WWW.KNIGA.LIB-I.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Онлайн материалы
 

Pages:   || 2 |

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ Государственное образовательное учреждение высшего профессионального ...»

-- [ Страница 1 ] --

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

Государственное образовательное учреждение высшего профессионального

образования

«ТУЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

МЕДИЦИНСКИЙ ИНСТИТУТ

В. А. Хромушин, А. А. Хадарцев, В. Ф. Бучель, О. В. Хромушин

АЛГОРИТМЫ И АНАЛИЗ

МЕДИЦИНСКИХ ДАННЫХ

Учебное пособие Тула 2010 УДК 61:002; 311:614; 519.22 Хромушин В.А., Хадарцев А.А., Бучель В.Ф., Хромушин О.В. Алгоритмы и анализ медицинских данных. Учебное пособие. – Тула: Изд-во «Тульский полиграфист», 2010. –123 с.

Учебное пособие содержит алгоритмы и программы для анализа медицинских данных, включая авторские разработки.

Использование материала учебного пособия должно оказать практическую помощь студентам, изучающие дисциплины «Общественное здравоохранение и здоровье» и «Медицинская информатика», а также научным медицинским работникам.

Изложенные материалы могут быть использованы преподавателями, аспирантами и соискателями медицинских вузов.

Рецензенты:

Доктор биологических наук, профессор кафедры «Санитарногигиенические и профилактические дисциплины» Честнова Т. В. (Тульский государственный университет).



Доктор технических наук Минаков Е. И. (Тульский государственный университет).

© Коллектив авторов, 2010 ISBN 978-5-88435-675-1 © Тульский полиграфист, 2010 СОДЕРЖАНИЕ ВВЕДЕНИЕ ………………………………………………………………………………………… 1. 4 ОБОБЩЕННАЯ ОЦЕНКА ПОКАЗАТЕЛЕЙ ЗДРАВООХРАНЕНИЯ …………………… 2. 5

2.1. Назначение ………………………………………………………………………………………… 5

2.2. Состав пакета программ ……………………………………………………………………….. 5 Программа DU …………………………………………………………………………………….

2.3. 5 Алгоритм программы DU ……………………………………………………………………….

2.3.1. 5 Описание программы DU ……………………………………………………………………… 2.3.2. 6 Программа GE …………………………………………………………………………………….

2.4. 9 Алгоритм программы GE ……………………………………………………………………….

2

–  –  –

1. ВВЕДЕНИЕ Информатизация здравоохранения области является важным направлением работ во многом определяющим функционирование учреждений и качество управления здравоохранением.

Здравоохранение Тульской области в вопросе информатизации здравоохранения охватывает практически все основные направления. Наиболее трудными из них для медицинских работников являются аналитические работы.

Успешное решение аналитических работ связано с накоплением информации. В здравоохранении часто исследователь ставит перед собой задачу выявления причинно-следственных связей.

Решение столь сложной задачи требует тщательного выявления тех информационных признаков, которые необходимо накапливать в информационных базах. Ошибки на начальной стадии оборачиваются отсутствием информации и невозможностью решения поставленной задачи. В тоже время накопление избыточной информации является достаточно дорогостоящей работой.

Чаще всего накопление информации по какой-либо важной проблеме осуществляется в информационных базах (регистрах) много лет. В связи с этим постановка задачи исследований по проблеме требует тщательного осмысления, высокой квалификации специалистов, и оптимизации информационной базы.





Важной особенностью мониторинга является достоверность данных, которой определяются возможности углубленного анализа и правильность управленческих решений, принятых на основе этого анализа.

Руководствуясь этим, разработка программного обеспечения должна вестись с использованием средств контроля, включая интеллектуальные средства.

Применение специальных математических средств на стадии постановки задачи является важной задачей оптимизации информационной базы и научно-обоснованным подходом к исследовательской проблеме.

Информационная поддержка научно-исследовательских работ на первом этапе требует:

- формулировки цели исследований;

- определения математических средств анализа накопленной в информационной базе информации;

- оптимизации информационной базы.

Необходимо отметить, что отсутствие ясности в использовании математических средств анализа накопленной информации порождает неопределенность в достижении цели исследований. По существу - это отсрочка выполнения работ. Она может отрицательно сказаться на конечном результате.

По этой причине необходимо сразу продумывать средства математического анализа, несмотря на то, что это чаще всего вызывает трудности у медицинского работника.

Средства математического анализа весьма многообразны. Их выбор определяется решаемой задачей. Исследователь может применить разные математические методы, зная, что каждому методу присуще свои достоинства и недостатки. Получаемый результат особо ценен, если он подтвержден разными математическими расчетами.

В последнее время отраслью проводится весьма важная работа по повышению значимости аналитических работ. Однако глубина анализа понимается специалистами по-разному. Для одних это констатация фактов в виде форм статистической отчетности, а для других - выявление причинно-следственных связей. Это слишком разное отношение к проблеме, разные подходы и принципиально разные программы.

Во многом такая ситуация определяется уровнем подготовки медицинских работников. По этой причине важно на этапе обучения студентов прививать навыки аналитической работы, в частности, по дисциплинам «Общественное здравоохранение и здоровье» и «Медицинская информатика». Эти навыки также важны для развития аналитического мышления врача, что важно в достижении высоких результатов в работе.

Результаты аналитических работ важны для принятия управленческих решений. Без такого рода информационной поддержки управленческие решения малоэффективны.

Важно также отметить, что научные медицинские работы очень часто нуждаются в аналитических расчетах, без которых невозможно делать выводы и подтверждать достоверность достигнутых результатов исследований.

Научные работники часто встречаются с проблемой выбора необходимых математических методов и программного обеспечения. Учитывая многообразие математических методов и ограниченность знаний медицинского работника в математике, эта проблема является достаточно трудной.

Авторы не ставили своей задачей изложить все методы анализа медицинских данных, что не возможно в рамках одной книги. Поэтому в данном учебном пособии изложены те алгоритмы и программное обеспечение, в том числе авторские разработки, которые не нашли достаточного отражения в литературе.

В данном учебном пособии отражен опыт преподавания авторов по дисциплинам «Общественное здравоохранение и здоровье» и «Медицинская информатика» по специальности «Лечебное дело», а также многолетний опыт работы по информатизации здравоохранения Тульской области.

2. ОБОБЩЕННАЯ ОЦЕНКА ПОКАЗАТЕЛЕЙ ЗДРАВООХРАНЕНИЯ

2.1. Назначение Медицинские статистические данные, собранные в ходе статистической отчетности учреждениями здравоохранения, являются исходным материалом для анализа состояния здоровья населения.

Одновременно с этим статистические данные нужны для оценки конечных результатов учреждений и органов управления здравоохранением, а также задачи управления на всех уровнях иерархии.

В настоящее время в здравоохранении для задач управления используется методика обобщенной оценки показателей, разработанная институтом им. Н. А. Семашко и усовершенствованная МИАЦ г.Ижевск (д.м.н., В. К. Гасников) [1]. Она основана на кибернетическом принципе регулирования по отклонениям с использованием методов целевого управления. Методика ориентируется на достижение конечных результатов функционирования подсистем и на возникающие при этом рассогласования.

–  –  –

Программа (шифр «DU») позволят:

1. Вводить нормативные (базовые) показатели (рис. 2).

2. Вводить название обобщенной оценки и исполнителя (рис. 3).

3. Знакомиться с алгоритмом расчета (рис. 4).

4. Вводить текущие показатели (рис. 5).

5. Выводить результаты расчета (рис. 6).

–  –  –

Программа (шифр «DU») работает в среде Access и устанавливается на компьютер путем копирования.

Указанные режимы работы данной программы вызываются нажатием соответствующей кнопки на главной кнопочной форме (рис. 1). Режимы ввода нормативных и текущих показателей разделены. При вводе текущих показателей поля, задействованные в режиме ввода текущих показателей, заблокированы. В левой верхней части формы ввода текущих показателей (рис. 5) имеется кнопка сброса предыдущих текущих показателей.

–  –  –

Из приведенной таблицы видно, что по мере увеличения степени (si) долевая составляющая при рассогласованиях 20% и 30% уменьшается, а при рассогласованиях 50%, 60% и 70% - увеличивается. При 50% рассогласовании для степени 2 соответствует увеличение на одну треть, для степени 3 увеличение будет на две третьи, а при степени 4 - в два раза.

2.4.2. Описание программы GE Внешний вид программы показан на рис.7.

Программа (шифр «GE») позволяет:

6. Вводить нормативные (базовые) показатели (рис. 8).

7. Вводить название обобщенной оценки и исполнителя (рис. 9).

8. Знакомиться с алгоритмом расчета (рис. 10).

9. Вводить текущие показатели (рис. 11).

10. Выводить результаты расчета (рис. 12).

Программа (шифр «GE») работает в среде Access и устанавливается на компьютер путем копирования.

Указанные режимы работы данной программы вызываются нажатием соответствующей кнопки на главной кнопочной форме (рис. 7). Режимы ввода нормативных и текущих показателей разделены. При вводе текущих показателей поля, задействованные в режиме ввода текущих показателей, заблокированы. В левой верхней части формы ввода текущих показателей (рис. 11) имеется кнопка сброса предыдущих текущих показателей.

–  –  –

Рис. 9. Режим ввода заголовка и фамилии пользователя Рис. 10. Пояснение алгоритма расчета Рис. 11. Режим вода текущих показателей Расчет выводится кнопкой «Обобщенная оценка» на главной кнопочной форме.

–  –  –

2.5.2. Описание программы MedGE Программа (шифр «MedGE», 2010 г.) предназначена для расчета обобщенной оценки деятельности учреждений и органов управления здравоохранением и может быть использована аспирантами, а также медицинскими статистиками системы здравоохранения. Внешний вид программы показан на рис.13.

Программа (шифр «MedGE») позволяет:

1. Вводить нормативные (базовые) показатели (рис. 14).

2. Формировать график изменения степени значимости (рис. 15-19).

3. Вводить название обобщенной оценки и исполнителя (рис. 21).

4. Знакомиться с алгоритмом расчета (рис. 20).

5. Вводить текущие показатели (рис. 22).

6. Выводить результаты расчета (рис. 23).

Программа (шифр «MedGE») работает в среде Access и устанавливается на компьютер путем копирования.

Рис. 13. Внешний вид программы Указанные режимы работы данной программы вызываются нажатием соответствующей кнопки на главной кнопочной форме (рис. 13). Режимы ввода нормативных и текущих показателей разделены. При вводе текущих показателей поля, задействованные в режиме ввода текущих показателей, заблокированы. В левой верхней части формы ввода текущих показателей (рис. 22) имеется кнопка сброса предыдущих текущих показателей.

С помощью кнопки «Степень значимости» (рис. 14) можно вызвать режим ввода точек графика изменения степени значимости (рис.

15), в котором имеются три кнопки автоматического заполнения таблицы для последующей корректировки:

1. «Заполнение +1» (рис. 17), характерной для оценки заболеваемости.

2. «Заполнение -1» (рис. 18), характерный для оценки рождаемости.

3. «Заполнение +F(x)» (рис. 19), характерной для оценки заболеваемости.

Пример корректировки показан на рис. 16.

Отображение графика осуществляется кнопкой «График» (рис. 15).

График строится по 25 точкам. Рекомендуется перед началом их ввода воспользоваться одним из трех режимов автоматического заполнения, после чего вносить в них изменения, контролируя свой ввод периодическим построением графика кнопкой «График» (рис. 15).

Точечный ввод графика изменения позволяет формировать изменения степени значимости любой сложности. Алгоритм программы предусматривает нахождение с помощью графика величины степени значимости по известному значению относительного отклонения показателя от нормативного (табл. 5, п.5). Найденное значение степени значимости учитывается в расчете относительного коэффициента важности, усиливая или ослабляя его действие.

Используемое представление степени важности позволяет, как усиливать, так и ослаблять действие коэффициента важности при различных значениях относительного отклонения показателя от нормативного. Фактически коэффициент важности является некоторой функцией относительного отклонения, задать которую можно изложенным способом. Тем не менее, в данной программе для удобства пользователя введены два коэффициента: коэффициент важности и степень значимости.

При этом степень значимости в общем случае является нелинейной функцией, действие которой усиливается коэффициентом значимости. Иначе пользователь был бы вынужден проходить через утомительную процедуру задания (изменения) функции при пересмотре важности показателя.

Рис. 14. Режим ввода нормативных показателей Рис. 15. Режим ввода точек графика степени значимости Рис. 16. Пример графика степени значимости Рис. 17. Формирование графика в режиме «Заполнение +1»

–  –  –

Формирование графика должно быть подтверждено обоснованием, изложенным в специально предназначенном поле формы ввода нормативных показателей (рис. 14).

Алгоритм получения обобщенной оценки показателей выводится кнопкой «Алгоритм расчета»

(рис. 13), знание которого облегчает интерпретацию результата.

–  –  –

2.7. Методика работы

1. Первоначально пользователь должен выбрать тематическую направленность расчета. Тематика может иметь различный охват (например, областной уровень в сравнении и федеральным уровнем, районный уровень в сравнении с областным уровнем) и различную оценку (например, по всей проблематике здравоохранения, по детской проблематике, по тематике инвалидности и пр.).

Пользователь должен сформулировать тематику и ввести ее в программу.

2. Выбрать источник информации, в качестве которого можно взять набор статистических справочников из учебно-методического комплекса по курсу «Общественное здравоохранение и здоровье», показанный на рис. 24.

Рис. 24. Медицинские статистические справочники по Тульской области

Допускается использование других источников информации.

3. Ознакомиться алгоритмом расчета, что необходимо для правильного выбора показателей для расчета.

4. Выбрать анализируемые показатели. Практика использования таких расчетов показывает, что число анализируемых показателей не должно превышать 33, иначе экспертная оценка будет сильно усложнена.

Если возникнет необходимость проанализировать большее число показателей, то часть из них следует выделить в отдельную подсистему и подсчитывать для нее обобщенную оценку по излагаемой методике.

5. Выбрать коэффициенты относительной важности по каждому показателю и обосновать их.

6. Задать степень значимости по каждому показателю и обосновать его (для программ DU и GE).

Для программы MedGE задать и обосновать форму графика степени значимости.

7. Пользуясь источниками информации найти и ввести нормативные (базовые) статистические показатели (т.е. показатели, с которыми будет осуществляться сравнение).

8. Пользуясь источниками информации найти и ввести текущие показатели.

9. Вывести результат расчета для включения его в состав аналитического расчета. При этом надо иметь ввиду, что знак результирующей оценки соответствует принятой (знак «+» соответствует ухудшению, а знак «-» соответствует улучшению).

10. Повторить расчет для других годов (желательно охватить примерно 10-15 лет).

11. По полученным значениям обобщающей оценки и имеющимся факторам рекомендуется построить множественно-регрессионную модель (см. программу Correl), по которой можно осуществить ранжирование факторов по их значимости. При этом необходимо учесть, что увеличение числа анализируемых факторов должно сопровождаться увеличением числа расчетов по многим годам. Если это невозможно, то необходимо воспользоваться данными регистров по проблемным направлениям здравоохранения, а также оперативной статистической отчетностью (например, квартальной). Если не возможно увеличение числа отчетных периодов, то необходимо уменьшить число анализируемых факторов.

12. По результатам расчета необходимо сделать выводы и указать на «узкие» места, ухудшающие итоговый показатель. На эти места указывают поле «Итог (в %)» в отчете (рис. 23) в программе MedGE, поле «Доля» в отчете (рис. 12) в программе GE, знак «+» в поле «Система алгебраической оценки» в отчете (рис. 6) в программе DU.

3. МНОГОФАКТОРНЫЙ КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ

3.1. Построение математической модели В решении практических задач исследователь часто сталкивается с необходимостью учета многих факторов. В этих условиях парная корреляция между результативным и каждым (по отдельности) факторным признаком не даст нужного результата, поскольку совместно факторы обычно действуют на результат с иной силой.

Многофакторный корреляционно-регрессионный анализ включает в себя решение следующих задач [3]:

1. Обоснование взаимосвязи факторов (выбор тех факторов, которые влияют на результат).

2. Определение степени влияния каждого фактора на результат (строится модель множественной регрессии).

3. Количественно оценивается теснота связи между результативным признаком и факторами.

Математически задача заключается в нахождении такого аналитического выражения, которое наилучшим образом описывает связь факторных признаков с результативным.

Многофакторные корреляционно-регрессионные модели бывают:

линейные;

нелинейные.

Сравнительно простым для построения и часто применяемым на практике являются линейные модели, которые содержат независимые переменные только в первой степени:

yx = a0 + a1x1 + a2 x2 +... + ak xk где a0 – свободный член;

a1, a2, a3,..., ak – коэффициенты регрессии;

x1, x2, x3,..., xk – факторные признаки.

При этом исходные данные для анализа представляют собой массив наблюдений. Каждое iнаблюдение содержит факторные признаки xi1, xi2, xi3,..., xik и результат yi.

Если исследователь, зная характер исследуемого процесса, оценивает связь между результативным признаком и анализируемыми факторами как нелинейную, то для ее описания он должен выбрать нелинейную многофакторную модель (например, степенную, показательную и т.п.).

Параметры a0, a1, a2, a3,..., ak в уравнении множественной регрессии находят методом наименьших квадратов, при использовании которого необходимо решить систему линейных алгебраических уравнений (например, методом Гаусса).

В ряде случаев исследователь предпочитает осуществлять процедуру стандартизации переменных [9]. Для этого в уравнении регрессии заменяют переменные x1, x2, x3,..., xk на переменные tJ, где J = 1, 2,...

k следующим образом:

–  –  –

Также как и в натуральном масштабе переменных, параметры 1, 2, 3,..., k в уравнении множественной регрессии находят методом наименьших квадратов.

Обычно в практической работе результирующее выражение (с численными значениями коэффициентов при переменных) находят с помощью различного программного обеспечения. Для изучения множественной регрессии и для практической работы приведена быстродействующая программа (рис. 25), позволяющая работать с большими исходными массивами данных.

y( x) = a0 + a1x1 + a2 x2 +... + ak xk В результате находят результирующее выражение: с численными значениями a0, a1, a2, a3,..., ak.

В построении регрессионной модели большое значение имеет выбор факторов. Часто исследователь выбирает самые важные факторы, не включая второстепенные. В связи с этим возникает необходимость оценить степень совокупного влияния выбранных факторов на результативный признак (цель).

Для этого вычисляют совокупный коэффициент детерминации R, характеризующий долю вариации результативного признака, обусловленного изменением всех факторов, входящих в уравнение множественной регрессии:

–  –  –

n i =1 Фактически остаточная дисперсия оценивает долю не учтенных факторов (исключенных как малозначимых).

Совокупный коэффициент множественной корреляции R представляет собой квадратный корень из совокупного коэффициента детерминации R2 и имеет пределы 0 R 1. Чем ближе R к единице, тем точнее полученное уравнение отражает реальную связь [9, 14].

Необходимо отметить, что совокупный коэффициент множественной корреляции R зависит не только от корреляции результативного признака с факторными, но и от корреляции факторных признаков между собой.

Превышение корреляции между двумя факторными признаками величины 0,8 называют коллинеарностью, а между несколькими факторами - мультиколлинеарностью.

Приведенная программа наряду с построением регрессионной модели позволяет вычислить совокупный коэффициент детерминации R2 и коэффициенты корреляции между всеми парами факторных и результирующим признаками, что позволяет оценить коллинеарность или мультиколлинеарность. Избавляются от коллинеарности или мультиколлинеарности путем исключения из группы факторов, с взаимной корреляцией больше 0,8, всех этих факторов, кроме одного, имеющего наибольший коэффициент корреляции с результативным признаком (целью). Затем повторяют расчет и убеждаются в отсутствии коллинеарности или мультиколлинеарности.

Если полученная регрессионная модель слишком громоздка, а совокупный коэффициент детерминации R достаточно высок, то для упрощения модели используют процедуру пошаговой регрессии.

Для этого из рассчитанных парных коэффициентов корреляции выбирают один, имеющий самый высокий коэффициент корреляции с результативным признаком. Используя только выбранный фактор, y = a0 + av xv, строят с помощью программы однофакторную модель: где v – номер выбранного фактора, и получаем совокупный коэффициент детерминации R. Оценивая величину R, исследователь принимает решение о необходимости следующего шага, который увеличит значение R2.

На втором шаге выбирается следующий фактор с наибольшим парным коэффициентом корреляции с результирующим признаком и строится двухфакторная модель с последующей оценкой величины R2.

Если после этого шага значение R2 будет недостаточно высоким, то выполняют аналогичным образом последующие шаги до тех пор, пока значение R будет удовлетворять исследователя.

Пошаговая регрессия требует от исследователя компромисса в снижении значения совокупного коэффициента детерминации R и в достигаемом эффекте уменьшения числа факторных признаков.

Важным этапом в построении математической модели является статистическая оценка значимости каждого коэффициента регрессии, для чего необходимо:

1). Рассчитать значение t-критерия Стьюдента:

аj t расч = j.

аj

–  –  –

3.2. Описание программы Correl

Данная программа выполнена на Visual C++ и позволяет:

- строить линейную множественно-регрессионную модель в классическом и нормализованном виде;

- число факторов …. не более 255;

- число строк …. не ограниченное число;

- найти R и R ;

- найти коэффициент Фишера;

- найти парные корреляции между всеми факторными признаками.

Порядок загрузки данных (рис. 26) программы Correl отражен на рис. 27-30.

–  –  –

Рис. 30. Состояние программы после нажатия кнопки Run Результат расчета выводится в окно «Результат» программы, а также в файл Model.txt в следую

–  –  –

3.4. Использование множественно-регрессионного анализа при обработке результатов обобщенной оценки показателей здравоохранения

Рассматриваемая методология обработки результатов обобщенной оценки показателей с использованием множественно-регрессионного анализа заключается в следующем:

1. Производится расчет обобщенной оценки показателей здравоохранения по каждому году. Для получения адекватной модели и достаточной статистической значимости коэффициентов регрессии необходимо иметь как можно больше лет наблюдений. Если это невозможно, то необходимо расчет обобщенной оценки показателей здравоохранения производить по каждому кварталу. Для этого можно воспользоваться квартальной статистической отчетностью или данными регистров по проблемным направлениям здравоохранения.

2. Сформировать матрицу данных для множественно-регрессионного анализа из k-факторов плюс результат обобщенной оценки на n-отчетных периодов и построить линейную множественнорегрессионную модель.

3. Если исследователь при оценке результата множественно-регрессионного анализа убедится в наличии лишних факторов, то необходимо повторить расчет обобщенной оценки показателей за все отчетные периоды без исключенных факторов и вновь построить множественно-регрессионную модель.

4. Производится сравнение полученных коэффициентов регрессии нормализованной модели с коэффициентами значимости по каждому фактору. Если исследователь в результате этого сравнения убедится в сильной непропорциональности их, то необходимо откорректировать коэффициенты значимости и повторить расчет обобщенной оценки показателей за все отчетные периоды без исключенных факторов и вновь построить множественно-регрессионную модель.

Такие итерации по пунктам 3 и 4 исследователь может выполнять несколько раз с целью приближения результата к желаемому.

4. ОЦЕНКА ДИНАМИКИ МЕДИЦИНСКИХ ДАННЫХ

Анализ динамики медицинских данных можно осуществляться целью:

- выявления тенденций и прогнозирования их изменения;

- выявления особенностей их изменения.

В практической работе часто используется программа Excel, которая позволяет графически представить в виде тренда результаты, полученные методом наименьших квадратов [2].

4.1. Построение линии тренда Линия тренда это графическое представление направления изменения ряда данных. Линии тренда позволяют графически отображать тенденции данных и прогнозировать их дальнейшие изменения.

Подобный анализ называется также регрессионным анализом [2, 4, 5]. Используя регрессионный анализ, можно продлить линию тренда в диаграмме за пределы реальных данных для предсказания будущих значений.

Формулы, для вычисления линий тренда с помощью Excel:

1. Линейная.

y = m x + b, где m – угол наклона;

b – координата пересечения оси абсцисс.

–  –  –

Значения R – квадрат лежат в пределах от 0 до 1. Чем ближе значение R – квадрат к единице, тем ближе значения линии тренда к физическим данным.

Для построения линии тренда необходимо проделать следующие шаги:

Шаг 1. Используя имеющиеся данные построить график (рис. 31).

–  –  –

Шаг. 3. Произвести выбор линии тренда. На рис. 33 показан выбор полиноминальной линии тренда пятой степени. Необходимо также перейти на вкладку «Параметры» и установить при необходимости логическую отметку на строке «поместить на диаграмму величину достоверности аппроксимации R^2», установить логическую отметку на строке «показать уравнение на диаграмме» и ввести прогноз, например, вперед на 1,0 период.

–  –  –

Оценивая полученный результат (в данном случае это смертность населения Тульской области по показателям на 1000 населения), видна незначительная тенденция к увеличению показателя, что во многом определяется разными знаками коэффициентов при х (суть скорости изменения) и при х2 (суть ускорения).

Применительно к результатам обобщенной оценки показателей здравоохранения (глава 2) можно оценить ожидаемый результат в следующем году.

Особенности использования метода наименьших квадратов для экстраполяции данных:

1. Чем больше исходных данных, тем выше точность расчетов.

Увеличить число данных можно за счет охвата большего числа годов или уменьшения временного интервала (вместо данных за год использовать данные за каждый квартал, что возможно при введении регионального регистра смертности).

2. Стабильность параметров, определяющих природу данных.

Если в рассматриваемом периоде времени произошли заметные изменения, которые сказались на величинах исходных данных, то расчет будет не корректным. В рассматриваемом примере таким изменением может быть перепись населения, в результате которой была уточнена численность населения. Возможное скачкообразное изменение численности населения повлечет изменение показателей смертности населения (поскольку численность присутствует в знаменателе показателя), что скажется на точности расчетов. Если в расчете будут использованы абсолютные значения (т.е. число умерших лиц), то демографические данные не будут влиять на результат.

3. Знание характера процесса позволяет более удачно выбрать расчетную формулу и за счет этого повысить точность расчетов.

4.2. Детальный анализ динамики показателей здравоохранения Идеология сравнительной оценки, используемая в различном виде для обобщенной оценки показателей здравоохранения (глава 2), может быть в определенной степени быть трансформирована в анализ динамики.

Для руководителя в ряде случаев важным является выявление таких показателей, динамика которых выделяет их на фоне других. Постановку такой задачи можно пояснить на примере. Имеем статистические данные по смертности населения в целом по области и ее муниципальных образований (рис.

35). Необходимо количественно оценить динамику каждого муниципального образования в сравнении с динамикой по области [6].

4.2.1. Алгоритм анализа

Предлагаемый алгоритм, с использованием разностей r-порядка, заключается в следующем:

1. Оценивается отклонение районных показателей от средних показателей по области, для чего:

1.1. Вычисляется отклонение Ai и Bi по каждому году i для каждого района (абсолютное значение раз

–  –  –

В результате расчетов по изложенному алгоритму динамика изменения статистических показателей с исходной обобщенной оценкой показателей, основанной на суммировании уровней отклонения фактических значений показателей от областных показателей (K10, K20), характеризуется обобщенной оценкой скорости (K11 и K21) и ускорения (K12 и K22) изменения отклонения фактических значений от областного уровня. При этом следует учитывать, что все качественные оценки "лучше" и "хуже" (K1r [0;1] и K2r [-1;1]) справедливы лишь для тех параметров, рост которых соответствует ухудшению ситуации (смертность, заболеваемость и т.п.). В противном случае, если рост анализируемого параметра соответствует улучшению ситуации (например, рождаемость), эти оценки следует изменить на противоположные (т. е. отклонения A и B, а также их суммы SA и SB, меняются местами).

Особенности используемого алгоритма:

1. Вычисление отклонений разностных значений осуществляется для каждого года, а затем эти отклонения разделяются на ухудшающие и улучшающие отклонения для последующего суммирования.

2. Логические условия ухудшающих отклонений (табл. 8) для каждого разностного значения включают в себя следующие составляющие:

- значения по области Y и по району X при одновременном выполнении условий: Y0, X0, Y-X0 (соответствует превышению тангенса угла наклона районного вектора над областным);

- значения по области Y и по району X при одновременном выполнении условий: Y0, X0, Y-X0 (соответствует превышению наклона районного вектора над областным);

- значения по области Y и по району X при одновременном выполнении условий: Y0, X0 независимо от разности Y-X соответствует превышению наклона районного вектора над областным.

3. Коэффициент K2r[-1;1] разделяет пространство отклонений на две половины: отрицательные и положительные значения, в то время как K1r[0;1] показывает долю ухудшения.

Полученный результат (рис. 36) позволяет оценить ситуацию и приступить к более детальному анализу. Детальное изучение ситуации, как правило, требует дополнительных данных, которые имеются в регистрах, создаваемых, прежде всего, по проблемным направлениям здравоохранения.

4.2.2. Программа анализа динамики Изложенный алгоритм реализован в виде программы (Grid_am.exe, Visual C++), внешний вид которой показан на рис. 37.

Рис. 37. Программа оценки динамики статистических показателей Входная информация (рис. 35) в виде файла в текстовом формате (с расширением.txt) с данными, разделенными табуляцией, импортируются в программу. При этом первая строка представляет собой заголовок (в рассматриваемом примере – названия районов области и года), а последняя

– обобщенные данные (в рассматриваемом примере – показатели по области). Строки с данными разделены Enter.

Выходная информация (рис. 36) автоматически размещается в папке, где находился файл с входной информацией, после выполнения расчетов (нажатии кнопки Run).

5. АЛГЕБРАИЧЕСКИЕ МОДЕЛИ КОНСТРУКТИВНОЙ ЛОГИКИ

5.1. Общие сведения Алгебраическая модель конструктивной логики (АМКЛ) является в своей основе моделью интуитивистского исчисления предикатов, отображающей индуктивную часть мышления — формулирование сравнительно небольшого набора кратких выводов из массивов информации большой размерности. С общей точки зрения систему можно применять как средство, согласующее информационные каналы исследуемого объекта и пользователя [8, 9].

АМКЛ предназначено для многофакторного анализа в различных областях знаний [8]. В медицине и биологии чаще всего АМКЛ используют в аналитических расчетах для выявления причинноследственных связей. Примером аналитических работ могут служить проблематика диссертационных работ по рождаемости, смертности, шунгитовой породе, листериозу.

Алгоритм АМКЛ отдаленно напоминает синтез цифровых автоматов с нахождением тупиковой дизъюнктивной формы и по этой причине использует ее терминологию [10]. Только в данном случае факторы X1, X2, … Xn представлены любыми числовыми значениями, а не только 0 или 1.

Входной массив данных представлен таблицей со столбцами X1, X2, … Xn (включая дробные числа), из которых один является целевым. Значение целевого столбца является результатом сочетанного воздействия всех задействованных факторов. Часто в медицине и биологии цель представлена значениями 0 или 1 (например, до лечения и после лечения). Допускается целевое значение представлять любым числом, но для выполнения аналитического расчета обычно в таких случаях эти значения квантуют по нескольким уровням (например, слабое, умеренное, сильное влияние).

Результат представлен набором импликант, в которых факторы с пределами определения объединены через знак конъюнкции «&» с другими факторами (в случае сочетанного воздействия) с указанием мощности (W) этого воздействия на результат. Каждая импликанта объединена с другими импликантами через знак дизъюнкции «+» и в таком виде образуют тупиковую дизъюнктивную форму (в виде, не допускающем ее дальнейшее упрощение).

Результат аналитического расчета чаще всего стараются представить в двух видах: цель достигается (прямой расчет) и цель не достигается (расчет от обратного), что облегчает интерпретацию результата путем сравнения прямых и обратных выводов.

Пример расчета (24 импликанты):

1. W = 56. (1= X6 3) & (1 X4 = 2)

2. W = 56. (1 X4 = 2) & (3= X6 5)

3. W = 56. (1 X4 = 2) & (1= X3 2) & (1= X2 2)

4. W = 32. (6 X6 = 8) & (1= X2 2) & (1 X22 = 2)

5. W = 30. (4 X6 8) & (1= X4 2) & (1= X3 2) & (1= X42 2)

6. W = 28. (1 X4 = 2) & (5 X6 7)

7. W = 24. (5 X6 = 6) & (1= X3 2) & (1= X10 2)

8. W = 24. (6 X6 8) & (1 X4 = 2) & (1= X14 2)

9. W = 24. (1= X3 2) & (1= X6 3) & (3 X1 = 6)

10. W = 16. (2 X6 4) & (3 X1 6)

11. W = 16. (3 X6 5) & (1 X1 4)

12. W = 12. (7 X6 = 8) & (1= X3 2) & (1 X7 = 2)

13. W = 10. (4 X6 = 5) & (1= X3 2) & (1= X4 2) & (1= X42 2)

14. W = 8. (1 X6 3) & (1 X2 = 2) & (1 X1 4)

15. W = 8. (1= X6 3) & (1= X2 2) & (1= X1 2)

16. W = 8. (3 X6 7) & (1 X3 = 2) & (5= X6 6) & (1 X1 4)

17. W = 8. (5 X6 7) & (1 X2 = 2) & (2= X1 4)

18. W = 8. (1= X6 3) & (1 X3 = 2) & (2 X1 4)

19. W = 8. (6 X6 8) & (1= X1 2)

20. W = 8. (7 X6 = 8) & (1 X4 = 2) & (1 X51 = 2)

21. W = 8. (6 X6 = 8) & (1= X4 2) & (1 X2 = 2) & (4 X1 = 6)

22. W = 8. (6 X6 = 8) & (1 X2 = 2) & (6 X1 = 7)

23. W = 6. (3 X6 5) & (1 X3 = 2) & (1 X2 = 2) & (1= X1 4)

24. W = 2. (5= X6 6) & (1 X4 = 2) & (1 X2 = 2) & (5 X1 7) Следующим шагом является интерпретация результата, которой помогает графическая отображение результата и различные методики, в частности, выделения наиболее значимых результирующих импликант. На данном этапе пользователь должен оценить результаты и пояснить их природу.

Алгоритм АМКЛ весьма сложен для восприятия (приложение 3), однако программное обеспечение очень доступно для пользователя. При этом важно отметить, что процедура расчета не требует обучения программы.

Многолетний опыт работы с АМКЛ (в медицине - с 1996 г.) показывает ее высокую эффективность для системного анализа и анализа сложных объектов.

Использование алгебраической модели нельзя рассматривать как альтернативу к использованию других методов анализа. Наилучшим является результат анализа, подтвержденный принципиально разными методами. АМКЛ является тем методом, который принципиально отличается от всех известных методов и по этой причине ценен для использования. Сравнительные аналитические расчеты с нейросетевыми алгоритмами показали совпадение по основополагающим составляющим результата.

Алгоритм АМКЛ постоянно совершенствуется [3, 4].

5.2. Программа AMKL

Характеристика:

Число переменных анализируемого массива данных …… 254.

Число анализируемых записей ………………………………… без ограничений.

Алгоритм – алгебраическая модель конструктивной (интуитивистской) логики (AMKL).

Язык программирования …………………………….…………… Visual C++.

Режимы – прямой (достижение цели) и обратный (не достижение цели).

Имеется возможность исключать переменные при повторных расчетах.

Результат выводится в отдельный файл.

Порядок работы с программой:

–  –  –

Рис. 43. Состояние программы после нажатия кнопки Run После загрузки массива и нажатия кнопки Run выполняется расчет (рис. 38-43), который выводится в окна программы и одновременно формируется результирующий файл, который помещается программой по месту расположения входного массива данных.

В результате проведенных расчетов исследователь имеет набор логических выражений, каждое из которых представлено набором переменных (или одной переменной) с указанием области определения и мощности или оценки, т. е. общего числа выводов определенного вида, вычисленных из массива данных. Эти выводы непротиворечиво соответствуют заданной цели исследования. Чем больше оценка, тем чаще встречается данный вывод; с точки зрения теории управления такие выводы более устойчивы (надежнее).

Указанные логические выражения ранжированы по мере убывания мощности.

Если в полученных выражениях исследователь увидит мощность, которая выделяется на фоне других, то тогда это воздействие наиболее существенно во столько раз, во сколько его мощность больше других.

Наличие в результате малых оценок чаще всего указывает на отрицательный результат, хотя в природе могут встречаться такие процессы, которые зависят понемногу от многих факторов.

5.3. Алгоритм построения алгебраических моделей конструктивной (интуитивистской) логики Алгебраическая модель конструктивной логики (АМКЛ) в полном общем виде приведена в приложении 3. Особенности АМКЛ, аспекты его использования и совершенствования изложены в литературе [2, 7-9, 20, 21, 24-26]. Учитывая сложность алгоритма, дальнейшее его пояснение будет производиться по упрощенной схеме на тестовом примере.

Вычисления с помощью АМКЛ сводятся к построению совокупности тупиковых дизъюнктивных нормальных форм. Программа обрабатывает входные данные в виде прямоугольной таблицы показателей размера [m x n]:

x[1,1] x[1,2]... x[1,n] x[2,1] x[2,2]... x[2,n] (1)............

x[m,1] x[m,2]... x[m,n] где показатели - это вещественные числа;

n = 1, 2, 3…;

m = 1, 2, 3….

Желательно (но не обязательно) выполнение условия m2n.

Для удобства в работе столбец (столбцы) целей включен в таблицу показателей.

Если в качестве примера взять реакционную смесь компонентов в химическом реакторе, то столбцы показателей могут отражать концентрацию исходных компонентов в течение времени, а целевые столбцы наличие в конечном продукте того или иного свойства (или его отсутствие). Идя по столбцу компонента сверху вниз, мы видим изменение его концентрации во времени. Столбец цели отражает изменение во времени конкретного свойства выходного продукта.

Итак, один или несколько столбцов исходной таблицы являются целевыми. Остальные - столбцы показателей.

Для удобства дальнейших вычислений несколько целевых столбцов преобразуются в один содержащий только нули и единицы.

Делается это следующим образом. Каждый целевой столбец сортируется по возрастанию и находится его среднее арифметическое. Все числа столбца выше или равные среднему полагаются равными единице, ниже – равными 0. Пусть набор из 3-х неких гипотетических свойств конечного продукта выглядит так: 1, 0, 1. Тогда при просмотре 3-х целевых столбцов, встречая такой набор параметров в одной строке, мы называем такую строку целевой. Пользователь по своему желанию может присвоить единицы целевым величинам в определенном диапазоне вещественных значений.

Другие строки – не целевые. На практике число целевых строк много меньше числа не целевых. Это, как мы увидим ниже, дает возможность АМКЛ более корректно вычислять диапазоны допустимых изменений переменных в модели.

Для удобства формируется одна колонка цели из 0 и 1. Пусть, например, в просматриваемой строке целевые переменные находятся в комбинации 1, 0, 1, то в колонке цели для данной строки пишут 1, если не такая комбинация – пишут 0. Таким путем формируется весь конечный целевой столбец.

Иногда имея в исходной таблице только один целевой столбец из вещественных чисел полезно его разбить с помощью медианы на 1 и 0. Эта процедура назовем квантованием цели. Можно проквантовать цель на большее, чем 2 число ступеней.

После получения одного конечного столбца цели нужно исключить из дальнейших расчетов столбцы, послужившие источником для ее получения. Эта процедура называется маскированием. Программа при получении нескольких переменных в качестве цели автоматически формирует одну колонку и маскирует выбранные переменные. Пользователь может замаскировать и некоторые столбцы показателей, если они несут служебную нагрузку (например, идентификационный номер пациента) или необходимо выяснить, как влияет отсутствие данного параметра на конечный результат вычислений.

Рассмотрим на примере вычисление АМКЛ. Пусть таблица показателей и целей имеет вид (см. также рис. 38):

Строка Показатели Цель x1 x2 x3 x4 z 3 2633 0 (2) Столбец с номерами строк принят для удобства. Будем вычислять прямую АМКЛ, где целевые значения приведены в колонке цели. При вычислении обратной АМКЛ значения целей инвертируют. Вычисления прямой и обратной АМКЛ не отличаются.

Строки 2, 5, 6 – целевые. Строки 1, 3, 4, 7 – не целевые.

1. Начинаем с целевой строки 2 с переменными x1(5) x2(5) x3(4) x4(4). Сравниваем последовательно значения переменных в этой строке с аналогичными: в первой не целевой, ниже – 3-ей. Наша задача найти наименьший интервал изменения переменных целевой строки при просмотре не целевых строк. Выбор не целевых строк для просмотра будем делать следующим образом. Вначале вниз, потом вверх, увеличивая амплитуду “шагов”, просматривая, таким образом, все не целевые строки. Этот прием повторяем для всех целевых строк. Еще одно правило: интервал у переменной всегда должен сужаться. Это означает, что значения границ интервала должны располагаться, возможно, ближе на числовой оси к значению рассматриваемой переменной из целевой строки. Такой колебательный порядок сканирования устраняет влияние “длинных волн” шума, возможно наложившегося на входные данные. Сопоставление целевой строки со своей окрестностью позволяет частично избежать влияния скрытых переменных, которые медленно эволюционируют во времени.

2. Условно изобразим полученные интервалы для первого сканирования:

(2 x1(5)=5); (5=x2(5)6); (3x3(4)=4); (3x4(4)=4).

Величина переменной в скобках не дает забыть, с какой стороны нужно писать знак неравенства при изображении интервала. Как видим, некоторые границы интервалов, которые пока неизвестны на данной стадии расчета, мы приравняли величине самой переменной (знак = у переменной х1) и т. д.

3. Теперь перемещаемся вверх на первую верхнюю не целевую строку (номер 1). Получаем интервалы:

(2x1(5)=5); (4x2(5)6); (3x3(4) =4); (3 x4(4)=4) У переменной х1 правый интервал равен самой переменной. Не путайте этот случай с условным присвоением значения границе, о котором говорилось выше. В этом случае действует правило (а): весь столбец с переменной х1 вычеркивают и для данной целевой строки он в расчетах на данном этапе не используется. У переменной х3 левый интервал не изменился, т.к. число 2 в верхней не целевой строке отстоит дальше на числовой оси от 4, чем прежнее значение 3.

4. На очереди внизу не целевая строка 4. Имеем следующие интервалы:

x1 - вычеркнута; (4х2(5)=5); (3x3(4)7); (3x4(4)=4).

По правилу(а) столбцы х2 и х4 вычеркиваем.

5. При сканировании вверх нет очередной не целевой строки.

6. Сканируем вниз на не целевую строку 7.

х1 - вычеркнута; x2 - вычеркнута; (3 х3(4)=4); х4 - вычеркнута.

По правилу (а) нужно вычеркнуть столбец х3, но тут действует другое правило (б): если вычеркиваемый интервал последний для данной целевой строки, то он остается таким, каким был до этого шага.

Итак, остался только интервал для целевой строки 2:

(3х3(4)7).

7. Проверяем утверждение (в): если значения переменной х3 во всех не целевых столбцах лежат вне интервала 3х37, то наша гипотеза (пока не полученная) верна. Заметим для себя, что границы интервала для х3 при проверке гипотезы полагаются закрытыми, т.е. (3=х3(4)=7).

Просматриваем колонку х3 сверху вниз по не целевым строкам. Видим, что в 7-ой строке 4 лежит внутри данного интервала. Значит - пока гипотеза не верна. Помечаем 7-ую строку (ниже увидим зачем).

Проверяем, каким целевым строкам удовлетворяет интервал изменения х3. Это строки 2 и 5. Итак, целевая строка 2, пока дала результат:

3x37; W=2; строки 2, 5 (3) Это означает, что интервал изменения х3 “покрывает” две целевые строки: 2-ую и 5-тую. В таком случае говорят, что мощность |W| импликации (3) равна 2.

8. Далее продолжаем работать cо следующими данными:

Строка Показатели Цель x1 x2 x3 x4 z Она состоит из целевой строки 2 исходной таблицы и, помеченной нами ранее, 7-ой не целевой строки, где не выполнилось утверждение (в). Если было бы помечено несколько не целевых строк, то эта таблица их содержала бы.

Интервалы, полученные по уже известной методике, имеют вид:

(0x1(5)=5); (3x2(5)=5); x3-вычеркиваем; (4=x4(4)6)

Мощности – соответственно равны:

3 (max); 2; 2.

Обратите еще раз внимание на вычеркивание x3. Эта переменная уже вошла в импликацию (3) и это является причиной вычеркивания. Случайное равенство чисел в целевой х3(4) и не целевой х3(4) строках, и служившее ранее причиной вычеркивания столбца, в данном случае не имеет значения.

9. Для второй строки окончательно имеем:

3x37 ; W=2; строки 2, 5;

0 x1=5; W=3; строки 2, 5, 6; (3) В данном случае выполнено еще одно правило (д): в выражении (3) оставили интервал с переменной х1 имеющий max мощность 3. Если таких интервалов несколько, то оставляем самый левый. Это упрощение сокращает время выполнения программы.

Повторим все эти вычисления для следующей целевой строки 5. Получим:

5x2=6; W=1; строка 5;

3 x3=4; W=2; строки 2, 5; (4)

Для целевой строки 6:

2 =x33; W=1; строка 6;

0 x4=6; W=3; строки 2, 5, 6; (5) Теперь проведем процедуру упорядочивания полученных импликаций.

Запишем выражения (3), (4), (5) в виде настоящих импликаций:

Из (3) получим:

(3x37)&(0x1=5); W=2; строки 2,5; (6) Видим, что строка 6 исчезла, так как конъюнкция из двух интервалов покрывает только целевые строки 2 и 5.

Из (4) получим:

(5x2=6)&(3x3=4); W=1; строка 5; (7) Эта конъюнкция удовлетворяет только целевой строке 5, поэтому отбросили строку 2.

Из (5) получим:

(2=x33)&(0x4=6); W=1; строка 6; (8) Здесь отбросили целевые строки 2 и 5.

Вычеркивание переменных на этапе 7, уже вошедших в импликацию, не дает появляться одинаковым переменным в конъюнкциях.

Таким образом, упорядочивание заключается в сортировке импликаций по убыванию мощности.

Затем каждую следующую импликацию сравнивают с предыдущей по номерам строк, покрываемых ими. Если в следующей импликации все номера строк включены в номера предыдущей, то эта (следующая) импликация отбрасывается.

В нашем примере импликации (6), (7), (8), уже случайно расположились в порядке убывания мощности. Сравним (7) и (6). Строка 5 из (7) входит во множество строк импликации (6). Отбрасываем импликацию (7). Рассматриваем импликацию (8). Строка 6 не входит во множество строк (6). Оставляем импликацию (8).

На этом работа завершена. Получена АМКЛ из таблицы (2). Ее окончательный вид:

(3x37)&(0x1=5); W=2; строки 2, 5;

(2=x33)&(0x4=6); W=1; строка 6. (9) Читать это выражение необходимо следующим образом: при указанных диапазонах колебаний переменных х3 и х1 мощность импликации равна 2 и она покрывает строки 2 и 5. Аналогично читается вторая импликация из выражения (9). В выражении (9) имеются 2 неравенства, объединенные через дизъюнкцию. Говорят, что ранг каждой импликации равен 2. Если после вычислений получается только одна импликация “покрывающая” все целевые строки, то можно подозревать наличие в исходной таблице колонки показателей, совпадающей или сильно коррелирующей с целевой колонкой. Импликации в хвосте списка с малой мощностью являются шумом, который порожден шумом исходных данных.

Процесс получения импликаций можно уподобить созданию “сита” для переменных. Ячейки “сита” могут только уменьшаться в процессе просмотра не целевых строк. Об этом напоминает правило о границах интервала, которые на числовой оси должны приближаться возможно ближе к значению переменной при просмотре очередной не целевой строки. В конце процесса мы получаем избирательное сито, пропускающее вначале только самые значимые переменные, характеризуемые мощностью и местом в упорядоченном списке импликаций. Из этого понятна необходимость наличия в исходной таблице возможно большего числа не целевых строк. В этом случае размеры ячеек “сита” подбираются из большего набора альтернатив и поэтому более достоверны.

Для пользователя иногда важно изучить задачу от обратного. При выборе этой опции все целевые значения считаются не целевыми. Вычисления - аналогичны.

5.4. Практические рекомендации пользователю Особенности алгоритма и многолетняя практика работы с АМКЛ выработала у пользователей практические рекомендации [2, 9, 21, 26]:

• Целевой столбец и самые важные (информативные) столбцы исходной таблицы располагается в ее начале (в первых номерах). Перестановка столбцов может изменить конечные выражения. Измененные выражения коснутся, прежде всего, тех импликант, мощность которых не значительная. Алгоритм не рассчитан на просмотр всех возможных вариантов конечных выражений: выбирается тот, который получается первым. Среди разных вариантов нет неправильных, поскольку один и тот же результат можно представить различным образом.

• Расчет, даже на современной вычислительной технике, занимает для больших баз данных много времени: от нескольких минут до нескольких часов. Расчет от обратного (цель не достигается) занимает во много раз больше времени, чем прямой расчет (цель достигается).

• Программа исключит из расчета те целевые и не целевые строки, которые совпадают. Таким образом, алгоритм не допускает неопределенностей: достижения цели взаимоисключающими сочетанными воздействиями. В здравоохранении (как видно из аналитических расчетов, данных в приложениях) сочетанные воздействия носят вероятностный характер.

Это является серьезным ограничением для АМКЛ, так как он не допускает прямого и обратного расчета при одном и том же сочетанном воздействии с последующим сравнением (вычитанием) мощностей, как можно наблюдать в аналитических расчетах с использованием кросс – табуляции многомерной дихотомии (или многомерного отклика). Тем не менее, для явно выраженных направлений анализа АМКЛ может детально представить взаимосвязи и количественно оценить их. На практике для исключения неопределенности, целесообразно не исключать целевые строки (так как они обладают большой ценностью для исследователя), а исключить не целевые строки, подсчитав их долю в общем количестве не целевых строк. Эта доля - суть потери точности расчета. При малых значениях с этим можно мериться.

• Излишнее число переменных приводит к уменьшению мощности результирующих импликант. Если уменьшить число переменных нельзя по сути анализа, а мощности результирующих импликант малы, то можно говорить о качестве регистра (идеологической не продуманности).

• Несомненным достоинством АМКЛ является его интуиция, которая для пользователя очень важна. При не достаточном объеме исходной информации алгоритм, находя область определения переменных в результирующих импликантах, логически покрывает недостаток информации. Это свойство АМКЛ имеет благодаря особенностям формирования пределов переменных непосредственно в пространстве предикатов.

5.5. Обобщенная оценка результирующей алгебраической модели конструктивной логики Завершающим этапом аналитической работы является интерпретация результата, часто вызывающая у медицинского пользователя трудности. Для облегчения этой работы имеются различные рекомендации, графические представления результата и алгоритмы [9, 27].

Одним из таких приемов является обобщенная оценка результата, которую необходимо выполнять на первоначальном этапе интерпретации результата.

Обобщенная оценка необходима для того, чтобы ответить на следующие вопросы:

1. Какие результирующие импликанты следует считать наиболее значимыми?

2. Как сильно наиболее значимые импликанты выделяются на фоне остальных результирующих импликант?

–  –  –

Для ответа на поставленный вопрос предлагается:

1. Сравнить разности перекрывающихся накопленных сумм. Для выбранного примера: 225и 208-175=33. Линию раздела провести по наименьшей разности.

2. Ранжирование результирующих импликант провести с учетом приоритета наибольшего числа перекрывающихся факторов по области их определения всех результирующих импликант. Для выбранного примера сравнение 3 и 4 импликант даст следующий результат:

–  –  –

Рис. 56. Вариант графического представления результирующих импликант Исследователь самостоятельно выбирает вид графического представления, опираясь на собственный взгляд по наглядности представления результата, поскольку он может быть весьма разнообразным по количеству результирующих импликант, изменению мощности и разнообразной сочетанностью факторов.

–  –  –

Основополагающая идея анализа факторов на результат заключается в подсчете суммарной мощности результирующих импликант при изменении выбранного фактора от минимального до максимального значения при заданных значениях остальных факторов.

5.8.1. Алгоритм анализа

Алгоритм анализа влияния факторов на результат заключается в следующем:

1. Выбирают фактор для анализа и задают число дискретов для изменения выбранного фактора от минимального до максимального значения.

2. Задают значения остальным факторам (например, среднее арифметическое значение).

3. Формируют первый набор факторов, состоящий из минимального значения выбранного фактора и фиксированных значений остальных факторов.

4. Подставляют значения факторов в результирующие импликанты математической модели.

Отмечают те результирующие импликанты, где предельные условия соблюдаются.

5. Суммируют мощность отмеченных импликант.

6. Прибавляют дискрет к минимальному значению выбранного фактора и повторяют с измененным значением выбранного фактора и фиксированным значением остальных факторов выполняют действия по пп. 4-5 до тех пор, пока значение выбранного фактора достигнет максимального значения.

7. По значениям суммарной мощности, полученным по п.5, строят график изменения суммарной мощности при изменении выбранного фактора от минимального до максимального значения.

Исследователь имеет возможность менять значения остальных факторов и оценивать характер изменения графика, выявляя особенности сочетанного влияния факторов на результат.

5.8.2. Программа анализа влияния факторов на результат

Программа (шифр AnalAMCL, 2010 г.) выполнена в среде Access 2003 (рис. 57) и позволяет:

1. Вводить данные (рис. 58) в базу, режим которого показан на рис. 59.

2. Контролировать ошибки ввода (рис. 60).

3. Вводить результирующие импликанты (рис. 61).

4. Вводить мощности результирующих импликант (рис. 62).

5. Выполнять операции экспорта и импорта данных (рис. 63).

6. Выводить диаграмму мощностей результирующих импликант (рис. 64).

7. Осуществлять просмотр переменных в базе с вычислением их средних арифметических значений (рис. 65) и вычисление по этим данным суммарной результирующей мощности (рис. 66).

8. Задавать значения переменных с выбором одной из них для анализа ее влияния на суммарную мощность результирующих импликант (рис. 67) и заданием числа точек отображения графика (рис. 68).

9. Выводить график изменения суммарной мощности при изменении выбранной переменной от минимального до максимального значения (рис. 69 – 71).

10. Вычислять максимальную мощность результирующих импликант (рис. 72).

Внешний вид программы AnalAMCL показан на рис. 57.

–  –  –

Ввод данных (рис. 59) предусматривает указание номера переменной, ее значения и принадлежности к цели. Такой формат представления позволяет предъявлять программе данные с неопределенным числом переменных, но требует преобразований из используемого при построении алгебраической модели формата.

–  –  –

Контроль ошибок в базе (рис. 60) осуществляется по числу не заполненных полей (все поля должны быть заполнены) и общему количеству заполненных полей по каждой переменной (должны быть одинаковые количества).

Рис. 61. Ввод результирующих импликант Ввод результирующих импликант осуществляется раздельно по каждой переменной (рис. 61), что позволяет вводить результирующие импликанты с любой сочетанностью.

–  –  –

Режим операций с базой позволяет удалять, осуществлять экспорт и импорт данных, результирующих импликант и их мощностей.

Рис. 65. Вычисление средних арифметических значений переменных Режим вычисления средних арифметических значений (рис. 65) позволяет исследователю определиться в выборе значений переменных (рис. 67). При этом кнопкой «W» выводится значение суммарной мощности (рис. 66).

–  –  –

Для построения графика изменения суммарной мощности результирующих импликант в диапазоне изменения выбранного фактора от минимального до максимального значения необходимо задать значения переменных (первоначально рекомендуется взять средние арифметические значения), выбрать курсором номер переменной (рис. 67), задать число точек отображения графика (рис. 68) и нажать кнопку «График» (рис. 67).

На рис. 69 - 71 показаны графики для первой, второй и пятой переменной.

–  –  –

Изменяя значения переменных (рис. 67) можно построить другое семейство графиков, выявляя особенности их взаимного влияния.

Рис. 72. Вычисление максимальной мощности результирующих импликант Вычисление максимальной мощности результирующих импликант осуществляется нажатием кнопки «Вычислить» (рис. 72). Одновременно с этим имеется возможность просмотра мощности по каждой записи.

5.9. Использование алгебраической модели конструктивной логики при построении экспертных систем Если хорошо верифицированные исходные данные принять в качестве знаний, то результат можно использовать как экспертную оценку. По мере накопления исходных данных точность экспертной оценки будет увеличиваться. Экспертную оценку пользователь может производить, сравнивая рассматриваемый случай с результирующим выражением алгебраической модели, сформулированной словесными терминами. Итоговая вероятностная оценка складывается из результатов сравнения. Если утверждение в таблице удовлетворяет рассматриваемому случаю, то к итоговой вероятностной оценке добавляется мощность результирующего выражения, выраженная в долевом выражении от общего числа накопленных в базе случаев.

Сложности использования АМКЛ для построения экспертной системы заключается в нахождении максимальной суммарной мощности, которая должна быть принята за 100% вероятность. Сумма мощностей всех результирующих импликант не является максимальной мощностью по причине того, что факторы в результирующих выражениях представлены с областью их определения, которые часто не перекрываются. В результате простое суммирование мощностей всех результирующих импликант даст заметно завышенное значение.

Таким образом, при использовании АМКЛ для построения экспертной системы необходимо иметь алгоритм нахождения максимальной суммарной мощности, который заключается в следующем [28]:

1. Выбирают первый набор факторов (первую запись).

2. Подставляют значения факторов в результирующие импликанты математической модели.

Отмечают те результирующие импликанты, где предельные условия соблюдаются.

3. Суммируют мощность отмеченных импликант.

4. Суммарный результат запоминают.

5. Переходят (выбирают) к следующему набору факторов (следующую запись).

6. Повторяют пункты 2 – 3.

7. Полученный суммарный результат сравнивают с предыдущим. Если он превышает предыдущий, то его запоминают.

8. Повторяют пункты 5 – 7 со всеми остальными записями, после чего принимают значение по п. 7 за максимальную мощность.

Предложенный алгоритм подсчета максимальной мощности основан на переборе возможных значений каждого набора факторов и на первый взгляд является не рациональным, если не учитывать вторую поставленную перед собой задачу. Она заключается в анализе каждого фактора для определения его чувствительности влияния на максимальную мощность, что нужно исследователю для познания тонкостей полученной математической модели и природы влияния фактора на результат (см. раздел 5.8.1). Эту операции можно выполнить в едином программном обеспечении (см. программу AnalAMCL).

Режим, в котором программа вычисляет максимальную мощность, показан на рис. 72. Одновременно с этим можно посмотреть мощность по каждой записи в естественном порядке их расположения в базе данных, так и в порядке убывания мощности.

Первый режим интересен исследователю в том случае, если записи заносились в базу по мере фиксации случая во времени. Тогда он будет просматривать мощность во времени, что может быть нужным для анализа результата.

Последний режим просмотра нужен исследователю для оценки монотонности убывая мощности и понимания того, что максимальная мощность не является выбросом в точке (что не желательно для экспертной системы).

Выбор АМКЛ как инструментария для построения экспертной системы во многом определяется его уникальными свойствами:

1. Полученная модель с помощью АМКЛ представляет по сути дела собой готовую базу знаний, в которой четко прописаны правила причинно-следственных взаимосвязей между атрибутами объекта и состоянием целевой переменной с указанием мощности каждой импликанты, что позволяет более точно отражать действительность.

2. За счет встроенного механизма склеивания полученных результатов позволяет получать краткие нетривиальные (неочевидные) выводы из больших объемов информации, т.е. получаем упрощенную структуру извлеченных знаний.

3. Алгоритм АМКЛ дает возможность решать задачи, не поддающиеся алгоритмированию.

4. АМКЛ обладает способностью интуитивного мышления. При не достаточном объеме исходной информации алгоритм, находя область определения переменных в результирующих импликантах, логически покрывает недостаток информации. Это свойство АМКЛ имеет благодаря особенностям формирования пределов переменных непосредственно в пространстве предикатов.

Необходимо также отметить, что АМКЛ представляет собой приемлемое средство решения таких задач, в которых имеется много эмпирических данных, но нет алгоритма, обеспечивающего получение достаточно точного решения с достаточно высоким быстродействием.

Важно отметить, что для построения экспертной системы нужно иметь хорошо верифицированные случаи как достигающие цель, так и не достигающие ее. При этом исследователь должен не забывать, что чем больше случаев он предъявляет АМКЛ, тем более точно она будет отражать действительность.

–  –  –

Результат АМКЛ представлен следующими импликантами:

(3X37) & (0X1=5), W=2, строки 2, 5 (2=X33) & (0X4=6), W=1, строка 6, где W – мощность (степень значимости).

Простота приведенного примера позволяет нам в диапазонах переменных результирующих импликант обнаружить комбинации, которых нет в исходных данных:

Таблица 11 Результирующая импликанта Нет в исходных данных (3X37) & (0X1=5) X3=4, X1=3...4 X3=5, X1=1...5 X3=6, X1=1...5 (2=X33) & (0X4=6) X3=2, X4=1...5 Этот факт позволяет нам говорить о статистически не подтвержденном результате АМКЛ. В тоже время мы можем это воспринимать как издержки простоты тестового примера. В практике АМКЛ применяется для достаточно больших массивов, в котором каждая переменная представлена всеми его состояниями. Кроме того, мы можем говорить об эффекте “домысливания” АМКЛ при работе со статистическим срезом данных, предназначенным, например, для оптимизации числа вновь создаваемой информационной базы [25].

Тем не менее, как теоретически, так и на практике мы имеем дело с достаточно ощутимым разбросом частоты каждого состояния переменной. Это будет сказываться на достоверности результата тем сильнее, чем меньше массив исходных данных.

В некоторых случаях это является крайне нежелательным, в частности, при построении прогностических таблиц (экспертных систем). Для них важным является статистическая подтвержденность каждого состояния каждой переменной.

Следовательно, изложенная особенность работы АМКЛ, прежде всего, связана с аспектами ее применения.

Другой особенностью АМКЛ является возможность получения не оптимального результата.

Из приведенного тестового примера не трудно увидеть другие результаты, в частности:

(X1=5) & (X2=5), W=2, строки 2, 6 (X3=4) & (X4=4), W=2, строки 2, 5 Этот результат качественно отличается от результата АМКЛ: результирующая импликанта с переменными X3 и X4 не входят в диапазон результата АМКЛ, и имеет мощность 2, а не 1; первая импликанта составлена с другими переменными и не уступает результату АМКЛ по мощности.

В ряде случаев важно знать самые мощные сочетанные воздействия на результат, например, при выявлении причинно-следственных связей.

Еще одной особенностью АМКЛ является невозможность представления результата в виде сочетанных состояний переменных. АМКЛ при оценке мощности уравнивает все состояния переменной, показывая ее в диапазоне изменения переменной. Зная, что различные состояния переменных имеют различную статистическую подтвержденность, мы не можем утверждать о различных мощностях результирующих импликант с конкретными состояниями переменной.

Для выбранного тестового примера результат АМКЛ можно представить в виде сочетанных состояний значений переменных:

(X3=4) & (X1=5), W=1, строка 2 (X3=4) & (X1=2), W=1, строка 5 (X3=2) & (X4=6), W=1, строка 6 т.е. максимальная мощность импликанты равна 1, а число переменных равно 3.

Приведенный результат существенно отличается от первоначального результата АМКЛ, что может сказаться на выводах, сделанных в результате интерпретации результирующих импликант.

В подтверждение этому можно привести еще один возможный результат:

(X3=4) & (X4=4), W=2 (X3=2) & (X4=6), W=1 т.е. максимальная мощность импликанты равна 2, а число переменных равно 2.

Этот результат можно представить в свернутом виде, приближаясь тем самым к виду представления результирующих импликант АМКЛ:

(X3=4;2) & (X4=4;6), W=3 Таким образом, более строгое представление результата полезно для углубленного анализа данных.

Разработанный алгоритм [9] алгебраической модели воздействия сочетанных факторов расширяет и дополняет возможности АМКЛ, а также позволяет освободиться от ряда недостатков.

Предлагаемый алгоритм заключается в следующем:

1. Задаем массив данных:

–  –  –

2. Квантуем те переменные, которые на строках 1, 2,... m имеют слишком большой набор значений, например, более 20.

3. Осуществляем входной контроль массива данных, для чего:

• находим и исключаем те переменные, значения которых на всех строках одинаково;

• находим и исключаем те строки, в которых набор значений всех переменных X1, X2,... Xn совпадает как для выбранного значения цели, так и для его иных значений.

4. Для выбранной переменной (начинаем с X1) выделяем (по порядку следования строк) то значение, которое соответствует выбранному значению цели.

5. Сравниваем выбранное значение с каждым значением каждой не целевой строки (не совпадающим со значением выбранной цели).

Если сравниваемое значение присутствует на каждой целевой строке и отсутствует на не целевых строках, то вычисления заканчиваются с результатом в виде выбранной переменной и максимальной мощностью (значимостью переменной на конечный результат), равной числу целевых строк.

Если сравниваемое значение отсутствует на всех не целевых строках, но присутствует на части целевых строк, то запоминаются сравниваемое значение и те целевые строки, на которых оно присутствует (считается, что сравниваемое значение частично покрыло целевые строки).

Если сравниваемое значение присутствует хотя бы на одной строке не целевой строке, то считается, что сравниваемое значение не покрыло ни одну целевую строку.

6. Затем выбираем следующее целевое не повторяющееся с предыдущим значение (по порядку следования строк) выбранной переменной и осуществляем ее сравнение (в соответствии с пунктом 5). Сравнение заканчивается последним целевым не повторяющимся с предыдущим значением выбранной переменной.

7. Операции 4 – 6 повторяются для каждой следующей переменной.

8. Оценивается покрытие целевых строк одиночными переменными.

Для этого запомненные значения и строки группируются с целью сравнения номеров этих строк с номерами целевых строк.

Если переменные X1, X2,...Xn покрывают все целевые строки, то вычисления заканчиваются с результатом в виде переменных с его значением и соответствующим этому значению мощности.

При наличии более одного варианта покрытия целевых строк выбирается:

a) по критерию приоритета максимальной мощности: вариант с наибольшим суммарным значением, но без излишнего числа переменных;

b) по критерию приоритета минимального числа переменных: вариант, требующий меньшее число переменных для покрытия всех строк, а при наличии в этом варианте выбора комбинаций переменных с различной мощностью – комбинацию с наибольшим значением мощности.

9. Если одиночные переменные не покрывают все целевые строки, то тогда вместо одной переменной используют сочетания из n переменных по 2, затем по 3 и так далее до n. При этом вместо одного сравниваемого значения используется конъюнкция значений сочетаемых переменных. В остальном операции 4 – 8 повторяют с окончательной оценкой покрытия целевых строк с учетом предыдущих циклов сравнения меньшей сочетанности переменных.

10. Результат представляют:

a) в развернутом виде как конъюнкцию переменных обязательно по каждому значению с указание его мощности;

b) в свернутом виде как конъюнкцию переменных с перечислением и (или) указание диапазона значений с указанием мощности объединяемых значений переменных.

Поясним особенности построения и применения алгебраической модели воздействия сочетанных факторов.

Исходный массив данных может быть представлен в различном виде.

Учитывая многообразие решаемых задач с различным числом переменных (в том числе больше 255, затрудняющим создание программного обеспечения) данные можно представить тремя полями:

номер переменной;

номер строки;

значение переменной.

При этом переменную, выбранную в качестве цели, можно обозначить нулевым номером.

Такая форма представления данных будет универсальной по отношению к числу переменных и может удачно сочетаться с формой представления статистических данных.

Пояснение работы рассматриваемого алгоритма будет осуществляться на выбранном тестовом примере, в котором переменные представлены как квантованные. В таком виде переменные часто встречаются в решаемых задачах, например, в здравоохранении, где кодируются пол, образование, территории и многое другое. Тем не менее, имеются переменные, которые необходимо квантовать.

В частности, коды МКБ-10 не приспособлены для этого. Анализируя смертность, например, можно выбранный диапазон кодов первоначальной причины смерти обозначить единицей (I00 – I99.X), а нулем – все, что находится за пределом этого диапазона кодов.

Если решаемая задача связана, например, с измеряемыми величинами, то значений переменных может быть достаточно много. Тогда существует возможность их квантования по уровню.

Следующим шагом подготовки данных является входной контроль.

Необходимо исключить те переменные, которые на всех строках имеют одно и тоже значение.

Такие переменные не влияют на результат, и их не имеет смысла использовать для расчета.

Также необходимо исключить те одинаковые строки, которые имеют различное значение цели (исключается неоднозначность).

Например:

Таблица 13 X1 X2 X3 X4 Z Количество таких строк необходимо запомнить для того, чтобы оценить их долю в общем числе строк. Чем больше эта доля, тем ниже точность вычислений.

Суть рассматриваемого алгоритма сводится к покрытию целевых строк.

Сначала рассматриваются одиночные переменные.

Начинаем с X1. Находим в тестовой таблице 10, начиная сверху, первое значение X1 на строке Z=1 (строка 2, X1=5). Сравниваем это значение с таким же значением на не целевой строке (Z=0). В результате находим значение 5 на строке 1. Поскольку мы нашли на не целевой строке такое же значение, что и на целевой строке, дальнейшая работа с этим значением заканчивается (т.е. на строке 6 мы не будем выполнять указанное сравнение).

Следующее значение на целевой строке переменной X1 находится на строке 5 и равно 2.

Просматриваем не целевые строки с X1=2 и находим это значение на строках 3 и 4. Таким образом, значение 2 исключается из дальнейшего рассмотрения.

На этом мы заканчиваем работу с переменной X1 и делаем вывод о том, что ни одно его значение не подходит нам для однозначного покрытия каких либо целевых строк. Следовательно, в результирующем выражении мы не увидим X1 в единственном числе.

Аналогичным образом мы просматриваем последовательно остальные переменные (X2, X3, X4). Среди них мы также не находим значений, однозначно покрывающих целевые строки. По этой причине одиночные переменные X2, X3, X4 мы также не встретим в результирующем выражении в единственном числе.

Затем рассматриваем различные сочетания переменных.

Для выбранного тестового примера возможны следующие сочетания:

из 4 по 2 – X1 X2, X1 X3, X1 X4, X2 X3, X2 X4, X3 X4;

из 4 по 3 – X1 X2 X3, X1 X2 X4, X1 X3 X4, X2 X3 X4;

из 4 по 4 – X1 X2 X3 X4.

Начинаем с X1 X2. На первой целевой строке (строка 2) мы находим значения 5, 5. Сравниваем эти значения с такими же значениями на не целевых строках. В результате на не целевых строках 5 и 6 мы не находим такое сочетание значений. Это означает, что сочетания переменных X1 и X2 со значением 5 покрывают часть целевых строк. Теперь нам предстоит запомнить для дальнейших вычислений эти переменные (X1=5, X2=5) с их значениями, а также те целевые строки, на которых мы встретим эти значения (строки 2 и 6).

Для удобства мы будем осуществлять запоминание занесением информации в таблицу 14.

На следующей целевой строке (строка 5) мы находим X1=2 и X2=6. Сравниваем эти значения с такими же значениями на не целевых строках (строки 1, 3, 4, 7). В результате мы находим на не целевой строке 3 значения X1=2 и X2=6. Из этого мы делаем вывод, что значения X1=2 и X2=6 не подходят нам для покрытия целевых строк, и по этой причине мы их не заносим в таблицу 14.

Аналогично поступаем со всеми остальными сочетаниями переменных из 4 по 2, а затем из 4 по 3. Завершаем сравнение сочетанием всех переменных.

Следующим шагом производим поглощение сочетанных переменных там, где это возможно.

Для этого поглощаемое сочетание переменных необходимо полностью покрыть предшествующими сочетаниями переменных так, как это показано в табл. 14. Не поглощенные сочетания переменных (в тал. 14 выделены жирным шрифтом) переносим в табл. 15. Из этой таблицы видно, что некоторые сочетания переменных повторяются (для рассматриваемого примера Х1=5; Х2=5 и Х3=4;

Х4=4).

–  –  –

что соответствует пределам результирующих импликант традиционной алгебраической модели (9).

Другим примером может служить следующий вариант:

Х1=5 & X2=5 (покрывает строки 2 и 6);

(11) Х3=4 & X4=4 (покрывает строки 2 и 5).

В данном случае вторая целевая строка покрывается дважды. Такое избыточное покрытие целевых строк не искажает результат. С аналогичным подходом мы можем встретиться в синтезе цифровых автоматов. Такой прием позволяет результат в ряде случаев представить с максимальным значением мощности.

В результате этого формируется множественное точечное пространство результирующих составляющих, которое в дальнейшем будет служить исходным материалом для их объединения («склеивания»).

Из табл. 14 видно, что имеется возможность покрытия строк (обязательно всех) различным образом. По этой причине возникает задача оптимизации выбора варианта. Для этого нужны критерии выбора.

Такими критериями могут быть:

1. Приоритет максимальной мощности.

2. Приоритет минимального числа переменных.

Критерий максимальной мощности предусматривает выбор варианта в первую очередь по максимальной мощности. Оставшиеся варианты отбирают сначала по минимальному числу переменных, а затем по минимальному числу наборов значений переменных.

Для этого выявляем число сочетаний переменных в табл. 15 с не пустыми значениями и заносим их в табл. 16 по убыванию их количества и после этого по убыванию числа переменных.

Таблица 16 Сочетание Кол-во Строки Пояснения переменных X1 X2 3 2, 5, 6 Х1=5 & X2=5; Х1=2 & X2=2; Х1=5 & X2=5 X2 X3 3 2, 5, 6 Х2=5 & X3=4; Х2=6 & X3=4; Х2=5 & X3=2 X3 X4 3 2, 5, 6 Х3=4 & X4=4; Х3=4 & X4=4; Х3=2 & X4=6 X1 X3 2 2, 5 Х1=5 & X3=4; Х1=2 & X3=4 X1 X4 2 2, 6 Х1=5 & X4=4; Х1=5 & X4=6 X2 X4 2 5, 6 Х2=6 & X4=4; Х2=5 & X4=6 X1 X2 X4 1 5 Х1=2 & X2=2 & X4=4 Далее в табл. 16 просматриваем сочетания переменных сверху вниз и выявляем те, которые покрывают все строки. Если таких сочетаний переменных не находится, то тогда начинаем просматривать различные комбинации сочетанных переменных (сочетания из n сочетанных переменных по 2, затем из n по 3 и т.д.), начиная в табл. 16 сверху вниз. Этот перебор заканчиваем при нахождении первого варианта полного покрытия всех строк.

Для данного примера комбинировать сочетанными переменными не требуется, так как на первой строке табл. 16 X1 X2 покрывает все строки и их можно брать за конечный результат:

(Х1=5;2;5) & (X2=5;2;5) W=3

Простота данного примера позволяет нам увидеть и другие равноценные результаты:

(Х2=5;6;5) & (X3=4;4;2) W=3 или (Х3=4;4;2) & (X4=4;4;6) W=3.

В связи с этим возникает вопрос о выборе одного из вариантов. При этом надо иметь ввиду, что такая ситуация будет возникать при малом (как в данном примере) массиве данных. Чаще всего исследователь стремиться обрабатывать достаточно большой массив информации и по этой причине искать ответ на поставленный вопрос не требуется. Но, если исследователь намерен обрабатывать небольшие массивы данных (например, результаты экспериментов), то тогда можно включить в рассматриваемый алгоритм выбор оптимального варианта (из равноценных по мощности результирующих импликант). Возможным вариантом для этого может быть оценка по минимальной сумме абсолютной разности между значениями переменных, что будет облегчать процедуру вычисления пределов определения переменных в результирующих импликантах.

Для выявленных трех результирующих вариантов такая оценка будет выглядеть следующим образом:

|5-2| + |2-5| + |5-2| + |2-5| = 12 (для первого варианта);

|5-6| + |6-5| + |4-4| + |4-2| = 4 (для второго варианта);

|4-4| + |4-2| + |4-4| + |4-6| = 4 (для третьего варианта).

В результате этой оценки можно сделать вывод о равноценности второго и третьего вариантов.

Затем равноценные варианты отбирают по минимальному числу результирующих импликант.

Поскольку в рассматриваемом примере комбинаций сочетанных факторов нет, то второй и третий варианты равноценны и по этому критерию.

Окончательно первый из них принимаем за результат.

Рассмотренный критерий максимальной мощности может быть полезен для случаев выявления наиболее существенных факторов, влияющих на результат. Чаще всего такие случаи характерны для выявления причинно-следственных связей.

–  –  –

5.12. Использование алгебраических моделей в медицине

1. Алгебраические модели являются мощным инструментом для выполнения заключительного этапа анализа медицинских данных (углубленного анализа), в том числе для выявления причинноследственных связей.

2. В качестве исходных данных целесообразно использовать данные медицинских регистров. При этом необходимо особое внимание уделить верификации медицинских данных.

3. Результирующие логические выражения характеризуют сочетанные факторы (с указанием пределов определения каждого из них) по их мощности как степени влияния на результат.

4. Алгебраическая модель конструктивной логики целесообразно использовать для построения медицинских экспертных систем.

5. Модифицированная алгебраическая модель лучше оптимизирует результат. В ней разделены функции формирования точечного пространства и формирование пределов определения сочетанных переменных, что позволяет реализовывать различные режимы оптимизации.

6. Увеличение числа анализируемых факторов чаще всего приводит к увеличению числа результирующих выражений и уменьшению мощности каждого, что усложняет интерпретацию результата и затрудняет оценку наиболее важных факторов.

7. Машинный интеллект алгебраической модели позволяет в определенной степени учесть скрытые (не учтенные) факторы.

8. Предпочтительным является построение двух моделей: прямой расчет (нацелен на достижение цели) и расчет от обратного (не достижение цели), что упрощает интерпретацию результата за счет возможности сравнения противоположных результатов.

9. Алгоритм алгебраической модели в значительной мере использует диалоговый режим для использования всего разнообразия новых данных, которые выявляются при построении конкретных моделей. Так, например, в случае больших помех при построении модели "в чистом виде" обычно получается на выходе большое разнообразие редко встречающихся и трудно интерпретируемых выводов. Это позволяет оценивать степень верификации исходных данных.

10. Использование алгебраической модели нельзя рассматривать как альтернативу к использованию других методов анализа. Наилучшим является результат анализа, подтвержденный принципиально разными методами.

6. ИСТОЧНИКИ МЕДИЦИНСКОЙ ИНФОРМАЦИИ

В здравоохранении можно выделить следующие наиболее важные источники информации для выполнения аналитических работ:

• электронная история болезни;

• талон амбулаторного пациента;

• карта выбывшего из стационара;

• медицинская статистика;

• регистры по проблемным направлениям здравоохранения.

Рассмотрим последние из них как наиболее часто используемые в практике аналитических работ.

6.1. Регистр смертности населения

Программное обеспечение регистра смертности (шифр ACMERU) позволяет [9, 11-16, 18, 19]:

1. Вводить данные, осуществляя автоматизированное кодирование множественных причин смерти с автоматическим выбором первоначальной причины смерти (с использованием внешнего модуля Acme.exe, CDC, USA), автоматической расстановкой строк п. 19 медицинского свидетельства о смерти и обширным логическим контролем (включая правильность кодирования, выявление повторных записей).

2. Выводить на бумажный носитель медицинское свидетельство о смерти.

3. Просматривать записи, осуществлять обширный поиск данных.

4. Объединять данные на уровне учреждения здравоохранения, района, области и другой территории с возможностью входного контроля и исправлений ошибок.

5. Выводить данные на экран или бумагу по результатам гибких запросов и в виде отдельных отчетов.

6. Контролировать качество посмертной диагностики.

7. Осуществлять импорт справочников, поддерживаемых на областном уровне, а также вести собственные справочники.

8. Производить пакетную обработку всего массива в части правильной расстановки строк и автоматического выбора первоначальной причины смерти.

9. Осуществлять экспорт и импорт данных.

10. Формировать различные списки данных.

11. Осуществлять различные операции с базой.

Программное обеспечение работает в среде Access. Внешние модули автоматического определения первоначальной причины смерти и распознавания текста реализованы на языке Visual C++. Внешний вид программы показан на рис. 73.

На нем цветом выделены слева на право подготовительные операции, ввод данных и операции с данными, а также имеется режим, вызываемый скрытой кнопкой и предназначенный для лиц, осуществляющих приемку и верификацию массивов.

–  –  –

Перед началом работы и в процессе смены версий программы целесообразно пользоваться режимом подготовительных операций (рис. 74).

Рис. 74. Режим подготовительных операций

В режиме подготовительных операций пользователь имеет возможность:

- просматривать справочники областного уровня;

- вводить данные в справочники районного уровня;

- удалять данные из всех баз;

- вводить атрибуты учреждения, которые будут вставляться по умолчанию (исключает ввод повторяющихся данных об учреждении, его местонахождения и серии свидетельства);

- экспортировать введенные данные (включая справочники) и импортировать их после замены версии программы;

- ввести численность населения для расчета показателей.

В режиме ввода программой предусмотрена возможность отдельного ввода проживавших в области и иногородних, включая лиц без определенного места жительства. Отличаются режимы различными справочниками территорий. Имеется режим просмотра и корректировки полной базы. В этом режиме первоначально выводится на экран краткая форма с наиболее важной информацией для обзора записей с возможностью перехода на подробную форму по выбранной записи. Кроме этого, просмотр записей можно осуществлять в виде списка с аналогичными возможностями.

Пользователь, работая с программой, имеет возможность вывести на бумажный носитель медицинское свидетельство и корешок к нему (рис. 75). Поэтому пользователю не нужно первоначально заполнять бланк, а после вводить данные в машину. Для этого необходимо использовать первичную медицинскую документацию. В тоже время, для облегчения ввода и сохранения преемственности с привычной для пользователя видом свидетельства, форма ввода имеет ту же последовательность полей и нумерацию, что на бумажном носителе.

В случае необходимости пользователь может выдать дубликат свидетельства, для чего он имеет возможность открыть специальную форму ввода и дополнить к выбранной записи в основной базе дату выдачи дубликата, серию дубликата, номер дубликата и распечатать его на бумагу.

На рис. 76 - 78 показан ввод данных по пунктам 1 – 19 медицинского свидетельства о смерти. В процессе ввода данных отдельные поля, в зависимости от предшествующей информации, открываются или закрываются для ввода, а также меняется информация в подключенных справочниках. Так, например, справочник населенных пунктов местного подчинения (рис. 77) формируется путем фильтрации данных для ранее введенного района/города областного подчинения.

Открытие полей для ввода п. 16 по травмам и отравлениям находится в зависимости от информации, введенной в п. 15 (рис. 78) свидетельства о смерти.

Кодирование множественных причин смерти пользователь осуществляет следующим образом (рис. 79 - 80).

Для этого он вводит в поле первые буквы словесной формулировки причины смерти, с подтверждением выдаваемой программой подсказки или сразу раскрывает справочник при вводимом поле и выбирает требуемую запись. При вводе формулировки одновременно вставляется код в соседнем поле, соответствующий выбранной формулировке.

–  –  –

Рис. 78. Вкладка ввода п. 9-15 свидетельства о смерти Пользователи в практике также используют комбинацию раскрытия справочника, ввода первых букв и последующего выбора нужной записи из справочника. Если в процессе ввода подсказка перестала действовать, то можно задействовать режим распознавания текста двойным щелчком мыши по полю ввода, который позволит найти в справочнике наиболее похожий введенной фразе текст, даже если он находится внутри формулировки кода МКБ-10 или в написании текста допущены ошибки.

Рис. 79. Вкладка кодирования множественных причин смерти Другим приемом ввода кода является двойной щелчок мышью по полю, предназначенному для ввода кода МКБ-10. В результате раскрывается справочник со средствами поиска отдельно по коду или его части и формулировке или ее части. Процедуру поиска в справочнике можно делать одновременно по коду и по формулировке. Из выданного программой отфильтрованного списка пользователем нажатием кнопки вставляет выбранную курсором код и соответствующую этому коду формулировку.

Пользователь имеет право произвести кодировку причины смерти с собственной формулировкой.

Для этого он использует прием ввода, заключающийся в ручном вводе формулировки и кода в соответствующие поля. Данный прием ввода требует высокой квалификации пользователя и внимание проверяющего к этим записям. Для облегчения нахождения таких записей при верификации базы имеется в служебном режиме возможность тестирования, облегчающего работу контролирующего специалиста.

Рис. 80. Вкладка ввода раздела II п.19 свидетельства о смерти

Затем нажимается кнопка "Замена строк" (рис.79). Данный режим позволяет правильно расставить строки (что важно при кодировании), включая и второй раздел пункта 19 медицинского свидетельства о смерти (рис. 80). После этого нажимается кнопка АВТО. Программа сама выбирает код первоначальной причины смерти путем автоматического ввода отметки против строки и в специально отведенное поле.

Кодирование осуществляется в строгом соответствии с общим принципом кодирования причин смерти, трем правилам и шести модификациям по Международной классификации болезней десятого пересмотра (том 2), что предотвращает ошибки в выборе первоначальной причины смерти [11]. Как показывает практика, это сокращает количество ошибок и повышает достоверность примерно до 98%. Пользователь имеет возможность двойным щелчком мыши по полю автоматического присвоения кода вызвать протокол автоматического выбора первоначальной причины смерти (рис. 81), в котором изложены логические действия модуля АСМЕ с указанием правил МКБ-10 (том 2).

Необходимо отметить, что внешний модуль АСМЕ, определяя первоначальную причину смерти, учитывает коды и второго раздела п. 19.

Если автоматическое определение первоначальной причины не произошло, то тогда ошибку следует искать, прежде всего, в неправильных цепочках. Для перемещения кодов и их формулировок с одной строки на другую имеются специальные кнопки.

Необходимо отметить, что правилами кодирования и модулем АСМЕ допускается присвоение кода первоначальной причины смерти не из предъявленного набора, а другим – обобщающим близкие состояния. В этом случае отметка напротив строк не ставится.

Если модуль АСМЕ не сможет выбрать первоначальную причину смерти, а пользователь уверен в своем кодировании, то тогда он проставляет отметку напротив выбранного кода.

Результат автоматического определения первоначальной причины смерти можно просмотреть нажатием кнопки "П".

В левом нижнем углу формы имеется кнопка "не используемые коды" для просмотра кодов, которые не применяются для кодирования причин смерти.

Заканчивается ввод данных нажатием кнопки "Ошибки". В результате пользователю будет не только указана ошибка, но дано разъяснение. Необходимо отметить, что обнаружение ошибки включает в себя много тестов, которые дополняют возможности модуля АСМЕ. Это позволяет верифицировать кодирование с достаточно большой достоверностью, достигающий 98% (по опыту работы с регистром смертности в Тульской области).

Рис. 81. Логика модуля ACME в определении первоначальной причины смерти В данном регистре, как и во многих других медицинских регистрах, используются большие по числу записей справочники, поиск нужной записи в которых не точно обозначенной информации затруднителен.

Разработанный алгоритм для быстрого поиска нужной записи в базе с большим числом записей (в данном случае справочник синонимов МКБ-10) по не точному ключевому слову или фразе (включая грамматические ошибки) способен искать наиболее подходящий вариант из базы данных.

В отличие от алгоритмов нечеткого сопоставления строк не требует от пользователя выбора уровня достоверности и, при неправильно указанных параметрах, может не вывести никаких положительных результатов. Предложенный алгоритм динамически «настраивает» степень совпадения и находит наиболее похожий на заданную строку вариант.

Это реализовано посредством методом так называемого «скользящего увеличивающегося окна»

(рис. 82). Его суть в том, что исходной поисковой строке выделяются сочетания букв для поиска и, затем, осуществляется поиск выбранного сочетания символов. В исходной строке сначала выделяется биграмма, которая состоит из первых двух букв заданного критерия поиска. После чего определяются записи таблицы, в которой присутствует данное сочетание букв, и их вес в исходном индексе записей увеличивается. После окончания поиска выбирается следующая биграмма, состоящая уже из второй и третьей буквы. Осуществляется аналогичный поиск. И так далее.

Таким образом, в исходной строке для поиска поочередно выбираются все пары составляющих ее символов. Это напоминает просмотр переданной строки для поиска окошком размером всего в два символа. В результате поиска биграммами мы получаем, что ячейки, в которых найдено больше совпадений имеют большее значение по сравнению с теми, где разыскиваемые биграммы встречались редко. У ячеек, где не было найдено ни одного совпадения индекс остается равным нулю.

Рис. 82. Процесс пошагового сканирования и увеличения «окна»

Как показывает практика, в результате поиска биграмм происходит незначительное «расслоение»

среди значений индексов ячеек. Так же невелика точность поиска, основанная на таком методе. Для увеличения точности предлагается последовательно увеличивать размер «окна» в поисковой строке при пошаговом сканировании ее. Чем больше размер «окна» тем значимость совпадений выше. Для учета этого вводится взвешивающий коэффициент в суммировании числа совпадений.

В результате на некотором шаге по базе будет искаться уже слово. В случае его нахождения индекс определенных ячеек будет увеличивать. Если же при вводе поисковой строки были допущены грамматические ошибки, то слово целиком найдена не будет. Но важно отметить, что при этом будут иметь довольно высокий индекс ячейки, содержащие подобные строки. Это произойдет в результате предыдущих поисков с более малым размером поискового «окна», так как будет произведен поиск подстрок до и после грамматической ошибки, исключая ее. Так можно с уверенностью утверждать, что данный алгоритм работает даже в случае ввода с грамматическими ошибками.

Кроме того отличительной особенностью метода является то, что он может находить записи, содержащие те же слова, но в другом порядке, но при этом будет «лидировать» ячейка, содержащая наиболее соответствующее значение.

Разработанный алгоритм отдает предпочтение при равных по значимости результатам более коротким фразам, что соответствует короткой поисковой фразе или слову.

На основе этого метода разработан комплекс, состоящий из модуля перестройки базы поиска, модуля обработки поиска и динамической загружаемой библиотеки. Последняя загружается автоматически одновременно с программой и в момент обновления справочника, что позволяет использовать предоставляемые ей функции только в нужный момент времени, не занимая ресурсы компьютера во время работы с остальной программой.

Кроме того, для уменьшения времени поиска, сделана необходимая минимизация приведенного алгоритма, а так же оптимизация структуры таблицы, в которой будет производиться поиск. Таким образом, при внесении изменении в ее содержание в целях обеспечения правильного поиска рекомендуется произвести перестройку базы поиска, используемой разработанной библиотекой. Для этого был разработан соответствующий модуль.

Таким образом, разработанный метод и его программная реализация позволяют вести поиск по таблице, содержащей текстовые данные, путем нахождения наиболее похожей строки. Кроме того, разработанные средства позволяют производить эффективный поиск при грамматических ошибках или отличающемся порядке слов.

Вывод отчетов (рис. 83) можно осуществлять (раздельно по первоначальной и множественным причинам смерти):

• на основе гибких условий:

с выводом результата в виде отдельного значения по 17 различным условиям с расшифровкой совпадений по каждому задаваемому условию;

с выводом группы цифр в виде диаграммы или графика (рис. 84 и 85) по возрастам и 16 различным условиям;

с выводом двухмерной группы цифр в виде таблицы (рис. 86 и 87) по трем группам возрастов по 13 различным условиям с выводом абсолютных и относительных величин;

в виде диаграммы по возрастам за указанный интервал времени;

• список выданных дубликатов свидетельств о смерти;

• экспресс-выборка в виде краткого списка наиболее важных данных;

• в виде таблицы по территориям проживания и по области (167 колонок с возможностью выбора необходимых для работы);

• в виде отчета о качестве посмертной диагностики по проценту неуточненных кодов.

–  –  –

Рис. 84. Режим задания условий для вывода диаграмм и графиков Рис. 85. Диаграмма, построенная по заданным условиям Рис. 86. Режим задания условий для вывода таблицы Рис. 87. Таблица, построенная по заданным условиям

В режиме "Операции с базой" (рис. 88) пользователь имеет возможность:

- в рабочей базе обнаруживать и устранять повторные записи, обнаруживать и исправлять ошибки;

- менять справочники на обновленные областным уровнем;

- осуществлять экспорт данных для передачи их на объединение с другими массивами;

- импортировать данные в промежуточную базу для предварительного просмотра, выявления и исправления ошибок, а также объединения отмеченных записей с массивом в рабочей базе.

Рис. 88. Режим операций с базой

Процесс объединения массивов чаще всего приходится осуществлять на районном и областном уровнях с контролем и исправлением ошибок. Этот процесс можно осуществлять через промежуточную базу путем просмотра, контроля и исправления ошибок каждой отдельной записи с отметкой допущенных для объединения записей с основной базой или контролем и исправлением ошибок всех записей.

Другим способом объединения массивов может служить импорт данных без проверок непосредственно в рабочую базу, что можно делать при уверенности в достоверности данных или выполнение верификации записей непосредственно в рабочей базе с последующим экспортом массива для хранения и объединения. Этим режимом целесообразно пользоваться на областном уровне.

На рис.

89 показан служебный режим, в котором можно осуществлять различные дополнительные операции с данными:

- импорт данных без проверки непосредственно в рабочую базу;

- просмотр данных рабочей базы;

- экспорт данных в усеченном виде (с исключением конфиденциальных данных);

- контроль ошибок в рабочей базе;

- более жесткие режимы контроля повторных записей (по различным критериям);

Рис. 89. Служебный режим операций с данными

- просмотр и исправление ошибок, тестирование по различным критериям, выявление записей с трехзначными кодами;

- просмотр промежуточной базы, экспорт данных из нее, включая возврат данных по электронной почте;

- удаление данных промежуточной и рабочей базы;

- экспорт данных по району области (на областном уровне собирается информация по случаям смерти с местом проживания отличным от места смерти) для восполнения районного массива данных;

- переход в режим пакетной обработки данных (кнопка АСМЕ).

В режиме пакетной обработки (рис. 90) пользователь имеет возможность:

- правильно расставить строки в п. 19 медицинского свидетельства о смерти, от чего зависит правильность логических рассуждений и выбора в цепочке кодов первоначальной причины смерти;

- просмотр результата предстоящей перекодировки (автоматического выбора первоначальной причины смерти) внешним модулем АСМЕ;

- перекодировка всего массива;

- просмотр папки с данными для модуля АСМЕ, удаления этих данных, помощь в разъяснении режима пакетной обработки.

Для просмотра результата предстоящей перекодировки необходимо:

- кнопкой "Запуск АСМЕ" осуществить запуск внешнего модуля;

- кнопкой "Результат АСМЕ" или "Отвергнутые АСМЕ" осуществить просмотр результата.

Перекодировка массива может быть осуществлена по двух схемам.

Первая схема (рекомендуется при значительном числе отвергнутых записей):

- нажимается кнопка "Замена строк" и осуществляется правильная расстановка строк;

- нажимается кнопка "Запуск АСМЕ" и формируется результат – выходной массив внешнего модуля АСМЕ;

- нажимается кнопка "Перекодировка", которой осуществляется автоматическое определение первоначальной причины смерти;

- нажимается кнопка в верхнем левом угле выделенной области "Операции с базой", в результате чего осуществляется переход в промежуточную базу режима операций с базой, в которой будут размещены все отвергнутые записи (при этом не отвергнутые записи будут размещены в рабочую базу);

- в промежуточной базе осуществляется просмотр и исправление записей с последующим присоединением в рабочую базу.

Рис. 90. Режим пакетной обработки массива данных

Вторая схема (рекомендуется при небольшом числе отвергнутых записей):

- нажимается кнопка "Замена строк" и осуществляется правильная расстановка строк;

- нажимается кнопка "Запуск АСМЕ" и формируется результат – выходной массив внешнего модуля АСМЕ;

- нажимается кнопка "Перекодировка", которой осуществляется автоматическое определение первоначальной причины смерти;

- повторно нажимается кнопка "Запуск АСМЕ";

- нажимается кнопка "Отвергнутые АСМЕ", в результате чего не отвергнутые и отвергнутые записи ложатся в рабочую базу, а отвергнутые записи вызываются на экран для исправлений непосредственно из рабочей базы.

Практика работы с модулем ACME показала, что достоверность информации в регистре смертности во многом определяется уровнем подготовленности врача в кодировании и выборе первоначальной причины смерти. Несмотря на проводимое обучение врачей по МКБ-10 и регулярному контролю их знаний, ошибки кодирования и выбора первоначальной причины смерти являются преобладающими и главными, поскольку ими определяется достоверность информации. По этой причине уровень автоматизации кодирования множественных причин смерти во многом определяет достоверность кодирования первоначальной причины смерти.

Важной особенностью данного программного обеспечения является особый режим кодирования внешних причин смерти [18].

Кодирование внешней причины смерти должно сопровождаться двумя логическими отметками: одной отмечается внешняя причина, а другой – первоначальная причина смерти. Модуль ACME срабатывая, указывает на внешнюю причину. Если предъявленная логическая цепочка верна, то отметка появится. При ошибке – отметка не появится. Тем не менее, указывая внешнюю причину при правильной логической цепочке, модуль без специальных мер не будет указывать на первоначальную причину смерти. В случае заполнения первых двух или трех строк первого раздела пункта 19 свидетельства о смерти придется выбор осуществлять вручную. Когда заполнена только первая и четвертая строки, вывод однозначен и очевиден. Если имеются коды на второй, третьей строках, а также на строках второго раздела пункта 19 свидетельства о смерти выбор оказывался затруднительным.

Автоматизация этого процесса специальный алгоритм [18]:

1. Модуль ACME определяет внешнюю причину смерти, учитывая все множественные причины, включая внешнюю причину смерти и причины, указанные на строках во втором разделе пункта 19 медицинского свидетельства о смерти.

2. Модуль ACME определяет первоначальную причину смерти без учета внешней причины и кодов второй части пункта 19 свидетельства.

3. Объединение результатов предыдущих шагов с отображением результата в виде двух логических отметок.

В случае предъявления ошибочной логической цепочки кодов процесс автоматического кодирования внешней причины прекращается и не отображается логическими отметками.

Испытания программы ACMERU с двойным срабатыванием модуля ACME при кодировании случаев с внешними причинами смерти показали эффективность предложенного технического решения и позволило уверенно довести уровень правильного выбора первоначальной причины смерти в Тульской области до 98-99%.

Эксплуатация данного программного обеспечения сопровождается:

• Ведением на областном уровне справочника учреждений здравоохранения и населенных пунктов области с целью однозначного их кодирования.

• Ведением на областном уровне справочника (полного и краткого) МКБ-10 с целью однозначности формулировок.

• Ведением на областном уровне справочника хирургических процедур.

• Обучением пользователей.

Главной особенностью программы является обеспечение высокой достоверности введенной информации за счет созданных средств контроля и автоматизации процесса кодирования множественных причин смерти.

6.2. Мониторинг рождаемости населения Сложная демографическая ситуация в Российской Федерации, в том числе в Тульской области, характеризует важность мониторинга рождаемости, позволяющего осуществлять углубленный анализ данных и на основе его принимать управленческие решения. Несмотря на успехи, достигнутые в современном акушерстве, проблема анализа множества факторов, влияющих на состояние здоровья женщин продолжает сохранять свою медико-социальную значимость и невозможно без массивов достоверной информации о рождаемости.

В Тульской области мониторинг рождаемости населения осуществляется созданной автоматизированной комплексной системой сбора, обработки и анализа информации о рождениях [12, 25, 29].

Программное обеспечение (шифр MedRDN) выполнено в среде Access и позволяет:

- вводить информацию с контролем ошибок по двум различным формам ввода;

- выполнять различные подготовительные операции;

- выполнять различные операции с данными, включая экспорт и импорт;

- формировать различные отчеты по различным запросам.

Главная кнопочная форма системы показана на рис. 91.

Рис. 91. Главная кнопочная форма системы сбора, обработки и анализа информации о рождениях Используемая программа обеспечивает ввод информации об осложнениях беременности, осложнениях родов и послеродового периода, осложнениях новорожденного, врожденных аномалиях, прочих болезнях и состояниях матери через коды МКБ-10, а акушерские и другие процедуры через соответствующие специальные коды, что существенно расширяет возможности данной информационной системы за счет большого многообразия используемых кодов.

Практика мониторинга рождаемости в Тульской области выявила на первоначальном этапе ряд трудностей и неоднозначностей, решаемых данным программным обеспечением. К ним относятся следующие:

1. Неоднозначность ввода болезни почек из-за разной трактовки такой формулировки врачами.

2. Амниоцентез как диагностическая процедура в настоящее время в Тульской области практически не проводится, в то время как при обработке базы данных эта процедура встречалась в большом количестве наблюдений, что свидетельствует о неправильной трактовке данного вмешательства акушерамигинекологами (имелась ввиду амниотомия).

3. Вызывали трудности учет родов, осложнившихся дистрессом плода, т.к. нет четких критериев его определяющих.

4. Неоднозначно можно трактовать такие процедуры как мониторинг плода и стимуляция плода.

5. Вызывали сомнения у пользователей предлежание плаценты как осложнение родов.

6. Преждевременная отслойка плаценты, как осложнение родов встречается крайне редко, в то время как она представлена именно в этом разделе, что вызывало недоумение и зачастую приводило к недоучету данного осложнения, возникающего во время беременности.

7. Не логичным было разделение осложнений беременности и родов по разным разделам программы, причем осложнения родов находятся в одном разделе с осложнениями новорожденного.

8. Вызывали сомнения название одного из разделов программы «Медицинские факторы риска». Целесообразней выделять осложнения беременности и родов с последующим анализом их влияния на исходы и выделением факторов риска.

Указанные недостатки, потребовали использования кодов МКБ-10, с помощью которых стало возможным:

1. Существенно расширить объем вводимой информации.

2. Устранить неоднозначность ввода за счет точных формулировок Классификации болезней и проблем, связанных со здоровьем 10-го пересмотра, и за счет этого повысить качество и достоверность информации.

Кодирование осложнений беременности, родов и послеродового периода, а так же состояний новорожденного и прочих состояний матери с помощью кодов МКБ-10 является предпочтительным в регистре рождаемости, но он в значительной степени может усложнить работу пользователя.

Заложенное техническое решение позволяет сохранить простоту ввода с помощью логических полей и одновременно использовать коды МКБ-10, что достигается следующим:

1. Вместо логических полей вводятся 5 текстовых полей (осложнения беременности, осложнения родов и послеродового периода, осложнения новорожденного, врожденных пороков, акушерские процедуры). Длина каждого поля определяется максимальным числом кодов, используемых для кодирования болезней и состояний. Для каждого кода отводится 9 знакомест.

2. Справочник кодов МКБ-10 дополнительно имеет 5 логических полей, с помощью которых коды распределяются на 5 направлений. В результате для каждого осложнения или пороков или акушерских процедур пользователю предъявляется свой справочник кодов МКБ-10, полагая при этом то, что с меньшим числом кодов пользователь будет лучше в нем ориентироваться.

3. Для удобства пользователей предусматриваются кнопки "Задать" (для ввода кодов), "Очистить" (для удаления кодов) и поля по максимальному числу полей кодов МКБ-10 (для удобства отображенные в виде отдельных полей, которых реально в базе нет). Отображаемая в этих полях информация (рис. 97) вычисляется с помощью специальной встроенной процедуры.

4. Ввод кодов осуществляется вызовом справочника (рис. 98) со своей группой кодов и отметкой нужных болезней и состояний отметкой в логическом поле.

5. Коды вносятся кнопкой "Внести отмеченные коды" в соответствующее текстовое поле без пробелов (в компактной форме).

Рис. 92. Подготовительные операции

Программное обеспечение позволяет аналогично регистру смертности выполнять подготовительные операции по вводу справочных данных, удаления данных, перехода на новую версию программы, а также ввод атрибутов, принимаемых при вводе данных по умолчанию (рис. 92).

Последовательность ввода данных представлена на рис. 93 – 102. Вводить данные необходимо последовательно сверху вниз, поскольку в ряде случаев осуществляется фильтрация информации (в частности, по району области осуществляется фильтрация учреждений здравоохранения).

Формы ввода одновременно служат для просмотра записей.

–  –  –

Выбор кодов осуществляется через кнопку «Задать» (рис. 97) и выбором в раскрывшейся форме (рис. 98) необходимых кодов через логические поля (слева в форме).

Рис. 97. Ввод осложнений беременности, родов и послеродового периода

–  –  –

Аналогичная процедура ввода предусмотрена и для осложнений новорожденного, врожденных аномалий (рис. 99), различных процедур (рис. 100), болезней матери (рис. 101). При перемещении курсора на внесенный код высвечивается его формулировка.

Рис. 99. Ввод осложнений новорожденного и врожденных аномалий

–  –  –

Завершается ввод данных контролем ошибок (рис. 102). Для этого нажимается кнопка «Ошибки».

Рис. 102. Контроль ошибок

Данное программное обеспечение в части ввода информации имеет следующие особенности:

1. Предусмотрена возможность ввода информации по основным патогистологическим изменениям в плаценте, что важно при ретроспективном анализе исходов родов.

2. Ввод акушерских процедур (рис. 100) осуществляется из отдельного справочника хирургических и других процедур, и отображаются кодами с всплывающими подсказками.

3. Имеется поле «Номер истории родов», которое позволяет легко находить первичную медицинскую документацию и проводить верификацию каждого случая, а также создает перспективу сопоставления с программным обеспечением, автоматизирующим ведение истории родов.

4. Предусмотрен ввод кода учреждения (рис. 101), в котором родильница наблюдалась, с всплывающей подсказкой района, в котором это учреждение находится.

5. Имеются разделы "Осложнения беременности", "Осложнения родов и послеродового периода", "Осложнения новорожденного", "Врожденные аномалии", "Акушерские процедуры" и "Прочие болезни и состояния матери", в которых отображаются поля с кодами МКБ-10 с всплывающими подсказками (формулировками кодов из МКБ-10).

6. Предусмотрен ввод информации о ранней явке (до 12 недель) родильницы в женскую консультацию (рис. 101), что позволяет выявить недостатки пренатального ухода.

Для удобства пользователя имеется другие формы ввода информации, показанные на рис. 103 и 104, в которых имеется аналогичный механизм ввода кодов.

–  –  –

Программа в режиме операций с базой (рис. 105) данных позволяет:

- накапливать информацию в промежуточной базе для просмотра, верификации и последующего импорта в рабочую базу, что необходимо при объединении массивов данных от разных пользователей программы;

- экспортировать данные на вышестоящий уровень и для анализа;

- обновлять справочники, поддерживаемые на областном уровне;

- контролировать повторы и ошибки в промежуточной и рабочей базах.

–  –  –

Через форму вывода отчетов (рис. 106) можно их выводить по различным запросам с отбором по многим параметрам.

Программа имеет служебный режим (рис. 107), вызываемый через скрытую кнопку. В этом режиме имеется возможность:

- осуществлять импорт данных непосредственно в рабочую базу, минуя промежуточную базу;

- просматривать рабочую и промежуточную базу;

- загружать в электронную почту не принятые записи из промежуточной базы данных;

- осуществлять экспорт не принятых записей в файл;

- удалять все записи из промежуточной базы данных;

- формировать список по району области и осуществлять его экспорт в файл;

- формировать список записей без дат для контроля.

Рис. 107. Операции с данными Расширенный объем информации в данном регистре рождаемости увеличивает аналитические возможности исследователя, который может воспользоваться специальной программой «Analetic», непосредственно загрузив в нее данные о рождаемости населения. Примером другого использования данной программы как источника информации может служить частотный анализ перинатальной смертности населения, приведенный в приложении 6.

6.3. Аналитическая программа Analetic Программное обеспечение по анализу данных регистра рождаемости (шифр «Analetic») предназначено для частотного анализа медицинских данных в формате регистра рождаемости MedRDN, используемого здравоохранением Тульской области в последние годы. Данная программа позволяет:

- осуществлять операции с данными для подготовки их к анализу;

- задавать путем выбора цель и анализируемые факторы в различном сочетании;

- создавать список и использовать его записи в качестве сочетанных факторов, определенных в диапазоне кодов МКБ-10;

- использовать в качестве справочного материала МКБ-10 в объеме тома 1;

- осуществлять подсчет количество записей отдельно по каждому фактору и цели;

- вычислять частоты относительно выбранной цели (допускается в сочетанном виде) в доверительных интервалах, формируя таблицу сопряженности и с расчетом меры сопряженности.

Внешний вид программы «Analetic» показан на рис. 108.

Основное назначение данной программы - предварительный анализ с целью выявления наиболее значимых факторов для последующего углубленного анализа, например, с помощью алгебраической модели конструктивной логики.

На этапе подготовки работы с программой «Analetic» осуществляются следующие операции с базой (кнопка «Операции с базой» на рис.

108):

1. Импорт данных в формате регистра рождаемости MEDRDN (кнопка «Импорт» на рис. 109) в промежуточную базу Base. Информация об импортируемом файле из папки C:\MedRDN выдается в левом верхнем углу формы (рис. 109) рубрики «Входные данные». При этом кнопкой «Удаление»

(рис. 109) можно предварительно удалить данные и в случае необходимости произвести сжатие базы.

Результаты импорта можно просмотреть кнопкой «Просмотр» рубрики «Входные данные» (рис. 109).

2. Преобразование данных с передачей их в рабочую базу MedBase (рубрика «Преобразованные данные» на рис. 109):

- кнопкой «Все 1:1» осуществляется передача данных из базы Base в базу MedBase в полном объеме без преобразований;

- кнопкой «В интервале дат» осуществляется передача данных из базы Base в базу MedBase только тех записей, которые находятся в заданном промежутке начала и окончания отчетного периода по дате родов;

- кнопкой «Удаление повторов» производится удаление из базы MedBase повторов, определенных по фамилии, имени, отчеству и дате рождения;

- кнопкой «Выполнить» производится удаление из базы MedBase тех записей, которые не соответствуют введенному коду ОКАТО - региона постоянного проживания;

- кнопкой «Повторы» обеспечивается просмотр повторов;

- кнопкой «Без повторов» обеспечивается просмотр записей, не содержащих повторы;

- кнопкой «Без даты родов» производится выявление записей, в которых не указана дата родов;

- кнопкой «Усечение» вызывается форма для ввода кодов и удаления записей из базы MedBase, соответствующих указанным диапазонам кодов;

- кнопкой «Не полностью ФИО» осуществляет просмотр записей, в которых имеются не заполненные поля «Фамилия», «Имя», «Отчество»;

- кнопкой «Просмотр» осуществляется просмотр окончательной базы MedBase (показан на рис. 110).

Рис. 108. Главная кнопочная форма Необходимо отметить особенность формата представления входных данных, заключающейся в том, что осложнения беременности, осложнения родов и послеродового периода, осложнения новорожденного, врожденные аномалии, другие акушерские процедуры, хирургические акушерские процедуры, прочие болезни матери представлены длинными строками, в которых для размещения каждого кода отведено 9 знакомест (показано на рис. 110, поле B1). Эта особенность представления данных в регистре рождаемости MedRDN и в данной аналитической программе позволяет размещать разнообразную многочисленную информацию по родам, но усложняет программную обработку данных.

Опыт работы с такой расширенной информацией существенно увеличивает аналитические возможности за счет увеличения объема разнообразной входной информации относительно течения беременности, родов, послеродового периода, а так же состояний перинатального периода и проводимых медицинских вмешательств.

Необходимо также отметить, что данная аналитическая программа работает с данными в формате регистра рождаемости, и не требует каких либо предварительных преобразований входного массива.

Рис. 109. Операции с базой данных Входные данные показаны на рис. 111 и 112.

–  –  –

Рис. 113. Форма ввода

Исходные данные для расчетов задаются в двух формах ввода:

- для не изменяемых значений (рис. 113);

- для создаваемых пользователем диапазонов кодов МКБ-10 и кодов процедур (рис.114).

В форме, показанной на рис. 113, ввод исходных данных заключается в простановке отметки в логическом поле. Этим действием одновременно осуществляется выбор цели или фактора. При этом число целей и факторов можно выбирать любое количество и в любом сочетании. В этом случае они будут восприниматься как конъюнкция.

На рис. 113 показаны три отметки, что означает выбор срока беременности в диапазоне 22-36 недель в качестве цели.

Исходные данные, вводимые формой ввода (рис. 113) дополняются выбранными данными из списка диапазонов кодов (рис. 114) в любом количестве и в любом сочетании. Этот режим вызывается кнопкой «Ввод кодов» на рис. 108.

Для задействования выбранного диапазона кода пользователь должен сменить значение нуль поля «Раздел» на значение от 1 до 7 (рис. 114). Если ограничиться этим, то выбранный диапазон будет выбран в качестве фактора и будет действовать вместе с отмеченными факторами на рис. 113.

Рис. 114. Ввод диапазонов кодов Для задействования диапазона кодов в качестве цели необходимо наряду с выбором номера раздела сделать логическую отметку в колонке «Цель».

–  –  –

Для предварительной оценки числа случаев при выборе диапазона кодов необходимо выбрать запись, поставив курсор на требуемую строку, и нажать кнопку «Кол-во» (рис. 115). В этом случае программа просмотрит каждый из семи разделов и подсчитает количество случаев, удовлетворяющих заданному условию. На рис. 115 показан результат подсчета случаев для инфекции мочеполовой системы.

Рис. 116. Справочник МКБ-10

В процессе формирования списков диапазонов кодов МКБ-10 пользователю может потребоваться справочник МКБ-10. В программе он представлен в объеме тома 1 в двух видах:

- в виде электронной книги (рис. 116), вызываемой кнопкой «Справочник МКБ-10» на главной кнопочной форме (рис. 108);

- в виде списка с возможностью поиска (рис. 117), вызываемой кнопкой «Коды МКБ-10» на главной кнопочной форме (рис. 108).

В первом случае пользователь должен последовательно выбирать класс, блок, рубрику. После чего ему будут предъявлены формулировки и коды выбранной подрубрики.

Во втором случае пользователь вызывает полный список кодов и, пользуясь средствами поиска, кнопкой «Выбрать» (рис. 117) отфильтровывает те записи, которые соответствуют условиям поиска.

–  –  –

Рис. 119. Результаты расчетов Оценка достоверности различий осуществляется по не перекрывающимся доверительным интервалам, а также по коэффициенту ассоциации, отношению шансов и пессимистической оценке хи-квадрат.

Данная программа работает в среде Access.

6.4. Универсальная программа сбора и обработки медицинской статистической информации

Программа MedStat предназначена для сбора статистических данных по Тульской области [2]:

- ввод таблиц статистической отчетности;

- контроль ввода таблиц статистической отчетности;

- передача введенных данных на вышестоящий уровень;

- формирование сводных таблиц по району и области;

- просмотр и проведение выборок введенных данных по условиям.

Программа работает в среде Access и состоит из оболочки для взаимодействия с базами (файлы с расширением "sb").

Базы, такие как годовая статистическая отчетность, оперативная квартальная отчетность и другие, как источники для выполнения аналитических работ доступны через программу MedStat. Эти источники имеют обширную информацию по разнообразным вопросам здравоохранения и по этой причине заслуживают внимание аналитиков.

Внешний вид программы после загрузки и добавления в список статистических баз (кнопка «Добавить») показан на рис. 120.

После выбора курсором и нажатия кнопки «Выбрать» программа загрузит выбранную базу и будет готова для просмотра (рис. 121).

После нажатия кнопки «Своды по области» загрузится перечень таблиц с указанием форм отчетности по области (рис. 122).

Выбрав курсором необходимую таблицу, двойным кликом мыши вызывается таблица (рис. 123).

Далее необходимо курсором выбрать необходимую цифру, которая выделится оранжевым цветом.

Одновременно с этим веху формы появится полное название столбца, а внизу - название строки с диапазоном кодов МКБ-10.

Если таблица большая по размерам, то появятся линии прокрутки, пользуясь которыми можно просмотреть всю таблицу. При этом название строк (слева) не будут перемещаться при прокрутки таблицы по горизонтали.

Рис. 120. Внешний вид программы MedStat после загрузки Рис. 121. Состояние программы после загрузки базы Рис. 122. Перечень сводных таблиц по области Рис. 123. Загруженная таблица по детям Рис. 124. Режим ввода и редактирования Пользуясь режимом «Ввод и редактирование» (рис. 121) можно загрузить таблицы по району и, при необходимости, по конкретному учреждению (рис. 125), выбрав из списка необходимый район области и учреждение здравоохранения.

–  –  –

На рис. 126 показан вызванный перечень таблиц по выбранному муниципальному образованию.

Кнопкой «Просмотр таблицы» осуществляется ее просмотр (рис. 127).

Рис. 126. Перечень таблиц по выбранному муниципальному образованию Рис. 127. Загруженная таблица по выбранному муниципальному образованию Имеется возможность кнопкой «Печать формы» (рис. 126) отобразить в Word все таблицы просматриваемой формы (частично показаны на рис. 128 – 130). При этом информация отображается в утвержденной форме отчетности и не требует при распечатке на бумагу бланочной продукции.

–  –  –



Pages:   || 2 |
Похожие работы:

«mini-doctor.com Инструкция Немозол таблетки, покрытые пленочной оболочкой, по 400 мг №10 ВНИМАНИЕ! Вся информация взята из открытых источников и предоставляется исключительно в ознакомительных целях. Немозол таблетки, покрытые пленочной оболочкой, по 400 мг №10 Действующее вещество: Альбе...»

«Оперативная челюстнолицевая хирургия и стоматология Учебное пособие Под редакцией чл.-кор. РАМН В.А. Козлова, проф. И.И. Кагана Министерство образования и науки РФ Рекомендовано ГБОУ ДПО "Российская медицинская академия последипломного обр...»

«ПРАВИТЕЛЬСТВО РЕСПУБЛИКИ СЕВЕРНАЯ ОСЕТИЯ-АЛАНИЯ ПОСТАНОВЛЕНИЕ от 1 февраля 2013 г. N 18 О ТЕРРИТОРИАЛЬНОЙ ПРОГРАММЕ ГОСУДАРСТВЕННЫХ ГАРАНТИЙ БЕСПЛАТНОГО ОКАЗАНИЯ ГРАЖДАНАМ МЕДИЦИНСКОЙ ПОМОЩИ НА ТЕРРИТОРИИ РЕСПУБЛИКИ СЕВЕРНАЯ ОСЕ...»

«УДК 612(075.8) ББК 28.073я73 З-63 Р е ц е н з е н т ы: кафедра нормальной физиологии Гомельского государственного медицинского университета (заведующий кафедрой доктор медицинских наук, профессор Э.С. Питкевич); профессор к...»

«ЛЕКЦИИ АЛКОГОЛЬНЫЙ ДЕЛИРИЙ: ФОРМЫ ДЕЛИРИЯ И ТЕРАПИЯ Гофман А.Г., д.м.н., профессор ФГБУ "Московский НИИ психиатрии" Минздрава России 107258, г. Москва, ул. Потешная, д. 3 E-mail: gofman27@list.ru Во второй части лекции, посвященной алкогольному делирию, подробн...»

«МИНИСТЕРСТВО ЗДРАВООХРАНЕНИЯ САМАРСКОЙ ОБЛАСТИ ПРИКАЗ от 17 марта 2014 г. N 10-н ОБ УТВЕРЖДЕНИИ АДМИНИСТРАТИВНОГО РЕГЛАМЕНТА МИНИСТЕРСТВА ЗДРАВООХРАНЕНИЯ САМАРСКОЙ ОБЛАСТИ ПО ПРЕДОСТАВЛЕНИЮ ГОСУДАРСТВЕННОЙ УСЛУГИ ОКАЗАНИЕ НАСЕЛЕНИЮ САМАРСКОЙ ОБЛАСТИ СКОРОЙ МЕДИЦИНСКОЙ ПОМОЩИ В МЕДИЦИНСКИХ ОРГАНИЗАЦИЯХ САМАРСКОЙ...»

«В.В. КОСАРЕВ, С.А. БАБАНОВ ПРОФЕССИОНАЛЬНЫЕ БОЛЕЗНИ УЧЕБНОЕ ПОСОБИЕ Рекомендовано Учебно-методическим объединением по медицинскому и фармацевтическому образованию вузов РФ в качестве учебного пособия для системы послевузовского образования врачей Москва ВУЗОВСКИЙ УЧЕБНИК ИНФРА-М УДК 613.62+616-057...»

«2015, № 4 ВОПРОСЫ РУССКОЙ ЛИТЕРАТУРЫ, УДК: 821.161.1:7.037.2 "НА МОТИВ ИЗ ВАГНЕРА": ДИАЛОГ ПАРТИТУРЫ И ПОЭТИЧЕСКОГО ВОПЛОЩЕНИЯ Шульдишова Алина Анатольевна, преподаватель кафедры русского языка Донецкого национального медицинского университета им. М. Горького, 83003, г. Донецк,...»

«Вісник ЛНУ імені Тараса Шевченка № 3 (286), 2014 QUEST which demonstrates causative relations between its sub-scenarios. The analysis of etymological parallels allows identifying the components of an elliptic textual program in the concept’s name...»

«Государственное бюджетное образовательное учреждение высшего профессионального образования "Оренбургская государственная медицинская академия" Министерства здравоохранения и социального развития Российской Федерации КАФЕД...»

«ргаШГ faoior.; УЧЕНЫЯ ЗАПИСКИ, II 3 Л Л II Л КМ м я жтжщътщ ттт КАЗЛНСКИМЪ УНИВЕРСИТЕТОМ!". / тЖ* \ -f*miowKn \ КНИЖКА I. РВДЙЙТОРЙВДШ КАЗАНЬ, 11 Л1II Е I 1 А ' Г О Р С К А Г О БЪ Т И П 0 1 Т А Ф 1 И 1САЗА11СИАГ0 УНИВЕРСИТЕТА. 1848. Пе...»

«Алексей Николаевич Кулаковский Расстаемся ненадолго (zmiy@inbox.ru), 14.04.2004 "Кулаковский А. Расстаемся ненадолго. Роман.": Мастацкая лiтаратура; Минск; 1977 Аннотация Книга посвящена событиям Великий Отечественной войны. Автор убедительно п...»

«ПРОФИЛАКТИКА НАРУШЕНИЙ ВЕНОЗНОГО КРОВОТОКА ОСНОВА СОХРАНЕНИЯ ЗДОРОВЬЯ в 21-м ВЕКЕ Одна из 3-х "главных" болезней цивилизации 1. Ситуация в развитых странах мира 1.1. Болезни, связанные...»

«ИНСТРУКЦИЯ по медицинскому применению препарата ФУЦИС ДТ Действующее вещество: fluconazole.Состав: 1 таблетка содержит флуконазола 50мг. Вспомогательные вещества: лактоза, целлюлоза микрокристаллическая, повидон КЗ0, тальк, магния стеарат, натрия кроскармеллоза, к...»

«МИНИСТЕРСТВО ЗДРАВООХРАНЕНИЯ И СОЦИАЛЬНОГО РАЗВИТИЯ ЧУВАШСКОЙ РЕСПУБЛИКИ Автономное учреждение Чувашской Республики "Институт усовершенствования врачей" УТВЕРЖДАЮ Ректор АУ Чувашии "Институт усовершенствования врачей"...»

«ИНСТРУКЦИЯ (информация для специалистов) по медицинскому применению препарата КАПРЕОСТАТ Регистрационный номер: Торговое название: КАПРЕОСТАТ МНИ: капреомицин Лекарственная форма: порошок для приготовления раствора для внутримышечного введения Состав: каждый ф...»

«ГБОУ ВПО "ОРЕНБУРГСКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ" МИНЗДРАВА РОССИИ ИНСТИТУТ ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ КАФЕДРА ПЕДИАТРИИ МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ по подготовке практического занятия: "Осложнения реанимационной помощи" (для преподавателей). 1. Модуль: Интенсивная терапия и реанимация новорожденных 2. Тема: О...»

«Министерство сельского хозяйства Российской Федерации Департамент научно-технологической политики и образования Федеральное бюджетное государственное образовательное учреждение высшего образования "Красноярский государственный аграрный университет" ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ПРЕДДИПЛОМНОЙ ПРАКТИКИ Институт Прикладной...»

«АНТИБАКТЕРИАЛЬНОЕ ЛЕЧЕНИЕ ТУБЕРКУЛЕЗА / ТАРТУСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Кафедра госпитальной терапии и туберкулеза АНТИБАКТЕРИАЛЬНОЕ ЛЕЧЕНИЕ ТУБЕРКУЛЕЗА Составитель Хейнарт Силласту ТАРТУ 1986 Утв...»

«УЧРЕЖДЕНИЕ ОБРАЗОВАНИЯ "ВИТЕБСКИЙ ГОСУДАРСТВЕННЫЙ ОРДЕНА ДРУЖБЫ НАРОДОВ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ" ШК B46M;54№s.9/-()63igi:ffoi/53) УДК 616.9-058.86-084 Л яховская Н аталья В ладимировна КЛИНИКО-ЭПИДЕМ ИОЛОГИЧЕСКАЯ ХАРАКТЕРИСТИКА И ОБОСНОВНИЕ ВЫ БОРА ТЕРАПИИ И ПРОФ ИЛАКТИКИ РОТАВИРУСНОЙ ИНФ ЕКЦ ИИ...»

«Факультет Ветеринарной медицины и технологии животноводства Специальность – 36.05.01 (111801.65) – Ветеринария; Направление – 36.03.01 (111900.62) – Ветеринарно-санитарная экспертиза, Профиль – Ветеринарно-санитарная экспертиза Дисциплины: 1. Эпизоотология 2. Терапия 1.Эпизоотология 1.Учение об инфекции. Понятие об инф...»

«КЛІНІЧНІ ВИПАДКИ УДК 616-053.31.-07:575.1 Недержание пигмента (Блоха – Сульцбергера синдром): случай из практики Л.А. Болотная Харьковская медицинская академия последипломного образования Резюме В статье приведены данные литературы и собственное клиническое наблюдение за новорожденным ребенком с редким генодерматозом – синдромом...»

«mini-doctor.com Инструкция Флуконазол капсулы по 100 мг №10 (10х1) ВНИМАНИЕ! Вся информация взята из открытых источников и предоставляется исключительно в ознакомительных целях. Флуконазол капсулы по 100 мг №10 (10х1) Действующ...»

«2 Михаил Афанасьевич Булгаков Записки юного врача Аннотация "Записки юного врача" – уникальный сборник рассказов Михаила Булгакова, который раскрывает важную, но не всем известную сторону жизни автора – молодого врача. Рассказы...»

«УДК 821.111-31(71) ББК 84(7Кан)-44 Л36 Deborah Levy HOT MILK Copyright © 2016, Deborah Levy. All rights reserved Фото автора © Sheila Burnett Перевод с английского Елены Петровой Художественное оформление Андрея Старикова Леви, Де...»








 
2017 www.kniga.lib-i.ru - «Бесплатная электронная библиотека - онлайн материалы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.