The effect of medical economic factors on common morbidity of population of the Republic of Bashkortostan

  • Authors: Iashchuk A.G.1, Lakman I.A.2, Turutina A.D.2, Askarov R.A.3, Davletnurov N.K.4, Askarova Z.F.1
  • Affiliations:
    1. The Federal State Budget Educational Institution of Higher Education “The Bashkir State Medical University” of Minzdrav of Russia
    2. The Federal State Budget Educational Institution of Higher Education “The Ufa State Aviation Technical University”
    3. The Federal State Budget Educational Institution of Higher Education “The S. Ordzhonikidze Russian State Geological Prospecting University”
    4. The Board of Rospotrebnadzor in the Republic of Bashkortostan
  • Issue: Vol 27, No 5 (2019)
  • Pages: 836-840
  • Section: Articles
  • URL: https://journal-nriph.ru/journal/article/view/183
  • DOI: https://doi.org/10.32687/0869-866X-2019-27-5-836-840
  • Cite item

Abstract


The assessment was applied to degree of impact of medical social factors on morbidity of total population according appealability in the Republic of Bashkortostan, considering their spatial temporal distribution. The database of the Federal Information Fund for Social and Hygienic Monitoring (Automated Information System “Social and Hygienic Monitoring”) of the Department of Rospotrebnadzor and data of official statistical forms of the Territorial Board of the Federal State Statistics Service in the Republic of Bashkortostan were used as source material for the study. The data was applied in case of presence of combination of observations on 54 municipalities and 8 urban okrugs in the dynamics for 2000-2015. The panel regression analysis of was applied as research tool. The results of modeling can be considered in developing target programs of reducing morbidity in particular municipality of the region.

Full Text

Введение Республика Башкортостан (РБ) - крупный центр нефтехимической и нефтеперерабатывающей промышленности, одна из наиболее экономически развитых республик в составе Российской Федерации (РФ). Территория РБ неоднородна по темпам социально-экономического развития и уровню жизни населения, которые определяются региональным и экономико-географическим развитием, уровнем развития инфраструктуры и многими другими факторами. Что касается динамики распространенности заболеваний, то в РБ наблюдается ее рост во всех возрастных группах. При этом среднемноголетние показатели как всего населения (177 082,5±3513,2 на 100 тыс. населения) (t=13,1; p<0,000), так и взрослого населения (163 460,2±3986,6%ooo; t=9,5; p<0,000) превышают аналогичные среднероссийские (151 017,4± ±2710,2%ooo и 137 574,5±2143,2%ooo соответственно). Существует множество исследований, посвященных качественному и количественному выявлению влияния факторов социально-экономического развития территорий на изменения общей и первичной заболеваемости населения [1-8], однако пока недостаточно отражены региональные особенности формирования здоровья населения в период социально-экономических преобразований. Цель данного исследования заключалась в определении на основе статистических данных комплексного влияния некоторых социально-экономических факторов на общую заболеваемость всего населения РБ с учетом их пространственно-временного распределения (за 2000-2015 гг.). Материалы и методы Работа выполнена в РБ с численностью населения 4 071 064 человек (на начало 2016 г.). Проведен анализ данных официальной статистики с использованием базы Федерального информационного фонда социально-гигиенического мониторинга Управления Роспотребнадзора по РБ и Территориального органа Федеральной службы государственной статистики по РБ [9] за 2000-2015 гг. по 54 муниципальным образованиям и 8 городским округам. Для многомерного анализа и построения матрицы исследования были включены следующие социально-экономические показатели по каждому муниципальному образованию и городским округам РБ за каждый год исследования в период с 2000 по 2015 г.: ресурсы здравоохранения (численность врачей, среднего медицинского персонала, больничных коек на 10 тыс. населения), среднегодовая численность работников предприятий и организаций, уровень социальной напряженности (уровень безработицы в %, количество правонарушений на 10 тыс. населения), численность пенсионеров, средний размер назначенных пенсий (руб./чел.), номинальная среднемесячная заработная плата (руб.), инвестиции в основной капитал за счет всех источников финансирования (тыс. руб.), уровень демографической нагрузки (доля населения трудоспособного возраста). Все полученные данные были приведены к одинаковой информативности всех рассматриваемых признаков. Для ограничения количества факторов и перехода к безразмерным величинам, позволяющим корректно выявлять причинно-следственные связи, показатели были преобразованы в следующие индексы: 1. Индекс ресурсов здравоохранения MWit, рассчитанный как среднее геометрическое численности врачей NDit, численности среднего медицинского персонала NNit и больничных коек HBij на 10 тыс. населения, где индекс i - номер муниципального образования, t - индекс рассматриваемого периода: ps201905.4elibrary00027.jpg. (1) 2. Индекс средних доходов AIit, рассчитанный как средневзвешенное средней зарплаты AWit и средней пенсии APit, где в качестве весов рассматривались отношения числа работников NEit и числа пенсионеров NPit к общей численности населения PPit соответственно, i - номер муниципального образования, t - индекс рассматриваемого периода: ps201905.4elibrary00029.jpg. (2) Для учета пространственно-временной структуры общей заболеваемости населения и учета влияния на нее различных уровней социально-экономических показателей по муниципальным образованиям был применен панельный регрессионный анализ данных. Соответствующий инструмент статистического моделирования позволяет осуществить комплексный подход к изучению заболеваемости, а также учесть ненаблюдаемые индивидуальные характеристики муниципальных образований за счет специфических эффектов. Для панельного анализа необходима однородная совокупность исследуемых объектов, вследствие чего потребовалось сгруппировать муниципальные образования в однородные группы, т. е. провести кластеризацию районов РБ. Полученные интегральные показатели по районам РБ были кластеризованы в два этапа: на первом этапе проведена иерархическая кластеризация, на втором этапе применен метод К-средних. После тщательного анализа источников, описывающих исследования, воздействие различных социально-экономических и демографических факторов на заболеваемость, а также предварительного построения моделей различной спецификации и тестирования факторов на статистическую значимость были отобраны следующие предикторы, измеряющие комплексное влияние. Для оценки влияния обеспеченности медицинскими ресурсами на изменение показателя заболеваемости в i-м муниципальном образовании в t-й период использовался индекс MFit, рассчитанный по формуле (1). Индекс средних доходов AIit, рассчитанный по формуле (2). В качестве фактора, отвечающего за оценку влияния демографической нагрузки на изменение показателей заболеваемости в конкретном i-м муниципалитете в t-й период, рассматривалась доля населения трудоспособного возраста AtWit (%). В качестве индикатора социально-экономического развития i-го района республики в t-й период рассматривался показатель инвестиций в основной капитал за счет всех источников финансирования данного муниципалитета Invit. В качестве детерминанты социальной среды i-го района в период t, бесспорно оказывающей влияние на общую заболеваемость населения, рассматривался уровень криминализации, выраженный показателем количества правонарушений на 10 тыс. населения Crit. Для оценки комплексного влияния всех перечисленных факторов на изменение общей заболеваемости в муниципальных образованиях в качестве функциональной зависимости, измеряющей связь, была выбрана степенная зависимость, позволяющая учесть особенности закона убывающей эффективности. В результате общий вид модели имеет вид: ps201905.4elibrary00031.jpg, где индекс i - номер муниципального образования, t - индекс рассматриваемого периода, βi и γt - индивидуальные и временные эффекты соответственно; uit - остатки модели, для которых предполагается, что они независимые нормально распределенные случайные величины с нулевым математическим ожиданием и различными для разных муниципальных образований дисперсиями. В качестве результативной переменной GBit была выбрана общая заболеваемость муниципального образования, в качестве предикторов - перечисленные ранее факторы MFit, AIit, AtWit, Invit, Crit, αi и γt - индивидуальные константы, характерные для каждого i-го муниципалитета и каждого периода времени t соответственно, коэффициенты β1, …, β5 - коэффициенты модели, подлежащие оценке панельным выполнимым методом наименьших квадратов. Результаты исследования Результаты предварительного ранжирования показали, что общая заболеваемость всего населения за 2000-2015 гг. выросла в 29 муниципальных образованиях республики, в том числе в 1,6-2,7 раза в Бураевском, Кигинском, Янаульском, Бурзянском, Илишевском, Стерлибашевском, Хайбуллинском, Федоровском, Гафурийском, Салаватском, Уфимском, Калтасинском. По среднемноголетним данным общая заболеваемость выше республиканской отмечена в 19 муниципальных районах республики, в том числе в 1,2-1,4 раза в Кигинском, Куюргазинском, Хайбуллинском, Дюртюлинском районах, г. Кумертау, г. Дюртюли. В результате проведенного кластерного анализа методом К-средних по всем рассматриваемым показателям были сформированы 3 кластера из муниципальных образований РБ, образующих в многомерном пространстве близкие по значению признаки общей заболеваемости. Однако в дальнейшем при построении панельных регрессионных моделей по каждому кластеру содержание объектов в каждом классе подверглось незначительной коррекции. В результате в первом кластере оказалось 16 муниципальных образований и городских округов, во втором и третьем кластерах - 14 и 31 соответственно. Следует отметить, что г. Сибай не попал ни в один из определенных кластеров. Это означает, что по данному городскому округу следует рассматривать отдельную модель заболеваемости, характерную только для данной территории. Примененные тесты Хаусмана и Броша-Погана при уровне значимости p<0,05 позволили определиться со спецификацией панельных моделей: для всех трех кластеров статистически значимыми моделями (p<0,01) оказались модели с фиксированными эффектами по муниципальным образованиям. Показатели качества оценки модели для всех трех кластеров соответственно: скорректированный коэффициент детерминации, отвечающий за долю объяснения факторами дисперсии показателя общей заболеваемости - 0,963; 0,946 и 0,83; средняя ошибка аппроксимации Ар - 2,8; 3,03 и 5,1%. ps201905.4elibrary00033.jpg Отметим, что фактор, описывающий демографическую нагрузку на взрослое население и выраженный как доля населения трудоспособного возраста, оказался статистически значимым только для муниципалитетов, образующих третий кластер. Так, показатель, измеряющий ресурсы системы здравоохранения, оказался статистически значимым для уменьшения заболеваемости во всех муниципалитетах республики. Анализ полученных результатов моделирования удобно проводить на основе средних коэффициентов эластичности, показывающих предельное влияние в процентах каждого фактора на общую заболеваемость в муниципалитете. Оценки коэффициентов эластичности, рассчитанные для каждого кластера по каждому показателю, представлены в таблице. Существеннее всего ресурсы системы здравоохранения сказываются на районах, относящихся ко второму кластеру. Так, если нарастить показатель медицинских ресурсов на 100%, это приведет к снижению общей заболеваемости на территориях данного кластера на 14%. Для муниципалитетов первого и третьего кластеров этот показатель снижает заболеваемость лишь на 7 и 4% соответственно. Увеличение инвестиций в основной капитал в муниципалитетах приведет к снижению заболеваемости в текущий период на 4, 8 и 7 % для первого, второго и третьего кластеров соответственно. Социальная среда населенного пункта является фактором, также сказывающимся на показателе общей заболеваемости. Так, уровень криминализации общества, оцениваемый по показателю количества правонарушений на 10 тыс. населения, оказывает положительное влияние на заболеваемость по территории: для первого кластера на 5%, для второго кластера на 7% и для муниципалитетов третьего кластера на 15%. Самым противоречивым результатом проведенного моделирования является то, что рост доходов населения является фактором, положительно сказывающимся на показателе общей заболеваемости. Так, при увеличении средних ежегодных доходов населения на 100% следует ожидать увеличения заболеваемости в первом кластере на 15%, во втором кластере на 13% и в третьем кластере на 14% соответственно. Несмотря на противоречивость данного результата, он достаточно легко объясним: увеличение доходов населения не приводит к снижению общей заболеваемости, а обусловливает изменение ее структуры. При увеличении доходов снижается доля инфекционных и сердечно-сосудистых заболеваний, но в связи с увеличением продолжительности жизни, напротив, повышается доля психоневрологических и онкологических заболеваний [10]. Демографический фактор, выраженный как доля населения трудоспособного возраста, снижает общую заболеваемость на 8%, но только для муниципалитетов, образующих третий кластер. В третий кластер попали города и муниципалитеты с наиболее развитой социальной инфраструктурой, относящиеся в том числе к промышленным центрам республики. Общее количество жителей, проживающих в муниципальных образования и городах третьего кластера, составляет 2048,7 тыс. Заключение В результате проведенного анализа с использованием средств панельного моделирования на данных распространенности заболеваний по РБ было доказано, что существует прямое влияние на уровень общей заболеваемости всего населения ресурсов системы здравоохранения и инвестиций в основной капитал. Напротив, показатель, определяющий детерминанту социальной среды и выраженный как количество правонарушений на 10 тыс. населения муниципалитета, повышает общую заболеваемость. Противоречивые результаты были получены по изучению влияния дохода на общую заболеваемость: индекс среднедушевого дохода населения положительно сказывается на увеличении показателя общей заболеваемости. Демографический фактор, выраженный в виде доли трудоспособного населения, снижает общую заболеваемость только для муниципалитетов промышленно развитого третьего кластера Республики Башкортостан. Таким образом, применение методов панельного регрессионного анализа позволяет объективно обосновывать приоритетные факторы среды обитания, влияющие на заболеваемость населения в регионе. В связи с этим целесообразно использовать панельный регрессионный анализ при разработке адресных территориальных программ, направленных на обеспечение санитарно-эпидемиологического благополучия населения, а также для прогнозирования вариантов его улучшения и принятия соответствующих управленческих решений. Исследование не имело спонсорской поддержки. Авторы заявляют об отсутствии конфликта интересов.

About the authors

A. G. Iashchuk

The Federal State Budget Educational Institution of Higher Education “The Bashkir State Medical University” of Minzdrav of Russia


I. A. Lakman

The Federal State Budget Educational Institution of Higher Education “The Ufa State Aviation Technical University”


A. D. Turutina

The Federal State Budget Educational Institution of Higher Education “The Ufa State Aviation Technical University”


R. A. Askarov

The Federal State Budget Educational Institution of Higher Education “The S. Ordzhonikidze Russian State Geological Prospecting University”


N. Kh. Davletnurov

The Board of Rospotrebnadzor in the Republic of Bashkortostan


Z. F. Askarova

The Federal State Budget Educational Institution of Higher Education “The Bashkir State Medical University” of Minzdrav of Russia

Email: zagira_a@mail.ru

References

  1. Коровин С. А., Кулеш Д. В., Хаптанова В. А., Ильин В. П., Лебедева Л. Н., Черкашина А. Г. Динамика показателей заболеваемости населения г. Иркутска в период социально-экономических реформ. Бюллетень ВСНЦ СО РАМН. 2012;(5):372-4.
  2. Ведышева Т. В. Комплексная оценка факторов среды обитания и здоровья населения (на примере городов Иркутской обл.). Иркутск; 2008.
  3. Корчевский А. А. Разработка научных основ системного анализа и прогнозирования воздействия факторов окружающей среды на интегральные демографические показатели: на примере Республики Казахстан. М.; 2007.
  4. Максименко З. В., Розанова Л. Ф. Моделирование макроэкономического равновесия и динамики. Учебное пособие. Уфа: Уфимский гос. авиационный технический ун-т; 2008.
  5. Козлов И. Д., Гракович А. А., Щербина О. Ф. Пространственно-временная вариабельность показателя общей смертности в республике Беларусь: роль организационно-медицинских и медико-биологических факторов. Вопросы организации и информатизации здравоохранения. 2014;1(78):68-76.
  6. Стародубов В. И., Сон И. М., Леонов С. А., Погонин А. В. Оценка влияния модернизации здравоохранения на динамику заболеваемости взрослого населения страны. Менеджер здравоохранения. 2013;(5):6-17.
  7. Буркин М. М., Молчанова Е. В. Моделирование влияния индикаторов социального стресса на демографические процессы в регионах Российской Федерации. Журнал неврологии и психиатрии им. C. C. Корсакова. 2017;(1):43-9.
  8. Prados-Torres A., Poblador-Plou B., Calderón-Larrañaga A., Gimeno-Feliu L. A., González-Rubio F., Poncel-Falcó A. Multimorbidity Patterns in Primary Care: Interactions among Chronic Diseases Using Factor Analysis. PLoS ONE. 2012;(2):e32190. doi: 10.1371/journal.pone.0032190
  9. Социально-экономическое положение муниципальных районов и городских округов Республики Башкортостан. Стат. cборник. Уфа: Башкортостанстат; 2000-2016.
  10. Беленков Ю. Н., Оганов Р. Г. Кардиология: Национальное руководство. М.: ГЭОТАР-Медиа; 2012.

Statistics

Views

Abstract - 27

Cited-By


PlumX

Dimensions


Copyright (c) 2019 АО "Шико"

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Mailing Address

Address: 105064, Vorontsovo Pole, 12, Moscow

Email: ttcheglova@gmail.com

Phone: +7 (495) 916-29-60

Principal Contact

Tatyana Sheglova
Head of the editorial office
FSSBI «N.A. Semashko National Research Institute of Public Health»

105064, Vorontsovo Pole st., 12, Moscow


Phone: +7 (495) 916-29-60
Email: redactor@journal-nriph.ru

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies