Східноукраїнський медичний журнал
Permanent URI for this collectionhttps://devessuir.sumdu.edu.ua/handle/123456789/72869
Browse
2 results
Search Results
Item Вплив атмосферного тиску на епідемічний процес COVID-19(Сумський державний університет, 2023) Галушко, Наталія Анатоліївна; Галушко, Наталия Анатольевна; Halushko, Nataliia Anatoliivna; Купрієнко, І.В.Вступ . Виявлення основних детермінант часових змін в епідемічному процесі COVID-19 є важливим для розробки ефективних стратегій профілактики та контролю цієї інфекції. Спроби визначити зв’язок між циклічними змінами атмосферного тиску та перебігом епідемічного процесу COVID-19 вченими робилися неодноразово, але наукові дані про вплив атмосферного тиску на епідемічний процес COVID-19 досі є суперечливими. Мета дослідження – дослідити вплив атмосферного тиску на епідемічний процес COVID-19 на прикладі міста Суми (Україна). Матеріали та методи . У цьому дослідженні ми використовували дані щодо щоденної кількості нових випадків COVID-19, які були отримані з щоденних звітів Сумського обласного центру контролю та профілактики хвороб МОЗ України, а також результати добовий моніторинг показників атмосферного тиску Сумського обласного гідрометеорологічного центру. Період спостереження з 01.05.2020 по 01.12.2022. Динаміку зміни метеорологічних показників та добову кількість нових випадків COVID-19 (далі – захворюваність на COVID-19) у Сумах вивчали за допомогою простих ковзних середніх. Період згладжування для показників захворюваності становив 7 діб, для показників атмосферного тиску – 19 діб, а лаг між рядами показників – 7 діб. Загальна кількість парних спостережень змінних становить n = 945. Щоб з’ясувати, чи змінюється захворюваність на COVID-19 (змінна відповіді) залежно від рівня атмосферного тиску (незалежна змінна), непараметрична шкала Крускала–Уолліса використовувався дисперсійний аналіз. Для цього числовий ряд значень атмосферного тиску було переведено в категоріальний ряд, а квартиль ряду використовувався як групуюча ознака. Апостеріорний аналіз (тест post hoc) проводили за допомогою критерію Манна-Уітні. Кількісну оцінку відмінностей між групами за критерієм Манна–Уітні оцінювали за критерієм Коена. Результати. Дисперсійний аналіз Крускала–Уолліса . Встановлено статистично значущу різницю захворюваності на COVID-19 у чотирьох групах порівняння (χ 2 = 119,462, 3 df, p-value = 0,0001). Медіана захворюваності на COVID-19 та інтерквартильний діапазон у 1 групі порівняння становила 25 (6,4; 85,3) випадків, у 2 групі – 10,6 (5,0; 40,6) випадків, у 3 групі – 60,4 (14,3). ;149,9) випадків, у 4 групі – 99,1 (13,6; 202,5) випадків. Тест Манна-Уітні. Найнижча захворюваність на COVID-19 у 2 -му квартилі атмосферного тиску (743,63–745,0 мм рт. ст.); підвищення атмосферного тиску до рівня 3- го (745,01–748,11 мм рт. ст.) і 4- го (748,12–755,1 мм рт. ст.) квартилів, а також його зниження до рівня 1-го квартиля (738,6–743,62 мм рт. ст.) , асоціюється зі статистично значущим збільшенням кількості випадків COVID-19 (p-value = 0,0000–0,0012). Величину ефекту ми оцінили як малу (r = 0,15) у разі зниження атмосферного тиску та середню у разі підвищення атмосферного тиску. Висновки. 1. Результати тесту Краскела–Уолліса показали, що багаторівневий фактор, яким є атмосферний тиск (пояснювальна змінна), впливає на рівень захворюваності на COVID-19 (змінна відповіді) і, отже, на активність механізму його передачі (χ 2 = 119,462, 3 df, p-значення = 0,0001). Залежність добових випадків COVID-19 від атмосферного тиску є нелінійною функцією. Це підтверджує доцільність використання в даному дослідженні критерію Краскела–Уолліса, а також свідчить про нераціональність використання кореляційного аналізу Спірмена та Пірсона для дослідження кореляції між змінними. Захворюваність на COVID-19 була мінімальною при середніх значеннях атмосферного тиску 743,6–745,0 мм рт. Будь-які зміни атмосферного тиску, що виходили за цей інтервал в ту чи іншу сторону, призводили до статистично значущого зростання захворюваності. Величина ефекту ми оцінюємо як невелику у випадку зниження атмосферного тиску та середню у разі підвищення атмосферного тиску.Item Features of the transmission mechanism of viral hepatitis C in Ukraine(Sumy State University, 2020) Галушко, Наталія Анатоліївна; Галушко, Наталия Анатольевна; Halushko, Nataliia Anatoliivna; Трецька, Тамара Олександрівна; Трецкая, Тамара Александровна; Tretska, Tamara Oleksandrivna; Halushko, A.V.Вступ/мета. Значна кількість осіб молодого віку вструктурі вірусного гепатиту С (ГС/ HCV-інфекція), суттєві масштаби прихованих випадків цієї інфекції та відсутність специфічної профілактики можуть ускладнити епідемічну ситуацію щодо цієї інфекції в Україні в найближчі роки. Ми побудували математичну модель епідпроцесу ГС для встановлення найбільш значущих факторів передачі цієї інфекції в країні. Матеріали та методи. Дослідження засновано на проведенні кореляційно-регресійного аналізу взаємозв'язків між залежними (або результативними) та пояснюючими змінними (або факторними, або предикторами). Всього в аналіз включено 3 залежних змінних y1, y2, y3, що відповідають щорічній кількості випадків захворювань на гострий, хронічний ГС і кількості серопозитивних до вірусу ГС осіб, та 17 предикторів x1–х17, серед яких кількість осіб, які отримали етіотропне лікування, кількість осіб з розладами психіки та поведінки через вживання наркотичних речовин, включаючи опіоїди, кількість хворих на інфекції, що передаються статевим шляхом, кількість відвідувань стоматологів, число осіб, що отримали зубні протези; кількість хірургічних операцій, гемотрансфузій, ендоскопічних обстежень, лабораторних аналізів крові, гемодіалізів тощо. Кількість спостережень (n) залежних і пояснюючих змінних дорівнює 25, що відповідає кількості адміністративно-територіальних одиниць в Україні (24 області та м. Київ).Якість регресійних моделей оцінювали за допомогою множинних коефіцієнтів кореляції (R), коефіцієнтів детермінації (R2) та ко-ефіцієнтів регресії (b0, b1, b2). Статистичну значущістьR2визначали за F-статистикою, коефіцієнтів регресії –за стандартними помилками (m), t-критерієм, p-значенням і діапазоном 95% довірчих інтервалів (ДІ). Для порівняння ступеню впливу факторних змінних на залежну змінну у двохфакторної регресійної моделірозраховували стандартизовані коефіцієнти регресії (bст ).Надійність регресійних моделей оцінювали за статистикою тестів Дарбіна–Уотсона (DW), Бреуша–Годфрі (BG) і Уайта (W). Ретроспективно визначали величину відносного ризику (RR) інфікування ГС осіб згруп поведінкового та медичного ризику. Результати. При математичному моделюванні епідемічного процесу гострого ГС доведена статистична значущість ефекту лише однієї змінної –річної кількості відвідувань стоматологів. Отрима-не рівняння регресії має наступний вигляд:y1= 0,000021 х5–11,353,де y1–щорічна кількість людей з гострим ГС; х5–річна кількість відвідувань стоматологів. Статистична характеристика моделі: R= 0,892; R2= 0,796; F-статистика: 89,9 для 1 і 23 ступенів свободи, статистична значущість F: 0,0000000021; коефіцієнти регресії: b1= 0,000021 (m= ±0,0000023; t = 9,48, tкрит= 1,71; p= 0,0000000021; 95% ДІ [0,000017; 0,000026]), b0= -11, 353 (m= ± 3,982; t= 2,85, tкрит= 1,71; p= 0,009; 95% ДІ [-19,59; -3,116]).Моделювання епідемічного процесу хронічного ГС (тобто залежності змінної y 2 від усіх пояснюючих змінних) не виявило статистично значущих коефіцієнтів регресії, що може бути пов’язане з неповною реєстрацією випадків хронічного ГС.При моделюванні епідемічного процесу HCV-інфекції з врахуванням щорічної кількості серопозитивних осіб встановлена статистична значущість двох предикторів –річної кількості лабораторних досліджень крові та річної кількості інфекційних захворювань, що реалізуються статевим шляхом. Аналітичний зв'язок змінних у даній моделі має наступний математичний вираз:y3= 4,563 x4+ 0, 0058 x15–36552,721,де y3–кількість HCV-серопозитивних осіб; x4–кількість захво-рювань, що передаються статевим шляхом, x15–кількість лаборато-рних аналізів крові. Статистична характеристика моделі: R= 0,92; R2= 0,842; F-статистика: 58,62 для 2 і 22 ступенів свободи, статистична значу-щість F: 0,00000000153; коефіцієнти регресії: b0= -36552,721 (m = ±10649,1; t = 3,43, tкрит= 1,71; p= 0,0024; 95% ДІ [-58637,63; -14467,81]); b1= 0,0058 (m= ± 0,00082; t= 7,1, tкрит= 1,71; p= 0,0000004; 95% ДІ [0,0041; 0, 0075]); b2= 4,563 (m = ± 1,526; t= 2,99, tкрит= 1,71; p= 0,0067; 95% ДІ [1,4; 7,73]); bстдля змінних х4та х15 становлять відповідно 0,3 та 0,7. У тестах Дарбіна-Уотсона та Бреуша-Годфрі не виявлено авто-кореляції залишків обох регресійних моделей: DWU< DWр< 4 –DWU; BG< χ2. Тест Уайта свідчить про відсутність гетероскедастичності обох моделей: W < χ2.Результати тестів свідчать про надійність обох регресійнихмоделей.Висновки. За нашими даними, щонайменше 84% випадків зараження вірусом ГС в Україні відбувається через статеві контакти та під час лабораторного забору крові, причому вплив останнього шляху передачі на поширення вірусу ГС є більш вираженим (стан-дартизовані коефіцієнти регресії становлять відповідно 0,3 та 0,7).Майже 80% випадків гострого ГС пов’язано з проведенням стоматологічних втручань.Етіотропне лікування хворих на ГС при існуючому рівні охоплення лікуванням може знизити частоту ускладнень і ризик смерті, однак як захід впливу на першу ланку епідпроцесу (джерело інфек-ції) є малоефективним.Особи, що вживають наркотики, мало впливають на інтенсивність епідпроцесу ГС в Україні у цілому, незважаючи на те, що відносний ризик захворювань на ГС серед цієї групи населення є досить високим (RR= 6,5; 95% ДІ [6,39; 6,63]).