Динамика перинатальной смертности (1000 новорожденных)

год	Абсолютный уровень	Абсолютный прирост	Темп роста , %		Темп прироста, %
			При изменяемой основе	При постоянной основе
1991	14,3	-	-	100,0	-
1992	7,4	- 6,9	51,7	51,7	- 48,3
1993	12,8	5,4	173,0	89,5	73,0
1994	12,3	- 0,5	96,1	86,0	- 3,9
1995	12,2	- 0,1	99,2	85,3	- 0,8
1996	12,2	0,0	100,0	85,3	0,0
1997	12,2	0,0	100,0	85,3	0,0
1997	11,2	- 1,0	91,8	78,3	- 8,2

Наблюдения, которые проводятся на протяжении длительного времени, не всегда дают возможность выявить тенденцию в динамике определенного явления. В подобных ситуациях целесообразно использование методов выравнивания динамического ряда, которые разделяются на две основные группы:

1. Сглаживание, или механическое выравнивание отдельных членов ряда с использованием фактических значений соседних рядов ( сведение ряда к одной основе, метод осреднения по левой или правой половине, метод увеличения интервала, метод групповой и скользящего среднего).

2. Выравнивание с использованием кривой, проведенной между конкретными уровнями т.о., что она отображает тенденцию, присущую ряду, и одновременно освобождает его от незначительных колебаний (выравнивание по методу наименьших квадратов),

Сведение ряда к одной основе проводится путем вычисления показателей наличия. Динамика в таком случае выражается достаточно четко.

Метод осреднения по левой или правой половине (графический метод). Ряд разделяется на две части, Для каждой его половины находится среднее арифметическое значение и проводится через полученные точки линия на графике.

Метод увеличения интервалов. Если рассматривать определенные медико-социальные показатели за ряд лет, то вследствие влияния разнообразных факторов можно отметить снижение и повышение отдельных уровней ряда. Это мешает выявить основную тенденцию развития определенного явления. Поэтому для наглядного представления динами используется метод, что базируется на увеличении периодов времени, к которым относятся уровни ряда. Например, ежедневно число вызовов скорой помощи можно заменить соответствующим показателем, определенным за неделю.

Метод скользящего среднего. Часто данный метод используют при проведении характеристики сезонных колебаний. Особенность его лежит в том, что проводится замена отдельных уровней ряда средними значениями, рассчитанными из достоверных и соседних уровней. Рассчитывают средний уровень для определенного числа ( чаще трех) первых по порядку уровней ряда, потом - средний уровень для аналогичного числа уровней, однако начиная со следующего , дальше с третьего и т.д. Таким образом, методика скользящего среднего позволяет выявить тенденцию, которая была замаскирована случайными колебаниями показателей.

Метод наименьших квадрата. Данная методика базируется на математическом законе - через ряд эмпирических точек можно провести только одну прямую линию, которая отвечает требованию: сумма квадратов отклонений фактических данных от выравниваемых будет наименьшей . По данному методу определяется линия, которая наиболее подходит для эмпирических данных и дает характеристику направленности исследуемого явления. Ею является парабола определенного порядка. Для примера рассмотрим выравнивание по прямой (парабола первого порядка).

Уравнение прямой линии имеет вид: y ^' =a₀ + a₁x ,

Где x- порядковый номер года или другого периода времени; y ^' - теоретические уровни; a₀ -начальный уровень a₁- начальная скорость ряда. Расчет по прямой по методу наименьших квадратов упрощается определенным подбором способа расчета времени (х), таким образом, чтоб S_x=0. При таких условиях расчет параметров a₀ и a₁-проводится по формулам:

где a₀ и a_1, Постоянные параметры для подстановки их в уравнение; x- число членов ряда; х - значение единицы времени.

Методика выравнивания приведена на примере динамики смертности детей в Украине за 1992-19998 годы (таблица 2).

1. Берем средний период времени за начало отсчета (1995 год). Время приведено в условных единицах от средины отсчета (ряд х), S_x=0.

2. Определяем постоянную величину уравнения (a₀):

a₀ = (∑ y ) : n =99,2 :2 =14,17

3. Получаем произведение ряда У на ряд Х. Для 1992 года: 14,0 * (-3)=-42,0.

4. Значения ряда (х) возводим в квадрат.

5. Определяем другую постоянную величину уравнения (a₁):

a₁=( ∑ xy ) : ( ∑x² =-5,6 : 28 =- 0,2

6. Определяем выравниваемые уровни ряда (У^'_x):

У_x = a₀ + a₁x

У₁ = 14,17 + (-0,2 )(-3)=14,77

У₂ = 14,17 + (-0,2 )(-2)=14,57

. . . . . .

У₇ = 14,17 + (-0,2 )( 3)=13,57

Анализ динамики медико-социальных явлений, определение и характеристика главных тенденций их развития формируют основу для дальнейшего прогнозирования, определения бедующих размеров уровня явления.

Таблица 2

Динамика смертности новорожденных в Украине (‰)

годы	Уровни ряда	Условный час	ху	x2	Выровненные данные У'x
1992	14,0	-3	-42,0	9	14,77
1993	14,9	-2	-29,8	4	14,57
1994	14,5	-1	-14,5	1	15,37
1995	14,7	0	0	0	14,17
1996	14,3	1	14,3	1	13,97
1997	14,0	2	28,0	4	13,77
1998	12,8	3	38,4	9	13,57
	∑∑y = 99,2		∑xy = -5,6	∑ x2 =28

Особенно актуальными вопросы прогнозирования становятся в условиях перехода на новую методологию обсчета определенных явлений, в период реформирования системы охраны здоровья. Прогнозирование предвидит сбережение основных закономерностей в будущем, таки образом, оно базируется на экстраполяции. Экстраполяция, которая направлена в будущее или прошлое, называется соответственно перспективной или ретроспективной.

Теоретической основой расширения тенденции в будущее есть инерционность основных социальных, медицинских, экономических процессов. Чем короче время экстраполяции, тем более надежен и точен ее прогноз. В зависимости от того, какие принципы и выходные данные положены в основу прогноза, выделяют следующие элементарные методы экстраполяции:

1. Среднего абсолютного прироста;

2. Среднего темпа роста;

3. Выравнивания рядов по определенной аналитической формуле, что является наиболее расширенным методом, методологическая основа которого приведена выше.

В процессе анализа динамических рядов иногда приходится определять некоторые неизвестные уровни в середине данного ряда, что имеет название интерполяция. Она базируется на принципах , аналогичных экстраполяции, однако степень точности прогнозирования ожидаемого результата значительно выше.