Моделирование и прогнозирование возрастных коэффициентов смертности на основе модели Ли–Картера

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Проблема высокой смертности населения остаётся одной из наиболее значимых проблем здравоохранения России. Одной из приоритетных задач государственной политики является сокращение смертности трудоспособного населения и увеличение продолжительности жизни. Прогнозирование уровня смертности населения является инструментом разумного распределения разных видов ресурсов.

Цель. Моделирование и прогноз показателей смертности населения Оренбургской области на основе модели Ли–Картера.

Материал и методы. Изучены половозрастные показатели смертности и численности всего населения Оренбургской области за 1991–2020 гг. Для моделирования и прогнозирования смертности населения применен метод Ли–Картера. На основе вычисленных параметров построена модель случайного блуждания с дрейфом и произведена оценка точности.

Результаты. Для Оренбургской области моделью Ли–Картера описана смертность мужского населения. В результате моделирования смертности мужского населения Оренбургской области получена точность подгонки 87%, достаточная для оценки результатов долгосрочного прогнозирования, построены прогнозы смертности до 2035 г.

Заключение. Анализ полученных результатов показал, что влияние пандемии на смертность населения носит краткосрочный характер, в ближайшие годы смертность мужского населения Оренбургской области продолжит снижаться.

Об авторах

Евгений Леонидович Борщук

Оренбургский государственный медицинский университет

Email: be@nm.ru
ORCID iD: 0000-0002-3617-5908

доктор медицинских наук, профессор, заведующий кафедрой общественного здоровья и здравоохранения №1

Россия, 460000, Оренбург, пр. Парковый, 7

Дмитрий Николаевич Бегун

Оренбургский государственный медицинский университет

Email: be@nm.ru
ORCID iD: 0000-0002-8920-6675
SPIN-код: 8443-4400

доктор медицинских наук, профессор, заведующий кафедрой сестринского дела

Россия, 460000, Оренбург, пр. Парковый, 7

Ирина Павловна Болодурина

Оренбургский государственный медицинский университет; Оренбургский государственный университет

Email: prmat@mail.osu.ru
ORCID iD: 0000-0003-0096-2587
SPIN-код: 4848-0669

д-р техн. наук, профессор

Россия, 460000, Оренбург, пр. Парковый, 7; Оренбург

Лариса Ивановна Меньшикова

Северный государственный медицинский университет

Email: menshikova1807@gmail.com
ORCID iD: 0000-0002-1525-2003
SPIN-код: 9700-6736

доктор медицинских наук, профессор

Россия, Архангельск

Светлана Валентиновна Колесник

Оренбургский государственный университет

Email: svkolesnik_osu@mail.ru
ORCID iD: 0009-0009-3008-0308
SPIN-код: 7548-3688
Россия, Оренбург

Айслу Нагашыбаевна Дуйсембаева

Оренбургский государственный университет

Автор, ответственный за переписку.
Email: k.kro1@yandex.ru
ORCID iD: 0000-0001-5762-4277
SPIN-код: 7164-7107
Scopus Author ID: 58149835100
Россия, Оренбург

Список литературы

  1. Землянова Е.В. Отношение населения и экспертного сообщества к мерам по снижению смертности населения России (обзор литературы) // Социальные аспекты здоровья населения. 2013. № 3. С. 3. EDN: QINGER
  2. Болотова Е.В., Самородская И.В., Дудникова А.В. Структура смертности и потерянных лет потенциальной жизни от болезней, ассоциированных с органами дыхания, населения экономически активного возраста (15–72 лет) Российской Федерации в 2019 г. // Врач. 2021. Т. 32, № 11. С. 5–10. EDN: EHMGSS doi: 10.29296/25877305-2021-11-01
  3. Козлова О.А., Макарова М.Н., Тухтарова Е.Х., Беленкова Т.В. Условия труда как фактор влияния на показатели смертности населения в трудоспособном возрасте // Фундаментальные исследования. 2015. № 7-1. С. 161–165. EDN: UDXTXB
  4. Низамов И.Г., Садыкова Т.И. Здоровье экономически активного населения как база социально-экономического развития России и ее регионов // Общественное здоровье и здравоохранение. 2012. № 4. С. 28–33. EDN: PMSMIT
  5. Родионова Л.А., Копнова Е.Д. Статистические подходы к анализу и моделированию сезонности в демографических данных // Демографическое обозрение. 2019. Т. 6, № 2. C. 104–141. EDN: FJVXKS
  6. Денисенко М.Б., Варшавская Е.Я. Продолжительность трудовой жизни в России // Экономический журнал высшей школы экономики. 2017. Т. 21, № 4. С. 592–622. EDN: YLBIWS
  7. Иванова А.Е., Кондракова Э.В. Обоснование прогноза продолжительности жизни населения в регионах России до 2025 г. // Социальные аспекты здоровья населения. 2008. № 1. С. 8. EDN: JVWSNB
  8. Лазарев А.В., Калининская А.А., Васильева Т.П. Организационные резервы сбережения здоровья населения от болезней системы кровообращения // Проблемы социальной гигиены, здравоохранения и истории медицины. 2020. Т. 28, № S. С. 762–765. EDN: DGCWUU doi: 10.32687/0869-866X-2020-28-s1-762-765
  9. Темешова Н.В. Реализация в 2016–2020 годах концепции демографической политики Российской Федерации на период до 2025 года. В кн.: Государственное и муниципальное управление в Камчатском крае: проблемы и пути решения. Петропавловск-Камчатский, 2018. C. 70–78. EDN: YTTQTJ
  10. Соян Ш.Ч. Продолжительность жизни как индикатор качества жизни населения // Природные ресурсы, среда и общество. 2021. № 3. С. 42–46. EDN: KXIIUS doi: 10.24412/2658-4441-2021-3-42-46
  11. Лакман И.А., Аскаров Р.А., Прудников В.Б., и др. Прогнозирование смертности по причинам в Республике Башкортостан на основе модели Ли–Картера // Проблемы прогнозирования. 2021. № 5. C. 124–138. EDN: ISEHRS doi: 10.47711/0868-6351-188-124-138
  12. Booth H. Demographic forecasting: 1980 to 2005 in review // International Journal of Forecasting. 2006. Vol. 22, N 3. P. 547–581. doi: 10.1016/j.ijforecast.2006.04.001
  13. Cancho-Candela R., Llano J.M.A., Ardura-Fernández J. Decline and loss of birth seasonality in Spain: analysis of 33 421 731 births over 60 years // Journal of Epidemiology & Community Health. 2007. Vol. 61, N 8. P. 713–718. doi: 10.1136/jech.2006.050211
  14. Lee R.D., Carter L.R. Modeling and forecasting U.S. mortality // Journal of the American Statistical Association. 1992. Vol. 87, N 419. P. 659–671. doi: 10.1080/01621459.1992.10475265
  15. Haberman S., Russolillo M. Lee–Carter mortality forecasting: application to the Italian population. 2005. Actuarial Research Paper No. 167.
  16. Хубаев Г.Н. Регрессионные модели для прогнозирования продолжительности жизни населения административно-территориальных образований: построение и оценка качества // Бюллетень науки и практики. 2018. Т. 4, № 9. С. 206–217. EDN: XZBZZR doi: 10.5281/zenodo.1418761
  17. Супранюк С.Б., Топрак С. Прогноз смертности от сердечно-сосудистых, цереброваскулярных заболеваний жителей трудоспособного возраста региона. В кн.: Актуальные вопросы научного знания. Курган, 2020. C. 255–261. EDN: DHZBVD
  18. Эделева А.Н., Стародубов В.И., Федоткин М.А., и др. Математическое моделирование в управлении эффективностью работы медицинских организаций, оказывающих помощь лицам пожилого возраста в стационарных условиях // Социальные аспекты здоровья населения. 2018. № 2. С. 2. EDN: XUFBWH
  19. Buleshov M.A., Alipbekova S.N., Tuktibayeva S.A. Modern medical and social aspects of morbidity and mortality rates in the working age population // Вестник Казахского национального медицинского университета. 2021. № 1. С. 285–288. EDN: TJDVBJ
  20. Зайцева Н.В., Кирьянов Д.А., Камалтдинов М.Р., и др. Анализ рисков потерь здоровья и комплексная оценка эффективности целевых мер территориальных систем здравоохранения по снижению смертности населения от сердечно-сосудистых и онкологических заболеваний // Здравоохранение Российской Федерации. 2021. Т. 65, № 4. C. 302–309. EDN: DVUUDG doi: 10.47470/0044-197X-2021-65-4-302-309
  21. Cerda-Hern'andez J., Sikov A. Lee–Carter method for forecasting mortality for Peruvian Population. 2018. Papers 1811.09622, arXiv.org.
  22. Belliard M., Williams I. Proyección estocástica de la mortalidad. Una aplicación de Lee–Carter en la Argentina // Revista Latinoamericana de Población. 2013. Vol. 7, N 13. P. 129–148.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Общие коэффициенты смертности мужского и женского населения Оренбургской области на 1000 населения.

Скачать (138KB)
3. Рис. 2. Возрастные показатели смертности мужского населения Оренбургской области на 1000 населения.

Скачать (99KB)
4. Рис. 3. Возрастные показатели смертности женского населения Оренбургской области на 1000 населения.

Скачать (98KB)
5. Рис. 4. Значения параметра aₓ для базисного периода 1991–2020 гг.

Скачать (92KB)
6. Рис. 5. Значения параметра bₓ для базисного периода 1991–2020 гг.

Скачать (99KB)
7. Рис. 6. Значения параметра kt для базисного периода 1991–2020 гг.

Скачать (109KB)
8. Рис. 7. Прогноз индекса смертности до 2035 г.

Скачать (166KB)

© Эко-Вектор, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».