Содержание к диссертации
Введение
ГЛАВА 1. Аналитический обзор и постановка задач исследования
1.1. Особенности математического моделирования в экологии и здравоохранении.
1.2. Применение методов теории распознавания образов и нечеткой логики принятия решений для диагностики и прогнозирования заболеваний, включая заболевания, вызываемые экологическими факторами .
1.3 Использование информационных технологий в экологии и здравоохранении.
ГЛАВА 2. Методы прогнозирования и ранней диагностики заболеваний вызываемых комплексным воздействием экологических факторов .
2.1. Объект, методы и средства исследования.
2.2. Метод синтеза нечетких решающих правил прогнозирования и ранней (донозологической) диагностики заболеваний вызываемых комплексным воздействием экологических факторов .
2.3. Метод определения защитных свойств организма по энергетической сбалансированности общесистемных биологически активных точек.
2.4. Выводы второй главы.
ГЛАВА 3. Разработка основных элементов автоматизированной системы поддержки принятия решений для прогнозирования и диагностики заболеваний, вызываемых экологическими факторами
3.1. Синтез прогностических и диагностических решающих правил.
3.2. Алгоритм управления процессами принятия решений в автоматизированной системе для территориальных служб здравоохранения работающих в экологически неблагоприятных регионах .
3.3. Разработка структуры программного обеспечения системы поддержки принятия решений.
3.4. Выводы третьей главы.
ГЛАВА 4. Результаты экспериментальных исследований.
4.1. Проверка эффективности правил прогнозирования заболеваний характерных для экологически неблагополучных зон г. Курска.
4.2. Проверка эффективности правил прогнозирования заболеваний характерных для экологических особенностей г. Железногорска
4.3. Проверка эффективности решающих правил для ранней диагностики заболеваний вызываемых экологическими факторами характерными для Курской области
4.4. Выводы четвертой главы.
Заключение
Библиографический список
- Применение методов теории распознавания образов и нечеткой логики принятия решений для диагностики и прогнозирования заболеваний, включая заболевания, вызываемые экологическими факторами
- Метод синтеза нечетких решающих правил прогнозирования и ранней (донозологической) диагностики заболеваний вызываемых комплексным воздействием экологических факторов
- Алгоритм управления процессами принятия решений в автоматизированной системе для территориальных служб здравоохранения работающих в экологически неблагоприятных регионах
- Проверка эффективности правил прогнозирования заболеваний характерных для экологических особенностей г. Железногорска
Введение к работе
Актуальность темы. Сложная современная экологическая обстановка и связанные с этим процессы ухудшения состояния здоровья людей побуждают исследователей искать пути решения таких сложных социальных проблем здравоохранения, как повышение качества медицинского обслуживания людей, проживающих и работающих в условиях негативных техногенных и природных воздействий (Рогалев В.А., Гуткин В.И., Попов М.П., Коровин Е.Н.).
Как показывают многочисленные исследования отечественных и зарубежных ученых, значительного повышения уровня здоровья населения, включая и многочисленные контингента людей, находящихся в таких неблагоприятных экологических зонах, как, например, Курская магнитная аномалия, можно ожидать при широком использовании современных методов управления и информационных технологий (Фролов В.Н., Родионов О.В., Устинов А.Г., Попечителев Е.П.).
Специалисты, изучающие проблему влияния окружающей среды на состояние здоровья человека, в качестве одного из направлений своей деятельности называют эффективное прогнозирование и диагностику ранних стадий заболеваний, вызываемых экологическими факторами (Балтер Б.М., Егоров В.В., Бочаришвили М.Л., Летникова Л.И.).
Характерной особенностью задач прогнозирования и диагностики заболеваний, вызываемых экологическими факторами, является то, что собираемая экологическими службами и службами здравоохранения информация в основном характеризует общие тенденции заболеваемости без учета индивидуальных особенностей каждого из обследуемых, находящихся в зоне исследования, что снижает потенциально достижимое качество их классификации в зоне действия неблагоприятных экологических факторов и, как следствие, снижает качество управления системой здравоохранения соответствующих регионов.
С учетом сказанного, актуальность темы диссертации определяется необходимостью разработки и внедрения в практическое здравоохранение высокоэффективных средств прогнозирования и ранней диагностики заболеваний, вызываемых вредным воздействием окружающей среды, на основе внедрения современных информационныхтехнологий, что позволяет повысить качество оказания медицинских услуг населению, находящемуся в зоне действия вредных экологических факторов.
Работа выполнена в соответствии с планом работ Комитета здравоохранения Курской области и научным направлением Курского государственного технического университета «Медико-экологические информационные технологии».
Цель работы - Повышение эффективности прогнозирования и ранней диагностики для совершенствования процессов управления состоянием здоровья населения, находящегося в условиях комплексного воздействия вредных факторов окружающей среды при неполном и нечетком представлении данных. Для достижения поставленной цели необходимо решить следующие задачи:
- на основании анализа существующих методов управления и средств прогнозирования, диагностики, профилактики и лечения заболеваний, вызываемых экологическими факторами, определить задачи исследования, а также выбрать математический аппарат и способ организации базы знаний соответствующей системы поддержки принятия решений (СГШР);
- разработать метод синтеза и систему нечетких решающих правил для управления процессами принятия решений в территориальных службах здравоохранения при прогнозировании и диагностике заболеваний, вызываемых комплексным воздействием экологических факторов;
- создать метод определения защитных свойств организма для получения информации, повышающей качество принятия решений по прогнозированию и коррекции состояния здоровья населения экологически неблагоприятных регионов;
- разработать алгоритмы управления процессами принятия решений в автоматизированной системе, формирующей рекомендации по рациональному управлению учреждениями здравоохранения регионов, находящихся в зоне действия неблагоприятных факторов окружающей среды;
- оценить эффективность предложенной системы поддержки принятия решений по данным мониторинга состояния здоровья населения на примере Курской области.
Методы исследований. Для решения поставленных задач использовались методы системного анализа, моделирования, теории синтеза сложных информационных систем, теории алгоритмов, нечетких множеств, прикладной математической статистики, экспертного оценивания.
Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:
- метод синтеза нечетких решающих правил для решения задач прогнозирования и диагностики заболеваний, вызываемых комплексным воздействием экологических факторов, отличающийся тем, что получаемые классификационныеправила учитывают различные по природе факторы риска, время их воздействия и защитные свойства организма, позволяя повысить качество принятия решений в задачах управления учреждениями здравоохранения экологически неблагоприятных регионов при неполном и нечетком представлении исходной информации о границах разделяемых классов;
- метод оценивания уровня защитных свойств организма по величине разбаланса электрических характеристик общесистемных биологически активных точек, позволяющий получать информацию, необходимую для повышения качества принимаемых решений по прогнозу и управлению состоянием здоровья людей, подвергающихся вредным воздействиям со стороны окружающей среды;
- база правил нечеткого вывода для прогнозирования и ранней диагностики заболеваний, составившая основу алгоритмического обепечения системы поддержки принятия решений, для территориальных служб здравоохранения;
- алгоритмы синтеза вариантов решений и их выбора, отличающиеся возможностью корректировки решающихправил в соответствии с выбранным критерием качества классификации исследуемых нозологии, реализации процессов прогнозирования и ранней диагностики заболеваний, вызываемых экологическими факторами, с учетом индивидуального состояния здоровья, составления плана мероприятий по защите здоровья населения экологически неблагоприятных регионов, позволяющие в составе автоматизированной системы обеспечивать формирование рекомендаций по рациональному управлению соответствующими территориальными службами здравоохранения.
Практическая значимость работы.
Разработанные методы, решающие правила, алгоритмы и соответствующее программное обеспечение составили основу построения системы поддержки принятия решений, опытная эксплуатация элементов которой позволяет рекомендовать ее к использованию в регионах, подверженных вредному воздействию факторов окружающей среды.
Применение предложенных в диссертации разработок позволяет снизить риск возникновения и развития заболеваний, вызываемых неблагоприятной экологической обстановкой, а также выбирать рациональные схемы проведения профилактических и лечебно-оздоровительных мероприятий для учреждений здравоохранения регионов, находящихся в зоне действия вредных факторов окружающей среды. Основные теоретические и практические результаты работы приняты к внедрению в Институте экологической безопасности, в городской больнице г. Железногорска Курской области и в учебном процессе Курского государственного технического университета при подготовке специалистов по направлению «Биомедицинская инженерия», при чтении лекций и проведении лабораторных занятий по курсу «Компьютерные технологии в медико-биологических исследованиях».
Экономическая и социальная значимость результатов диссертационного исследования состоит в улучшении качества медицинского обслуживания населения в регионах с повышенной экологической опасюстью.
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: Измерительные и информационные технологии в охране здоровья «Метромед-2007» (Санкт-Петербург, 2007); на XIV Российской научно-технической конференции с международным участием «Материалы и упрочняющие технологии - 2007» (Курск, 2007), Юбилейной X Международной научно-технической конференции «Медико-экологические информационные технологии-2007» (Курск, 2007); на Всероссийской научно-технической конференции «Интеллектуальные информационные системы» (Тула, 2007), на научно - технических семинарах кафедры «Биомедицинская инженерия» Курского государственного технического университета (Курск, 2006-2007 уч.год).
Положения, выносимые на защиту.
1. Методы и решающие правила для прогнозирования и ранней диагностики заболеваний, вызываемых комплексным воздействием факторов окружающей среды, позволяющие достигать уверенности в принимаемых решениях на уровне 0,85 при неполном и нечетком представлении исходной информации в условиях нечеткого описания границ разделяемых классов с учетом индивидуальных особенностей, защитных свойств организма, обеспечивая повышение качества принятия решений по управлению учреждениями здравоохранения экоюгически неблагоприятных регионов.
2. Алгоритмы синтеза вариантов решений и их выбора обеспечивающие реализацию процедур обучения, прогнозирования и диагностики состояния здоровья людей, находящихся в зоне действия экологически неблагоприятных факторов, и формирование рекомендаций для пользователей СППР решающих задачи управления соответствующими службами здравоохранения.
3. Структурно-функциональная организация системы поддержки принятия решений, отличающаяся наличием базы нечетких правил принятия решений по прогнозированию и коррекции состояния здоровья людей, проживающих и работающих в экологически неблагоприятных регионах, позволяет решать задачи рационального управления региональными службами здравоохранения, повышая качество оказания медицинских услугэтой категории населения.
Публикации. По материалам диссертации опубликовано 7 печатных работ, перечень которых приведен в конце автореферата, из них одна работа в журнале по перечню журналов и изданий, рекомендованных ВАК Минобразования и науки РФ.
Личный вклад автора. В работах [1,4,7], опубликованных в соавторстве, автором предложен метод синтеза нечетких решающих правил для прогнозирования и ранней диагностики заболеваний, вызываемых комплексным воздействием факторов окружающей среды. В [2] показано, что одним из индикаторов вредного воздействия внешней среды на человека являются электрические характеристики проекционных зон и, в частности, биологически активных точек (БАТ). В [3] получены решающие правила, позволяющие оценить влияние постоянного магнитного поля на состояние здоровья человека. В [5,6] автором получены нечеткие решающие правила для прогнозирования заболеваний, вызываемых комплексным воздействием экологических факторов, с учетом индивидуального состояния здоровья организма.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 170 наименований. Объем диссертации 162 страницы машинописного текста, 47 рисунков и 27 таблиц.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ.
Во введении обоснована актуальность темы исследования, определены цели и задачи работы, ее научная новизна и практическая значимость; определены методы решения сформулированныхзадач; приведены сведения об апробации и внедрении результатов работы.
В первой главе на основе обзора литературы, проанализированы современные подходы к решению задач прогнозирования, диагностики и управления состоянием здоровья населения находящегося в условиях вредного воздействия факторов окружающей среды и показано, что улучшения качества управления здравоохранением регионов подверженных воздействию неблагоприятного экологического фона можно достичь при использовании современных математических методов, включая теорию нечеткой логики принятия решений и информационныетехнологии. В заключении первой главы определяются цель и задачи исследования.
Во второй главе определяются объект, методы и средства исследования, разрабатываются методы синтеза нечетких решающих правил прогнозирования и ранней диагностики заболеваний вызываемых комплексным воздействием экологических факторов характерных для Курской области (относительно высокая напряженность постоянного магнитного поля в сочетании с выбросами в атмосферу вредных веществ промышленными предприятиями).
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.
В четвертой главе приводятся результаты экспериментальных исследований.
Полученные в третьей главе решающие правила строились на основе знаний и опыта высококвалифицированных экспертов и моделировались в системе компьютерной математики MATLAB 7 SPI с использованием пакета визуального моделирования Simulink и системы нечеткой логики Fuzzy Logic Toolbox.
Для проверки достоверности срабатывания правил расчетов соответствующих коэффициентов уверенности нами формировались репрезентативные контрольные выборки, по которым рассчитывались такие показатели качества «срабатывания» решающих правил, как прогностическая значимость положительных и отрицательных результатов наблюдений (П3+ и ПЗ ), диагностическиечувствительность, специфичность и эффективность (ДЧ, ДС и ДЭ), соответственно.
В заключении сформулированы научные и практические результаты исследования.
Применение методов теории распознавания образов и нечеткой логики принятия решений для диагностики и прогнозирования заболеваний, включая заболевания, вызываемые экологическими факторами
Наиболее популярными методами решения задач медицинской диагностики и в ряде случаев прогнозирования является теория распознавания образов, насчитывающая более двухсот различных методов, подходов и алгоритмов.
Решение большого количества задач диагностики состояния здоровья человека и окружающей среды может осуществляться известными методами теории распознавания образов в ее геометрической интерпретации, когда объекты, характеризующиеся различными наборами признаков X=(xj,x2,.. .хп), представляются как точки (вектора) многомерного пространства признаков N. Разделение классов осуществляется с помощью полученных на этапе обучения разделяющих гиперповерхностей [24, 74, 77, 97, 135].
В настоящее время в практических приложениях, в том числе и в медицинских и экологических, используется достаточно большое количество различных методов распознавания образов, причем известно, что большинство из них "хорошо" работают, если структура классификационных данных удовлетворяет ограничениям, присущим соответствующим математическим моделям [4, 5, 46, 64, 77, 124, 129]. Здесь под структурой данных (классов) понимается конфигурация точек-объектов в пространстве признаков, подчеркивая тем самым, что через нее отображаются основные взаимоотношения между исследуемыми объектами [77]. Чтобы решить вопрос о выборе того или иного известного метода распознавания образов для решения конкретной диагностической задачи (класса задач) требуются хотя бы предварительные сведения о структуре классов решаемой задачи [5, 77, 124, 129].
Проблема выбора типа решающих правил для решения конкретной задачи распознавания и в частности для решениязадач экологической и медицинской диагностики не является тривиальной и зависит от совокупности разных факторов: от типа и характера измерительных шкал, геометрической структуры многомерных данных, объема обучающего материала, возможности иметь точные указания учителя для обучающей выборки и т.д. [4, 5, 77].
В медицинской и экологической практике большой процент диагностических задач формируется так, что для получения требуемого результата используются эмпирические (эвристические) правила. Такая ситуация характерна в основном для описательных наук (к которым в основном относятся медицинские и экологические науки), в которых для получения результата используются обычно не вычисления, а последовательность рассуждений. Результат при этом представляется в виде некоторого суждения, устанавливающего принадлежность объекта к соответствующему классу. В качестве решающих правил в этой ситуации применяют правила четкого или нечеткого логического вывода, получаемые на основе литературных данных, отражающих обобщенный многолетний медицинский и (или) экологический опыт или опросом квалифицированных экспертов [24, 54, 72, 99, 103, 138]. В результате обычно строится иерархическая древовидная структура, "корнем" которой является наименование нозологической формы, а конечными элементами - признаки болезни, значения которых выявляются при обследовании пациента и (или) состояния окружающей среды различными способами (опрос, осмотр, лабораторные исследования и т.д.).
В ситуации, когда используется вероятностное задание признаков и классов, решается вопрос о возможности или целесообразности построения наилучших решающих правил на основе детального анализа признакового пространства путем построения функций плотности вероятности и получения надежных оценок априорных вероятностей. Классифицируемый объект считается принадлежащим к тому образу, плотность объектов которого наивысшая в данной точке пространства описания.
Однако, на практике плотности распределения вероятностей получить очень сложно, поэтому формируются специальные таблицы экспериментальных данных (ТЭД) ограниченного объема (обучающие выборки) с известной классификацией. По обучающим выборкам могут быть восстановлены или оценены функции плотностей вероятностей, по которым и строятся соответствующие решающие правила.
При обработке ТЭД с целью распознавания образов могут использоваться различные алгоритмы, число которых в современном арсенале достаточно велико. Однако, как показывают многообразные практические исследования, для решения широкого круга медицинских и экологических задач, признаковое пространство которых можно рассматривать как многомерное гиперпространство, достаточно иметь алгоритмы распознавания трех типов: основанные на локальной оценке плотностей без задания явного вида решающих правил (ближнего соседа, средней связи и т.д.); основанные на задании вида разделяющих функций; диалоговые методы классификации [4, 5].
Метод синтеза нечетких решающих правил прогнозирования и ранней (донозологической) диагностики заболеваний вызываемых комплексным воздействием экологических факторов
Одним из основных инструментов оценки состояний объектов исследований и формирования управляющих воздействий в здравоохранении и экологии являются современные информационные технологии реализуемые в виде различных программно-информационных комплексов.
В простейшем случае это отдельные программы для ПЭВМ которые реализуют математические модели прогнозирования выбранного класса заболеваний. Например, в работе [108] получена регрессионная модель для прогнозирования частоты заболеваний органов дыхания, пищеварения, мочеполовой системы и сердечно-сосудистой системы в зависимости от концентрации в почве таких тяжелых металлов как ванадий, барий, никель, кобальт, молибден, свинец, фосфор и галлий.
В работе [127] приводятся правила двумерной классификации позволяющие отделять влияние на биообъекты таких металлов как медь, цинк и железо.
Значительно количество работ в области медицины и здравоохранения связанных с экологическими приложениями использует специально организованные базы данных формируемые в ходе медико-экологического мониторинга. Например, в работе [13] разработан алгоритм выбора тактики лечения пациентов в экологически неблагоприятной зоне проживания. Он реализован с помощью экологического, метеорологического, клинико-иммунологического мониторинга. В этой системе реализовано несколько баз данных (БД): метеорологическая, экомониторинга, эпидситуаций, клиника острого периода, иммуномониторинга, в которые заносятся необходимые данные. Затем эти данные интегрируются на основе преобразования конкретных статистических закономерностей и реализуются информационные модели внутри этих баз.
В работе [14] рассматривается система комплексного ведения больных осложненными формами ОРЗ в условиях стационара с учетом экологической неоднородности региона. Предпосылкой разработки алгоритма прогноза, диагноза и лечения ОРЗ были определены принципы построения БД, содержащих сведения по значительным для формирования иммунного ответа факторам. В структуру БД входят постоянные параметры загрязнителей почвы и переменные параметры загрязнителей атмосферы. Предусмотрен дополнительный ввод ситуационных данных. Здесь же реализован блок обработки данных и блок экспертной оценки, выход из которого осуществляет сопоставление решений, принятых по каждой отдельно взятой БД.
В работе [84] описан программный комплекс, позволяющий формировать медико-экологический паспорт региона с элементами оценки и прогноза ожидаемой ситуации. Для этого созданы две базы данных: медицинская и экологическая. Структура паспорта содержит табличный раздел, содержащий показатели, характеризующие медицинскую ситуацию и экологические факторы риска в сравнении со среднеобластными данными и графический раздел. Медицинский раздел содержит абсолютные и относительные показатели первичной заболеваемости. Экологический раздел характеризует динамические и стабильные факторы риска в отношении здоровья населения.
Наиболее перспективными, но наиболее сложными и дорогостоящими являются системы медико-экологического мониторинга и прогнозирования построенные на основе ГИС- технологий позволяющие практически в любых сочетаниях и масштабах совмещать геодезические карты местности с информацией об экологической обстановки и данные о состоянии здоровья населения. ГИС-технология объединяет традиционные операции при работе с базами данных, такими, как запрос и статистический анализ, с преимуществами полноценной визуализации и географического (пространственного) анализа, которые предоставляет карта. Эти возможности отличают ГИС от других информационных систем и обеспечивают уникальные возможности для ее применения в широком спектре задач, связанных с анализом и прогнозом явлений и событий окружающего мира, с осмыслением и выделением главных факторов и причин, а также их возможных последствий, с планированием стратегических решений и текущих последствий предпринимаемых действий. На рис. 1.2. приведена структурная схема программного обеспечения типовой ГИС (ПО ГИС).
Алгоритм управления процессами принятия решений в автоматизированной системе для территориальных служб здравоохранения работающих в экологически неблагоприятных регионах
Для желудочно-кишечного тракта в качестве факторов риска были выбраны: прием лекарственных средств, раздражающих слизистую оболочку желудка (глюкокортикоиды, нестероидные противовоспалительные средства и др.); употребление алкоголя; курение; заболевания желудочно-кишечного тракта у близких родственников (матери, отца, тети, дяди, брата, сестры); психоэмоциональные перегрузки; разбаланс энергетических характеристик меридианных биологически активных точек, связанных с ситуацией - язвенная болезнь желудка.
В работе [15] для этих факторов риска определены носители соответствующих функций принадлежности следующим образом: по фактору прием лекарственных средств носитель Ls выражается через частоту приема препаратов, раздражающих слизистую оболочку желудка, измеряемую в днях. Здесь при формировании носителя осуществлялся перерасчет разовой терапевтической дозы лекарственных средств в календарном месяце, при однократном приеме в сутки.
Алкоголь так же оказывает раздражающее действие на слизистую оболочку желудка. Для него в качестве носителя А1 выбрана частота приема алкоголя не менее 65 мл в пересчете на спирт в календарном месяце, при однократном приеме в сутки.
Риск развития заболевания от табакокурения определяется суточной дозой никотина и его дериватов. Количественным показателем Кг служит суточная доза никотина и его аналогов из расчета содержания никотина в одной сигарете 0,9 мг.
По фактору заболевания желудочно-кишечного тракта (ЖКТ) у близких родственников экспертами был предложен носитель Вг по следующей шкале градаций: тетя, дядя-1; брат, сестра-2; мать, отец- 3. По этим факторам риска определяемым опросом функции принадлежностей определяются следующими аналитическими соотношениями: Ma,ALS) = 0,0 Щ, если5 20 0,2, ecimLs ,( ) = [0,008Л/, если А1 24 [0,2, если А1 24 / ( ) = г0,004Кг, если Кг 23 к0,1, еслиг 23 / ( ) = 0,05 2 . Максимальная уверенность в прогнозе заболеваний ЖКТ КУт достигаемая при наличии высоких значений всех факторов риска по группе факторов выявляемых результатами опроса рассчитываемая по формуле 1.14 достигает величины 0,5.
Степень влияния психоэмоциональных перегрузок на риск возникновения заболеваний ЖКТ согласно рекомендациям [15, 60, 67] будем определять как функцию принадлежностей с носителем по шкале уровень психоэмоционального напряжения (ПЭН). Для определенияПЭН может быть использовано несколько показателей: шкала личной тревожности теста Спилбергера-Ханина (ЛТ); шкала интраверсии по шкале теста Айзенка (АИ); шкала личной тревожности по тесту Тейлора (ТТ); электрические характеристики БАТ R8, VB20 и Р9 с группой ДЗТ { R8, VB20}; субъективные ощущения длительного психоэмоционального напряжения (СО).
По этим шкалам были получены частные функции принадлежностей и коэффициенты уверенности степени психоэмоционального напряжения. 0, еслиУ7Г 30 Мпэн (ЛТ) = \ 0,0067ЛГ - 0,2, если 30 ЛТ 90 0,4 еслиЛГ 90 Го, если АИ если АИ 18 если ТТ 4 jun3H (АИ) = \ 0,03 \ЛТ - 0,15, если 5 АИ 18 0,4 Га Мпэн (ТТ) = 0,029ГГ-0,15, если4 ГГ 16. 0,35 еслиГГ Частный коэффициент уверенности в степени ПЭН по группе психологических тестов определяется выражением: КУТПЭН = тах{Мпэн(ЛТ), МПЭЛ Ю /июн(ТТ)} (3.22).
По группе биологически активных точек связанных с ПЭН соответствующие частные функции принадлежностей и коэффициент уверенности определяются выражениями: 0, ecjm5RRz 10% еслиЖл8 60% Мпэщаь») = 10,004 - 0,04, если 10% SRR8 60% 0,2 если Жг/„ 10% гаго fo, 0,025, если 10% 5Rram 70% М. n3H(SRVB20) lVB20 VB20 QcimSRVB20 70% 0,0025 5& [0,15, 0, если 5К„ 10% М ПЭН(ЗЯР9) 0,004Ж,9 - 0,04, если 10% SRP9 60% 0,2 если $/?,„ 60%. EOIM[{SRRi И SRVB20) 15%]ТО {кУ Ля + = КУБпэМ + Мпэн( -КУБпэм} (3.23) ИНАЧЕ (КУпэн=0) где s=VB20, Р9; ЯУ ЭЯ (1) = Мпэн (RS ). Наличие психоэмоционального напряжения по субъективным ощущениям предлагается определять по следующей шкале СО: 1- в повседневной жизни эмоционального перенапряжения практически не ощущалось; 2- периодически, реже одного раза в неделю ощущаются эмоциональные переживания не приводящие к психологическому дискомфорту; 3- на протяжении месяца иногда переживаю эмоциональное напряжение приводящее к психофизиологичесокму дискомфорту; 4- практически ежедневно ощущаю психоэмоциональное напряжение приводящее к психофизиологическому дискомфорту; 5- ощущение психофизиологического дискомфорта связанное с психоэмоциональным перенапряжением ощущается почти ежеднвно. По этой шкале КУспэн=Млэн(СО) = 0,\2СО (3.24)
Учитывая, что полученные частные коэффициенты уверенности отражают различные механизмы, формирующие уровень психоэмоционального напряжения, и что уверенность в возникновении заболеваний будет тем выше, чем выше уровень напряжения различных систем, в качестве интегральной характеристики отражающей эмоциональное напряжение организма в целом выбираем выражение вида КУпэн ІЧ +1) = КУПЭН (q) + КУ ПЭН [і - КУПЭН (q)} (3.25) где t=T, Б, СО.
Полученный показатель по мнению экспертов удобно использовать как носитель для функции принадлежностей по исследуемому классу заболеваний для такого фактора риска как психоэмоциональное напряжение.
Проверка эффективности правил прогнозирования заболеваний характерных для экологических особенностей г. Железногорска
Анализ специальной литературы показал, что существующие системы поддержки принятия решений (СППР), включая системы, ориентированные на экологические службы и службы здравоохранения не решают поставленных в нашей работе задач. В связи с этим нами была разработана структура программного обеспечения СППР, которая решает задачи управления процессами обучения, прогнозирования, диагностики и предупреждения заболеваний вызываемых экологическими факторами.
Структурная схема предлагаемой системы поддержки принятия решений приведена на рис. 3.23.
Для измерения электрического сопротивления БАТ и проведения рефлексотерапиимогут быть использованы автономные приборы типа «Рефлекс», «Пчелка», «Эллада-7» и др., аналогичные по техническим характеристикам. В таком варианте в режиме прогнозирования и (или) диагностики измерительная информация вводится с клавиатуры врачом (ЛПР) в базу данных (БД) системы поддержки принятия решений через интерфейс пользователя (ИП).
В другом варианте информация об электрических характеристиках БАТ может регистрироваться с помощью многоканального анализатора БАТ (МАБАТ) разработанного на кафедре биомедицинской инженерии Курск ГТУ [60, 62].
Этот анализатор подключается к ПЭВМ через стандартный интерфейс типа RS-232. Информация с МА БАТ передается в БД через драйвер связи (ДС). Отличительной особенностью МА БАТ является то, что он может работать в режиме рефлексотерапии, обеспечивая возможность коррекции состояния здоровья обследуемых.
Для определения величины адаптационного потенциала в состав С1111Р может быть включен автоматический измеритель артериального давления (ИАД).
Кроме перечисленных показателей в БД через интерфейс пользователя поступают данные опроса, осмотра, инструментальных исследований. Этот вид данных вводится в ПЭВМ с клавиатуры в интерактивном режиме.
Информация о том, что необходимо ввести, формируется в виде предложений предлагаемых врачу в многооконном режиме.
Расчет коэффициентов уверенности в прогнозе и (или) диагнозе по заболеваниям сое производится блоком решающих правил БРП (раздел 3.1), который работает под управлением алгоритма управления процессами обучения, прогнозирования, диагностики и предупреждения заболеваний (АУП) (раздел 3.2., рис. 3.22). Уточнение параметров решающих правил может быть произведено через блок обучения (БО) как на стадии проектирования СППР, так и в ходе ее эксплуатации по мере накопления необходимых статистических данных. Кроме того на этапе обучения может быть задействован блок разведочного анализа (БРА) решающий следующие задачи: выделение характерных точек обучающей выборки (многомерных центров классов и выделяемых объектов, групп наиболее близких и наиболее далеких объектов между парами различных классов, казуистических и артефактных объектов); расчет расстояний между характерными точками и между всеми заданными точками, как внутри своего класса, так и до точек чужого класса; различные методы отображения многомерных данных в двумерные пространства с сохранением выбираемых структурных свойств исследуемых объектов (сохранение близких расстояний, сохранение далеких расстояний, сохранение структур задаваемых ядер и т.д.); построение гистограмм распределений объектов исследуемых классов на координатах признаков (признаковые гистограммы); построение гистограмм распределения объектов исследуемых классов на шкалах определяемых как меры близости до эталонных многомерных структур (точек, гиперплоскостей, гиперкубов, гиперсфер и т.д.); определение исходных координат объектов по выбираемым участкам гистограмм и областям отображающих пространств; определение группировок объектов в многомерном пространстве признаков; определение областей пересечений различных классов в исходном пространстве с описанием структурных особенностей этих областей.
В ходе разведочного анализа выясняются: возможность и целесообразность решения задачи распознавания в ее геометрической интерпретации; возможность линейного или кусочно-линейного разделения классов, наличие «вложенных» структур классов типа «шар в шаре», «шар в чаше» «эллипсоид в шаре»; наличие зон пересечения классов их типы и структура и т.д.
Знание различных характеристик структурных особенностей классов позволяет обосновано, под структуру классов выбирать тип носителя и характеристики частных функций принадлежностей [54, 64, 65].
Для уточнения расположения БАТ, используемых в работе, на теле человека блок формирования меридианных моделей (БФММ) выдает на экран монитора соответствующие фрагменты атласов меридиан, а для уточнения энергетического состояния меридианных структур, участвующих в формировании энергетики диагностически значимых точек, по запросу пользователя, на экране монитора формируются меридианные модели различной подробности. Уровень энергетического напряжения меридианных структур определяется путем раскраски меридианных моделей. Красный цвет соответствует патологически высокому энергетическому напряжению (низкое электрическое сопротивление), фиолетовый цвет - патологически низкой энергетике, зеленый цвет - норме с учетом суточных энергетических колебаний. Промежуточные энергетические состояния изображаются другими цветовыми оттенками. Кроме того рядом с контролируемыми БАТ, по желанию пользователя, изображаются числовые значения их электрических сопротивлений.
В базе данных (БД) хранится электронная копия медицинской карты пациента, в которой содержатся паспортные данные, данные анамнеза, результаты опросов, осмотров, экспериментальных исследований, диагностические заключения, графики посещения врачей и т.д.
Блок управления лечебно-профилактическими учреждениями обеспечивает формирование рекомендаций по : модернизации материально-технической базы территориальных служб здравоохранения находящихся в экологически неблагоприятныхзонах;организациимассовыхпрофилактическихобследований населения проживающих и работающих в регионах подверженных длительному I воздействию факторов окружающей среды; рациональному управлению лечебно-оздоровительными мероприятиями направленному на улучшение качества медицинского обслуживания населения в выбранных для исследованиярегионах.
С помощью интерфейса пользователя реализуются: необходимые опросники для врача и обследуемых; механизмы ведения электронной медицинской карты обследуемых; отображение меридианных моделей и сопутствующей числовой информации; корректировка параметров лечебно-оздоровительных мероприятий; обращение ко всем доступным справочникам баз данных и т.д.
