Содержание к диссертации
Введение
ГЛАВА 1. Анализ медицинских информационных систем 12
1.1. Распределенная система лечебно-профилактического учреждения 12
1.1.1. Основные виды медицинских информационных систем 14
1.1.2. Обзор номенклатуры информации, содержащейся в медицинских информационных системах 16
1.2. Применение медицинских систем поддержки принятия решений... 17
1.2.1. Система поддержки принятия решений как экспертная система
продукционного типа 17
1.2.1.1. Описание экспертной системы 17
1.2.1.2. Модели представления знаний в экспертных системах 19
1.2.1.3. Режимы функционирования экспертных систем 19
1.2.2. Использование хранилища данных для поддержки принятия решений 20
1.2.2.1. Разновидности архитектуры гиперкубов 20
1.2.2.2. Конструкция хранилища данных 23
1.2.3. Математическая модель системы поддержки принятия решений основанная на использовании хранилища данных 26
1.2.4. Выбор системы управления базами данных для реализации хранилища данных 30
1.2.4.1. Сравнение Oracle и Microsoft SQL Server 30
1.2.4.1.1. Основа для сравнения 32
1.2.4.1.2. Интеграция с Visual Studio и .NET CLR 33
1.2.4.1.3. Разработка SOA приложений 34
1.2.4.1.4. Гибкость развертывания 35
1.2.4.2. Обзор достоинств,Micros^oftJSj^LJS^^ 37
1.2.5. Недостатки современных систем поддержки принятия решений. 39
1.3. Основные направления улучшения медицинских информационных систем 40
1.4. Выводы по главе 1 40
ГЛАВА 2. Интеллектуальные технологии и их применение в нформационных системах медицинских учреждениях 42
2.1. Сравнение методов интеллектуального анализа данных 42
2.1.1. Классификация задач интеллектуального анализа данных по типам извлекаемой информации 42
2.1.2. Классификация стадий интеллектуального анализа данных 44
2.1.2.1. Свободный поиск 44
2.1.2.2. Прогностическое моделирование 45
2.1.2.3. Анализ исключений 45
2.1.3. Классификация технологических методов интеллектуального анализа данных 46
2.1.3.1. Непосредственное использование обучающих данных 47
2.1.3.2. Выявление и использование формализованных закономерностей 47
2.1.3.2.1. Методы кросс-табуляции 48
2.1.3.2.2. Методы логической индукции 49
2.1.3.2.3. Методы вывода уравнений 52
2.2. Критерии и обоснование выбора технологии обеспечения системы поддержки принятия решений 57
2.2.1. Взаимодополняемость оперативной аналитической обработки и интеллектуального анализа данных 57
2.2.2. Выбор технологии интеллектуального анализа данных 58
2.2.3. Достоинства деревьев решений 59
2.3. Построение математической модели деревьев решений для задач
поддержки принятия решений 60
2.3.1. Общие понятия деревьев решений 60
2.3.2. Характеристики деревьев решений - 62
2.3.3. Вычислительные методы 63
2.3.3.1. Выбор критерия точности прогноза 64
2.3.3.1.1. Априорные вероятности 64
2.3.3.1.2. Цена ошибки классификации 64
2.3.3.1.3. Веса наблюдений 65
2.3.3.2. Выбор типа ветвления 65
2.3.3.2.1. Дискриминантное одномерное ветвление 65
2.3.3.2.2. Дискриминантное многомерное ветвление по линейным комбинациям 66
2.3.3.2.3. Полный перебор деревьев с одномерным ветвлением по методу CART(Classification and RegressionTrees) 66
2.3.3.3. Определение момента прекращения ветвлений 66
2.3.4. CART математический аппарат 67
2.3.4.1. Бинарное представление дерева решений 68
2.3.4.2. Функция оценки качества разбиения 68
2.3.4.3. Правила разбиения 69
2.3.4.4. Механизм отсечения дерева 69
2.3.4.5. Выбор финального дерева 72
2.3.4.6. Регрессия 73
2.4. Методика построения деревьев решений на основе хранилища данных 74
2.5. Выводы по главе 2 76
ГЛАВА 3. Использование деревьев решений для построения системы поддержки принятия решений в лечебно-профилактическом учреждении 77
3.1. Формализация задачи управления лечебным процессом с применением системы поддержки принятия решений медицинским персоналом 77
3.1.1. Основные задачи врача-терапевта лечебно-профилактического учреждения 77
3.1.2.1. Общие принципы организации диспансеризации 79
3.1.2.2. Работа врача-терапевта по диспансеризации 80
3.1.2.3. Документация по диспансеризации 83
3.1.2.4. Контроль эффективности диспансеризации больных острыми и хроническими заболеваниями 84
3.1.3. Задачи OLAP-анализа применительно к работе врача-терапевта. 85
3.2. Выявление и определение информации, применяемой для построения деревьев решений 87
3.2.1. Экспорт и импорт данных 87
3.2.1.1. Методы переноса данных 88
3.2.1.2. Репликация данных 90
3.2.1.3. Службы Data Transformation Service 93
3.2.2. Определение информации необходимой для разработанной системы поддержки принятия решений 95
3.2.3. Структура системы поддержки принятия решений в медицинской информационной системе 96
3.2.4. Логическая модель хранилища данных 96
3.3. Логическая модель дерева решений и ее физическая реализация 98
3.4. Выводы по главе 3 100
ГЛАВА 4. Практическая реализация системы поддержки принятия решений в информационной системе лечебно-профилактического учреждения 101
4.1. Построение и реализация клиентской и серверной частей системы поддержки принятия решений 101
4.1.1. Применения клиентской части системы поддержки принятия решений в работе врача-терапевта 101
4.1.2. Применения серверной части системы поддержки принятия решений в работе врача-терапевта 108
4.2. Обоснование экономической эффективности разработанных методик и применения системы поддержки принятия решений в информационной системе медицинского учреждения 108
4.2.1. Основной критерий экономической эффективности созданной систему поддержки принятая решений 108 -
4.2.2. Определение суммарных затрат на разработку программного продукта 112
4.2.2.1. Расчет затрат на заработную плату 112
4.2.2.2. Единый социальный налог 113
4.2.2.3. Расходы на приобретение, содержание и эксплуатацию комплекса технических средств 113
4.2.2.4. Затраты на универсальное программное обеспечение 114
4.2.2.5. Затраты на мероприятия, связанные с правовой охраной разработанного программного продукта 115
4.2.3. Расчет ориентировочной цены программного продукта 117
4.2.4. Определение показателей экономической эффективности использования разработанного программного продукта 118
4.3. Выводы по главе 4 121
Общие выводы 123
Список литературы 124
Приложения
- Распределенная система лечебно-профилактического учреждения
- Сравнение методов интеллектуального анализа данных
- Формализация задачи управления лечебным процессом с применением системы поддержки принятия решений медицинским персоналом
- Построение и реализация клиентской и серверной частей системы поддержки принятия решений
Введение к работе
Введение
Актуальность работы. В настоящее время автоматизированные информационные системы широко используются во многих учреждениях и на предприятиях России. Информационная система (ИС) - это распределенный программно-аппаратный комплекс, обеспечивающий целостное электронное информационное пространство для субъектов документооборота. Основной задачей оптимизации бизнес-процессов любого предприятия является поддержка механизмов принятия решений, ориентированных в первую очередь на решение задач, носящих неявный характер. Например, в банковской сфере это - оценка кредитоспособности клиентов банка при выдаче кредитов; в розничной торговле - выявление товаров для их группового продвижения и анализ потребительской корзины, прогнозирование спроса; в промышленности - контроль за качеством продукции; в медицинской области это - задачи, связанные с лечебно-диагностическим процессом и, в первую очередь, - прогнозом состояния здоровья пациента. С целью проведения научных исследований по диссертационной работе в качестве базовой выбрана медико-техническая система, поскольку наиболее актуальной на сегодняшний день и иллюстративной является задача выбора эффективных методов лечения больных как в условиях амбулатории, так и в условиях стационара.
Задачи, имеющие неявный характер, решаются явными методами с точностью и удобством, совершенно недостаточными для широкого практического использования в конкретных задачах прогнозирования и принятия решений. Неявные задачи явились идеальным полем для применения интеллектуального анализа данных (ИАД). В этой связи предлагается создание системы поддержки принятия решений (СППР) на основе метода деревьев решений, который имеет некоторые преимущества наряду с другими методами ИАД для решения рассматриваемых задач.
Тем не менее, важным является тот факт, что применение ИАД над данными, представленными с помощью систем OLAP (On-line Analytical Processing) в виде реального или виртуального информационного гиперкуба, во многих случаях может оказаться эффективнее, а главное - гораздо более тесно интегрированным в единую информационно-аналитическую систему. Таким образом, необходимо использовать гибридный метод анализа данных, построенный на совместном применении метода деревьев решений и OLAP-анализа.
Цель работы. Повышение эффективности принятия решений в распределенной системе за счет включения в ее состав системы поддержки принятия решений, реализованной на основе гибридного подхода в анализе данных, включающего в себя современные математические средства и информационные технологии.
Методы исследований. При решении задач, поставленных в работе, были использованы основные положения организации управленческого бизнес-процесса предприятия, методы интеллектуального анализа данных; для разработки моделей и алгоритмов проектирования - теории баз данных и хранилищ данных (ХД), а для программной реализации - структурного и объектно-ориентированного программирования.
Научная новизна. Научная новизна диссертационной работы заключается в следующих положениях:
1. Определен новый подход к повышению эффективности принятия решений в распределенной системе, заключающийся в использовании гибридного метода анализа данных, построенного на совместном применении интеллектуального и OLAP-анализа данных.
2. Разработан метод анализа данных для повышения качества и быстрого выявления скрытых взаимосвязей, учитываемых при принятии решений в задачах, связанных с лечебным процессом, на основе многомерного представления данных и применения аппарата деревьев решений.
3. Определена структура СППР, обеспечивающая эффективную интеграцию методов, моделей и алгоритмов рационального принятия решения с применением мобильных информационных средств и технологий.
Практическая ценность работы заключается в повышении эффективности принятия решений в распределенной системе за счет их улучшения, а также - сокращения времени, затрачиваемого на их принятие.
Реализация результатов работы. Методики повышения эффективности принятия решений в распределенной системе путем применения гибридного метода интеллектуального анализа данных применяются в информационной системе медицинского консультативно-диагностического центра (г.Москва). Кроме того, определена целесообразность использования разработанных методик в управлении бизнес-процессами малого предприятия ООО «Компьютерные системы и технологии» (г.Москва). Упомянутые выше методики внедрены в учебный процесс ГОУ ВПО МГТУ «Станкин», используются при подготовке магистрантов по направлению 220200 «Автоматизация и управление» магистерской программы 220200.68-20 «Человеко-машинные системы управления» и применяются в качестве научной основы при разработке курса лекций и практических занятий по специальной дисциплине «Интеллектуальные системы обработки информации».
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на расширенных заседаниях кафедры «Биотехническая кибернетика» и научных семинарах в ГОУ ВПО МГТУ «Станкин», а также - международных и всероссийских научно-технических конференциях: VIII научной конференции МГТУ «Станкин» и «Учебно-научного центра математического моделирования МГТУ «Станкин» - ИММ РАН» (Москва, ГОУ ВПО МГТУ «Станкин», 2006 г.), VIII Международной конференции «Производство. Технология. Экология. ПРОТЭК 05» (Москва, ГОУ ВПО МГТУ «Станкин», 2005 г.), V Международной научно-технической конференция «Информационно-вычислительные технологии и их приложения» (Пенза, МНИЦ ПГСХА, 2006 г.), V Международной научно-технической конференции «Управление в социальных и экономических системах» (Пенза, МНИЦ ПГСХА, 2006 г.).
Публикации. По теме диссертационной работы опубликованы 6 научных работ, включая тезисы докладов, подготовленных для международных и региональных научно-технических конференций.
Структура и объем. Диссертация состоит из списка сокращений, введения, четырех глав, основных результатов и выводов, списка используемой литературы из 73-х наименований и 2-х приложений, изложена на 136 страницах машинописного текста, включая 33 рисунка и 8 таблиц. Глава 1. Анализ медицинских информационных систем
1.1. Распределенная система лечебно-профилактического учреждения
Распределенной системой называется система, в которой функционирует более одного сервера баз данных [1]. Причины, по которым имеет смысл хранить и обрабатывать данные на разных серверах, различны. Наиболее частые - необходимость уменьшить нагрузку на сервер и обеспечить работу территориально удаленных подразделений, связанных медленными и не очень надежными каналами связи.
Распределенная система состоит из набора независимых компьютеров, представляющихся их пользователям единой объединенной системой. Причем все машины автономны. От пользователей скрыты различия между компьютерами и способы связи между ними.
Распределенная система должна удовлетворять некоторым необходимым требованиям.
• Открытость. Все протоколы взаимодействия компонент внутри распределенной системы в идеальном случае должны быть основаны на общедоступных стандартах. Это позволяет использовать для создания компонент различные средства разработки и операционные системы. Каждая компонента должна иметь точную и полную спецификацию своих сервисов.
• Масштабируемость. Масштабируемость вычислительных систем имеет несколько аспектов. Наиболее важный из них - возможность добавления в распределенную систему новых компьютеров для увеличения производительности системы, что связано с понятием балансировки нагрузки на серверы системы. К масштабированию относятся так же вопросы эффективного распределения ресурсов сервера, обслуживающего запросы клиентов.
• Поддержание логической целостности данных. Запрос пользователя
в распределенной системе должен либо корректно выполняться целиком, либо не выполняться вообще. • Устойчивость. Под устойчивостью понимается возможность дублирования несколькими компьютерами одних и тех же функций или же возможность автоматического распределения функций внутри системы в случае выхода из строя одного из компьютеров.
• Безопасность. Каждый компонент, образующий распределенную систему, должен быть уверен, что его функции используются авторизированными на это компонентами или пользователями.
• Эффективность. В узком смысле применительно к распределенным системам под эффективностью понимается минимизация накладных расходов, связанных с распределенным характером системы. Поскольку эффективность в данном узком смысле может противоречить безопасности, открытости и надежности системы, следует отметить, что требование эффективности в данном контексте является наименее приоритетным.
Распределенная система лечебно-профилактического учреждения
Распределенной системой называется система, в которой функционирует более одного сервера баз данных [1]. Причины, по которым имеет смысл хранить и обрабатывать данные на разных серверах, различны. Наиболее частые - необходимость уменьшить нагрузку на сервер и обеспечить работу территориально удаленных подразделений, связанных медленными и не очень надежными каналами связи.
Распределенная система состоит из набора независимых компьютеров, представляющихся их пользователям единой объединенной системой. Причем все машины автономны. От пользователей скрыты различия между компьютерами и способы связи между ними.
Распределенная система должна удовлетворять некоторым необходимым требованиям.
Открытость. Все протоколы взаимодействия компонент внутри распределенной системы в идеальном случае должны быть основаны на общедоступных стандартах. Это позволяет использовать для создания компонент различные средства разработки и операционные системы. Каждая компонента должна иметь точную и полную спецификацию своих сервисов.
Масштабируемость. Масштабируемость вычислительных систем имеет несколько аспектов. Наиболее важный из них - возможность добавления в распределенную систему новых компьютеров для увеличения производительности системы, что связано с понятием балансировки нагрузки на серверы системы. К масштабированию относятся так же вопросы эффективного распределения ресурсов сервера, обслуживающего запросы клиентов. Поддержание логической_целостности данных._Запрос_пользователя в распределенной системе должен либо корректно выполняться целиком, либо не выполняться вообще.
Устойчивость. Под устойчивостью понимается возможность дублирования несколькими компьютерами одних и тех же функций или же возможность автоматического распределения функций внутри системы в случае выхода из строя одного из компьютеров.
Безопасность. Каждый компонент, образующий распределенную систему, должен быть уверен, что его функции используются авторизированными на это компонентами или пользователями.
Эффективность. В узком смысле применительно к распределенным системам под эффективностью понимается минимизация накладных расходов, связанных с распределенным характером системы. Поскольку эффективность в данном узком смысле может противоречить безопасности, открытости и надежности системы, следует отметить, что требование эффективности в данном контексте является наименее приоритетным.
Информационная система лечебно-профилактического учреждения (ЛПУ) является распределенной, поскольку она содержит несколько серверов, находящихся в различных подсистемах медицинской информационной системы (МИС). Структура распределенной системы ЛПУ представлена на рис. 1. Рассмотрим виды МИС более подробно.
Современный уровень развития средств вычислительной техники и информационных технологий, в частности технологий хранилищ данных и их оперативного анализа, позволяет решать задачи, которые совсем недавно решались ограниченно или не ставились вообще. Вместе с тем, на этом фоне сформировалось очевидное и ярко выраженное противоречие между реально используемыми возможностями информационных систем и способами сбора, накопления, хранения и обработки медицинской информации [2].
Регламентированные приказами Министерства здравоохранения № 1030 от 4 октября 1980 г. И № 60 от 20 февраля 2002 г. учетно-отчетные формы ориентированы в первую очередь на бумажное делопроизводство и игнорируют повсеместное использование средств вычислительной техники.
За счет внедрения электронного документооборота появилась возможность оперативного нахождения в базе данных необходимой информации, ее анализа и обработки. Внедрение информационной системы в ЛПУ обеспечивает [3]: повышение производительности труда; сокращение времени принятия управленческих решений; улучшение исполнительской дисциплины и снижение влияния личных качеств персонала на выполнение процессов обработки документов; организацию единого централизованного хранилища документов с оптимальной структурой; надежность защиты конфиденциальных данных.
В настоящее время медицинское учреждение чаще всего включает в себя следующие виды информационных систем [4]: Учет амбулаторных больных Ведение электронной карты в объеме форм №025/у-87 (медицинская карта амбулаторного больного); в—Возможность—использования—в -процессе—ввода—данных- заранее -заготовленных шаблонов; На основе накопленных данных формирование отчетных форм: - движение больных (ф7); - возрастной состав больных; - распределение больных по территориям; - сведения о причинах временной нетрудоспособности (ф16-вн); - профильность больных и др. Учет консультационной деятельности учреждения Лабораторные исследования Регистрация направлений на анализы и их результатов; Автоматический анализ и визуализация отклонений от нормы; Возможность самостоятельного формирования пользователем спецификации анализа на основе номенклатуры клинических лабораторных исследований; Ведение журналов лаборантов (формы №250/у, 251/у, 252/у, 254/у и пр. в соответствии с приказами Минздрава СССР от 4 октября 1980 г. № ЮЗО и от 9 июня 1986 г. N 818). Учет лекарственных средств Учет поступлений и расходования лекарственных средств; Формирование справки о наличии и истечении сроков годности; Формирование требований на лекарственные средства из отделений; Регистрация применения лекарственных средств персонифицировано в отношении пациентов. Система обязательного медицинского страхования Взаиморасчеты в системе обязательного медицинского страхования граждан; Реализация способа оплаты медицинской помощи по законченному случаю. Кадры Картотека медицинского персонала Финансовый расчет и учет
Сравнение методов интеллектуального анализа данных
Существует следующая классификация задач ИАД по типам производимой информации [30].
1. Классификация. Данная задача ИАД позволяет выявить признаки, характеризующие однотипные группы объектов - классы, для того чтобы по известным значениям этих характеристик можно было отнести новый объект к тому или иному классу. Ключевым моментом выполнения этой задачи является анализ множества классифицированных объектов.
2. Кластеризация. Логически продолжает идею классификации на более сложный случай, когда сами классы не предопределены. Результатом использования метода, выполняющего кластеризацию, является определение (посредством свободного поиска) присущего исследуемым данным разбиения на группы.
3. Выявление ассоциаций. В отличие от двух предыдущих типов, ассоциация определяется не на основе значений свойств одного объекта или события, а имеет место между двумя или несколькими одновременно наступающими событиями. При этом производимые правила указывают на то, что при наступлении одного события с той или иной степенью вероятности наступает другое. Количественно сила ассоциации определяется несколькими величинами; например, а) предсказуемость (predictability) определяет, как часто события X и Y случаются вместе, в виде доли от общего количества событий X; б) распространенность (prevalence) показывает, как часто происходит одновременное наступление событий X и Y относительно общего числа моментов зафиксированных событий; в) ожидаемая предсказуемость (expected predictability) показывает ту предсказуемость, которая сложилась бы при отсутствии взаимосвязи между событиями.
4. Выявление последовательностей. Подобно ассоциациям, последовательности имеют место между событиями, но наступающими не одновременно, а с некоторым определенным разрывом во времени. Таким образом, ассоциация есть частный случай последовательности с нулевым временным лагом.
5. Прогнозирование. Это особая форма предсказания, которая на основе особенностей поведения текущих и исторических данных оценивает будущие значения определенных численных показателей.
ИАД состоит из трех стадий [28]: выявление закономерностей (свободный поиск); использование выявленных закономерностей для предсказания неизвестных значений (прогностическое моделирование); анализ исключений, предназначенный для выявления и толкования аномалий в найденных закономерностях.
Итак, процесс ИАД может быть представлен следующими стадиями и выполняемыми в их рамках действиями (рис. 8).
Свободный поиск определяется как процесс исследования исходной БД на предмет поиска скрытых закономерностей без предварительного определения гипотез относительно вида этих закономерностей. Другими словами, сама программа берет на себя инициативу в деле поиска интересных аномалий, или шаблонов, в данных, освобождая аналитика от необходимости обдумывания и задания соответствующих запросов. Этот подход особенно ценен при исследовании больших баз данных, имеющих значительное количество скрытых закономерностей, большинство из которых было бы упущено при непосредственном поиске путем прямых запросов пользователя к исходным данным.
Формализация задачи управления лечебным процессом с применением системы поддержки принятия решений медицинским персоналом
Основным принципом организации работы ЛПУ является участковый принцип оказания медицинской помощи, который заключается в том, что территория делится на территориальные участки, исходя из численности населения на участке в 1700 человек [66]. К каждому участку прикрепляются определенный врач-терапевт и медицинская сестра, которые признаны оказывать лечебно-профилактическую помощь жителям своего участка. Знание своего участка и жителей его дает возможность лучше распознать и лечить больных.
Демографическое старение населения, рост числа хронических заболеваний, дифференциация и специализация медицинской помощи вызвали необходимость распространить участковый принцип на работу и врачей других специальностей. Каждому терапевтическому отделению придаются врачи: хирург, невропатолог, отоларинголог и окулист. Этот метод получил название бригадного, когда указанные специалисты стали обслуживать больных с определенных терапевтических участков. Все члены бригады оперативно подчинены заведующему терапевтическим отделением.
Основными задачами участкового терапевта являются: оказание квалифицированной терапевтической помощи населению участка; организация и непосредственное проведение профилактических мероприятий среди населения своего участка; снижение заболеваемости и смертности населения на закрепленном участке.
В соответствии с приказом Министерства здравоохранения СССР № 1000 от 23.09.81 г. Участковый врач-терапевт обязан обеспечить: своевременную терапевтическую помощь населению участка; своевременную госпитализацию терапевтических больных с обязательным предварительным обследованием при плановой госпитализации; использование в своей работе современных методов профилактики, диагностики и лечения больных, в том числе комплексной терапии и восстановительного лечения (медикаментозные средства, диетотерапия, лечебная физкультура, массаж, физиотерапия и др.); организацию и проведение комплекса мероприятий по диспансеризации взрослого населения участка (выявление, взятие на учет, динамическое наблюдение, лечебно- оздоровительные мероприятия) в соответствии с перечнем нозологических форм, подлежащих диспансерному наблюдению у врача-терапевта, анализ эффективности и качества диспансеризации; выдачу заключений жителям своего участка, проходящим медицинские осмотры и отъезжающим за рубеж; организацию и проведение профилактических прививок и дегельминтизации населения участка; раннее выявление, диагностику и лечение инфекционных заболеваний, немедленную сигнализацию заведующему терапевтическим отделением (а при его отсутствии — руководителю учреждения) и врачу кабинета инфекционных заболеваний о всех инфекционных заболеваниях или подозрительных на инфекцию больных, о пищевых и профессиональных отравлениях и всех случаях нарушения режима и невыполнения противоэпидемических требований инфекционными больными;
систематическое повышение своей квалификации и уровня медицинских знаний участковой медицинской сестры. Каждое посещение больным врача необходимо в пределах существующих возможностей сделать исчерпывающим и законченным.
Повторные назначения на прием должны исходить исключительно из медицинских показаний. Серьезного внимания заслуживают лица, многократно болеющие в течение года. Необходимо также внимательно проводить обследование, тщательно и своевременно лечить больных с острыми заболеваниями, особенно острыми респираторными заболеваниями, так как это является залогом предупреждения целого ряда хронических заболеваний.
Диспансеризация - система работы ЛПУ, заключающаяся в активном наблюдении за здоровьем определенных контингентов населения, в изучении условий для труда и быта, в обеспечении их правильного физического развития и сохранения здоровья, а также в предупреждении заболеваний путем проведения соответствующих лечебно-профилактических, санитарно-гигиенических и социальных мероприятий. Основу диспансеризации составляет диспансерный метод, который заключается в постоянном медицинском наблюдении за лицами, состоящими на учете, осуществлении по отношению к ним мер индивидуальной и общественной профилактики, а также в оздоровлении условий труда и быта.
В здравоохранении исторически определились и практически оправдали себя два основных принципа отбора контингентов лиц, подлежащих диспансеризации: это социальный и медицинский. В соответствии с ними в настоящее время диспансерным наблюдением в основном охвачены определенные группы здоровых людей, объединенных общими возрастно-физиологическими особенностями (дети, подростки, беременные и т. д.) или условиями труда (рабочие определенных профессий, учащиеся, спортсмены и др.), и уже заболевшие с конкретными определенными заболеваниями легких, сердечно-сосудистой, эндокринной систем и т.д.
Построение и реализация клиентской и серверной частей системы поддержки принятия решений
Обращение к данным в хранилище осуществляется с помощью запросов. Одни запросы нужны для того, чтобы отобразить необходимые данные на форме для выбора врачом параметров. Данные собираются из нескольких таблиц, находящихся на сервере.
Второй вид запроса строит модель дерева, производит обучение и извлекает результат из аналитической службы сервера для построения диаграмм. Для поддержки аналитических служб в приложениях используются объектные модели клиентской части Analysis Services — Decision Support Objects (DSO) и PivotTable Service [71].
Для выполнения сечения гиперкуба используется запрос, изображенный в приложении №2. Текст запроса для создания дерева решений и его обучения представлен в приложении № 3. . Обоснование экономической эффективности разработанных методик и применения системы поддержки принятия решений в информационной системе медицинского учреждения 4.2.1. Основной критерий экономической эффективности созданной системы поддержки принятия решений
Данные о состоянии здоровья каждого пациента рассредоточены по распределенной системе ЛПУ. Ежедневно в каждой подсистеме решается ряд серьезных задач, связанных с внесением, обработкой и хранением медицинской информации, практическим управлением потоками информации, краткосрочным и долгосрочным планированием, статистическим и финансовым анализом.
Наиболее актуальной проблемой для МИС является постепенное падение производительности работы системы во время ее эксплуатации. В результате этого время принятия решений врачом достаточно продолжительное. В связи с этим необходима разработка такой структуры ХД, которая позволит обеспечить требуемое время отклика в течение всего срока эксплуатации.
Разработанная СППР предназначена для эксплуатации в условиях ЛПУ. Главной целью разработки системы является повышение качества лечебного процесса, в рамках уменьшения времени принятия решений врачом-специалистом по поводу выбора лечения пациента, а также увеличение качества жизни пациента за счет применения интеллектуального метода анализа данных. ХД МИС позволяет накапливать полную информацию о состоянии здоровья человека на протяжении всего времени нахождения на диспансерном учете.
В качестве программной платформы для сервера используется MS Windows 2000. Работа клиентской части поддерживается на платформе Pocket PC 2002, Windows СЕ. В качестве сервера хранилища данных используется MS Server 2005.
Наиболее затратным видом запросов к системе является подключение к ХД. Таким образом, время подключения к ХД может адекватно характеризовать эффективность применяемой методики.
В среднем при приеме 1 пациента участковый врач выполняет подключение к ХД 2 раза.
Количество пользователей определяется объемом внедрения МИС в ЛПУ. При эксплуатации МИС объем ее БД постоянно увеличивается, следовательно, объем ХД также увеличивается. Таким образом, проектируемая структура ХД должна в течение всего срока эксплуатации системы поддерживать стабильно низкое время подключения к этому ХД.
В связи с этим существует формула для определения объема ХД: = + +ЕЕ»у, (п) ІієН jeNh Н - множество пациентов, информация о которых находится в ХД, Nh - множество документов, имеющихся в ХД по каждому пациенту h, Vj - объем j -ой информации по пациенту h, j eNh; Vsp - объем документов справочника; V - объем документов с графической и видеоинформацией.
Обращение к ХД состоит в принятии вызова от приложения, трансляции его в запросы к ХД и, используя средства клиента, отправка их на сервер, а также первичная обработка результата и передача его клиентской программе.
В рамках рассматриваемой СППР при /2=140600, /=50, F,P=10000M6, =51200Мб объем ХД: Ь=\0000+51200+50 140600 0,05 412700Мб=403 Гб За день для каждого врача ЛПУ анализирует 48,6% информации от всего объема ХД.
С целью изучения эффективности созданной СППР проведено исследование, параметрами которого явились данные о времени подключения к ХД, его объеме и использовании, измеряемом сервером как количество обращений за определенный промежуток времени. Результаты представлены на рисунках 32 и 33.
Время принятия решения до внедрения системы складывалось из времени подключения к системе и времени просмотра и анализа данных о пациентах врачом, и которое было равно в среднем 15 минут. Время принятия решения после внедрения системы - из времени подключения к системе, анализа информации с помощью ЭВМ и времени просмотра результатов анализа врачом. За счет сокращения времени доступа к ХД с начального значения 3 мин. до 1 мин. и времени анализа информации, принятие решения, например, участковым врачом о лечении пациента сократилось до 4 минут. Таким образом, время принятия решения сократилось в 3,75 раза.
Похожие диссертации на Повышение эффективности принятия решений в распределенной системе на основе гибридного подхода в анализе данных
