Экспозиционный риск здоровью населения и методика оценки его увеличения



Цитировать

Полный текст

Аннотация

Обоснование. 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. Существующие 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.

Цель. Разработка алгоритма выявления увеличения экспозиционного риска здоровью населения определенного города или территории.

Материалы и методы. 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. 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. Для проверки адекватности предлагаемого алгоритма, был проведен сравнительный анализ данных о смертности населения в 10 городах (Уфа, Курск, Пенза, Киров, Калуга, Вологда, Кострома, Коломна, Обнинск, Димитровград) Европейской части РФ, 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). 2010 год рассматривался в качестве анализируемого периода, а 2011- 2019 годы в качестве референсного интервала.

Результаты. Во всех городах, включенных в исследование, в 2010 году было зарегистрировано увеличение экспозиционного риска в соответствии с предложенным алгоритмом. При этом ни в один из годов с 2011 по 2019 не было выполнено условие алгоритма, которое позволило бы сделать вывод об увеличении экспозиционного риска.  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.

Заключение. Показано, что предложенный алгоритм может эффективно использоваться для выявления увеличения экспозиционного риска здоровью в городах с разным количеством населения

Полный текст

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)

 

 

 

×

Об авторах

Марина Михайловна Салтыкова

Федеральное государственное бюджетное учреждение «Центр стратегического планирования и управления медико-биологическими рисками здоровью» Федерального медико-биологического агентства

Автор, ответственный за переписку.
Email: saltykova@cspfmba.ru
ORCID iD: 0000-0002-1823-8952
SPIN-код: 3310-9270

доктор биологических наук, ведущий научный сотрудник  отдела гигиены

Россия, 119121, Москва, Погодинская д. 10с1

Юрий Владимирович Жернов

Федеральное государственное бюджетное учреждение «Центр стратегического планирования и управления медико-биологическими рисками здоровью» Федерального медико-биологического агентства

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

д.м.н., доцент, профессор

Россия, 119121, Москва, Погодинская д. 10с1

Елена Александровна Салтыкова

Федеральное государственное бюджетное учреждение «Центр стратегического планирования и управления медико-биологическими рисками здоровью» Федерального медико-биологического агентства

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

кандидат биологических наук, отдел гигиены

Россия, 119121, Москва, Погодинская д. 10с1

Татьяна Викторовна Шехорданова

Федеральное государственное бюджетное учреждение «Центр стратегического планирования и управления медико-биологическими рисками здоровью» Федерального медико-биологического агентства

Email: TShehordanova@cspfmba.ru
ORCID iD: 0009-0006-4228-8892
Россия, 119121, Москва, Погодинская д. 10с1

Анастасия Александровна Семенова

Email: ASemenova@cspfmba.ru

Алексей Дмитриевич Банченко

Email: alek-banchenko@yandex.ru

Список литературы

  1. 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. 2. Miller G. W., Jones D. P. The nature of nurture: refining the definition of the exposome // Toxicological sciences. 2014. Т. 137. №. 1. С. 1-2. doi: 10.1093/toxsci/kft251
  3. 3. Chung M. K. et al. Decoding the exposome: data science methodologies and implications in exposome-wide association studies (ExWASs) // Exposome. 2024. Т. 4. №. 1. С. osae001. doi: 10.1093/exposome/osae001
  4. 4. Wild C. P. The exposome: from concept to utility // International journal of epidemiology. 2012. Т. 41. №. 1. С. 24-32. doi: 10.1093/ije/dyr236
  5. 5. Толкаева М.С., Филимонова А. Н., Воробей О. А. и др. Закономерности проявления синергического взаимодействия тяжелых металлов с гипертермией или ионизирующим излучением // Радиационная биология. Радиоэкология. 2020. Т 60. № 5. С. 524–531.
  6. 6. Петин В.Г., Жураковская Г.П., Комарова Л.Н. Радиобиологические основы синергических взаимодействий в биосфере. М.: ГЕОС, 2012. 219 С.
  7. 7. Evstratova E.S., Petin V.G., Zhurakovskaya G.P. Synergistic effects and their potential significance for the influence of natural intensities of environmental factors on cell growth // Synergy. 2018. V. 6. N 1. P. 1–8.
  8. 8. Петин В.Г., Дергачева И.П., Жураковская Г.П. Комбинированное биологическое действие ионизирующих излучений и других вредных факторов окружающей среды (научный обзор) // Радиация и риск. 2001. Вып. 12. С.117-134.
  9. 9. Fabisiak J.P., Jackson E.A., Brink L.A., Presto A.A. A risk-based model to assess environmental justice and coronary heart disease burden from traffic-related air Pollutants // Environmental Health. 2020. V.19. P.34.
  10. 10. Solomon K.R., Wilks M.F., Bachman A. et al. Problem formulation for risk assessment of combined exposures to chemicals and other stressors in humans // Critical Reviews in Toxicology. 2016. V.46. N10. P.835-844.
  11. 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. V.125. N 9:097012.
  12. 12. Салтыкова М.М. Адаптация к холоду как средство усиления антиоксидантной защиты // Российский физиологический журнал имени И.М. Сеченова. 2017. Т. 103. № 7. С. 712-726.
  13. 13. Свод правил СП 42.13330.2016 Градостроительство. Планировка и застройка городских и сельских поселений Актуализированная редакция СНиП 2.07.01-89.
  14. 14. Шапошников Д.А., Ревич Б.А. О некоторых подходах к вычислению рисков температурных волн для здоровья // Анализ риска здоровью. 2018; 1: 22–31. doi: 10.21668/health.risk/2018.1.03
  15. 15. Салтыкова М.М., Антипина У.И., Балакаева А.В. Проблемы анализа смертности в городах Российской Федерации // Медицина экстремальных ситуаций. 2022. Т. 24. № 4. С. 90-95.
  16. 16. Иванова А.Е., Сабгайда Т.П., Семенова В.Г., Запорожченко В.Г., Землянова Е.В., Никитина С.Ю. Факторы искажения структуры причин смерти трудоспособного населения // Социальные аспекты здоровья населения. 2013. Т. 32. №. 4. С. 1.
  17. 17. Сабгайда Т. П., Семенова В. Г. Связь снижения сердечно-сосудистой смертности 2013–2015 годов с изменением смертности от других причин // Социальные аспекты здоровья населения [сетевое издание]. 2017. Т.57. № 5. doi: 10.21045/2071-5021-2017-57-5-2
  18. 18. Юмагузин В. В., Винник М. В. Проблемы качества статистики смертности в России. ЭКО. 2019. № 10. С.54-77. doi: 10.30680/ЕСО0131-7652-2019-10-54-77
  19. 19. Семенова В. Г., Головенкин С. Е., Евдокушкина Г. Н., Сабгайда Т. П. Потери от болезней системы кровообращения в контексте программы по снижению сердечно-сосудистой смертности в России // Здравоохранение Российской Федерации. 2016. Т. 60. №1. С. 4-9. doi: 10.18821/0044-197Х-2016-60-1-4-9
  20. 20. Сабгайда Т.П., Семенова В.Г., Евдокушкина Г.Н., Секриеру Е.М., Никитина С.Ю. Модификация причины смерти при статистическом учете смертности // Социальные аспекты здоровья населения [сетевое издание]. 2014. Т. 37. №. 3. С. 2.
  21. 21. Сабгайда Т. П., Тарасов Н. А., Евдокушкина Г. Н. Смертность от сахарного диабета в ракурсе множественных причин смерти: проблемы кодирования // Проблемы социальной гигиены, здравоохранения и истории медицины. 2019. Т. 27. № 6. С.1043-1048. doi.org/10.32687/0869-866X-2019-27-6-1043-1048
  22. 22. Бойцов С.А., Деев, А.Д., Шальнова С.А. Смертность и факторы риска развития неинфекционных заболеваний в России: особенности, динамика, прогноз // Терапевтический архив 2017; (1):5-13. doi: 10.17116/terarkh20178915-13
  23. 23. Сабгайда Т.П. Предотвратимые причины смерти в России и странах Евросоюза // Здравоохранение Российской Федерации 2017; 61(3): 116-122. DOI: http://dx.doi.org/10.18821/0044-197Х-2017-61-3-116-122
  24. 24. Иванова А.Е., Михайлов А.Ю. Оценка демографической политики по снижению смертности на региональном уровне в России // Социальные аспекты здоровья населения [электронный научный журнал] 2017; 57 (5). режим доступа: http://vestnik.mednet.ru/content/view/914/30/lang,ru/ doi: 10.21045/2071-5021-2017-57-5-1.
  25. 25. Иванова А. Е., Семёнова В. Г., Сабгайда Т. П. Резервы снижения смертности в России, обусловленные эффективностью здравоохранения // Вестник Российской Академии Наук 2021; 91(9): 865–878. doi: 10.31857/S086958732109005X
  26. 26. Иванова, А. Е., Сабгайда, Т. П., Семенова, В. Г., Евдокушкина, Г. Н. Оценка деятельности здравоохранения с использованием критериев предотвратимой смертности // Здоровье мегаполиса 2022; 3(1):41–52. doi: 10.47619/2713-2617.zm.2022v.3i1;41–52
  27. 27. Бурлакова Е.Б., Додина Г.П., Зюзиков Н.А. и др. Действие малой дозы ионизирующего излучения и химических загрязнений на человека и биоту. Программа «Оценка сочетанного действия радионуклидных и химических загрязнений» // Атомная энергия. 1998. Т. 85. Вып. 6. С.457-462.
  28. 28. Проскурякова Н.Л., Симаков А.В., Алферова Т.М. К вопросу сочетанного действия ионизирующей радиации и вредных факторов на организм человека // Медико-биологические проблемы жизнедеятельности. 2021. № 2(26). С.70-76.
  29. 29. Gallagher S. S. et al. Cumulative risk assessment lessons learned: A review of case studies and issue papers // Chemosphere. 2015. Т. 120. С.697-705.
  30. 30. Tong R., Zhang B. Cumulative risk assessment for combinations of environmental and psychosocial stressors: A systematic review // Integrated Environmental Assessment and Management. 2024. Т. 20. №. 3. С. 602-615.
  31. 31. Рахманин Ю.А. Шашина Т.А., Унгуряну Т.Н. и др. Характеристика количественных значений региональных факторов экспозиции на исследуемых территориях // Гигиена и санитария. 2012. Т. 91. № 6. С. 30–33.
  32. 32. Руководство по оценке риска для здоровья населения при воздействии химических веществ, загрязняющих окружающую среду / Р 2.1.10.1920-04. М.: Федеральный центр Госсанэпиднадзора Минздрава России, 2004. 143 с.
  33. 33. Sexton K., Linder S.H. Cumulative Risk Assessment for Combined Health Effects From Chemical and Nonchemical Stressors // Am J Public Health. 2011;101:S81–S88. doi:10. 2105/AJPH.2011.300118

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Эко-Вектор,

Creative Commons License
Эта статья доступна по лицензии 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.