ANALYSIS OF THE CORRELATION BETWEEN FOOD CONSUMPTION STRUCTURE AND THE INCIDENCE OF ENDOCRINE DISEASES IN THE FEDERAL DISTRICTS OF THE RUSSIAN FEDERATION USING MACHINE LEARNING METHODS

Research article
  • Поллак Галина Андреевна0000-0001-8783-1154Южно-Уральский государственный университет, Челябинск, Российская Федерация
  • Прохорова Ирина Арнольдовна0000-0003-3194-4939Южно-Уральский государственный университет, Челябинск, Российская Федерация
  • Аверьянова Светлана Сергеевна0000-0001-5395-8325Южно-Уральский государственный университет, Челябинск, Российская Федерация
https://doi.org/10.60797/IRJ.2026.173.6
DOI:
https://doi.org/10.60797/IRJ.2026.173.6
EDN:
PEFHRQ
Suggested:
09.07.2026
Accepted:
30.10.2026
Published:
17.11.2026
Issue: № 11 (173), 2026
Issue: № 11 (173), 2026
Rightholder:authors.
License:Attribution 4.0 International (CC BY 4.0)
21
0
XML
PDF

Abstract

The article presents a comparative analysis of the actual consumption of food products by the population of the Russian Federation against the recommended dietary guidelines established by an order of the Ministry of Health of the Russian Federation; the dynamics of changes in the consumption of key food products at the national level have been examined. The federal districts of the Russian Federation were clustered according to the incidence of endocrine diseases and the actual consumption of staple foods over the period from 2004 to 2024. To differentiate between the federal districts, the Kohonen SOM neural network clustering algorithm was applied, implemented on the Loginom Community platform, which is designed for developing analytical solutions based on low-code technologies. The analysis was carried out in accordance with the CRISP-DM methodology.

1. Введение

Обеспечение населения России качественными и безопасными продуктами питания — это важный элемент национальной безопасности, требующий системного подхода на государственном уровне. Согласно Доктрине продовольственной безопасности Российской Федерации (РФ), утвержденной Указом Президента № 20 от 21.01.2020

, гарантированное снабжение граждан продуктами, соответствующими стандартам качества и безопасности, является ключевым аспектом национальной безопасности.

В 2013-2018 годах Минздрав России провел диспансеризацию 21,9 млн человек. Из них 54% были отнесены к третьей группе здоровья, что указывает на наличие заболеваний, требующих медицинского наблюдения. Основные факторы риска, выявленные в ходе диспансеризации, включают нерациональное питание (25%), низкую физическую активность (18%) и курение табака (12%). Официальная позиция Минздрава заключается в том, что неправильное питание является одним из основных факторов, влияющих на заболеваемость

.

В таблице 1 приведены рекомендации по рациональным нормам потребления основных пищевых продуктов, соответствующие современным требованиям здорового питания и утверждённые приказом № 614 Министерства здравоохранения Российской Федерации

.

Рекомендации по рациональным нормам потребления основных продуктов

составлено авторами по материалам приказа № 614 Минздрава РФ [3]

Наименование продуктов

Норма, кг/чел/год

Хлебные продукты

97

Фрукты свежие, в том числе ягоды

100

Мясопродукты

74

Молоко и молокопродукты всего в пересчете на молоко

322

Рыбопродукты

22

Яйцо (штук)

260

Масло растительное

12

Сахар

8

Исследования, посвященные связи питания со здоровьем, представлены в обширной научной литературе, охватывающей широкий спектр тем: от медицинских исследований влияния рациона на конкретные заболевания до статистических анализов социально-экономического характера. В работах

,
,
,
проводится сравнительный анализ показателей потребления продуктов питания в РФ с рациональными нормами за период с 2010 по 2022 год. Автор детализирует исследование как в целом по Российской Федерации, так и по отдельным федеральным округам.

В исследовании

на основании данных Росстата по 80 регионам России за 2011 год выполнена оценка влияния объема потребления на валовой региональный продукт, продолжительность жизни, а также на коэффициенты рождаемости, смертности и заболеваемости.

Гипотеза исследования: округа РФ с похожим уровнем потребления продуктов питания имеют схожие показатели заболеваемости.

Цель исследования: выявить закономерности между структурой потребления продуктов питания и уровнем эндокринной заболеваемости посредством кластеризации.

Источником данных для исследования послужила официальная информация, предоставленная Федеральной службой государственной статистики (Росстат)

.

Росстат фиксирует объемы потребления основных продуктов питания, включая хлебные изделия (в пересчете на муку), молочные продукты (в пересчете на молоко), мясопродукты, овощи, фрукты и ягоды, сахар (в пересчете на сахар), растительные масла (в пересчете на масло) и яйцо

.

В сфере здравоохранения Росстат ведет учет заболеваемости на 1000 человек населения по основным классам болезней

. В рамках исследования анализировались болезни эндокринной системы, расстройства питания и нарушения обмена веществ (в дальнейшем для краткости данный комплекс заболеваний будет обозначаться как «эндокринные заболевания»).

Настоящая работа направлена на выявление возможной связи между частотой эндокринных заболеваний и региональными особенностями объемов потребления ключевых пищевых продуктов в различных федеральных округах Российской Федерации.

2. Методы и принципы исследования

Исследование проводилось по следующим основным направлениям.

1. На этапе предварительного анализа данных осуществлены:

- сравнительный анализ фактического потребления пищевых продуктов населением РФ с рациональными нормами, установленными приказом Министерства здравоохранения Российской Федерации;

- исследование динамики потребления ключевых пищевых продуктов населением регионов РФ.

2. На заключительном этапе анализа разработана модель кластеризации федеральных округов на основе уровня эндокринных заболеваний в контексте нерационального потребления пищевых продуктов.

Инструментом анализа служит российская low-code платформа Loginom, разработанная компанией ООО «Аналитические технологии»

. Анализ проводился в соответствии с методологией анализа CRISP-DM
,
.

На этапе предварительного анализа данных традиционными показателями, характеризующими развитие экономических и социальных процессов, являются показатели роста и прироста, которые, в свою очередь, могут быть цепными, базисными и средними

.

Базисный темп роста определяется как отношение текущего уровня ряда динамики yt к базисному уровню

и рассчитывается по формуле (1).

(1)

Базисный темп прироста

характеризует относительную скорость изменения изучаемого явления и определяется по формуле (2). Данный показатель отражает, на сколько процентов изменился текущий уровень показателя yt по сравнению с уровнем ряда, принятым за базу
.

(2)

На заключительном этапе анализа все федеральные округа Российской Федерации были сгруппированы по уровню заболеваемости в три кластера.

Для определения количества кластеров анализировались:

1) размер выборки n = 8;

2) статистические характеристики профилей кластеров для значений k = 3 и k = 4 по каждому объясняющему фактору;

3) плотности распределения (гистограммы по признакам внутри кластера).

Количество кластеров было выбрано равным трем, поскольку оно обеспечивает интерпретируемое разделение федеральных округов на группы с низким, средним и высоким уровнем заболеваемости.

Для проведения кластеризации была выбрана самоорганизующаяся карта Кохонена как один из классических методов обучения без учителя, позволяющий выявлять скрытую структуру многомерных данных без предварительной разметки. Классические корреляционные методы позволяют выявить статистическую связь отдельных факторов. Однако при многомерных взаимосвязях более целесообразно использовать подходы без учителя, направленные на обнаружение естественных групп объектов.

Алгоритм k-средних эффективен в ситуациях, когда данные в пространстве признаков образуют компактные группы, которые хорошо различимы друг от друга. Однако в случаях, когда кластеры находятся близко друг к другу или данные имеют сложную структуру, алгоритм k-средних может оказаться недостаточно эффективным.

Графическое представление SOM Кохонена показано на рисунке 1.

Структура самоорганизующейся карты признаков

Рисунок 1 - Структура самоорганизующейся карты признаков

Алгоритм Кохонена сохраняет топологическую инвариантность, это означает, что объекты, близкие в исходном пространстве данных, располагаются рядом и на карте, что позволяет выявлять топологические взаимосвязи между элементами массива данных.

Мера близости между входными векторами определяется метрикой L2, которая представляет собой квадрат евклидова расстояния между векторами p и q. Расчет значения расстояния dpq выполняется по формуле (3).

(3)

Здесь xpi обозначает i-ю координату вектора p (аналогично для вектора q), n – это размерность векторов.

Для некоторого кластера j определяется центроид Pj (вектор Pj отражает ключевые характеристики кластера). Решение о том, какому из кластеров принадлежит произвольный вектор X, принимается на основе минимального расстояния до соответствующего центроида, которое определяется по формуле (4).

(4)

которое возвращает индекс кластера с наименьшим евклидовым расстоянием до вектора X.

3. Основные результаты

3.1. Результаты предварительного исследования

В качестве входных признаков использовались показатели потребления хлеба, мяса, молока, растительного масла, сахара, яиц и уровень эндокринной заболеваемости.

Графики (рис. 2–7) демонстрируют изменения объёмов потребления ключевых групп продовольствия населением Российской федерации, а также скорость их изменения по сравнению с базисным периодом. В качестве базисных уровней были приняты рекомендованные рациональные нормы потребления продуктов питания (см. табл. 1) согласно приказу № 614 Министерства здравоохранения РФ

.

В рассматриваемый период (2004–2024 гг.) наблюдается рост потребления мяса и мясопродуктов жителями России (рис. 2), причем до 2017 года он ниже или примерно равен норме потребления, а с 2017 превышает.

Потребление мяса и мясопродуктов с 2004 по 2024 гг. населением РФ

Потребление мяса и мясопродуктов с 2004 по 2024 гг. населением РФ

базисный темп прироста (норма – 74 кг/чел/год)

Потребление молока и молочных продуктов остается примерно на одном уровне (в диапазоне от 220 до 260 кг/чел/год) (рис. 3) и находится значительно ниже нормы (322 кг/чел/год).

 Потребление молока и молокопродуктов с 2004 по 2024 гг. населением РФ

Потребление молока и молокопродуктов с 2004 по 2024 гг. населением РФ

базисный темп прироста (норма – 322 кг/чел/год)

Количество потребляемых яиц до 2009 года было ниже рациональной нормы в 260 штук на человека в год, а к 2024 достигает 293 шт/чел/год (рис. 4).

Потребление яиц с 2004 по 2024 гг. населением РФ

Потребление яиц с 2004 по 2024 гг. населением РФ

базисный темп прироста (норма – 260 шт/чел/год)

Количество потребляемого сахара в рассматриваемый период (рис. 5) остается приблизительно на одном уровне, но значительно превышает норму (базисный темп прироста лежит в диапазоне 360–400%).

Потребление сахара с 2004 по 2024 гг. населением РФ

Потребление сахара с 2004 по 2024 гг. населением РФ

базисный темп прироста (норма – 8 кг/чел/год)

Потребление растительного масла населением РФ с 2005 превышает норму (рис. 6).

Потребление растительного масла с 2004 по 2024 гг. населением РФ

Потребление растительного масла с 2004 по 2024 гг. населением РФ

базисный темп прироста (норма – 12 кг/чел/год)

Наблюдается падение потребления хлеба и хлебобулочных изделий (рис. 7), но все еще остается выше нормы (2024 г. — 113 кг/чел/год против нормы в 97 кг/чел/год).

Потребление хлебных продуктов с 2004 по 2024 гг. населением РФ

Потребление хлебных продуктов с 2004 по 2024 гг. населением РФ

базисный темп прироста (норма – 97 кг/чел/год)

Динамика изменения заболеваемости эндокринной системы, расстройства питания и нарушения обмена веществ по РФ (2004–2024 гг.) на 1000 человек показана на рисунке 8. Наблюдается падение зарегистрированных заболеваний у пациентов с диагнозом, установленным впервые в жизни, в следующие периоды: 2004–2005 гг., 2006–2010 гг., 2017–2018 гг. и 2019–2020 гг. при общем росте с 9,6 до 16,6 на тысячу человек населения.
Динамика изменения заболеваемости эндокринной системы, расстройства питания и нарушения обмена веществ по РФ (2004-2024 гг.) на 1000 человек

Динамика изменения заболеваемости эндокринной системы, расстройства питания и нарушения обмена веществ по РФ (2004-2024 гг.) на 1000 человек

Выводы по предварительному исследованию:

1. В период 2004–2024 гг. наблюдается превышение рекомендуемых рациональных норм потребления практически по всем рассматриваемым категориям продуктов питания, за исключением молока и молочных продуктов.

2. Наблюдается значительный рост заболеваемости эндокринной системы, расстройства питания и нарушения обмена веществ по РФ (2004–2024 гг.), а именно с 9,6 до 16,6 на тысячу человек.

3.2. Результаты заключительного этапа анализа

Предварительно данные были стандартизованы с использованием z-оценки.

Для оценки связи между потреблением отдельных групп продуктов и зарегистрированной заболеваемостью эндокринной системы рассчитан коэффициент множественной корреляции (и соответственно коэффициент детерминации), так как в отличие от парных коэффициентов Пирсона (параметрический линейный показатель) и Спирмена (непараметрический ранговый показатель), он измеряет силу связи между одной зависимой переменной и совокупностью независимых переменных. Коэффициент детерминациидля объединенной (сквозной) регрессии составил 29%, а для модели с учетом внутригрупповой вариации (модель с фиксированными эффектами) — 38%. F-тест на наличие фиксированных эффектов дает значение тестовой статистики 21,62, что строго указывает на статистическую значимость индивидуальных эффектов, специфических для каждого федерального округа (нулевая гипотеза об однородности объектов отклоняется).

Проведена кластеризация федеральных округов Российской Федерации по уровню заболеваемости и потребления основных продуктов питания. Кластеризация использовалась как инструмент разведочного анализа данных, поэтому оценка качества кластеров (Silhouette, Davies-Bouldin и др.) не являлась целью исследования.

Как отмечено в

кластерный анализ относят к разведочному анализу данных (Exploratory Data Analysis, EDA), потому что его главная цель выявить скрытые структуры, закономерности и «неочевидные» группы в данных.

Для сравнительного анализа кластеров, на основе координат их центроидов, построены лепестковые диаграммы за 2004, 2014 и 2024 годы. При построении диаграмм все показатели были приведены к нормированному виду (минимаксная нормализация) относительно максимального значения соответствующей метрики.

1. Анализ уровня заболеваемости и потребления основных продуктов питания в 2004 году (рис. 9).

Нулевой кластер образуют Центральный, Северо-Западный, Южный и Приволжский округа. В указанных округах наблюдается наименьший уровень болезней эндокринной системы, заболеваний, связанных с нарушением обмена веществ и расстройством питания. На рисунке 9 данная точка обозначена как «Уровень заболеваемости». Население этих округов отличается высоким уровнем потребления молока, масла, яиц и сахара. Потребление хлебобулочных изделий самое низкое.

Лепестковая диаграмма центров кластеров 2004 год

Рисунок 9 - Лепестковая диаграмма центров кластеров 2004 год

Кластер 1 – это кластер со средним уровнем потребления основных продуктов питания и средним уровнем заболеваемости по сравнению с другими округами (см. рис. 9). Однако жители этих округов отличаются повышенным потреблением мяса и хлебобулочных изделий. В него входят Уральский, Сибирский округа.

Кластер 2 составляют Северокавказский и Дальневосточный округа. Жители этого округа отличаются средним уровнем потребления сахара и хлебобулочных изделий. Потребление остальных продуктов самое низкое по сравнению с остальными округами. В кластере наблюдается самый высокий уровень заболеваний, связанных с эндокринной системой, расстройством питания и нарушением обмена веществ.

2. Анализ уровня заболеваемости и потребления основных продуктов питания в 2014 году (рис. 10).

Нулевой кластер образуют Северо-Западный и Приволжский округа. В указанных округах наблюдается средний уровень болезней эндокринной системы, заболеваний, связанных с нарушением обмена веществ и расстройством питания. Население этих округов отличается высоким уровнем потребления молока и яиц. Потребление мяса, масла и сахара среднее, а хлебобулочных изделий низкое.

Первый кластер объединяет четыре географически удаленных друг от друга округа: Центральный, Южный, Уральский и Дальневосточный. Он отличается низким показателем уровня заболеваемости. Потребление мяса, масла и сахара высокое, молока низкое, а яиц среднее.

Лепестковая диаграмма центров кластеров 2014 год

Рисунок 10 - Лепестковая диаграмма центров кластеров 2014 год

Наибольший уровень заболеваемости наблюдается во втором кластере. Как и в первый кластер в него входят два географически удаленных округа: Северо-Кавказский и Сибирский. Кластер отличается средним уровнем потребления сахара и низким потреблением остальных продуктов питания.

3. Анализ уровня заболеваемости и потребления основных продуктов питания в 2024 году (рис. 11).

 Лепестковая диаграмма центров кластеров 2024 год

Рисунок 11 - Лепестковая диаграмма центров кластеров 2024 год

Нулевой кластер образуют Северо-Западный, Приволжский и Сибирский округа. В указанных округах наблюдается высокий уровень заболеваемости. Население этих округов отличается высоким уровнем потребления молока, средним мяса. Потребление остальных продуктов питания низкое.

Состав первого кластера: Северо-Кавказский, Уральский и Дальневосточный округа. Он отличается средним показателем уровня заболеваемости. В регионе низкое потребление основных продуктов питания за исключением хлебобулочных изделий, которое отличается высоким уровнем потребления.

Самый низкий уровень заболеваемости наблюдается во втором кластере. Его состав — Центральный и Южный округа. Потребление молока и хлеба среднее, а остальных продуктов высокое.

В таблице 3 в динамике представлены результаты проведенного исследования уровня заболеваемости и фактического потребления основных пищевых продуктов в округах Российской Федерации в разрезе 2004–2024 гг.

Таблица 2 - Результаты исследования уровня заболеваемости и фактического потребления основных пищевых продуктов в округах РФ (2004-2024 гг.)

Год

Округ

Уровень потребления

Заболеваемость

2004

Центральный, Северо-Западный, Южный, Приволжский

Высокий — яиц, молока, масла; низкий — хлебобулочных изделий

Низкая

Уральский, Сибирский

Высокий — мяса, хлебобулочных изделий; средний — остальных продуктов

Средняя

Северокавказский, Дальневосточный

Средний — хлебобулочных изделий, сахара; низкий – остальных продуктов

Высокая

2014

Центральный, Южный, Уральский, Дальневосточный

Высокий — почти всех продуктов питания, за исключением хлебобулочных изделий и молока.

Низкая

Северо-Западный, Приволжский

Высокий — молока, яиц; низкий — хлебобулочных изделий; средний — остальных продуктов

Средняя

Северокавказский, Сибирский

Средний — сахара; низкий — остальных продуктов

Высокая

2024

Центральный, Южный

Высокий — почти всех продуктов питания

Низкая

Северо-Западный, Приволжский, Сибирский

Высокий — молока; средний — мяса; низкий — остальных продуктов

Высокая

Северокавказский, Уральский, Дальневосточный

Высокий — молока; средний — остальных продуктов

Средняя

В статье описываются результаты разведывательного анализа данных, который позволил выявить скрытые структуры, закономерности и «неочевидные» группы в данных. В процессе выполнения кластеризации были найдены и описаны типовые профили потребления, что позволило сопоставить их с уровнем заболеваемости.

Исследование выполнено на агрегированных данных федеральных округов. На регистрируемые уровни заболеваемости на местах может оказывать влияние комплекс неучтенных факторов, включая демографическую структуру, социально-экономические параметры региона, а также качество и доступность медицинской помощи и диагностики. В связи с этими ограничениями выводы исследования носят предварительный характер и требуют дальнейшего подтверждения на уровне отдельных регионов.

4. Заключение

1. В 2024 году Центральный и Южный округа сохранили высокий уровень потребления продуктов питания. Уровень заболеваемости по рассматриваемой группе болезней — низкий.

2. Северо-Западный, Сибирский и Приволжский федеральные округа сохранили высокое потребление молока и несколько снизили потребление остальных продуктов. Эти округа в 2024 году переместились в группу с высоким уровнем заболеваемости.

3. В 2024 году Северо-Кавказский и Дальневосточный округа улучшили показатели заболеваемости и переместились из группы с высоким уровнем заболеваемости в группу со средним уровнем, тогда как Уральский ФО остался на том же уровне.

4. Применение методов машинного обучения позволило описать группы регионов.

5. Полученные результаты могут использоваться при разработке региональных программ профилактики заболеваний и корректировке политики здорового питания.

Article metrics

Views:21
Downloads:0
Views
Total:
Views:21