Оценка потенциала роста ожидаемой продолжительности жизни населения с использованием искусственных нейронных сетей

Введение. В текущих условиях поиск и апробация новых аналитических систем, способных к прогнозированию медико-демографической ситуации с учётом многофакторного влияния среды обитания, особенно актуальны.

Цель исследования — установление региональных особенностей и прогнозных оценок потенциала роста показателя ожидаемой продолжительности жизни (ОПЖ) при рождении с изменением модифицирующих его социально-гигиенических детерминант на примере субъекта Российской Федерации с напряжённой медико-демографической ситуацией на фоне стабильных экономических условий.

Материалы и методы. Прогнозная оценка потенциала роста ОПЖ осуществлялась путём моделирования причинно-следственных связей с использованием искусственных нейронных сетей между показателями среды обитания и образа жизни – детерминантами, определяющими популяционное здоровье.

Результаты. Показано, что предложенная авторами методика оптимальна, точна (различия составили 0,98%) и может успешно применяться при прогнозировании потенциала роста ОПЖ на региональном уровне с установлением приоритетных модифицирующих факторов. Установлено, что показатель ожидаемой продолжительности жизни на исследуемой территории (Пермский край) при текущих трендах изменения детерминант к 2024 г. и достижении целевых показателей национальных проектов и программ регионального развития может увеличиться на 661,6 дня до 73,12 года, к 2030 г. — на 855,7 дня до 73,65 года. Наиболее значимыми группами детерминирующих показателей ОПЖ факторов на исследуемой территории на фоне стабильной экономической ситуации являются показатели санитарно-эпидемиологического благополучия населения (условия труда), показатели системы здравоохранения (обеспеченность населения врачами), показатели социально-демографической сферы (расходы на социальную политику), образа жизни (доля населения, занимающегося физической культурой и спортом; потребление овощей и фруктов; розничные продажи алкогольной продукции) — от 51,2 до 228,6 дня.

Ограничения исследования. К ограничениям данного исследования можно отнести «стационарность» модели за счёт обучения на данных 2010–2019 гг., использование конкретного набора показателей, отсутствие учёта влияния текущих эпидемиологических процессов (пандемии COVID-19).

Заключение. На примере субъекта Российской Федерации с напряжённой медико-демографической ситуацией показано, что к 2024 г. при условии восстановления допандемийной динамики изменения социально-гигиенических детерминант возможно достижение скорректированных целевых значений показателя ОПЖ населения исследуемой территории. Достижение целевых значений ОПЖ к 2030 г. требует реализации дополнительных проектных мероприятий с учётом региональной специфики и акцентом на управление приоритетными детерминантами и снижение смертности в трудоспособном возрасте.

Соблюдение этических стандартов. Для проведения данного исследования не требовалось заключения комитета по биомедицинской этике (исследование выполнено на общедоступных данных официальной статистики).

Участие авторов:
Клейн С.В. — концепция и дизайн исследования, редактирование, написание текста, утверждение окончательного варианта статьи, ответственность за целостность всех частей статьи;
Глухих М.В. — сбор и обработка материала, статистическая обработка данных, написание текста.

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.

Финансирование. Исследование не имело спонсорской поддержки.

Поступила: 13.09.2022 / Принята: 03.10.2022 / Опубликована: 30.11.2022

1. WHO. World health statistics 2020: monitoring health for the SDGs, sustainable development goals. Geneva; 2020. Available at: https://apps.who.int/iris/handle/10665/332070

2. Omran A.R. The epidemiologic transition: a theory of the epidemiology of population change. 1971. Milbank Q. 2005; 83(4): 731-57. https://doi.org/10.1111/j.1468-0009.2005.00398.x

3. WHO. Uneven access to health services drives life expectancy gaps; 2019. Available at: https://www.who.int/news/item/04-04-2019-uneven-access-to-health-services-drives-life-expectancy-gaps-who

4. Crimmins E.M., Preston S.H., Cohen B.International Differences in Mortality at Older Ages: Dimensions and Sources. 2010. Available at: https://www.ncbi.nlm.nih.gov/books/NBK62596/

5. United Nations Development Programme. Human Development Report 2020: The next frontier - Human Development and the Anthropocene. Available at: https://hdr.undp.org/system/files/documents//hdr2020rupdf.pdf

6. Westman J., Wahlbeck K., Laursen T.M., Gissler M., Nordentoft M., Hällgren J., et al. Mortality and life expectancy of people with alcohol use disorder in Denmark, Finland and Sweden. Acta Psychiatr. Scand. 2015; 131(4): 297-306. https://doi.org/10.1111/acps.12330

7. Кузнецова П.О. Курение как фактор сокращения ожидаемой продолжительности жизни в России. Демографическое обозрение. 2019; 6(3): 31-57. https://doi.org/10.17323/demreview.v6i3.9854

8. de Keijzer C., Agis D., Ambrós A., Arévalo G., Baldasano J.M., Bande S., et al. The association of air pollution and greenness with mortality and life expectancy in Spain: A small-area study. Environment international. 2017; 99: 170-6. https://doi.org/10.1016/j.envint.2016.11.009

9. Зайцева Н.В., Онищенко Г.Г., Попова А.Ю., Клейн С.В., Кирьянов Д.А., Глухих М.В. Социально-экономические детерминанты и потенциал роста ожидаемой продолжительности жизни населения Российской Федерации с учетом региональной дифференциации. Анализ риска здоровью. 2019; (4): 14-29. https://doi.org/10.21668/health.risk/2019.4.02

10. Попова А.Ю., Зайцева Н.В., Онищенко Г.Г., Клейн С.В., Глухих М.В., Камалтдинов М.Р. Санитарно-эпидемиологические детерминанты и ассоциированный с ними потенциал роста ожидаемой продолжительности жизни населения Российской Федерации. Анализ риска здоровью. 2020; (1): 4-17. https://doi.org/10.21668/health.risk/2020.1.01

11. Зайцева Н.В., Клейн С.В., Кирьянов Д.А., Глухих М.В., Камалтдинов М.Р. Эмерджентность и вариативность влияния погодно-климатических факторов на ожидаемую продолжительность жизни населения российской федерации с учётом дифференциации регионов по социально-экономическим и санитарно-эпидемиологическим детерминантам. Анализ риска здоровью. 2020; (4): 62-75. https://doi.org/10.21668/health.risk/2020.4.07

12. Зайцева Н.В., Клейн С.В., Глухих М.В., Кирьянов Д.А., Камалтдинов М.Р. Прогноз потенциала роста ожидаемой продолжительности жизни населения Российской Федерации на основе сценарного изменения социально-гигиенических детерминант с использованием искусственной нейронной сети. Анализ риска здоровью. 2022; (2): 4-16. https://doi.org/10.21668/health.risk/2022.2.01

13. Рожков Д.В. Прогнозирование экономического развития сферы медицинских услуг Пермского края. Ученые записки Крымского инженерно-педагогического университета. 2021; 1(71): 176-85. https://doi.org/10.34771/UZCEPU.2021.71.1.035

14. Бармин Ю.Я., Гурвич В.Б., Кузьмин С.В., Диконская О.В., Малых О.Л., Цепилова Т.М. и др. Методические подходы к среднесрочному планированию и оценке эффективности мер по управлению риском для здоровья населения в муниципальном образовании (на примере промышленно развитого города). Анализ риска здоровью. 2019; (2): 21-34. https://doi.org/10.21668/health.risk/2019.2.03

15. Chudasama Y.V., Khunti K.K., Zaccardi F., Rowlands A.V., Yates T., Gillies C.L., et al. Physical activity, multimorbidity, and life expectancy: a UK Biobank longitudinal study. BMC Med. 2019; 17(1): 108. https://doi.org/10.1186/s12916-019-1339-0

16. Warburton D.E., Nicol C.W., Bredin S.S. Health benefits of physical activity: the evidence. CMAJ. 2006; 174(6): 801-9. https://doi.org/10.1503/cmaj.051351

17. Baars A.E., Rubio-Valverde J.R., Hu Y., Bopp M., Brønnum-Hansen H., Kalediene R., et al. Fruit and vegetable consumption and its contribution to inequalities in life expectancy and disability-free life expectancy in ten European countries.Int. J. Public Health. 2019; 64(6): 861-72. https://doi.org/10.1007/s00038-019-01253-w

18. Mackenbach J.P., Valverde J.R., Bopp M., Brønnum-Hansen H., Deboosere P., Kalediene R., et al. Determinants of inequalities in life expectancy: an international comparative study of eight risk factors. Lancet Public Health. 2019; 4(10): e529-37. https://doi.org/10.1016/S2468-2667(19)30147-1

19. Глазунов И.С., Потемкина Р.А. CINDI Россия. Профилактическая медицина. 2017; 20(2): 19-22. https://doi.org/10.17116/profmed201720219-22

20. Tolonen H., Koponen P., Al-Kerwi A., Capkova N., Giampaoli S., Mindell J., et al. European health examination surveys - a tool for collecting objective information about the health of the population. Arch. Public Health. 2018; 76: 38. https://doi.org/10.1186/s13690-018-0282-4

21. Коссова Т.В., Коссова Е.В., Шелунцова М.А. Влияние потребления алкоголя на смертность и ожидаемую продолжительность жизни в регионах России. Экономическая политика. 2017; 12(1): 58-83. https://doi.org/10.18288/1994-5124-2017-1-03

22. Södergren М. Lifestyle predictors of healthy ageing in men. Maturitas. 2013; 75(2): 113-7. https://doi.org/10.1016/j.maturitas.2013.02.011

23. Aburto J.M., Beltrán-Sánchez H. Upsurge of homicides and its impact on life expectancy and life span inequality in Mexico, 2005-2015. Am. J. Public Health. 2019; 109(3): 483-9. https://doi.org/10.2105/AJPH.2018.304878

24. Stringhini S., Carmeli C., Jokela M., Avendaño M., Muennig P., Guida F., et al. Socioeconomic status and the 25*25 risk factors as determinants of premature mortality: a multicohort study and meta-analysis of 1,7 million men and women. Lancet. 2017; 389(10075): 1229-37. https://doi.org/10.1016/S0140-6736(16)32380-7

25. Пьянкова А.И., Фаттахов Т.А. Смертность по уровню образования в России. Экономический журнал Высшей школы экономики. 2017; 21(4): 623-47.

26. Шульгин С.Г., Зинькина Ю.В., Щербов С.Я. Ожидаемая продолжительность жизни пожилых в России в зависимости от образовательного статуса. Демографическое обозрение. 2018; 5(1): 25-38. https://doi.org/10.17323/demreview.v5i1.7708

27. Bijwaard G.E., van Poppel F., Ekamper P., Lumey L.H. Gains in life expectancy associated with higher education in men. PLoS One. 2015; 10(10): e0141200. https://doi.org/10.1371/journal.pone.0141200

28. Chan J.Y.-L., Leow S.M.H., Bea K.T., Cheng W.K., Phoong S.W., Hong Z.-W., Chen Y-L. Mitigating the multicollinearity problem and its machine learning approach: a review. Mathematics. 2022; 10(8): 1283. https://doi.org/10.3390/math10081283