Пакет для оценки и прогнозирования групп риска и эпидемий ВИЧ Пакет ПОП, разработанный ЮНЭЙДС/ВОЗ Тим Браун Центр «Ист-Уэст»/Общество Красного Креста Таиланда.

Презентация:



Advertisements
Похожие презентации
Обоснование необходимости оценок распространенности ВИЧ/СПИД l Пропаганда: «Инфицировано xx человек. YY миллионов человек умерло, а мы/вы не сделали все,
Advertisements

АНАЛИЗ ДАННЫХ НА КОМПЬЮТЕРЕ. Регрессионный анализ.
Относительные статистические величины Лекция 3. относительные величины это обобщающие показатели, выражающие меру количественных соотношений, присущих.
Использование электронной таблицы для численного моделирования Подбор параметров.
Средняя школа год разработка Агрба Л. М. Далее Информатика и ИКТ ПОНЯТИЕ ТРЕНДА.
ПРО- ГНОЗИ- РОВАНИЕ Маркин Сергей Менеджмент 2 КУРС.
Относительные статистические величины Лекция 3. относительные величины это обобщающие показатели, выражающие меру количественных соотношений, присущих.
Афанасьева С.В.. Data Mining (Интеллектуальный анализ данных) - это технология выявления скрытых взаимосвязей внутри больших баз данных. Является службой.
Временные ряды в эконометрических исследованиях..
Тема 4. Модели принятия решений Концептуальные модели развития человеческого общества (организации) в целом Органическая модель предполагает, что.
Обзор имеющихся инструментов: Представление различных инструментов и их применимости к нуждам политического планирования 27 мая 2008 г. София, Болгария.
АНАЛИЗ ТРЕНДОВ И ВРЕМЕННЫХ РЯДОВ. Введение Временные ряды отличаются от обычных данных об одном временном срезе в том отношении, что в случае временных.
Линейная модель парной регрессии и корреляции. 2 Корреляция – это статистическая зависимость между случайными величинами, не имеющими строго функционального.
Государственное образовательное учреждение высшего профессионального образования «Государственный университет управления» (ГУУ) к.э.н., доц. Панфилова.
Решение задач оптимизации в MS Excel ГБОУ Центр образования 133 Невского района авт. Баринова Е. А.
Использование прикладного ПО для решения задач по теме «Линейная парная регрессия»
Лекция 10 Временные ряды в эконометрических исследованиях.
Демографические модели Лекция 3. Характеристики и свойства моделей. Гибкость и внутренняя непротиворечивость модели. Горизонт моделирования, горизонт предсказания.
МОУ « Средняя общеобразовательная школа 14 с углубленным изучением отдельных предметов » авт. Кудимова Н. В.
Вычислительный аспект задач построения трендов Выполнил: Большаков М.А. Дипломный руководитель: Вьюненко Л.Ф.
Транксрипт:

Пакет для оценки и прогнозирования групп риска и эпидемий ВИЧ Пакет ПОП, разработанный ЮНЭЙДС/ВОЗ Тим Браун Центр «Ист-Уэст»/Общество Красного Креста Таиланда – сотрудничество в рамках борьбы с ВИЧ: моделирование, анализ и определение политики, Апрель 2003 г.

Конечная цель Разработать простую модель, которая –Позволит странам оценивать текущую нагрузку со стороны ВИЧ –Позволит выполнять краткосрочные прогнозы (5- летний период) –Будет вероятностной с эпидемиологической точки зрения –Позволит получать реальные тренды развития ВИЧ –Может применяться внутри страны В идеальном варианте это должна быть отдельная кривая, которая должна отражать все ситуации, однако ….

Парафразируя Уилли Фаулера: Одной из величайших трагедий современной эпидемиологии является убийство элегантных моделей холодными и неприглядными данными Мы пытаемся подобрать простые модели, но они никогда не подходят достаточно точно ……

Неприятные уроки, которые мы извлекаем в реальной жизни Динамика реальных эпидемий ВИЧ является сложной Мы никогда не имеем дела с «единой» эпидемией Каждая эпидемия состоит из множества подэпидемий –Которые затрагивают различные группы населения –Развиваются в различных географических районах –Имеют различную скорость развития

Неприятные уроки, которые мы извлекаем в реальной жизни Для моделирования эпидемии в большой стране необходимо разбить ее на несколько географических районов –Картина в больших странах, таких как Китай, Индия и Индонезия, является неясной Генерализованные эпидемии, развивающиеся в городских и сельских районах, зачастую сильно отличаются между собой –По интенсивности –По времени

Неприятные уроки, которые мы извлекаем в реальной жизни Концентрированные эпидемии радикально отличаются в зависимости от страны –По степени развития в различных группах населения –По времени начала эпидемии –По скорости развития подэпидемий

Таким образом, нам необходим инструмент, который …. Позволит учитывать географическое разнообразие Позволит интегрировать эпидемии, развивающиеся в различных группах населения Позволит получить различные модели для каждой из тенденций развития ВИЧ с разбивкой по географическим районам и группам населения Позволит упростить процесс комбинирования подэпидемий для получения подлинно национальной эпидемии

Подход Необходимо начинать с имеющихся данных, отражающих тенденции в развитии ВИЧ Необходимо подбирать модель на основании имеющихся данных –Проверять возможные эпидемиологические параметры –Выбирать некий набор для минимальных наименьших квадратов Прогнозировать будущее развитие на основании подходящих параметров

Подбор модели эпидемии

Почему бы не использовать гамма- функцию? Модель эпидемии основана на гамма-функции, видоизмененной с учетом показателя смертности от ВИЧ, но …. Показатель частоты заболеваний всегда обращается в ноль, таким образом гамма- функция не позволяет воспроизвести эндемические эпидемии –Кратковременные модели аппроксимации обычно занижают долгосрочные тренды распространенности и всегда дают уменьшающиеся тренды –Использование большего числа дынных уменьшает глубину, однако не позволяет отразить эндемическое состояние

Гамма-функция соответствует данным, полученным для Конго

Что мы подбираем – модель, разработанная специальной группой Используется вероятностная эпидемиологическая модель Учитываются изменения в группах населения во времени Аппроксимируются 4 параметра –r – регулирование прироста –f 0 – пропорция новых членов, включаемых в группы риска –t 0 – год начала эпидемии – – параметр, отражающий изменение поведения

Аппроксимация по данным, полученным специальной группой для Конго

Параметры модели, полученной специальной группой t0t0 f0f0 r

Результат изменения r – прирост r 2r r/2

Результат изменения f 0 – новые члены групп риска f0f0 2f 0 f 0 /2

Результат изменения t 0 – начало эпидемии t 0 = 2000 t 0 = 1990 t 0 = 1980

Результат изменения phi – вовлечение новых членов =100 = -100 = 0

Страница «Прогнозирование» в ПОП

Построение национальной эпидемии в ПОП Аппроксимация кривой –Базовая единица расчета –Характеризует конкретную группу населения, уязвимого к ВИЧ –ПОП собирает демографические данные и тренды развития ВИЧ для такой группы населения Затем осуществляется подбор модели, разработанной специальной группой, в соответствии с трендами развития ВИЧ в такой группе населения C

Построение национальной эпидемии в ПОП Подэпидемия –Включает одну или несколько кривых аппроксимации –Может включать другие подэпидемии –Общий показатель развития ВИЧ в группе населения получается путем суммирования показателей ВИЧ по соответствующим кривым и подэпидемиям SE1 CC SE2 C

Построение эпидемии в ПОП Рабочий набор (национальная эпидемия) –Включает все кривые аппроксимации и подэпидемии, использованные для построения национальной эпидемии –Подэпидемии также можно использовать для получения моделей для различных географических районов Общая эпидемия ВИЧ представляет собой сумму подэпидемий ВИЧ по всем кривым, включенным в рабочий набор

Дерево «Рабочий набор» SE1 CC SE2 C Рабочий набор CC

Примеры рабочих наборов - Ботсвана Ботсвана СелоГород

Примеры рабочих наборов - Таиланд Север ЖРСБ Таиланд Северо- восток Центр Юг БКК КлиентПИН Остальные ЖРСБКлиентПИН Остальные

Шаблоны – заранее определенные эпидемии Шаблоны по умолчанию –Концентрированная –Городская-Сельская Пользователь может создавать и именовать свои шаблоны –Географическая разбавка –Конкретные группы населения

Демо I Страница «Рабочий набор» Создание рабочего набора Создание рабочего набора по шаблону Страница «Определение эпидемии» Добавление и удаление кривых аппроксимации Добавление и удаление подэпидемий Добавление шаблона

Страница «Рабочий набор» в ПОП Панель «Рабочий набор» Панель «Шаблон» Структура эпидемии Выбор названия и страны

Страница «Определение эпидемии» в ПОП Структура эпидемии Пользователь может добавлять и удалять кривые и подэпидемии

Определение ваших групп населения в ПОП Указать базовый год и общую численность за этот год –По умолчанию: численность населения за 2003 г. по данным ООН Для базового года –Указать численность каждой группы населения –Уменьшить нераспределенное население до нуля

Определение ваших групп населения в ПОП Выбрать характеристики особых групп населения –МСМ, ПИН, ЖРСБ, Клиенты, СПИ или группы низкого риска Задать демографические параметры –Пропорция мужчин –b – рождаемость –mu – смертность –l15 – число выживших до 15 лет –gr – прирост населения в группе старше 15 лет

Демо II Страница «Определение населения» Назначение группы населения и ее распределение по кривым аппроксимации в рабочем наборе

Страница «Определение групп населения» в ПОП Общая численность населения в стране и население, Нераспределенное по группам Особые характеристики Демографич.данные

Страница «Ввод данных» в ПОП Названия районов, определяемые пользователем Автоматич.средние и медианные значения Распространенность по районам и годам

Корректировка данных в ПОП Корректировка показателя распространенности Годовой прирост или уменьшение для переменной комбинации районов с высоким и низким уровнем распространенности –Коэффициент поправки 0,8 для сельских районов по умолчанию – завышает фактический показатель распространенности в большинстве районов Веса –Применяются для каждого конкретного района Избирательное включение районов –Дважды щелкнуть на ячейке – позволяет включить/исключить определенные районы

Корректировка распространенности на странице «Ввод данных» Уменьшить или увеличить значения показателя распространенности, используя их для аппроксимации –Внести поправку на отсутствие репрезентативности для имеющихся районов эпиднадзора –Если имеет место занижение показателя распространенности, использовать коэффициент поправки > 1,0 –Если имеет место завышение, использовать коэффициент поправки < 1,0 –Рекомендации специальной группы для сельских районов – при прогнозировании использовать коэффициент 0,8

Веса и кнопки-флажки на странице «Ввод данных Веса, используемые при расчете средних значений, медианных значений и наименьших квадратов Кнопки-флажки полностью исключают районы

Демо III Страница «Ввод данных» Результаты использования поправок к показателю распространенности, весов и кнопок-флажков

Страница «Прогнозирование» в ПОП Что и как подбирать Исходные допущения

Страница «Прогнозирование» в ПОП – свойства Позволяет подбирать различные параметры –Все данные –Медианные значения –Средние значения Все подборы выполнены с использованием поправок, выбором районов и применением весов – выбирается пользователем на странице «Ввод данных»

Страница «Прогнозирование» в ПОП – свойства Позволяет подбирать различными путями –Установить t0, изменить r, f0 и phi (по умолчанию) –Подобрать все переменные (t0, r, f0 и phi) –Установить r, изменить все остальное –Установить f0, изменить все остальное Если щелкнуть по Задать неизменный phi, аппроксимация phi не выполняется Пользователь может изменить исходные допущения

Страница «Прогнозирование» в ПОП Оптимальный подбор и изменение пользователем

Страница «Прогнозирование» в ПОП – свойства Позволяет изменять параметры вручную после подбора и сохранения результатов Позволяет вернуться к оптимальному подбору, если вы получили неверные сочетания

Страница «Результаты» в ПОП Позволяет проанализировать любое сочетание кривых аппроксимации и подэпидемий Позволяет построить первоначальные данные Позволяет проследить тренды, характеризующие показатель распространенности, число ВИЧ+ и численность групп населения Позволяет просматривать численные результаты Позволяет создавать файл Spectrum

Страница «Результаты» в ПОП Какие показывать подборы кривых и подэпидемий Получить числа, экспортировать в Spectrum График результатов Что показывать

Страница «Контрольная проверка» Необходимо проверить ваши концентрированные эпидемии по следующим параметрам: –Вероятностная численность групп населения –Максимальные наблюдаемые показатели распространенности –Отношение между группами с низким риском и высоким риском инфицирования

Страница «Контрольная проверка» Проверка численность групп населения Проверка «низкий риск/ высокий риск» Проверка распространенности

Демо IV Страница «Прогнозирование» Подборка модели эпидемии Страница «Результаты» Просмотр результатов «Контрольная проверка» Подтверждение полученной вами модели концентрированной эпидемии

Если у вас есть вопрос к любой странице ….. Просто нажмите кнопку Help! –Вы получите информацию для конкретной страницы –Более детальные пояснения

Когда мы используем ПОП? Рекомендации специальной группы: –Когда у нас есть данные, характеризующие тренды развития эпидемии среди групп риска

Как следует использовать ПОП? Для составления прогнозов на 5 лет –По умолчанию конечный год г. Пользователь может изменить год на странице «Рабочий набор», однако это делать не рекомендуется Проанализировать влияние компонентов подэпидемии и временные рамки –Проанализировать влияние различных групп населения –Проанализировать различные модели, подобранные для групп населения Время пиковых показателей, высоту пика, эндемический уровень

Технические вопросы использования ПОП Концентрированные эпидемии –Численность групп риска –Включение групп партнеров «низкого риска» –Использование «остального населения» Проанализировать валидность генерализации на основании данных ограниченных исследований групп риска

Технические вопросы использования ПОП Всегда –Анализировать влияние сильно отклоняющихся данных на аппроксимацию –Использовать «Контрольную проверку» для валидации данных с учетом международного опыта

Вопросы, которые следует учитывать Когда использовать ПОП и когда использовать электронные таблицы при анализе концентрированных эпидемий –Имеющиеся данные Тренды, необходимые для ПОП –Определенность оценочных данных о численности ключевых групп населения

Заключительные замечания Данные инструменты не могут заменить собой отсутствующие данные Данные инструменты не позволяют улучшить плохие данные –Принцип GIGO (бессмысленный ответ на бессмысленно поставленный вопрос) Таким образом, данные инструменты следует рассматривать как часть процесса, направленного на улучшение систем эпиднадзора и на подготовку более точных оценочных данных Этот процесс в дальнейшем себя исчерпает

Formal Model Description Z = at-risk population X = not at-risk population Y = infected N = X + Y + Z For those with strong stomachs (do not show after lunch):