КОМБИНАТОРНЫЕ АГРЕГАЦИИ И МОДЕЛЬ АНАЛИЗА ARIMA В ЭКОЛОГИЧЕСКОЙ ПРОСТРАНСТВЕННО-ВРЕМЕННОЙ ЭПИДЕМИОЛОГИИ (2024)
Обнаружение пространственно-временных кластеров заболеваний и поиск их экологических причин, даже корреляционных, иногда требуют сложных статистических и ГИС-методов, что проявляется в появлении новой отрасли экологической эпидемиологии, а именно: пространственно-временной экологической эпидемиологии. Двумя ключевыми проблемами пространственно-временной эпидемиологии являются: 1) выбор масштаба анализа агрегированных данных; 2) выбор метода выявления пространственно-временных закономерностей. Для определения возможных пространственных корреляций между всеми экологическими факторами и характеристиками заболеваний и с целью решения проблемы 1 рекомендовано использовать линейный корреляционный анализ и полный комбинаторный перебор. Для выявления пространственно-временных закономерностей (решения проблемы 2) целесообразно использовать модели ARIMA с комбинаторными агрегациями. Выявлены пространственно-временные закономерности статистических связей (проблема 2) между количеством пожаров (NF) как экологическим фактором и заболеваемостью раком (CI) как характеристикой заболевания с использованием модели ARIMA и определен наилучший масштаб анализа агрегированных данных (проблема 1). Исследование проводилось для семи административных единиц (АЕ) Дальневосточного федерального округа (ДВФО) России за 28-летний период (1992-2019 гг.). Выявлено, что примерно одна пятая из всех возможных наборов АЕ-CI имеет взаимную корреляцию между NF и CI. Три вида рака крови (лейкемия, неходжкинская лимфома и лимфома Ходжкина) имели самую сильную статистическую связь с лесными пожарами. Обнаружено, что существуют два наилучших пространственных масштаба для анализа агрегированных данных: первый масштаб отражает тип доминантного леса (20 % территории ДВФО), а второй - тип доминантного климата (75 % территории ДВФО).