DOI: 10.21045/2071-5021-2024-70-5-19

¹Стерликов С.А., ¹Михайлова Ю.В., ¹Богданова Т.Г., ²Галкин В.Б.
¹ФГБУ «Центральный научно-исследовательский институт организации и информатизации здравоохранения» Минздрава России, Москва, Россия.
²ФГБУ «Санкт-Петербургский научно-исследовательский институт фтизиопульмонологии» Минздрава России, Санкт-Петербург, Россия.

Резюме

Актуальность. Изучение факторов, влияющих на снижение числа умерших от туберкулёза, способствует достижению Российской Федерацией политических целей Стратегии ликвидации туберкулёза, а также позволит прогнозировать значения показателя смертности от туберкулёза. Использование регрессионной модели, основанной на анализе абсолютных статистических показателей, в отличие от традиционных исследований, основанных на логистической регрессионной модели, позволяет определить статистические показатели, ассоциированные с числом умерших от туберкулёза.

Цель: создание математической модели, описывающей влияние различных процессов, отражаемых в формах статистического наблюдения, на число умерших от туберкулёза в целом по Российской Федерации.

Материалы и методы. Изучали влияние различных показателей, которые потенциально могут влиять на число умерших от туберкулёза в период с 2009 по 2023 годы, путём их включения в регрессионную модель Пуассона, отдавая предпочтение моделям с наименьшими значениями информационного критерия Акаике (AIC).

Результаты. Подобранная регрессионная модель (AIC=201) включает в себя свободный член (8,623775), а также 5 статистически значимых (p<0,05) параметров и их коэффициентов: способ кодирования умерших больных туберкулёзом в сочетании с ВИЧ с коэффициентом 0,137923; число больных фиброзно-кавернозным туберкулёзом лёгких с коэффициентом 0,000024; число больных туберкулёзом органов дыхания с множественной лекарственной устойчивостью микобактерий туберкулёза с коэффициентом 0,000013; число некурабельных больных туберкулёзом с коэффициентом 0,000023; число лиц, осмотренных с целью выявления туберкулёза с коэффициентом -0,000005. Полученные расхождения результатов моделирования с фактическими результатами невелики по сравнению с числом умерших и не превышают 2% за исключением периода пандемии COVID-19, когда расчётное число умерших в 2020 г. было больше фактического на 2,1%, а в 2021 – меньше фактического на 3,6%. Также модель даёт приемлемый результат на более ранних статистических результатах с 2005 по 2008 гг.

Выводы и область применения результатов. Полученная модель свидетельствует о правильности российского подхода к активному выявлению больных туберкулёзом. Представленный подход можно применить для прогнозирования числа умерших от туберкулёза.

Ключевые слова: туберкулёз; смертность от туберкулёза; математическая модель.

Контактная информация: Стерликов Сергей Александрович, email: Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script
Финансирование. Исследование не имело спонсорской поддержки.
Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.
Соблюдение этических стандартов. Данный вид исследования не требует прохождения экспертизы локальным этическим комитетом.
Для цитирования: Стерликов С.А., Михайлова Ю.В., Богданова Т.Г., Галкин В.Б. Многофакторная математическая модель при выборе направлений снижения смертности от туберкулёза в Российской Федерации. Социальные аспекты здоровья населения [сетевое издание] 2024; 70(5):19. Режим доступа: http://vestnik.mednet.ru/content/view/1663/30/lang,ru/. DOI: 10.21045/2071-5021-2024-70-5-19

MULTIFACTORIAL MATHEMATICAL MODEL IN CHOOSING DIRECTIONS TO REDUCE TUBERCULOSIS MORTALITY IN THE RUSSIAN FEDERATION
¹Sterlikov S.A., ¹Mikhailova Yu.V., ¹Bogdanova T.G., ²Galkin V.B.
¹Russian Research Institute of Health of the Ministry of Health of the Russian Federation, Moscow, Russia
²St. Petersburg State Research Institute of Phthisiopulmonology, St. Petersburg, Russia

Abstract

Significance. Studying factors influencing a reduction in the number of deaths from tuberculosis contributes to the Russia’s achievement of the political goals of the Strategy for Tuberculosis elimination, and will also make it possible to predict mortality rates from tuberculosis. In contrast to traditional studies based on a logistic regression model, the use of a regression model based on the analysis of absolute statistical indicators allows us to determine statistical indicators associated with the number of deaths from tuberculosis.

The purpose of the study is to create a model describing the influence of various processes reflected in statistical forms on the number of deaths from tuberculosis in the Russian Federation.

Material and methods. The influence of various indicators that can potentially affect the number of deaths from tuberculosis in the period from 2009 to 2023 was studied by including them in the Poisson regression model, giving preference to models with the lowest values of the Akaike information criterion (AIC).

Results. The fitted regression model (AIC=201) includes an intercept (8.623775) and five statistically significant (p<0.05) parameters and their coefficients: the coding method for the deceased patients with HIV/TB co-infection (coefficient 0.137923); the number of patients with fibrous-cavernous pulmonary tuberculosis (0.000024); the number of patients with tuberculosis of the respiratory organs with multiple drug resistance to mycobacterium tuberculosis (0.000013); the number of incurable patients with tuberculosis (0.000023); and the number of persons examined to detect tuberculosis (-0.000005). The obtained discrepancies between the modeling results and the actual results are small compared to the number of deaths and do not exceed 2%, with the exception of the COVID-19 pandemic, when the estimated number of deaths in 2020 was 2.1% higher than the actual number, and in 2021 it was 3.6% lower than the actual number. The model also gives an acceptable result on earlier statistical results from 2005 to 2008.

Conclusion and scope of application. The obtained model demonstrates correctness of the Russian approach to active detection of tuberculosis patients. The presented approach can be used to predict the number of deaths from tuberculosis.

Keywords: tuberculosis; mortality from tuberculosis; mathematical model.

Corresponding author: Sergey A. Sterlikov, email: Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script
Information about authors:
Sterlikov SA, https://orcid.org/0000-0001-8173-8055
Mikhaylova YuV, http://orcid.org/0000-0001-6779-726X
Bogdanova T.G., https://orcid.org/0000-0001-5485-8633
Galkin VB, https://orcid.org/0000-0003-0672-2816
Acknowledgments. The study had no sponsorship.
Competing interests. The authors declare the absence of any conflicts of interest regarding the publication of this paper.
Compliance with ethical standards. This study does not require a conclusion from the Local Ethics Committee.
For citation: Sterlikov S.A., Mikhailova Yu.V., Bogdanova T.G., Galkin V.B. Multifactorial mathematical model in choosing directions to reduce tuberculosis mortality in the Russian Federation. Social'nye aspekty zdorov'a naselenia [serial online] 2024; 70(5):19. Available from: http://vestnik.mednet.ru/content/view/1663/30/lang,ru/. DOI: 10.21045/2071-5021-2024-70-5-19 (In Rus).

Введение

Снижение числа умерших от туберкулёза является одной из глобальных целей всего человечества. Остановить глобальную эпидемию туберкулеза возможно при резком снижении смертности и заболеваемости туберкулезом, а также при устранении экономического и социального бремени туберкулеза. Стратегия по ликвидации туберкулёза ВОЗ предполагает снижение числа случаев смерти от туберкулёза к 2025 году на 75%, к 2030 году – на 90%, а к 2035 году – на 95% [1]. Одним из компонентов Стратегии по ликвидации туберкулёза является «Открытие, разработка и быстрое внедрение новых инструментов, вмешательств и стратегий» [1]. Российская Федерация в ходе Первой глобальной конференция по вопросам борьбы с туберкулёзом подтвердила приверженность целям по ликвидации туберкулёза [2]. Однако при достижении Российской Федерацией глобальной цели по снижению смертности от туберкулёза к 2025 году на 75% возникает проблема в виде возможного недостижения целевого значения показателя из-за недостаточного темпа снижения показателя смертности от туберкулёза [3]. В связи с этим целесообразно изучение факторов, влияющих на показатель смертности от туберкулёза с целью последующего воздействия на них. При этом факторы риска летального исхода от туберкулёза отдельных пациентов, зарегистрированных для лечения, изучались многими исследователями [4-7]. При этом, как правило, применялись модели, включающие в себя проспективное или ретроспективное наблюдение за ранее зарегистрированными пациентами, с последующим анализом действующих факторов с использованием логистической регрессии. За пределами исследований оказывались пациенты, которые не были зарегистрированы для лечения, имеющие, однако, наиболее высокий риск летального исхода от туберкулёза. Нам не удалось найти исследований, изучавших влияние на число умерших от туберкулёза явлений, отражаемых в рутинно собираемых абсолютных статистических показателях. Вместе с тем, знание факторов риска летального исхода от туберкулёза, касающихся всех больных туберкулёзом (а не только зарегистрированных для лечения) позволит принципиально по-иному подойти к разработке мероприятий по снижению смертности от туберкулёза. При этом требуется иной подход, который может быть реализован либо с использованием иных регрессионных моделей (в первую очередь – множественной регрессии, либо регрессии Пуассона), и соответствует одной из основ программы по ликвидации туберкулёза: «Интенсификация исследований и инноваций».

Кроме того, в связи с особенностями сбора и уточнения Росстатом данных о причинах смерти (форма № С51 «Распределение умерших по полу, возрастным группам и причинам смерти»), данные о числе умерших от туберкулёза появляются в статистическом поле Российской Федерации значительно позже остальной статистической информации. Таким образом, проблема прогнозирования оценок числа умерших от туберкулёза по итогам принятых ежегодных отчётом по формам федерального статистического наблюдения №№ 8 и 33, также является актуальной, поскольку это позволит точнее прогнозировать показатель смертности от туберкулёза уже на этапе получения статистических данных, до формирования данных Росстата.

Таким образом, целью нашего исследования было создание математической модели, описывающей влияние различных процессов, отражаемых в формах статистического наблюдения, на число умерших от туберкулёза в целом по Российской Федерации.

Материалы и методы

Анализировали влияние абсолютных показателей, собираемых в рамках федерального статистического наблюдения (формы: № 8 «Сведения о заболеваниях активным туберкулёзом», № 33 «Сведения о больных туберкулёзом», № 30 «Сведения о медицинской организации»), на число умерших от туберкулёза (по данным формы № С51 «Распределение умерших по полу, возрастным группам и причинам смерти») за 2009–2023 гг. Выбор показателей обусловлен стабильностью форм статистического наблюдения, которые не менялись в период расчёта построения модели.

Гистограмма распределения числа умерших от туберкулёза представлена на рис. 1.

Рис. 1. Гистограмма распределения числа умерших от туберкулёза в 2009–2023 гг.

Гистограмма распределения данных о числе умерших от туберкулёза, по своей форме близка к распределению Пуассона с параметром λ=1. Таким образом, учитывая способ формирования данных о смертности (число умерших в течение года) и распределение данных, нами была выбрана регрессионная модель Пуассона.

На первом этапе произвели отбор показателей, отражающих явления, способные оказывать существенное влияние на величину числа умерших от туберкулёза.

На втором этапе проводили подбор многофакторной регрессионной модели (регрессии Пуассона) путём поэтапного включения и исключения из неё различных показателей, отобранных на первом этапе. При этом проводили расчёт и оценку информационного критерия Акаике (AIC) [8], отдавая предпочтение моделям с наименьшими значениями AIC.

На третьем этапе проводили моделирование показателя смертности от туберкулёза и его сопоставление с реальными значениями.

При формировании показателя мы учли регламентированное Минздравом изменение системы учёта причин смерти пациентов с ко-инфекцией туберкулёза и ВИЧ (ТБ/ВИЧ) [9]. Для этого ввели дополнительный показатель «Кодирование ТБ/ВИЧ», который до 2016 года был равен 1, в 2016 г. ему было присвоено значение 0,5, а после 2016 года – значение 0.

Мы предполагали, что на число умерших от туберкулёза наибольшее влияние оказывают следующие показатели:

- среднегодовая численность населения (СГЧН). Мы полагали, что чем больше численность населения, тем больше лиц (при одинаковом значении показателя смертности) может умереть от туберкулёза;

- число больных туберкулёзом, состоящих на диспансерном наблюдении (с вариантами: число больных туберкулёзом, состоящих на диспансерном наблюдении за исключением случаев распространённости ТБ/ВИЧ, число больных туберкулёзом, состоявших на диспансерном наблюдении в течение года). Мы предполагали, что число умерших от туберкулёза зависит от числа больных туберкулёзом, в первую очередь – с туберкулёзом без ВИЧ-инфекции (поскольку у больных ТБ/ВИЧ регистрируются случаи смерти от ВИЧ [9]);

- число больных туберкулёзом, выявленных посмертно (вариант: число больных туберкулёзом постоянных жителей, у которых туберкулёз был выявлен посмертно);

- охват профилактическими осмотрами с целью выявления туберкулёза (ОПО). Поскольку случаи смерти от туберкулёза детей носят единичный характер, и от туберкулёза умирают преимущественно взрослые, в качестве одного из вариантов рассматривали охват профилактическими флюорографическими осмотрами лиц старше 15 лет. Мы предполагали, что при росте скрининга населения с целью выявления туберкулёза растёт число своевременно выявленных форм;

- число больных с фиброзно-кавернозным туберкулёзом лёгких (ФКТЛ). Предполагали, что чем больше пациентов с хроническими формами туберкулёза, тем больше умрёт от туберкулёза;

- число больных туберкулёзом органов дыхания (ТОД) бактериовыделителей с множественной лекарственной устойчивостью (МЛУ) микобактерий туберкулёза (МБТ) (МЛУ ТОД). Добавляя этот показатель, мы основывались на том, что летальность от туберкулёза пациентов с МЛУ МБТ выше, чем пациентов без МЛУ МБТ;

- число некурабельных пациентов, состоящих в 2Б ГДН (больные туберкулезом, у которых не проводится химиотерапия и излечение которых не может быть достигнуто).

Подгонку коэффициентов регрессионных моделей Пуассона и расчёт AIC проводили в среде R версии 4.3.1 "Beagle Scouts" с оболочкой RStudio 24.04.2 Build 764. Для построения регрессионной зависимости, позволяющей предполагать число некурабельных пациентов в 2005–2008 гг., использовали MS Excel.

Результаты

Подбор показателей проводили по алгоритму. Выбор первого показателя из трёх: число больных, состоящих на диспансерном наблюдении на окончание года; число больных, состоявших на диспансерном наблюдении в течение года; число больных, состоящих на диспансерном наблюдении на окончание года за исключением ТБ/ВИЧ. Наименьшее значение AIC было для показателя число больных, состоящих на диспансерном наблюдении на окончание года за исключением ТБ/ВИЧ (529).

При добавлении одного из двух показателей: число больных туберкулёзом, выявленных посмертно, и число больных туберкулёзом постоянных жителей, у которых туберкулёз был выявлен посмертно, также выбрали показатель, дающих наибольшее снижение AIC (до 317 и 312, соответственно).

При добавлении показателя ФКТЛ, два коэффициента (число больных туберкулёзом постоянных жителей, у которых туберкулёз был выявлен посмертно, и среднегодовая численность населения), стали статистически малозначимыми (p>0,1) и были удалены из модели.

При добавлении охвата населения профилактическими осмотрами (число осмотренных с целью выявления туберкулёза, тыс. человек), AIC был ниже, чем при добавлении числа лиц, охваченных профилактическими флюорографическими осмотрами (207 и 212, соответственно).

При добавлении в модель числа некурабельных пациентов, состоящих во 2Б ГДН (2БГДН), параметр «число больных, состоящих на диспансерном наблюдении на окончание года за исключением ТБ/ВИЧ» становится статистически малозначимым (p>0,1), что позволило его удалить. Подробно подбор показателей отражён в таблице 1.

Таблица 1

Процесс подбора показателей регрессионной модели Пуассона для прогнозирования зависимости числа умерших от туберкулёза от величины иных абсолютных статистических показателей и переменной, учитывающей способ кодировки случаев туберкулёза в сочетании с ВИЧ (кодирование ТБ/ВИЧ)

Примечание: ТБ/ВИЧ – туберкулез с ВИЧ; СГЧН – среднегодовая численность населения; ФКТЛ - фиброзно-кавернозный туберкулёз лёгких; МЛУ ТОД - туберкулёз органов дыхания с множественной лекарственной устойчивостью; ОПО - охват профилактическими осмотрами; 2Б ГДН – больные туберкулезом, у которых не проводится химиотерапия и излечение которых не может быть достигнуто

Итоговые значения коэффициентов подобранной модели и их 95% доверительные интервалы приведены в таблице 2

Таблица 2

Коэффициенты подобранной модели регрессии Пуассона

Примечание: ТБ/ВИЧ – туберкулез с ВИЧ; ФКТЛ - фиброзно-кавернозный туберкулёз лёгких; МЛУ ТОД - туберкулёз органов дыхания с множественной лекарственной устойчивостью; ОПО - охват профилактическими осмотрами; 2Б ГДН – больные туберкулезом, у которых не проводится химиотерапия и излечение которых не может быть достигнуто

Подобранные коэффициенты использовали в виде формулы: EXP(8,623775+кодирование ТБ/ВИЧ*0,1379226+ФКТЛ*0,00002408042+МЛУ ТОД*0,00001320082-ОПО*0,000005360533+2БГДН*0,00002295193). Значения исходных данных, расчётное число умерших от туберкулёза и его сопоставление с фактическими значениями представлено в таблице 3.

Таблица 3

Исходные показатели, расчёт числа умерших от туберкулёза и его сопоставление с фактическим числом умерших от туберкулёза, 2009–2023 гг.

Примечание: ФКТЛ - фиброзно-кавернозный туберкулёз лёгких; МЛУ ТОД - туберкулёз органов дыхания с множественной лекарственной устойчивостью; ОПО - охват профилактическими осмотрами; 2Б ГДН – больные туберкулезом, у которых не проводится химиотерапия и излечение которых не может быть достигнуто

Полученные расхождения результатов моделирования с фактическими результатами невелики по сравнению с числом умерших и не превышают 2% за исключением периода пандемии COVID-19, когда расчётное число умерших в 2020 г. было больше фактического на 2,1%, а в 2021 – меньше фактического на 3,6%.

Обсуждение

На наш взгляд, важным параметром полученной модели является то, что она не включает в каком-либо виде непосредственное число умерших в результате какого-либо процесса. Однако при этом модель отражает основные параметры, влияющие на число умерших от туберкулёза, управление которыми может повлиять на снижение числа умерших от туберкулёза. Активный подход к выявлению больных туберкулёзом, выражаемый в охвате профилактическими осмотрами населения с целью выявления туберкулёза, приводит к снижению риска летального исхода, что согласуется, в том числе, с данными исследований [10,11]. Также показана существенная роль в летальности больных с фиброзно-кавернозным туберкулёзом лёгких от туберкулёза [12]. Высокая летальность характерна и для пациентов, получающих лечение по поводу туберкулёза с множественной лекарственной устойчивостью микобактерий туберкулёза, что подтверждается данными статистического наблюдения [13]. Стратегией по ликвидации туберкулёза [1] предусмотрен рост доли успешного лечения больных туберкулёзом до 90%; на реализацию этой стратегии направлено поручение Министра здравоохранения России от 07.02.2023 № 19, предусматривающее рост доли успешного лечения больных туберкулёзом с множественной лекарственной устойчивостью микобактерий туберкулёза до 80% [14]. К сожалению, по состоянию на 2023 год целевое значение данного показателя было достигнуто лишь в двух субъектах Российской Федерации: Ивановской области и Ямало-Ненецком автономном округе [13] (доля умерших от туберкулёза среди случаев лечения по режимам для туберкулёза с множественной лекарственной устойчивостью микобактерий туберкулёза в указанных субъектах действительно мала – 1,3% и 1,2%, соответственно).

К сожалению, нам не удалось найти исследований, рассматривающих летальность некурабельных пациентов, однако учитывая то, что без применения антибактериальной терапии, но при условии применения санаторно-курортного лечения ранее излечивалось не более 1/3 пациентов [15], вряд ли можно ожидать высокой продолжительности жизни пациентов, которых не удалось излечить в ходе курса химиотерапии, и которые не подлежат санаторно-курортному лечению. Наше исследование дополнительно подтверждает справедливость компонентов Стратегии по ликвидации туберкулёза: «лечение всех больных туберкулезом, включая лекарственно-устойчивый туберкулез, и поддержка пациентов», «Политика всеобщего охвата услугами здравоохранения и нормативная база для уведомления о случаях заболевания, регистрации актов гражданского состояния, качественного и рационального использования лекарственных средств и инфекционного контроля» [1].

Нам было интересно проверить полученную нами модель на более ранних (до 2009 года) данных (таблица 4). К сожалению, для данного временного отрезка отсутствуют точные статистические данные о числе некурабельных пациентов; мы попробовали ликвидировать этот пробел при помощи регрессионного анализа данного показателя, основанного на данных 2009–2023 гг. (рис. 2).

Рис. 2. Динамика числа некурабельных пациентов в 2009–2023 гг. и описывающая её регрессионная модель

Поскольку ретроспективное прогнозирование было рассчитано на относительно малый временной отрезок, мы посчитали целесообразным остановиться на полиномиальной модели, удовлетворительно описывающей тенденцию.

Таблица 4

Исходные показатели, расчёт числа умерших от туберкулёза в соответствии с предлагаемой моделью и его сопоставление с фактическим числом умерших от туберкулёза, 2005–2008 гг.

Примечание: ФКТЛ - фиброзно-кавернозный туберкулёз лёгких; МЛУ ТОД - туберкулёз органов дыхания с множественной лекарственной устойчивостью; ОПО - охват профилактическими осмотрами; 2Б ГДН – больные туберкулезом, у которых не проводится химиотерапия и излечение которых не может быть достигнуто

Значительные расхождения между расчётным и фактическим числом умерших от туберкулёза отмечались только в 2006 году; при этом модель давала более пессимистичный прогноз по сравнению с фактическим числом. В целом, представленные данные позволяют предполагать работоспособность модели на новых данных и способность её применения для прогнозирования показателя числа умерших и показателя смертности от туберкулёза сразу после приёма годовых статистических отчётов по формам федерального статистического наблюдения № 30 «Сведения о медицинской организации» и № 33 «Сведения о больных туберкулёзом».

Заключение

Полученная модель свидетельствует о правильности российского подхода к активному выявлению больных туберкулёзом. Однако для снижения смертности требуется проведение дополнительных исследований, позволяющих проследить пути формирования групп пациентов, страдающих фиброзно-кавернозным туберкулёзом лёгких, а также некурабельных пациентов с целью профилактики формирования указанных групп. Также требуется разработка программ по повышению доли успешного лечения больных туберкулёзом с множественной лекарственной устойчивостью микобактерий туберкулёза.

Представленный подход можно применить для прогнозирования числа умерших от туберкулёза после получения статистических данных по формам федерального статистического наблюдения № 30 «Сведения о медицинской организации» и № 33 «Сведения о больных туберкулёзом».

Библиография

1. The End TB strategy. WHO/HTM/TB/2015.19 [Электронный ресурс]. Режим доступа: https://www.who.int/publications/i/item/WHO-HTM-TB-2015.19 (дата доступа 05.08.2024).
2. Московская декларация по ликвидации туберкулеза. Москва, 2017: 7. Режим доступа: https://critub.ru/wp-content/uploads/moscow-declaration-on-elimination-of-tuberculosis.pdf (дата доступа: 05.08.2024)
3. Саенко С.С. Совершенствование организации лечения больных туберкулёзом в современных условиях. Дисс. канд. мед. наук. Москва, 2021. 230 с.
4. Makhmudova M., Maxsumova Z., Rajabzoda A., Makhmadov A., van den Hof S., Mirtskhulava V. Risk factors for unfavourable treatment outcomes among rifampicin-resistant tuberculosis patients in Tajikistan. The International Journal of Tuberculosis and Lung Disease. 2019;23(3):331–336. DOI: 10.5588/ijtld.18.0311.
5. Nicholson T.J., Hoddinott G., Seddon J.A., Claassens M.M., van der Zalm M.M., Lopez E., et al. A systematic review of risk factors for mortality among tuberculosis patients in South Africa. BMC 2023;12:23. DOI: 10.1186/s13643-023-02175-8
6. Nordholm A.C., Andersen A.B., Wejse C., Norman A., Ekstrøm C.T., Andersen P.H., Lillebaek T., Koch A. Mortality, risk factors, and causes of death among people with tuberculosis in Denmark, 1990-2018. International Journal of Infectious Diseases 2023;130: 76–82. DOI: 10.1016/j.ijid.2023.02.024.
7. Bukundi E.M., Mhimbira F., Kishimba R., Kondo Z., Moshiro C. Mortality and associated factors among adult patients on tuberculosis treatment in Tanzania: A retrospective cohort study. Journal of Clinical Tuberculosis and Other Mycobacterial Diseases. 2021;24:100263. DOI: 10.1016/j.jctube.2021.100263.
8. Akaike, H. A new look at the statistical model identification. IEEE Transactions on Automatic Control. 1974;19:716–723.
9. О порядке кодирования и выбора первоначальной причины смерти у пациентов с установленным диагнозом болезни, вызванной ВИЧ. Письмо Минздрава России от 25 марта 2016 № 13-2/2-74. Режим доступа: https://docs.cntd.ru/document/563546689 (Дата доступа: 05.08.2024).
10. Стерликов С.А., Галкин В.Б., Малиев Б.М., Широкова А.А., Хоротэтто В.А., Майжегишева А.С. Влияние активного выявления случаев туберкулеза на результаты лечения взрослых пациентов с туберкулезом легких. Туберкулёз и болезни лёгких. 2021;99(7):33–40. DOI: 10.21292/2075-1230-2021-99-7-33-40.
11. Стерликов С.А., Тестов В.В. Роль активного выявления случаев туберкулёза в снижении летальности от туберкулёза. В кн.: Тезисы Всероссийской научно-практической конференции с международным участием «Туберкулёз в XXI веке: новые задачи и современные решения» (1-2 июня 2016 года, Москва). Москва: РОФ, 2016. С. 99.
12. Нечаева О.Б., Скачкова Е.И. Причины смерти от туберкулеза в муниципальных образованиях Свердловской области. Проблемы туберкулеза и болезней легких. 2005;(6):29–32.
13. Отраслевые и экономические показатели противотуберкулёзной работы в 2021–2022 гг. Статистические материалы. Москва: ФГБУ «НМИЦ ФПИ» Минздрава России, 2023. 56 с.
14. Поручение Министра здравоохранения от 07.02.2023 № 19. Режим доступа: http://gigapeta.com/dl/11097718a743e5c (дата доступа: 05.08.2024).
15. Шестопал А. Питание, климатическое и лекарственное лечение больных лёгочным туберкулёзом. Москва: типография Придворного поставщика И.Г. Чуксина. 1899: 179 с.

References

1. The End TB strategy : WHO/HTM/TB/2015.19 [Электронный ресурс]. Available from: https://www.who.int/publications/i/item/WHO-HTM-TB-2015.19 (Date accessed: Aug 05, 2024).
2. Moscow Declaration to End TB. Available from: https://critub.ru/wp-content/uploads/moscow-declaration-on-elimination-of-tuberculosis.pdf (Date accessed: Aug 05, 2024). (In Rus.)
3. Saenko S.S. Improving the organization of treatment of patients with tuberculosis in modern conditions. Cand.Med.Sci. Moscow. 2021. 230 p. (In Rus.).
4. Makhmudova M., Maxsumova Z., Rajabzoda A., Makhmadov A., van den Hof S., Mirtskhulava V. Risk factors for unfavourable treatment outcomes among rifampicin-resistant tuberculosis patients in Tajikistan. The International Journal of Tuberculosis and Lung Disease. 2019;23(3):331–336. DOI: 10.5588/ijtld.18.0311.
5. Nicholson T.J., Hoddinott G., Seddon J.A., Claassens M.M., van der Zalm M.M., Lopez E., et al. A systematic review of risk factors for mortality among tuberculosis patients in South Africa. BMC 2023;12:23. DOI: 10.1186/s13643-023-02175-8
6. Nordholm A.C., Andersen A.B., Wejse C., Norman A., Ekstrøm C.T., Andersen P.H., Lillebaek T., Koch A. Mortality, risk factors, and causes of death among people with tuberculosis in Denmark, 1990-2018. International Journal of Infectious Diseases. 2023;130: 76–82. DOI: 10.1016/j.ijid.2023.02.024.
7. Bukundi E.M., Mhimbira F., Kishimba R., Kondo Z., Moshiro C. Mortality and associated factors among adult patients on tuberculosis treatment in Tanzania: A retrospective cohort study. Journal of Clinical Tuberculosis and Other Mycobacterial Diseases. 2021;24:100263. DOI: 10.1016/j.jctube.2021.100263.
8. Akaike, H. A new look at the statistical model identification. IEEE Transactions on Automatic Control. 1974;19:716–723.
9. On the procedure for coding and selecting the underlying cause of death in patients with an established diagnosis of a disease caused by HIV. Pis'mo Minzdrava Rossii ot 25 marta 2016 № 13-2/2-74. Available from: https://docs.cntd.ru/document/563546689 (Date accessed: Aug 05, 2024). (In Rus.)
10. Sterlikov S.A., Galkin V.B., Maliev B.M., Shirokova A.A., Khorotetto V.A., Mayzhegisheva A.S. Impact of active tuberculosis case finding on treatment outcomes in adult patients with pulmonary tuberculosis. Tuberkulez i bolezni legkikh 2021;99(7):33–40. DOI: 10.21292/2075-1230-2021-99-7-33-40. (In Rus.)
11. Sterlikov S.A., Testov V.V. The Role of Active TB Case Detection in Reducing TB Mortality. In: Tezisy Vserossiyskoy nauchno-prakticheskoy konferentsii s mezhdunarodnym uchastiem «Tuberkulez v XXI veke: novye zadachi i sovremennye resheniya» 1-2 iyunya 2016 goda. Moscow: ROF:99. (In Rus.)
12. Nechaeva O.B., Skachkova E.I. Causes of death from tuberculosis in municipalities of the Sverdlovsk region. Problemy tuberkuleza i bolezney legkikh 2005;(6):29–32. (In Rus.)
13. Sectoral and economic indicators of anti-tuberculosis work in 2021–2022. Moscow: Federal State Budgetary Institution "NMITs FPI" of the Ministry of Health of the Russian Federation, 2023:56 p. (In Rus.)
14. Instruction of the Minister of Health dated 07.02.2023 No. 19. Available from: http://gigapeta.com/dl/11097718a743e5c (Date accessed: Aug 05, 2024). (In Rus.)
15. Shestopal A. Nutrition, climatic and medicinal treatment of patients with pulmonary tuberculosis. Moscow: tipografiya Pridvornogo postavshchika I.G. Chuksina. 1899: 179 p. (In Rus.)

Дата поступления: 04.09.2024

Добавить комментарий

Пожалуйста оставляйте комментарии только по теме. Вы можете оставить свой комментарий любым браузером кроме Internet Explorer старше 6.0
Имя:
E-mail
Комментарий:
Код:*