Содержание к диссертации
Введение
1. Аналитический обзор и постановка задач исследования .
1.1. Использование аппарата нечеткой логики принятия решений в медицине .
1.2. Современные представления о моделях принятия решений методами рефлексодиагностики.
1.3. Автоматизированные системы для прогнозирования и ранней диагностики заболеваний.
1.4. Цель и задача исследования.
2. Разработка методов построения решающих правил для задач прогнозирования и ранней диагностики сердечно-сосудистых заболеваний на основе рефлексодиагностики и нечеткой логики принятия решений .
2.1. Метод построения нечетких решающих правил для прогнозирования сердечно-сосудистых заболеваний .
2.2. Метод формирования списка информативных биологически активных точек с учетом их меридианных взаимосвязей и сочетанных заболеваний.
2.3. Метод построения нечетких решающих правил для ранней диагностики сердечно-сосудистых заболеваний по разнородному признаковому пространству.
2.4. Выводы второй главы.
3. Разработка автоматизированной системы управления процессами прогнозирования и ранней диагностики сердечно-сосудистых заболеваний .
3.1. Выбор информативных корпоральных биологически активных точек для прогнозирования и диагностики сердечно-сосудистой патологии .
3.2. Синтез меридианных моделей для прогнозирования и диагностики сердечно-сосудистых заболеваний.
3.3. Синтез решающих правил для прогнозирования и диагностики сердечно-сосудистых заболеваний.
3.4. Структура системы поддержки принятия решений для прогнозирования и диагностики сердечно-сосудистой патологии.
3.5. Выводы третьей главы.
4. Результаты экспериментальных исследований
4.1. Объект, методы и средства исследования.
4.2. Исследование эффективности правил прогнозирования и диагностики сердечно-сосудистых заболеваний на примере гипертензии .
4.3. Исследование эффективности правил прогнозирования мозговых инсультов.
4.4. Выводы четвертой главы.
Заключение.
Библиографический список.
- Использование аппарата нечеткой логики принятия решений в медицине
- Метод построения нечетких решающих правил для прогнозирования сердечно-сосудистых заболеваний
- Выбор информативных корпоральных биологически активных точек для прогнозирования и диагностики сердечно-сосудистой патологии
- Исследование эффективности правил прогнозирования и диагностики сердечно-сосудистых заболеваний на примере гипертензии
Введение к работе
Актуальность темы Сердечно-сосудистые заболевания различной этиологии являются одной из ключевых проблем современной медицины Несмотря на значительные успехи, достигнутые в последние десятилетия в диагностике и лечении сердечно-сосудистых заболеваний, число больных с этим видом патологии продолжает увеличиваться (Хадарцев А А , Назаренко В А , Веневцеса Ю Л , Есауленко И Э )
В связи с тем, что эффективность лечения сердечно-сосудистых заболеваний в значительной мере зависит от точности прогноза, диагностики стадий и степени их тяжести, одним из основных направлений в выборе рациональных стратегии ведения больных с этой патологией является совершенствование методов классификации, включая прогнозирование возникновения заболеваний, донозологическую и дифференциальную диагностику (Есауленко И Э , Фролов В Н , Львович Я Е , Субботина Т И , Устинов А Г)
Известные методы обследования больных с сердечно-сосудистой патологией, как правило, обеспечивают их точную нозологическую интерпретацию Однако при ряде сердечно-сосудистых заболеваний известные подходы требуют значительных затрат, иногда с использованием весьма болезненных инвазивных процедур В связи с этим становится актуальной задача поиска методов, облегчающих и ускоряющих процедуры прогнозирования и диагностики различных типов сердечно-сосудистой патолої ии
Исследования показали, что повысить качество решения исследуемого класса задач можно, используя методы теории нечетких множеств в сочетании с разведочным анализом, и рефлексологии с привпечением современных информационных технолог ии
Исходя из тої о, что существующие методы и средства диагностики сердечно-сосудистых заботеваний не обеспечивают требуемого качества классификации при заданных ограничениях на время принятия решения и технико-экономические затраты, а высокий процент этих заболеваний требует решения задач повышения качества диагностики и лечения, проблема повышения эффективности систем поддержки принятия решений, позволяющих исследовать различные проявления сердечно-сосудистых заболевании, является весьма актуальной
Рабоїа выполнена в соответствии с научным направлением Курского государственного технического университета «Разработка медико-экологических информационных технологий» и в соответствии с научно-технической программой «Научные исследования высшей школы по приоритетным направлениям науки и техники», подпрограмма 204 «Технология живых систем»
Целью диссертационной работы является разработка методов и средств управления процессами прогнозирования и ранней диагностики
2 сердечно-сосудистой патологии, обеспечивающих повышение оперативности и качества решаемых задач в условиях нечеткого представления исходных данных с пересекающейся структурой исследуемых классов
Для достижения поставленной цели необходимо решить следующие задачи
разработать метод построения нечетких решающих правил для прогнозирования различных типов болезней сердечно-сосудистой системы,
предложить метод определения информативных биологически активных точек и осуществить их выбор для прогнозирования и диагностики сердечно-сосудистой патологии,
разработать метод построения нечетких решающих правил для ранней диагностики сердечно-сосудистых заболеваний по разнородной системе признаков,
получить набор меридианных моделей управления энергетическими характеристиками меридианных биологически активных точек сигналами, параметры которых зависят от состояния сердечно-сосудистой системы,
- синтезировать правила прогноза и ранней диагностики ряда
распространенных и опасных сердечно-сосудистых заболеваний,
- разработать структуру системы поддержки принятия решений для
задач прогнозирования и диагностики сердечно-сосудистых заболеваний,
провести апробацию предложенных методов и средств прогнозирования и диагностики сердечно-сосудистых заболеваний на примере артериальной гипертензии и инсультов головного мозга
Методы исследований. Для решения поставленных задач использовались методы системного анализа, моделирование теории распознавания образов, нечетких множеств, прикладной статистики, экспертного оценивания и рефлексологии
Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной
метод построения нечетких решающих правил для решения задач прогнозирования, основанный на представлении сердечно-сосудистой патологии в виде нечетких образов описываемых разнородными признаками, отличающийся тем, что агрегация нечетких прогностических правил осуществляется с учетом структуры исходных данных, позволяющий определять уверенность перехода из класса относительно здоров в классы сердечно-сосудистых заболеваний в течение определенных времен наблюдения с учетом ограничений на время и стоимость обследования
метод получения информативных биологически активных точек, отличающийся возможностью определения таких их списков, использование которых минимизирует ошибку классификации от неоднозначностей связи по каждой из них в общей меридианной структуре организма и позволяющий строить правила рефлексодиагностики с учетом энергетических состояний меридиан и наличия сопутствующей патологии
- метод построения нечетких решающих правил для ранней диагностики
сердечно-сосудистой патологии отличающийся тем, что вид и параметры
функций принадлежностей и правила их агрегации уточняются в процессе
обучении в зависимости от структуры используемых подпространств, которые
формируются по данным опроса, осмотра, инструментальных исследований и
по энергетическим характеристикам проекционных зон, что позволяет
получать правила принятия решений с требуемым качеством в условиях
неполного и нечеткого предст авления исходных данных, при пересекающихся
структурах кл?ссов
нечеткие правила для ранней диагностики сердечно-сосудистых заболеваний, отличающиеся использованием разнородных данных о химических, физических, биологических и причинных факторах риска исследуемого класса заболеваний, позволяющие оценивать степень риска сердечно-сосудистой патологии с уверенностью не хуже 0,97 и выбирать рациональные схемы профилактических мероприятий
правила прогнозирования артериальной гипертензии и мозговых инсультов, и правила ранней диагностики гипертензии, отличающиеся использованием дачных характеризующих различные условия и проявления жизнедеятельности, позволяющие обеспечивать высокое качество прогнозирования и диагностики при приемлемых для практики временных и медико-технических затратах
Практическая значимость и результаты внедрения работы.
Разработанные методы, модели, решающие правила и алгоритмы составили основу построения автоматизированной системы поддержки принятия решений, используемой при решении задач прогнозирования и ранней диагностики сердечно-сосудистых заболеваний, клинические испытания которой показали целесообразность ее использования в клинической практике
Основные теоретические и практические результаты работы приняты к внедрению в отделение сосудистой хирургии МУЗ «Городская больница скорой медицинской помощи № 1» г Курска и в учебном процессе Курского государственного технического университета при подготовке специалистов направления «Биомедицинская инженерия» по дисциплинам «Методы обработки биомедицинских сигналов и данных» и «Автоматизированные медико-технологические информационные системы»
Экономическая и социальная значимость результатов диссертационного исследования состоит в улучшении качества медицинского обслуживания больных с сердечно-сосудистой патологией
Положения выносимые па защиту.
1 Методы построения нечетких решающих правил для прогнозирования и ранней диагностики сердечно-сосудистых заболеваний позволяют получать правила принятия соответствующих решений работающих в разнородном
4 признаковом пространстве в условиях неполного и нечеткого предсгавчсния исходных данных при пересекающихся структурах классов
2 Метод формирования списков биологически активных точек
позволяет получать их минимальные наборы с учетом всех существенных
факторов влияющих на энергетическое состояние этих точек позволяя
регистрировать основную и сопутствующую патологию
3 Нечеткие решающие правила прогнозирования и ранней диагностики
сосудистых заболеваний позволяющие обеспечивать требуемое для
медицинской практики качество классификации при приемлемых временных
и технико-экономических затратах на потученис прогностической и
диагностической информации
Апробация работы. Основные результаты работы были представлены и обсуждались на VIII и IX международных научно-технических конференциях «Медико-экологические информационные технологии», (Курск 2005,2006), на X и XII Российских научно-технических конференциях «Материалы и упрочняющие технологии», (Курск 2003, 2005), на 7-ой международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации Распознавание-2005», (Курск 2005), на научной конференции «Интеграция медицины и образования», (Курск 2006) на Всероссийской конференции «Биотехнические, медицинские и экологические системы и комгпексы» Рязань (2006) и на научно-технических семинарах кафедры биомедицинской инженерии КурскГТУ, Курск 2003 - 2007 гг
Публикации По материалам диссертации опублиювано 1 1 печатных работ, перечень которых приведен в конце автореферата, из них одна работа в журнале рекомендованном ВАК РФ
В работах [1, 4] соискателем в составе систем поддержки принятия решений предложены алгоритм выделения информативных признаков и контроля состояния человека по состоянию биотогически активных точек, блок прогноза состояния человека и алгоритм обучения нечетких решающих модулей, в работах [2, 3] предлагается механизм анализа данных для решения задач синтеза нечетких решающих правил используемых для прогнозирования и диагностики заболеваний, в работе [5, 7, 11] рассматриваются вопросы применимости нечетких решающих правил для решения задач прогнозирования для медицинских приложений, в работе [9] разрабатывается метод синтеза нечетких решающих правил для решения задач прогнозирования и производится его апробация на сосудистых заболеваниях глаз, в [6, 8, 10] осуществляется выбор информативных биологически активных точек для прогнозирования и диагностики сердечно-сосудистых заболеваний
Структура и объем диссертации Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающею 126
5 наименований Обьем диссертации 157 страниц машинописного текста, 59 рисунков и 13 таблиц
Использование аппарата нечеткой логики принятия решений в медицине
Решение задач прогнозирования и диагностики в медицине чаще всего производится с использованием методов теории распознавания образов, когда на этапе обучения синтезируются соответствующие решающие правила, а на этапах прогнозирования и (или) классификации (диагностики) объект с измеренными значениями признаков относится к одному из классов участвующих в процессе обучения.
В настоящее время известно достаточно большое число методов распознавания образов, однако ни один из них не может претендовать на абсолютную универсальность [3, 4, 61]. Сейчас принято считать, что наиболее удачными получаются те решающие правила, которые в определенном смысле соответствуют особенностям структуры признакового пространства и исследуемых образов [4, 61, 96].
Анализ многочисленных литературных данных и собственные исследования позволили сделать вывод о том, что задачи прогнозирования и диагностики ранней стадии сердечно-сосудистых заболеваний в условиях дефицита на дорогостоящее оборудование неинвазивного характера характеризуется тем, что используемые признаки (данные опроса, осмотра, инструментальных и лабораторных исследований) носят разнородный и зачастую нечеткий и неполный характер, а выделяемые классы имеют сложную, пересекающуюся структуру [39,47, 53, 61].
Согласно рекомендациям работ [53, 66, 68, 73] в этих условиях наиболее целесообразно использовать теорию нечеткой логики принятия решений опирающуюся на данные разведочного анализа [47, 61, 80]. Существует достаточно много работ посвященных использованию методов нечеткой логики принятия решений в задачах медицинской диагностики.
Так, например, в широко известной экспертной системе MYCIN решающие правила характеризуются коэффициентом уверенности правила КУ, а исходные данные, необходимые для срабатывания правила, характеризуются коэффициентом уверенности предпосылки (факта) КУх [111].
При получении коэффициента уверенности КУ продукционного нечеткого вывода используют следующие правила.
1. Если в предпосылке один член, то КУ определяется как КУх.
2. Если при получении выводов используются логические связи И или ИЛИ, то КУх рассчитывают относительно всех имеющихся предпосылок, причем для связи И выбираются минимальная из предпосылок, а для связи ИЛИ-максимальная.
3. Если КУх отрицателен, то действия правил не выполняются.
4. Если КУх положителен, то КУ всего вывода определяется формулой КУ=КУгКУх, то есть если КУх=1, то КУ вывода равен КУ правила, но если предпосылка удовлетворяется лишь частично, то КУ вывода пропорционально уменьшается.
5. Для комбинированной связи известны коэффициенты принадлежности, приписываемые всем правилам. Пусть, например, для двух правил известны КУп и КУд, тогда уверенность правила при комбинированной связи получают по формуле:
6. Коэффициент уверенности, получаемый для трех и более независимых доказательств, рассчитывают, используя последовательно указанные выше формулы.
Следует отметить, что для этого типа формул отсутствует доказательство того, что они могут решать сколь угодно сложные задачи классификации с заданным качеством, а сами формулы достаточно сложно синтезируются и интерпретируются экспертами.
В работах [1, 103] приводится другой механизм получения правил нечеткого вывода с помощью меры уверенности рассчитываемой как коэффициент уверенности, определяемый как разность между двумя мерами где КУ(со//Х) - уверенность в диагностической гипотезе со/, с учетом наличия свидетельств признаков Х={хь х2,...,хп};
МД(со//Х) - мера доверия к со/ с учетом признаков X;
МНД(со//Х) - мера недоверия к гипотезе со/, с учетом признаков X;
X - вектор признаков хь Хг,.. .,хп - характеризующих состояние объекта;
п - количество используемых признаков.
Формула 1.2 реализует предположение о том, что два подкрепляющих друг друга свидетельства должны усиливать доверие к заключению, давая более высокую степень истинности, чем средняя и даже максимальная. С другой стороны, несколько свидетельств указывающих в одном направлении не могут быть полностью скомпенсированы свидетельством, указывающим в обратном направлении [1].
Коэффициент уверенности (КУ) может меняться от -1 (абсолютная ложь) до +1 (абсолютная истина), принимая все промежуточные значения, причем 0 означает полное незнание.
Значения МД и МНД могут изменяться от 0 до 1. Считается, что КУ является удобным способ взвешивания свидетельств «за» и «против». Для расчета МД и МНД при поступлении новой информации (значения нового признака х) используются формулы типа: Щ(//Х,х) = МДЦ /Х) + МДЦ /xXl - МДЦ /X)), (1.3) МНД(«//Х,х) = МНД(й;//Х) + МНД(й)//хХі-МНД(бУ//Х) , (1.4) В этих формулах запятая между X и х означает, что х поступают для анализа после поступления и анализа вектора признаков X. При использовании формул (1.3) и (1.4) эффект нового свидетельства за гипотезу й при уже известных признаках X заключается в смещении МД или МНД в сторону полной определенности на расстояние зависящее от величины х. При этом порядок следования признаков не важен, а формулы «работают» при неполном признаковом описании объекта исследования. Значительное число правил нечеткого логического вывода базируется на использовании понятия нечеткого множества А и функций принадлежностей к этому множеству. Согласно этой теории элементы нечетного множества А представляются характеристическими функциями ід(Х) на универсальном множестве X. При этом, если элемент полностью принадлежит множеству, то ЛА(Х)=1, не принадлежит множеству цА(Х)=0 или частично принадлежит множеству X, тогда \ІА(Х) принимает числовые значения, лежащие в интервале от 0 до 1, то есть Цд(Х) Є [0,1]. Конкретное значение функции принадлежности называется степенью или коэффициентом принадлежности к множеству А. Степень принадлежности к множеству А может быть задана аналитически в виде функциональных зависимостей или числовых значений на различных типах шкал, включая шкалу наименований.
Метод построения нечетких решающих правил для прогнозирования сердечно-сосудистых заболеваний
Задачи прогнозирования сердечно-сосудистой патологии, так же как и другие задачи медицинского прогнозирования можно рассматривать как определение ответов на один из следующих вопросов.
1. Определить с какой уверенностью при наличии определенных факторов риска у обследуемого может развиться выбранная сердечнососудистая патология в течение фиксированного интервала времени?
2. Определить через какое время и с какой уверенностью у обследуемого может развиться то или иное сердечно-сосудистое заболевание с учетом возможных сочетанных заболеваний при определенных наборах факторов риска при заданном временном ограничении?
Естественным ограничением на задачи медицинского прогнозирования в условиях наблюдения за большим контингентом обследуемых являются временные и технико-экономические ограничения.
Эти ограничения, а так же реальное положение дел с наблюдением за состоянием здоровья населения регионов приводит к тому, что используемые для прогнозирования информативные признаки и в частности факторы риска, собираются чаще всего в недостаточном объеме (неполнота признакового описания). Используемые признаки измеряются в различных количественных и качественных шкалах (разнородность структуры признаков). Часто эксперты затрудняются, а иногда и не могут выразить в четких понятиях каков ожидается прогноз по тому или иному классу заболеваний при выбранных, заданных и (или) получаемых доступными методами значениях информативных признаков.
Дополнительным ограничением является то, что не существует четкой границы между понятиями заболеет или не заболеет обследуемый в силу сложности и динамичности исследуемого объекта.
Одним из математических аппаратов ориентированных на работу в этих условиях является нечеткая логика принятия решений. Однако в медицинских приложениях применение этого аппарата известно больше для решения задач диагностики.
Рассмотрим как используя элементы нечеткой логики принятия решений решить задачу синтеза правил прогнозирования возникновения сосудистых заболеваний в перечисленных выше трактовках, которую представим как задачу классификации на два класса: класс со0 - в течение
фиксированного времени То обследуемый не заболеет исследуемой патологией; класс а 1 - в течение фиксированного времени То обследуемый заболеет исследуемой патологией с идентификатором щ.
Решение искомой задачи оформим как соответствующей метод включающий следующие основные этапы.
1. Как и в классической постановке задачи распознавания с участием квалифицированных экспертов для заданных классов щ и со1 выбирается пространство информативных признаков Х=(хі,...,Х/,...,хп) по которым предполагается построить прогностические правила позволяющие ответить на вопрос принадлежит ли обследуемый к классу со1. В нечеткой постановке задачи необходимо определить с какой уверенностью в течение времени То обследуемый из класса щ перейдет в класс со1.
2. Как и в нечетких диагностических системах в качестве единого первичного инструмента для синтеза нечетких прогностических правил будем использовать функции принадлежностей JU (Ук)и JUa [YK) к классам а0 и (о1 на носителях YK=FK(x), которые в зависимости от структуры исходных данных тем или иным способом агрегируются в общие решающие правила обеспечивающие расчет коэффициентов уверенности КУа 0 и КУЙ в том, что обследуемый будет отнесен к классу со0 или со,. Здесь к - номер
функций принадлежностей (частных решающих правил) участвующих в синтезе обобщенных правил прогнозирования.
Выбор типа носителей и параметров функций принадлежностей может осуществляться несколькими способами: только на основании опыта и знаний высококвалифицированных экспертов; на основании опыта и знаний экспертов с возможностью проверки качества прогнозирования на контрольной выборке; экспертами по данным разведочного анализа предоставляющего информацию о геометрической структуре признаковых пространств или подпространств; на основании опыта и знаний экспертов, имеющих возможность использования данных разведочного анализа и с уточнением прогностических качеств на контрольной выборке.
Последний вариант представляется наиболее точным поскольку позволяет объединять достоинства эвристических подходов с элементами теории статистических решений.
Однако при этом необходимо иметь возможность формирования репрезентативных контрольных выборок, что может представлять собой достаточно трудоемкую и длительную задачу.
Если прогностические решающие правила строятся только на основе экспертных знаний, то каждый из привлекаемых экспертов должен иметь представление о том какую роль играет тот или иной признак (фактор риска) в общей уверенности отнесения, обследуемого к классу й)[ , какая .уверенность в прогнозе может быть достигнута по выбранной совокупности информативных признаков и на каком интервале времени, То прогноз еще можно признавать достаточно точным.
Выбор информативных корпоральных биологически активных точек для прогнозирования и диагностики сердечно-сосудистой патологии
Анализ многочисленных атласов меридиан позволяли сделать выводы, что из всего многообразия сердечно-сосудистых заболеваний наиболее информативно представлены: гипертензия (GI 11, GI 15, Е9, Е36, RP 6, V25, V60, МС7, VB20, F3); инсульт (GI 10); прединсультное состояние (TR 10, VG 16); нарушение мозгового кровообращения (Е39, С9, V40, R6, TR18, VG21).
Кроме этого для уточнения локализации сердечно-сосудистых заболеваний могут использоваться точки «связанные» с пораженными органами. Например, при прогнозировании и диагностике тромбозов центральной вены сетчатки и ее ветвей целесообразно использовать точки «связанные» с болезнью глаз и точки, указывающие на «слабость» мелких кровеносных сосудов по ситуации «кровотечение из носа». При оценке состояния кровеносных сосудов ног целесообразно добавлять точки с ситуациями «болезни нижних конечностей» и т. д.
Как видно из приведенного списка БАТ их прогностические и диагностические возможности распространяются лишь на малую долю существующих заболеваний сердечно-сосудистой системы, но по степени распространенности и инвалидизации они имеют достаточно широкое распространение и тяжесть, поэтому оперативное и качественное прогнозирование и ранняя диагностика этих заболеваний является актуальной задачей.
Для оценки информативности приведенного выше списки БАТ, используя рекомендации второй главы произведем поиск соответствующих диагностически значимых точек ДЗТ по двоичным таблицам связей (ДТС).
Списки ситуаций по основной патологии гипертензия - Хог. ZGI11 (тонизирующая точка Т):
X] - боль в суставах верхних конечностей, паралич конечностей;
Хг - лихорадочное состояние;
Хз - туберкулез легких;
Х4 - нарушение перестальтики кишечника;
Х5 - крапивница, экзема, нейродермит;
Хб - неврастения;
Х7- нарушение менструального цикла;
ZGI15(o6bi4Hafl точка)
Xg -кожные сыпи аллергического характера;
2Е9(обычная точка);
Х9 - лорингит, тонзилит, абцесс горла, дисфагия;
Хю - астма;
Хц - легочные заболевания;
Xj2- заикание;
Исследование эффективности правил прогнозирования и диагностики сердечно-сосудистых заболеваний на примере гипертензии
В соответствии с поставленными в работе целью и задачами объектом исследования явились относительно здоровые люди, и люди, страдающие различными видами сердечно-сосудистых заболеваний, включая их ранние стадии. Наблюдались относительно здоровые люди (класс й)0), люди с высоким риском сосудистых заболеваний, но относительно здоровые (класс coR ), пациенты имеющие пограничную артериальную гипертензию (класс соР ), практически здоровые люди, но с высоким риском мозговых инсультов (класс
Факторы риска сосудистых патологий определялись экспертами на основе информации об их этиологии и патогенезе.
Для проверки эффективности решающих правил по прогнозу и диагностике, полученных в третьей главе, были сформированы контрольные проверочные группы по классам а 0, coR , соР и сом . Объем контрольных выборок рассчитывался из условий того, что все решающие правила однотипны, работают на одной шкале измерений и разделяют два класса - со0 и один из классов a R, б)р или сош . Выбрав в качестве исходных данных желаемую вероятность правильной классификации на уровне 0,95, в соответствии с рекомендациями работ [34, 38, 85] нами было установлено, что объем контрольных выборок не должен быть меньше 125 человек на каждый класс. Используя рекомендации работы [63] для нелинейного класса решающих правил, двух классов, при величине ошибки не более 5% нами был определен объем контрольной выборки в 95 человек на класс. С учетом реальных возможностей для класса здоровых людей нами был выбран объем в 150 человек (в основном студенты различных курсов и пациенты МУЗ «Городская больница № 6» не страдающих сосудистыми патологиями, 80 мужчин и женщин). В класс coR было включено 130 человек (студенты, пациенты МУЗ «Городская больница № 6» и пациенты больницы скорой медицинской помощи г. Курска). В класс соР было отобрано 110 человек (студенты, пациенты МУЗ
«Городская больница № 6» и пациенты больницы скорой медицинской помощи г. Курска). В класс сош было отобрано 95 человек (пациенты МУЗ «Городская больница № 6» и пациенты больницы скорой медицинской помощи г. Курска). Претенденты на контрольную выборку по классам а 0 , coR и наблюдались реально 2,5 года, и по возможности информация об их состоянии до наблюдения бралась глубиной 1,5 года по их историям болезней. По классу сор диагнозы устанавливались объективными методами на момент
формирования соответствующей таблицы экспериментальных данных путем наблюдения динамики изменения артериального давления.
При определении значений факторов риска по тестам Айзенка, Тейлора и Спилбергера использовался компьютерный вариант соответствующих опросников с автоматическим подсчетом баллов.
В качестве энергетических характеристик БАТ, в соответствии с рекомендациями работ [53, 55, 77] было выбрано сопротивление, измеряемое на переменном токе частотой 1 кГц и силой 2 мкА. Измерения проводились с помощью аппаратуры кафедры Биомедицинской инженерии и промышленным прибором типа «Рефлекс 03-01». Поиск БАТ осуществлялся по атласу меридиан и уточнялся по минимальной величине сопротивления.
На контрольной выборке проверялись совпадения показателей коэффициентов уверенности в правилах синтезированных высококвалифицированными экспертами и результат срабатывания этих правил на этих выборках.
Экспертная группа выбиралась в соответствии с рекомендациями работы [65] и составила 8 человек (два доктора медицинских наук, 4 кандидата медицинских наук по профилю выполненной работы и 2 практикующих врача со стажем не менее 15 лет).
В качестве расчетных показателей качества прогностических и диагностических решающих правил были выбраны: диагностическая чувствительность (ДЧ), диагностическая специфичность (ДС), прогностическая значимость положительных результатов (П3+), прогностическая значимость отрицательных результатов (П3 ), диагностическая эффективность решающего правила (ДЭ) [72].
