Введение

На протяжении длительного времени поиск факторов, влияющих на смертность от болезней системы кровообращения (БСК), продолжает занимать значимое место в научном поиске отечественных и зарубежных авторов. Исторически это обусловлено сохранением данной нозологии в числе лидирующих причин смертности населения в Российской Федерации и мире. В существующей палитре научных исследований выделяются работы, в которых данная проблема изучается на основе результатов многоцентровых эпидемиологических исследований с последующей характеристикой поведенческих, клинических, социально-демографических и иных факторов [Сванадзе и др., 2021; Драпкина и др., 2023; Максимов и др., 2023; Седых и др., 2024] на уровне Российской Федерации (РФ). В единичных работах изучены общие и особенные черты распространенности некоторых социально-демографических факторов в муниципальных районах субъекта РФ с применением современных инструментов экономико-математического и статического анализа [Тимирьянова и др., 2023]. На современном этапе развития отрасли острота обозначенной проблемы все чаще ассоциируется с необходимостью разработки организационных решений регионального, отраслевого и национального уровней, ориентированных на достижение целевых значений соответствующих программ и национальных проектов, связанных как со снижением смертности от БСК, так и с совершенствованием мероприятий первичной и вторичной ее профилактики.

На фоне положительных изменений снижения данного показателя, наблюдаемых в последние годы в РФ, прикладные исследования отечественных авторов все чаще иллюстрируют внутрирегиональную дифференциацию по уровню смертности, в том числе от БСК [Дуйсембаева, Борщук, 2021; Слепцов и др., 2025]. Последнее формирует перспективы научного осмысления факторов и условий, определяющих динамику и прогноз исследуемого показателя на уровне отдельных муниципальных районов. Представленная работа является продолжением выполненных исследований в ФГБНУ «Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний» (НИИ КПССЗ) в области изучения различных предикторов сердечно-сосудистых событий в популяции населения крупного промышленного региона [Цыганкова и др., 2020; Агиенко и др., 2022; Барбараш и др., 2022]. Накопленный у авторов опыт проведения выборочных эпидемиологических, социологических, экономико-математических исследований на базе региона и Российской Федерации экстраполирован на уровень муниципального района Кемеровской области – Кузбасса (далее – КО) с целью устранения указанного теоретического пробела. Для данной территории проблема высокой смертности от БСК является приоритетной и находится в зоне особого внимания региональных органов управления здравоохранением. В КО накоплен уникальный опыт создания и развития региональной кардиологической службы, построенной на основе организационной технологии «замкнутого цикла» [Артамонова и др., 2024]. Научный замысел представленного исследования основан на результатах, в которых показана неравномерность распределения смертности от БСК в муниципальных районах и городских округах КО [Макаров и др., 2025], что потребовало дальнейшего исследования факторов, объясняющих полученную динамику в муниципальном районе, что и стало предметом настоящего исследования.

Цель исследования – анализ факторов, влияющих на динамику и прогноз смертности от БСК в муниципальном районе Кемеровской области – Кузбассе.

Материалы и методы

Исследовался К-ий муниципальный район КО, занимающий лидирующее место по численности проживающего населения среди 16 муниципальных районов региона. В качестве источников информации выступили формы федерального статистического наблюдения: № 30 «Сведения о медицинской организации», № 12 «Сведения о числе заболеваний, зарегистрированных у пациентов, проживающих в округе обслуживания медицинской организации», № 131 «Сведения о проведении профилактического медицинского осмотра и диспансеризации определенных групп взрослого населения». Анализируемые в настоящем исследовании факторы были классифицированы на несколько групп: социально-демографические, медико-организационные, клинические и поведенческие (таблица 1).

Основным методом исследования выступил многофакторный регрессионный анализ, выполненный при помощи кроссплатформенного программного пакета для эконометрического анализа «Gretl». При разработке регрессионной модели использовался метод наименьших квадратов с соблюдением обязательного условия Гаусса – Маркова. Качество полученных моделей оценивалось при помощи оценки значимости коэффициента детерминации (R²) и теста Фишера (p-значение ≤ 0,05). Проверка регрессоров на мультиколлинеарность осуществлялась на основе метода инфляционных факторов (VIF). Условием ее отсутствия являлось значение VIF ≤ 10. Анализ количественных данных основывался на классических методах описательной статистики. Оценка соответствия распределения количественных переменных нормальному закону проводилась с использованием критерия Шапиро – Уилка. Анализ корреляционных связей между зависимой переменной и объясняющими факторами, количественные характеристики которых отличались от нормального распределения, проведен методом ранговой корреляции Спирмена. Сила корреляционной связи определялась по шкале Чеддока.

Таблица 1
Table 1

Группы факторов, используемых в исследовании
Groups of factors used in the study

Алгоритм проведения многофакторного регрессионного анализа:

1. Анализ корреляционной связи между зависимой переменной – смертность от БСК (S) и объясняющими факторами (регрессорами) (n = 28).

2. Определение наиболее значимых факторов, характеризующихся высокой и заметной силой корреляционной связи, p ≥ 0,75 (п = 7).

3. Проверка выбранных факторов на мультиколлениарность, исключение избыточных и выбор наиболее информативных объясняющих переменных (п = 3).

4. Построение регрессионной модели.

5. Проверка надежности полученной модели (R², Р-значение (F)).

Анализ динамики смертности от БСК в Кемеровской области

В рамках достижения цели представленного исследования проведен анализ динамики смертности от БСК в исследуемой территории, таблица 2.

Таблица 2
Table 2

Результаты анализа динамического ряда показателя смертности от болезней системы кровообращения в К-ом муниципальном районе в 2016–2023 гг.
Results of the analysis of the dynamic series of mortality rate from circulatory diseases in the K-vo municipal district, 2016–2023

Информация, представленная в таблице 2, демонстрирует изменчивую динамику анализируемого показателя в течение 2016–2023 гг. Среднее значение уровня смертности от БСК составило 591,7 (чел. на 100 тыс. населения), при этом ежегодно наблюдалось его снижение на 2,4 % случаев. В 2023 году в сравнении с 2016 годом изучаемый показатель сократился на 15,9 % (84 человека на 100 тыс. населения в абсолютном выражении).

Многофакторный регрессионный анализ смертности от БСК в К-ом муниципальном районе

В соответствии с ранее описанным алгоритмом проведения регрессионного анализа авторами настоящего исследования были проанализированы факторы, которые при прочих равных условиях могли выступить детерминантами показанной динамики.

Результатом первого этапа стала группировка факторов в зависимости от силы и характеристики корреляционной связи между зависимой переменной (S) и объясняющими факторами (Х1-Х28) по шкале Чеддока. Значительная часть факторов (n = 11) ассоциировалась со слабой корреляционной связью (от 0,1 до 0,3): Х5 (p = 0,17), Х6 (p = 0,34), Х8 (p = 0,39), Х10 (p = – 0,3), Х11 (p = – 0,12), Х13 (p = 0,07), Х14 (p = – 0,19), Х19 (p = 0,33), Х22 (p = – 0,16), Х24 (p = 0,11), Х27 (p = – 0,03). Умеренная корреляционная связь (0,4–0,5) характерна для 7 факторов: Х4 (p = 0,53), Х17 (p = 0,45), Х12 (p = – 0,45), Х16 (p = 0,55), Х21 (p = – 0,5), Х23 (p = – 0,53), Х26 (p = – 0,55). Заметная корреляционная связь (0,6–0,7) обнаружена также у аналогичного числа факторов: Х1 (p = 0,75), Х3 (p = 0,75), Х9 (p = – 0,75), Х17 (p = 0,61), Х18 (p = – 0,72), Х20 (p = – 0,78), Х25 (p = – 0,61), Х28 (p = – 0,62). У факторов Х2 (p = 0,81) и Х15 (p = 0,86) выявлена высокая корреляционная связь. В соответствии с критерием включения факторы Х1-Х3, Х9, Х15, Х18 и Х20 выбраны для построения регрессионной модели, таблица 3.

Таблица 3
Table 3

Параметры многофакторной регрессионной модели
Parameters of the multivariate regression model

Информация, представленная в таблице 3, показывает высокий коэффициент детерминации (R² = 0,990347), что говорит о том, что 99,0 % вариации зависимой переменной (S) учтено в модели и обусловлено влиянием включенных факторов. Одновременно проверка качества полученной регрессии при помощи теста Фишера указала на необходимость ее улучшения. Тест Фишера (Р-значение (F) = 0,183037) превышает допустимый уровень (p ≤ 0,05).

Используя возможности программного продукта Gretl, авторами исключили избыточные переменные и выбрали наиболее информативные, а именно: Х1, Х3 и Х20, динамика которых в исследуемом периоде проиллюстрирована в таблице 4.

Таблица 4
Table 4

Результаты анализа динамического ряда показателей численности взрослого населения, доли лиц старше трудоспособного возраста и количества посещений, связанных с профилактическими осмотрами и другими целями в К-ом муниципальном районе
Results of the analysis of a dynamic range of indicators of the adult population, the proportion of people over working age and the number of visits related to preventive examinations and other purposes in the K-vo municipal district

В таблице 4 приведен ретроспективный анализ динамики регрессоров, включенных в улучшенную модель, характеристики которой представлены в таблице 5. В исследуемом периоде ежегодно доля лиц старше трудоспособного возраста (Х3) увеличивалась на 0,3 % при незначительном ежегодном снижении общей численности взрослого населения (Х1) на 0,1 % и несколько большим снижением (на 2,7 %) числа посещений с профилактической и иной целью (Х20).

Таблица 5
Table 5

Параметры многофакторной улучшенной регрессионной модели
Parameters of the multivariate regression model

Характеристика улучшенной регрессионной модели, представленная в таблице 5, показывает больший уровень ее надежности (Р-значение (F) не превышает допустимого уровня p ≤ 0,05). Несмотря на незначительное уменьшение коэффициента детерминации в сравнении с ранее полученной моделью (R² = 0,99 против R² = 0,974), данный показатель по-прежнему имеет высокие значения и говорит о том, что 97,4 % вариации зависимой переменной (S) учтено в модели и обусловлено влиянием включенных факторов, между которыми отсутствует мультиколлениарность (VIF_Х1,Х3 = 1,3; VIF_Х20 = 1,5).

Итак, в представленной работе на уровне однофакторного анализа обнаружена статистическая связь трех социально-демографических (численность взрослого населения (Х1), лиц старше трудоспособного возраста (Х2), доли лиц старше трудоспособного возраста (Х3)), одного медико-организационного (Обеспеченность врачами-кардиологами в амбулаторных условиях, Х9) и трех клинических (численность лиц с ишемической болезнью сердца, установленной впервые в жизни (Х15), общая численность посещений (Х18), численность посещений с профилактическими и иными целями (Х20)) факторов с уровнем смертности от БСК в К-ком муниципальном районе. В итоговую многофакторную модель включены три из них. Полученное уравнение линейной регрессии показывает прямую положительную статистическую связь между увеличением численности взрослого населения, долей в нем лиц старше трудоспособного возраста и увеличением смертности от БСК, при этом снижение данного показателя ассоциировано с положительной динамикой числа посещений, связанных с профилактическими и иными целями.

Обсуждение полученных результатов

В многолетних исследованиях НИИ КПССЗ показано, что у населения Кузбасса поведенческие факторы риска (потребление табака и алкоголя, особенности физической активности) имеют ряд возрастных и гендерных особенностей [Цыганкова и др., 2024]. Доказано, что с возрастом повышается госпитальная летальность пациентов с инфарктом миокарда [Крючков, Артамонова, 2013], увеличивается распространённость сахарного диабета, гиперхолестеринемии [Максимов и др., 2014]. При этом в пенсионном возрасте работающие мужчины по сравнению с неработающими характеризуются меньшей распространенностью ишемической болезни сердца (10,3 % и 39,3 %, р = 0,0018), сахарного диабета (2,6 % и 17,9 %, р = 0,024), гипертриглицеридемии (10,3 % и 32,1 %, р = 0,013), курения (23,1 % и 42,1 %, р = 0,054) [Максимов и др., 2016]. Настоящее исследование характеризуется методической преемственностью с ранее опубликованными работами авторов. На основании информации Федеральной службы государственной статистики о социально-экономических факторах смертности от сердечно-сосудистых заболеваний построены прогнозные модели и определен их вклад в региональные различия по данному показателю [Табакаев, Артамонова, 2016]. Во всех моделях, полученных в рамках указанного исследования, статистически значимое влияние на смертность оказал удельный вес лиц пенсионного возраста в регионе. Таким образом, значимая ассоциативная связь между возрастом и смертностью от БСК, выявленная в настоящем исследовании на уровне муниципального района, во многом согласуется с ранее полученными результатами, выявленными на уровне всей популяции КО или Российской Федерации.

Результаты представленного исследования отражают современные ориентиры развития отрасли здравоохранения и социальной сферы в контексте достижения национальных целей развития. Так, одним из направлений, обеспечивающих увеличение ожидаемой продолжительности жизни до 78 лет к 2030 году и до 81 года к 2036 году, является повышение доступности и качества медицинской помощи в первую очередь при заболеваниях, являющихся основными причинами смертности (БСК, злокачественные новообразования), посредством проведения мероприятий по профилактике, диспансеризации, диспансерному наблюдению, включая дистанционный мониторинг состояния здоровья населения^[1]. Утвержденная стратегия действий в интересах граждан старшего поколения в Российской Федерации до 2030 года также предполагает повышение доступности медицинской помощи для данной категории населения, проживающей в отдаленных районах и сельской местности, через развитие мобильных бригад, профилактических мероприятий и диспансеризации^[2]. С учетом результатов представленного исследования реализация запланированных мероприятий также может внести свой вклад в снижение смертности от БСК. Полученные результаты настоящего исследования, с одной стороны, согласуются с выводами отечественных исследований, с другой – выступают предметом научных дискуссий. В первом случае обращают на себя внимание результаты исследования, в котором выявлена прямая положительная корреляционная связь между долей лиц старше трудоспособного возраста и общим коэффициентом смертности [Ильдарханова и др., 2022] Одновременно исследование данного фактора на основе оценки статистических данных об уровне смертности в России и Московской области в период в период с 2003 по 2019 годы доказало, что демографическое старение популяции не ведёт к росту вклада БСК в смертность населения [Сабгайда и др., 2023]. В представленном исследовании весомый вклад в смертность от БСК вносит динамика общей численности взрослого населения в анализируемой территории. В этих условиях выводы некоторых отечественных исследователей о значимости данной проблемы для общественного здоровья видятся весьма современными и своевременными. Анализ заболеваемости и смертности взрослого населения Российской Федерации и Воронежской области за 2010–2019 гг. позволил актуализировать проблему поиска эффективных научно обоснованных подходов к снижению смертности от сердечно-сосудистых заболеваний для данной категории населения [Косолапов, Ярмонова, 2021]. Дефицит исследований, связанных с факторным анализом смертности от БСК в муниципальных образованиях крупных промышленных регионов РФ, не позволил авторам сопоставить полученные результаты с выводами аналогичных исследований.

Заключение

К статистически значимым факторам, влияющим на уровень смертности от БСК в К-ком муниципальном районе, можно отнести: обеспеченность врачами-кардиологами в амбулаторных условиях, численность лиц с впервые в жизни установленным диагнозом «ишемическая болезнь сердца», общую численность посещений, численность взрослого населения и лиц старше трудоспособного возраста, их доли в общей численности взрослого населения, а также численность посещений с профилактическими и иными целями. Последние три фактора включены в итоговую улучшенную регрессионную модель. Перспективы дальнейшего исследования видятся в тиражировании данного исследовательского подхода на другие муниципальные образования Кемеровской области – Кузбасса и проведение на этом основании сравнительного анализа.