Г.Г. Онищенко, Н.В. Зайцева, М.В. Глухих / Анализ риска здоровью. - 2022. - № 4. - С. 18-32. EDN: GUICLA
12. Kim, J.H. Subjective life expectancy is a risk factor for perceived health status and mortality /j.H. Kim, J.M. Kim // Health and Quality of Life Outcomes. - 2017. - Vol. 15(190). - P. 1-7. DOI: 10.1186/s12955-017-0763-0 EDN: NHKDHQ
13. Global, regional, and national disability-adjusted life-years (DALYs) for 315 diseases and injuries and healthy life expectancy (HALE), 1990-2015: a systematic analysis for the Global Burden of Disease Study 2015 // Lancet. - 2016. - Vol. 388. - P. 1603-1658. EDN: XTXQQH
14. Рамонов, А.В. Ожидаемая продолжительность здоровой жизни как интегральная оценка здоровья россиян / А.В. Рамонов // Экономический журнал ВШЭ. - 2011. - № 4. - С. 497-518. EDN: OTTMLT
15. The Impact of 51 Risk Factors on Life Expectancy in Canada: Findings from a New Risk Prediction Model Based on Data from the Global Burden of Disease Study /j.A. Kopec, E.C. Sayre, B. Shams, L.C. Li, H. Xie, L.M. Feehan, J.M. Esdaile // International Journal of Environmental Research and Public Health. - 2022. - Vol. 19. - P. 8958. 10.3390/ ijerph19158958. DOI: 10.3390/ijerph19158958 EDN: HILIAK
16. МР 2.1.10.0033-11. 2.1.10. Состояние здоровья населения в связи с состоянием окружающей среды и условиями проживания населения. Оценка риска, связанного с воздействием факторов образа жизни на здоровье населения: методические рекомендации“ [Электронный ресурс]. - URL: https://www.rospotrebnadzor.ru/documents/details.php?ELEMENT_ID=4633 (дата обращения: 15.11.2023).
17. Синдяшкина, Е.Н. Ожидаемая продолжительность здоровой жизни в контексте десятилетия здорового старения ООН / Е.Н. Синдяшкина // Анализ и прогноз. Журнал ИМЭМО РАН. - 2022. - № 1. - С. 40-53. EDN: CNQOPV
18. Health risk assessment of air pollution and the impact of the new WHO guidelines (Eionet Report - ETC HE 2022/10) /j. Soares, A. González Ortiz, A. Gsella, J. Horálek, D. Plass, S. Kienzler // European Topic Centre on Human Health and the Environment, 2022.
19. Тасейко, О.В. Оценка влияния факторов окружающей среды на показатели смертности населения старших возрастных групп на примере Г. Красноярска / О.В. Тасейко, Д.А. Черных // Проблемы управления. - 2021. - № 5. - С. 60-69. DOI: 10.25728/pu.2021.5.5 EDN: RJPHVK
20. Управление федеральной службы государственной статистики по Красноярскому краю, Республике Хакасия и Республике Тыва [Электронный ресурс]. - URL: https://krasstat.gks.ru/folder/30015 (дата обращения: 10.08.2023).
21. Единая база частной системы здравоохранения [Электронный ресурс]. - URL: https://statprivat.ru/demo2020?r=2 (дата обращения: 10.08.2023).
22. Trends in air pollutants and health impacts in three Swedish cities over the past three decades / H. Olstrup, B. Forsberg, H. Orru, M. Spanne, H. Nguyen, P. Molnár, C. Johansson // Atmos. Chem. Phys. -2018. - Vol. 18. - P. 15705-15723. DOI: 10.5194/acp-18-15705-2018
23. СанПиН 1.2.3685-21. Гигиенические нормативы и требования к обеспечению безопасности и (или) безвредности для человека факторов среды обитания / утверждены Постановлением Главного государственного санитарного врача Российской Федерации №2 от 28.01.2021. - М., 2021.
24. Long-term exposure to nitrogen dioxide and mortality: A systematic review and meta-analysis / S. Huang, H. Li, M. Wang, Y. Qian, K. Steenland, W.M. Caudle, Y. Liu, J. Sarnat, S. Papatheodorou, L. Shi // Sci Total Environ. - 2021. - Vol. 776. - P. 145968. DOI: 10.1016/j.scitotenv.2021.145968 EDN: KVGXKF
25. A Direct Estimate of the Impact of PM2.5, NO2, and O3 Exposure on Life Expectancy Using Propensity Scores /j.D. Schwartz, Q. Di, W.J. Requia, F. Dominici, A. Zanobetti // Epidemiology. - 2021. - Vol. 32(4). - P. 469-476. DOI: 10.1097/EDE.0000000000001354 EDN: KJPKDD
26. Определение нормативов качества окружающей среды на основе риск-ориентированного подхода / Ю.И. Шокин, В.В. Москвичев, О.В. Тасейко, Е.Н. Бельская // Вестник Российской академии наук. - 2020. - Т. 90, № 12. - С. 1146-1155. 10.31857/ S0869587320120245. DOI: 10.31857/S0869587320120245 EDN: MSLIBJ
27. Развитие методологии анализа риска здоровью в задачах государственного управления санитарно-эпидемиологическим благополучием населения / Н.В. Зайцева, Г.Г. Онищенко, И.В. Май, П.З. Шур // Анализ риска здоровью. - 2022. - № 3. - С. 4-20. DOI: 10.21668/health.risk/2022.3.01 EDN: IMRUNE
Выпуск
Другие статьи выпуска
Работа посвящена использованию методов математического моделирования для разработки методического подхода к оценке эффективности организаций, деятельность которых связана с инновационным развитием. Раскрывается особенность инновационного развития и определяется роль организаций, участвующих в научно-технической политике государства. В результате анализа отображаются основные виды организаций инновационной инфраструктуры, их функциональное назначение и поддержка со стороны органов исполнительной власти. Теоретической частью исследования является формирование сводного перечня показателей эффективности деятельности организаций инновационной инфраструктуры с целью дальнейшего использования в практической составляющей работы. На основании ранее проведенного исследования обосновывается выбор математического инструментария для разработки методики оценки, который предусматривает использование теории нечетких множеств и нечеткой логики, метода анализа иерархии, анализа временных рядов. Перечисленный набор методов моделирования применяется с точки зрения комплексности объекта исследования: учитываются количественные и качественные показатели, расставляются приоритеты задействованным переменным, принимаются во внимание проанализированные внешние факторы влияния. Такой подход позволяет повысить объективность результатов оценки. В качестве примера предлагаемый методический подход используется для оценки одного из элементов инновационной инфраструктуры. Подчеркивается необходимость комплексной оценки и уточняется практическая применимость предлагаемого подхода. Методика может быть использована органами государственной власти для целесообразного распределения финансовых ресурсов и других мер стимулирования организаций инновационной инфраструктуры. Также методика применима для внутреннего аудита деятельности рассмотренных в работе элементов с целью выработки рекомендаций по повышению собственной эффективности.
Исследуется проблема разницы между требованиями к проекту в отношении сроков окончания, а именно повышение эффективности принятия решений в проектном управлении относительно вероятных сроков окончания проекта. На основе математических моделей, без специальных допущений относительно природы проекта показано, что задачи минимизации среднего значения длительности проекта, его наиболее вероятной продолжительности, медианного срока выполнения, а также такого срока, который гарантирует выполнение проекта с заданной вероятностью, не сводимы друг к другу и требуют различных управленческих решений. Сделан вывод, что популярные в проектном управлении математические модели, которые сводят неопределенность в сроках к единственному параметру, неадекватно отражают эту разницу в требованиях и могут быть усовершенствованы, чтобы их практические следствия были прозрачнее для проектных менеджеров, а также, что при принятии решений в рамках управления реальными проектами следует конкретизировать требования заказчика и однозначно определять, какой из сроков для него является ключевым. В результате исследования доказано, что в рамках любого достаточно сложного проекта всегда существуют такие управленческие решения, которые будут оправданы с точки зрения минимизации среднего срока, но приведут к увеличению медианного или наиболее вероятного срока завершения.
Представлен анализ различных методов прогнозирования спроса для телекоммуникационной компании «Триколор» с использованием как статистической модели SARIMA, так и современных подходов, включая XGBoost и рекуррентные нейронные сети. Исследование охватывает применение этих методов для оценки будущих изменений спроса на тарифные планы, учитывая сезонные колебания и другие влияющие факторы. Освещены вопросы настройки моделей, выбора параметров, а также вызовы и решения, связанные с каждым из методов, чтобы повысить точность прогнозов. Работа подчеркивает значимость интеграции разнообразных методов прогнозирования в стратегическое планирование и оперативное управление компанией в условиях рыночной конкуренции и изменчивости потребительских предпочтений. Результаты могут быть использованы для формирования гибких стратегий управления спросом и оптимизации предложений компании.
Рассматривается сравнительный анализ методов построения виртуальных анализаторов с использованием робастной регрессии, гребневой регрессии, метода ортогональных проекций на скрытые структуры на основе ядра (англ. K-OPLS), метода чередующихся условных математических ожиданий (англ. ACE) и нейросетей прямого распространения. Данные модели в составе виртуальных анализаторов предназначены для оценки значений точек фракционного состава керосиновой фракции - продукта колонны фракционирования - в режиме реального времени. В ходе построения моделей рассмотрен вопрос усреднения значений входных переменных за определенный промежуток времени для привязки к значениям выходных переменных. В отличие от существующих работ, в данном исследовании обучение и тестирование моделей осуществляется на ограниченных по значениям выходной переменной сегментах данных, т. е. в условиях пропусков данных в обучающей выборки. Показано влияние ширины интервала усреднения значений входной переменной на точность оценки получаемых моделей. Также показано, что наименьшее значение средней абсолютной ошибки при оценке точек фракционного состава обеспечивают модели на основе нейронных сетей и K-OPLS при различных вариантах обучения и тестирования.
Рассматривается применение нейронных сетей для детектирования пространственных ключевых точек человека при выполнении спортивных упражнений. Технология детекции ключевых точек позволяет отслеживать движения спортсменов в реальном времени, проводить глубокий анализ их техники и автоматизировать выполнение упражнений. Это помогает тренерам выявлять слабые места и совершенствовать навыки спортсменов. Основное внимание уделено методам 2D- и 3D-детекции ключевых точек, их применению в спорте и анализу эффективности. Приводятся результаты 3D-детекции ключевых точек для спортсмена выполняющего упражнение.
Основная задача факторного анализа - это выявление неявных факторов, объясняющих связи между наблюдаемыми переменными. Это дает возможность получить более полное и точное представление об изучаемых явлениях и процессах, что позволяет установить скрытые закономерности и тенденции, которые далеко не всегда возможно определить при визуальном анализе данных. Эти скрытые переменные могут быть использованы для упрощения данных и понимания основных механизмов, лежащих в основе изучаемого явления. Количественная оценка влияния каждой переменной на результат с помощью математических методов может быть выполнена с использованием различных подходов и инструментов. Приводится краткий обзор основного инструментария. Выбор конкретного метода зависит от характера данных, целей исследования и доступных ресурсов. Известно, что основным недостатком факторного анализа является невыполнение переместительного (коммуникативного) закона умножения, что объясняется возникновением неразложимого остатка. Неразложимый остаток объясняется тем, что рассматриваемая модель не полностью учитывает все факторы, влияющие на изучаемое явление, а поэтому вариация признака не будет определяться только рассматриваемыми факторами, то есть останется какая-то часть, не распределенная между факторами. В связи с этим величина влияния факторов на изменение результативного показателя меняется в зависимости от места, на которое поставлен тот или иной фактор в детерминированной модели. С увеличением числа факторов-сомножителей резко возрастает количество равноправных вариантов расчетов, так как увеличивается число возможных перестановок факторов. Таким образом, вариантов расчета степени влияния факторов на результирующий показатель достаточно много и выбор способа расчета зависит от целей исследования. При этом следует отметить, что количество вариантов, рассматриваемых возможных перестановок факторов можно уменьшить за счет агрегирования некоторых факторов. Важно только четко обосновать экономический смысл такого агрегированного показателя. Это обстоятельство дает возможность построения процедуры, позволяющей оценить неразложимый остаток. В статье рассматривается методика оценки неразложимого остатка. Величина неразложимого остатка может быть определена как разность данных, полученных в двух формах расчета, между значениями показателя в мультипликативной модели, где этот показатель стоит на последнем месте, и по другому способу расчета, где этот же фактор поставлен на первое место. Показано, что в ходе проведения факторного анализа имеется инвариантная константа, не зависящая от способа расчета. Приводится также способы уменьшения размерности исходной задача за счет агрегирования исходных факторов. Важно только четко обосновать экономический смысл такого агрегированного показателя. В статье приводится пример трехфакторной модели производительности труда, когда результативный показатель будет определяться тремя факторами: фондоотдачей, механовооруженностью рабочих и долей рабочих в общей численности предприятия. За счет объединения первых двух факторов в один произошла редукция задачи к двухфакторной модели производительности труда, зависящей от двух факторов: средней выработки рабочих и доли рабочих в общей численности работников предприятия.
Представлены основные особенности моделирования сложных распределенных процессов, отражена актуальность исследования и важность моделирования таких процессов. Рассматривается развитие окрестностного подхода, труды отечественных и зарубежных авторов, внесших значительный вклад в развитие математического моделирования сложных динамических систем. Приведены виды окрестностных моделей и отражено положение нового направления иерархических динамических нейро-окрестностных моделей в классе окрестностных моделей. Представлены преимущества развития данного подхода, а именно улучшение интерпретируемости модели при одновременном обеспечении достаточной точности с обобщающей способностью и устойчивостью к шуму. Выделены основные этапы построения и представлены сферы применения иерархических динамических нейро-окрестностных моделей. Отмечено три способа представления их структуры: графический, теоретико-множественный и матричный. Графический способ представления основывается на графах, разделенных на два слоя, которые описывают связи между узлами по переходам и по выходам соответственно. Показаны схемы слоев и общая схема узла исследуемой модели по переходам и выходам. Теоретико-множественный способ описывает модель в виде множеств узлов и иерархических окрестностных связей между ними. Матричный способ позволяет представить модель в виде матриц смежности для переходов и выходов по состояниям и по внешним воздействиям соответственно. Приведено подробное описание иерархических динамических нейро-окрестностных моделей и нейронных сетей в узлах. Описан алгоритм идентификации разработанного подхода, показана схема алгоритма идентификации. Приведен пример построения иерархической динамической нейро-окрестностной модели прогноза общего энергопотребления бытовой техники в доме с учетом отопления и погодных условий в реализованной программе Python с автоматическим подбором оптимальных параметров модели. Приведено описание исходных данных, взятых с сайта Kaggle. Проведена подготовка данных, на основе которых выполнено обучение и тестирование полученной модели. Показана схема иерархической динамической нейро-окрестностной модели прогнозируемого процесса. Сделаны выводы по проделанному исследованию.
Рассматривается развитие теории робастного оценивания параметров статистических моделей с привлечением аппарата теории информации. Анализируется подход А. М. Шурыгина, основанный на модели серии выборок со случайным точечным засорением (модели байесовского точечного засорения). В первой части нашей работы описан непараметрический способ выбора распределения засоряющей точки - посредством максимизации энтропии Шеннона или перекрестной энтропии в окрестности модельного распределения, ограниченной величиной дивергенции Кульбака - Лейблера. Такой способ нахождения плотности распределения засоряющей точки позволяет рассматривать получаемые оценки как робастные, причем обладающие свойством оптимальности. Полученные оценки мы называем обобщенными радикальными, поскольку их частным случаем являются радикальные оценки А. М. Шурыгина. Во второй части работы получено другое оптимальное решение на основе формализма А. Реньи (или эквивалентного с точки зрения нашей задачи формализма К. Цаллиса), дающее новое семейство оценок, частными случаями которого также являются некоторые известные оценки. Для выбора одной оценки из семейства, определяемого разными ограничениями на дивергенцию, предложен оптимизационный подход. Основные теоретические результаты, полученные в работе, иллюстрируются на примере оценивания параметра сдвига косинусного распределения.
Большое количество физических, биологических и других явлений и процессов описываются нагруженными уравнениями. Нелинейное гиперболическое уравнение Кирхгофа моделирует некоторые колебательные процессы и содержит нагрузку в виде рациональной степени m/n линейной функции от нормы искомого решения в пространстве H 1(Ω). Подобную нагрузку будем называть интегральной. В работе для данного уравнения рассматривается вторая смешанная задача с однородными граничными условиями. В силу сложности интегрирования нелинейных дифференциальных уравнений во многих случаях они с разной степенью точности аппроксимируются линейными уравнениями. При этом может оказаться, что линеаризованное уравнение весьма условно моделирует исследуемое явление. Целью настоящей работы является установление априорных оценок для интегральной нагрузки уравнения Кирхгофа, которые используются для его «корректной» линеаризации. Соответствующие результаты формулируются в виде теорем. В случае положительной степени m/n полученная оценка действительна для любых значений m и n. В отрицательном случае устанавливаются отдельные оценки для m < n, m = n и m > n. Во всех случаях производится переход от нестрого равенства априорной оценки к равенству, связывающему интегральную нагрузку с некоторой линейной функцией, зависящей от начальных условий и правой части уравнения. Для редукции уравнения Кирхгофа к линейному уравнению его интегральная нагрузка заменяется полученной функцией. Способ применим к уравнениям с интегральной нагрузкой как в главной части, так и в младших членах.
Издательство
- Издательство
- ПНИПУ
- Регион
- Россия, Пермь
- Почтовый адрес
- 614990, Пермский край, г. Пермь, Комсомольский проспект, д. 29
- Юр. адрес
- 614990, Пермский край, г. Пермь, Комсомольский проспект, д. 29
- ФИО
- ТАШКИНОВ АНАТОЛИЙ АЛЕКСАНДРОВИЧ (ИСПОЛНЯЮЩИЙ ОБЯЗАННОСТИ РЕКТОРА)
- E-mail адрес
- rector@pstu.ru
- Контактный телефон
- +7 (342) 2198067
- Сайт
- https://pstu.ru