Введение

Актуальность исследования. По данным статистики проблема ВИЧ в РФ растет из года в год. Наиболее проблемные регионы – Урал, Сибирь. Именно те регионы, на которые страна возлагает особые надежды, особенно, в части ресурсов. Эти регионы, богатые ресурсами, также требуют для освоения ресурсов и здорового населения. Требуется всемерная защита населения РФ от такого опасного заболевания, как ВИЧ.

Анализ динамики  числа заболеваний ВИЧ и построение соответствующей математической модели обеспечит наличие прогноза дальнейшего количества числа заболеваний ВИЧ. Что, в свою очередь, позволит заранее разработать мероприятия по борьбе с распространением и ростм числа заболеваний ВИЧ. Здоровье населения – главный приоритет для государства. [1]

Цель исследования – анализ динамики числа больных ВИЧ за период 2000-2022г.г.

Объект исследования – ВИЧ заболевания в РФ.

Предмет исследования – прогноз динамики числа ВИЧ заболеваний.

Задачи исследования:

• собрать достоверные статистические данные по числу ВИЧ заболеваний в РФ;
• произвести анализ динамики числа онкологических заболеваний;

указать дальнейшие направления исследования.

Методы

 Основные методы, применяемые в исследовании – анализ, сравнение, статистический  анализ.

Результаты

Численность больных с диагнозом «ВИЧ», находящихся на учете в лечебно-профилактических учреждениях, представлена в табл.1.

Таблица 1

Численность больных ВИЧза 2000-2022г.г., чел.*

*- составлено автором по данным Росстата

Заболеваемость ВИЧ отражена в Российском статистическом ежегоднике, раздел 8 «Здравоохранение», таблица 8.18.

Сформируем модель ARIMA для динамики числа ВИЧ заболеваний в РФ.

Проверим исходный ряд тестом Дики-Фуллера. Исходный ряд нестационарный:

1)для модели без константы р=1,0;

2) для модели с константой р=0,9918;

3) для модели с константой и трендом р=0,9131.

Рассмотрим логарифм ряда:

для модели с константой и трендом р=2,033е-22.

Будем работать с временным рядом из логарифмов dN.

В процессе сравнения различных спецификаций модели ARIMA выбрали спецификацию AR=1(авторегрессия первого порядка), I=0, MA=0(среднее скользящее отсутствует).

Для этого варианта оценки значимы (табл.2).

Таблица 2

Значимость оценок модели

Авторегрессия первого порядка (AR=1), разность в данном ряду отсутствует (S=0), среднее скользящее отсутствует (MA=0). Оценки значимы на 1% уровне.

Рассмотрим коррелограммы остатков модели (рис.1).

Рис.1. Коррелограмма остатков ACF и PACF модели

На коррелограммах остатков выбросов нет, автокорреляции остатков нет, модель можно признать удовлетворительной.

Получили следующую модель динамики числа ВИЧ заболеваний (1).

Ряд ln(Nt) представляет AR1 процесс. Модель можно применять для получения прогноза числа ВИЧ заболеваний в РФ. Модель предполагает рост числа ВИЧ заболеваний в РФ.

Выводы

Результат исследования.

1) Построена прогнозная модель числа ВИЧ заболеваний в РФ (1). В соответствии с прогнозной моделью число ВИЧ заболеваний в РФ будет расти.

2) Предложено дальнейшее направление исследования: рассмотреть динамику числа ВИЧ заболеваний в РФ по регионам. Выявить регионы, в которых скорость роста числа ВИЧ больных наибольшая.