Гео-информационные системы и эпидемии гриппа
В работеобсуждаются структура гео-информационных систем и функциональные возможности ихиспользования в решении прикладных задач современной эпидемиологии. Впервыедана экспериментальная прогностическая модель эпидемии птичьего гриппаприменительно к условиям крупных городов России.
Введение
Современныегео-информационные системы (ГИС) в эпидемиологии — это совершенно новыекомпьютерные технологии, которые обеспечивают комплексную автоматизациюпроцессов сбора, хранения, обработки и анализа эпидемиологической информации сее визуализацией на электронных картах. Как известно, ГИС развивались последние30 лет, но только недавно, в последние 2-3 года, они стали доступными как поцене, так и по возможностям их применения рядовыми эпидемиологами испециалистами органов здравоохранения. Современные ГИС предлагают всерасширяющиеся функциональные возможности для решения прикладных задач,связанных с оперативным анализом и прогнозом эпидемий и эпизоотий. Эпидемиологамсегодня есть что выбрать из многочисленных инструментов ГИС, которыеприспособлены для обобщения результатов и процедур эпидемиологического анализаконкретных ситуаций, особенно в части визуализации результатов анализа нагеографических картах (4,5).
В настоящейстатье дается описание функциональных возможностей современных ГИС, которые ужесегодня имеет смысл применять в исследованиях по прикладной эпидемиологии иэпизоотологии. Приводятся результаты исследований по моделированию эпидемийгриппа (птичьего гриппа), которые можно отобразить на географических картах сиспользованием современных ГИС-технологий.
1. Структура и функциональные возможности ГИС
ГИСприменяют во многих сферах человеческой деятельности, особенно прииспользовании этих систем специалистами, решающими проблемы глобальнойэпидемиологии — процессов распространения СПИДа, атипичной пневмонии, птичьегогриппа и других инфекционных заболеваний. Современные ГИС, которые могутработать в интересах решения прикладных задач эпидемиологии, содержат 5ключевых составляющих: аппаратные средства, программное обеспечение и эпидемиологическиеданные, обученных специалистов и специальные методы решения прикладных задачэпидемиологии (рисунок 1).
Аппаратныесредства. Это современные персональные компьютеры с их программнымобеспечением, или «математикой ГИС». Программное обеспечение ГИСсодержит множество функций и различных инструментов для ввода, хранения,обработки, анализа, прогноза и визуализации исходной и результирующейэпидемиологической и географической (пространственной) информации. Основнымикомпонентами программного обеспечения ГИС являются инструменты ввода иоперирования информации, инструменты системы управления базой данных (СУБД),инструменты поддержки информационных запросов, анализа и визуализации(отображения) эпидемиологической информации, инструменты графического ипользовательского интерфейса, который обеспечивает легкий доступ к другиминструментам ГИС.
/>
Рисунок 1. Основныесоставляющие эпидемиологической ГИС.
Эпидемиологическиеи другие данные — наиболее важный компонент ГИС, обеспечивающий постановку ирешение прикладных задач. Например, данные о пространственном распространенииинфекционных заболеваний людей или животных могут быть связаны с таблицами,которые могут собираться и подготавливаться как самими эпидемиологами, так иприобретаться на коммерческой или другой основе. В процессе управленияпространственными данными в ГИС они интегрируются с другими данными(качественно иного типа), которые используются международными или национальнымиорганизациями эпидемиологического профиля.
Обученныеисполнители ГИС. Широкое применение технологии ГИС в эпидемиологии невозможнобез подготовки и обучения исполнителей, которые непосредственно работают спрограммными средствами и информацией ГИС и разрабатывают схемы их примененияпри решении реальных задач эпидемиологии. Потенциальными пользователями ГИСмогут быть эпидемиологи, эпизоотологи, специалисты органов здравоохранения,ветеринарной, природоохранной служб, сотрудники учреждений Минздрава, Минсельхоза,РАН, РАМН, РАСХН, ВУЗов.
Методырешения прикладных задач. Эффективность применения ГИС в эпидемиологии (в томчисле и экономическая) во многом зависит от правильно составленного планаисследований, от использования отработанных правил работы с ГИС, которыесоставляются заранее в соответствии со спецификой эпидемиологических илиэпизоотологических задач. Прикладная ГИС хранит информацию о развитииэпидемической (эпизоотической) ситуации на конкретной территории в виде наборатематических слоев (население, животные, фауна, дороги, реки, учрежденияздравоохранения, санитарно-эпидемиологической, ветеринарной служб,инфраструктура, домостроения и др.), объединенных между собой на основе ихгеографического положения. Этот простой, но очень гибкий подход интеграцииданных доказал свою ценность при решении задач эпидемиологии. Например, приотслеживании процессов движения инфекционных болезней по территории страны, подвижению «потоков» мигрантов из стран-очагов этих инфекций или подвижению «потоков» домашних животных и связанной с ними инфекционнойпатологии.
ПрименениеГИС особенно эффективно для детального отображения текущей или будущей картиныразвития эпидемической (эпизоотической) ситуации, воздействия на нее принятыхспециалистами мер по противодействию патогенам, по прогнозированию процессовраспространения патогенов на региональном или глобальном уровне. Эпидемическаяили иная служебная информация в ГИС может содержать множество сведений опространственном положении источников инфекции, распределении по территориидействующих сил эпидемии или эпизоотии с привязкой к географическим или другимкоординатам на карте территории. ГИС может работать с двумя существенноотличающимися типами данных — векторными и растровыми.
В векторноймодели данных информация о точках, линиях или площадях (полигонах) кодируется ихранится в виде набора координат (X, Y) территории. Местоположение точки(точечного объекта), например, природного очага инфекции, описывается такжепарой координат (X, Y). Линейные объекты, такие как дороги, реки сохраняются вГИС как наборы координат (X, Y). Полигональные объекты типа речных водосборов,земельных участков или очагов распространения инфекций хранятся в видезамкнутого набора координат. Векторная модель данных особенно удобна приописании дискретных объектов и меньше подходит для описания непрерывноменяющихся объектов или их свойств, таких как типы почв или доступностьобъектов.
Растроваямодель информации в ГИС оптимальна для работы с непрерывными свойствамиэпидемиологических объектов. Растровое изображение информации представляетсобой набор значений для отдельных элементарных составляющих (ячеек) объектов(эпидемий или эпизоотий), что подобно отсканированной карте или картинке. Обатипа информационных моделей имеют свои преимущества и недостатки, поэтому всовременных ГИС они могут работать как с векторными, так и с растровымимоделями.
Вэпидемиологической ГИС, в числе прочего, реализуются основныефункции-инструменты для работы с исходными данными: ввод, манипулирование, управление,запрос и анализ, визуализация.
Ввод. Используемыев ГИС данные должны быть преобразованы в подходящий для обработки цифровойформат. Процесс преобразования информации от источников, например, с бумажныхкарт, в компьютерные файлы называется оцифровкой карт. В ГИС этот процессавтоматизирован с применением сканерной технологии, что особенно важно привыполнении крупных эпидемиологических проектов по противодействиюкрупномасштабным эпидемиям или эпизоотиям. Многие эпидемические данные могутбыть непосредственно переведены в форматы ГИС.
Манипулированиеданными. При выполнении конкретного эпидемиологического исследования илипроекта имеющиеся данные часто необходимо дополнительно видоизменить всоответствии с требованиями задачи, например, при решении оперативного анализаили прогноза эпидемии на территории крупного города. Эпидемические данныеудобнее представить в едином масштабе, при этом ГИС предоставляет самые разныеинструменты и способы манипулирования пространственными данными, необходимые длярешения конкретной задачи.
Управлениеданными. В небольших эпидемических исследованиях или проектах исходнаяинформация может храниться в виде обычных файлов. При расширении проекта илиисследования, которые приводят к увеличению объемов информации, росту числапользователей ГИС, эффективнее всего применять системы управления базами данных(СУБД), т.е. специальные компьютерные средства ГИС, «настроенные» дляработы с интегрированными базами данных. В ГИС используют реляционную структурубаз данных, в которых данные хранятся в табличной форме, и для связыванияразличных таблиц применяются общие поля данных. Это самый простой и достаточногибкий подход, широко используемый для работы с данными в ГИС.
Запрос ианализ информации. В ГИС нетрудно поставить и получить ответы на достаточнопростые вопросы: «Где расположена клиника? На каком расстоянии друг отдруга расположена клиника и очаг инфекционного заболевания? Где расположенсклад с конкретными медикаментами? Как безопасно транспортировать инфекционных больныхпо городу? » Возможны и еще более сложные, или требующие дополнительногоанализа, запросы: «Где есть места для инфекционных больных в клиникахгорода? Каков тип инфекционных палат в клиниках? Как повлияет на процессраспространения инфекции перемещение больных на неподготовленном транспорте погустонаселенной территории города? » Запросы можно задавать как простойманипуляцией «мыши» на определенном эпидемическом объекте, так и спомощью развитых аналитических процедур. В ГИС можно задавать информационныешаблоны для поиска, проигрывать сценарии процессов появления и развитияэпидемий (эпизоотий) по типу «что будет, если …». Современные ГИСимеют множество мощных аналитических инструментов, которые нетрудномодифицировать для проведения эпидемиологического анализа.
Например, входе проведения эпидемиологического анализа необходимы оценки меры близостиэпидемических объектов относительно друг друга. С этой целью в ГИС запускаетсяспециальный поисковый процесс, который помогает ответить на вопросы типа: «Сколькодомов с больными холерой находится в пределах 100 м от зараженного водоема? Сколькочеловек проживает или сколько содержится восприимчивых животных не далее 2 кмот очага природно-очаговой инфекции? ».
Другойэффективный инструмент эпидемиологического анализа связан с процессом наложенияразрозненных исходных данных, т.е. интеграции данных, расположенных в разныхэпидемиологических или тематических слоях на общей карте. В простейшем случае — это операция отображения набора эпидемиологических данных на общий ландшафт,что дает новую «синтетическую» информацию по значимостипричинно-следственных связей в эпидемиологическом расследовании. Наложение, илипространственное объединение эпидемиологических данных позволяет, например,интегрировать данные о состоянии природного очага, почвах, растительности идинамики посещения очага восприимчивыми людьми и роста заболеваемости населенияприродно-очаговыми инфекциями.
Визуализацияданных. Для многих типов пространственных операций с эпидемическими данными конечнымрезультатом является их представление в виде карт или графиков. Карта — оченьэффективный и информативный способ отображения и хранения эпидемическойинформации. Раньше карты территорий, где были возможны эпидемии или эпизоотии,создавались на длительное время, но ГИС предоставляет новые инструменты,расширяющие и развивающие искусство картографии по каждой конкретнойэпидемической ситуации. С помощью инструментов ГИС возможна визуализация самихкарт, которые наполняются текущей эпидемической информацией и данными в видеотчетных документов, графиков, таблиц, фотографий и современнымимультимедийными средствами.
Далееприводится пример использования некоторых инструментов ГИС при решении задачипрогнозирования эпидемии гриппа на территории России. 2. Моделирование эпидемии гриппа
Предпосылкимоделирования. Грипп передается воздушно-капельным путем и чрезвычайноконтагиозен. Дальность рассеивания вируса обычно не превышает 2-3 метра. Непосредственновокруг больного образуется зараженная зона с максимальной концентрациеймелкодисперстных аэрозольных частиц. Частицы размером 100 мкм и более(крупнодисперстная фаза) быстро оседают. При прямом контакте с источникоминфекции в зараженной зоне вирусные частицы аспирируются и задерживаются наэпителии дыхательных путей восприимчивого организма. Инкубационный периодболезни (E) в среднем составляет 2 суток, инфекционный (лихорадочный) период (Y)продолжается 2-4 дня, и заболевание заканчивается в течение 8-10 дней (рисунок2).
/>
Рисунок 2. Схемастадий-состояний развития эпидемии гриппа в городе.
P — населениетерритории;
S — восприимчивые;
E — винкубации;
I — инфекционныебольные;
R — переболевшиегриппом;
F — умершиеот осложнений,
МП — воздушно-капельныймеханизм передачи инфекции.
В ходеизучения эпидемий гриппа XX века была выявлена зависимость уровнязаболеваемости населения гриппом от его численности. Наибольшая эпидемическаязаболеваемость отмечается в городах с населением в 1 млн. человек и больше, чтосоставляет 11.3% всех случаев гриппа на территории страны. В городах снаселением от 500 тысяч до 1 млн. человек эта цифра составляет 10.9%, а снаселением меньше 500 тысяч — уже 9.7%.
Математическаямодель эпидемии гриппа. Модель отражает динамику развития эпидемии срединаселения города при непрерывном заражении лиц за счет воздушно-капельногомеханизма. Соотношения этой модели представляют систему нелинейныхинтегро-дифференциальных уравнений в частных производных с соответствующиминачальными и граничными условиями.
1. Числовосприимчивых лиц X(t) среди населения города:
/>
с начальнымусловием: X(t0) =(1-α) P(t0).
2. Число лицв инкубационном периоде гриппа:
/>
с начальнымусловием:
/>
где:
/>
предысторияэпидемии на ее начало.
3. Числоновых случаев заболевания гриппом:
/>
4. Число лицс различными клиническими формами гриппа:
/>
с начальнымусловием:
/>
где:
/>
предысторияэпидемии на ее начало.
5. Числоневосприимчивых лиц или лиц, переболевших гриппом Zr(t):
/>
с начальнымусловием: Zr(t0) =Zr0=P(t0).
6. Числолиц, погибших от осложнений Zf(t):
/>
с начальнымусловием: Zf(t0) =0.
7. Граничныеусловия эпидемии (процесс заражения):
/>
Далееприводятся результаты расчетов по компьютерной модели эпидемии гриппа 1-7,которая отражает развитие эпидемической ситуации в гипотетическом городе снаселением в 1 млн. человек при числе восприимчивых порядка 60% (600 тысяччеловек) и с летальностью около 1% от числа больных гриппом. Из графиков нарисунке 3 следует, что эпидемия гриппа в этом городе продлится около 2.5месяцев, при этом гриппом переболеет 534 тысяч человек. Пик эпидемии придетсяна 43 день и составит 36 тысяч человек. От гриппа в городе может погибнуть до 5.4тысяч человек. 3. Гипотетическая эпидемия птичьего гриппа (ПГ)
К ПГвосприимчивы домашние и дикие птицы многих видов. При этом значительныескопления птиц на птицефабриках или высокая популяционная плотность в близкорасположенных хозяйствах создают «благоприятные» условия для развитияэпизоотического процесса и в связи с этим особенно уязвимы, здесь частовозникают эпизоотии или вспышки высокопатогенного гриппа. С 2003 года в миреотмечено несколько эпизоотических вспышек болезни, при этом от птиц заражалисьи люди ПГ (см. предыдущую статью В.В. Макарова и др. в настоящем выпуске). Особеннотревожным является появление и распространение высокопатогенного субтипа вирусаПГ H5N1. Именно этот вирус вызывает наибольшую тревогу как потенциальныйвозбудитель эпидемии гриппа у людей, если у него сформируется механизм передачиинфекционного агента от человека к человеку.
/>
Рисунок 3. Графикиразвития эпидемии гриппа в крупном городе [характеристики взяты из (1)].
Первыеслучаи гриппа среди людей, вызванного вирусом ПГ субтипа H5N1, произошли вГонконге в 1997 году. В той вспышке пострадало 18 человек, все былигоспитализированы, при этом 6 из них умерли. Источник инфекции во всех случаяхбыл прослежен специалистами. Установлено, что эти люди имели контакт с больнымиптицами на фермах (1 случай) и рынках (17 случаев). Ограниченная передачапатогенного вируса гриппа типа H5N1 от человека к человеку былазарегистрирована среди сотрудников органов здравоохранения,сельскохозяйственных рабочих на птицефермах и членов их семей. В этой связипредставляет интерес вычислительный эксперимент с математической модельюэпидемии гриппа 1-7, в которую нами были «подставлены» условныехарактеристики вируса типа H5N1 (инкубационный период оценивается от 2 до 5дней, инфекционный период от 10 до 15 дней, летальность — 30%).
На рисунке 4приводятся результаты такого эксперимента, которые отражают развитиеэпидемической ситуации в городе при числе восприимчивых к ПГ ~ 60% егонаселения и высокой летальности в 30%. Из графиков следует, что эпидемия гриппав городе продлится около 2.5 месяцев, при этом переболеет вся восприимчиваячасть населения — 600 тысяч человек. Пик эпидемии ПГ придется на 43 день смомента появления патогена, и он составит 53.9 тысяч человек в день. Отптичьего гриппа в городе может погибнуть около 180 тысяч человек!
/>
Рисунок 4. Графикиразвития эпидемии птичьего гриппа в крупном городе (характеристики патогена условны- тип H5N1).
Наибольшийинтерес для эпидемиологов представляют вычислительные эксперименты сматематической моделью процессов распространения гриппа на территории крупныхгородов страны, связанных между собой транспортной сетью (гражданская авиация).
Модельэпидемии гриппа на территории страны. Эта модель отражает процессодновременного распространения гриппа среди населения нескольких городов страны(см. рисунок 5). За счет непрерывного движения источников инфекции (лиц винкубационном периоде) возможны новые случаи заражения лиц из группы риска X(t)в каждом городе. Очевидно, что в каждом случае сформируется своя«локальная» эпидемия, которая будет «подпитывать» другиегорода за счет постоянной миграции населения между ними.
Движениегриппозной инфекции по системе «n» городов страны, как правило,начинается с некоторого исходного пункта, куда она ранее была занесена извне(очаг инфекции на сопредельной территории). Предполагается, что именно в этомгороде появились первые инкубационно больные лица и инфекционные больные,которые затем вызвали «локальную» эпидемию (см. рисунок 3). Вместе стем, за счет миграции населения по системе городов страны эта«локальная» эпидемия дает движение патогена в другие города, гдеформируются свои «локальные» эпидемии.
/>
Рисунок 5. Схемаразвития эпидемии гриппа в системе «n» городов.
С учетомвышеизложенного, математическая модель крупномасштабной эпидемии гриппа всистеме из «n» городов имеет вид суперсистемы нелинейныхинтегро-дифференциальных уравнений 1-7 с соответствующими начальными играничными условиями, которые записываются для каждого «i»-го города(i=1, 2, 3, …, n).
Суперсистемауравнений крупномасштабной эпидемии гриппа в системе из «n» городовстраны была реализована в виде компьютерной программы «GRIPP. EXE»(см. рисунок 6), с помощью которой были проведены вычислительные эксперименты ссоответствующими начальными и граничными условиями эпидемии обычного гриппа [данныепо расчетам (1,3)].
Началорасчетов обеспечивается вызовом файла миграции населения по 16-ти крупнымгородам России (см. рисунок 7). Файл миграционных потоков населения (ежедневныеперемещения) по 16-ти крупным городам России был построен на основаниистатистических данных полетов самолетов из Москвы в 15 крупных городов поРасписанию на середину лета 2003 года.
Дляпрактического использования компьютерной программы «GRIPP»исследователю потребуется персональный компьютер, совместимый с ПК типа IВМ,который имеет стандартную конфигурацию системного блока с установленной на немOC типа WINDOWS.
На рисунке 8приводятся результаты такого эксперимента. Графики отражают процесс новыхслучаев гриппа в городах России со сценарием первичного появления патогена вСанкт-Петербурге с последующим его движением в Москву и далее по 14 крупнымгородам России. Очевидно, что такую эпидемию целесообразно отобразить на картеРоссии и с ее помощью решить задачи противодействия эпидемии путем карантинныхмер в аэропортах страны (снятие пассажиров с симптомами гриппа).
/>
Рисунок 6. Программадля прогнозирования эпидемии гриппа в 16-ти городах России.
/>
Рисунок 7. Общийвид файла миграции населения по 16-ти городам России.
/>
Рисунок 8. Результатыпрогнозирования эпидемии гриппа в 16-ти городах России.
Заключение
СовременныеГИС сегодня становятся все более важными инструментами для проведенияпрогнозно-аналитических исследований в эпидемиологии и эпизоотологии. Онипозволяют существенно сократить время и снизить трудоемкость исследований,получить требуемые результаты по ходу развития эпидемий или эпизоотий. Эточрезвычайно важно для организации мер эффективного противодействия патогенам, т.кобеспечивает не только объективность эпидемического анализа ранее сложившихсяситуаций, но и позволяет перейти к поиску и формированию рациональных стратегийпротиводействия как «старым», так и новым типам патогенов. Несмотряна то, что ГИС последовательно развивались в течение последних несколькихдесятилетий, только сегодня они стали доступными для ученых и специалистов. СовременныеГИС предлагают расширяющиеся функциональные возможности для решения прикладныхзадач эпидемиологии и эпизоотологии при относительно невысокой их стоимости. Припроведении эпидемиологического анализа процессов распространения инфекционныхзаболеваний с помощью инструментов ГИС специалистам уже есть из чего выбрать,особенно в части визуализации результатов исследований на географических картах.В этом случае целесообразно к ГИС добавить математическое и компьютерноемоделирование эпидемий или эпизоотий, что открывает новые возможности ворганизации эффективных мер противодействия эмерджентным инфекциям, особеннотаким, как атипичная пневмония (см. ниже статью Б.В. Боева в настоящем выпуске),птичий грипп, оспа, сибирская язва, геморрагические лихорадки.
Литература
1. Бароян О.В., Рвачев Л.А., Иванников Ю.Г. Моделирование и прогнозированиеэпидемий гриппа для территории СССР.М., ИЭМ, 1977.
2. Супотницкий М.В. Микроорганизмы, токсины и эпидемии. М., «Вузовскаякнига», 2000.
3. Rvachev L. A., and I. Longini. MathematicalBiosciences, 1985, 75, 3-22.
4. Alderson M. Geographical Epidemiology. In: SmithA. (ed). «Rec. Adv. Com. Med. », Ch. Liv., Edinburgh, 1985, 3, 93-115.
5. Cross A. Using a geographical information systemto explore the spatial incidence of childhood cancer in Northern England. InHarts J. et al. (eds)«Proc.1-st Eur. Conf. Geogr. Inf. Syst. »,Amsterdam, EGIS Found., Netherlands, 1990, 218-229.