Моделирование показателей заболеваемости населения туберкулезом в регионах РФ на основе семейства моделей пространственной авторегрессии

Modeling the Incidence Rate of Tuberculosis in the Regions of the Russian Federation Based on a Family of Spatial Autoregression Models

Artur R. Nagapetyan¹, Alina A. Rymareva², Anastasia S. Petrukhina³

Abstract. This paper continues the research in the field of modeling the incidence rate of tuberculosis in the regions of the Russian Federation. A distinctive feature of the work is both the expansion of the range of variables under study and the corresponding observation period, as well as the application of a model that allows modeling spatial effects, taking into account, among other things, the influence of spatial error lags (Spatial error model - SEM). Like the SAR model, it allows, to a certain extent, to solve the problem of missing variables, for example, those with the property of clustering in space, and in some cases, external shocks. The results obtained in the study allow us to correct some previous conclusions regarding the influence of certain factors, such as gender, crime rate, unemployment and real income, on the corresponding incidence rates. The conclusions drawn can be useful both in terms of further improvement of approaches to modeling incidence rates, as well as in the context of making specific management decisions aimed at reducing them, determining the possibility of assessing the effectiveness of the regional healthcare system in a specific area of the disease by comparing incidence rates in different regions after purification from the influence of various external factors (ceteris paribus).

Keywords: tuberculosis (TB), incidence, socioeconomic factors, comorbidities, region, environmental factors, spatial analysis, SEM

Введение. Туберкулез - инфекционное заболевание верхних дыхательных путей, которое может быть как врожденным, так и приобретенным. В первом случае еще во время внутриутробного развития плод рискует заразиться бактерией-возбудителем ТБ. Причиной второго случая является развитие инфекции, которая передается от больных ТБ воздушно-капельным путем.

Несмотря на то, что практически на всей территории РФ существуют программы, направленные на снижение соответствующих показателей заболеваемости, в регионах наблюдаются разные результаты. В данной связи исследовательской проблемой может представляться оценка эффективности функционирования системы здравоохранения в регионе при прочих равных условиях. Так, некорректно рассуждать о качестве ее работы только по динамике показателей заболеваемости, ведь всегда может оказаться, что система работает не менее эффективно, чем в других регионах, однако иные факторы, влияющие на исследуемые показатели, менялись в неблагоприятном направлении. Например, у отдельно рассматриваемых регионов могут быть свои особенности в динамике демографических, экологических и иных факторов. В результате необходимо использовать методы, позволяющие оценивать интересующие показатели по конкретному направлению заболевания посредством сравнения уровня заболеваемости в различных регионах после устранения влияния различных внешних факторов (при прочих равных условиях). Но для этого необходимо постараться рассмотреть как можно больше переменных, чтобы потом исключить их влияние. В качестве таковых обычно используют: пол, возраст, социально-экономическое положение, наличие сопутствующих заболеваний, экологические показатели и др. Однако в действительности таких переменных гораздо больше, причем многие из них либо являются вовсе ненаблюдаемыми, либо по ним не собираются данные в настоящий момент. Если их не учитывать, будет возникать проблема пропущенной переменной. Чем больше важных переменных не будет учтено, тем больше шансов, что полученным результатам не стоит доверять. В настоящем исследовании мы предлагаем расширить круг изучаемых переменных и соответствующий период наблюдений, а также осуществить применение модели, позволяющей создавать пространственные эффекты, учитывающие влияние ошибок при ее построении в соседних регионах на правильность применения в рассматриваемом субъекте федерации. Как и модель SAR, которая решает проблему наличия межпространственного взаимодействия, модель SEM позволяет в определенной степени избавиться от пропущенных переменных, например, обладающих свойством кластеризации в пространстве, а в некоторых случаях - и внешних шоков.

Обзор литературы. Рассмотрим такой ключевой фактор, как различие показателей по половому признаку. Согласно Всемирной организации здравоохранения (ВОЗ) на данный момент соотношение выявленных первичных случаев туберкулеза среди мужчин и женщин составляет 1,85 (Boum et al., 2014). С течением времени выявленный дисбаланс может только увеличиваться. Благодаря регрессионным моделям и соответствующим данным многие исследования выводят некоторую зависимость между полом и числом выявленных случаев ТБ. Многовариантные модели логистической регрессии показали, что вероятность заболевания туберкулезом была выше у мужчин, чем при схожих условиях у женщин (Chung, Seon, 2021; Needham et al., 2001; Stevens et al., 2014).

Помимо разделения исследуемой группы людей по половому признаку происходит дифференциация заболевших на возрастные группы (Ogundele et al., 2017). Исследователи подробно исследуют каждую категорию, например, детскую аудиторию (до 18 лет) (Fox et al., 2013) или же пожилое население в возрасте старше 70 лет. Так, например, клинические и рентгенологические проявления у пожилых пациентов отличаются от симптомов более молодых больных туберкулезом: у старшей группы было меньше «классических» и больше неспецифических симптомов туберкулеза, в том числе одышка и вялость (Abbara et al., 2019; Chen et al., 2014; Перова, Агулова, 2013; Byng- Maddick, Noursadeghi, 2016). Данные факты могут являться результатом изменения иммунитета посредством увеличения возраста участников исследования (старения). Следовательно, такой фактор, как пожилой возраст пациентов, также влияет на локализацию распространения туберкулеза.

Зачастую исследователи корректируют данные по социально-экономическим или же демографическим показателям. К ним относятся: место проживания (город или сельская местность), полная или неполная семья, хронические заболевания у родителей, наличие необходимого ухода за ребенком (Cluver et al., 2013). Несмотря на большое число исследований, подтверждающих положительную связь возраста и увеличения случаев заболеваемости туберкулезом, в ходе анализа ранее проведенных исследований было обнаружено одно, содержавшее вывод о наличии косвенной отрицательной связи между этими показателями, то есть возраст не влияет на выявление ТБ (Stjepanovic et al., 2018). Данное обстоятельство свидетельствует о неоднозначности выявленной корреляции и требует проведения дополнительных исследований.

Чтобы данные были актуальны и верны, их зачастую проверяют, подтверждают с помощью сопутствующих факторов, например, наличие или отсутствие ВИЧ у исследуемой группы людей (Duarte et al., 2018). Именно совокупность разных факторов более точно показывает их взаимосвязь с риском заражения, дальнейшим выявлением случаев заболевания и летальных исходов. Так, у ВИЧ-инфицированных пациентов имеется более высокий риск развития ТБ по сравнению с людьми без ВИЧ, то есть существует положительная связь между зависимой и независимой переменными (Fox et al., 2013).

Рассмотрим воздействие таких факторов, как жилищные условия и область проживания (город или сельская местность) больных ТБ, на частоту выявления заболеваемости туберкулезом (Me'da et al., 2013). Не лучшие жилищные условия могут трактоваться как косвенный показатель низкого социально-экономического статуса граждан и в связи с этим обнаруживать положительную связь с выявлением и распространением случаев туберкулеза среди населения. Это не результат, а движущая сила распространения и выявления случаев заболевания туберкулезом.

Необходимо более конкретно рассмотреть еще один сопутствующий фактор - регион проживания. Случаи туберкулеза все чаще фиксируются в городских местностях, это является большой проблемой современности в условиях высокого уровня урбанизации. Также условия жизни низкого уровня, которые положительно связаны со случаями ТБ, являются (Hargreaves et al., 2011; Sanchez, 2011).

Зачастую низкая заработная плата и условия жизни хуже среднего уровня подталкивают людей к злоупотреблениям табачной продукцией и алкоголем. На данный момент нет убедительного объяснения выявленных случаев заболеваний ТБ среди курящего взрослого мужского населения (Watkins, Plant, 2006), но есть представление о существовании положительного влияния употребления табачной продукции на частоту заболеваний туберкулезом (Bates et al., 2007). Данный вывод объясняет значительную долю различий в соотношении зарегистрированных случаев по полу.

После разбора фактора курения необходимо рассмотреть влияние на распространение заболевания фактов злоупотребления алкоголем, так как зачастую они тесно связаны друг с другом, но нельзя точно утверждать, что взаимосвязь алкоголя и ТБ аналогична установленной корреляции с курением. О том, что употребление алкоголя повышает риск заболеваемости туберкулезом с дальнейшим развитием и возможным летальным исходом, свидетельствуют научные исследования (Лифшиц, Неклюдова, 2019). Дополнительным выводом ученых является установление влияния приема алкоголя на оказание помощи заболевшим. Это значит, что при увеличении периода принятия спиртных напитков заболевшими возможна задержка в оказании им первой помощи, так как при алкоголизме у пациента нет желания идти в медицинское учреждение и контактировать с врачами. Негативную роль здесь играет также недостаточная осведомленность пациентов о симптомах и возможных последствиях развития туберкулеза (Peri et al., 2019; Bojovic et al., 2018; Guled et al., 2006).

Немало работ посвящено изучению климатического фактора и фактора загрязнения окружающей среды (Fernandes et al., 2017). Жизненно важным для человека является кислород, поэтому загрязнение атмосферы может сильно сказаться на здоровье людей и в дальнейшем на числе выявленных случаев туберкулеза (Farnia et al., 2018; Garda-Sancho et al., 2009).

По оценке Всемирной организации здравоохранения, 95 % летальных исходов от туберкулеза зафиксировано в странах, где население располагает низким доходом и дышит сильно задымленным воздухом Туберкулез [Электронный ресурс] // Всемирная организация здравоохранения. URL: https://www.who.int/ru/news-room/fact-sheets/detail/tuberculosis (дата обращения: 11.12.2022).. Это означает, что загрязнение атмосферы делает человека более восприимчивым к туберкулезной инфекции, что в дальнейшем также может стать причиной роста летальных исходов заболевания.

По итогу проведенного анализа факторов, оказывающих влияние на выявление случаев заболеваемости туберкулезом, можно сказать, что спектр их довольно обширен и разнообразен. В специальной литературе было обнаружено несколько исследовательских заключений противоречивого характера. Тем не менее данные работы вносят свой вклад в изучение возможных внешних влияний на туберкулезную инфекцию.

Данные и модели. Анализ ранее проведенных исследований способствовал качественному отбору факторов, которые могут оказать влияние на показатель заболеваемости туберкулезом в регионах РФ. Для постройки модели и получения регрессионной оценки были взяты данные Росстата c 2012 по 2020 год Здравоохранение. Заболеваемость туберкулезом, на 100 000 человек [Электронный ресурс] // Федеральная служба государственной статистики. URL: https://rosstat.gov.ru/folder/13721 (дата обращения: 11.12.2022).. В выборке присутствуют 83 региона РФ, исключениями стали: регионы, по которым отсутствует официальная статистика за рассматриваемый в работе период. Анализ данных осуществлялся в статистических пакетах R и STATA. В табл. 1 представлены выбранные переменные и их краткое описание. Данные не стандартизированы для того, чтобы была возможность формировать интуитивно понятную экономическую интерпретацию полученных результатов.

Таблица 1 - Факторы, влияющие на исследуемую переменную

Для получения оценки отобранных факторов были построены: модель, не учитывающая временную структуру данных (pooled regression), а также две пространственно-эконометрические модели: модель с пространственно-авторегрессионным эффектом SAR_FE (Spatial autoregressive model) и модель с пространственным взаимодействием в ошибках SEM (Spatial error model).

ill_tuberit = бi + с ? W ? ill_tuberit + в1 ? oldi + в2 ? cityi + в3 ? criminal_pi + в4 ? sexi + в5 ? demoi + в6 ? divorcei + в7 ? doctors2i + в8 ? hosp_bedsi + в9 ? poori + в10 ? unempl i + в11 ? inc_reali + в12 ? educ_high i + в13 ? pollut_air_ter_pi + в14 ? ill_infectionsi + в15 ? ill_eari + в16 ? ill_blood i + еit,

где ?? ? константа;

W - пространственная матрица весов;

p - коэффициент, характеризующий пространственное влияние;

в - вектор коэффициентов регрессии при объясняющих переменных X.

Результаты. Полученные результаты оценок пространственных моделей представлены в табл. 2.

Таблица 2 - Результаты оценки моделей

p < 0,01, ** p < 0,05, * p < 0,1

Для интерпретации коэффициентов регрессии предпочтения отдаются моделям SAR и SEM (особенно в случае несовпадения знаков коэффициентов; если при одинаковых знаках отличается уровень значимости, причина может быть в особенности оценки панельных моделей и потери вариации), потому что критерий AIC у них гораздо меньше, чем в базовой модели. Результаты модели подтверждают наличие пространственной авторегрессии на уровне зависимых переменных, что означает, что при увеличении показателей заболеваемости в соседних регионах растут показатели заболеваемости и в рассматриваемом регионе (коэффициент Spatial rho, характеризующий пространственную взаимосвязанность показателей склонности к заболеваниям органов дыхания, заявляется статистически значимым), что согласуется с предыдущими результатами (Нагапетян, Петрухина, 2021), а также свидетельствует о наличии пространственной автокорреляции в ошибках (коэффициент lambda, характеризующий пространственную автокорреляцию ошибок, заявляется статистически значимым). В будущих исследованиях при условии наличия необходимых данных можно оценить более сложные модели, одновременно включающие в себя пространственные эффекты как между зависимыми переменными, так и между ошибками.

Статистически значимое положительное влияние было подтверждено для таких факторов, как доля лиц пожилого населения, уровень образованности, загрязнение воздуха, а также распространенность инфекционных заболеваний на территории, коэффициент разводимости, уровень преступности. Статистически значимое отрицательное влияние было подтверждено для таких факторов, как коэффициент демографической нагрузки, пол, уровень безработицы, реальные доходы на душу населения.

Наблюдается положительное значение коэффициента доли лиц пожилого населения на заболеваемость туберкулезом. Это объясняется тем, что иммунитет у людей в возрасте ослаблен, и их организм восприимчив к различного рода инфекциям. То есть при увеличении доли пожилого населения на конкретной территории наблюдается и рост числа случаев заболеваемости ТБ.

Также значимо влияние фактора загрязнения воздуха. Это означает, что при увеличении выбросов загрязняющих веществ в атмосферу будет отмечен рост заболеваемости туберкулезом.

У коэффициента демографической нагрузки наблюдается обратная связь.

Образованные люди в большей степени склонны оценивать альтернативные издержки не- прохождения регулярных медицинских осмотров или просто имеют стабильную работу, где подобные осмотры обязательны, поэтому в среде лиц, имеющих высшее образование, уровень заболеваемости ТБ ниже, чем в среде граждан, не обучавшихся в вузе.

В свою очередь уровень преступности напрямую влияет на количество заключенных, среди которых рассматриваемая болезнь является достаточно распространенной.

Важно указать, что некоторые полученные результаты противоречат ранее опубликованным данным. Так, в исследовании 2021 года (Нагапетян, Петрухина, 2021) противоположные значение имели коэффициенты при переменных «пол» и «реальные доходы». В текущей версии модели знаки коэффициентов при этих переменных соответствуют литературе. Вероятно, расхождение данных связано с рассмотрением малого периода в предыдущей работе (с 2011 по 2013 против 2012-2020 в настоящей работе), а также пропуском важных переменных.

Наиболее интригующий вопрос, затронутый в данном исследовании, - это влияние количества врачей и коечных мест на показатели заболеваемости туберкулезом. Более продвинутые модели, учитывающие пространственные эффекты, свидетельствуют о положительном влиянии на показатели заболеваемости данных переменных. Например, для фактора коечных мест они позволяют сделать предположение даже о статистически значимом положительном влиянии. В действительности это может быть связано с тем, что чем больше врачей на душу населения в регионе, тем выше вероятность обнаружения тех или иных заболеваний у граждан в силу большего их охвата диагностическими мероприятиями. В случае наличия долгих очередей у человека растут альтернативные издержки обращения к врачу, отсюда уменьшается вероятность того, что болезнь будет обнаружена. Это представляется большой проблемой подобных междисциплинарных исследований, которая сигнализирует о том, что в действительности мы наблюдаем количество не реальных, а лишь обнаруженных заболеваний, а в этом случае прямая связь между количеством врачей и количеством заболеваний видится уже не такой спорной, при этом возможны и иные ее интерпретации.

Выводы. В настоящем исследовании были уточнены ранее полученные результаты, характеризующие влияние различных социально-экономических факторов на показатели заболеваемости туберкулезом в регионах РФ (Нагапетян, Петрухина, 2021). Последнее осуществлено за счет применения моделей, позволяющих анализировать пространственные эффекты, учитывающих помимо прочего влияние пространственных лагов ошибок, наряду с моделями, рассматривающими пространственную авторегрессию в контексте межпространственной зависимости моделируемой переменной. Как применение новых моделей, так и повышение числа рассматриваемых факторов (и временного периода) позволило в большей степени решить проблему пропущенных переменных. Так, было уточнено влияние переменных «пол», «реальные доходы», введены новые - «уровень преступности», «безработица», «доля пожилого населения» и др. Важное значение имеют и обнаруженные неинтуитивные влияния показателей, характеризующие количество врачей и коечных мест, что обязательно необходимо учитывать при проведении последующих исследований или аналитических прикладных работ. Существенное увеличение пула рассматриваемых переменных и частичное решение проблемы иных пропущенных переменных позволяет с большой уверенностью использовать полученные результаты в дальнейших исследованиях для формирования подходов к рейтингованию эффективности систем здравоохранения по конкретным направлениям заболеваний в регионах РФ посредством сравнения показателей заболеваемости в различных регионах после исключения влияния различных внешних факторов (при прочих равных условиях).

моделирование показатели заболеваемость население туберкулез

Лифшиц М.Л., Неклюдова Н.П. Влияние международной и внутренней миграции на распространение некоторых инфекционных заболеваний и наркомании в регионах РФ // Экономика региона. 2019. Т. 15, № 4. С. 1184-1198. https://doi.org/10.17059/2019-4-17.

Нагапетян А.Р., Петрухина А.С. Пространственно-авторегрессионный анализ склонности к заболеванию туберкулёзом в РФ // Теория и практика общественного развития. 2021. № 9 (163). С. 43-47. https://doi.org/10.24158/tipor.2021.9.6.

Перова О.Б., Агулова Л.П., Волкотруб Л.П. Связь заболеваемости туберкулезом органов дыхания в Томской области c экологическими и социально-экономическими факторами // Вестник Томского государственного университета. 2013. № 370. С. 179-182.

Abbara A., Collin S.M., Kon O.M., Buell K., Sullivan A., Barrett J. ... et al. Time to Diagnosis of Tuberculosis is Greater in Older Patients: a Retrospective Cohort Review // ERJ Open Research. 2019. Vol. 5, iss. 4. Р. 00228-2018. https://doi.org/10.1183/23120541.00228-2018.

Bates M.N., Khalakdina A., Pai M., Chang L., Lessa F., Smith K.R. Risk of Tuberculosis from Exposure to Tobacco Smoke // Archives of Internal Medicine. 2007. Vol. 167, iss. 4. Р. 335-342. https://doi.org/10.1001/archinte.167.4.335.

Bojovic O., Medenica M., Zivkovic D., Rakocevic B., Trajkovic G., Kisic-Tepavcevic D., Grgurevic A. Factors Associated with Patient and Health System Delays in Diagnosis and Treatment of Tuberculosis in Montenegro, 2015-2016 // Plos One. 2018. Vol. 13, iss. 3. Р. e0193997. https://doi.org/10.1371/joumal.pone.0193997.

Boum Y., Atwine D., Orikiriza P., Assimwe J., Page A.-L., Mwanga-Amumpaire Ju., Bonnet M. Male Gender is Independently Associated with Pulmonary Tuberculosis Among Sputum and Non-Sputum Producers' People with Presumptive Tuberculosis in Southwestern Uganda // BMC Infectious Diseases. 2014. Vol. 14, iss. 1. Р. 1-8. https://doi.org/10.1186/s12879-014-0638-5.

Byng-Maddick R., Noursadeghi M. Does Tuberculosis Threaten Our Ageing Populations? // BMC Infectious Diseases. 2016. Vol. 16, iss. 1. Р. 1-5. https://doi.org/10.1186/s12879-016-1451-0.

Chen H-G., Liu M., Jiang S-W., Gu F-H., Huang S-P., Gao T-J., Zhang Z-G. Impact of Diabetes on Diagnostic Delay for Pulmonary Tuberculosis in Beijing // The International Journal of Tuberculosis and Lung Disease. 2014. Vol. 18, iss. 3. Р. 267-271. https://doi.org/10.5588/ijtld.13.0140.

Chung S.-Y., Seon J.-Y., Lee S.H., Kim H.-Y., Lee Y.W., Bae K., Oh I.-H. The Relationship Between Socio-Demographic Factors and Tuberculosis Mortality in the Republic of Korea During 2008-2017 // Frontiers in Public Health. 2021. Vol. 9. Р. 1-9. https://doi.org/10.3389/fpubh.2021.691006.

Cluver L., Orkin M., Moshabela M., Kuo C., Boyes M. The Hidden Harm of Home-Based Care: Pulmonary Tuberculosis Symptoms Among Children Providing Home Medical Care to HIV / AIDS-Affected Adults in South Africa // AIDS Care. 2013. Vol. 25, iss. 6. Р. 748-755. https://doi.org/10.1080/09540121.2013.772281.

Duarte R., Lonnroth K., Carvalho C., Lima F., Carvalho A.C.C., Munoz-Torrico M., Centis R. Tuberculosis, Social Determinants and Co-Morbidities (Including HIV) // Pulmonology. 2018. Vol. 24, iss. 2. Р. 115-119. https://doi.org/10.1016/j.rppnen.2017.11.003.

Farah M.G., Rygh J.H., Steen T.W., Selmer R., Heldal E., Bjune G. Patient and Health Care System Delays in the Start of Tuberculosis Treatment in Norway // BMC Infectious Diseases. 2006. Vol. 6. Р. 1-7. https://doi.org/10.1186/1471-2334-6-33.

Farnia P., Rajaei E., Hadadi M., Madadi M., Aghajani J., Mohanad Mohsin A. et al. Outdoor Air Pollution Affects Tuberculosis Development Based on Geographical Information System Modeling // Biomedical and Biotechnology Research Journal. 2018. Vol. 2, iss. 1. Р. 39. https://doi.org/10.4103/bbrj.bbrj_5_18.

Fernandes F.M. de C., Martins E. de S., Pedrosa D.M.A.S., Evangelista M. do S.N. Relationship between Climatic Factors and Air Quality with Tuberculosis in the Federal District, Brazil, 2003-2012 // The Brazilian Journal of Infectious Diseases. 2017. Vol. 21, iss. 4. Р. 369-375. https://doi.org/10.1016/j.bjid.2017.03.017.

Fox G.J., Barry S.E., Britton W.J., Marks G.B. Contact Investigation for Tuberculosis: a Systematic Review and Meta-Analysis // European Respiratory Journal. 2013. Vol. 41, iss. 1. Р. 140-156. https://doi.org/10.1183/09031936.00070812.

Garcla-Sancho M.C., Garcia-Garcia L., Baez-Saldana R., Ponce-de-Leon A. Indoor Pollution as an Occupational Risk Factor for Tuberculosis Among Women: a Population-Based, Gender Oriented, Case-Control Study in Southern Mexico // Revista de Investigacion Clinica. 2009. Vol. 61, iss. 5. Р. 392-398.

Hargreaves J.R., Boccia D., Evans C.A., Adato M., Petticrew M., Porter J.D. The Social Determinants of Tuberculosis: From Evidence to Action // American Journal of Public Health. 2011. Vol. 101, iss. 4. Р. 654-662. https://doi.org/10.2105/ajph.2010.199505.

Meda Z.C., Sombie I., Sanon O.W.C., Mare D., Morisky D.E., Chen Y.-M.A. Risk Factors of Tuberculosis Infection Among HIV/AIDS Patients in Burkina Faso // Aids Research and Human Retroviruses. 2013. Vol. 29, iss. 7. Р. 1045-1055. https://doi.org/10.1089/aid.2012.0239.

Needham D.M., Foster S.D., Tomlinson G., Godfrey-Faussett P. Socio-Economic, Gender and Health Services Factors Affecting Diagnostic Delay for Tuberculosis Patients in Urban Zambia // Tropical Medicine and International Health. 2001. Vol. 6, iss. 4. Р. 256-259. https://doi.org/10.1046/j.1365-3156.2001.00709.x.

Ogundele O.A., Moodley D., Seebregts Ch.J., Pillay A.W. Building Semantic Causal Models to Predict Treatment Adherence for Tuberculosis Patients in Sub-Saharan Africa // Lecture Notes in Computer Science. Tel Aviv, 2017. Р. 81-95. https://doi.org/10.1007/978- 3-319-63194-3_6.

Peri A.M., Bernasconi D., Galizzi N., Matteelli A., Codecasa L., Giorgio V. et al. Determinants of Patient and Health Care Services Delays for Tuberculosis Diagnosis in Italy: a Cross-Sectional Observational Study // BMC Infectious Diseases. 2018. Vol. 18, iss. 1. Р. 1-11. https://doi.org/10.1186/s12879-018-3609-4.

Sanchez M. Using System Dynamics to Assess the Role of Socio-economic Status in Tuberculosis Incidence // Software Engineering and Formal Methods. Uruguay, 2011. Р. 464-475. https://doi.org/10.1007/978-3-642-24690-6_32.

Stevens H., Ximenes R., Odimariles D., Rodrigues L.C. Risk Factors for Tuberculosis in Older Children and Adolescents: a Matched Case-Control Study in Recife, Brazil // Emerging Themes in Epidemiology. 2014. Vol. 11, iss. 1. Р. 1-7. https://doi.org/10.1186/s12982-014-0020-5.

Stjepanovic M., Skodric-Trifunovic V., Radisavljevic-Pavlovic S. Patient, Healthcare System and Total Delay in Tuberculosis Diagnosis and Treatment Among Serbian Population // Acta Clinica Croatica. 2018. Vol. 57, iss. 2. Р. 257-263. https://doi.org/10.20471 /acc.2018.57.02.05.

Watkins R.E., Plant A.J. Does Smoking Explain Sex Differences in the Global Tuberculosis Epidemic? // Epidemiology and Infection. 2006. Vol. 134, iss. 2. Р. 333-339. https://doi.org/10.1017/s0950268805005042.

Размещено на Allbest.ru