Информационно-коммуникационные технологии (ИКТ) в мониторинге и прогнозировании зоонозов

Размещено на http://www.allbest.ru/

КАТУ им. С. Сейфуллин

Информационно-коммуникационные технологии (ИКТ) в мониторинге и прогнозировании зоонозов

д.в.н., профессор Абдрахманов С.К.

к.в.н. Сытник И.И.

Информатизация общества закреплена как важнейший механизм формирования конкурентоспособности национальной экономики в Послании Президента Республики Казахстан Н.А.Назарбаева «Стратегия вхождения Казахстана в число 50-ти наиболее конкурентоспособных стран мира. Казахстан на пороге нового рывка в своем развитии».

Эпизоотологический мониторинг - система непрерывного слежения за эпизоотической обстановкой, раннего выявления и оценки экстремальных ее отклонений от нормы, моделирования и прогнозирования развития во времени и пространстве, разработки вариантов рекомендаций по защите животных [1,2, 3].

Система эпизоотологического мониторинга за любой инфекционной болезнью функционирует по следующему алгоритму: сбор информации - передача и обмен информацией-эпизоотологический анализ (ретроспективный и оперативный) - разработка прогноза, принятие управленческого решения (стратегия и тактика борьбы с инфекцией) - оценка, при необходимости коррекция проведенного комплекса профилактических и противоэпизоотических мероприятий [4,5,6].

Цель эпизоотологического мониторинга - сведение к минимуму информационной неопределенности при принятии управленческих решений.

Комплексно-целевые программы эпизоотологического мониторинга могут состоять из трех взаимосвязанных самостоятельных разделов (подсистем): информационно-аналитического, диагностического и управленческого.

В настоящее время несомненен тот факт, что организацию профилактических и противоэпизоотических мероприятий необходимо проводить с использованием информационно-коммуникациооных технологий, позволяющих определять точные координаты (границы) неблагополучных пунктов, проводить их визуализацию с нанесением эпизоотологический значимых объектов, с последующим зонированием и кластеризацией административных территорий по степени благополучия и пространственно-временным анализом.

Анализ эпизоотической ситуации в последние годы по инфекционным болезням свидетельствует, что существуют определенные недостатки в реализации данных подсистем, в частности аналитического и управленческого.

Материалы и методы. Нами в последние годы проведены ряд работ по использованию ГИС-технологий в эпизоотологическом мониторинге инфекционных болезней животных.

В данной статье изложены некоторые аспекты использования ИКТ в мониторинге и прогнозировании инфекционных болезней на территории республики.

Для создания базы данных ГИС с помощью GPS приемника и программы MapSourse использовались: компьютер (Desktop) Pentium (R)4 CPU, 3.2 GHz, 1 Gb ОЗУ, Microsoft Windows XP Professional, GPS приемник (eTrexLegend) внутренняя память 8 Мб для хранения до 500 географических координат, GPS навигатор QH-801, Qlobal Sat, сертифицированные компьютерные программы ArcGis 9.2; Настольные приложения ArcGis - Arc Catalog, Arc Map и Arc Toolbox:

Моделирование эпизоотического процесса бешенства на территории республики проводили методом Монте-Карло, с использованием коммерческого программного обеспечения (версия 4.5.5. @Risk Professional Edition, Palisade Corporation ®, 1996-2007) на основе Microsoft Excel (Microsoft Office Professional Edition, 2007).

Результаты исследований. В рамках бюджетных финансируемых программ изучены особенности эпизоотического процесса, проведено зонирование и кластеризация административных территорий республики по степени благополучия по ящуру, бруцеллезу и бешенству. На основе визуализации неблагополучных пунктов создана база данных ГИС, а также разработаны методические рекомендаций по проведению противоэпизоотических мероприятий при инфекционных болезнях с использованием географической информационной системы.

Прогнозирование эпизоотической ситуации производилось на основе использования программы ArcGis. В основе обработки эпизоотологических данных по заболеваниям программой ArcGis лежит создание пространственно-временного анализа.

Результаты данных работ наглядно показали, что основной причиной проявления ящура является бесконтрольная перевозка животных и продукций животного происхождения, поскольку в 80% случаев вспышки ящура за анализируемый период происходили в населенных пунктах расположенных вдоль железных и автомобильных дорог (рисунок 1).

Рисунок 1. Расположение неблагополучных пунктов по ящуру вдоль железных и автомобильных дорог республики, данные по QIS 2011 г (программа ArcGis)

На рисунке 2 отражены результаты зонирования территорий республики по степени благополучия по сибирской язве за период 1991-2011 гг., из которой следует, что на большей части территории страны сохраняется высокая вероятность проявления данной болезни. При этом к зоне высокой степени заражения отнесены южные регионы республики.

Рисунок 2. Зонирование территорий РК по сибирской язве за период 1991-2011 гг.

Для организаций эффективных профилактических и противоэпизоотических мероприятий, согласно рекомендациям международных ветеринарных организаций необходимо выявление кластера. Кластер в случае эпидемиологии (эпизоотологии) - это локализация случаев заболеваний в определенном пространстве и в определенное время.

Выявление кластеров проверяет гипотезу о том, что события кластеризованы в пространстве, во времени или в пространстве и времени.

Кластерный анализ является методикой вывода и описывает только образ, а не процесс и полезен для оценки экологии и эпизоотологии вспышек заболевания.

На рисунке 3 отражены результаты кластеризации за определенный период по ящуру: 1991-1999 гг., 2000-2010 гг.

эпизоотологический мониторинг инфекционный казахстан

Рисунок 3. Результаты проведения кластеризации за определенный период по ящуру: 1991-1999 гг., 2000-2010 гг.

Анализ данных рисунка 3 свидетельствует о локализации кластера в период 1991-1999 гг. в южных областях республики, с последующей активизацией эпизоотического процесса во времени в различных регионах страны.

В дальнейших исследованиях нами проведено моделирование эпизоотического процесса бешенства с целью прогнозирования ситуации в четырех основных группах животных, подверженных заболеванию: домашние плотоядные (собаки), дикие плотоядные (лисы, волки, куницы), сельскохозяйственные животные (крупный, мелкий рогатый скот, лошади, свиньи).

В качестве количественных показателей нами использовалось вероятное среднегодовое количество случаев бешенства у соответствующих видов, полученных по результатам предыдущих научных исследований.

Стохастические модели. Модели подобного типа включают элементы теории вероятности, а следовательно, результирующая на воздействие ряда переменных зависит от случайности. При этом считают, что включение в модель элемента случайности (рандомизация) делает модель биологически более правдоподобной, чем при использовании жестокой детерминистической модели. Метод Монте-Карло чаще всего используется при построении стохастических моделей [3].

В основе метода Монте-Карло лежит вероятностный метод отбора проб, что имитирует эффект случайности. При использовании данной техники мы получаем рандомизированный ряд чисел (используя генератор случайных цифр), а затем используем эти числа либо для выборки из общего массива данных, предлагаемого моделью, либо для принятия решения о статусе - состоянии объекта в биноминальном распределении.

Треугольное распределение (triangular)-это непрерывное распределение, ограниченное с обеих сторон.

Треугольное распределение часто применяется при недостаточной информации, благодаря простоте использования оно употребляется в качестве функциональной формы представления областей с размытой логикой. Форма треугольного распределения может быть очень асимметричной, включая отрицательную асимметрию. В исключительных случаях, когда mode равно min или max, треугольное распределение принимает вид прямоугольного треугольника.

Эта функция автоматически проверяет, принадлежит ли наиболее вероятное значение x (mode) определенному интервалу (min, max).

При превышении указанного максимального значения функция рассматривает его как максимальное, и наоборот: max рассматривается как mode, то есть обращение к функции triangular (1, 5, 10) эквивалентно triangular (1, 10, 5): при этом генерируется вариант треугольного распределения с минимальным значением 1, максимальным значением 10 и наиболее вероятным значением 5.

Для оценки риска нами использовалось вероятное среднегодовое количество случаев бешенства у подверженных животных в четырех основных популяциях, таким образом: чем большее количество случаев ожидается, тем выше риск для той или иной популяции.

Для проведения итерации нами были взяты максимальное, среднее и минимальное количество неблагополучных пунктов по бешенству в 4 популяциях животных, за последние 9 лет.

На рисунке 4 видно, что вершина треугольного распределения по оси абсцисс равна 20,3, при минимальном значении 8 и максимальном 33, а стандартное отклонение (±5,104).

Рисунок 4. Среднегодовая оценка риска (количество случаев) среди собак на 2012 год

Отсюда следует, что среднегодовое количество возможных случаев бешенства у собак в РК на 2012 год, составило методом Монте-Карло, при использовании треугольного распределения 20,3±5,104 случаев.

По такой же методике было определено среднегодовое количество возможных случаев бешенства среди КРС на 2012 год, которое составило 24±6,94 случая.

Среднегодовое количество возможных случаев бешенства у лошадей в РК на 2012 год составило методом Монте-Карло, при использовании треугольного распределения 2±0,41 случая.

На рисунке 5 видно, что вершина треугольного распределения по оси абсцисс равна 18,3, при минимальном значении 2 и максимальном 35, а стандартное отклонение (±6,74).

Отсюда следует что, среднегодовое количество возможных случаев бешенства диких плотоядных на 2012 год составляет 18,3±6,74.

Рисунок 5- Среднегодовая оценка риска (количество случаев) среди диких плотоядных на 2012 год

Из приведенных выше стохастических моделей следует, что результаты прогноза на нынешний год варьируют в средних пределах ± стандартное отклонение.

Выводы

1. Разработаны научно-практические основы применения ГИС-технологий в эпизоотологическом мониторинге, анализе риска и прогнозировании инфекционных болезней животных.

2. С использованием ИКТ проведено зонирование, кластеризация административных территорий республики, создана база данных ГИС по социально-значимым зоонозам (ящур, бруцеллез, бешенство), а также выявлены основные факторы влияющие на течение эпизоотического процесса данных инфекций.

3. Методом Монте-Карло проведен прогноз вероятного количества возможных случаев бешенства на 2012 год в четырех основных группах, подверженных заболеванию: домашние плотоядные (собаки), дикие плотоядные (лисы, волки, куницы), сельскохозяйственные животные (крупный, мелкий рогатый скот, лошади).

В результате данных исследований установлено, что среднегодовое количество возможных случаев бешенства собак на территорий республики на 2012 год, составляет 20,3±5,104 случаев, среди КРС-24±6,94, лошадей 2±0,41 и среди диких плотоядных 18,3±6,74 случая.

Список литературных источников

1. Дрыгин В.В. Эпизоотологический мониторинг [Текст] Ветеринарная газета №11-12, 06.2003 г.

2. Caporale A., Giovannini A., Calistri P., Conte A. Import risk analysis: the experience of Italy //Rev.Sci.Tech.OIE. -1999. -V.18, № 3. -P.729-740.

3. Дудников С.А. Количественная эпизоотология: основы прикладной эпидемиологии и биостатистики. - Владимир: Демиург, 2004. - 460 с.

4. Методические рекомендации по использованию географической информационной системы ArcGlS в эпизоотологическом анализе/ Ф.И.Коренной, М.В.Дудорова, В.М. Гуленкин, С.А.Дудников; ФГУ «ВНИИЗЖ». - Владимир, 2010. - 22 с.

5. Макаров В.В., Святковский А.В., Кузьмин В.А., Сухарев О.И. Эпизоотологический метод исследования. Учебное пособие. -СПб. Издательство «Лань», 2009 г., -224 с.

6. Митчелл Э. Руководство ESRI по ГИС анализу. Т.1: географические закономерности и взаимодействия. - USA: Environmental Systems Research Institute, Inc. - перевод ООО «Дата+».- 1999.- 190 с. -ISBN 1-879102-06-4

Размещено на Allbest.ru