Главная » 2014 » Август » 22 » Скачать Многомерное математико-статистическое моделирование сложных медицинских систем. Григорьев, Степан Григорьевич бесплатно
11:27 PM
Скачать Многомерное математико-статистическое моделирование сложных медицинских систем. Григорьев, Степан Григорьевич бесплатно
Многомерное математико-статистическое моделирование сложных медицинских систем
Диссертация
Автор: Григорьев, Степан Григорьевич
Название: Многомерное математико-статистическое моделирование сложных медицинских систем
Справка: Григорьев, Степан Григорьевич. Многомерное математико-статистическое моделирование сложных медицинских систем Москва, 2005 0 c. :
Объем: 0 стр.
Информация: Москва, 2005
Содержание:
ВВЕДЕНИЕ
ГЛАВА 1 МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ МЕДИЦИНСКИХ СИСТЕМ
11 Постановка проблемы
12 Математический аппарат многомерного анализа и моделирования сложных систем
13 Программные средства, применяемые для обработки данных научных исследований
ГЛАВА 2 КОНЦЕПЦИЯ И МЕТОДОЛОГИЯ СОБСТВЕННОГО ИССЛЕДОВАНИЯ
21 Принципы математико-статистической обработки данных
22 Задачи и методы математико-статистической обработки данных
ГЛАВА 3 ОПТИМИЗАЦИЯ ГРУППИРОВКИ ДАННЫХ МЕДИЦИНСКОГО ИССЛЕДОВАНИЯ МЕТОДОМ АНАЛИЗА СООТВЕТСТВИЙ
31 Роль и место оптимизации группировки признаков в медицинских исследованиях
32 Назначение и содержание метода анализа соответствия
33 Исследование связи между систолическим артериальным давлением у пострадавших с тяжелой черепно-мозговой травмой при поступлении в стационар и показателем жизненной активности при их убытии из стационара
ГЛАВА 4 МОДЕЛИРОВАНИЕ СИСТЕМ, ОПИСАННЫХ КАЧЕСТВЕННЫМИ ПРИЗНАКАМИ, МЕТОДОМ ЛОГЛИНЕЙНОГО АНАЛИЗА
41 Сущность, условия применения и задачи логлинейного анализа
42 Исследование связи показателя устойчивости результатов лечения с факторами, характеризующими социально-бытовые условия, на основе пятифакторной логлинейной модели
ГЛАВА 5 МОДЕЛИРОВАНИЕ ПРОГНОЗА ИСХОДА ТЯЖЕЛОЙ ЧЕРЕПНО-МОЗГОВОЙ ТРАВМЫ МЕТОДОМ ДИСКРИМИ-НАНТНОГО АНАЛИЗА
51 Материалы исследования
52 Сущность и условия применения дискриминантного анализа
53 Последовательность создания и эксплуатации модели прогноза ранних исходов ТЧМТ
ГЛАВА 6 МОДЕЛИРОВАНИЕ ПРОГНОЗА АЛЬТЕРНАТИВНОГО ИСХОДА МЕТОДОМ ЛОГИСТИЧЕСКОГО РЕГРЕССИОННОГО АНАЛИЗА
61 Материалы исследования
62 Назначение и содержание метода логистической регрессии
63 Прогнозирование вероятности сохранения годовой ремиссии больными героиновой наркоманией при психотерапевтическом лечении
ГЛАВА 7 РАЗРАБОТКА И СРАВНИТЕЛЬНАЯ ОЦЕНКА МОДЕЛЕЙ ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ АТАКСИЙ
71 Материалы исследования
72 Назначение и содержание метода деревьев классификации
73 Разработка математической модели дифференциальной диагностики атаксии
731 Разработка комплекса моделей прогноза вида атаксии методом дискриминантного анализа
732 Разработка комплекса моделей прогноза вида атаксии методом деревьев классификации
ГЛАВА 8 АНАЛИЗ И МОДЕЛИРОВАНИЕ ДЛИТЕЛЬНОСТИ РЕМИССИИ У БОЛЬНЫХ АЛКОГОЛИЗМОМ С ИСПОЛЬЗОВАНИЕМ МЕТОДА АНАЛИЗА ВРЕМЕНИ ЖИЗНИ
81 Материалы исследования
82 Назначение и содержание анализа времени жизни
83 Построение модели продолжительности ремиссии при лечении хронического алкоголизма
831 Статистические характеристики динамики продолжительности ремиссии
832 Оценка влияния различных факторов на длительность ремиссии
833 Построение модели прогноза длительности ремиссии в зависимости от факторов, влияющих на функцию сохранения состояния ремиссии
ГЛАВА 9 МОДЕЛИРОВАНИЕ УРОВНЯ ЗАБОЛЕВАЕМОСТИ ГЕПАТИТОМ МЕТОДАМИ АНАЛИЗА Д ИНАМИЧЕСКИХ РЯДОВ
91 Материалы исследования
92 Задачи и методы анализа динамических рядов
93 Изучение заболеваемости гепатитом и разработка ее модели
ГЛАВА 10 ИЗУЧЕНИЕ МЕХАНИЗМОВ ПСИХОТЕРАПЕВТИЧЕСКОГО ВОЗДЕЙСТВИЯ С ПОМОЩЬЮ ФАКТОРНОГО АНАЛИ
101 Материалы исследования
102 Назначение и содержание факторного анализа
103 Изучение механизмов психотерапевтического воздействия на больных героиновой наркоманией
Введение:
Актуальность темы. В настоящее время ценность и целесообразность применения математических методов в таких «не строгих» науках, как биология и медицина, уже не ставится под сомнение. Однако проблема состоит в том, что в большинстве случаев объекты медицинских исследований являются сложными медицинскими системами с множеством элементов в своем составе и связей между ними, определяющих внутреннюю структуру системы. Такие системы (объекты, процессы) формируются и функционируют под воздействием многочисленных изменчивых и взаимодействующих между собой факторов среды. Исследование таких систем отличается сбором значительного числа первичных «сырых» данных, не имеющих формы совершенной информации, и, тем более, не являющихся ни закономерностями, ни знаниями. Их анализ (традиционное «обсуждение») не возможен без предварительной многоаспектной обработки. Одним из направлений такой обработки является метод многомерного математико-статистического моделирования, под которым понимается преобразование первичных эмпирических данных о сложной системе в строгие математико-статистические объекты, которые и предстают моделями реальных сложных медицинских систем, подлежащими исследованию (Андерсон Т., 1963; Немчинов B.C., 1967; Адлер Ю.П., Маркова Е.В., Грановский Ю.В., 1976; Афифи А., Эйзен С., 1982; Айвазян С.А., Енюков И.С., Мешалкин Л.Д., 1983; Марчук, Г.И., 1991; Дюк В.А., 1997; Реброва О.Ю., 2002; Cattell R.B., 1966; Сох D.R., Oakes D, 1984; Greenacre M.J., 1988; Lim T.S., Loh W.Y., Shih Y.S, 1997). Это отвечает общепринятому определению моделирования как инструмента для изучения реальных или предпйишаамжу абънвчшгая многомерного математико-статистического моделирования предполагает применение метода многомерной статистики к медицинскому материалу, как к «сырью», предмету обработки, то его результаты - математико-статистические объекты - неизбежно приобретают статус медицинских показателей. Они формируются в результате интерпретации математико-статистических объектов с позиций содержания сложной медицинской системы, что составляет сущность одного из важных этапов моделирования медицинских систем (Бейли Н., 1970; Максимов Г.К., Сини-цын А.Н., 1983; Енюков И.С., 1986; Гублер Е.В., 1990; Марчук, Г.И., 1991; Дюк В.А., 1997; Генкин A.A., 1999; Максимова Т.Г., 2000; Клименко Н.Б., 2001; Максимов А.Г., Максимова Т.Г., Максимов Г.К., 2001; Абдулкеримов Х.Т., 2003; Cattell R.B., 1966; Сох D.R., Oakes D, 1984; Greenacre M.J., 1988; Lim T.S.).
В настоящее время для применения методов многомерного математи-ко-статистического моделирования имеются все основания. Разработана теория и практика адекватного кодирования медицинских данных. Современные технические и программные средства информатизации обеспечивают возможность создания электронно-читаемых баз данных в объемах, достаточных для получения достоверных результатов. Наличие соответствующих пакетов прикладных программ по математико-статистической обработке и анализу данных позволяют применять многомерные математические методы и процедуры специалистами предметных областей, далеких от фундаментальных знаний прикладной математики. Создаваемые на этой основе многомерные математико-статистические модели сложных медицинских систем позволяют перейти от интуитивных представлений врача о медицинских процессах и системах к математически обоснованному количественному анализу и моделированию.
Однако такая возможность используется недостаточно. Из анализа отчетов по научно-исследовательской работе, выполненных в Военно-медицинской академии, а также материалов кандидатских и докторских диссертаций, поступающих в фундаментальную библиотеку академии, следует, что только в 12,8% работ выводы базируются на многомерных методах обработки данных исследования, адекватных цели, задачам и материалам исследования. В 81,8% работ используются адекватные одномерные методы математико-статистического описания объектов исследования и доказательства статистической значимости различий производных величин (средних арифметических значений и частот) и законов распределения случайных величин. Несмотря на это, характер первичных данных большинства исследований предоставляет возможность использования более основательных и богатых в своем разнообразии многомерных методов математической статистики. Кроме того, 5,4% изученных нами работ содержат принципиальные ошибки в применении математико-статистического аппарата, который не является адекватным собранным данным, а, следовательно, и выводы в этих случаях не соответствуют действительности.
С учетом изложенного сформулированы объект, предмет, цель и задачи исследования.
Объект исследования - типовые медицинские системы изучения в избранных областях медицины, характеризующиеся множеством единичных признаков их состояния, с одной стороны, и адекватные для их описания многомерные математико-статистические методы, с другой.
Предмет исследования - методологические и технологические аспекты многомерного математико-статистического моделирования типовых медицинских систем: определение математико-статистических характеристик и показателей свойств системы, их интерпретация и анализ, выводы заключений о закономерностях поведения системы.
Цель исследования.
Разработка методологии, технологии (принципов, методик, алгоритмов) и научно-практических рекомендаций применения математико-статистических методов для моделирования сложных медицинских систем.
Задачи исследования.
1. На основе изучения исторических и методологических вопросов использования и применения количественных методов в биомедицинских, экономических и др. исследованиях, оценить круг современных многомерных математико-статистических методов анализа и моделирования и выявить те из них, которые наиболее адекватно описывают сложные медицинские системы.
2. Определить задачи медицинского исследования, решаемые с помощью многомерных математико-статистических методов, и круг практических приложений результатов многомерного математико-статистического моделирования сложных медицинских систем.
3. Обосновать и разработать принципы и алгоритмы математико-статистического моделирования и анализа сложных медицинских систем с использованием многомерных математико-статистических методов и программно-технических средств информатизации для технологической реализации методов.
4. Предложить критерии качества результатов математико-статистического моделирования сложных медицинских систем.
5. Провести апробацию технологических алгоритмов применения новейших многомерных методов математико-статистического моделирования и анализа сложных медицинских систем на типовых медицинских объектах и системах, изучаемых в различных областях медицины.
Научная новизна исследования.
Впервые обоснована и разработана технология математико-статистического моделирования и анализа сложных медицинских систем с помощью методов: анализа соответствий, логлинейного анализа, логистической регрессии, дискриминантного анализа, деревьев классификации, анализа выживания, анализа динамических рядов и факторного анализа.
Показано, что с помощью многомерных математико-статистических методов могут быть решены следующие задачи научного поиска в области медицины:
• оптимизация группировки признаков и сжатие информационного пространства явления, описываемого качественными признаками;
• уточнение известных и выявление новых предположений, касающихся количественных и качественных характеристик ведущих клинических симптомов и синдромов при патологических состояниях;
• определение перечня и веса клинических признаков, которые могли бы быть использованы для дифференциальной диагностики однородных или близких по характеру течения патологических процессов;
• определение качества связи исходов заболевания с различными симптомами и синдромами, а также со схемами и стандартами лечения; определение степени зависимости длительности жизни, лечения, реабилитации, ремиссии от определяющих их признаков;
• вскрытие внутренней факторной структуры изучаемого биомедицинского процесса и механизмов ее изменения.
Обосновано утверждение, что основным показанием к применению методов многомерного математико-статистического анализа и моделирования медицинских систем и процессов является адекватность модели изучаемой медицинской системе.
Разработаны методы сравнительной оценки статистической значимости и информационной способности математических моделей медицинских систем, построенных с помощью различных математико-статистических методов.
Предложены алгоритмы формирования последовательности этапов ма-тематико-статистической обработки и анализа данных исследования сложных медицинских объектов и построения их многомерных моделей.
Предложены критерии качества результатов математико-статистического моделирования сложных медицинских систем.
Практическая значимость исследования.
Результаты работы используются в практическом здравоохранении, в учебном процессе и в научной работе ряда медицинских ВУЗов и НИИ.
Разработанная и апробированная технология моделирования сложных медицинских систем может быть применена в различных отраслях медицины, в том числе и в военной, для решения следующих задач:
• снижение размерности, оптимизация группировки и изучение связи категорированных признаков;
• создание классификационных моделей и изучение степени влияния признаков, включенных в модель, на качество классификации;
• моделирование вероятности наступления альтернативного исхода и оценка влияния дихотомических предиктных признаков на увеличение шанса или риска наступления прогнозируемого исхода;
• изучение динамических характеристик и моделирование функции пребывания объектов в интересующем исследователя состоянии;
• моделирование динамики эпидемических процессов;
• снижение размерности многомерного объекта исследования и вскрытие механизмов динамики его внутренней структуры.
Предложенные технология и алгоритмы разработки математико-статистических моделей сложных медицинских систем могут быть использованы при создании автоматизированных систем мониторинга, диагностики и прогноза состояния сложных медицинских систем, а также в развитии теории и практики доказательной медицины.
Основные положения, выносимые на защиту.
1. Основным условием широкого применения многомерных методов математико-статистического анализа и моделирования сложных медицинских систем является наличие соответствующей инфраструктуры информатизации, включающей состав, структуру и уровень интерфейса пакетов прикладных программ по статистическому анализу результатов исследования и развитие технических средств информатизации.
2. Предложенная технология многомерного математико-статистического анализа и моделирования сложных медицинских систем может включать следующие методы: анализ соответствий для разведочного анализа, сжатия первичной информации, оптимизации группировок качественных признаков и изучения связи между ними; логлинейный, дискрими-нантный, логистический регрессионный анализ для построения моделей классификации; метод деревьев классификации, как альтернатива другим классификационным методам в случае их низкой эффективности; анализ выживаемости в моделировании данных времени пребывания объекта в интересующем исследователя состоянии, основными особенностями которых являются возможная неполнота данных и несоответствие их распределения нормальному закону; анализ временных рядов, возможности которого значительно расширены программными и техническими средствами информатизации; факторный анализ с целью вскрытия механизмов динамики биомедицинских явлений и др.
3. Разработанный универсальный алгоритм технологии многомерного математико-статистического анализа и моделирования сложных медицинских объектов обеспечивается решением следующих задач медицинских исследований: создание общей концепции моделирования; информационно-логическое моделирование на вербальном уровне; селекция математико-статистической модели; верификация модели; создание эксплуатационного прототипа модели; эксплуатация модели. Названные процедуры инвариантны цели, задачам исследования и характеру данных конкретной области медицины.
4. Общими критериями качества многомерных математико-статистических моделей сложных медицинских систем являются: статистическая значимость модели - не менее 95%; информационная или классификационная способность модели - не менее 70%; уровень значимости пре-диктных признаков, включенных в модель, не меньше 70%; соответствие распределения остатков (разности наблюдавшихся и прогнозируемых значений изучаемого признака) нормальному закону; допустимый уровень ошибок прогноза; возможность применения и интерпретации модели специалистом предметной области и массовой реализации модели.
Реализация работы.
Основные результаты исследования используются в учебной и научной работе кафедр и научных лабораторий ВМедА, в научной и практической работе Российского нейрохирургического института им.проф.А.Л.Поленова, НИИ детских инфекций, ЛОРНИИ. Они реализованы в методических рекомендациях «Прогнозирование ранних исходов тяжелой черепно-мозговой травмы» и ряде учебно-методических пособий: «Пакет прикладных программ STATGRAFICS на персональном компьютере», «Многомерные методы статистического анализа категорированных данных медицинских исследований», «Контрольные задания по применению вычислительной техники и ма-тематико-статистических методов для анализа результатов медицинских исследований», «Применение теории планирования эксперимента в медицинских исследованиях (включая персональный компьютер и пакет статистических программ Statistica for Windows)», «Математико-статистическая обработка данных медицинских исследований», Получены 2 приоритетные справки на изобретения.
Апробация работы.
Результаты исследования доложены: на Межвузовский конференции "Безопасность полетов и человеческий фактор", СПб, 1998; на Всеармейской научной конференции, посвященной 200-летию Военно-медицинской академии "Проблемы управления медицинской службой в вооруженных конфликтах и локальных войнах", СПб, 1998; на Всероссийской конференции "Медицинская информатика накануне 21 века", СПб, 1999; на Всероссийской конференции "Военная наука и образование городу", СПб, 1999; на Юбилейной научно-практической конференции "Военно-морская и радиационная гигиена: итоги, достижения и перспективы развития", СПб, ВМедА, 2000; на Международной научно-практической конференции «Актуальные проблемы коррекционной психологии, медицины, педагогики», СПб, 2001; на IV Международном симпозиуме "Современные минимально-инвазивные технологии", СПб, 2001; на научно-практической конференции с международным участием "Превенция и реабилитация в психологии, медицине и педагогике, СПб, 2002.