Коэффициент ржд на 2019 год таблица: Сезонные изменения ЖД тарифов на 2022

Показатели движения и состояния основных фондов (%)

Наименование показателей	2006 г.	2007 г.	2008 г	2009 г.	2010г.
1. Коэффициент ввода
1.1. Кввода по ОФ всего	7,56%	9,39%	9,92%	8,11%	7,83%
1. 2. Кввода по активной части ОФ	16,57%	20,40%	20,53%	13,60%	10,61%
1.3. Кввода по пассивной части ОФ	4,18%	5,35%	5,93%	5,83%	4,28%
2. Коэффициент выбытия
2. 1. Квыб по ОФ всего	2,92%	5,37%	1,89%	0,88%	5,71%
2.2. Квыб по активной части ОФ	5,63%	12,98%	2,93%	1,19%	16,48%
2.3. Квыб по пассивной части ОФ	1,65%	2,58%	1,47%	0,73%	1,48%
3. Коэффициент износа
3.1. Кизн ОФ всего	18,21%	22,01%	24,77%	27,74%	30,62%
3.2. Кизн по активной части ОФ	31,83%	36,60%	38,15%	41,03%	45,97%
3.3. Кизн по пассивной части ОФ	12,80%	16,46%	19,32%	21,90%	24,6%
4. Коэффициент годности
4.1. Кгодн ОФ всего	81,79%	77,99%	75,23%	72,26%	69,38%
4.2. Кгодн по активной части ОФ	68,17%	63,40%	61,85%	58,97%	54,03%
4.3. Кгодн по пассивной части ОФ	87,20%	83,54%	80,68%	78,10%	75,4%

Для характеристики процесса обновления используются коэффициенты ввода и выбытия, их динамика представлена на графике (рис. 3.5).

Коэффициент ввода рассчитывается как отношение стоимости введенных в течение года ОФ к их среднегодовой стоимости.

Коэффициент выбытия равен отношению стоимости выбывающих ОФ к их стоимости на начало года.

Рис.3.5. Показатели движения основных фондов

Коэффициент ввода нестабилен, в 2006 году коэффициент ввода равен 7,56% и с 2006 года наблюдается его повышение, а в 2009 году снизился до 8,11%, а в 2011 до 7,83%. Коэффициенты ввода по активной части значительно выше коэффициентов ввода по пассивной части почему?, но и в той и другой части коэффициенты увеличиваются. Здесь необходимо отметить, что величина данного показателя может быть значительно завышена за счет включения в стоимость введенного оборудования не только нового, но и передаваемого с баланса одного железнодорожного предприятия на баланс другого.

Коэффициент выбытия в 2007г. и в 2010г. достиг максимального значения — 5,37 % и 5,71% по сравнению со всеми предыдущими периодам, так как на конец 2007 года на баланс от ОАО «РЖД» была передана большая часть имущества, подлежащая внесению в уставной капитал ОАО «ПГК», включая 177 тыс. вагонов. И в 2010г. большая часть имущества была передана в ОАО «ВГК». А в 2009 г. имеет самое минимальное значение — 0,88 %. Коэффициенты выбытия по активной части несколько превышают коэффициенты по пассивной части.

Вывод: коэффициент ввода превышает коэффициент выбытия, что свидетельствует о расширенном воспроизводстве материальных средств.

Первый этап структурной реформы в отрасли завершился созданием в конце 2003г. ОАО «РЖД», в собственность которого был передан имущественный комплекс железных дорог. В качестве первоначальной стоимости основных средств, внесенных в уставной капитал ОАО «РЖД», была признана остаточная стоимость, по которой они числились на балансах предприятий на момент подписания сводного передаточного акта. Такая форма отражения стоимости основных фондов затрудняет определение степени их износа по данным финансовой отчетности.

Рис 3.6 Коэффициент ввода по активной и пассивной частям

Рис 3.7 Коэффициент выбытия по активной и пассивной частям

Коэффициент износа рассчитывается как отношение суммы износа ОФ к восстановительной стоимости ОФ на конец года.

Коэффициент годности равен отношению остаточной стоимости ОФ на конец года к восстановительной стоимости ОФ на конец года.

В период с 2006г. по 2010г. коэффициент износа меняется в сторону увеличения (с 2006г. по 2010г. коэффициент износа увеличился на 12,41%), Больших значений износ достигает по отдельным видовым группам, относящимся к активной части ОФ, это говорит о том, что активная часть основных средств приобретена давно и они изнашиваются.

Коэффициент годности за рассматриваемый период соответственно сокращается (с 81,21% в 2006г.

до 69,38% в 2010г.). Коэффициент годности по пассивной части выше, чем по активной.

Рис.3.8. Показатели состояния основных фондов

Рис 3.9 Коэффициент Износа по активной и пассивной частям

Рис 3.10 Коэффициент годности по активной и пассивной частям

Вывод: проанализировав показатели движения и состояния основных средств можно сказать, что обновление основных фондов незначительно, об этом свидетельствует снижение коэффициента ввода и коэффициента выбытия, и высокий уровень износа.

Таблица 3.5

HR-стратегия, основанная на применении алгоритмов интеллектуального анализа данных

Аннотация

В настоящем исследовании рассматриваются характеристики и практическая применимость алгоритмов и инструментов больших данных в контексте HR-аналитики. Учитывая сложность управления большим объемом данных, инструменты и технологии OLAP-систем рассматриваются в разрезе использования структуры больших данных, что позволит ускорить расчет HR — метрик по основным показателям.

Это исследование определяет качественные и количественные соотношения эффективности работы персонала параллельно с производственными бизнес-процессами. Основной целью исследования является выявление основных ключевых показателей эффективности работы в управлении персоналом и выбор альтернативных решений по видам инструментов для их расчета. Математика основного показателя рассчитывается на основе протоколов взаимодействия по процессам управления персоналом и содержащихся в них вопросов. Выделены положительные стороны интеграционных процессов между корпоративными информационными системами, предложено учитывать эти факторы при построении и расчете KPI-показателей, позволяющих сравнивать схожие экономические процессы, учитывать выход коэффициентов за допустимый предел, контролировать эффективность. Исследование основано на сравнении количественных HR-метрик с основным критерием, который указан в показателе. Показаны ключевые задачи и направления развития и управления человеческими ресурсами ОАО «РЖД» в связи с деятельностью бизнес-единиц холдинга «РЖД».

Ключевые слова: СС ACSLметодология PDCAотчетыHR-метрикиуправление персоналомстатистический профиль

Введение

ОАО «РЖД» — развивающаяся отрасль в России, имеющая необходимую инфраструктуру, стремящаяся использовать современные платформы, технологии, набор навыков, институциональные и инструментальные условия для развития в экосистеме цифровой экономики. Рассматривая задачу управления персоналом, формирования и выделения ключевых показателей KPI (Chadwick & Li, 2018), подразделения управления персоналом моделируют достижение эталонных параметров. Моделирование процессов в компании осуществляется по методологии ARIS. Прозрачные промышленные процессы основаны на программной последовательности (Turriago-Hoyos, Thoene, & Arjoon, 2016). Ввиду динамичного роста экономики цифровые процессы в компании необходимо подчеркивать качественную и количественную зависимость эффективности работы персонала. В компании около 800 тысяч человек. Расчетные этапы выбранных показателей требуют современных инструментов, позволяющих, в том числе, визуализировать отчеты. В качестве автоматизированной системы управления персоналом в ОАО «РЖД» выступает Единая корпоративная автоматизированная система управления трудом (далее АС АКСУ) (Матусова, Гоголова, 2017). Созданное единое информационное пространство с компьютерными рабочими местами для специалистов по управлению персоналом различного уровня, позволяет вести и контролировать весь необходимый перечень кадровых документов, а также весь комплекс работ по управлению персоналом. В СС ACSL реализована согласованная система отчетов и удобный графический интерфейс пользователя. При этом в УК АКШЛ разработана сводная отчетность. Ценность системы CC ACSL заключается в возможности ее интеграции с различными приложениями в виде файлов XML (табл. 01 ).

Работа с базовым показателем эффективности управления персоналом требует наличия эффективной управленческой политики для каждой бизнес-единицы. На основании мониторинга работы по управлению персоналом за 2018 год определены следующие основные показатели.

Таблица 1 — Посмотреть полный размер >

Каждый из показателей KPI рассчитывается отдельно с соблюдением качественных и количественных соотношений (Zámečník, 2015) по каждому подразделению ОАО «РЖД». Компания ОАО «РЖД» уделяет большое внимание стратегии развития персонала и повышению стратегической эффективности.

Постановка проблемы

Учитывая сложность управления большим объемом данных, сгенерированных в CC ACSL, данные могут быть извлечены для получения знаний и поддержки принятия решений, стратегической целью является рассмотрение возможности применения алгоритмов интеллектуального анализа данных и применение инструмента (Simek & Sperka, 2019 ) для минимизации трудозатрат при реализации кадровой политики и создания максимально благоприятных условий для информационного обслуживания специалистов при подготовке и принятии ими своевременных и обоснованных решений.

Исследовательские вопросы

Исследование заключается в поиске и тестировании алгоритмов Data Mining, позволяющих исследовать проблемы управления персоналом на основе выявленных ключевых показателей компании с помощью Deductor. Настоящее исследование рассматривает процессное управление и управленческие инновации в сфере персонала, предварительно настраивая прирост инновационных мощностей компании, выявляет набор кадровых инноваций, реализуя процессный подход к управлению, и устанавливает их взаимосвязь с показателями инновационной деятельности компании. . Рассматривается проблема увеличения инновационной базы ОАО «РЖД» как необходимое условие развития экономики нового типа в условиях цифровизации Российской Федерации.

Цель исследования

Экспорт данных из ВЦ АССЛ позволяет внедрить расчет ключевых показателей КПЭ на консолидированных данных в ЕХД. Из рассмотренных OLAP-технологий и программных инструментов в качестве примера рассматривается Deductor, который поддерживает различные сценарии и визуализацию. Загруженные XML-данные распределяются по структурированным файлам, включающим HR-метрики по дисциплинам бизнес-процесса, линейным организациям, работам, численности персонала в текущем подразделении, датам по кварталам, количеству уволенных. Проведен анализ одного из ключевых показателей – количество предприятий с укомплектованностью основных производственных групп менее 9 человек.7%. В этом случае производственная группа считается группой рабочих специальностей.

Методы исследования

Основные методы исследования:

• первый шаг реализуется методами анализа существующих подходов, детальной проработки основных вопросов по регламенту взаимодействия для формирования ключевых показателей HR-метрики.

• второй этап включает выбор техники Data Mining для анализа KPI и разработку технологии интеграции данных

• Третий этап включает в себя анализ и расчет основных показателей, сбор и выгрузку данных из ВЦ АЦСЛ. Разработать и внедрить хранилище данных для импорта файлов XLM. Наложение сценария расчета показателей в инструменте Deductor Подготовка отчетов.

Выводы

Успех в решении стратегических и оперативных задач зависит от управления персоналом. Развитие HR-бизнес-модели вытекает из общей политики компании. Он должен не только обеспечивать эффективность основных кадровых процессов, но и способствовать развитию кадрового потенциала, профессиональных и корпоративных компетенций, формированию современной корпоративной культуры. Каждый ключевой показатель идентифицируется и рассчитывается в соответствии с четкими регламентированными действиями. Любой показатель эффективности должен быть отражен в процессе как изменение нормативного документа. Определение KPI происходило по регламенту, отдельному от каждого процесса взаимодействия.

Для расчета основных показателей возможно использование инструментов OLAP или специализированных систем, ориентированных на задачи консолидации данных. Чтобы создать сценарий расчета показателей в выбранном инструменте, необходимо импортировать необходимые показатели HR из CC ACSL в виде файлов XML, очистить и преобразовать данные. Очищенные данные импортируются в созданное хранилище данных выбранного инструмента. Выбранный инструмент содержит все необходимое для расчета количественных характеристик HR-метрик (рис. 01 ).

Рисунок 1: Технология интеграции данных Посмотреть полный размер >

Заключение

В настоящей компании, как следует из анализа использования качественных и расчетных количественных относительных КПЭ, ежегодное отслеживание тенденции изменения этих показателей структурным подразделением ОАО «РЖД» является одной из основных задач кадровой службы.

Извлеченный основной показатель – профессиональное кадровое обеспечение по всем направлениям отражает множество качественных показателей, таких как самоуспокоенность от профессии, интерес к профессии, мотивация, удовлетворенность сотрудников, качество индивидуальных компетенций или контроль эффективности работы сотрудников. Поэтому в статье рассматриваются проблемы с использованием математических и статистических методов анализа для измерения этих качественных величин. Основным инструментом, используемым в этом процессе, является анализ метаданных, концентрирующихся в КЦ АКШЛ, и их использование при составлении мотивационных программ. В статье также рассматривается алгоритм анализа индикатора.

Исследование основано на сравнении количественных HR-метрик с основным критерием, который указан в показателе (процент предприятий с укомплектованностью менее 97%). HR-метрики разбиваются на атрибуты и измерения, а на пересечении получаются факты. В данном случае атрибутами является название профессии, размерами – направление компании. Количество работающих по этим профессиям за выбранный период времени будет фактами. И весовой показатель будет 97%, что принимается за основную расчетную цель. В результате факты будут сравниваться с целевым значением 97%. Для сравнения и расчета доли предприятий с укомплектованностью групп по рабочим специальностям примем следующие условия:

Количество работающих по данной рабочей специальности <=97;

Численность работающих по данной специальности >103;

Количество работающих по данной специальности >97.

С помощью инструмента рассчитан показатель — Доля предприятий с укомплектованностью основных производственных групп менее 97% (табл. 02 ).

Таблица 2 — Посмотреть полный размер >

Ссылки

• Бахтияр, М. (2017, декабрь). Анализ измерения эффективности работы отдела HR-GR с использованием метода балансовых показателей. В серии конференций IOP: Материаловедение и инженерия (том 277, № 1, стр. 012006). Издательство ИОП.
• Чедвик, К., и Ли, П.С. (2018). Системы управления персоналом, отделы кадров и предполагаемая производительность труда в учреждении. Управление человеческими ресурсами, 57(6), 1415-1428. https://doi.org/10.1002/hrm.21914
• Матусова Д. и Гоголова М. (2017). Использование новых управленческих подходов в области персонального маркетинга в транспортной компании. В М. Друса, И. Йылмаз, М. Маршалко (ред.), Всемирный междисциплинарный симпозиум по гражданскому строительству, архитектуре и городскому планированию. Серия конференций IOP – Материаловедение и инженерия, 245(4), 042027. Бристоль: Издательство IOP. https://doi.org/10.1088/1757-899X/245/4/042027
• Симек Д. и Сперка Р. (2019). Как координация роботов и людей может помочь в отделе кадров: тематическое исследование пилотной реализации. Организация, 52(3), 204-217. https://doi.org/10.2478/orga-2019-0013
• Турриаго-Ойос, А., Тоен, У., и Арджун, С. (2016). Работники умственного труда и добродетели в теории управления Питера Друкера. Сейдж Опен, 6(1). https://doi.org/10.1177/2158244016639631
• Замечник, Р. (2015). Кадровый контроллинг как инструмент измерения ключевых показателей эффективности человеческих ресурсов. В E. Pastuszková, Z. Crhová, J. Vychytilová, B. Vytrhlíková, A. Knápková (Eds.), Материалы 7-й Международной научной конференции по финансам и деятельности фирм в науке, образовании и практике (стр. 1681-169).5). Злин: Университет Томаса Баты в Злине.

Информация об авторских правах

Эта работа находится под лицензией Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Об этой статье

Оригинальная статья: Дисбактериоз кишечной грибковой микробиоты и экологические изменения при колоректальном раке

1. Ferlay J, Soerjomataram I, Dikshit R и др.. Заболеваемость раком и смертность во всем мире: источники, методы и основные закономерности в GLOBOCAN 2012. Int J Cancer 2015; 136: E359–86. 10.1002/ijc.29210 [PubMed] [CrossRef] [Google Scholar]

2. Гао Р., Гао З., Хуан Л. и др.. Микробиота кишечника и колоректальный рак. Eur J Clin Microbiol Infect Dis 2017; 36: 757–69. 10.1007/s10096-016-2881-8 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

3. Парфри Л.В., Уолтерс В.А., Найт Р. Микробные эукариоты в микробиоме человека: экология, эволюция и будущие направления. Фронт микробиол 2011;2:153 10.3389/fmicb.2011.00153 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

4. Андерхилл Д.М., Илиев И. Д. Микобиота: взаимодействие между комменсальными грибами и иммунной системой хозяина. Нат Рев Иммунол 2014;14:405–16. 10.1038/nri3684 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

5. Накацу Г., Чжоу Х., Ву В.К.К. и др.. Изменения кишечного вирома связаны с колоректальным раком и результатами выживания. Гастроэнтерология 2018;155:529–41. 10.1053/ж.гастро.2018.04.018 [PubMed] [CrossRef] [Академия Google]

6. Луан С, Се Л, Ян Х и др.. Дисбактериоз грибковой микробиоты слизистой оболочки кишечника больных колоректальными аденомами. научный представитель 2015;5:7980 10.1038/srep07980 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

7. Ли Кью, Ван С, Тан С и др.. Дисбактериоз кишечной грибковой микробиоты связан с воспалением слизистой оболочки при болезни Крона. J Clin Гастроэнтерол 2014;48:513–23. 10.1097/MCG.0000000000000035 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

8. Баджадж Дж. С., Лю Э. Дж., Херадман Р. и др.. Грибковый дисбактериоз при циррозе. кишки 2018;67 10.1136/gutjnl-2016-313170 [PubMed] [CrossRef] [Google Scholar]

9. Бочуйвер С., Розелерс Г., Левин Э. и др.. Грибковый дисбактериоз кишечника связан с висцеральной гиперчувствительностью у больных с синдромом раздраженного кишечника и у крыс. Гастроэнтерология 2017; 153:1026–39. 10.1053/ж.гастро.2017.06.004 [PubMed] [CrossRef] [Google Scholar]

10. Илиев И.Д., Леонарди И. Грибковый дисбактериоз: иммунитет и взаимодействие на слизистых барьерах. Нат Рев Иммунол 2017;17:635–46. 10.1038/nri.2017.55 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

11. Патерсон М.Дж., О С., Андерхилл Д.М. Взаимодействие хозяин-микроб: комменсальные грибы в кишечнике. Курр Опин Микробиол 2017;40:131–137. 10.1016/j.mib.2017.11.012 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

12. Сокол Х., Ледук В., Асчард Х. и др.. Дисбактериоз грибковой микробиоты при ВЗК. кишки 2017;66:1039–48. 10.1136/gutjnl-2015-310746 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

13. Цзян ТТ, Шао ТИ, Анг ВКСГ и др.. Комменсальные грибы повторяют защитные свойства кишечных бактерий. Клеточный микроб-хозяин 2017;22:809–16. 10.1016/ж.чом.2017.10.013 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

14. Ю Дж., Фэн К., Вонг С.Х. и др.. Метагеномный анализ фекального микробиома как инструмент для создания целевых неинвазивных биомаркеров колоректального рака. кишки 2017;66:70–8. 10.1136/gutjnl-2015-309800 [PubMed] [CrossRef] [Google Scholar]

15. Зеллер Г., Тап Дж., Фойгт А.И. и др.. Возможности фекальной микробиоты для ранней диагностики колоректального рака. Мол Сист Биол 2014;10:766 10.15252/msb.20145645 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

16. Болгер А.М., Лозе М., Усадел Б. Trimmomatic: гибкий триммер для данных последовательностей Illumina. Биоинформатика 2014;30:2114–20. 10.1093/биоинформатика/btu170 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

17. Розенблюм К.Р., Армстронг Дж. , Барбер Г.П. и др.. База данных UCSC Genome Browser: обновление 2015 г. Нуклеиновые Кислоты Res 2015;43:D670–81. 10.1093/нар/гку1177 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

18. Вуд DE, Зальцберг SL. Kraken: сверхбыстрая классификация метагеномных последовательностей с использованием точного выравнивания. Геном Биол 2014;15:R46 10.1186/ru-2014-15-3-r46 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

19. Полсон Дж. Н., Стайн О. С., Браво Х. С. и др.. Дифференциальный анализ численности для исследований микробных маркерных генов. Нат Методы 2013;10:1200–2. 10.1038/н-мет.2658 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

20. Стандарт-Витсе А., Сендид Б., Йоссенс М. и др.. Колонизация Candida albicans и ASCA при семейной болезни Крона. Am J Гастроэнтерол 2009; 104:1745–53. 10.1038/ajg.2009.225 [PubMed] [CrossRef] [Google Scholar]

21. Фридман Дж., Альм Э.Дж. Вывод корреляционных сетей из данных геномных исследований. PLoS Компьютерная Биология 2012;8:e1002687 10.1371/journal.pcbi.1002687 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

22. Совран Б., Планше Дж., Джегу С. и др.. Enterobacteriaceae играют важную роль в модулировании тяжести колита грибками. микробиом 2018;6:152 10.1186/с40168-018-0538-9 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

23. Тедерсоо Л., Бахрам М., Пылме С. и др.. Биогеография грибов. Мировое разнообразие и география почвенных грибов. Наука 2014;346:1256688 10.1126/наука.1256688 [PubMed] [CrossRef] [Google Scholar]

24. О Дж., Берд А.Л., Деминг С. и др.. Биогеография и форма индивидуальности функционируют в метагеноме кожи человека. Природа 2014;514:59–64. 10.1038/природа13786 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

25. Чехуд С., Альбенберг Л.Г., судья С. и др.. Грибковая подпись в микробиоте кишечника педиатрических пациентов с воспалительным заболеванием кишечника. Воспаление кишечника Dis 2015; 21:1948–56. 10.1097/MIB.0000000000000454 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

26. Хоффманн С., Доллив С., Грюнберг С. и др.. Археи и грибы микробиома кишечника человека: корреляция с диетой и обитателями бактерий. PLoS один 2013;8:e6601910.1371/journal.pone.0066019 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

27. Ричард М.Л., Ламас Б., Лигуори Г. и др.. Грибковая микробиота кишечника: Инь и Ян воспалительного заболевания кишечника. Воспаление кишечника Dis 2015;21:656–65. 10.1097/MIB.0000000000000261 [PubMed] [CrossRef] [Google Scholar]

28. Курамаэ Э.Э., Хиллекенс Р.Х., де Холландер М. и др.. Структурные и функциональные изменения в сообществах почвенных грибов, связанных с мешками для мусора, содержащими листья кукурузы. FEMS Microbiol Ecol 2013;84:519–31. 10.1111/1574-6941.12080 [PubMed] [CrossRef] [Google Scholar]

29. Малик А.А., Чоудхури С., Шлагер В. и др.. Соотношение почвенных грибов и бактерий связано с изменением круговорота углерода. Фронт микробиол 2016;7:1247 10.3389/fmicb.2016.01247 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

30. Пердомо Х., Саттон Д.А., Гарсия Д. и др.. Спектр клинически значимых видов Acremonium в США. Джей Клин Микробиол 2011;49:243–56. 10.1128/JCM.00793-10 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

31. Вирт Ф., Гольдани Л.З. Эпидемиология Rhodotorula: новый патоген. Междисциплинарная перспектива Infect Dis 2012;2012:1–7. 10.1155/2012/465717 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

32. Зур М.Дж., Банджара Н., Халлен-Адамс Х.Е. Основанные на последовательности методы обнаружения и оценки микобиома кишечника человека. Lett Appl Microbiol 2016;62:209–15. 10.1111/лам.12539 [PubMed] [CrossRef] [Google Scholar]

33. Buentke E, Heffler LC, Wilson JL и др.. Контакт натуральных киллеров и дендритных клеток в поврежденной коже при атопическом дерматите — взаимодействие клеток под влиянием Malassezia. Джей Инвест Дерматол 2002;119: 850–7. 10.1046/j.1523-1747.2002.00132.x [PubMed] [CrossRef] [Google Scholar]

34. Гайтанис Г., Маджиатис П., Ханчке М. и др.. Род Malassezia при кожных и системных заболеваниях. Clin Microbiol Rev. 2012; 25:106–41. 10.1128/CMR.00021-11 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

35. Арриета М.С., Аревало А., Стимсма Л. и др.. Связь между грибковым и бактериальным дисбиозом у детей и атопическим хрипом у детей в неиндустриальных условиях. J Аллергия Клин Иммунол 2018;142 10.1016/j.jaci.2017.08.041 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

36. Губа Н., Рауль Д., Дранкорт М. Культуромика кишечника эукариот выявляет новые виды. PLoS один 2014;9:e106994 10.1371/journal.pone.0106994 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

37. Уханова М., Ван Х., Баер Д. И. и др.. Влияние потребления миндаля и фисташек на состав микробиоты кишечника в рандомизированном перекрестном исследовании питания людей. Бр Дж Нутр 2014; 111:2146–52. 10.1017/S0007114514000385 [PubMed] [CrossRef] [Google Scholar]

38. Кэри Дж.В., Эрлих К.С., Бельц С.Б. и др.. Характеристика кластера генов биосинтеза афлатоксина/стеригматоцистина Aspergillus ochraceoroseus. Микология 2009 г.;101:352–62. 10.3852/08-173 [PubMed] [CrossRef] [Google Scholar]

39. Hedayati MT, Pasqualotto AC, Warn PA и др.. Aspergillus flavus: человеческий патоген, аллерген и продуцент микотоксинов. микробиология 2007; 153:1677–92. 10.1099/мик.0.2007/007641-0 [PubMed] [CrossRef] [Google Scholar]

40. Scanlan PD, Marchesi JR. Микроэукариотическое разнообразие микробиоты дистального отдела кишечника человека: качественная оценка с использованием культурально-зависимого и независимого анализа фекалий. Исме Дж. 2008; 2: 1183–9.3. 10.1038/исмей.2008.76 [PubMed] [CrossRef] [Google Scholar]

41. Анжебо С., Джоссу Ф., Абеланет С. и др.. Candida albicans не всегда являются предпочтительными дрожжами, колонизирующими людей: исследование американских индейцев вайампи.