Применение кластерного анализа профилей риска и медико-санитарных последствий морских террористических актов

ВВЕДЕНИЕ. Морской терроризм представляет собой особую угрозу международной безопасности, осложненную высокой вероятностью медико-санитарных последствий и ограниченными возможностями медицинского реагирования в условиях портовой и судовой инфраструктуры. Несмотря на наличие описательных исследований, до настоящего времени отсутствовали работы, в которых использованы методы многомерного анализа и кластеризации для выявления типовых сценариев с учетом санитарных и безвозвратных потерь. ЦЕЛЬ. Определить устойчивые кластеры морских террористических актов с ненулевыми потерями по совокупности признаков метод – способ – объект и охарактеризовать их деструктивный потенциал для целей медицины катастроф. МАТЕРИАЛЫ И МЕТОДЫ. Исследование выполнено на основе базы данных GTD (Global Terrorism Database), включающей 209 707 террористических актов за 1970–2020 гг. Из массива выделено 69 772 террористических акта, по ключевым словам из которых отобран 35 591 теракт с числом убитых или раненых ≥ 1. Для анализа использованы методы нормализации, логарифмического преобразования потерь, one-hot кодирования категориальных признаков и стандартизации. Кластеризация проведена методом квадратов средних, оптимальное количество кластеров выбрано на основе коэффициента силуэта, индексов Калински–Харабаса и Дэвиса–Булдина. Результаты интерпретированы с применением PCA-визуализаций и профилей распределения. РЕЗУЛЬТАТЫ. Выявлено три устойчивых кластера. Первый (высокорисковый) характеризуется преобладанием применения взрывчатых веществ, ориентацией на частных лиц, военных и полицию, а также наибольшими медико-санитарными последствиями (медиана – 9 убитых и 15 раненых на событие; перцентиль (p) 90–32 убитых и 52 раненых). Второй кластер включает преимущественно взрывные атаки малой мощности; третий – вооруженные нападения на силовые структуры с умеренными последствиями. Пик активности зафиксирован в 2013–2016 гг., когда доля высокорискового профиля достигала максимальных значений. ОБСУЖДЕНИЕ. Полученные результаты подтверждают неоднородность морского терроризма и позволяют выделить три качественно различных режима угроз. Медико-санитарные последствия варьируют от единичных ранений до массовых санитарных потерь, требующих сортировки и эвакуации. Кластерный подход обеспечивает основу для разработки сценариев медицинского реагирования, где акцент необходимо делать на готовности к катастрофическим событиям, связанным с взрывными поражающими факторами. ЗАКЛЮЧЕНИЕ. Предложенный методологический подход расширяет аналитическую базу исследований морского терроризма, позволяя перейти от описательных характеристик к воспроизводимой классификации терактов по профилям риска. Это создает практическую основу для планирования медицинского обеспечения, распределения ресурсов и совершенствования нормативно-правовой базы в сфере морской безопасности.

1. LaFree G., Dugan L. Introducing the Global Terrorism Database. Terrorism and Political Violence, 2007, Vol. 19, No. 2, pp. 181–204.

2. START. Global Terrorism Database (GTD) Codebook: Methodology and Variables. University of Maryland, 2022, 147 p.

3. LaFree G., Yang S. M. The Impact of Global Trends on Terrorism. International Journal of Comparative and Applied Criminal Justice, 2010, Vol. 34, No. 1, pp. 1–19.

4. Bueger C. What is Maritime Security? Marine Policy, 2015, Vol. 53, pp. 159–164.

5. Lehr P. (ed.). Violence at Sea: Piracy in the Age of Global Terrorism. London: Routledge; 2006, 287 p.

6. Евдокимов В.И. Медико-биологические последствия терроризма в мире: монография / Всероссийский центр экстренной и радиационной медицины им. А. М. Никифорова МЧС России, Санкт-Петербургский медико-социальный институт. СПб.: Измайловский, 2024. 101 с. (Серия «Чрезвычайные ситуации в мире и России»; вып. 3) [Evdokimov V. I., Medical and biological consequences of terrorism in the world: a monograph / A. M. Nikiforov All-Russian Center for Emergency and Radiation Medicine of the Ministry of Emergency Situations of Russia, St. Petersburg Medical and Social Institute. St. Petersburg: Izmailovsky, 2024. 101 p. (Series “Emergencies in the world and Russia”; issue 3) (In Russ.)].

7. Евдокимов В. И. Терроризм и его медико-биологические последствия в мире (2011-2020 гг.) // Медико-биологические и социально-психологические проблемы безопасности в чрезвычайных ситуациях. 2024. № 1. С. 14–33 [Evdokimov V. I., Terrorism and its medical and biological consequences in the world (2011-2020). Med.-biol. and social psychology. security probation in Russia. situations, 2024, No. 1, pp. 14–33 (In Russ.)]. doi: 10.25016/2541-7487-2024-0-1-14-33.

8. Шуленин Н. С., Мавренков Э. М., Шуленин К. С., Киселев В. С. Морской терроризм в цифрах: анализ терактов, угроз и перспектив противодействия // Морская медицина. 2025. Т. 11, № 2. С. 120–134 [Shulenin N. S., Mavrenkov E. M., Shulenin K. S., Kiselyov V. S. Maritime terrorism in figures: analysis of terrorist attacks, threats and prospects of counteraction. Marine medicine, 2025, Vol. 11, No. 2, pp. 120–134 (In Russ.)]. doi: 10.22328/2413-5747-2025-11-2-120-134. EDN XIQEPQ.

9. Шуленин Н. С., Лемешкин Р. Н., Мавренков Э. М., Шуленин С. Н. Структура и последствия морских террористических актов: данные для оценки рисков и планирования медицинского реагирования // Морская медицина. 2025. Т. 11, № 3. С. 93–110 [Shulenin N. S., Lemeshkin R. N., Mavrenkov E. M., Shulenin S. N. Structure and consequences of maritime terrorist acts: data for risk assessment and medical response planning. Marine medicine, 2025, Vol. 11, No. 3, pp. 93–110 (In Russ.)]. doi: https://dx.doi.org/10.22328/2413-5747-2025-11-3-93-110; EDN: https://eLibrary.ru/KAELVA.

10. Murphy M. Contemporary Piracy and Maritime Terrorism: The Threat to International Security. London: Routledge; 2007, 224 p.

11. Klein N. Maritime Security and the Law of the Sea. Oxford: Oxford University Press; 2011, 372 p.

12. Raymond C. Z. Maritime Terrorism in Southeast Asia: A Risk Assessment. Terrorism and Political Violence, 2009, Vol. 21, No. 2, pp. 274–293.

13. Kaufman L., Rousseeuw P.J. Finding Groups in Data: An Introduction to Cluster Analysis. New York: Wiley; 2005, 368 p.

14. MacQueen J. Some Methods for Classification and Analysis of Multivariate Observations. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 1967, Vol. 1, pp. 281–297.

15. Rousseeuw P. J. Silhouettes: A Graphical Aid to the Interpretation and Validation of Cluster Analysis. Journal of Computational and Applied Mathematics, 1987, Vol. 20, pp. 53–65.

16. Calinski T., Harabasz J. A Dendrite Method for Cluster Analysis. Communications in Statistics, 1974, Vol. 3, No. 1, pp. 1–27.

17. Davies D. L., Bouldin D. W. A Cluster Separation Measure. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1979, Vol. PAMI-1, No. 2, pp. 224–227.

18. Jolliffe I. T., Cadima J. Principal Component Analysis: A Review and Recent Developments. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2016, Vol. 374, № 2065, pp. 20150202.

19. Pedregosa F., Varoquaux G., Gramfort A., Michel V., Thirion B., Grisel O., Blondel M., Prettenhofer P., Weiss R., Dubourg V., Vanderplas J., Passos A., Cournapeau D., Brucher M., Perrot M., Duchesnay É. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 2011, Vol. 12, pp. 2825–2830.