Ученые Пермского национального исследовательского политехнического университета разработали математическую модель для оценки совокупного влияния различных факторов окружающей среды и условий труда на здоровье человека. Новая система позволяет не только определять уровень риска, но и выявлять основной источник опасности. Проверка на реальных данных показала точность прогнозов на уровне 92–95%, а сама разработка уже утверждена Роспотребнадзором и рекомендована для практического применения.
Читайте: Россиянам готовят новые запреты: что изменится уже в ближайшее время
Проблема комплексного воздействия факторов на здоровье остается одной из наиболее актуальных. На состояние человека одновременно влияют качество воздуха, состав питьевой воды, санитарно-гигиенические условия, шум, вибрация и производственные нагрузки. По оценкам Всемирной организации здравоохранения, заболевания, связанные с питьевой водой, ежегодно становятся причиной около одного миллиона смертей, а загрязнение воздуха приводит примерно к семи миллионам смертей в год. В России более 4,8 миллиона человек, что составляет почти 35% работников, заняты на работах с вредными или опасными условиями труда.
Для оценки подобных рисков сегодня применяются различные индексы, классификаторы и шкалы опасности. Они создаются на основе статистических методов и машинного обучения. Однако такие инструменты обычно показывают только вероятность возникновения заболевания и не позволяют определить, какой именно фактор оказывает наибольшее влияние. Это затрудняет принятие решений о том, какие меры необходимо предпринимать в первую очередь для снижения риска.
Разработанная в ПНИПУ модель основана на принципах нечеткой логики. В отличие от традиционных математических подходов она способна учитывать не только числовые показатели, но и качественные характеристики. Система самостоятельно определяет, к какому уровню опасности относятся полученные значения — низкому, среднему, повышенному или высокому.
Как рассказала заместитель декана по учебной работе факультета прикладной математики и механики, кандидат физико-математических наук, старший преподаватель кафедры «Высшая математика» ПНИПУ Анна Савочкина, модель анализирует широкий набор данных. В расчет принимаются показатели загрязнения воздуха, включая пыль, диоксид азота, формальдегид и бензол, параметры качества питьевой воды, данные о шуме и вибрации, а также сведения о стаже работы, возрасте и условиях труда или учебы. Информация поступает как из открытых источников, так и в ходе натурных наблюдений.
Для проверки разработки специалисты использовали реальные данные о качестве питьевой воды одного из российских регионов за несколько лет. Анализировались такие показатели, как запах, цветность воды, содержание алюминия, марганца и хлоридов. По результатам расчетов совокупный риск за трехлетний период снизился с повышенного до среднего уровня.
По словам Анны Савочкиной, полученные результаты совпали с выводами санитарных врачей, которые проводили независимую экспертную оценку на основе тех же данных. Средняя погрешность модели составила около 5–7%. Это подтвердило способность системы корректно оценивать общий уровень риска даже при большом количестве цифровых и качественных показателей.
Авторы разработки отмечают, что модель может одновременно учитывать факторы из разных сред и оценивать их совокупное влияние на здоровье. По данным исследователей, классические статистические методы обеспечивают точность прогнозов на уровне 75–89%, а системы машинного обучения — 85–96%, однако зачастую не объясняют причины полученного результата. Новая модель показывает не только итоговый уровень риска, но и вклад каждого фактора в его формирование.
На базе разработки созданы четыре программных комплекса. Они предназначены для оценки эффективности мероприятий по охране атмосферного воздуха, повышения качества питьевой воды, анализа влияния условий в образовательных учреждениях на здоровье школьников, а также прогнозирования профессиональных рисков. Роспотребнадзор официально утвердил эти решения и рекомендовал использовать их в работе надзорных органов. Кроме того, модель может применяться для оценки рисков, связанных с шумом в жилой среде, качеством продуктов питания и последствиями химических аварий, а также для планирования профилактических мероприятий на конкретных территориях.
Читайте также: