Рисунок 44. Схема организации процесса геокодирования и создания тематических картограмм БД Диспансеризации

Задачи:

- Подготовка БД к геокодированию (формирование поля адреса и общего поля последующей привязки к исходной таблице);

- Поиск в БД строк с явными ошибками. Исключение их из подготовленной к геокодированию БД;

- Разработка алгоритма геокодирования неотформатированного (неприведенного к общему стандарту КЗРиЗ) набора адресов;

- Геокодирование в автоматическом режиме. Получение основного списка геокодированных адресов;

- Геокодирование в интеррактивном режиме. Сопоставление адресов вручную;

- Получение слоя геокодированных адресов (шейп-файл);

- Получение списка непривязанных к географической координате адресов.

Инструменты:

- MS Access;

- ArcGIS

Результат:

- шейп-файл геокодированных адресов;

- список непривязавшихся адресов;

- список адресов, привязанных вручную.

Исходные данные:

Фрагмент таблицы (часть) из персонифицированной БД обращений лечебной помощью в Поликлинику №88 (ВСЕГО - 25220 записей) приведен в таблице 15.

Patientid - персонифицированный код больного;

ID (совпадает с Patientid);

Fio_u - ФИО больного;

Adress - Адреса прописки больного, отличающиеся от стандартного набора в таблице адреса КГА.

Таблица 15. Фрагмент таблицы (часть) из персонифицированной БД

Фрагмент таблицы, готовой к геокодированию (таблица 16).

Таблица 16. Фрагмент таблицы, готовой к геокодированию

Adress - Адреса, отличающееся от стандартного набора в таблице адреса КГА;

ID - Код привязки к персонифицированной БД.

Фрагмент таблицы ссылок (адресаКГА.shp) (таблица 17).

Таблица 17. Фрагмент таблицы ссылок

cod_ul - код улицы, по которой здание имеет адрес (ссылка на словарь улиц)

name_ul - собственное название улицы (например, “Невский пр.”, “ул. Шкапина”)

dom - номер дома

liter - номер корпуса или литера

adres - полный адрес (например, «Большой Сампсониевский пр., 79-А»)

geocod - уникальный идентификатор (составное поле из кода улицы, основного номера дома и корпуса или литеры)

Результаты геокодирования адресов:

На Рисунке 45 представлен фрагмент шейп-файла геокодированных адресов, точки отображают пространственное расположение адресов.

Рисунок 45. Геокодированные адреса

Ниже приведен пример, на котором взята часть Московского района (масштаб 1:8000). Буквально на каждый жилой дом нанесено количество детей, которым был поставлен общий диагноз «здоров» при осмотре (Рисунок 47), и количество детей, которым данный диагноз поставлен не был, в нашем примере мы условно назовем эти данные “количество больных детей” (Рисунок 46).

Рисунок 46. Количество больных детей

Рисунок 47. Количество здоровых детей

Базы данных и база геоданных на основе регистров в области здравоохранения на примере использования популяционного ракового регистра.

Для построения карт по заболеваемости населения, в нашем случае это лейкозы, были взяты базы данных КЗ, а именно ПРР, его объем составляет 103056. Файлы этих баз данных имеют следующую структуру, как показано в таблице 18[41,71]

Таблица 18. БД ПРР

Поле «NOME_ZAP» - код запроса, конкретное число, присвоенное данным по данному запросу;

Поле «POL» - код пола человека, 1- мужской, 2- женский;

Поле «DAT_ ROJD» - дата рождения больного,

Поле «DUST_DIAG» - дата установления диагноза;

Поле «VOZR» - возраст больного;

Поле «DIAG_KOD» - код диагноза;

Поле «KOD_DIA_VA» - расшифровка диагноза;

Поле «GDEUST» - код лечебного учреждения где был установлен диагноз;

Поле «KOD_TLU_VA» - расшифровка лечебного учреждения где был установлен диагноз;

Поле «KOD_TLU_VA» - район города в котором проживает больной;

Поле «ULNAME» - улица на которой проживает больной;

Поле «DOM» - дом в котором проживает больной;

Поле «KORPUS» - корпус дома в котором проживает больной;

Поле «Z_ID» - код адреса больного;

Поле «D_ SMERTI» - дата смерти;

Поле «KOD_SM_VAL» - диагноз заболевания вызвавший смерть больного.

В базе данных Здравоохранения нормируется показатели здоровья населения, поступивших от ЛПУ к общему числу жителей, либо к общему числу заболевших, либо к общему числу родившихся, умерших и пр. - в зависимости от данных ЛПУ. Формируется демографических показателей (численность, возрастно-половая структура, рождаемость, смертность). Средняя численность населения на данной территории, численность умерших, родившихся, полученная как полу сумма численности на начало и конец года.

Подсчет нормировочных показателей здоровья [47] производится по общим формулам частот заболеваемости, смертности и пр., например:

Заболеваемость = (Число заболевших/ Общее число живущих)*1000 (чел/год) [2.21]

Смертность по причине = (Число умерших от болезни / Общее число смертей) * 1000(чел/год) [2.22]

Как правило, показатели нормируют на 100, 1000, 10000, 100000 человек для удобства дальнейшего анализа.

Существует большое число видов коэффициентов, частот, характеризующих здоровье населения, их дифференциация зависит от: пола, возраста, класса болезни, времени рождения, причинам смерти и пр.

Пример базы ПРР ( таблица 19)

Таблица 19. Пример базы ПРР

4.2 Результаты применения концептуальной схемы анализа, учитывающего взаимосвязи характеристик здоровья населения города, отклонений от него и тяжести последствий этих отклонений у населения, проживающего на территории города и факторов окружающей среды в определенных локациях на примере 3 районов Санкт-Петербурга

В разделе описываются результаты пространственного анализа характеристик здоровья, отклонения, тяжести последствий и действия экологических факторов Приморского, Невского, Центрального районов Санкт-Петербурга [98]. Исследование проводилось по «Алгоритму ПАЗФ», показанному в Разделе 2.1. с учетом модели процесса мониторинга здоровья населения регионов, представленной там же, на основе геокодированных данных проекта «Диспансеризация детей» в СПб МИАЦ в 2002 году (Раздел 3.1.1.)

Выбор ареалов А₁…А_К для характеристик здоровья населения

Ареалы А₁…А_К - территориально сгруппированные площадные единицы, главным свойством которых является проживание внутри них населения. В рамках дипломной работы мы будем использовать способ объединения суммы домов по избирательным участкам, т.е. ареалами А₁…А_К в работе являются избирательные участки.

Выбор ареалов Э₁…Э_N для характеристик экологических факторов

Так как для нашего исследования должно быть выполнено одно обязательное условие - ареалы с экологическими факторами должны «покрывать» ареалы с характеристиками населения, т.е. А₁…А_К < Э₁…Э_N. А в качестве ареалов А₁…А_К были выбраны избирательные участки, то в качестве Э₁…Э_N берутся административные районы города.

Характеристики популяций по ареалам А₁…А_К

Рассматриваются следующие характеристики детской популяции:

- число больных определенным классом болезни (или группой заболеваний), X;

- численность детей, N;

- число инвалидов, имеющих заболевание и получивших инвалидность от данного заболевания, Y;

- число здоровых детей, З.

Количественные значения данных характеристик приведены в таблицах.

Получение коэффициента отклонения и тяжести

Коэффициенты отклонения и тяжести были рассчитаны по формуле:

К_от = P(X + YX) = P(X)*(1-P(Y)) + P(X)*P(Y/X)[2.3]

Полученные значения были сведены в таблицы, для каждого ареала по каждой нозологии были соответственно посчитаны свои коэффициенты, и полученные результаты были сведены в таблицы.

Далее по полученным результатам при помощи программного обеспечения ГИС были построены картограммы демонстрирующие распределение Кот по городу. Были посчитаны средние Кот для трех районов, усреднение по ареалам избирательным участкам (ареалы А1…Ак) находящимся на территории района (Таблица 2), далее были посчитаны средние Кот для рассматриваемых групп заболеваний по трем районам (Таблица 3).

Таблица 20. Средний коэффициент отклонения и тяжести для трех районов.

Таблица 21. Средний коэффициент отклонения и тяжести в трех районах.

Коэффициент здоровья К_з

Кз = З/N - коэффициент здоровья, характеризующий долю здоровых на территории А1…Ак (Избирательные участки). Результаты расчетов Кз по трем районам представлены в таблицах.

Была построена картограмма распределения уровня коэффициента здоровья по городу, которая представлена на Рисунке 48.

Рисунок 48. Картограмма распределения коэффициента здоровья

Средние коэффициенты здоровья для трех рассматриваемых районов представлены в таблице 22.

Таблица 22. Средний коэффициент здоровья

Получение характеристик экологических факторов, действующих в ареалах Э₁…Э_N

На основе полученных ранее данных по пунктам ГСЭН и с помощью программного обеспечения ГИС, были построены цифровые модели распределения различных групп веществ в атмосфере в разные годы (Рисунок 49).

Рисунок 49. Цифровые модели распределения КИЗА

Вещества из группы некоторых веществ, имеющихся в выхлопных газах автомобилей (бензол, диоксид углерода, кадмий, пыль, свинец, окись углерода, сернистый ангидрид, формальдегид, этилбензол), распределены в атмосфере неравномерно (Рисунок 49). Интересны пространственно-временные распределения веществ. Пространственно-временной тренд значительно уменьшается к 1998 году, наблюдается непрерывный спад загрязнений к 2000-у году. Загрязнение этой группой веществ, а также ситуация с автомобильной нагрузкой (интенсивность автотранспорта, разрешенные дороги для грузового транспорта, постоянные пробки в будние дни, а также - крупные перекрестки и развязки) находятся в сильной зависимости. Спад загрязнения к 2000-у году также связан с разгрузкой автомагистралей.

Цифровые модели строились на основе интерполяционной модели по методу ОВР, учитывающему соседство истинных значений и прогнозирующему значения КИЗА между пунктами отбора проб воздуха, а градация значений КИЗА - по методу равных интервалов [39].

Затем с помощью инструментов ГИС и уже построенных цифровых моделей были получены цифровые модели, отражающие распределение среднего комплексного индекса загрязнения атмосферы различных групп веществ в атмосфере за несколько лет.

Зависимость Кот = f(КЗ)

Для каждого из трех районов построены таблицы, которые содержат все рассматриваемые характеристики и посчитанные ранее коэффициенты по избирательным участкам (ареалы) рассматриваемых районов.

По данным этих таблиц и строятся зависимости Кот = f(КЗ) (Рисунки с 50 - по 58) (на основании метода , описанного на Рисунках 15 и 16 в Разделе 2.1)

Сравнение графиков Кот = f(КЗ) для различных ареалов

Рисунок 50. График зависимости К_от = f(К_З) для болезней органов дыхания, Приморский район (Power=0,163, Kот ср=0,09, Kз ср=0,29)

Рисунок 51. График зависимости К_от = f(К_З) для болезней органов дыхания, Центральный район (Power=0,27, Kот ср=0,085, Kз ср=0,15)

Рисунок 52. График зависимости К_от = f(К_З) для болезней органов дыхания, Невский район (Power=0,5, Kот ср=0,16, Kз ср=0,26)

Рисунок 53. График зависимости К_от = f(К_З) для врожденных аномалий, деформаций и хромосомных нарушений, Приморский район (Power=0,12, Kот ср=0,05, Kз ср=0,29)

Рисунок 54. График зависимости К_от = f(К_З) для врожденных аномалий, деформаций и хромосомных нарушений, Центральный район (Power=0,65, Kот ср=0,08, Kз ср=0,15)

Рисунок 55. График зависимости К_от = f(К_З) для врожденных аномалий, деформаций и хромосомных нарушений, Невский район (Power=0, Kот ср=0,05, Kз ср=0,26)

Рисунок 56. График зависимости К_от = f(К_З) для болезней кожи и подкожной клетчатки, Приморский район (Power=0, Kот ср=0,03, Kз ср=0,2)

Рисунок 57. График зависимости К_от = f(К_З) для болезней кожи и подкожной клетчатки, Центральный район (Power=0,05, Kот ср=0,05, Kз ср=0,15)

Получение коэффициента силы эффекта (Power)

Коэффициент силы эффекта (Power) равен тангенсу угла наклона прямой

К_от = f(К_З) (см. Рисунок 16 в Разделе 2.1).

Рисунок 58. График зависимости К_от = f(К_З) для болезней кожи и подкожной клетчатки, Невский район (Power=0, Kот ср=0,047, Kз ср=0,26)

По графикам был посчитан коэффициент Power, данные сведены в таблицу 23:

Таблица 23. Коэффициент силы эффекта (Power)

Сравнение «силы эффекта» воздействия факторов на популяцию между различными территориями показано на рисунке 59

Выводы по результатам исследования с применением «Алгоритма ПАЗФ».

Для жителей кварталов трех районов СПб в целом средний коэффициент Кот для БОД равен 0,1, для ВАДХН равен 0,07, для БК и ПК равен 0,04. Вклад каждой из этих патологий разнообразен - БОД стоят на третьем месте по частоте встречаемости из общей структуры заболевания детей (по результатам «Диспансеризации 2002») и на первом среди первичной заболеваемости среди детей (по обращаемости в поликлиники [47]).

Рисунок 59. Диаграммы коэффициента силы эффекта (Power).

Но тяжесть от БОД минимальна, в то время как ВАДХН - наоборот, отображает весомый вклад в инвалидность, т.е. высокую тяжесть заболеваний населения на территориях. Особенно, это касается Центрального района, где высокая устойчивая экологическая нагрузка тяжелых металлов на почву (особенно свинцом), велико суммарное загрязнение почв и относительно постоянное загрязнение атмосферы в результате образования больших пробок автомобильного транспорта [26-30].

Несмотря на то, что в общей структуре наиболее часто встречающихся при диспансеризации детских болезней процент БК и ПК (5,38%) сравним с ВАДХН (5,58%), реакция городской среды по этим видам патологий кожи практически отсутствует. Это подтверждает хаотичное распределение К_от для БК и ПК по городу.

Средний коэффициент здоровых различим по районам. Можно сделать выводы о наибольшем количестве здоровых в Приморском районе и наименьшем - в Центральном районе. Средние коэффициенты равны, соответственно, в Приморском районе - 0,29, а в Центральном - 0,15. Картограмма распределения коэффициента здоровья для населения показывает следующую закономерность распределения: высокие отклонения от среднего значения в Приморском, Московском районах, средние - наблюдаются в Калининском и Невском районах, а низкие коэффициенты, показывающие низкий уровень здоровья популяции в этих районах, - в Центральном, Адмиралтейском, Красносельском и других районах.

Кривые К_от = f(К_З) демонстрируют отчетливые зависимости рассматриваемых отклонений на действие тех или иных экологических факторов на различных территориях. Однако явно видно, что такой класс патологий, как БК и ПК, у популяции не вызывается факторами окружающей среды. Это видно практически по всем рассматриваемым районам.

Это доказывает хаотическое распределение коэффициента отклонения и тяжести по городу в целом.

Обратим внимание на различную пространственную картину распределения коэффициентов отклонения и тяжести для БОД и ВАДХН: преимущественная тенденция распределения БОД - к юго-востоку города, а ВАДХН - к юго-западу с большой скученностью в центре. Это подтверждено предшествующими медико-экологическими исследованиями [51,54,55], в которых, например, доказываются связи ВАДХН с группой мутагенных факторов (бензол, кадмий, свинец и др.).

Что касается более подробного обсуждения БОД и ВАДХН и тяжести последствий этих болезней, как откликов, на действие экологических факторов, то удобно обратиться к коэффициенту силы эффекта (POWER). Из Рисунка 5.26. можно сделать следующие выводы:

1. Детское население Невского района отчетливо реагирует на загрязнение атмосферы посредством БОД. Реакция населения посредством БОД в 2 раза больше, чем в Центральном.

Это, возможно, объясняется тем, что основное количество веществ в атмосферном воздухе «сносит» северо-западный ветер, который преимущественен для Санкт-Петербурга, и химические вещества со всего города (в т.ч. и из Центрального района) скапливаются в Невском районе, который, кроме всего прочего, насыщен предприятиями [26-30].

Тренд загрязнений специфическими веществами (в группу которых входят такие легкие вещества, как формальдегид, фенол, бензол, аммиак и др.), вызванных, как правило, промышленными предприятиями, направлен на юго-восток, к Невскому району.

Однако реакция на среду населения Невского района посредством ВАДХН не показала значимого эффекта (Power стремиться к 0). Возможные причины отсутствия реакции нас...