Please use this identifier to cite or link to this item: http://essuir.sumdu.edu.ua/handle/123456789/75351
Or use following links to share this resource in social networks: Recommend this item
Title Використання математичного моделювання в епідеміологічному нагляді за гострими кишковими інфекціями
Authors Malysh, Nina Hryhorivna
Chemych, Mykola Dmytrovych  
Kuzmenko, Olha Vitaliivna  
Доан, С.І.
ORCID http://orcid.org/0000-0002-7085-5448
http://orcid.org/0000-0001-8575-5725
Keywords епідеміологічний нагляд
эпидемиологический надзор
epidemiological surveillance
фактори ризику
факторы риска
rask factors
прогноз
prognosis
Type Article
Date of Issue 2019
URI http://essuir.sumdu.edu.ua/handle/123456789/75351
Publisher ВД «Заславський»
License
Citation Використання математичного моделювання в епідеміологічному нагляді за гострими кишковими інфекціями / Н.Г. Малиш, О.В. Кузьменко, М.Д. Чемич та ін. // Актуальная инфектология. - 2019. - №7(1). - С. 6-12.
Abstract Актуальність. Гострі кишкові інфекції є актуальними для багатьох країн світу. Міграційні процеси, міжнародний туризм та інші фактори призвели до зміни значущості окремих джерел інфекції, шляхів передачі збудника, етіологічної структури. Мета. На підставі вивчення динаміки захворюваності, факторів ризику запропонувати нові способи удосконалення епідеміологічного нагляду за гострими кишковими інфекціями. Матеріали та методи. Досліджено динаміку захворюваності на шигельоз, сальмонельоз, діареєгенні ешерихіози, демографічну статистику та показники санітарно-гігієнічного моніторингу за період 2001–2017 рр. у Сумській області. Застосовані епідеміологічний та статистичний методи дослідження, багатофакторний аналіз. Результати. Встановлено, що у досліджуваному періоді показники інцидентності на шигельоз зменшилися з 42,3 до 0,5 на 100 тисяч населення; на сальмонельоз зросли з 13,0 до 17,7; на діареєгенні ешерихіози варіювали на рівні 3,70–2,20. Під час статистичного аналізу за допомогою пакета прикладних програм Statistica встановлено: залежність захворюваності від впливу факторів ризику (чисельність і щільність населення; природний і міграційний рух населення; поширеність хвороб органів травлення); частоту виявлення: носіїв патогенних ентеробактерій, нестандартних зразків води, м’яса і м’ясопродуктів, молока і молокопродуктів, цукру і кондитерських виробів, яєць; виділення санітарно-показової мікрофлори з обладнання та рук працівників у закладах громадського харчування, на харчових підприємствах, підприємствах із виробництва кондитерських виробів із кремом, молокозаводах. Висновки. Використання математичного моделювання у системі епідеміологічного нагляду за гострими кишковими інфекціями дозволить спрогнозувати захворюваність і визначити пріоритетні фактори ризику.
Актуальность. Острые кишечные инфекции являются актуальными для многих стран мира. Миграционные процессы, международный туризм и другие факторы привели к изменению значимости отдельных источников инфекции, путей передачи возбудителя, этиологической структуры. Цель. На основании изучения динамики заболеваемости, факторов риска предложить новые способы усовершенствования эпидемиологического надзора за острыми кишечными инфекциями. Материалы и методы. Исследованы динамика заболеваемости шигеллезом, сальмонеллезом, диареегенным эшерихиозом, демографическая статистика и показатели санитарно-гигиенического мониторинга за период 2001–2017 гг. в Сумской области. Применены эпидемиологический и статистический методы исследования, многофакторный анализ. Результаты. Установлено, что в исследуемом периоде показатели инцидентности шигеллеза уменьшились с 42,3 до 0,5 на 100 тыс. населения; сальмонеллеза выросли с 13,0 до 17,7; диареегенных эшерихиозов варьировали на уровне 3,70–2,20. При проведении статистического анализа с использованием пакета прикладных программ Statistica установлена зависимость заболеваемости от воздействия факторов риска (численность и плотность населения; естественное и миграционное движение населения; распространенность болезней органов пищеварения); частота выявления: носителей патогенных энтеробактерий, нестандартных проб воды, мяса и мясопродуктов, молока и молокопродуктов, сахара и кондитерских изделий, яиц; выделение санитарно-показательной микрофлоры с оборудования и рук работников в учреждениях общественного питания, на пищевых предприятиях, предприятиях по производству кондитерских изделий с кремом, молокозаводах. Выводы. Использование математического моделирования в системе эпидемиологического надзора за острыми кишечными инфекциями позволит спрогнозировать заболеваемость и определить приоритетные факторы риска
Abstract. Background. Acute intestinal infections remain actual diseases for many countries of the world now, especially with middle and low income, in spite of improving sanitary and hygienic conditions of living, drinking water quality. Therefore, the system of epidemiological surveillance of acute intestinal infections needs to be improved. Based on the study of the dynamics of morbidity, risk factors, new ways to improve the epidemiological surveillance of acute intestinal infections were offered. Materials and methods. The paper presents the results of studies on the dynamics of the incidence of schigellosis, salmonellosis, diarrheal escherichiosis, demographic statistics and indicators of sanitary-hygienic monitoring for 2001– 2017 in the Sumy region. Epidemiological and statistical methods of research, multivariate analysis were applied. Results. It was found that in the studied period, the incidence rates for shigellosis decreased from 42.3 per 100,000 population to 0.5,salmonellosis — increased from 13.0 to 17.7, diarrheal escherichiosis — varied at 3.70– 2.20. At the same time, the population of the region has decreased from 1,317.8 thousand people in 2001 to 1,104.5 in 2017, the population density — from 55.3 (persons per 1 km2 ) to 46.3, the natural population movement — from –11.1 to –8.6 %, migratory movement — from –5.2 to –0.7 %, the prevalence of digestive diseases has increased — from 13,004.0 per 100,000 people to 17,124.89. It has been found that in those examined for prophylactic purposes, the frequency of shigella and salmonella isolation decreased from 146.5 and 20.7 per 100,000 population to 0, enteropathogenic colibacilli — from 671.4 to 24.9. Results ofsanitary-hygienic monitoring of food and drinking water showed that the frequency of detection of “substandard” water samples was 8.1 %, meat and meat products — 5.2 %, milk and dairy products — 4.3 %, sugar and confectionery products — 5.6 %, eggs — 4.2 %. The frequency of isolation of sanitary and indicative microflora from equipment, the hands of workers in public catering facilities was 4.7 %, food enterprises and enterprises for the production of confectionery with cream — 3.4 and 1.03 %, respectively, dairies — 1.6 %. Statistical analysis conducted with the help of Statistica software package showed the dependence of the morbidity on the influence of risk factors, which can be presented as a linear multivariate regression equation. Using predictive values of risk factors, as well as regression equations, predictive values of morbidity were obtained for the most significant forms of acute intestinal infections. In 2018–2020, an increase in the incidence rate of shigellosis, salmonella, diarrheal escherichiosis is expected. Among the risk factors, the greatest impact will be the increase in population density, the prevalence of digestive diseases, migration of the population, “substandard” microbiological indicators of meat and meat products. Conclusions. Thus, identifying risk factors for unfavorable epidemiological situation and using a mathematical model to predict the development of the epidemic process of acute intestinal infections, taking into account demographic indicators and socio-hygienic monitoring data, can be an important part of the system for improving epidemiological surveillance.
Appears in Collections: Наукові видання (НН МІ)

Views

Australia Australia
1
Belgium Belgium
1
China China
1
Germany Germany
4002055
Greece Greece
908
Ireland Ireland
9069
Japan Japan
1
Lithuania Lithuania
1
Netherlands Netherlands
226
Sweden Sweden
1
Switzerland Switzerland
1
Ukraine Ukraine
483216
United Kingdom United Kingdom
241837
United States United States
13137991
Unknown Country Unknown Country
483215

Downloads

China China
1
Germany Germany
4002053
India India
1
Lithuania Lithuania
1
Netherlands Netherlands
1
Switzerland Switzerland
1
Ukraine Ukraine
1391787
United Kingdom United Kingdom
241839
United States United States
13137986
Unknown Country Unknown Country
5

Files

File Size Format Downloads
Malysh_model.pdf 362.87 kB Adobe PDF 18773675

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.