Exposure risk and the assessing methodology for its increase



Cite item

Full Text

Abstract

Background. The combinedinfluence of factors of variousnature,suchasclimaticandsocio-economicfactors,aswell as chemicalandradiationpollution of the environmentis a characteristicfeature of modernhumanlife. The existingproblems are causedboth by the lack of knowledgeabout the molecular and cellularmechanism of action of eachof the factorsandtheircombinations,and by the lack of methodologicalapproachestostudying the mechanisms of possiblesynergisticinteraction of factors of variousnature.

Aim. To develop an algorithm for detecting an increase in health-risk due to exposure of the population of a particular city or territory to combination of environmental and social risk factors (increase in exposure risk). Methods.Since a significantpart of Russian citiesaresmalltowns,oneof the requirementsfor the algorithmbeingdeveloped was its applicability(stability)indataanalysis of bothlarge,mediumandsmalltownsorterritories. The basis of the developedalgorithmwas a comparativeanalysis of age-specific mortalityrates. In order to identify a reliablysignificant(notaccidental)increase in populationmortality rate, acomparison of dataonpopulationmortality raterecorded during theanalyzedperiodandduring the referenceinterval was carried out.Toverify the adequacy of the proposedalgorithm,acomparativeanalysisofpopulationmortalitydata was conducted in10cities(Ufa,Kursk,Penza,Kirov,Kaluga,Vologda,Kostroma,Kolomna,Obninsk,Dimitrovgrad) of the Europeanpart of the Russian Federation,locatedin the temperatecontinentalclimatezoneandinwhichextremeweatherconditions were recordedin2010(lowtemperaturesinJanuaryandhightemperaturesin the summermonths),andin the following9years, weatherconditionswerewithin the climaticnorm(abnormallylowtemperatures were recordedin the city of KirovinFebruary2011, therefore, dataonpopulationmortalityinKirovin2011wereexcludedfrom the analysis). The year 2010 was consideredas the analyzedperiod,and2011-2019as the referenceinterval.

Results. In all cities included in the study, an increase in exposure risk was registered in 2010 in accordance with the proposed algorithm. At the same time, in none of the periods from 2011 to 2019 was the algorithm condition fulfilled, which would allow us to conclude that the risk of exposure increased. This additionally indicates the adequacy of the algorithm, since in the cities included in the study, during the reference interval (2011-2019) there were no reasons that could lead to an increase in exposure risk.

Conclusion. It is shown that the proposed algorithm can be effectively used to identify an increase in exposure risk to health in cities with different populations.

Full Text

Введение

Сочетанное влияние факторов различной природы, таких, как природно-климатические и социально-экономические факторы, а также химическое и радиационное загрязнение окружающей среды является характерной чертой жизни современного человека. Вместе с тем разработка надежных инструментов для оценки такого воздействия является чрезвычайно сложной задачей [1]. C.P. Wild [1] в 2005 году предложил дополнить изучение генома человека измерением воздействия окружающей среды, введя понятие «экспосом». Экспосом – это совокупный показатель воздействия окружающей среды и факторов образа жизни на протяжении всей жизни человека [1-3]. Концепция экспосома была разработана, чтобы акцентировать внимание на необходимости более полной оценки воздействия окружающей среды в эпидемиологических исследованиях, окружающая среда в данном контексте определяется в широком смысле как «негенетическая» [4]. C.P. Wild [1] отмечает, что дисбаланс точности при проведении анализа генома и при оценке влияния «негенетической» окружающей среды не позволяет в полной мере извлекать пользу для общественного здравоохранения из затрат на анализ генома человека и проводимых когортных исследований. 

Разработка надежных инструментов для анализа полной истории воздействия является чрезвычайно сложной задачей, которая дополнительно осложняется тем, что по сравнению с геномом, экспосом является более динамичной структурой, которая развивается на протяжении всей жизни человека. Однако, как и в случае с геномом, даже частичное, целенаправленное понимание воздействия может обеспечить существенный прогресс.

Необходимо отметить, что воздействие окружающей среды на здоровье может оцениваться не только на индивидуальном уровне (экспосом), но и на уровне населения определенных территорий с характерными экологическими условиями, включающими природно-климатические и социально-экономические условия, а также уровень антропогенного загрязнения окружающей среды. Существующие проблемы разработки методов количественной оценки влияния таких разнородных факторов на здоровье являются общими и для оценок на уровне индивида (экспосом), и для оценок на уровне населения определенной территории. Эти проблемы обусловлены как недостаточностью знаний о молекулярно-клеточном механизме действия каждого из факторов и их сочетаний, так и отсутствием методологических подходов к изучению механизмов вероятного синергического взаимодействия факторов различной природы [5-7]. Вместе с тем возможны ситуации, когда персонал предприятия или население города подвергаются воздействию нескольких регулируемых источников вреда, например, ионизирующего излучения и некоторых химических веществ, и каждое воздействие удовлетворяет отраслевым нормам безопасности, но негативный эффект, вызванный их сочетанным воздействием (аддитивный или синергический) может быть существенно более выраженным по сравнению с изолированным влиянием.  Как отмечают В.Г. Петин с соавторами [8], «наиболее распространенные из предполагаемых механизмов синергического взаимодействия связаны с подавлением способности биообъектов к пострадиационному восстановлению в условиях комбинированных воздействий или с формированием дополнительных эффективных повреждений за счет взаимодействия субповреждений, индуцированных каждым агентом». Кроме того, существенными проблемами, обуславливающими сложность оценки комплексного влияния нескольких загрязняющих окружающую среду источников на здоровье населения, являются как различия в нормах безопасности, разработанных для разных сфер деятельности человека и использующих принципиально разные показатели вредного воздействия, так и наличие таких модулирующих факторов, как природно-климатические и социально-экономические условия, которые существенно влияют на уязвимость населения к воздействию загрязнения [9, 10]. Дополнительное влияние социально-экономических условий на риск развития основных неинфекционных заболеваний и повышенная уязвимость к негативному влиянию загрязнения окружающей среды в группах населения с низким социально-экономическим статусом показаны во многих исследованиях [9, 11].

В связи с этим представляется целесообразным разработать подходы к интегральной оценке влияния на здоровье населения всех факторов экспозиции (химических, физических, природно-климатических, социально-экономических). Такого рода экспозиционный риск не определяет риск развития неинфекционных заболеваний для конкретного индивидуума, подобно оценкам по шкале SCORE [12] или экспосому, а нацелен на выявление территорий, население которых подвержено опасности увеличения негативного влияния факторов среды обитания и развития тех или иных неинфекционных заболеваний.

В качестве интегральных характеристик комплексного негативного влияния среды обитания (антропогенного загрязнения окружающей среды, экстремальных природных факторов среды и социально-экономических условий) целесообразно использовать показатели смертности населения. При этом на основании анализа данных о смертности населения целесообразно оценивать увеличение экспозиционного риска здоровью населения в анализируемый год по сравнению с референсным временным интервалом. Использование для этих целей показателей заболеваемости не представляется возможным, поскольку применяемые в настоящее время формы отчетности по этим показателям не предполагают разбиение по полу и на возрастные группы. Вместе с тем города имеют различную возрастную структуру населения, которая изменяется с течением времени, поэтому при анализе влияния на здоровье населения любых факторов экспозиции необходимо использовать показатели, характеризующие состояние здоровья населения с разделением на 5-летние возрастные подгруппы.

Основная часть российских городов – это средние и малые города. По состоянию на 2019 год в России насчитывалось более 1100 городов, при этом основная их часть (около 1000 городов) – это города с населением менее 100 тыс. человек [13]. Статистический анализ данных о смертности населения со стратификацией по полу, возрасту и причинам смерти в таких городах существенно затруднен вследствие относительного небольшого объема выборки [14], и использовать, например, регрессионные модели для оценки вклада тех или иных факторов не представляется возможным [14]. В небольших городах, поскольку население невелико, в силу случайных колебаний смертность в абсолютных единицах (количество умерших людей) в молодом и детском возрастах меняется кратно от года к году. Это обуславливает необходимость использовать для анализа только показатели смертности в старших возрастных группах, в которых из-за более высокой смертности случайные флуктуации относительно менее значимы (случайные межгодовые колебания меньше средних значений). Однако, поскольку количество населения в 5-летних возрастных группах старше 75 лет резко уменьшается, то представляется нецелесообразным включать в анализ эти возрастные группы. Таким образом, наиболее устойчивыми к случайным флуктуациям оказываются показатели смертности в следующих четырех возрастных группах мужчин и женщин: 55-59 лет, 60-64 года, 65-69 лет, 70-74 года.

Хотя ухудшение состояния среды обитания влияет прежде всего на заболеваемость и смертность от болезней системы кровообращения и онкологических заболеваний, а также болезней органов дыхания и пищеварения, но в небольших городах использовать показатели смертности отдельно для каждой из этих групп причин смерти не представляется возможным. Основные причины следующие. Во-первых, в городах с населением до 100 тысяч человек соответствующие повозрастные показатели смертности в абсолютных единицах имеют небольшие значения, что, как уже отмечалось, обуславливают высокие случайные флуктуации. Во-вторых, как показано во многих исследованиях [15-21], в РФ имеют место значимые искажения структуры причин смерти трудоспособного населения. В связи с этим, представляется целесообразным использовать повозрастные показатели смертности от всех причин смерти.

Таким образом, наиболее устойчивыми к случайным флуктуациям являются показатели смертности от всех причин в возрастных группах мужчин и женщин 55-59 лет, 60-64 года, 65-69 лет, 70-74 года.

Цель исследования. Разработка алгоритма выявления увеличения экспозиционного риска здоровью населения определенного города или территории. Поскольку значительную часть городов РФ составляют небольшие города, то одним из требований к разрабатываемому алгоритму была применимость (устойчивость) его при анализе данных как больших, так средних и малых городов или территорий.

Материал и методы

Основу разработанного алгоритма составил сравнительный анализ повозрастных показателей смертности населения.  Для выявления достоверно значимого (не случайного) увеличения смертности населения проводилось сравнение данных о смертности населения, зарегистрированных в анализируемый период и в течение референсного интервала.

Описание алгоритма

  1. Выбирается референсный временной интервал (не менее 9 лет), в течение которого влияние среды обитания на здоровье населения было относительно неизменным (стационарным).
  2. В каждой из четырех 5-летних возрастных групп мужчин и женщин от 55 до 74 лет определяются максимальные за этот референсный интервал значения показателей ежегодной смертности от всех причин на 100 тыс. населения.
  3. Для анализируемого года в каждой из четырех 5-летних возрастных групп мужчин и женщин от 55 до 74 лет вычисляются значения показателей смертности от всех причин на 100 тыс. населения соответствующего пола и возраста.
  4. Вычисленные в пункте 3 значения показателей смертности сравниваются с соответствующими значениями, максимальными за референсный интервал.

Если как для мужчин, так и для женщин не менее, чем в 2-х из 4-х возрастных групп 55-59 лет, 60-64 года, 65-69 лет, 70-74 года значения показателей смертности от всех причин за анализируемый год выше соответствующих максимальных значений, то делается вывод о том, что в этот год имеет место неслучайное увеличение смертности, или, другими словами, увеличение экспозиционного риска.

Статистическое обоснование использованного подхода следующее. Зарегистрированные в течение 9 лет референсного интервала значения ежегодных показателей смертности от всех причин в каждой возрастной подгруппе мужчин или женщин разбивают весь числовой ряд на 10 интервалов: меньше минимального значения ежегодной смертности, зарегистрированного в этой возрастной группе соответствующего пола в течение референсного интервала (9 лет), от минимального до второго по величине и т.д., последний интервал – больше максимального значения ежегодной смертности, зарегистрированного в этой возрастной группе соответствующего пола в течение референсного интервала. Необходимо отметить, что, хотя длина интервалов на числовой оси (соответствующей количеству смертей на 100 тыс. населения) будет разной, но в данном алгоритме мы рассматриваем ранговую (порядковую) шкалу, в которой длины интервалов равны (расстояние между соседними рангами можно считать равным 1). Интервалы определяются отдельно для мужчин и для женщин, поскольку показатели смертности у них во всех анализируемых возрастных группах существенно различаются. Такими образом, каждой из четырех 5-ти летних возрастных групп (55-59 лет, 60-64 года, 65-69 лет, 70-74 года) мужчин или женщин соответствует числовой ряд, разбитый на 10 интервалов в соответствии с показателями ежегодной смертности лиц соответствующего пола и возраста в течение референсного интервала (9 лет). Всего в анализ должно быть включено 8 числовых рядов (2 пола (мужчины и женщины) и 4 возрастных группы), каждый из которых разбит на 10 интервалов. При отсутствии модифицирующего воздействия на смертность населения значения показателей смертности в каждой возрастной группе с равной вероятностью (р=0,1) попадают в один из 10 интервалов, соответствующих этой возрастной группе и описанных выше. Для проверки нулевой гипотезы об отсутствии модифицирующего влияния можно использовать биномиальный критерий, при этом количество «испытаний» равно 4 (4 возрастных группы), количество «успехов» не меньше 2 (т.е. 2, 3 или 4), а вероятность «успеха» равна 0,1. Вероятность (р) того, что случайно (при отсутствии модифицирующего влияния на смертность) не менее, чем в 2-х из 4-х возрастных групп мужчин (женщин) значения показатели смертности в анализируемый год попадают в интервал выше соответствующего максимального значения за референсный интервал равна 0,0523 (поскольку распределение биномиальное, то

р=0,14+ С43 * 0,13 0,9+С42*0,12*0,92 =0,0523, где С43 и С42 биномиальные коэффициенты, которые равны соответственно 4 и 6). Вероятность того, что не менее, чем в 2-х из 4-х возрастных групп и мужчин, и женщин значения смертности попадают в интервал выше соответствующего максимального равна 0,0027 (0,0523*0,0523=0,002735), т.е. ошибка первого рода (вероятность отклонить верную нулевую гипотезу об отсутствии какого-либо модифицирующего влияния на смертность населения) равна 0,0027, что менее 0,01. Таким образом, если в анализируемый год показатели смертности и мужчин, и женщин не менее, чем в 2-х из 4-х возрастных групп превосходят максимальные значения для соответствующего пола и возраста (вычисленные по данным за референсный интервал), то с достоверностью 99 % можно говорить о неслучайном увеличении смертности, т.е. о наличии модифицирующего влияния каких-либо факторов на смертность населения.

Для того, чтобы проверить адекватность предлагаемого алгоритма, был проведен сравнительный анализ данных о смертности населения в 10 городах в 2010-2019 годах. 2010 год рассматривался в качестве анализируемого периода, а 2011- 2019 годы в качестве референсного интервала.

В анализ были включены данные о смертности населения в 10 городах Европейской части РФ (Уфа, Курск, Пенза, Киров, Калуга, Вологда, Кострома, Коломна, Обнинск, Димитровград), расположенных в зоне умеренно-континентального климата и в которых в 2010 году зарегистрированы экстремальные погодные условия (низкая температура в январе и высокая температура в летние месяцы), а в последующие 9 лет погодные условия были в пределах климатической нормы (в городе Кирове в феврале 2011 регистрировалась аномально низкая температура, поэтому данные о смертности населения в Кирове в 2011 году были исключены из анализа). Поскольку наиболее значимыми природно-климатическими факторами, потенциально влияющими на увеличение смертности от хронических неинфекционных заболеваний, являются экстремальные погодные условия [7-11], то для указанных 10 городов 2010 год рассматривался как год с повышенным экспозиционным риском для здоровья. В качестве референсного интервала был выбран временной интервал с 2011 по 2019 год с благополучной эпидемиологической обстановкой, со стационарными природно-климатическими, социально-экономическими и относительно благоприятными эпидемиологическими условиями, т.е. с отсутствием периодов с экстремальными погодными условиями и обострением социально-экономических проблем и эпидемий особо опасных инфекций (заболеваний инфекционной природы, представляющим чрезвычайную эпидемическую опасность для населения).

Исходные данные о численности и смертности населения в 10 городах за 2010-2019 годы (со стратификацией по полу и возрасту) по запросу были предоставлены Федеральной службой государственной статистики. В анализ были включены данные о смертности от всех причин в возрастных группах мужчин и женщин 55-59 лет, 60-64 года, 65-69 лет, 70-74 года. Были вычислены показатели смертности мужчин и женщин в указанных возрастных группах на 100 тысяч населения соответствующего пола и возраста.

Данные о природно-климатических условиях в городах, включенных в исследование, были получены с сайта «Погода и климат» (http://www.pogodaiklimat.ru ).

Результаты

В таблице 1 представлена краткая характеристика городов, включенных в исследование. В таблице 2 представлены максимальные значения показателей смертности населения в городах, включенных в анализ, с указанием года, в который это значение было зарегистрировано (в интервале с 2010 по 2019 год). Как можно видеть из таблицы 2, во всех городах, включенных в исследование, не менее, чем в двух возрастных группах максимальные значения показателей смертности и мужчин, и женщин были зарегистрированы в 2010 году (анализируемый год). В Курске и Обнинске максимальные значения показателей смертности и мужчин, и женщин зарегистрированы в 2010 году во всех 4 возрастных группах, включённых в исследование. Необходимо отметить, что показатели ежегодной смертности ни в один из годов с 2011 по 2019 не удовлетворяют требованию предлагаемого алгоритма (т.е. ни в один из годов с 2011 по 2019 не выполняется условие: значения показателей смертности от всех причин выше, чем в остальные года не менее, чем в 2-х из 4-х включенных в исследование возрастных групп и мужчин, и женщин). Это дополнительно свидетельствует об адекватности алгоритма, т.к. в городах, включенных в исследование, в течение референсного интервала (2011-2019 годы) не было причин, которые могли бы обусловить увеличение экспозиционного риска.

Обсуждение

В Российской Федерации одной из важнейших проблем остается высокая преждевременная смертность населения от неинфекционных заболеваний [22]. Как отмечают многие исследователи, при разработке мероприятий, направленных на ее снижение, необходимо изучение и анализ управляемых составляющих преждевременной смертности [23-26].

Проведенное исследование позволило предложить алгоритм выявления увеличения экспозиционного риска, т.е. увеличения негативного влияния факторов среды обитания на здоровье населения определенной территории или города на основе анализа показателей смертности населения в 5-летних возрастных группах. Представляется целесообразным широко использовать такой алгоритм для определения «проблемных» городов с тем, чтобы в этих конкретных городах затем проводить детальный анализ факторов среды обитания, для выявления тех, которые обусловили (в отличии от «потенциально могут оказать») негативное влияние на здоровье населения и увеличение его смертности.

Общепринятый метод оценки совокупного воздействия факторов различной природы на здоровье населения основан на проведении физико-химического анализа проб воздуха, воды и почвы и сравнении концентраций определяемых загрязняющих веществ с предельно допустимыми значениями. Однако этот подход имеет ряд существенных недостатков. В частности, количество токсичных и мутагенных веществ, присутствующих и вновь образующихся в окружающей среде, всегда значительно превышает то, которое могут выявить доступные средства и методы контроля антропогенного воздействия на природу. В то же время даже исчерпывающая информация о загрязняющих веществах в окружающей среде не позволяет оценить ожидаемые токсические и мутагенные эффекты при одновременном воздействии нескольких неблагоприятных факторов из-за их потенциального синергетического и антагонистического взаимодействия [27, 28].

В англоязычной литературе в последние годы для оценки влияния факторов окружающей среды на здоровье достаточно часто встречается понятие «кумулятивный риск» [10, 29, 30]. K.R. Solomon и соавторы [10] дают этому понятию следующее определение: «Кумулятивный риск формально определяется как комбинация рисков, создаваемых совокупным воздействием нескольких агентов или стрессоров, при которой совокупное воздействие представляет собой воздействие всеми путями и путями из всех источников каждого данного агента или стрессора» [10]. Вместе с тем в русском языке понятие «кумулятивный» традиционно обозначает «накопительный», а говоря о риске воздействия факторов различной природы, необходимо учитывать возможность не только аддитивного, но и синергического или, напротив, антагонистического эффектов. Поэтому представляется, что словосочетание «экспозиционный риск» является более удачным. Необходимо отметить, что при оценке риска здоровью вследствие загрязнения окружающей среды химическими веществами используется понятие «факторы экспозиции», которое определяется только как количественное поступление химического вещества в организм человека разными путями в результате контакта с различными объектами окружающей среды (воздух, вода, почва, продукты питания) [31, 32]. При оценке экспозиционного риска речь идет об экспозиции населения всем факторам  среды обитания, в том числе социально-экономическим.

  1. K. Sexton и S.H. Linder [33] обращают внимание на то, что при оценке кумулятивного риска исследователи неизбежно вынуждены использовать упрощенный перечень индикаторов и допущений, включая схематическое постулирование связей между независимыми переменными, а также между независимыми и зависимыми переменными, включенными в анализ. Это означает, что результаты могут быть только качественными или, в лучшем случае, полуколичественными. Также K. Sexton и S.H. Linder [33] отмечают, что оценка риска здоровью с учетом факторов стресса нехимической природы, таких как, например, уровень жизни, недостаточно эффективна из-за отсутствия надежных баз данных и разработанных аналитических подходов.

Вместе с тем, анализируя влияние факторов среды обитания на здоровье населения РФ, необходимо принимать во внимание многообразие и природно-климатических, и социально-экономических, и экологических условий в России, что с учетом относительно небольшого населения не позволит в ближайшее время создать базы данных, достаточные по объему для разработки универсальных аналитических подходов. Это обуславливает необходимость разработки простых алгоритмов, направленных прежде всего на выявление увеличения негативного влияния факторов среды обитания на здоровье, которые могут быть полезными при использовании на существенно различающихся по условиям жизни территориях с небольшим населением. Одним из таких алгоритмов может быть предлагаемый алгоритм выявления увеличения экспозиционного риска здоровью населения.

Следует отметить, что в настоящей работе существуют определённые ограничения. Прежде всего необходимо обратить внимание на сложность выбора референсного интервала, в течение которого условия среды обитания населения анализируемой территории должны быть относительно стационарными. Кроме того, изменение социальной структуры населения, например, за счет увеличения доли мигрантов из других регионов или, наоборот, усиление поддержки миграции людей старшего возраста из районов Крайнего Севера, может искажать изучаемые показатели и должно приниматься во внимание в ходе анализа.

Заключение

Предложен алгоритм выявления увеличения экспозиционного риска здоровью населения определенного города или территории в анализируемый период по сравнению с референсным. Проведена оценка адекватности алгоритма с использованием данных о смертности населения в 10 городах РФ в 2010-2019 годах. Показано, что алгоритм может эффективно использоваться для выявления увеличения экспозиционного риска здоровью в городах с разным количеством населения. 

 

 

 

Таблицы

 

Таблица 1. Численность населения на территориях ФМБА России, включенных в исследование, на 2019 год

№ п/п

Название города

Численность населения на 2021 год

Субъект РФ

1

Уфа

1 124 226

Башкортостан

2

Курск

1 107 041

Курская область

3

Пенза

522 317

Пензенская область

4

Киров

512 954

Кировская область

5

Калуга

336 726

Калужская область

6

Вологда

311 846

 

Вологодская область

7

Кострома

276 064

Костромская область

8

Коломна

141 106

Московская область

9

Обнинск

125 376

Калужская область

10

Димитровград

114 229

Ульяновская область

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Таблица 2. Максимальные значения показателей смертности населения в городах, включенных в анализ в интервале с 2010 по 2019 гг. 


 

Название

города

 

Смертность мужчин

 (на 100 тыс.)

 

Смертность женщин

(на 100 тыс.)

55-59 лет

60-64 года

65-69 лет

70-74 года

55-59 лет

60-64 года

65-69 лет

70-74 года

Уфа

2309

(2010)

3676 (2010)

4762 (2014)

нд

882 (2010)

1232 (2011)

1818 (2010)

нд

Курск

2855

(2010)

3672 (2010)

5422

(2010)

6933 (2010)

803 (2010)

1391 (2010)

1871 (2010)

3301 (2010)

Пенза

2401

(2010)

3759 (2010)

4833 (2013)

7191 (2010)

694 (2011)

1162 (2010)

1712 (2011)

3042 (2010)

Киров

2688

(2010)

3928 (2010)

4941 (2012)

7313 (2010)

815 (2012)

1129 (2010)

1743 (2015)

2935 (2010)

Калуга

2603

(2019)

3969 (2010)

4703 (2012)

6494 (2010)

816 (2013)

1500 (2010)

1879 (2010)

3362 (2010)

Вологда

3474

(2010)

4243 (2010)

5732 (2012)

8521 (2010)

978 (2010)

1330 (2010)

2164 (2014)

3241 (2010)

Кострома

2511

(2010)

3868 (2010)

5487 (2010)

8556 (2010)

929 (2010)

1391 (2010)

2092 (2014)

3796 (2010)

Коломна

3183

(2010)

3872 (2010)

6128 (2010)

8221 (2010)

976 (2010)

1532 (2010)

2150 (2011)

3349 (2012)

Обнинск

3122

(2010)

4350 (2010)

6239 (2010)

9009 (2010)

1502 (2010)

1656 (2010)

2771 (2010)

4287 (2010)

Димитровград

3097

 (2010)

4682 (2011)

5616 (2015)

8947 (2010)

941 (2010)

1729 (2010)

2504 (2010)

4048 (2010)

 

 

 

×

About the authors

Marina Saltykova

Federal State Budgetary Institution «Centre for Strategic Planning and Management of Biomedical Health Risks» of the Federal medical and biological agency

Author for correspondence.
Email: saltykova@cspfmba.ru
ORCID iD: 0000-0002-1823-8952
SPIN-code: 3310-9270

Dr. Sci. (Biology).

Russian Federation, 119121, Moscow, Pogodinskaya str.10b1

Yury V. Zhernov

Federal State Budgetary Institution «Centre for Strategic Planning and Management of Biomedical Health Risks» of the Federal medical and biological agency

Email: zhernov@list.ru
ORCID iD: 0000-0001-8734-5527
SPIN-code: 4538-9397

MD, Dr. Sci. (Med.), professor

Russian Federation, 119121, Moscow, Pogodinskaya str. 10b1

Elena A Saltykova

Federal State Budgetary Institution «Centre for Strategic Planning and Management of Biomedical Health Risks» of the Federal medical and biological agency

Email: Esaltykova@cspfmba.ru
ORCID iD: 0000-0003-3180-4370
SPIN-code: 7327-3928

кандидат биологических наук, отдел гигиены

Russian Federation, 119121, Moscow, Pogodinskaya str.10b1

Tatiana V Shekhordanova

Federal State Budgetary Institution «Centre for Strategic Planning and Management of Biomedical Health Risks» of the Federal medical and biological agency

Email: TShehordanova@cspfmba.ru
ORCID iD: 0009-0006-4228-8892
Russian Federation, 119121, Moscow, Pogodinskaya str.10b1

Anastasia A. Semenova

Email: ASemenova@cspfmba.ru

Alexey D Banchenko

Email: alek-banchenko@yandex.ru

References

  1. Wild CP. Complementing the genome with an ‘exposome’: the outstanding challenge of environmental exposure measurement in molecular epidemiology. Cancer Epidemiol Biomarkers Prev 2005; 14: 1847–50. doi: 10.1158/1055-9965.EPI-05-0456
  2. Miller GW, Jones DP. The nature of nurture: refining the definition of the exposome Toxicological sciences. 2014; 137(1):1-2. doi: 10.1093/toxsci/kft251
  3. Chung MK et al. Decoding the exposome: data science methodologies and implications in exposome-wide association studies (ExWASs). Exposome. 2024; 4(1):osae001. doi: 10.1093/exposome/osae001
  4. Wild CP. The exposome: from concept to utility. International journal of epidemiology. 2012; 41(1): 24-32. doi: 10.1093/ije/dyr236
  5. Tolkaeva MS, Filimonova AN, Vorobei OA, Evstratova ES, Petin VG. Patterns of synergic interaction display after heavy metals combined with hyperthermia or ionizing radiation. Radiatsionnaia biologiia, radioecologiia. 2020; 60(5):524-531.
  6. Petin VG, Zhurakovskaya GP, Komarova LN. Radiobiologicheskie osnovy sinergicheskikh vzaimodeistvii v biosfere. Moscow: GEOS. 2012, 219. (In Russ)
  7. Evstratova ES, Petin VG, Zhurakovskaya GP. Synergistic effects and their potential significance for the influence of natural intensities of environmental factors on cell growth. Synergy. 2018; 6.(1):1–8.
  8. Petin VG, Dergacheva IP, Zhurakovskaya GP. Kombinirovannoe biologicheskoe deistvie ioniziruyushchikh izluchenii i drugikh vrednykh faktorov okruzhayushchei sredy (nauchnyi obzor). Radiation and Risk. 2001; 12:117-134. (In Russ)
  9. Fabisiak JP, Jackson EA, Brink LA, Presto AA. A risk-based model to assess environmental justice and coronary heart disease burden from traffic-related air Pollutants. Environmental Health. 2020; 19: 1-14.
  10. Solomon KR, Wilks MF, Bachman A et al. Problem formulation for risk assessment of combined exposures to chemicals and other stressors in humans. Critical Reviews in Toxicology. 2016; 46(10): 835-844.
  11. Clark LP, Millet DB, Marshall JD. Changes in transportation-related air pollution exposure by race-ethnicity and socioeconomic status: outdoor nitrogen dioxide in the United States in 2000 and 2010. Environ Health Perspect. 2017; 125(9): 097012.
  12. Saltykova MM. Adaption to cold as a means to enhance antioxidant protection. Rossiiskii fiziologicheskii zhurnal imeni I.M. Sechenova. 2017; 103(7): 712-726. (In Russ.)
  13. Svod pravil SP 42.13330.2016 Gradostroitel'stvo. Planirovka i zastroika gorodskikh i sel'skikh poselenii Aktualizirovannaya redaktsiya SNiP 2.07.01-89. (In Russ.)
  14. Shaposhnikov DA, Revich BA. On some approaches to calculation of health risks caused by temperature waves. Health Risk Analysis. 2018; 1: 22–31. (In Russ.). doi: 10.21668/health.risk/2018.1.03
  15. Saltykova MM, Antipina UI, Balakaeva AV. Problems of mortality analysis in towns of the Russian Federation. Extreme Medicine. 2022; 24(4): 90-95. (In Russ.)
  16. Ivanova AE, Sabgaida TP, Semenova VG et al. Factors distorting structure of death causes in working population in Russia. Social'nye aspekty zdorov'ya naseleniya. 2013; 32(4): 1. (In Russ.)
  17. Sabgaida TP, Semenova VG. Relationship between decline in cardiovascular mortality in 2013-2015 and change in mortality from other causes. Sotsial'nye aspekty zdorov'ya naseleniya [setevoe izdanie]. 2017; 57(5):2. (In Russ.) doi: 10.21045/2071-5021-2017-57-5-2
  18. Yumaguzin VV, Vinnik MV. Problemy kachestva statistiki smertnosti v Rossii. EKO. 2019; 10 (544): 54-77. (In Russ.) doi: 10.30680/ЕСО0131-7652-2019-10-54-77
  19. Semenova V. G., Golovenkin S. E., Evdokushkina G. N., Sabgaida T. P. The losses because of diseases of cardiovascular system in the context of program of decreasing cardiovascular mortality in Russia. Ministerstvo zdravookhraneniia RSFSR. 2016; 60(1), 4-9. (In Russ.) doi: 10.18821/0044-197Х-2016-60-1-4-9
  20. Sabgaida TP, Semenova VG, Evdokushkina GN, Sekrieru EM, Nikitina SYu. Modification of death causes in mortality statistics. Sotsial'nye aspekty zdorov'ya naseleniya [setevoe izdanie]. 2014. T.57. №5. 37(3): 2. (In Russ.)
  21. Sabgaida TP, Tarasov NA, Evdokushkina GN. The mortality of diabetes mellitus from the perspective of multiple causes of death: encoding problems. Problemy Sotsialnoi Gigieny I Istoriia Meditsiny. 2019; 27(6): 1043-1048.(In Russ.) doi.org/10.32687/0869-866X-2019-27-6-1043-1048
  22. Boitsov SA, Deev AD, Shal'nova SA. Mortality and risk factors for non-communicable diseases in Russia: Specific features, trends, and prognosis. Terapevticheskii arkhiv. 2017; 89(1): 5-13. (In Russ.) doi: 10.17116/terarkh20178915-13
  23. Sabgaida TP. The preventable causes of death in Russia and in the EU countries. Ministerstvo zdravookhraneniia RSFSR. 2017; 61(3): 116-122. DOI: http://dx.doi.org/10.18821/0044-197Kh-2017-61-3-116-122. (In Russ.)
  24. Ivanova AE, Mikhailov AYu. Assessment of population policy aimed at reducing mortality at the regional level in Russia. Sotsial'nye aspekty zdorov'ya naseleniya [setevoe izdanie]. 2017; 57(5). (In Russ.) doi: 10.21045/2071-5021-2017-57-5-1.
  25. Ivanova AE, Semenova VG, Sabgaida TP. Rezervy snizheniya smertnosti v Rossii, obuslovlennye effektivnost'yu zdravookhraneniya. Herald of the Russian Academy of Sciences. 2021; 91(9):865–878. doi: 10.31857/S086958732109005X
  26. Ivanova AE, Sabgaida TP, Semenova VG, Evdokushkina GN. Health Performance Evaluation using preventable mortality criteria. City Healthcare. 2022; 3(1): 41-52. doi: 10.47619/2713-2617.zm.2022.v.3i1;41–52. (In Russ.)
  27. Burlakova EB, Dodina GP, Zyuzikov NA et al. Deistvie maloi dozy ioniziruyushchego izlucheniya i khimicheskikh zagryaznenii na cheloveka i biotu. Programma «Otsenka sochetannogo deistviya radionuklidnykh i khimicheskikh zagryaznenii». Atomic Energy. 1998; 85(6):457-462. (In Russ.)
  28. Proskuryakova NL, Simakov AV, Alferova TM. To the question of the combined effect of ionizing radiation and harmful factors on the human body. Medical and Biological Problems of Life Activity. 2021; 2(26):70-76. (In Russ.)
  29. Gallagher SS, Rice GE, Scarano LJ et al. Cumulative risk assessment lessons learned: A review of case studies and issue papers. Chemosphere. 2015; 120:697-705.
  30. Tong R, Zhang B. Cumulative risk assessment for combinations of environmental and psychosocial stressors: A systematic review Integrated Environmental Assessment and Management. 2024; 20(3):602-615.
  31. Rakhmanin YuA, Shashina TA, Unguryanu TN et al. Characteristics of quantitative values of exposure of regional factors in the studied areas. Hygiene & Sanitation (Russian Journal). 2012; 6:30-33. (In Russ.)
  32. Rukovodstvo po otsenke riska dlya zdorov'ya naseleniya pri vozdeistvii khimicheskikh veshchestv, zagryaznyayushchikh okruzhayushchuyu sredu / R 2.1.10.1920-04. Moscow: Federal Center for State Sanitary and Epidemiological Surveillance of the Russian Ministry of Health. 2004. 143p. (In Russ.)
  33. Sexton K, Linder SH. Cumulative Risk Assessment for Combined Health Effects From Chemical and Nonchemical Stressors. Am J Public Health. 2011; 101(S1):S81-S88. doi:10. 2105/AJPH.2011.300118

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) Eco-Vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 78166 от 20.03.2020.