Эпизоотологические и экологические аспекты распространения и прогнозирования заболеваемости в природных очагах геморрагической лихорадки с почечным синдромом

• Автор: Коломинов, Сергей Игоревич
• Шифр специальности: 14.02.02
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Нижний Новгород
• Количество страниц: 176 с. : 38 ил.

ОГЛАВЛЕНИЕ
ОГЛАВЛЕНИЕ

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ

ВВЕДЕНИЕ

Актуальность проблемы

Цель исследования

Задачи исследования

Научная новизна

Практическая значимость

Личное участие автора в получении результатов

Положения, выносимые на защиту
Внедрение результатов исследования
Апробация и публикация материалов исследования
Объем и структура работы
ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ
1.1. Эпизоотологическая и эпидемиологическая характеристика хантавирусной инфекции
1.2. Экологическая характеристика природных очагов ГЛПС
1.3 Эпидемиологический риск и прогнозирование заболеваемости инфекционными
болезнями
1.4. Прогнозирование заболеваемости инфекционными заболеваниями с использованием статистических (математических) методов
ГЛАВА 2. МАТЕРИАЛЫ И МЕТОДЫ
2Л. Учет заболеваемости ГЛПС
2.2. Определение численности мелких млекопитающих
2.3. Определение инфицированности мелких млекопитающих
2.4. Определение климатических показателей
2.5. Определение солнечной активности
2.6. Определение опада основных пород деревьев
2.7. Методы математического анализа
ГЛАВА 3. ЭПИДЕМИОЛОГИЧЕСКАЯ И ЭПИЗООТОЛОГИЧЕСКАЯ ХАРАКТЕРИСТИКА ГЛПС В ОЧАГАХ РАЗЛИЧНОГО ТИПА
3.1. Динамика заболеваемости и особенности очагов ГЛПС на территории Самарской области
3.2. Клинико-эпидемиологическая характеристика очагов ГЛПС на территории Самарской области
3.3. Результаты многолетнего мониторинга численности и инфицированности мелких млекопитающих в очагах ГЛПС
3.4. Результаты обследования мелких млекопитающих на инфицированность различными типами хантавирусов в очаге ГЛПС лесного типа
ГЛАВА 4. ЭКОЛОГИЧЕСКАЯ ХАРАКТЕРИСТИКА ОЧАГОВ ГЛПС
4.1. Многолетняя характеристика температурного режима и показателей солнечной активности на территории природных очагов ГЛПС
4.2. Характеристика осадков в природных очагах ГЛПС
4.3. Характеристика установления и схода снежного покрова и весеннего половодья на территориях, сопряженных с природными очагами ГЛПС
4.4. Характеристика лесной экосистемы на основе многолетнего определения опада деревьев на территории лесного очага Г ЛПС
ГЛАВА 5. СОЗДАНИЕ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ ПРОГНОЗИРОВАНИЯ
ЗАБОЛЕВАЕМОСТИ ГЛПС
5.1. Математическая модель для прогнозирования заболеваемости ГЛПС на основе эпизоотологических и климатических показателей

5.2. Математическая модель для прогнозирования заболеваемости ГЛПС на основе
показателей опада лесообразующих пород деревьев в лесном очаге ГЛПС
ЗАКЛЮЧЕНИЕ
ВЫВОДЫ
ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЯ
Приложение
Приложение
Приложение
Приложение

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ
абс — абсолютное число ДОБ - серотип Добрава
ЕЛПС - геморрагическая лихорадка с почечным синдромом
ИФА - иммуноферментный анализ
ИЭА - индекс эпизоотологической активности
МФА - метод флюоресцирующих антител
ОПН - острая почечная недостаточность
ПВ - поливалентный хантавирусный антиген
ПУУ - серотип Пуумала
СП — санитарные правила
СГМ - социально-гигиенический мониторинг
ТГК - типовая годовая кривая заболевамости
ХПС - хантавирусный пульмональный синдром
Цел - целина
Оч - очаг
Оз - озимые культуры Мн — многолетние травы
- иммуноглобулины класса М
- иммуноглобулины класса С

Применение экстраполяции в прогнозировании базируется на предпосылках, что развитие исследуемого явления в целом следует описывать плавной кривой, и общая тенденция развития явления в прошлом и настоящем не должна претерпевать серьезных изменений в будущем. Поэтому надежность и точность прогноза зависят от того, насколько близкими к действительности окажутся эти предположения, а также от точности характеристик выявленной в прошлом закономерности. Экстраполяцию следует рассматривать как начальную стадию построения окончательных прогнозов, и чем шире раздвигаются временные рамки прогнозирования, тем очевиднее становится недостаточность простого экстраполяционного метода (изменения тенденций, неизвестны точки поворота кривых, влияние новых факторов и т.д.) [26].
Экстраполяцию в общем виде можно представить формулой [47, 57]:
Ун-т = Ку>, Т, а3), (6)
где унт - прогнозируемый уровень;
у, - текущий уровень прогнозируемого ряда;
Т - период упреждения;
а; - параметр уравнения тренда.
Многомерная регрессия - основной на настоящий момент эконометрический аппарат прогнозирования. Необходимо подчеркнуть, что нереалистическое предположение о нормальности погрешностей измерений и отклонений от линии (поверхности) регрессии использовать не обязательно. Однако для отказа от предположения нормальности необходимо опереться на иной математический аппарат, основанный на многомерной центральной предельной теореме теории вероятностей и эконометрической технологии линеаризации. Он позволяет проводить точечное и интервальное оценивание параметров, проверять значимость их отличия от нуля в непараметрической постановке, строить доверительные границы для прогноза.