SCI Библиотека

Введение. Избыточная смертность является показателем, позволяющим отобразить влияние пандемии на уровень смертности и выявить особенности эпидемиологического процесса. Цель — проанализировать избыточную смертность от болезней системы кровообращения (БСК) в 16 городах в первый год пандемии новой коронавирусной инфекции (COVID-19). Материалы и методы. Использованы агрегированные ежедневные данные о смертности от БСК в течение первого года пандемии COVID-19 (2020) и 3–10 лет, предшествующих началу пандемии, в 16 городах Российской Федерации. Для каждого из городов сформированы временные ряды данных по смертности с временным интервалом в 1 месяц с учетом долгосрочного и сезонного трендов. Для прогнозирования ожидаемого уровня смертности в каждый месяц 2020 года использовались адаптивные модели экспоненциального сглаживания и авторегрессионные проинтегрированные модели скользящего среднего. Избыточную смертность в течение первого года пандемии считали как кумулятивное число избыточных смертей от болезней системы кровообращения с 1 апреля по 31 декабря 2020 года по сравнению с ожидаемыми значениями. Результаты. Средний уровень избыточной смертности от БСК составил 17,7%. Города, где зафиксированы самые высокие значения, — Липецк (36,9%), Норильск (34,9%), Омск (32,6%). Самый низкий уровень отмечался в Иркутске (6,1%), Петропавловске-Камчатском (8,3%) и Архангельске (10,0%). В Норильске, Омске, Магадане, Архангельске и Северодвинске уровень избыточной смертности от БСК среди женщин был выше, чем среди мужчин. В Красноярске и Якутске смертность среди мужчин, напротив, была выше. Выводы. Выявлена существенная избыточная смертность от БСК во всех изучаемых городах, что может, как минимум, частично объясняться особенностями организации работы учреждений здравоохранения в период пандемии, введением строгих ограничительных мероприятий, страхом населения перед обращением за медицинской помощью из-за угрозы инфицирования. В совокупности данные аспекты предположительно привели к изменению порядка оказания медицинской помощи, отсроченному обращению граждан в медицинские организации, более поздней диагностике и, как следствие, к росту уровня смертности от соматических заболеваний, включая БСК.

В статье анализируется статистика смертности и заболеваемости населения Российской Федерации с 1965 по 2022 год, с фокусом на последствиях пандемии COVID-19. В период 2020-2021 гг. наблюдается резкий рост смертности от респираторных заболеваний, коррелирующий с распространением COVID-19, особенно среди лиц с хроническими недугами. Тем не менее, болезни системы кровообращения и онкологические заболевания продолжили быть главными причинами смертности, отмечался рост смертности от этих заболеваний после предыдущего периода снижения смертности от них. Более того, в период пандемии COVID-19 больные этими и другими хроническими неинфекционными заболеваниями оказались под «двойным ударом», поскольку COVID-19 более негативно влиял на людей с хроническими заболеваниями по сравнению со здоровыми людьми и, одновременно, больные с хроническими заболеваниями оказались лишены необходимой медицинской помощи из-за перегрузки системы здравоохранения больными с COVID-19. Указывается на внезапность смерти от кардиологических проблем и отсутствие предшествующей диагностики, подчёркивая важность усиления мониторинга этих заболеваний. Рост заболеваемости хроническими неинфекционными заболеваниями, такими как сахарный диабет и гипертония, подчёркивает необходимость профилактики и ранней диагностики подобных заболеваний. Выделены четыре кластера регионов РФ по причинам смертности от основных групп заболеваний. Указано на необходимость разработки специальных мер в программах развития систем здравоохранения в зависимости от региональной специфики.

Младенческая смертность является индикатором социальноэкономического развития территории, эффективности социальной политики, доступности медицинской помощи, благосостояния и здоровья населения и других базовых принципов.

Целью исследования явился анализ показателя младенческой смертности в Хабаровском крае в историческом аспекте. Объектом исследования послужила когорта детей, родившихся живыми и умершими на первом году жизни на территории Хабаровского края в период 2013 - 2023 гг.

В течение длительного времени Хабаровский край занимал лидирующие позиции среди всех округов РФ по уровню младенческой смертности, но организованная трехуровневая система оказания медицинской помощи женщинам и детям оказалась достаточно эффективной и сейчас уровень младенческой смертности в городах и районах

Хабаровского края характеризуется устойчивым трендом снижения.

Применение современных методов машинного обучения (МО) для статистического анализа больших выборок пациентов существенно превышает возможности традиционных способов обработки информации в клинической медицине.

Цель. Разработать алгоритм применения рекуррентных нейронных сетей при анализе набора клинических данных пациентов с субарахноидальным кровоизлиянием (САК).

Материалы и методы. Регистр по типу «больших данных» содержал ретроспективные данные 2631 пациента с артериальными аневризмами. Из них для данного исследования было отобрано 390 человек, у которых САК потребовало лечения в условиях отделения интенсивной терапии, анестезии и реанимации (ИТАР). Исходный набор данных содержал 7290 признаков, из которых было отобрано 12 для обучения следующих моделей МО: логистическая регрессия, метод опорных векторов, метод случайного леса, градиентный бустинг, многослойный перцептрон, рекуррентная сеть с архитектурой долгой краткосрочной памяти (LSTM). Все этапы предобработки и моделирования данных выполнены на языке Python (версия 3.11.4) с использованием библиотек scikit-learn, tensorflow, keras и hyperopt. Вычислены значения и 95% доверительные интервалы (ДИ) AUROC и AURPC, прогностическая ценность, специфичность и чувствительность.

Результаты. В выборке было 246 (63%) женщин и 144 (37%) мужчины, средний возраст всех пациентов составил 54 ± 12,9 года. Летальный исход зарегистрирован у 133 (34%) пациентов, в том числе у 33 в течение 24 часов после поступления. Лучшей моделью, предсказывающей летальный исход, была рекуррентная нейронная сеть LSTM. При сравнении с другими моделями LSTM характеризовалась наибольшей предиктивной силой (AUROC – 0,83; 95% ДИ: 0,72–0,92, AURPC – 0,62; 95% ДИ 0,39–0,81) в отношении госпитальной летальности. Для периода времени нахождения в ИТАР с 3-х по 6-е сутки положительная прогностическая ценность модели составила 0,83, чувствительность – 0,95 и специфичность – 0,58.

Заключение. Рекуррентная нейронная сеть LSTM может быть адаптирована к разработке автоматизированных алгоритмов ведения пациентов с САК в критическом состоянии.