РЕГРЕССИОННЫЙ АНАЛИЗ В ПРОГНОЗИРОВАНИИ ПРИРИРОДНО-ОЧАГОВЫХ ИНФЕКЦИЙ

• Main Authors: ЕВСТЕГНЕЕВА В.А., ЧЕСТНОВА Т.В., СМОЛЬЯНИНОВА О.Л.
• Format: Text
• Language: unknown
• Published: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Тульский государственный университет» 2015
• Subjects: ПРИРОДНО-ОЧАГОВЫЕ ИНФЕКЦИИ,ЛЕПТОСПИРОЗ,ПОКАЗАТЕЛЬ ЗАБОЛЕВАЕМОСТИ,ИНФИЦИРОВАННОСТЬ,ОБЫКНОВЕННАЯ ПОЛЕВКА,РЕГРЕССИОННЫЙ АНАЛИЗ,NATURAL FOCAL INFECTION,LEPTOSPIROSIS,MORBIDITY,INFECTION,COMMON VOLE,REGRESSION ANALYSIS; Common vole
• Online Access: http://cyberleninka.ru/article/n/regressionnyy-analiz-v-prognozirovanii-pririrodno-ochagovyh-infektsiy; http://cyberleninka.ru/article_covers/17017760.png

Регрессионный анализ совокупность статистических методов обработки экспериментальных данных, позволяющих в условии стохастической зависимости исследуемой величины от неслучайных или случайных переменных определять данную зависимость. Постановка задачи регрессионного анализа формулируется следующим образом. Имеется совокупность результатов наблюдений. Требуется установить количественную взаимосвязь между показателем и факторами. В данной работе мы попытаемся установить количественную взаимосвязь между показателями заболеваемости природно-очаговыми инфекциями и биотическими и абиотическими факторами природной среды. К биотическим факторам относятся: численность и инфицированность основных носителей и переносчиков инфекций, к абиотическим факторам метеорологические (средняя помесячная температура воздуха, среднее помесячное количество осадков, глубина снежного покрова в декабре, январе, феврале, марте). При изучении влияния 22 факторов на заболеваемость лептоспирозом с помощью множественной регрессии получена математическая модель, которая имеет низкий уровень доверия, а при использовании метода пошаговой регрессии установлено влияние одного фактора инфицированность обыкновенной полевки из 22 факторов. Уровень доверия модели и коэффициентов модели значимы. Данный метод позволяет определить только линейную связь между заболеваемостью и природными факторами, а в случае нелинейной связи тесноту не устанавливает. Природный очаг инфекций представляет сложную экологическую систему. Исходя из условий моделирования сложной системы, к которым могут быть отнесены: возможные нелинейные влияния элементов на выходной параметр, синергетика и реципрокность при совместном влиянии отдельных факторов, необходимость учета в отдельных случаях категориальных факторов и нескольких выходных параметров сложной системы, необходимо выбрать искусственные нейронные сети. Они позволяют реализовать указанные условия при получении математической модели системы. Regression analysis a set of statistical methods for processing of experimental data to a condition of stochastic dependence study of the value of non-random or random variables to define this relationship. Statement of the problem of regression analysis is formulated as follows. There is a set of observational results. Requires a quantitative relationship between the index and factors. In this paper, we try to establish a quantitative relationship between the incidence of natural focal infections and biotic and abiotic factors of the environment. By biotic factors include: the number of infection and the major carriers and vectors to abiotic factors weather (average monthly air temperature, the monthly average rainfall, snow depth in December, January, February, March). When studying the effect of 22 factors on the incidence of leptospirosis using multiple regression the mathematical model, which has a low level of trust, and when using the stepwise regression established the influence of one factor infection of the common vole of the 22 factors. Level of trust models and model coefficients are significant. This method allows to determine only the linear relationship between the incidence and natural factors, as in the case of the nonlinear coupling tightness does not install. Natural foci of infection is a complex ecological system. Based on the terms of modeling complex systems, which may include: the possible impact of non-linear elements in the output parameter, synergy and reciprocity under the joint influence of individual factors, the need to address in some cases categorical factors and multiple output parameters of a complex system, it is necessary to choose an artificial neural network (ANN), allowing to realize these conditions in the preparation of a mathematical model of the system.