Файл: Кадыров, Х. К. Синтез математических моделей биологических и медицинских систем.pdf

чаемости заболевания. Однако этот вопрос представляет самостоя­ тельный интерес, и поэтому в данной работе мы его не рассматри­ ваем.

. Итак, в результате реализации последовательной процедуры

исключения мы получим окончательные (для [ = 0,15) наборы ин­ формационных признаков, имеющие разные длины по классам и остающиеся для характеристики объектов в изучаемой системе. Так, объекты I класса могут теперь описываться набором из 34 признаков, II класса — набором из 62, III — из 63 и IV — из 53 признаков. Причем эти наборы содержат признаки, имеющие до­ статочно большие значения р (/). Например, для рака желудка наиболее информативными оказываются следующие признакисимптомы: внезапное начало болезни, отсутствие промежутка меж­ ду обострениями, локальные боли, боли в эпигастральной области, боли через час после еды, дисфагия, рвота натощак и т. д. Для хро­ нического гипоацидного гастрита: отвращение к мясу, боли в эпи­ гастральной области, боли острые, дисфагия, рвота после еды и т. д. Для хронического гиперацидного гастрита (возраст свыше 60 лет): боли острые, дисфагия, рвота с примесью крови и т. д. Для яз­ венной болезни двенадцатиперстной кишки: отвращение к мясу, увеличение лимфоузлов, пальпируемая опухоль, видимая периста­ льтика желудка и т. д.

Здесь мы не приводим более подробного содержательного описа­ ния всех рассматриваемых признаков-симптомов. По-видимому, в этом нет никакой необходимости, так как при решении практиче­ ских задач признаковое пространство организуется, как правило, или на основании имеющихся конкретных статистических материа­ лов (например, историй болезни) или строится с помощью постанов­ ки ряда экспериментов по специальной форме, в которой, опять-та­ ки, учитывается специфика решаемой задачи.

Взаключение отметим следующее.

1.В отличие от задачи, этапы решения которой описаны вы­ ше, возможна постановка и такой задачи, в которой сокращение

признаков требуется проводить по всем классам одновременно, т. е. необходимо получить единый набор информативных признаков, характеризующих объекты всех классов.

В этом случае общая схема решения остается прежней. Отли­ чие лишь в том, что информационные веса р (і) необходимо вычис­ лять с учетом всех строк исходной таблицы, а значение функциона­

2. Если при помощи некоторой оптимизационной процедуры удается построить экстремальный (или локально-экстремальный) алгоритм вычисления оценок, описанный в гл. 4, то на всех эта­ пах решения задачи сокращения числа признаков необходимо

205

использовать именно этот алгоритм. В данном случае, очевидно, можно говорить об оптимальных информационных весах и оптимальной процедуре сокращения размерности признакового пространства рассматриваемой системы объектов.

7.Анализ информационных потоков

всистеме медицинского обслуживания

Постановка задачи. Для полного удовлетворения потребности на­ селения в медицинском обслуживании, а также для научного обо­ снования и определения потребности городского населения в спе­ циализированных видах медицинской помощи необходимо пред­ варительно изучить уровень и структуру заболеваемости. С целью изучения заболеваемости населения УзССР сотрудниками Ташкент­ ского государственного медицинского института, Ташкентского института усовершенствования врачей и ряда научно-исследователь­ ских институтов было проведено комплексное медицинское ис­ следование. Это исследование проводилось по методике Всесоюзно­ го научно-исследовательского института социальной гигиены и ор­ ганизации здравоохранения им. Н. А. Семашко с некоторыми кор­ рективами и дополнениями, вызванными местными условиями.

Экспериментальной базой был выбран город Андижан, который соответствует среднему стандарту по уровню заболеваемости, эко­ номическим и географическим условиям, возрастному и професси­ ональному составу городского населения.

Производился переучет 30 000 человек в семи эксперименталь­ ных участках на территории четырех поликлиник города. В лечеб­ но-профилактических учреждениях делалась выкопировка из ме­ дицинской документации по трем участкам, в которой были отраже­ ны данные обращаемости и повторной посещаемости лечебно­ профилактических учреждений, внесены данные о госпитализации и посещении лечебно-диагностических кабинетов. Все данные из разных лечебно-профилактических учреждений, относящиеся к од­ ному больному, собирались и записывались в карты заболевания это­ го больного. Полученные материалы давали полное представление об уровне, структуре, характере заболеваемости, качестве лечебной работы в течение обследуемого времени. Кроме того, они обогаща­ лись результатами работ комиссии медицинского осмотра и экспер­ тизы.

Итак, в результате научного обследования населения накоплен огромный медицинский материал, который мы разделили по воз­ растным группам, социальному составу и национальностям.

Уточнение объема и структуры заболеваемости — по нозоло­ гическим формам, а также по специальностям, данным посещае­ мости амбулаторно-поликлинических учреждений и госпитализа­ ции — представляет задачу громадной трудности.

Выполнение перечисленных работ невозможно без применения современных ЭЦВМ.

206

Метод, изложенный в гл. 2, позволяет решать такие задачи. Опишем результаты машинного анализа, проведенного с по­

мощью упомянутого метода. На основе разработанного и реализо­ ванного на ЭЦВМ алгоритма произведены все возможные статисти­ ческие обобщения накопленной медицинской информации и получе­ ны ценные научные результаты, привести которые из-за большого объема здесь не представляется возможным. Поэтому мы ограни­ чимся описанием результатов лишь по одной акушерско-гинеколо­ гической специальности. Однако подробное изложение результатов, касающихся этой специальности, также достаточно обширное, в связи с чем мы рассмотрим только основные положения.

Совместно с врачами-специалистами нами разработаны алгорит­ мы и стандартные программы, с помощью которых вычисляются все необходимые показатели, характеризующие потребность насе­ ления в специализированных видах медицинской помощи, и состав­ лены различные формы таблиц. Некоторые из этих таблиц с резуль­ татами машинной обработки информации приведены ниже.

Классификация болезней по обращаемости. Исследования по­ казали, что из 5664 женщин, обслуживаемых экспериментальными участками, 3607 обращались за медицинской помощью в лечебно­ профилактические учреждения. Из них в возрасте 15 лет было 101 человек, от 16 до 19 лет — 288, от 20 до 29 лет — 819, от 30 до 39

лет — 853, от 40 до 49 — 545, от 50 до 59 — 462, от 60 лет и старше —

539 человек. По социальному положению: рабочих — 589 человек,

Обращаемость при нормально и патологически протекающей беременности, родах и послеродовом периоде, а также после аборта и при заболеваниях составили 304,1 на 1000 женщин (табл. 27).

Сведения об обращаемости женщин по поводу искусственного и внебольничного аборта, а также по поводу новообразований рас­ сматриваются как отдельная нозологическая единица.

Все нозологические единицы нормального и патологического течения беременности, родов и послеродового периода и заболева­ ния женских половых органов (в основном изучены 22 вида заболе­ ваний) разделены на четыре группы. В первую группу включены три нозологические формы — патология беременности, родов и после­ родового периода, причем число патологических случаев беремен­ ности равно числу послеродовых заболеваний (маститов).

Во второй группе изучены четыре нозологические формы — нормальное течение беременности, родов и послеродового периода,

атакже состояние после медицинского аборта.

Втретьей группе изучено 12 нозологических форм, причем только хронические заболевания. Первое место в структуре заболе­ ваемости занимают воспалительные процессы придатков матки,

207

п о м о щ ь ю н а 1000 ч е л о в е к

208