Содержание к диссертации
Введение
ГЛАВА 1. Состояние проблемы контроля сердечно-сосудистой системы, анализа и оценки острых нарушений кровообращения и использования биотехниче ских систем
1.1. Контроль состояния сердечно-сосудистой системы в операционной и реанимации 11
1.2. Передача, хранение и защита данных контроля 14
1.3. Обработка и анализ данных контроля 16
1.4. Методы оценки состояния сердечно-сосудистой системы при острых нарушениях кровообращения 18
1.5. Биотехнические системы медицинского назначения 23
ГЛАВА 2. Разработка биотехнической системы оценки состояния сердечно-сосудистой системы при острых нарушениях кровообращения 26
2.1. Постановка задачи разработки биотехнической системы 26
2.2. Метод определения наиболее слабого звена 32
2.3. Классификация нарушений кровообращения 34
2.4. Математическая модель кровообращения 36
2.5. Требования к биотехнической системе 45
2.6. Разработка биотехнической системы 55
2.6.1. Разработка программного обеспечения БТС — компьютерной базы данных 55
2.6.2. Разработка алгоритмического обеспечения БТС - алгоритма оценки состояния сердечно-сосудистой системы при острых нарушениях кровообращения 65
ГЛАВА 3. Применение биотехнической системы оценки состояния сердечно-сосудистой системы при острых нарушениях кровообращения 87
3.1. Общая характеристика клинического материала 87
3.2. Клинические данные мониторного контроля 88
3.2.1. Параметры гемодинамики, отражающие текущее состояние пациента на значимых этапах лечения 88
3.2.2. Параметры гемодинамики, отражающие текущее состояние у пациентов группы на каждом этапе лечения 92
3.2.3. Параметры гемодинамики, отражающие текущее состояние у
пациентов группы на всех этапах лечения 93
3.3. Оценка изменений в состоянии сердечно-сосудистой системы у пациентов группы сГОКМП в результате лечения 95
3.4. Индивидуальная оценка состояния сердечно-сосудистой системы пациента с ГОКМП 109
ГЛАВА 4. Обсуждение результатов использования биотехнической системы для оценки состояния сердечно-сосудистой системы при острых нарушениях кровообращения 122
4.1. Результаты статистического анализа параметров гемодинамики, характеризующих состояние сердечно-сосудистой системы у пациен тов группы с ГОКМП в результате лечения 122
4.1.1. Изменения и достоверность различий средних показателей гемодинамики до и после операции 122
4.1.2. Разброс и вариация средних показателей гемодинамики на значимых этапах лечения 127
4.1.3. Коэффициенты корреляции для показателей гемодинамики за время лечения 134
4.2. Оценка возможных изменений состояния сердечно-сосудистой системы у пациентов группы с ГОКМП в результате лечения с помощью имитации на модели кровообращения 136
4.3. Преимущества и перспективы использования биотехнической системы для поддержки принятия решений при кардиохирургических операциях и в раннем послеоперационном периоде у больных с острыми нарушениями кровообращения 141
Выводы 144
Практические рекомендации 147
Список литературы
- Передача, хранение и защита данных контроля
- Метод определения наиболее слабого звена
- Параметры гемодинамики, отражающие текущее состояние пациента на значимых этапах лечения
- Изменения и достоверность различий средних показателей гемодинамики до и после операции
Введение к работе
Актуальность темы. Развитие цифровых инфотелекоммуникационных технологий на современном этапе идет по двум направлениям, первое из которых ориентировано на разработку и внедрение новых решений и технологий, а второе — на повышение эффективности функционирования и улучшение качества предоставляемых услуг в уже существующих системах обработки и передачи информации. Наличие паразитных эхо-сигналов в таких технических приложениях как модемная передача данных, сейсмология, проводная и беспроводная телефония, цифровая акустика, сотовая и спутниковая связь, радиолокация, системы видео и телеконференций отрицательно сказывается на качестве передаваемого сигнала и часто является серьезной помехой, мешающей передаче информации и принятию оперативного решения в системах управления и связи. Таким образом, возникает задача устранения паразитного эхо-сигнала.
Наиболее эффективным методом устранения паразитного эхо-сигнала является адаптивная эхо-компенсация, предполагающая использование теории адаптивной обработки сигналов. Значительный вклад в развитие этой теории внесли многие отечественные и зарубежные ученые: ЯЗ. Цыпкин, В.В. Шах-гильдян, Г.П. Тартаковский, Е.П. Чураков, Ю.М. Коршунов, Б. Уидроу, С. Стирнз, К.Ф.Н. Коуэн, П.М. Грант, С. Хайкин и другие. В рамках теории адаптивной обработки сигналов задача адаптивной эхо-компенсации формулируется как задача прямого моделирования (идентификации) динамической системы и состоит в адаптивном поиске параметров модели максимально соответствующей параметрам идентифицируемой динамической системы. Проблемами эффективной эхо-компенсации являются обеспечение быстрой и точной настройки при наличии внешних мешающих факторов (шумов, помех, искажений, динамических изменений характеристик идентифицируемой системы) и ограничений, накладываемых реализационным базисом.
Несмотря на то, что идея адаптивной эхо-компенсации была предложена в середине 60-х годов прошлого века, она продолжает развиваться и в настоящее
время, о чем свидетельствует большое число публикаций, посвященных данной проблематике в отечественных и зарубежных изданиях. При этом основное внимание в последние годы уделяется разработке и исследованию методов и алгоритмов адаптивной компенсации акустических эхо-сигналов. В этом случае модель идентифицируемой системы (эхо-тракта) имеет значительный порядок в, смысле эквивалентного КИХ-фильтра, поиск коэффициентов которого осуществляется при настройке адаптивного фильтра, входящего в состав эхо-компенсатора. В ї первую очередь, это затрагивает такие технические приложения как беспроводная и мобильная связь, цифровая акустика, технологии пакетной передачи данных и речи, xDSL технологии, а также системы видео и телеконференций: Основной трудностью при этом является обеспечение возможности эффективной практической реализации, что: предусматривает снижение вычислительных затрат без потерь в качестве работы алгоритма^
,' Удачным решением в этом случае является использование теории; многоскоростной обработки сигналов:, которая позволяет существенно снизить вычислительные затраты на реализацию требуемого адаптивного фильтра; Єимг биоз теории многоскоростной обработки сигналов и субполосной адаптивной фильтрации, -— многоскоростная адаптивная фильтрация, — отлично зарекомендовала себя в задачах сжатия речи и изображений, эквалайзинга и адаптивного диаграммообразования. Огромный вклад в развитие теории многоскоростной обработки сигналов и субполосной адаптивной фильтрации внесли как отечественные, так и зарубежные ученые: Р. Крошьер, Л.Р. Рабинер, М. Белланже, В.В. Витязёв, П.П. Вайдьянатхащ М: Веттерли, 3; Светкович, Р.В; Стюарт, М. Хартенек, К.Энеман, М. Мунен, Д; Марелли, М. Фу и ряд других.
Большое число * степеней свободы, которые дает совместное использование теорий многоскоростной и адаптивной обработки сигналов, позволяет создавать эффективные структуры адаптивных фильтров с использованием банков фильтров с различными свойствами и характеристиками, что обеспечивает гибкость решения задачи адаптивной эхо-компенсации. Тем не менее, при этом остаются открытыми вопросы, касающиеся выбора структуры и характеристик
банка фильтров и алгоритма адаптации для оптимальной реализации адаптив- / ного эхо-компенсатора.
Объектом исследований настоящей диссертационной работы являются методы и алгоритмы адаптивной идентификации динамических систем, применяющиеся при решении задачи эхо-компенсации. Предмет исследований — повышение точностных и динамических характеристик методов и алгоритмов адаптивной идентификации, а также уменьшение вычислительных затрат на их реализацию за счет применения многоскоростной обработки сигналов.
Таким образом, тема диссертационной работы, направленная на решение научной задачи, заключающейся в исследовании и разработке эффективных методов и алгоритмов многоскоростной адаптивной идентификации динамических систем в задачах эхо-компенсации, является актуальной в рамках обозначенной проблематики.
Цель и задачи работы. Целью исследований, проводимых в работе, является разработка методов и алгоритмов многоскоростной адаптивной идентификации динамических систем в> задачах эхо-компенсации, направленных на уменьшение вычислительных затрат и улучшение точностных и динамических характеристик устройства.
Достижение поставленной цели включает в себя решение таких задач как:
синтез структуры адаптивного эхо-компенсатора-с использованием теории многоскоростной обработки сигналов;
сравнительный анализ точностных и динамических характеристик многоскоростного адаптивного эхо-компенсатора при работе с различными алгоритмами адаптации и различными входными сигналами;
оценка выигрыша в минимизации вычислительных затрат при использовании многоскоростной обработки сигналов для построения адаптивного эхо-компенсатора;
разработка и исследование эффективных методов построения адаптивного многоскоростного эхо-компенсатора на базе различных структурно-алгоритмических реализаций;
проектирование моделирующей среды и аппаратно-программных средств для проведения экспериментальных исследований;
разработка методики оптимального проектирования многоскоростных адаптивных эхо-компенсаторов.
Методы проведения исследований. В ходе исследований использовались методы компьютерного моделирования, математического анализа и статистики, матричного исчисления, цифровой и адаптивной обработки сигналов. А также другие методы, которые в совокупности с проведенными экспериментами позволили получить общую картину оценки эффективности применения многоскоростной обработки сигналов в задаче адаптивной эхо-компенсации. Моделирование и тестирование предлагаемых походов проводилось с использованием таких программных пакетов как MATLAB, Code Composer Studio и Visu-alDSP++.
Научная новизна работы. Новые научные результаты, полученные в диссертационной работе, состоят в следующем.
Предложен критерий оценки эффективности работы адаптивного эхо-компенсатора и проведены исследования, показывающие преимущества использования методов многоскоростной обработки сигналов по сравнению с классическими аналогами.
Формализована задача оптимизации параметров структуры адаптивного эхо-компенсатора, использующего многоскоростную обработку сигналов, и проведены экспериментальные исследования ее решения с применением различных алгоритмов адаптации и банков фильтров с максимальной и немаксимальной децимацией.
Предложен новый метод построения субполосного адаптивного эхо-компенсатора на основе неравномерных банков фильтров с немаксимальной децимацией и комбинированного алгоритма адаптации, позволяющего добиться экономии вычислительных затрат без существенного снижения качества работы устройства.
Предложена модификация структурной схемы и алгоритма функционирования многоскоростного адаптивного эхо-компенсатора, дающая возможность целесообразно использовать энергоресурс устройства.
Разработана методика оптимального проектирования адаптивных эхо-компенсаторов, использующих многоскоростную обработку сигналов. Практическая значимость работы. Результаты исследований могут быть
использованы при проектировании систем цифровой акустики, видео и телеконференцсвязи, мобильных приложений, высокоскоростных широкополосных систем передачи данных, а также систем обработки и передачи информации, использующих модуляцию с субполосным мультиплексированием. Разработанные методы, алгоритмы и программное обеспечение использованы при выполнении госбюджетных научно-исследовательских работ, проводимых в ГОУВПО «Рязанский государственный радиотехнический университет» по заказу Министерства образования и науки РФ (НИР № 5-04Г, НИР № 3-05Г, НИР № 8-06Г), а также в учебном процессе. Основные результаты работы использованы в проектно-конструкторской деятельности ОАО «Рязанский радиозавод», г. Рязань, что подтверждается соответствующими актами о внедрении. Основные положения, выносимые на защиту
Результаты исследований эффективности применения методов многоскоростной адаптивной идентификации динамических систем, демонстрирующие достижимый выигрыш по отношению к классическим методам решения задачи эхо-компенсации.
Рекомендации по выбору типа и характеристик банка фильтров и методика решения задачи оптимизации параметров структуры многоскоростного адаптивного эхо-компенсатора.
Новый метод построения многоскоростного адаптивного эхо-компенсатора с пониженной вычислительной сложностью на основе комбинированного алгоритма адаптации.
Методика оптимального проектирования многоскоростных адаптивных эхо-компенсаторов, позволяющая минимизировать затраты на реализацию.
Достоверность. Достоверность результатов, полученных в диссертации, подтверждается корректным использованием математического аппарата и программных средств моделирования и проектирования.
Апробация работы. Научные результаты, полученные в работе, докладывались и обсуждались на следующих международных, всероссийских и межрегиональных научно-технических конференциях:
«Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2004, 2005, 2008);
«Радиоэлектроника, электротехника и энергетика» (Москва, 2005);
«Цифровая обработка сигналов и ее применение» (Москва, 2006, 2008);
«Материалы нано-, микро- и оптоэлектроники: физические свойства и применение» (Саранск, 2005);
«Современные проблемы информатизации в моделировании и программировании» (Воронеж, 2006, 2007, 2008);
«Современные проблемы радиотехники и телекоммуникаций» (Севастополь, 2006, 2008).
Личный вклад. Все результаты, сформулированные в основных положениях, выносимых на защиту, получены автором лично.
Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 141 наименования и 3 приложений. Общий объем диссертационной работы вместе с приложениями составляет 178 страниц, в том числе 160 страниц основного текста, 7 таблиц, 67 рисунков.
Публикации. По материалам диссертации опубликовано 17 работ. Из них 5 статей в журналах центральной печати из перечня ВАК и 12 тезисов докладов на международных и всероссийских конференциях.
СОДЕРЖАНИЕ РАБОТЫ
Первая глава посвящена постановке, математической формализации и решению задачи прямого моделирования (идентификации) динамической системы. Рассматривается эффект возникновения электрического и акустического эхо-сигналов в различных технических приложениях. Приводится описание общей структуры адаптивного эхо-компенсатора. Далее идет обзор и сравнительный анализ методов адаптивной эхо-компенсации, предложенных с 60-х годов прошлого столетия до настоящего времени. Последняя часть первой главы посвящена математической формализации и решению задачи прямого моделирования характеристик динамической системы в классе КИХ-цепей, где говорится, что задача адаптивной эхо-компенсации является одним из практических примеров задачи прямого моделирования динамической системы. Отмечается, что наиболее перспективным ее решением является совместное использование методов многоскоростной и адаптивной обработки сигналов. В конце главы формулируются проблемы применения многоскоростной адаптивной обработки сигналов в рассматриваемой задаче, и определяется предмет дальнейших исследований.
Вторая глава ставит своей целью разработку и исследование методов адаптивной многоскоростной обработки сигналов в задаче эхо-компенсации. Вначале описываются общие принципы и основные идеи многоскоростной обработки сигналов. Проводится синтез структурной схемы адаптивного эхо-компенсатора, использующего многоскоростную обработку сигналов, и в общем виде формализуется задача оптимизации параметров структуры адаптивного эхо-компенсатора. В экспериментальной части данной главы анализируются точностные и динамические характеристики адаптивного эхо-компенсатора при использовании различных алгоритмов адаптации, и проводится выбор наиболее эффективных алгоритмов для дальнейшего использования в схеме многоскоростного эхо-компенсатора. Вводится понятие коэффициента эффективности, оценивающего отношение уровня подавления эхо-сигнала
достигнутого за фиксированное время настройки к вычислительным затратам на реализацию. На основе введенного показателя сравниваются субполосная и классическая схемы построения адаптивного эхо-компенсатора, и делается вывод о целесообразности использования многоскоростной обработки сигналов в задаче адаптивной эхо-компенсации для случая эхо-тракта, имеющего протяженную импульсную характеристику.
Третья глава рассматривает вопросы разработки и исследования методов построения многоскоростных адаптивных эхо-компенсаторов. Повторно формализуется задача оптимизации параметров структуры адаптивного эхо-компенсатора, но уже с учетом особенностей использования многоскоростной обработки сигналов и результатов исследований, проведенных во второй главе. Исследуется эффективность применения банков фильтров с максимальной и немаксимальной децимацией и различными способами разбиения на субполосы. Предлагается новый способ реализации многоскоростного адаптивного эхо-компенсатора с пониженной вычислительной сложностью, использующий распределенную адаптивную обработку в субполосах, а также модификация схемы и алгоритма работы многоскоростного адаптивного эхо-компенсатора, позволяющая эффективно расходовать энергоресурс устройства при работе в реальном времени.
Четвертая глава посвящена разработке моделирующей среды и аппаратно-программных средств для проведения экспериментальных исследований и оптимального проектирования адаптивных эхо-компенсаторов. Кроме разработки моделирующей среды для системы MATLAB и методики оптимального проектирования адаптивных эхо-компенсаторов для различных аппаратных платформ, здесь также рассматриваются вопросы соответствия характеристик многоскоростного адаптивного эхо-компенсатора требованиям рекомендаций Международного союза электросвязи.
Заключение подводит итоги проделанных исследований и отмечает основные научные и практические результаты работы.
12 В приложениях приведены: список условных обозначений, аббревиатур и сокращений; математическое описание алгоритмов адаптации, использовавшихся в ходе экспериментальных исследований; примеры эффективной программной реализации некоторых алгоритмов адаптации для цифровых процессоров обработки сигналов; сравнительный анализ готовых решений и документы, подтверждающие внедрение результатов работы.
Передача, хранение и защита данных контроля
Существуют разные способы передачи данных из контролирующей аппаратуры в компьютер, например, через АЦП-ЦАП преобразования (платы ЛА8, ЛА8М1, МЕ-26 и т.д.), последовательный интерфейс (например, стандарт RS-232 и др.) или сетевой интерфейс (SDN - сеть) [82; 112]. В последнее время с развитием сотовой связи стала возможным передача данных по GSM-каналам мобильной связи, по каналам спутниковой связи, по Internet-каналам (TCP/IP протокол), с помощью сетевых интерфейсов Ethernet, Wi-Fi и т.п. [17; 91; 112].
При необходимости накопления и оперативной обработки данных, учитывая их большой объем (цифровые и графические данные мониторинга, видеонаблюдения, рентгеновские и эхокардиографические изображения и т.п.) удобно хранить данные в специально разработанных компьютерных базах на жестком диске компьютера, а в случае нехватки места-в архивах на внешних носителях (CD, DVD,Flash HCKax и т.п.) [27; 82]. Среди уже существующих компьютерных баз данных в области медицины и биологии, известны, например, такие, как: DocVue (под операционной системой OS/2) и CareVue (под операционной системой Unix), разработанные фирмой Hewlett Packard и применяемые для контроля больных в операционной, реанимации и блоках интенсивной терапии [17; 45]; MARS (Microarray Analysis, Retrieval and Storage system) под операционной системой Linux - интегрированная система для научно-исследовательских работ в области генома [113]. Известны, также, компьютерные базы данных для хранения записей о пациентах - «электронные истории болезни». Они содержат персональные данные о пациенте, его анамнезе и поставленном ему диагнозе, медикаментозных назначениях и выполненных лечебных процедурах и мероприятиях, но не имеют в своем составе сложных алгоритмов и не предназначены для диагностики и поддержки решений врача. В качестве примера таких баз данных можно привести MMRS (Mosoriot Medical Record System — совместная разработка специалистов США и Кении с использованием СУБД MS Access [118]), Информационные автоматизированные системы «История болезни» (АС «Диспансер», КБ «Статотчетность»), АРМы врача и т.п. [92; 93; 97; 98]. Несмотря на большое количество (около 830) программных средств, аппаратно-программных комплексов, информационных систем и т.п., представленных на рынке отечественных медицинских информационных технологий, компьютерные разработки под операционной системой MS Windows для диагностики острых нарушений кровообращения, оценки степени тяжести нарушений и обеспечения принятия решений врача до сих пор не описаны [97], и это при том, что программное обеспечение компанииМісгозоп: более широко распространено в лечебных учреждениях, чем Unix, Linux и др. [63; 82].
Как правило, данные мониторного контроля не хранятся в памяти мониторов более 48 часов, вследствие чего исходные данные измерений в большинстве случаев не приводятся в исследованиях, а даются только усредненные результаты. Поэтому нельзя обратиться к данным ретроспективно, что затрудняет последующую оценку состояния пациента [66]. Упорядочивание данных мониторного контроля (графиков кривых, трендов, вычисляемых оценок, статистических обобщений) в компьютерных базах данных обеспечивает удобство и быстроту обращения к ним, доступность всех показателей и гибкость их объединения [27].
В современных условиях развития компьютерных технологий большое значение придается защите информации. Для баз данных, содержащих медицинскую информацию, эта проблема, также, актуальна, т.к. требование конфиденциальности закреплено законодательно (Федеральные законы об охране здоровья граждан от 02.03.98 №30-Ф3, от 20.12.99 №214-ФЗ). На рынке информационных технологий существует большое количество как отечественных, так и иностранных разработчиков, предоставляющих в качестве решений проблемы защиты информации специально разработанные системы (например, Secret-DiskNG, программный комплекс APACS, программно-аппаратный комплекс «Аккорд-АМДЗ» и т.д.), электронные USB-ключи и смарт-карты (eToken, HASP, Hardlock, ASECardCrypto, RfiKey и т.д.) для защиты программного обеспечения, сетей и баз данных [49].
Метод определения наиболее слабого звена
Методика определения наиболее слабого звена по измеряемым показателям основана на анализе влияния свойств сердечно-сосудистой системы на ее функции. Наиболее слабое звено - это свойство сердечно-сосудистой системы, изменение которого определяет развитие нарушения функции кровообращения и является его причиной [подробнее о методе слабого звена см. 54].
Метод состоит в следующем:
1. На основе полученных данных мониторного контроля выделяется наиболее измененная по сравнению с нормальным функционированием (- ) функция (fk). Величина показывает степень изменения каждой оценки функции кровообращения (fk): где fk= [/1,/2,/3,/4,/5 } и, в соответствии с четырехрезервуарной моделью кровообращения (см. пункт 2.4.), / = СИ (сердечный индекс); /2 = АД (артериальное давление); /з = ВД (венозное давление); /4 = ЛАД (легочное артериальное давление); /s= ЛВД (легочное венозное давление). Степень изменения каждой оценки функции может быть определена по сравнению со значениями экспертных оценок, состояния до воздействия, до ухудшения и т.п. Степени изменения сравниваются между собой, упорядочиваются, ранжируются и затем максимальной степени присваивается индекс j (2.2): : - max /, J 1 « , (2.2) который выделяет функцию, максимально изменившуюся по сравнению с нормой.
2. После этого для j-ой наиболее измененной оценки функции кровообращения находится i-oe свойство, оказавшее на ее отклонение в сторону патологии наибольшее влияние. С этой целью в модель поочередно подставляются нормальные (средние для группы больных с благополучным течением заболевания, экспертные и т.п.) значения свойств. В соответствии с четырехэлементной моделью свойства (D) принимают значения: Dk = {D],D2,D3,D4,D5,D6,D7,D8,D9}, где Dj= КЛ (насосный коэффициент левого желудочка сердца); D2 — ЭА (эластичность артериального резервуара); D3 = ОПС (общее периферическое сопротивление); D4 = ЭВ (эластичность вен); D5 = КП (насосный коэффициент правого желудочка сердца); D6 = ЭЛА (эластичность легочных артерий); D7 = ОЛС (общее легочное сосудистое сопротивление); Dg = ЭЛВ (эластичность легочных вен); D9 = ОЦК (объем циркулирующей крови). Затем определяется то из свойств (i-oe), которое оказало на j-ую оценку функции кровообращения наибольшее влияние (2.3): Ufi (fj ) = max ln[/y (Dk ) / / (D)] 1 5 (2.3).
3. Теперь, когда установлены наиболее измененная оценка функции кровообращения и свойство, которое оказало на эту оценку наибольшее влияние в сторону патологии (от нормы), надо найти, каким образом отразилась нормализация на других оценках функции кровообращения, чтобы разделить патологические и компенсаторные процессы. Для этого определяется оценка функции (j+1), изменившаяся в наибольшей степени в сторону патологии в ответ на нормализацию модели сердечно-сосудистой системы по і-ому свойству. Это выполняется аналогично п. 1.
4. Для разделения патологических и компенсаторных изменений будем считать, что если относительное изменение оценки j больше, чем j+1, то свойство і предположительно обуславливает развитие патологического процесса. В противоположном случае изменение свойства і предположительно имеет компенсаторный характер.
5. Правила 1-4 должны быть выполнены для всех свойств, поэтому организуется цикл. Если имеется клинически или физиологически значимое изменение оценки функции, то переходим к пункту 6. Если нет, то к пункту 7.
6. Модель, нормализованная по свойству і, принимается за исходную. Функции j+1 присваивается индекс j. Переходим к пункту 2.
7. Когда результат не удовлетворителен, т.е. если исследователь (врач) не удовлетворен выбором слабого звена (основного патологического процесса) или видит возможность проведения параллельного анализа по другой начальной оценке функции кровообращения (например, когда две наиболее измененные оценки отличаются меньше, чем на погрешность), переходим к пункту 1 и выбираем 2-ую по величине изменения оценку функции. Если удовлетворен, то переходим к определению слабого звена (постановке диагноза) в соответствии с клинико-математической классификацией острых нарушений кровообращения.
Параметры гемодинамики, отражающие текущее состояние пациента на значимых этапах лечения
Схемы возможных вариантов изменения +ї. Синим цветом выделены варианты, в которых принимается решение об адаптивном характере изменения Fj, а красным - о патологическом. Здесь: Fj- функция, наиболее изменившаяся до нормализации ; а — отклонение Fj от своей нормы или опорного значения (логарифмическое значение); Fj-n - функция, наиболее изменившаяся после нормализации DJ; b- изменение Fj+i после нормализации относительно своего текущего значения до нормализации Dj (логарифмическое значение); с - отклонение Fj+ до нормализации от своей нормы или опорного значения (логарифмическое значение); с - отклонение Fj+[ после нормализации от своей нормы или опорного значения (логарифмическое значение).
Если в результате сравнения оказывается, что изменение Fj носит адаптивный характер -программа переходит к блоку 17.
Если в результате сравнения оказывается, что изменение Fj носит патологический характер (в этом случае обусловившее его свойствоД является «слабым звеном») -программа переходит к блоку 18.
Если в результате сравнения оказывается, что изменение Fj никак не классифицируется, так как отклонение ДД ниже порога значимых отклонений АД заданного в начале работы алгоритма в блоке 2 -программа переходит к блоку 19.
Блок 17 - значение показателя Fj+i принимается за наиболее изменившийся показатель функции Fj, а модель, нормализованная по свойству Д - за текущее состояние сердечно-сосудистой системы. Программа переходит к блоку 8 и цикл нормализации повторяется.
Блок 18 - проверяется условие, что пользователя удовлетворило найденное «слабое звено» D-, и он не намерен проводить более детальный анализ процессов в сердечно-сосудистой системе: если условие соблюдено - программа переходит к блоку 19 (анализ прерывается); если условие не соблюдено — программа переходит к блоку 17 (анализ продолжается).
Блок 19 - формулируется содержание происходящих процессов в сердечнососудистой системе (в соответствие с выявленными изменениями Fj патологического или адаптивного характера) и количественно оценивается тяжесть выявленных процессов и значимость реакций (равно отклонению от нормы или опорной величины соответствующего свойства Dj, обуславливающего изменение Fj). Полученные формулировки процессов и реакций, и оценки их тяжести и значимости представляются на экран в отчете «Оценка состояния сердечно сосудистой системы» (блок 20).
Блок 21 - графически отражается полученная оценка состояния сердечнососудистой системы — в отчет об оценке состояния внедряется диаграмма-образ, отражающая текущие процессы и их количественную оценку, и представляется на экран (блок 22).
Представленный алгоритм справедлив для моделей сердечно-сосудистой системы, практически любой детальности и структуры в рамках современных знаний [54]. Ограничения связаны с возможностями мониторно-компьютерного контроля, и при его дальнейшем развитии, алгоритм может быть адаптирован.
Алгоритм работает в цикле до тех пор, пока все нарушения не будут определены, или пока пользователь не захочет прервать анализ. Основными выходными параметрами алгоритма являются отчет MS Access об оценке состояния сердечно-сосудистой системы и диаграмма-образ состояния.
Отчет «Оценка состояния сердечно-сосудистой системы» содержит сведения о личных данных пациента (номер истории болезни, ФИО), этапе лечения, на котором проводится анализ, времени измерения анализируемых данных, и, собственно, содержание патологических процессов и адаптивных изменений с количественной оценкой их тяжести и значимости (рис. 14).
Аналогичный отчет формируется в результате анализа, проведенного алгоритмом в автоматическом режиме. В случае если пользователь ничего не менял в ходе анализа, содержание этих отчетов полностью совпадает. Этот отчет может быть выведен на экран и/или распечатан на принтер.
Состояние сердечно-сосудистой системы более наглядно отражается на диаграммах (образах). Эти диаграммы показывают взаимоотношение между состоянием подсистем кровообращения и функцией сердечно-сосудистой системы, иллюстрируя имеющиеся нарушения кровообращения [27; 54], упрощают осмысление числовой информации, содержащейся в оценке состояния, и тем самым нарушение воспринимается «единым взглядом».На диаграмме (рис. 15) основные подсистемы кровообращения представлены в виде маленьких кругов серого цвета. Они отражают: левое сердце, далее по часовой стрелке - артериальный резервуар, микроциркуляторное ложе, венозную систему, правое сердце, легочные артерии, капилляры легких, легочные вены. Текущие состояния этих подсистем представлены диаметрами синих кругов и задаются значениями соответствующих свойств сердечно-сосудистой системы (КЛ, ЭА, ОПС, ЭВ, КЛ, ЭЛА, ОЛС, ЭЛВ), а в норме или в опорном состоянии показаны на диаграмме серым цветом. При этом серые круги имеют одинаковые размеры и расположены на одинаковом расстоянии от центра, поскольку определяющие их величины заданы в относительных числах. Функциональное состояние сердечно-сосудистой системы отражается расстоянием от центра большого круга до перечисленных выше элементов (маленьких кругов) и задается 5-ю показателями: АД (расстояние от центра к артериальному резервуару), ЦВД (расстояние от центра к венозной системе), ЛАД и ЛВД (соответственно, расстояния от центра до кругов, задающих величину эластичностей легочных артерий и легочных вен), СИ (расстояние от центра к сердцу, капиллярам и микроциркуля-торному ложу).В статике эти последние расстояния одинаковы, в динамике — разные. Параметры гемодинамики больного, измеряемые в данный момент (или усредненные за интересующий период), образуют многоугольник синего цвета. Изменение размеров кругов показывает, во сколько раз уменьшились или увеличились, соответственно, насосные коэффициенты, сопротивления и эластичности. Аналогично, изменения расстояния от центра показывают, во сколько раз уменьшились или увеличились оценки функций.
Изменения и достоверность различий средних показателей гемодинамики до и после операции
Результаты статистического анализа параметров гемодинамики, характеризующих состояние сердечно-сосудистой системы у пациентов группы с ГОКМП в результате лечения.
Анализ средних значений показателей кровообращения для всей группы пациентов, проведенный средствами MS Excel, позволил получить статистическую информацию об изменении, достоверности, разбросе, вариации и корреляции средних показателей гемодинамики для группы пациентов с ГОКМП на значимых этапах хирургического лечения и раннего послеоперационного периода.
Изменения и достоверность различий средних показателей гемодинамики до и после операции.
В табл. 21 приведены данные для исследуемой группы пациентов по изменению средних значений показателей кровообращения в результате операции и достоверности их различия.
В результате операции в целом у группы пациентов среднее АД, как и систолическое (АДС), и диастолическое (АДД), изменялись незначительно (в пределах 7%) и недостоверно. В отличие от АД, достоверно возросли ЛАД, ЛАДС и ЛАДД, хотя их значения менялись и не очень сильно (в пределах 25%). ЦВД изменилось достоверно на 63%. Достоверно возросли МОК (на 33%) и СИ (на 34%), что отражает положительную динамику изменения состояния пациентов. ЧСС тоже вырос существенно (на 65%), и рост этот достоверен. Индекс периферического сопротивления (ИСС) достоверно снизился на 32%. ИЛЖ увеличился на 37% на этапе «перед экстубацией» по сравнению с началом операции, и незначительно изменялся ИПЖ сначала в сторону его снижения на 18 % к концу операции по сравнению с началом, а потом его повышения на 13 % перед экстубацией в ОРИТ. Достоверно упал тонус ёмкостных сосудов (ИЭА, ИЭВ, ИЭЛА, ИЭЛВ снижены на 23%, 33%, 35% и 33% соответственно). То есть, в целом по группе пациентов с тяжёлыми формами гипертрофической обструк-тивной кардиомиопатии наблюдается тенденция к общему росту у ЦВД, ЛАДС, ЛАДД, ЛАД, ЛВД, МОК, СИ, ЧСС. Тенденция к общему снижению у группы больных в целом наблюдается у ИПЖ, ИСС, ИЭА, ИЭВ, ИЭЛА, ИЭЛВ. Незначительно (без общей тенденции к росту или снижению) изменяются АД, АДС, АДД, ИЛЖ, ИЛС.
Разбросы средних значений показателей сердечно-сосудистой системы перед кожным разрезом и перед экстубацией для каждого пациента и по всей группе пациентов представлены в таблицах 22 и 23.
В исходном состоянии (перед кожным разрезом) по всей исследуемой группе пациентов разброс средних показателей функции сердечно-сосудистой системы сравним со средними значениями для каждого пациента на данном этапе у АДС, ЛАДД, ЛВД, ЧСС (в табл. 22сравнимые разбросы выделены розовым цветом). Разброс средних МОК и СИ отличался от средних значений для каждого пациента на данном этапе примерно в 2 раза (в табл. 22- выделены зеленым цветом). Различие остальных показателей функции варьировало от 16 до 33%. Разброс средних ИПЖ и ИСС между пациентами был больше, чем разброс в исходном состоянии для каждого пациента примерно на 42%. Различия ИЭВ, ИЭЛА и ИЭЛВ - незначительны (в пределах 9%), а различия остальных индексов составляли от 23 до 26 %.
Перед экстубацией разброс средних показателей функции сердечнососудистой системы сравним со средними значениями для каждого пациента на данном этапе у АД и АДС (в табл. 23 сравнимые разбросы выделены розовым цветом). Разброс среднего ЧСС отличался от средних значений для каждого пациента на данном этапе в 2 раза (в табл. 23 - выделен зеленым цветом). Различие остальных функций варьировало от 18 до 44 %. Разброс среднего ИЛС между больными был больше разброса для каждого больного на 42%. Различие ИЭЛА - незначительно (3%), а различия остальных индексов составляли от 24 до 44 %.
В табл. 24 представлены коэффициенты вариации показателей сердечнососудистой системы для каждого пациента за все время наблюдения. Из таблицы видно, что вычисляемые показатели (индексы) варьируют в большей степени, чем измеряемые, как по наибольшему изменению, так и в среднем. Из этого ряда несколько выбивается ЦВД (среднее значение его коэффициента вариации 40,1%). Наибольшие изменения разных показателей относится к различным пациентам, т.е. нельзя однозначно определить пациента с наиболее неустойчивым состоянием сердечно-сосудистой системы во время операции и в раннем послеоперационном периоде.
С коэффициентами вариации показателей сердечно-сосудистой системы для каждого этапа лечения по всей группе исследуемых пациентов ситуация аналогичная. Вычисляемые показатели (индексы) варьируют в большей степени, чем измеряемые как по наибольшему изменению, так и в среднем (см. табл. 25). ЦВД по всем этапам варьирует больше, чем остальные функции, ИСС же варьирует меньше остальных вычисляемых показателей. Наибольшие изменения различных показателей относится к разным этапам, т.е. нельзя однозначно определить этап, вносящий наибольшую неустойчивость в состояние сердечнососудистой системы.
