Preview

Фундаментальная и клиническая медицина

Расширенный поиск

Геоинформационные системы как инструмент изучения неравномерности распределения случаев COVID-19 в городских условиях

https://doi.org/10.23946/2500-0764-2021-6-2-16-23

Полный текст:

Аннотация

Цель. Выявление областей пространственной кластеризации случаев COVID-19 в течение первых трех месяцев от начала эпидемии на территории крупного города с населением более 1 млн человек (на примере г. Омск).

Материалы и методы. Материалом исследования послужили данные эпидемиологических расследований случаев COVID-19, подтверждённых методом полимеразной цепной реакции ПЦР на территории г. Омск за период с начала регистрации заболевания по состоянию на 1 июля 2020 года. Для визуализации пространственного распределения создавали теплокарты с Епанечниковым ядром. Для выявления статистически значимых областей кластеризации мест проживания заболевших COVID-19 рассчитывали общий индекс Гетиса-Орда (Gi*). Анализ геоданных проводили в приложении QGIS 3.14 Pi (qgis.org) с использованием плагина Visualist.

Результаты. Визуальное исследование пространственного распределения мест проживания заболевших COVID-19 на конец анализируемого периода позволяет выделить нескольких зон с повышенной концентрацией, во всех этих зонах отмечена статистически значимая кластеризация. В первую очередь распространение COVID-19 охватывало Советский, Центральный и Кировский районы, а вовлечение Ленинского и Октябрьского административного районов произошло спустя короткое время. Пристальное рассмотрение эволюции выявленных статистически значимых зон пространственной кластеризации мест проживания заболевших COVID-19 на протяжении периода наблюдения позволило выявить приоритетные зоны, эволюция которых шла быстрее других.

Заключение. Установлено неравномерное пространственно-временное распределение случаев новой коронавирусной инфекции по территории Омска: выявлено тринадцать статистически значимых кластеров во всех административных районах города. Оперативная оценка пространственного распределения случаев COVID-19 с помощью геоинформационных систем, позволяющих создавать карты плотности ядра, имеет огромный потенциал в планировании противоэпидемических мероприятий и может быть выполнена в реальном времени. 

Об авторах

А. И. Блох
ФБУН «Омский научно-исследовательский институт природно-очаговых инфекций» Роспотребнадзора; ФГБОУ ВО «Омский государственный медицинский университет» Минздрава РФ
Россия

младший научный сотрудник, 644080, г. Омск, ул. Мира, 7;

ассистент кафедры эпидемиологии, 644099, г. Омск, ул. Ленина, 12



Н. А. Пеньевская
ФБУН «Омский научно-исследовательский институт природно-очаговых инфекций» Роспотребнадзора; ФГБОУ ВО «Омский государственный медицинский университет» Минздрава РФ
Россия

доктор медицинских наук, профессор, заместитель директора по научной работе, 644080, г. Омск, ул. Мира, 7;

профессор кафедры эпидемиологии, 644099, г. Омск, ул. Ленина, 12



Н. В. Рудаков
ФБУН «Омский научно-исследовательский институт природно-очаговых инфекций» Роспотребнадзора; ФГБОУ ВО «Омский государственный медицинский университет» Минздрава РФ
Россия

доктор медицинских наук, профессор, директор, 644080, г. Омск, ул. Мира, 7;

заведующий кафедрой микробиологии, вирусологии и иммунологии, 644099, г. Омск, ул. Ленина, 12



О. А. Михайлова
ФБУЗ «Центр гигиены и эпидемиологии в Омской области»
Россия

заведующая отделом обеспечения эпидемиологического надзора,

644116, г. Омск, ул. 27-я Северная, 42а



А. С. Федоров
ФБУЗ «Центр гигиены и эпидемиологии в Омской области»
Россия

заведующий отделением статистического наблюдения и учета инфекционных заболеваний,

644116, г. Омск, ул. 27-я Северная, 42а



А. В. Санников
ФГБОУ ВО «Омский государственный медицинский университет» Минздрава РФ
Россия

младший научный сотрудник,

644080, г. Омск, ул. Мира, 7



С. В. Никитин
ФБУЗ «Центр гигиены и эпидемиологии в Омской области»
Россия

главный врач,

644116, г. Омск, ул. 27-я Северная, 42а



Список литературы

1. Кутырев В.В., Попова А.Ю., Смоленский В.Ю., Ежлова Е.Б., Демина Ю.В., Сафронов В.А., Карнаухов И.Г., Иванова А.В., Щербакова С.А. Эпидемиологические особенности новой коронавирусной инфекции (COVID-19). Сообщение 1: Модели реализации профилактических и противоэпидемических мероприятий. Проблемы особо опасных инфекций. 2020;(1):6-13. https://doi.org/10.21055/0370-1069-2020-1-6-13

2. World Health Organization (WHO). Coronavirus disease (COVID-19) Situation Report – 163. Available at: https://www.who.int/docs/defaultsource/coronaviruse/situation-reports/20200701-covid-19-sitrep-163.pdf?sfvrsn=c202f05b_2. Accessed: 27 April, 2021.

3. Li X, Zhou L, Jia T, Peng R, Fu X, Zou Y. Associating COVID-19 Severity with Urban Factors: A Case Study of Wuhan. Int. J. Environ. Res. Public Health. 2020; 7(18):6712. https://doi.org/10.3390/ijerph17186712

4. Омск – город будущего! Ссылка активна на 01.01.2021. https://admomsk.ru/web/guest/city. Accessed January 1, 2021.

5. Rossy Q. Visualist: a spatial analysis plugin for crime analysts. Ecole des sciences criminelles, Lausanne. – 2019. – Available at: https://plugins.qgis.org/plugins/visualist/ Accessed: 27 April, 2021.

6. Silverman BW. Density Estimation for Statistics and Data Analysis. London : Chapman & Hall/CRC; 1986.

7. Блох А.И., Пеньевская Н.А., Рудаков Н.В., Лазарев И.И. Эпидемический потенциал COVID-19 в Омской области и оценка возможного влияния противоэпидемических мероприятий. Фундаментальная и клиническая медицина. 2020;5(3):8-17. https://doi.org/10.23946/2500-0764-2020-5-3-8-17 8.

8. Wang JF, Meng B, Zheng XY, Liu J, Han W, Wu J, Liu X, Li X, Song X. Analysis on the multi-distribution and the major influencing factors on severe acute respiratory syndrome in Beijing. Chinese J Epidemiol. 2005;26(3):164-168. 9.

9. Побединский Г.Г., Сарсков С.А., Вьюшков М.В. Прототип раздела эпидемиологического атласа «Мониторинг заболеваемости COVID-19». В сб. : Фундаментальные и прикладные аспекты анализа риска здоровью населения. Материалы всероссийской научно-практической интернет-конференции молодых ученых и специалистов Роспотребнадзора с международным участием. Пермь ; 2020:394-402. Ссылка активна на 10.05.2021. https://www.elibrary.ru/download/elibrary_44160533_12048623.pdf. Accessed: 27 April, 2021.

10. Brody H, Rip MR, Vinten-Johansen P, Paneth N, Rachman S. Mapmaking and myth-making in Broad Street: the London cholera epidemic, 1854. Lancet. 2000;356(9223):64-68. https://doi.org/10.1016/S0140-6736(00)02442-9

11. Murad A, Khashoggi BF. Using GIS for Disease Mapping and Clustering in Jeddah, Saudi Arabia. ISPRS International Journal of Geo-Information. 2020;9(5):328. https://doi.org/10.3390/ijgi9050328


Для цитирования:


Блох А.И., Пеньевская Н.А., Рудаков Н.В., Михайлова О.А., Федоров А.С., Санников А.В., Никитин С.В. Геоинформационные системы как инструмент изучения неравномерности распределения случаев COVID-19 в городских условиях. Фундаментальная и клиническая медицина. 2021;6(2):16-23. https://doi.org/10.23946/2500-0764-2021-6-2-16-23

For citation:


Blokh A.I., Penyevskaya N.A., Rudakov N.V., Mikhaylova O.A., Fedorov A.S., Sannikov A.V., Nikitin S.V. Geographic information systems as a part of epidemiological surveillance for COVID-19 in urban areas. Fundamental and Clinical Medicine. 2021;6(2):16-23. (In Russ.) https://doi.org/10.23946/2500-0764-2021-6-2-16-23

Просмотров: 174


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2500-0764 (Print)
ISSN 2542-0941 (Online)