Проводимое нами в течение многих лет изучение характера протекания процессов в различных сферах, природных и антропогенных, позволило сформулировать подходы и выбрать методы анализа фактических данных для изучения свойств открытых динамических систем. Накопленный опыт мы используем здесь применительно к эпидемическому процессу как наиболее представительной модели, отражающей изменения многих свойств и объектов биосферы.
Эпидемиологические данные — это огромный объем сравнительно стандартизованной информации о разнообразных явлениях. Он отражает совокупность изменений в природной и антропогенной сферах во всех их взаимосвязях.
Не будучи эпидемиологом, автор не берет на себя смелость интерпретировать полученные результаты с точки зрения причинно-следственных связей и механизмов взаимодействия структурных и функциональных частей этой многокомпонентной системы. Основная задача этой работы состоит в попытке выявить закономерности динамики этой системы и найти ее корреляционные связи с некоторыми природными и антропогенными факторами.
Мы рассматриваем ее как открытую динамическую систему, обладающую нелинейными свойствами и испытывающую стремление к самоорганизации — к порядку или хаосу, основываясь на анализе временных рядов числа различных инфекционных заболеваний, который в определенной мере раскрывает эти свойства. Главной же своей целью автор считает привлечение к сотрудничеству специалистов — эпидемиологов, интересующихся этой проблемой.
В настоящей статье представлены в сравнении результаты анализа рядов вызовов скорой помощи по поводу инфекционных заболеваний как основы системы мониторинга заболеваемости населения и общей инфекционной заболеваемости, которая является отражением эпидемических процессов. Исследуется также влияние на эти процессы социальных и природных факторов.
Данные, их обработка и представление
Используемые данные характеризуются различной дискретизацией (частота опроса варьировала от 1 года до 1 недели), относятся к различным интервалам времени и включают различные группы инфекционных заболеваний.
Анализировались данные о количестве инфекционных заболеваний в России, опубликованные в информационном сборнике статистических и аналитических материалов Федерального центра Госсанэпиднадзора «Инфекционная заболеваемость в России». В сборнике представлены статистические материалы по отдельным инфекционным заболеваниям населения России в динамике за 1913-1996 гг. в зависимости от времени введения их в официальную регистрацию.
Кроме того, привлекались данные из архива «Заболеваемости по территории Свердловской области, по контингенту все жители» за июль 2000 г. — апрель 2005 г. с месячным опросом, а также данные из оперативных сводок «Еженедельная инфекционная заболеваемость в Свердловской области» за сентябрь 2001 г. — май 2003 г.
Для анализа рядов использованы алгоритмы, которые позволяют выделять ритмические, трендовые и хаотические компоненты их временной организации. Сведения об особенностях обработки и представления данных приведены.
Многолетние ряды инфекционной заболеваемости еще достаточно коротки для того, чтобы уверенно судить об их спектрально-временной структуре. Для повышения достоверности выделяемых ритмических составляющих набор применяемых ранее методов был расширен за счет спектрального анализа с помощью структурной функции. Кроме того, применялся вейвлет-анализ с помощью хорошо известных вейвлет-функций Morlet и DOG.
Ниже приведены исходные временные ряды, спектрально-временные диаграммы (СВАН-диаграммы), временные ряды параметра хаотизации, распределения заболеваемости внутри года и внутри цикла солнечной активности, результаты анализа с помощью структурных и вейвлет-функций.
Скользящее окно при спектрально-временном анализе и при построении графиков параметра хаотизации составляло 22-33% от длины ряда, подробная информация об условиях анализа приводится в подписях к рисункам.