Содержание к диссертации
Введение
1. Аналитический обзор состояния проблемы и цостановка задач исследования 11
1.1. Математические методы прогнозирования и диагностики в здравоохранении . 11
1.2. Использование методов рефлексодиагностики в системах поддержки принятия решений для медицины и экологии. 21
1.3 Системы поддержки принятия решений ориентированные на здравоохранение. 27
1.4. Цель и задачи исследования 33
2. Методы и модели прогнозирования и ранней диагностики заболеваний студентов в зоне действия неблагоприятных экологических факторов 35
2.1. Объект, методы и средства исследования . 35
2.2. Метод синтеза нечетких правил принятия решений о состоянии здоровья студентов в зоне действия неблагоприятных экологических факторов. 45
2.3. Модели рефлексодиагностики и рефлексотерапии по заболеваниям легких среди молодежи в условиях комплексного воздействия вредных экологических факторов 54
Выводы второй главы. 66
3. Разработка основных элементов системы поддержки принятия решений по управлению процессами прогнозирования диагностики и коррекции состояния здоровья студентов с учетом действия неблагоприятных экологических факторов 67
3.1. Синтез прогностических и диагностических решающих правил . 67
3.2. Алгоритмы принятия решений по прогнозированию, диагностике и управлению процессами коррекции состояния здоровья студентов. 103
3.3. Структура программного обеспечения системы поддержки принятия решений. lil 1
Выводы третьей главы. 115
4. Результаты экспериментальных исследований . 116
4.1. Проверка качества прогнозирования по ведущим заболеваниям у студентов г. Железногорска. П 8
4.2. Проверка качества работы правил ранней диагностики заболеваний студентов г. Железногорска. 129
4.3. Оценка эффективности работы алгоритма принятия решений в автоматизированной системе. 135
Выводы четвертой главы. 139
Заключение 140
Библиографический список 142
- Математические методы прогнозирования и диагностики в здравоохранении
- Объект, методы и средства исследования
- Модели рефлексодиагностики и рефлексотерапии по заболеваниям легких среди молодежи в условиях комплексного воздействия вредных экологических факторов
- Синтез прогностических и диагностических решающих правил
Введение к работе
Актуальность темы. Одной из важных и одновременно сложных
социальных проблем современного общества является низкий уровень
здоровья молодых людей и студенческой молодежи в частности. К этой
проблеме тесно примыкают такие жизненно важные, социально значимые
вопросы как рождаемость, экономическое благополучие,
обороноспособность и т.д.
Современные социально-экономические условия требуют от высших и средних специальных учебных заведений разработки новых медико-технологических приемов, обеспечивающих повышение качества жизни обучающихся, включая улучшение состояния их здоровья (В.МІ Ахутин, Е.П1 Иопечителев, А.В. Завьялов, О.В. Родионов).
В отличие от взрослого населения у молодых людей, включая^ студенческую молодежь, защитные функции организма только формируются, не реализуя в полной мере своих функций по обеспечению! сбалансированного взаимодействия человека с окружающей средой.
Учитывая, что на этот контингент обучающихся действуют длительные нервно-психические нагрузки, которые в экологически неблагоприятных регионах усиливаются длительно действующими экологически неблагоприятными факторами, возможно в совокупности с набором индивидуальных факторов риска, значительно возрастает риск появления и развития различных видов заболеваний (В.И. Гуткин, А.В. Завьялов, М.П. Попов, Н.Н. Заброда).
Снизить риск и уровень заболеваемости в молодежной студенческой среде можно, используя высокоэффективные методы принятия решений, учитывающих комплексное влияние вредных факторов различной модальности на недостаточно окрепший организм молодого человека и позволяющие выбирать рациональные схемы организации лечебно-оздоровительных мероприятий с учетом индивидуальных особенностей организма с привлечением современных информационных технологий.
5 Существует достаточно большой арсенал методов и средств,
решающих задачи улучшения качества медицинского обслуживания
студентов с использованием современных информационных технологий
(В.М. Ахутин, А.В. Белюк, Д.Б. Богоявленский). Однако, большинство
существующих систем использует информацию об уже имеющихся
заболеваниях и (или) использует недостаточно обоснованные списки
факторов риска, что не позволяет с требуемой точностью решать задачи
прогнозирования и ранней диагностики заболеваний студентов, особенно
находящихся под комплексным влиянием вредных факторов окружающей
среды в сочетании с индивидуальным состоянием здоровья обследуемых.
Недоучет всех существенных факторов риска в существующих системах снижает их потенциальные возможности в управлении процессами поддержания соответствующего уровня'здоровья студенческой молодежи.
Таким образом, исследования в области совершенствования методов и средств принятия решений о состоянии здоровья студентов с учетом неблагоприятных экологических факторов- и индивидуальных факторов риска с использованием современных информационных технологий являются актуальной научной и практической задачей.
Работа выполнена в соответствии с научным направлением Курского государственного технического университета «Медико-экологические информационные технологии».
Цель и задачи исследования. Целью диссертационной работы является разработка методов, моделей и алгоритмов, повышающих эффективность принятия решений о состоянии, здоровья студентов в зоне действия неблагоприятных экологических факторов- на основе нечеткой логики принятия решений при неполном и нечетком представлении исходных данных.
Для достижения поставленной цели необходимо решить следующие задачи:
- определить наиболее характерные заболевания среди студентов
наиболее неблагоприятного в экологическом смысле региона Курской
области, провести разведочный анализ и выбрать адекватный
математический аппарат;
- разработать метод синтеза и систему нечетких решающих правил для
принятия решений о состоянии здоровья студентов в зоне действия
неблагоприятных экологических факторов с учетом индивидуальных
характеристик организма;
синтезировать модели взаимодействия внутренних структур организма с биологически активными точками, меняющими свои электрические параметры при заболеваниях дыхательной системы;
- разработать алгоритмы управления процессами принятия решений по
прогнозированию, ранней диагностике и коррекции' состояния здоровья,
студентов в условиях комплексного воздействия вредных экологических
факторов;
создать основные элементы программного обеспечения, системы поддержки принятия решений для управления состоянием здоровья студенческой молодежи;
провести апробацию предложенных методов и средств в средних специальных учебных заведениях г. Железногорска.
Методы исследования. Для решения поставленных задач в работе использовались методы системного анализа, теории управления и нечеткой логики принятия решений, рефлексологии, математической статистики и экспертного оценивания.
Научная новизна.. В работе получены следующие результаты, характеризующиеся научной новизной:
1. Метод синтеза нечетких решающих правил для принятия решений о состоянии здоровья студентов, проживающих и обучающихся в зоне длительного действия вредных экологических факторов, отличающийся тем, что получаемые классификационные правила учитывают повышенный
7 уровень психоэмоционального напряжения, формируемого в процессе
обучения в сочетании с экологическими и индивидуальными факторами
риска, позволяющий получать достаточный для практики уровень
уверенности в1 принимаемых решениях при плохоформализуемой структуре
данных;
Модели взаимодействия внутренних структур организма с меридианными проекционными зонами, отличающиеся возможностью контроля состояния системы дыхания по величине электрических параметров биологически активных точек, позволяющие составлять рациональные схемы рефлексодиагностики и рефлексотерапии для этой системы.
Система правил прогнозирования и ранней диагностики заболеваний, вызываемых комплексным воздействием внешних и внутренних факторов на организм студентов в зоне действия-неблагоприятных экологических факторов, обеспечивающих уверенность в принимаемых решениях не менее 0,85, в зависимости от объема получаемой, информации (на примере города Железногрска Курской области):
4'. Алгоритмы управления процессами' принятия решений по прогнозированию, ранней диагностике и коррекции состояния здоровья' студентов, отличающиеся возможностью гибко менять тактику наблюдения за состоянием здоровья обследуемых в зависимости от внешних воздействий и индивидуальных особенностей организма и позволяющие в составе системы поддержки принятия решений составлять рациональные схемы медицинского обслуживания студентов, длительное время находящихся в экологически неблагоприятных регионах.
Практическая значимость работы.
Разработанные методы, модели и алгоритмы составили основу построения системы поддержки принятия решений для учреждений здравоохранения, решающих задачи медицинского обслуживания студенческой молодежи.
8 Применение предложенных в диссертации разработок позволяет
снизить риск возникновения и развития заболеваний в молодежной
студенческой среде, подверженной длительному воздействию
неблагоприятных экологических факторов. Социальная значимость работы
состоит в улучшении качества медицинского обслуживания студентов в
регионах с повышенной экологической опасностью.
Результаты исследований в виде информационного и программного обеспечения для системы поддержки принятия решений апробированы и приняты к внедрению в Железногорском горно-металлургическом колледже. Материалы диссертации внедрены в учебный процесс Курского государственного технического университета при подготовке специалистов* по направлению «Биомедицинская инженерия».
Апробация работы. Основные положения диссертационного исследования докладывались и обсуждались на следующих конференциях, совещаниях и семинарах: Юбилейной X Международной научно-технической конференции «Медико-экологические информационные технологии-2007» (Курск, 2007); на Российской научно-технической конференции с международным участием «Материалы и упрочняющие технологии» (Курск, 2007), на XIV Российской научно-технической конференции «Молодежь и наука XXI века» (Железногорск, 2007 г). На научно-технических конференциях кафедры «Биомедицинская инженерия» (г. Курск 2004-2008).
Публикации. По материалам диссертации опубликовано 8 печатных работ, в том числе в изданиях по перечню ВАК РФ - 2.
Структурами объем диссертации. Диссертация состоит из введения, 4 глав, заключения и библиографического списка, включающего 189 наименований. Объем диссертации 141 страница машинописного текста, 47 рисунков и 22 таблицы.
9 ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ.
Во введении обоснована актуальность темы исследования, определены цели и задачи работы, ее научная новизна и практическая значимость; определены методы решения сформулированных задач; приведены сведения об апробации и внедрении результатов работы.
В первой главе проанализированы современные подходы к решению задач автоматизированного прогнозирования и диагностики в здравоохранении. Показано, что хорошей прогностической и диагностической ценностью обладают меридианные модели взаимодействия внутренних структур организма с поверхностными проекционными зонами и рассмотрены механизмы построения этих моделей. Обосновано применение нечеткой логики принятия решений и современных информационных технологий для поставленных в работе задач. В' заключении первой главы, определяются цель и задачи исследования.
Во второй главе определяются объект, методы и. средства-исследования, разрабатываются метод синтеза' нечетких правил принятия решений о состоянии здоровья студентов в зоне действия неблагоприятных экологических факторов и модели взаимодействия внутренних органов с меридианными биологически активными точками, меняющими свои энергетические характеристики при заболеваниях легких, которые характерны для целого ряда экологически неблагоприятных регионов.
В третьей главе разрабатывается программное обеспечение для системы поддержки принятия решений специалистов, решающих задачи управления здравоохранением регионов, находящихся в условиях действия вредных факторов окружающей среды, разрабатываются основные элементы системы поддержки принятия решений (СіДІР), включая базу нечетких решающих правил, алгоритмы принятия решений по прогнозированию, диагностике и управлению процессами коррекции состояния студентов. Кроме этого разрабатываются специальные программные модули для реализации задач психологического тестирования, формирования
10 меридианных моделей и др., которые обеспечивают рациональное
взаимодействие пользователей с СППР.
В четвертой главе осуществляется проверка качества работы разработанных решающих правил и алгоритмов на контрольных выборках здоровых и заболевших студентов Железногорского горнометаллургического колледжа и показывается целесообразность использования результатов диссертационного исследования в средних специальных образовательных учреждениях, находящихся на территориях экологически неблагоприятных регионов.
В заключении приводятся основные результаты исследования.
Математические методы прогнозирования и диагностики в здравоохранении
Теоретической основой для решения задач прогнозирования и медицинской диагностики служат различные математические методы: корреляционный, регрессионный и факторный анализы; теория распознавания образов; теория нечеткой логики принятия1 решений и.др. Традиционно класс прогностических задач решается статистическими методами анализа, и прогнозирования временных рядов, в ходе которых оцениваются изменения показателей (информативных признаков) во времени, изучается динамика развития исследуемых процессов,-[37, 40, 43].
При анализе изменений наблюдаемых процессов.- во времени-используют такие показатели как средний уровень, абсолютные приросты, темпы роста, темпы прироста.
Часто при прогнозировании делаются оценки интервальных рядов, при которых расчет среднего уровня с равностоящими во времени уровнями производится по- формуле среднего арифметического. Для- интервальных-рядов динамики с переменным интервалом времени для расчета среднего уровня используется формула взвешенной средней арифметической, где в качестве весовых коэффициентов используется продолжительность интервалов времени между уровнями. Абсолютный прирост определяется как разность двух сравниваемых уровней и характеризует их изменение за определенный промежуток времени. Средний абсолютный прирост — характеризует скорость изменения исследуемого показателя времени. Темп роста характеризует отношение двух сравниваемых уровней ряда, который может быть выражен в процентах. Средний темп роста отражает интенсивность изменений уровня роста. Он показывает, сколько в среднем процентов последующий уровень составляет от предыдущего на всем периоде наблюдений. Он рассчитывается по формуле средней геометрической. Темп прироста характеризует абсолютный прирост в относительных величинах.
Приведенные показатели могут быть трех видов: средние, базисные и цепные. Если сравнение осуществляется с одним и тем же уровнем, принятым за базу сравнения, то эти показатели называют базисными. Если сравнение осуществляется при переменной базе, и каждый последующий уровень сравнивается с предыдущим, то вычисленные показатели называются цепными.
Временные ряды могут содержать такие структурные образования как тренд, циклическая и случайная компоненты, которые в общем процессе могут суммироваться (аддитивный процесс), перемножаться (мультипликативный процесс) и иметь смешанный характер, содержащий аддитивные и мультипликативные составляющие.
Для выявления этих составляющих могут использоваться различные приемы. Так, для выделения перепадов используют аналитическое выравнивание, которое в общем случае состоит в подборе такого аналитического выражения, которое в смысле выбранного критерия как можно более точно повторяет уровни ряда динамики. Одним из широко применяемых критериев «точности подбора» служит метод наименьших квадратов, при котором минимизируется сумма квадратов отклонений результатов вычислений по аналитической зависимости и уровню временного ряда.
Наличие циклических процессов может быть определено с помощью Фурье преобразований.
Значительное число прогностических моделей основывается на версии о том, что основные тенденции предыстории будут определенное время сохраняться в будущем (свойство инерционности исследуемых систем). В задачах медицинского и экологического прогнозирования встречаются ситуации, когда целесообразно (и даже необходимо) считать, что информация о последних периодах наблюдения гораздо важнее для прогнозирования, чем информация о более поздних периодах и (или) усредненные данные за период наблюдения. Различная- ценность информации на различных периодах наблюдений учитывается с помощью адаптивных методов, которые «приспосабливают» весовые коэффициенты моделей под различный прогностический уровень значимости различных временных периодов. Обучаются адаптационные модели с использованием итерационных формул, корректируя свои параметры при поступлении новой информации с использованием алгоритмов минимизации ошибки прогнозирования.
Наиболее популярными методами решения задач диагностики,, включая раннюю (донозологическую) и дифференциальную диагностику являются методы теории распознавания образов.[4, 23, 31, 33, 35, 41, 42 52, 87,115, 142, 183,184].
Принято считать, что процесс распознавания образов.отождествляется с вопросом, к какому классу объектов (образов) может быть отнесен распознаваемый объект. При этом класс олицетворяет собой некоторую совокупность (подмножество) объектов, обладающих близкими свойствами. В медицинских приложениях, в зависимости от решаемой задачи, под классами принято понимать диагнозы, степень тяжести и стадии заболеваний, синдромы, симптомокоплексы и т.д. [31, 42, 60].
Объект, методы и средства исследования
Объектом исследования являются студенты Железногорского горно металлургического колледжа, подверженные комплексному воздействию психоэмоционального перенапряжения, возникающего в процессе обучения, постоянного магнитного поля повышенной напряженности, вызываемого действием Курской магнитной аномалии, вредных веществ, выбрасываемых промышленными предприятиями (в основном горно-рудной промышленности) в сочетании с социальными проблемами региона. Как. видно из приведенного рисунка практически по всем наиболее распространенным нозологиям заболеваемость молодежи в г.Железногорске значительно выше, чем в г. Курске, в; котором наблюдается нормальная; напряженность постоянного магнитного поля (около 15 миллиэрстед против 100 миллиэрстед в г. Железногорске) и значительно? меньше количество вредных выбросов в; атмосферу (для отдельных микрорайонов).
Для обеспечения однородности обучающей выборки в качестве фона были отобраны 150 человек двух младших курсов.КурскГТУ, проживающих в1 относительно чистых районах г. Курска.(северо-западный район не менее:2-х километров ют телевизионной- вышки и центрального района-- не менее 0;5 километров- от центральных автомагистралей) без ; вредных привычек и; при отсутствии заболеваний, по нозологиям: рисунка 2 . Г у близких родственников:.
В качестве основной группы обследуемых были выбраны; студенты», горно-металлургического: колледжа; проживающие и: обучающиеся» в условиях действия І постоянного-магнитного поляшапряженностью около»100/ миллиэрстед в- сочетании: с воздействием: вредных веществ; выбрасываемых; в І атмосферу промышленными: предприятиями; г. Железногорска и: Железногорского района. .
На территории г. Железногорска и Железногорского района размещено 82 предприятия, и организации, имеющих 3618і источников выбросов вредных веществ в атмосферный воздух, из которых некоторые (12,2%) оснащены газо-пылеулавливающими установками. Всего в атмосферу за 2006 г. выброшено 1975,26 тонн загрязняющих веществ, в том числе от стационарных источников, загрязнения 7887,0 тонн. Вклад автотранспорта, в валовыш выброс: составил 62%,. на долю предприятий приходится 38%: Наибольшую долю в выбросы, вредных: веществ вносят следующие предприятия: ОАО «Михайловский ГОК» - 7196,836 тонн/г, ОАО «Магнитный +» - 317,329 тонн/г, МУП «Гортеплосеть» - 150,616 тонн/г, ОЭС ОАО «Курскэнерго» - 1,957 тонн/г, МУП «Горводоканал» - 13,247 тонн/г, ОАО «ЭМОС» - 1,444 тонн/г, ООО «Агрофирма Горняк» -39, 235 тонн/г, ЗАО «Железногорский вагоноремонтный завод» - 13,65 тонн/г, ОАО «Мартовское» - 8,5311 тонн/г, ОАО «Рудоавтоматика» - 5,195 тонн/г, ЗАО «ЭЛЕКТРОД» - 0,231 тонн/г, ЗАО «ГОТЭК» - 126,206 тонн/г, ЗАО «Голубая нива» - 10,07 тонн/год, ООО «ЖКЗ» - 63,914 тонн/г. Цифры вредных выбросов в 2007 году несколько уменьшились, но остались того же порядка.
Крупнейшим источником загрязнения в г. Железногорске является ОАО «МГОК», которое характеризуется следующей структурой вредных выбросов:
- карьер по добыче руды и кварцитов (выбрасывает в атмосферу кремнийсодержащую пыль, взвешенные вещества);
- дробильно-сортировочная фабрика по переработке богатых руд (СО, NO2, пыль);
- обогатительная и окомковательная фабрики по переработке железистых кварцитов (S02, СО; пыль);
- отвалы пород, хвостохранилище (пыль);
- объекты ремонтного назначения (SO2, N2, СО);
- объекты железнодорожного транспорта (SO2, N02, СО);
- автотранспорт МГОКа (SO2, N02, СО, пыль углеводороды);
- котельные МГОКа (S02, N02).
При разработке полезных ископаемых карьерным способом пыль образуется при бурении, дроблении и выбросе пород взрывом, при погрузочно-разгрузочных работах, транспортировке и отвалообразовании. На взрывы и экскавацию приходится 60-80% от всего количества пыли.
Значительное влияние на природную среду оказывают отвалы пустых пород, содержащие 1 млрд. кубометров и размещенные на территории 3900 га. С одного га сухих незакрепленных отвалов ежегодно сносится до 200 тонн пыли.
Надзор за состоянием источников загрязнения атмосферного воздуха при проведении плановых и внеплановых мероприятий по контролю, за наличием проектов ПДВ, проектов разработки санитарно-защитных зон предприятий, договоров на. проведение лабораторных исследований с Курским филиалом «Центр лабораторного анализа и технических измерений по ЦФО», результатами лабораторных исследований осуществляется ТОУ «Роспотребнадзора. в г. Железногорске, Железногорском, Дмитриевском, Хомутовском, Фатежском, Поныровском и Золотухинском районах».
Модели рефлексодиагностики и рефлексотерапии по заболеваниям легких среди молодежи в условиях комплексного воздействия вредных экологических факторов
Как было показано в предыдущем разделе, среди множества информативных признаков, позволяющих решать задачи прогнозирования и диагностики различных заболеваний, включая рассматриваемые в работе задачи, целесообразно использовать энергетические характеристики биологически активных точек.
В работах [70, 74, 118] показано, что в качестве косвенного параметра, характеризующего энергетику БАТ, с точки зрения информативности, простоты измерительной аппаратуры и временных затрат, следует использовать активную составляющую электрического сопротивления, измеряемого на переменном токе частотой 1 кГц и силой 2 мА.
Кроме того, с целью повышения стабильности результатов измерений рекомендуется вместо абсолютных значений сопротивлений по j-ой точке — R, принять величину относительного отклонения сопротивлений БАТ от их номинальных значений RJHOM (измеренных в состоянии спокойного бодрствования при отсутствии патологии ые) в соответствии с формулой: Жу=_А_.100% (2.15)
B работах [70, 74] показано, что для выбора рациональных схем рефлексодиагностики удобно использовать так называемые графические меридианные модели; представляемые пользователю на экранах мониторов, соответствующих систем поддержки принятия решений (СППР). Общая методика синтеза таких моделей приведена в работах [70, 74]. В соответствии с решаемыми задачами в данной диссертационной работе целесообразно использовать меридианные модели: для общесистемных точек, шг которым определяется, уровень защитных свойств организма; для точек, состояние которых зависит от уровня нервно психологического напряжения; для точек, связанных с заболеваниями желудочно-кишечного тракта, нервной и костно-мышечной систем. По большинству из перечисленных групп БАТ в известной литературе соответствующие меридианные модели построены. Однако моделей, удовлетворяющих решаемым задачам по. заболеваниям дыхательной системы, в известной литературе нет. В то же время-заболевания дыхательной системы у студентов г. Железногорска превышают в процентном отношении другие заболевания как в г. Железногорске, так и в других районах Курской области. В связи с этим представляется целесообразным произвести синтез меридианной" модели по дыхательной системе. Для этого на основании рекомендаций [74], определим в начале список наиболее информативных, с точки зрения экспертов, БАТ связанных с заболеваниями дыхательной системы. Согласно атласу меридиан [92] это следующие точки: Р1, Р2, Р10, GI18, GI20, Е9, ЕЮ, Е14, Е15, Е16, Е19, V13, V42, V43, V44, V45, MCI, VG9, VG10, VG12, VG14, VC15, VC16, VC18, VC19,VG20,VC22.
По приведенному списку точек по отношению к заболеваниям дыхательной системы у студентов г. Железногорска была посчитана информативность по Кульбаху. Наиболее высокой информативностью обладают точки : Р1, Р2, РЗ, Е13, Е15, Е16, V42, V43, V44, VG9, VG10, VG14, VC16, VC20, VC22. Все точки, оставленные как наиболее информативные, достаточно легко доступны для измерений и по тройкам расположены на разных меридианах, что позволяет вести информативные измерения в случае энергетической разбалансировки нескольких меридиан.
Выбранные меридианы V, Р и Е относительно меридиана сердца, имеющего минимальную активность в 00 часов, имеют временные «сдвиги» своих минимумов на 4 часа, 16 часов и 20 часов соответственно. Меридианы VG и VC в цепь взаимосвязи с 2-х часовой задержкой не входят.
Тогда, если в качестве генератора, моделирующего номинальные энергетические состояния, выбрать генератор, воспроизводящий суточную энергетическую активность меридиан сердца, общий формирователь энергетического состояния меридиан V, Р.На этом рисунке БАТ отмечены точками с именами по французской классификации. Ассоциации нейронов спинного мозга, управляющие обычными БАТ, обозначены кругами малого диаметра, ассоциации нейронов главных и системных точек обозначены кругами большого диаметра. В квадратных скобках обозначены имена групп, «выводимых» на БАТ ситуаций. Круги со знаком «+» соответствуют мультиплексорам, формирующим «энергетику» всего меридиана по таким составляющим как центральные управляющие структуры (Ецус), ЛО - пункты, точки пособники и др.
Для определения диагностики значимых точек, согласно рекомендациям [67], составляется двоичная таблица связей (табл. 2.1) по выделенным ситуациям для выбранных БАТ. Отличительной особенностью решаемой задачи является то, что ситуации XI, Х2, ХЗ являются признаками заболевания дыхательной системы и поэтому при поиске ДЗТ участвовать не должны.
Вторым пожеланием при выборе ДЗТ является принадлежность группы ДЗТ одному меридиану.
Это позволит измерять энергетический разбаланс только того меридиана, которому принадлежат ДЗТ.
Синтез прогностических и диагностических решающих правил
Как отмечалось во второй главе, одним из существенных факторов риска в появлении и развитии выбранного класса заболеваний являются длительные нервно-психические перенапряжения, возникающие в процессе обучения, которые могут усиливаться бытовыми и другими социальными условиями.
Степень влияния психоэмоциональных перегрузок на состояние здоровья обучающихся будем оценивать согласно рекомендациям [56] как функцию принадлежностей к заболеванию со. с носителем по шкале уверенности в степени психоэмоционального напряжения (ПЭН), определяемой через соответствующий коэффициент уверенности - КУПЭН. В свою очередь, степень психоэмоционального напряжения будем определять с использованием нескольких показателей, определяющих различные составляющие ПЭН: шкалы текстовых тестов, широко используемых в медицинской практике (шкала личной тревожности теста Спилбергера-Ханина (ЛТ); шкала интраверсии по шкале теста Айзенка (АИ); шкала личной тревожности по тесту Тейлора (ТТ)); показатели, характеризующие различные свойства внимания и памяти (СВ, ПВ, УВ, KB, ПВП, ПСШ); электрические характеристики БАТ R8, VB20 и Р9 с группой ДЗТ {R8, VB20}; субъективные ощущения длительного психоэмоционального напряжения (СО).
По группе текстовых тестов с участием специалистов по оценке функционального состояния человека были получены частные функции принадлежности и коэффициенты уверенности в степени психоэмоционального напряжения.
Аналитические выражения для соответствующих функций принадлежности имеют вид:
Учитывая, что по отношению к степени нервно-психического напряжения используемые тесты близки по своим свойствам, и что при решении выбранного класса задач может быть использован один из них, частный коэффициент уверенности в степени ПЭН по группе психологических тестов определяется выражением (2.7), то есть:
КУТпэн = тах{ Мпэн(ЛТ), ЦПЭН(АИ), цпэн(ТТ)} (3.1)
Показатели, характеризующие внимание и память, носят ярко выраженный индивидуальный характер и по их абсолютным показателям оценить ПЭН обследуемых не представляется возможным. Однако, если определить значения этих показателей в состоянии спокойного бодрствования (для студентов после каникул и убедившись в отсутствии психоэмоционального напряжения другими методиками, хотя бы на уровне опросов), то можно показать, что их отклонения от номинальных значений под воздействием процесса обучения отражает степень ПЭН, вызываемого интенсивным учебным процессом.
Определим эти отклонения следующими соотношениями YCB = СВ — СВ0; YnB = ПВ - ПВ0; Уув = УВ - УВ0; YKB = KB - КВ0; УПВп = ПВП - ПВП0; Упсш = ПСШ - ПСШо, где нулевой нижний индекс означает, что соответствующий показатель измерен в состоянии спокойного бодрствования. Тогда, используя значение Уг как носители функций принадлежностей, можно получить частные функции принадлежностей к уровню ПЭН от каждой составляющей: Учитывая, что каждая из составляющих вносит свой вклад в общий уровень ПЭН, интегральную оценку уровня психоэмоционального напряжения по показателям внимания и памяти будем определять в соответствии с выражением:
При условии значительных отклонений показателей внимания и памяти от своих номинальных значений, когда все значения соответствующих функций принадлежностей принимают свои максимальные значения, уверенность в величине ПЭН достигает значения 0,97(КУп"н тах).
На рис. 3.1. Приведем вариант графика изменения КУ Н по мере поступления признаков и расчета ЦПэн( г) Используемые показатели различных свойств внимания отличаются тем, что они могут отражать как кратковременные нервно-психические перегрузки, которые не приводят к появлению и развитию заболеваний, так и длительные накапливающиеся перегрузки, вызываемые процессом обучения, и провоцирующие появление и развитие различных заболеваний.
Чтобы учитывать время действия психоэмоциональных перегрузок, определяемых с помощью тестов на внимание и память (ТВП), введем функцию принадлежности, характеризующую меру недоверия к тому, что психоэмоциональные перегрузки будут являться дополнительным фактором риска к исследуемым классам заболеваний - u. (t).
При этом следует учитывать, что однократное измерение может отражать и то, что получаемые значения в равной степени могут характеризовать как длительное, так и кратковременное перенапряжение нервной системы.
Рассматривая величины КУ "Н и jin как меры доверия и недоверия к определению уровня ПЭН по ТВП можно записать:
![Разработка методов, моделей и алгоритмов прогнозирования и донозологической диагностики кожных болезней, имеющих представительство на проекционных зонах, с использованием нечеткой логики принятия решений и рефлексодиагностики [Электронный ресурс]](/i/i/4381/168311.png "Разработка методов, моделей и алгоритмов прогнозирования и донозологической диагностики кожных болезней, имеющих представительство на проекционных зонах, с использованием нечеткой логики принятия решений и рефлексодиагностики [Электронный ресурс] Ходеев Денис Владимирович")
