Разработка автоматизированной системы прогнозирования генеративной функции и выбора реабилитационных мероприятий Матвеева, Инна Вячеславовна

Введение к работе

Актуальность темы. Демографическая обстановка, сложившаяся в последние годы, требует более внимательного изучения и поиска кардинальных мер по-ее улучшению. Впервые смертность превысила рождаемость и эта тенденция продолжает нарастать. Конечно, большую роль играет ухудшение социально-экономических условий, но кроме этого нельзя не учитывать другой не менее важный фактор - увеличение числа бездетных семей, Бесплодие в браке практически всегда означает социальное, психическое и.очень часто физическое неблагополучие. А яри частоте.бесплодных браков 15 % и выше возникает социально-демографическая проблема государственного масштаба.

Немалую помощь в диагностике причин бесплодия и его лечении может оказать применение современных компьютерных технологий, автоматизированный подход, позволяющий объединить многолетний опыт работы в этой области. '':':

.. ..' Выбор, реабилитационных мероприятий при коррекции генеративной функции представляет собой вероятностный неоднородный процесс на уровне индивидуальной неоднородности пациентки, который к тому же осложняется недостатком априорной информации при лечении. Многочисленность 'причин, снижающих репродуктивную способность женщины, ,также вначйт&аьш затрудняет задачу определения врачом оптимальной тактики лечения. Управление,коррекцией бесплодия, необходимость Vex Шт иных реабилитационных мероприятий во многом зависят от прогноза генеративной функции пациентки.

'" : Таким образом, .актуальность данной работы заключается в необходимости .разработки штематаческого, алгоритмического и информа-ай0нкоГ;О обеспечения для управления лечением гинекологических заболеваний и оцейкк состояния генеративной функции, а также создания на этой основе автоматизированной системы эффективного прогнозирования Генеративной функции и выбора реабилитационных мероприятий..:. --^: ) У^^'Л^'^'-Г'^^'У¹^ :'.-

. Работа выполнена в ссютветствии с програішой ГКНТ, задание Ш.01.СШ,^;^одяий.':И8,..^Ьнрвнь« научных направлений Воронежского государственного, технического университета и межвузовской кафедры :"Кшпь.ютериаацйи управления в медицинских і: педагогических системах" "Виомедшберйефика, компьютеризация в медицине".

,11елью:.дйссерташїи является разработка ме моделей, алгоритмов ^:й. _:программ для автоматизированной системы прогнозирования генеративной, функции и выбора реабилитационных мероприятий и их

использование в клинической практике.

Для достижения поставленной цели необходимо решить следующие задачи :

провести анализ методов.моделирования генеративной функции и выбора тактики реабилитационных мероприятий;

разработать методику, алгоритмы и построить математические модели прогнозирования генеративной функции в условиях неоднород-ностей;

обосновать применение алгоритмов адаптивного выбора тактики лечения;

сформировать библиотеку типовых схем лечения по однородным компонентам математического описания и процедуру выбора лечебных мероприятий на её основе;

разработать структуру автоматизированной системы, её информационное, программное и алгоритмическое обеспечение;

провести верификацию моделей прогнозирования генеративной функции на основе экспертной и статистической информации; -

осуществить пробную эксплуатацию автоматизированной системы в клинических условиях и исследование генеративной функции с её использованием.

Методы исследования. В работе используются основные положения статистической теории, теории оптимизации, методы математического моделирования, планирования эксперимента, корреляционный анализ, методы сравнительных оценок, а также метод априорного ранжирования влияния факторов.

Научная новизна результатов исследования. Разработана методика построения прогностических моделей генеративной функции, учитывающая неоднородность статистических выборок и клинических признаков. Предложен алгоритм прогнозирования и получены математические модели, позволяющие оценивать генеративную функцию ^-.а основе анамнестических и клинических данных на всех этапах лечения. Разработана человеко-машинная процедура принятия решений при управлении коррекцией генеративной функции, обеспечивающая оптимальное соче-' тание опыта, интуиции, модельной и экспертной информации, априорных знаний врача с возможностями вычислительной техники, предназначенная для обработки информации и выбора управляющих воздействий, схем и методов реёбияитацйонных мероприятий. Предложен алгоритм адг гтивного т0ат Я&ш лекарственных препаратов на основе выбора текущей цда шррекции, позволяющий производить настройку

величини вероятностей изменения доэы по информации, поступающей от врача на текущем шаге управления. Создана структура, алгоритмическое и программное обеспечение автоматизированной системы прогнозирования генеративной функции и выбора реабилитационных мероприятий, представляющая собой комплекс взаимосвязанных функциональных подсистем многоцелевого навначения, обеспечивающих хранение и унификацию историй болезни, оценку генеративной функции как интегрального критерия состояния пациентки на всех этапах лечения, выбор схем лечения из библиотеки типовых схем лечения и адаптивное управление лечебным процессом.

Практическая значимость и результаты внедрения. Автоматизированная система разработана для клинического использования при лечении больных с бесплодием и другими гинекологическими заболеваниями, а также в учебном процессе при подготовке специалистов соответствующего профиля. Создана и внедрена подсистема моделирования, включающая комплекс моделей прогнозирования генеративной функции, которые используются как в рамках автоматизированной системы при выборе реабилитационных мероприятий, так и самостоятельно для автоматизированного исследования генеративной функции, её зависимости от внешних факторов. Разработана и внедрена подсистема адаптивного выбора лечебных воздействий при лечении эндоцервикоза и сопутствующих воспалительных заболеваний и гормональных нарушений, а также библиотека типовых схем лечения гинекологических заболеваний и коррекции генеративной функции. Автоматизированная система прогнозирования генеративной функции и выбора реабилитационных' мероприятий внедрена на кафедре акушерства и гинекологии N1 Воронежской государственной медицинской академии им.Н.Н.Бурденко и в Воронежском областном лечебно-диагностическом центре, материалы диссертации используются в учебном процессе межвузовской кафедры "Компьютеризация управления в медицинских и педагогических системах" при обучении студентов специальности 190500 - "Биотехнические и медицинские аппараты и системы" в курсах "Применение ЭВМ для моделирования процессов в биомедицинских системах" и "Управление в биотехнических и медицинских системах", а также в работе Комитета по здравоохранению администрации Воронежской области.

Ожидаемый экономический эффект от внедрения составляет 15 тыс.руб. в год (в ценах 1992 года) и 516 тыс.руб. в год (в ценах 1994 года), в т.ч. при долевом участии автора - 5 и 200 тыс.руб.

Апробация работы. Материалы диссертации докладывались и об-

Публикации. По материалам диссертацийнной работыопубликовано 8 печатных работ.

Структура и объем работа. Диссертация состой? швведеййя, четырёх глав, заключения, приложения, где йриводатея материала но внедрению, листинги программ и результатов расчета, оодерішт список литературы из 71 наименования, изложена «a tgt странице машинописного текста, в котором приведено 14 рисунков и 1 таблиц.

В первой главе проанализированы основные метода коррекции генеративной функции, и показано, что одним из перспективных направлений в повышении эффективности процесса лечения является автоматизация выбора реабилитационных мероприятий с п^г\ювдо «еловеко'-ма-шинных процедур принятия решений. При управлении коррекцией бесплодия и оценке результативности лечения предлагается использовать прогноз генеративной функции как интегральную количественную оценку состояния репродуктивной системы женщины. .

Генеративная функция, как объект управления имеет ряд особенностей. Она аависит от многих признаков таких, как возраст пациентки, длительность бесплодия, характер дааструальной функции, наличие гинекологических вабояевавий, йредществовавдае #ереме»йос$и и их исход и представляет собой объект кееаедавашш о «еодчородаы-ми характеристиками на уровне индшщуадьаой йводшродноотй. %оть факторов и показателей, определяющих генеративную фудацш* ш имеет количественных оценок, ш степени влияния факторы амйэтся ш#-равнозначными. Лечение бесплодия направлено на устранение- отельных патологий жевской рекродукягиваой сястеїш. Оценка, генеративной функция либо не производится, либо проводятся врачом штуйтйвно, является субъективной и пой дальнейшем выборе тактщи> яечешя не учитывается. Принятие решений о выборе цели, вида й доаы/лечебных воздействий ос-ществляется врачом а,условиях неполной априорной информации. Отсутствие автоматизированной системы нор, зкции генеративной функции не позволяет дать комплексный всесторонний анализ

....5 причин бесплодия и затрудняет выбор оптимальной схемы реабилитационных мероприятий.

.-''.' Таким образом, к особенностям коррекции.генеративной функции относятся'";. неоднородность характеристик больных; отсутствие количественных оценок генеративной функции и ряда определяющих её факторов и показателей ; наличие неопределенностей в принятии решений; " не учитывается оценка, генеративной функции при планировании реабилитационных мероприятий; отсутствие автоматизированной системы прогнозирования и-коррекции.генеративной функции.

исходя из Особенностей объекта исследования, предлагается для оценки,генеративной функции разработать математические модели, а Для её коррекции: построить адаптивную процедуру принятия решений.

.; ВО второй главе предлагается методика моделирования генера
тивной функции, ...получены прогностические модели и алгоритмы прог-
. нозированйя;_; Представлена структура автоматизированной подсистемы
моделирования и её. основные компоненты. Входными данными для под-
... системы моделирования являются экспертная информация от врача,
.; статистические' данные из подсистемы историй болезни и данные кли-
. яического.рбеледования пациентки .(возраст, длительность бесплодия,
;" - характер^; менструальной функции,.' заболевания и т..д,). Выходной ин
формацией ;является; прогноз; генеративной функции.
,;^; Йервонадатно из: всей совокупьости входных. показателей, опре-
.-. делающих' генеративную функцию, методом априорного ранжирования бы-
.'т выделены 4 наиболее существенных: возраст, ;бесшюдие, менстру-
.альная Функция .'и.' 8абЬлевания_1;Качественшм.факторам (менструальная
функция и .заболевания); '.дана весовая оценка. За весовое значение
:' признакапринимался.натуральныйлогарифм отношения частоты его в
сравнмвашых,;гру^^ материалу. Так как ранее

/Такая оценка проводилась.без; учета неравнозначности признаков, то
. ;;Кбша; проведена, ксррекї с помощью норми-

;^';^.;^;^;;Мате?^йческое;'йпйсанйе^!;^ без

;; "учета, ^судествейной^ .и.еоднорбдности;':, характеристик обладает значи-
;. ;:Т«льно^^ Поэтому возникает

;яёсбх6д по однородным

;;; 'компонентам y;^;=.;t..,:.;(x);'T,gvI выявления, условий Гі,.... ,гк, при кото-
;";рых*выЬорки;ий выходной переменной

^: ;^:уй;ПрйН;^Є!^;'У компонентам

f (x),...,f (x). можно выделить 3 подхода для учета неоднородности генеративной функции.

Например, однородные компоненты можно сформировать по отдедь- ным качественным признакам, -а в качестве переменных рассматривать возраст пациентки и длительность бесплодия. Для прианака Оу (характер менструальной функции) выделены следующие покааатели : rj -менструальная функция не нарушена, га - нерегулярные менструации, гэ - аяьгоменорея, гд - ановудяторные циклы, гд - гипоменструавь-ный синдром. А для признака Qz (заболевания) покааатели: Гб - заболеваний нет, гу - аппендэктомия, га - острое воспаление придать ков матки, гд - хроническое воспаление придатков матки, гю - по-ликистозные яичники. Так как часть показателей являются неперекре-щиваюпщмися, т.е. по своему физиологическому смыслу не могут определять однородную компоненту (острое к хроническое воспаление придатков, менструальная функция не нарушена и гипоменструадьиый синдром и т.д.), то целесообразно формировать Сиоднородные компоненты, то есть однородные по двум признакам. Тогда прогностическая оценка генеративной функции пациентки формируется следующим образом :

ы ГпГі ' ' "'' . "

н ( »f * (50, р*1~Р, 1>I7L , (і)

где X =Чхі,...,Хп> - вектор показателей? г», гг - качественные неуправляемые показатели, принадлежащие двум различным качественным признакам % и Ог; Р, L. - число показ гелей, р * 1.

Другой вариант декомпозиции можно провести введением количественных показателей уровней вектора, характеризующего неоднородность качественных переменных. Например, в качестве 3-й входной переменной кроме количественных хі - возраст и хг -бесплодие взять некий индекс биоднородной компоненты, определяемый как сумма весовых значений показателей качественных факторов:

Хз - (Гр + г») * 1QQ, (2>

где г_р и ті, р * 1 - весовые значения показателей, подученные по статистической выборке.

Кроме того .в основу декомпозиции может быть положен авали* -статистических выборок значений выходной переменной. ржавом использовался приі-дип дихотомии о разделением интервала значений индексов бйоднородных компонент на 2 группы r^li> и т^|2> м проверкой

однородности выборок у⁽¹⁾ и у ⁽²⁾, соответствующих этим группам.

Для оценки однородности выборок рассматриваются две гипотезы: Hi - выборки у^(pi неоднородны по дисперсии; Нг - выборки у^(р) однородны по дисперсий. Оценка количества информации для различения в пользу Hi против Нг рассчитывается по следующей формуле :

о N_v S²
I(Hi:H₂) - — log —- , (3)

v=l ² S_v^z

где N_v - число элементов выборки у[к], принадлежащих v-й группе

(v » l,p); Е Ny - N; S'- оценка дисперсии, рассчитанная по выборке

v»l уСкЗ (к = 1,N); Sv² - оценка дисперсии, расчитанная по выборке уСкЗ (к » l,Nv). В качестве приближения к распределению оценки информации 2І(Ні:Нг) использовалось нецентральное ^-распределение с (р-1) степенями свободы.

Для получения прогностических моделей использовались методы планирования эксперимента и регрессионный аналиэ. В случае декомпозиции с введением в модель индекса биоднородной компоненты проводился пассивный эксперимент с объемом выборки N = 60.

В результате расчета получены следующие математические модели генеративной функции:

линейная .модель -
У = 34.4877 - 0.8996X1 " 1.86ІХ2 + 0.444х₃, (4)

для которой все коэффициенты уравнений статистически значимы : tpac4 > t_KIj, t кр = 2.0003 при числе степеней свободы f = 59 и уровне значимости q = 5 %; коэффициент множественной корреляции R_M= 0.98; Fpac4= 0.02141 < F_Kp= 1.76 при fi = 56, f₂ = 59, q = 5 X;

квадратичная модель -У = 9.9612 + 0.8356X1 - 0.5181X2 + 0.3736хэ - 0.0219х_а² - (5)

- 0.095X1X2 - О.ООІХіХз + 0.18Х2² - 0.005ІХ2ХЗ + 0.0005хз², для которой ірасч > t_Kp; R_M = 0.99; Fpac4= 0.01850 < Ркр= 1.76 при fl « 50, fg - 69, q « 5 X.

При разбиении интервала значений индексов биоднородных компонент (хз) на две части:, 159 < хз< 210 и ^г < хз < 159 математические модели были получены для двух выборок с числом элементов Ni = 17 И N2 - 43.

По формуле (3) была проведена оценка однородности выборок.

8 Оценка количества информации для различения в пользу Hi против Нг I(H.i :Нг) = 24.4558. Расчетное значение х² = 48.9116 > х²_№= 3.841 при числе степеней свободы р-1=1, то гипотеза Hi (выборки у⁽¹⁾ и у⁽²⁾ неоднородны по дисперсии) не принимается, следовательно,выборки y^clJ и у⁽²⁾ однородны и. дальнейшего разбиения не требуется.

При использовании третьего подхода прогностические модели генеративной функции были построены по каждой биоднородной компоненте Гргі (М * 25). Проводился полный факторный эксперимент, позволяющий получить математическое описание в виде неполноквадратичной модели. В качестве базовых уровней выбирались средние значения для возможных интервалов изменения факторов: х\в = 2> лет (возраст), иге = 5 лет (длительность бесплодия); шаги варьирования: Хі = 3 года, Х2 = 2 года. Получены следующие модели прогнозирования генеративной функции, адекватные статистическим данным:

ГіГб : У = 86.5208 + 0.6042ха ⁺ 6.4375X2 - Q.3125xjX2;

гіг? : У = 96.5833 + 0.2917х_а + 4.6667х₂ - 0,29l7XiXg; <Є)

Г5Гю: У = 49.8125 - 1.375xi - 5.9792хг + 0.1667xiX2.

В зависимости от выбранного метода декомпозиции разработаны алгоритмы моделирования генеративной функции, а также алгоритм определения её уровня с использованием полученных моделей, анамнестических и клинических данных.

В третьей главе рассмотрены вопросы алгоритмизации процедуры принятия решений при выборе тактики реабилитационных мероприятий. При лечении бесплодия и коррекции генеративний функции врачу приходится выбирать из множества вариантов наилучший при наличии ограничений на управляющие воздействия (дозы препаратов, продолжительность терапевтических процедур) и на показатели, характеризующие состояние пациентки (данные различных анализов}. Возникает задача оптимизации процесса лечения, в которой можно выделить 3 уровня принятия решений:

1. выбор текущей цели лечения;

2. выбор схемы лечения (видов лечебных мероприятий);

3. выбор дозы лечебного воздействия.

Формализуем процесс принятия решений на каждом шаге. Для зтого построим адаптивную процедуру поиска решений, в ходе которой на основе текущей информации раскрывались бы возникающие неопределенности.

В общем случае каждому заболеванию соответствует достаточно

їгаиверсальная схема лечения, в рамках которой врач с учетом индивидуального состояния больной выбирает вид и последовательность аечебных воздействий. Поэтому система автоматизированного выбора реабилитационных мероприятий включает в себя библиотеку типовых схем лечения, которая содержит совокупность возможных схем для каждого конкретного заболевания. Выбор лечебных воздействий из библиотеки осуществляется по следующей схеме (рисі).

Библиотека типовых схем лечения 2

Пациентка

совокупности

лечебных воздействий 3

Классификация

по биоднородным компонентам 4

Априорное ранжирование

лечебных воздействий 5

лечебного

Управление процессом : аечения

Оценка

величины лечебного

Удоадег²⁴ 'воряет врача

аффект?^ " -

Неї

Рис. і

10 Предварительно проводится едасеифйкацйй пациенток по биодао-

родным компонентам. Далее формируются все возможные варианты лечения для данной компоненты. Для получения начальных значений вероятностей Pj (j « 1,п), с которыми каждое воздействие может быть

использовано для конкретного больного СЕ Pj⁰ = ІУі лечебные Воздействия ранжируются. Далее вводится случайная величина г.. принимающая значения 1,п и задается правило, по которому осуществляется переход от одного вида воздействия к другому на каждом этапе наблюдения больного. Первым используют воздействие с наибольшей вероятностной мерой Pi =» max(Pj). На следующем этапе по величине эффекта производится коррекция Рj и выбор воздействия в соответствии со значением случайной величины г. При коррекции величины вероятностей используются су; 'ения врача об аффекте з-го лечебного воздействия на 1-й (i-i,m) показатель и объективные данные об изменении 1-го показателя при }-м воздействии. Настройка величин вероятностей осуществляется по двухуровневым адаптивным алгоритмам.

Одним из факторов, отрицательно влияющих на. генеративную функцию, являются эндоцервициты и эрозии шейки матки (SUM), особенно в сочетании с воспалйтельньши заболеваниями и гормональными нарушениями. Исходя из единых возбудителей (трихомояаДы, хламидии, и т.д.), их доли и общей реакции тканей на. воздействие микроорганизмов, изменения кислотности рН и других признаков, эндоцервициты по уровню влияния на генеративную функцию ыожно объединить с хроническими воспалениями придатков матки и для оценки уровня генеративной функции при эндоцервииоэе исяользовать прогностические Модели (4),(5).Процедура выбора тактики реабилитационных мероприятий при коррекции генеративной функции была рассмотрена на примере лечения ЭШМ. Для лечения применялисьполймерлекарственные комплексы на основе гелевых сорбентов, 11асытаедае аашгё гормональными свойствами в зависимости от вида заболеваний.

Ведущим показателем, характерйэуюадй* йроцесс регенерации является площадь зровии (у). В ходе лечения необходимо приблизить его к желаемому значению Уж * 0. S формализованном виде это будет выглядеть следующим образом:

ІІ".- (Уі - Уіж)² :? Ш. (?)

Влияния на процесс принятия решений показателей, противоречащих у, можно избежать введением условия, обеспечивающего минималь-

11 вое изменение площади эрозии от шага к шагу :

fg - (У*^-1 - У^к)² min. (8)

где k - номер шага.

Таким образом, задача формирования оптимального лечебного воздействия сводится к нахождению компромисса между критериями fi и fg.

Для получения недостающей априорной информации было формализовано мнение врача в виде: А-+1 - "волнует медленное уменьшение площади эровии, дову необхо-

Pi^k - —; ЗГ" , Р2^к - * - Pt^k. если А - +1; (9)

ходимо увеличить"; А--1 - "лечение идет в желаемом темпе, дозу необходимо сохранить". Настройка вероятностей привлечения критериев fі и f2 проводилась с помощью двухуровневых адаптивных алгоритмов: Djk-i + г*

1 + *Н

Р2^к_* * 1^

pgfc . .— __ , _pt^k - і - р2^к, если А - -1; (10)

!.+ **

тг⁴ - тр~¹ ехр(1/к signtA*"¹ А^к3). (11)

В соответствии с текущими значениями pi и Р2 проводился расчет _иоаы лечебного воздействия. Если ва k-м шаге лечения врач отдает предпочтение вида А - +1, то величина дозы препарата определяется по формуле

и** - и**^-1 + а^к (у^к - у_ж). (12)

Величина шага а^к определяется следующим образом:

а* - а¹*"¹ ехрі — зівпЦу* - у_ж>(У^к-1 - Уж)». (13) к

где у*¹, у*"¹ - площадь эровии соответственно № tkJ-м и [к-13-м

вагах лечения.

Если на к-м шаге А - -1, то величина дозы препарата остается

и**'- щ^к~¹. (14)

Результирующая доза препарата рассчитывается в соответствии с текущими вивченнями вероятностей pt и Ps по формуле

к-i

где Uj"\ Uj""* - величины дозы препарата соответственно на СМ-м и tk-13-v шагах лечения.

Начальная доза лекарственного вовдеиствия задается лечащим врачом либо определяется по моделям лечения эрозий шейки матки.

Схема алгоритма адаптивного выбора тактики лечения эрозий шейки матки приведена на рис. 2.

/н а ч а л оЛ

Определение состава полимер-лекарственного комплекса

г- 4 -

Определение

начальной

дозы

лекарственного

воздействия

Математические модели процессов лечения

г- 5 -

Задание начальных значений вероятностей S , P2 И коэффициента ао

г-в '

Расчет

коэффициента а и

дозы препарата

по двухуровневым

адаптивным алг-м

г- 8

Рис. г

X

Настройка вероятностей привлечения

критериев

Pi И Р2

13 В соответствии с рассмотренным алгоритмом было проведено лечение 7 пациенток гинекологического отделения областной клинической больницы, у которых была эрозия шейки матки и сопутствующие инфекционные заболевания. Результаты лечения больной Т. представлены графически.на рис.3.

Диагноз: эрозия шейки матки, трихомониав. Бесплодие - б лет. Состав лекарственного препарата: 9-25, ПЛК + метрогил.

2 3 4 б Шаг лечения

Рис. 3

— изменение шюадади эрозии шейки матки по информации врача;

изменение площади эрозии щейки матки .по модели лечения

Для полного заживления эрозии потребовалось 5 инсуффляций о интервалом в 3 дня. При использовании традиционных методов лечение аналогичного случая занимает 1 - 1.5 месяца. Расход лекарственных средств сокращается в среднем на 30 %. У пациенток оценивался уровень генеративной функции до и после лечения. Так, у больной Т. . до лечения он составлял 7S %,' а после - 94 %, то есть налицо аффект коррекции генеративной функции.

8 четвёртой главе рассматривается структура, техническая реализация, MpQwpmmoe и щзформадаонное обеспечение автоматизированной сястеда ехеы лечения б>, а такз*« аодоиотеш моделирования (7) и автомати-шрдааншго выбора лгечееиых воздействий (б). источниками информации является нациентаа СО и лечащий врач ($).

Техническая реализация АО проведена о, ногшьзоващем языка Turbo Pascal 7.0 и. СУЗД'FoxPro 2.0. Система функционирует на IBM

Пациентка 1

клинических исследований 2

Лечащий

врач

(ЛПР)

,

Подсистема моделирования

Рис.4

PC XT/at и совместимых компьютерах, под управлением MS DOS версии 3.30 и выше.

Пробная эксплуатация АС проводилась на базе гинекологического отделения областной клинической больницы. Было проведено лечение 7 пациенток с ЭВМ и сопутствующими заболеваниями.

Кроме того, с помощью АС было проведено исследование зависимости генеративной функции от местожительства и экологических условий региона, генеративный мониторинг г.Воронежа и Воронежской области. По данным подсистемы историй болезни проведено обследование 302 пациенток гинекологического отделения Воронежской городе-

15 кой больницы скорой медицинской помощи. В зависимости от экологической обстановки и наличия статистических данных было выделено 8 регионов по городу и 17 по области. Существенность рааличий между выборками оценивалась по критерию Стыодента, однородность дисперсий выборок по критерию Фишера. Выявлена тесная обратная свявь между генеративной функцией женщин и модулем техногенной нагрувки региона (R * -0.69); Зависимость генеративной функции от местожительства можно проиллюстрировать следующей диаграммой (рис.5).

Рис. 5 1 - р-н заводов СК. шинного, ВОГРЭС; 2 - Комштерновский р-н ("рабочая зона"); 3 - Ленинский р-н; 4 - Левобережный р-н; 5 - Советский р-н; б - Яелезнодорожный р-н; *" - Центральный р-н; 8 - Северный мкр t "р-н йнпоярома"; 8 - область в целом (сельская местность)

Анализ показывает, что средний уровень генеративной функции в сельской местности (74.68 %) значительно превышает её уровень в Во-. даежв (52.86 .%). По городу генеративная ситуация лучше всего в Северном микрорайоне и "районе ипподрома" (64.7 %) и Центральном районе (56.76 %). Низкий уровень наблюдается в рабочей зоне Комин-

16 терновского района (47.55 X) и районе заводов СК, шинного, ВОГРЭС, который является зоной риска по генеративной ситуации и требует усиленных мер профилактики бесплодия в этом регионе (36.79 %).