Роль барьеров в организационно-функциональной модели управления диспансеризацией взрослого населения сельских территорий

Профилактический медицинский осмотр (ПМО) и диспансеризация определенных групп взрослого населения (ДОГВН) остаются одним из ключевых инструментов государственной политики в области раннего выявления хронических неинфекционных заболеваний (ХНИЗ) и снижения преждевременной смертности [1]. Порядком, утвержденным приказом Минздрава России от 27.04.2021 №404н, предусмотрены два самостоятельных мероприятия, при этом ПМО проводится как отдельно, так и в составе первого этапа ДОГВН [1], вследствие чего они учитываются в одной форме отраслевой статистической отчетности. Вместе с тем анализ реальной практики показывает существенный разрыв между декларируемыми целями и достигнутыми результатами [2], а охват сельского населения на протяжении ряда лет ниже, чем в среднем по области [3].

Зарубежные исследования подробно характеризуют структуру барьеров участия в скрининговых программах, показывая ведущую роль транспортной и структурной доступности медицинской помощи [4, 5]. Отечественные работы [6, 7] указывают на преимущественно организационный, а не установочный характер барьеров такого участия, однако количественная величина эффекта территориальной удаленности для российского сельского населения остается изученной недостаточно, а организационные решения, адаптированные к территориям с низкой плотностью проживания, не разработаны.

Цель исследования — обосновать организационно-функциональную модель управления диспансеризацией сельского населения региона на основе количественной оценки барьеров ее прохождения, а также оценить эффективность апробации разработанной модели на пилотной территории в сопоставлении с контрольным районом.

Исследование выполнено в соответствии с действующим порядком проведения ПМО и ДОГВН и методическими рекомендациями по его организации [1, 8] на базе Терновского муниципального района Воронежской области, выступившего пилотной территорией. В качестве контрольной территории использован Воробьевский муниципальный район, сопоставимый по типу расселения, плотности населения, структуре первичного звена здравоохранения и не охваченный целевыми организационными вмешательствами в течение всего периода наблюдения. Оба района отнесены к территориям с низкой плотностью проживания по критерию плотности населения ниже 15 чел./км².

Исследование включало два аналитических блока с раздельными периодами. Медико-социологический блок выполнен в 2022—2023 гг. Блок оценки эффективности охватил 2022—2023 гг., в котором 2022 г. выступал базовым, а 2023 г. был периодом внедрения мероприятий; для проверки допущения о параллельности пред-трендов дополнительно использованы данные 2018—2022 гг.

Для оценки барьеров проведено анкетирование 511 взрослых жителей муниципальных районов с низкой плотностью проживания, стратифицированных по трем зонам удаленности от районной больницы (РБ): зона A — до 10 км (n=132), зона B — 10—30 км (n=315) и зона C — свыше 30 км (n=64). Получено информированное добровольное устное согласие участников (протокол этического комитета №5 от 18.10.2022). Значимость межгрупповых различий оценивали по критерию Пирсона χ²; для выявления независимых факторов выполнена серия многомерных логистических регрессий с включением зоны удаленности, пола, возраста, образования, занятости, дохода и наличия автомобиля. Качество моделей верифицировано показателем EPV, площадью под ROC-кривой (AUC) и тестом Хосмера—Лемешоу; для моделей с EPV <10 дополнительно выполнен анализ чувствительности методом Firth.

Эффективность модели оценена по данным официальной отраслевой статистической отчетности (форма №131/о) и данным Территориального фонда обязательного медицинского страхования (ОМС) Воронежской области. Ведущим показателем эффекта рассматривалось абсолютное число лиц, прошедших ПМО и ДОГВН, поскольку оно не зависит от административного пересмотра базы прикрепленного населения, произошедшего в обоих районах в 2022—2023 гг. Основным статистическим инструментом служил t-критерий Стьюдента для коэффициента взаимодействия «группа×период» в линейной регрессионной модели вероятности на индивидуальном уровне; для проверки устойчивости на мультипликативной шкале дополнительно применен метод разности разностей (DiD) на основе логарифма отношения шансов с тестом Вальда.

Анализ социально-демографического состава выборки показал статистически значимые межгрупповые различия по большинству изученных параметров. По мере увеличения удаленности населенного пункта от РБ возрастала доля мужчин (23,5—34,3—43,8%; χ²=9,007; p=0,011), снижалась доля лиц молодого возраста (28,8—20,3—6,2%; χ²=23,929; p<0,001) и уменьшался уровень образования, поскольку доля лиц с высшим образованием сокращалась с 53,0% в зоне A до 7,8% в зоне C (χ²=90,597; p<0,001).

Ведущим барьером явилась низкая транспортная доступность РБ. Данную причину отказа от прохождения ДОГВН указали 5,3% респондентов зоны A против 51,6% респондентов зоны C (χ²=61,631; df=10; p<0,001). Многомерный регрессионный анализ подтвердил, что проживание в зоне C является наиболее мощным независимым фактором транспортного барьера (ОШ=12,127; 95% ДИ 4,586—32,067; p<0,001) наряду с отсутствием личного автомобиля (ОШ=4,338; 95% ДИ 2,469—7,622) и проживанием в зоне B (ОШ=5,215; 95% ДИ 2,224—12,228; p<0,001 для обоих). Организационный барьер на уровне работодателя также нарастал с удаленностью (χ²=22,539; p<0,001; ОШ для зоны C 11,394; 95% ДИ 3,550—36,564).

Диагностика качества моделей показала удовлетворительную или хорошую различающую способность (AUC 0,70—0,87) и отсутствие статистически значимого отклонения калибровки по тесту Хосмера—Лемешоу (p>0,05 во всех моделях). Показатель EPV составил менее 10 для двух моделей (7,3 и 5,0 соответственно), в связи с чем выполнен анализ чувствительности методом Firth, подтвердивший направление и значимость всех ключевых ассоциаций при умеренном смещении точечных оценок.

Значимой находкой явилось то, что население отдаленных территорий не уступало, а по ряду показателей превосходило население ближней зоны по уровню мотивации. Жители зоны C чаще оценивали ДОГВН как полезное мероприятие (100,0% по сравнению с 90,2%) и чаще намеревались проходить ее регулярно (95,3% по сравнению с 84,8%; χ²=6,716; p=0,035), что подтвердил и многомерный анализ (ОШ=4,264 для зоны C; 95% ДИ 1,103—16,477; p=0,036). Таким образом, ведущая роль в ограничении участия принадлежит объективным логистическим и организационным барьерам, а не установочному компоненту, что согласуется с более ранними наблюдениями [6, 7] и уточняет их применительно к величине эффекта расстояния.

На основе установленной ведущей роли объективных барьеров при сохранной мотивации населения отдаленных территорий разработана организационно-функциональная модель управления ДОГВН сельского населения, реализуемая в рамках действующей нормативной базы [1] и доведенных субъекту объемов финансового обеспечения по ОМС, без привлечения дополнительных источников финансирования. Ключевой принцип модели состоит в переходе от пассивной организации, при которой население самостоятельно обращается в РБ, к управляемому проактивному охвату, при котором форма и интенсивность обслуживания каждого населенного пункта определяются не единым нормативом, а его положением в системе территориально-ресурсной стратификации. Подход развивает направления, отмеченные в исследованиях организации ДОГВН в условиях ограниченных кадровых ресурсов первичного звена [9].

Структурно модель включает три взаимосвязанных управленческих контура. Информационно-аналитический контур образует вход модели и функционирует на основе единого цифрового профиля территории, объединяющего по каждому населенному пункту семь слоев данных: геолокацию и транспортную связность, численность прикрепленного населения по половозрастным группам, структуру заболеваемости, кадровое обеспечение, диагностическую базу, транспортное обеспечение и экономические параметры. Исполнительный контур отвечает за выездное обслуживание населения. Управленческий контур обеспечивает оценку результативности и корректировку графика.

Ядром модели служит стратификация территории по трем зонам удаленности от РБ. Внутри зон населенные пункты сегментируются по численности прикрепленного населения на малонаселенные (менее 100 человек), средние (100—500 человек) и крупные (более 500 человек). Сочетание удаленности и численности однозначно определяет формат обслуживания по матрице, представленной в табл. 1, что исключает произвольность в выборе организационной формы. Профиль риска, а именно структура заболеваемости и доля лиц 40 лет и старше, выступает множителем приоритета при формировании очередности выездов.

Таблица 1.Матрица выбора формата обслуживания по удаленности и численности населенного пункта

Примечание. РБ — районная больница. Здесь и в табл. 2: ФАП — фельдшерско-акушерский пункт. Составлено авторами.

Note. DH — district hospital. Here and in Table 2: RHP — rural health post. Compiled by the authors.

Логистическая организация выездной работы построена по принципу территориального закрепления. Под закрепленной группой населенных пунктов в настоящей работе понимается устойчивая совокупность близко расположенных населенных пунктов, объединенных по географической близости и дорожной связности, обслуживаемых по единому маршруту от общего опорного пункта. Закрепление определяет маршрут и график выездов медицинских бригад и не затрагивает установленного порядка прикрепления граждан к медицинской организации. Такой подход традиционно применяется в сельском здравоохранении при обслуживании территорий с дисперсным расселением и предполагает не создание новых структурных подразделений, а закрепление группы населенных пунктов за уже действующей медицинской организацией. Опорным пунктом закрепленной группы выступает РБ либо крупная врачебная амбулатория. Состав группы формируется так, чтобы суммарный объем подлежащих ПМО и ДОГВН соответствовал 1—3 выездным дням бригады.

Многодневный формат обслуживания крупных населенных пунктов зоны C организуется как 2—3 последовательных рабочих дня с ежедневным возвращением бригады в районный центр. Такая схема не требует размещения и питания медицинских работников на обслуживаемой территории, не создает дополнительных расходов сверх транспортной составляющей и позволяет в течение рабочей недели направлять одну и ту же бригаду для обслуживания нескольких закрепленных групп населенных пунктов (см. рисунок).

Логистическая схема выезда медицинских бригад в закрепленной группе населенных пунктов.

НП — населенный пункт; ФАП — фельдшерско-акушерский пункт.

S — settlement; RHP — rural health post.

Фельдшерско-акушерский пункт (ФАП) занимает в модели самостоятельное место и участвует на всех этапах. За 7—10 дней до выезда фельдшер формирует пофамильные списки-приглашения по половозрастным группам, выполняет подворовый обход и предварительную запись. В день выезда ФАП служит опорной точкой размещения бригады в зоне C и обеспечивает подготовку пациентов. После выезда фельдшер участвует в дистанционном контуре, выполняя измерения контролируемых показателей и передачу данных в медицинскую информационную систему РБ для врачебной оценки, что позволяет завершать диагностический маршрут без дополнительных очных поездок пациента.

Состав выездной бригады выбирается в зависимости от кадрового обеспечения и профиля населенного пункта. Предусмотрены три базовые конфигурации, представленные в табл. 2.

Таблица 2.Конфигурации выездных бригад

Примечание. АД — артериальное давление; ЭКГ — электрокардиография; УЗИ — ультразвуковое исследование. Составлено авторами.

Note. BP — blood pressure; ECG — electrocardiography; US — ultrasound examination. Compiled by the authors.

Потребность в выездах рассчитывается, исходя из доведенных объемов ДОГВН, а не из фактической обращаемости. Пропускная способность бригады принимается равной 25—40 осмотрам первого этапа за выездной день для доврачебной конфигурации и 15—25 — для врачебной. Количество выездных дней на закрепленную группу в год определяется отношением доведенного объема по входящим в нее населенным пунктам, рассчитанного с учетом необходимой кратности прохождения ПМО и ДОГВН, к пропускной способности бригады; количество бригад на район определяется суммарным количеством выездных дней с учетом рабочего календаря. График выездов формируется на плановый период и корректируется управленческим контуром по результатам мониторинга.

Охват работающих граждан обеспечивается отдельным элементом модели. На этапе подготовки выезда проводится согласование с работодателями, а выезд в трудовые коллективы включается в маршрутную карту наравне с обслуживанием населенных пунктов, что снимает необходимость получения работником индивидуального разрешения на отсутствие на рабочем месте. Значимость этого элемента подтверждается количественно, поскольку затруднения с получением разрешения работодателя выступили вторым по силе организационным барьером.

Финансирование выездной работы осуществляется в пределах действующих тарифов ОМС на законченный случай ПМО и ДОГВН без введения дополнительных тарифов. Расчетная часть модели реализована в виде программы для ЭВМ, на которую получено свидетельство о государственной регистрации, а именно калькулятора ресурсного и финансового обеспечения выездной ДОГВН. Калькулятор дает возможность рассчитывать потребность в выездных днях, количестве и составе бригад, транспортных и кадровых ресурсах, а также стоимость одного выезда, складывающуюся из постоянной составляющей 500—600 руб. (оплата труда водителя и базовые расходные материалы) и переменной составляющей, линейно возрастающей с расстоянием за счет затрат на топливо и амортизацию. В зоне B стоимость выезда специализированной бригады достигает приблизительно 1800 руб. (приблизительно 1200 руб. для доврачебной), а в зоне C затраты на выезд специализированной бригады превышают 2000—2500 руб., тогда как доврачебная бригада обходится примерно на 500—700 руб. дешевле. Наименьший прирост затрат на километр характерен для доврачебной бригады, наибольший — для специализированной, что определяет экономическое преимущество доврачебной конфигурации при обслуживании зоны C. Апробация калькулятора на модельной территории из шести населенных пунктов, включавшей один пункт зоны A, два — зоны B и три — зоны C, при годовом объеме 1420 человек, подлежащих ПМО и ДОГВН, показала потребность в 29 выездных днях и одной врачебной (терапевтической) бригаде для обслуживания населенных пунктов зон B и C; населенный пункт зоны A выездными формами не обслуживается, поскольку для ближней зоны матрицей предусмотрены приглашение с организованным подвозом в РБ и самообращение.

Результативность деятельности медицинской организации в рамках модели оценивается системой из 19 ключевых показателей результативности, сгруппированных в шесть тематических блоков (табл. 3). Отличительной чертой системы является наличие парных показателей. Наряду со средним значением охвата по району используется индекс равномерности доступа между зонами, представляющий собой отношение охвата зоны C к охвату зоны A с целевым значением не ниже 0,90. Парные показатели исключают достижение целевых значений за счет благополучной ближней зоны при недостаточном охвате отдаленных территорий, т.е. переводят требование равенства доступа из декларации в измеряемый норматив.

Таблица 3.Блоки системы ключевых показателей результативности модели управления диспансеризацией определенных групп взрослого населения

Примечание. ДОГВН — диспансеризация определенных групп взрослого населения; ХНИЗ — хронические неинфекционные заболевания. Составлено авторами по результатам разработки модели.

Note. RMCSAD — routine medical check-ups for specific adult demographics; CNCDs — chronic non-communicable diseases. Compiled by the authors based on the results of model development.

Апробация модели в Терновском районе сопровождалась ростом абсолютного числа лиц, прошедших ПМО и ДОГВН, с 2031 человека в 2022 г. до 4102 человек в 2023 г., т.е. в 2 раза. Охват прикрепленного взрослого населения вырос с 15,5 до 40,2%, т.е. в 2,6 раза, а выполнение плана — с 34,9 до 59,7%. На контрольной территории за тот же период охват увеличился с 18,3 до 37,8%, а выполнение плана — с 41,5 до 61,3%.

Проверка допущения о параллельности пред-трендов выполнена на данных 2018—2022 гг. Регрессия показателя охвата на год, принадлежность к району и их взаимодействие не выявила статистически значимых различий линейных трендов (F(1,6)=0,019; p=0,894), а отдельные линейные наклоны составили –8,5 процентного пункта в год для опытного района и –9,3 процентного пункта в год для контрольного, т.е. оказались практически идентичными. Тест носит вспомогательный характер ввиду малого количества временных точек, однако совместно с визуальным сходством траекторий, включая синхронный пандемийный провал 2020—2021 гг., повышает доверие к причинной интерпретации.

Результаты оценки дополнительного эффекта представлены в табл. 4. Прирост охвата в опытном районе превысил прирост в контрольном на 5,29 процентного пункта, коэффициент взаимодействия «группа·период» статистически значимо отличен от нуля, а проверка на мультипликативной шкале дала согласованный по направлению и значимости результат.

Таблица 4.Результаты оценки дополнительного эффекта модели за 2022—2023 гг.

Примечание. DiD — разность разностей; SE — стандартная ошибка; п.п. — процентный пункт. Ввиду единственного контрольного кластера доверительные интервалы и p следует считать ориентировочными; * — проверка на мультипликативной шкале.

Note. DiD — difference-in-differences; SE — standard error; pp — percentage point. Given the single control cluster, the confidence intervals and p-values should be considered indicative; * — test on a multiplicative scale.

Сопоставление территорий по системе ключевых показателей результативности показало, что превосходство пилотного района достигнуто не только по охвату, но и по показателям завершенности маршрута пациента и равенства доступа. Полнота взятия под диспансерное наблюдение составила 100% по сравнению с 71% на контрольной территории, доля завершенных случаев ДОГВН — 92% по сравнению с 82%, охват труднодоступных населенных пунктов выездными формами — 92% по сравнению с 69%, индекс равномерности охвата по зонам удаленности — 0,9 по сравнению с 0,7.

Внедрение мероприятий сопровождалось ростом диагностического выхода. Количество выявленных факторов риска ХНИЗ увеличилось с 2346 в 2022 г. до 12 635 в 2023 г. (+439%), количество выявленных заболеваний и патологических состояний — с 1998 до 9676 случаев (+384%). Наибольший прирост отмечен по гиперхолестеринемии (+732%), избыточной массе тела (+796%) и ожирению (+897%), а охват населения старше трудоспособного возраста практически удвоился (с 17,7 до 33,5%). При этом частота впервые выявленных болезней системы кровообращения по результатам ПМО и ДОГВН снизилась с 7,6 до 3,37 на 1000 обследованных (–55,7%) на фоне роста полноты взятия таких пациентов под диспансерное наблюдение с 0 до 71,4%. Нулевое значение исходного показателя не означает отсутствия диспансерного наблюдения в районе как такового, поскольку пациенты с ранее установленным диагнозом наблюдались в общем порядке. Оно отражает разрыв между этапами маршрута, при котором в 2022 г. ни один из пациентов с болезнями системы кровообращения, впервые выявленными именно по результатам ПМО и ДОГВН, не передан под диспансерное наблюдение в течение установленного срока, а сведения о выявленных случаях не транслировались из профилактического приема в регистр диспансерного наблюдения. Устранение этого разрыва средствами управленческого контура модели и обеспечило зафиксированный прирост показателя.

Отмеченное снижение частоты впервые выявленных болезней системы кровообращения при кратном росте выявления факторов риска объясняется изменением состава обследованного контингента. При низком охвате обследование проходили преимущественно лица, самостоятельно обратившиеся в РБ, т.е. с более высокой вероятностью уже имеющегося заболевания, тогда как при выездной работе в обследование вовлекается население, ранее не обращавшееся за помощью, среди которого преобладают факторы риска, а не сформировавшаяся патология. Отсюда следует, что показатель выявляемости, рассчитанный на 1000 обследованных, не может интерпретироваться в отрыве от величины и структуры охвата, для чего и предназначены парные показатели предложенной системы.

Установленная доминирующая роль низкой транспортной доступности РБ (ОШ=12,127 для зоны C) в целом согласуется с выводами зарубежных исследований о влиянии структурных и транспортных барьеров на охват профилактическими осмотрами [4, 5]. Однако в отличие от цитируемых работ, где значительный вклад вносят социально-экономическое неравенство и фатализм в отношении собственного здоровья, в изучаемой популяции ведущим фактором выступает физическая доступность медицинской организации, а мотивационный компонент демонстрирует обратную зависимость от удаленности. Это согласуется с более ранними отечественными наблюдениями [6, 7] и количественно уточняет величину эффекта расстояния.

Выявленный дополнительный эффект внедренной модели согласуется с международным опытом организационных вмешательств, а именно персонализированных приглашений и аутрич-программ в сельской местности [10, 11], а также комплексных национальных программ, включая британскую NHS Health Check [12].

Выездные формы профилактической работы применяются в отечественном здравоохранении давно и широко, в том числе в Воронежской области, поэтому новизна предложенного решения состоит не в самом факте выездов. Отличие модели от сложившейся практики заключается в четырех элементах. Во-первых, формат обслуживания каждого населенного пункта определяется формальным правилом на основе удаленности и численности населения, а не решением по усмотрению медицинской организации. Во-вторых, потребность в выездных днях и бригадах рассчитывается от доведенных объемов ДОГВН, а не от фактической обращаемости, и оформлена в виде программного инструмента. В-третьих, результативность контролируется парными показателями равенства доступа между зонами, что делает недостижимым формальное выполнение плана за счет ближней зоны. В-четвертых, выездная работа дополнена контуром дистанционного сопровождения, обеспечивающим завершение диагностического маршрута без дополнительных очных поездок пациента. Именно совокупность этих элементов, а не выездная форма как таковая, обеспечила зафиксированный дополнительный эффект относительно контрольной территории, где выездная работа также велась.

Настоящие данные не противоречат выводам Кокрейновского систематического обзора [13], поставившего под сомнение влияние всеобщих профилактических осмотров на смертность, поскольку конечной точкой настоящего исследования выступали охват и показатели диагностического выхода, а не смертность как таковая. Оцениваемые эффекты относятся к разным звеньям причинно-следственной цепи «участие — выявление — лечение — исход». Действующий порядок проведения профилактического медицинского осмотра и диспансеризации определенных групп взрослого населения [1] определяет охват в качестве основного индикатора эффективности ПМО и ДОГВН, вследствие чего предложенная система показателей не подменяет нормативный критерий, а достраивает его индикаторами завершенности маршрута и равенства доступа.

Оценка эффективности выполнена на агрегированном, а не индивидуальном уровне данных. Количество контрольных кластеров равно единице, что не позволяет построить кластерно-робастную оценку дисперсии, поэтому приведенные доверительные интервалы и p-значения носят ориентировочный характер, а содержательная интерпретация опирается на согласованность результатов, полученных на аддитивной и мультипликативной шкалах. Мощность проверки пред-трендов ограничена малым количеством временных точек, а динамика показателя охвата в 2020—2021 гг. определялась не линейным трендом, а пандемийным провалом и последующим восстановлением. Период наблюдения после внедрения составил 1 год, вследствие чего показатели раннего выявления и отдаленные исходы необходимо изучать в дальнейшем. Показатель EPV для двух регрессионных моделей оказался ниже общепринятого ориентира, в связи с чем их точечные оценки интерпретируются с осторожностью и верифицированы методом Firth.

1. Ведущим независимым барьером участия сельского населения в диспансеризации является низкая транспортная доступность районной больницы (ОШ=12,127 для зоны свыше 30 км), тогда как мотивационная готовность населения отдаленных территорий не ниже, а выше, чем в ближней зоне, что определяет приоритетность устранения объективных логистических барьеров, а не коррекции установок населения.

2. Разработана трехконтурная организационно-функциональная модель управления диспансеризацией сельского населения, включающая территориально-ресурсную стратификацию с матрицей форматов обслуживания, логистику выездной работы по принципу территориального закрепления с тремя конфигурациями бригад, программный калькулятор ресурсного обеспечения и систему из 19 ключевых показателей результативности с парными индикаторами равенства доступа, реализуемой в пределах доведенных объемов обязательного медицинского страхования и действующей нормативной базы.

3. Апробация модели обеспечила рост числа лиц, прошедших профилактический медицинский осмотр и диспансеризацию определенных групп взрослого населения, с 2031 до 4102 человек и охвата прикрепленного взрослого населения с 15,5 до 40,2% за 1 год внедрения; дополнительный прирост охвата относительно контрольной территории составил 5,29 процентного пункта (t=6,247; p<0,001) и устойчив при проверке на мультипликативной шкале (DiD-ОШ 1,36; 95% ДИ 1,24—1,48).

4. Превосходство пилотной территории достигнуто не только по охвату, но и по показателям завершенности маршрута пациента и равенства доступа: полноте взятия под диспансерное наблюдение (100% по сравнению с 71%), доле завершенных случаев (92% по сравнению с 82%) и индексу равномерности охвата по зонам (0,9 по сравнению с 0,7).

5. Расширение охвата сопровождалось ростом диагностического выхода при снижении частоты впервые выявленных болезней системы кровообращения на 1000 обследованных, что отражает изменение состава обследованного контингента и требует совместной интерпретации показателей выявляемости и охвата средствами предложенной системы показателей.

6. Модель рекомендуется к тиражированию в сельских районах, сопоставимых по типу расселения и плотности населения, с адаптацией параметров стратификации к местным условиям.

Вклад авторов: концепция и дизайн исследования — Нехаенко Н.Е., Данилов А.В., Чесноков Е.А.; сбор и обработка материала — Чесноков Е.А.; статистический анализ данных — Чесноков Е.А.; написание текста — Чесноков Е.А.; научное редактирование — Нехаенко Н.Е., Данилов А.В.

Авторы заявляют об отсутствии конфликта интересов.

Authors contribution: study design and concept — Nekhaenko N.E., Danilov A.V., Chesnokov E.A.; data collection and processing — Chesnokov E.A.; statistical analysis — Chesnokov E.A.; text writing — Chesnokov E.A.; scientific editing — Nekhaenko N.E., Danilov A.V.

The authors declare no conflict of interest.