Диссертация (1154356), страница 12
Текст из файла (страница 12)
Так как расчетное значение оказалось больше критического причисле степеней свободы = n-1 = 3 и уровне значимости q = 5% (2табл =7,8147), то гипотеза о согласованности экспертов была принята.Таблица 2.4Приведенная матрица ранжирования значений показателя«условия проживания семьи»1Оценки экспертов2 3 4 5 6 78СуммаранговОтдельная квартира33433,533325,5Частный дом44343,544430,5Комната в коммунальнойквартиреДругое21,512212213,511,521121110,5Значение показателяДля определения численной оценки каждого значения показателяпроизводилось попарно сравнение лингвистических значений показателейна основе экспертных оценок.При проведении медико-социологических исследований существеннуюроль играют моделирование и статистические методы, которые даютвозможность классифицировать изучаемые объекты и прогнозироватьзначения их показателей и характеристик, выявлять информативныепоказатели (А.В.
Решетников, 2007; Ю.П. Лисицын, 2009).69Дляпрогнозированияпомедико-социальнымхарактеристикамнеобходимо построение моделей, учитывающих взаимосвязь анализируемыхпоказателей.Как правило, при обработке результатов исследований с цельюустановления характера совместного влияния факторов на показательсостояния здоровья и расчета прогнозов используется классическийлинейный многофакторный анализ. Применение линейного регрессионногоанализа для решения такой задачи вполне правомочно.Намитакжепозволяющийхарактеристикиспользованописатьслинейныйвзаимосвязьисследуемымимногофакторныймножествапоказателями.анализ,медико-социальныхДлявключениямедико-социальных характеристик в модели необходим выбор наиболеезначимых показателей, влияющих на моделируемую величину.Выбор факторов, влияющих на исследуемый показатель, производитсяна основании качественного и количественного анализа исследуемыхявлений.Исключение части факторов осуществляется на основе анализа парныхкоэффициентов корреляции и оценкой их значимости.Для оценки значимости коэффициента корреляции применяетсяt – критерий Стьюдента, при этом фактическое значение этого критерия(tнабл):r2tнабл (n 2)1 r2сравнивается с критическим значением tкр, которое берется из таблицызначений t с учетом заданного уровня значимости (α = 0,05) и числа степенейсвободы (n – 2).Если tнабл > tкр, то полученное значение коэффициента парнойкорреляции признается значимым.Построение уравнений множественной регрессии производилось путеммногошагового анализа (последовательного добавления наиболее значимых70и исключения незначимых переменных), в процессе которого выполняетсярешение модели и с помощью статистико-математических критериевзавершается отбор факторов и уточняется сила связи каждого факторас результативным признаком.Для оценки эффективности реабилитации был предложен новыйкоэффициентследующиеэффективности11реабилитациихарактеристик:5–(КЭР),которыйпризнаков,включалхарактеризующихнаркологический анамнез больного (длительность заболевания, знаниедиагноза, побудители вновь принимать ПАВ, лечение ранее, кратностьлечения в стационаре, возраст начала заболевания); 4 – характеристики даютпредставление об оценке доступности и качества наркологической помощи(оценкакачествареабилитации,своевременностьоказанияпомощи,удовлетворенность медпомощью, затраты дополнительных финансовыхсредств на обслуживание) и 2 – социальные (условия проживания и семейноеположение) (приложение 8.2).Расчёт прогнозных показателей производился с использованиемпрограммногокомплекса«Прогнозированиепоказателейздоровьяи здравоохранения».Дляформированияпрогнозныхзначенийразвитияслужбыучитывалась сложившаяся тенденция за предыдущие 10 лет, по следующимпоказателям:- распространённость наркоманий на 100 тыс.
населения;- впервые выявленные случаи наркоманий на 100 тыс. населения;- потребление наркотических средств с вредными последствиями на 100тыс. населения;- потребители инъекционных наркотиков с ВИЧ или СПИД на 100 тыс.населения.71Дляпрогнозированияиспользовалисьметодыкорреляционногои факторного анализа. Используя данные методы, получены прогнозныезначения показателей до 2020 года.Количественные методы прогнозирования (метод корреляционногоанализаиметодподборафункций)базируютсяначисленныхматематических процедурах и основаны на статистическом наблюдениидинамики определенного показателя, определении показателя, определениитенденции его развития и продолжении этой тенденции в будущем периоде.Иначе говоря, при помощи данных методов, экстраполяции трендовзакономерности прошлого развития объекта переносятся в будущее. Главнымэтапом экстраполяции тренда является выбор оптимального вида функции,описывающей эмпирический ряд.
Для этого проводятся предварительнаяобработка и преобразование исходных данных с целью облегчения выборавида тренда путем сглаживания и выравнивания временного ряда. Задачавыбора функции заключается в подборе по фактическим данным (xi ,yi ) формзависимости (линии) так, чтобы отклонения (Δi ) данных исходного ряда yiот соответствующих расчетных yi , находящихся на линии, былинаименьшими. После этого можно продолжить эту линию и получитьпрогноз.Динамическиепоказателей,рядысреднихпредставляютвеличин,собойчисловыекоэффициентовзначения(уровниряда)в последовательные моменты или периоды времени.
При аналитическомвыравнивании ряда на основе имеющихся реальных данных подбираетсянаиболее подходящее для описания тенденции математическое уравнение(аппроксимирующая функция), которое и используется для выравниванияданных. Во многих социально-экономических исследованиях широкоиспользуется метод наименьших квадратов для подбора соответствующегоаппроксимирующегоуравнения(ШиганЕ.Н.,1986.),чтообычнои закладывается в основу разрабатываемых прогностических моделей.72Вместе с тем, использование линейных функций при выравниваниидинамических рядов с наличием периодически возникающих резкихизменений не всегда адекватно для формирования прогнозов развития такихсобытий. В таких случаях для выравнивания рядов целесообразноприменение нелинейных подходов, например, методом подбора функций.Использование при разработке прогнозов представления различных связейметодом подбора функций позволяет в виде формул получить информациюо признаках, не устанавливаемых обычными прогностическими моделями(Энгвер Н.Н., 1976).
Суть данного метода заключается в следующем:вкачествеаргументовисследуемойвеличиныберутсяявления-детерминанты; выясняется специфическое постоянство, характерное длясвязи явления-результата с явлениями-детерминантами, т.е. формулируютсяправила преобразования аргументов в функцию (задание отображения);находятсяконстанты,которыевоспроизводятнеизменныеусловиявзаимодействия исследуемых переменных. Построение формулы проходитряд последовательных этапов: выбор детерминантов исследуемого явления,т.е.
условий, необходимых для реализации прогнозируемой величины; выборразличных ограничительных условий, в том числе и выбор констант; выборформы связи (операций) для объединения констант и аргументов в единоеуравнение.Прогнозные значения показателей несколько хуже фактическихзначений за 2014 год, что может служить признаком уменьшенияфактического удовлетворения потребности в финансовых средствах илидругих факторов, которые были обозначены при анализе фактическихпоказателей. К сожалению, за последние годы социально-значимые службы,финансируемые из бюджетов различных уровней, были исключеныиз программ по модернизации.73ГЛАВА IIIЭПИДЕМИОЛОГИЧЕСКАЯ СИТУАЦИЯ ПО НАРКОМАНИИВ КОСТРОМСКОЙ ОБЛАСТИ. МАСШТАБЫ И ОСОБЕННОСТИРАСПРОСТРАНЕНИЯ НАРКОМАНИИ В ДИНАМИКЕС 2005 ГОДА И ПРОГНОЗИРОВАНИЕ СИТУАЦИИ ДО 2020 ГОДА.3.1.
Распространенность наркомании в Костромской областиза последние 10 летВыявление региональных особенностей, связанных с наркоманией,анализиоценканаркоманиейвэпидемиологическойКостромскойситуацииобластииеепозаболеваемостиосновныхтенденций,представленные в настоящей главе, позволят сфокусировать вниманиена необходимости разработки организационно-функциональной моделипротиводействия распространению наркомании.Высокий уровень распространения наркомании среди населенияРоссийскойФедерациипредставляетпрямуюугрозунациональнойбезопасности и является усугубляющим фактором демографическогои социально-экономического благополучия общества.
Известно, что числолиц,допускающихнезаконноепотреблениенаркотическихсредств,не зарегистрированных государственными наркологическими медицинскимиорганизациями страны, превышает данные официального статистическогонаблюдения.Посколькуоснованииданныеофициальнонаркотическихофициальнойстатистикизарегистрированныхсредств,учитываемыхпоформируютсяслучаевнапотребленияобращаемостизаспециализированной медицинской помощью в государственные медицинскиеорганизации.
В этой связи официальная статистика не отражает истинныхмасштабов существующей проблемы. К примеру, статистика не учитывает«латентных»наркоманов–лиц,приобщающихсякупотреблению74наркотиков, среди обращающихся за наркологической помощью по поводунаркомании неофициально в негосударственные медицинские организациии занимающихся самолечением.Заанализируемыйпериодситуацияпораспространенностинаркомании в Костромской области была нестабильной, за снижениемследовал рост. В целом за анализируемый период данный показатель выросна 58,2%.
При общей тенденции к снижению распространения наркомании вцелом по стране на территории Центрального федерального округа заанализируемый период произошел рост на 41,0%. За этот же период данныйпоказатель по стране в целом уменьшился на 7,2%.По уровню распространенности наркомании в 2014 году Центральныйфедеральный округ занимал 5 место среди других федеральных округовстраны (табл. 3.1.).Таблица 3.1Ранговая таблица распространения наркомании на территорииЦентрального Федерального округа в 2014 году242,02013год227,72014год224,5Рост/снижение(%)7,2%146,0196,1205,9+41,01Центральный ФО, вт.ч.:г. Москва222,2265,5271,2+22,12Воронежская область139,1253,3265,8+91,13Московская область152,2216,1237,2+55,94Смоленская область178,9212,9231,2+29,25Ивановская область106,6196,2201,0+88,66Брянская область72,3177,6195,6+170,57Костромская область120,3184,5190,3+58,28Курская область79,1184,3176,9+123,69Липецкая область107,6168,1162,8+51,3№СубъектыРоссийской ФедерацииРоссийская Федерация2005 год7510Тульская область155,7137,4146,0-6,211Калужская область114,7123,1135,5+18,112Тверская область127,9127,4124,1-3,013Рязанская область67,2104,1123,5+83,814 Белгородская область48,2102,395,1+97,315.