автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка системы автоматизации диагностики и выбора тактики лечения больных на гемодиализе

ВВЕДЕНИЕ.

1. ПРИМЕНЕНИЕ МАТЕМАТИЧЕСКИХ МЕТОДОВ И КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ ДЛЯ ДИАГНОСТИКИ ОСЛОЖНЕНИЙ И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ БОЛЬНОГО С ТХПН, НАХОДЯЩЕГОСЯ НА ПРОГРАММНОМ ГЕМОДИАЛИЗЕ.

1.1 Применение информационных и компьютерных технологий в процессе лечения больных с ТХПН, находящихся на гемодиализе.

1.2 Использование математических методов для оценки состояния гомеостаза диализного больного.

1.3 Моделирование состояний больных, находящихся на гемодиализе.

1.4 Методы распознавания образов в диагностике больного, находящегося на гемодиализе.

ВЫВОДЫ К ПЕРВОЙ ГЛАВЕ.

2. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ РАЦИОНАЛИЗАЦИИ ДИАГНОСТИКИ ОСЛОЖНЕНИЙ И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ БОЛЬНЫХ С ТХПН, НАХОДЯЩИХСЯ НА ГЕМОДИАЛИЗЕ.

2.1 Классификация состояния диализного больного на основе кластерного анализа.

2.1.1 Методы распознавания образов на базе кластерного анализа.

2.1.2 Понятие сходства. Представление данных в кластерном анализе.

2.1.3 Метрика. Меры расстояния в кластерном анализе.

2.1.4 Основные методы кластерного анализа.

2.1.5 Применение кластерного анализа для автоматизированной диагностики состояний диализных больных.

2.2 Применение методов экспертного оценивания для минимизации списка признаков, описывающих состояние пациентов с терминальной стадией ХПН. анализ и проверка исходной статистической информации.

2.2.1 Основные понятия теории экспертного оценивания.

2.2.2 Определение относительных весов объектов. Групповые оценки относительных весов объектов.

ВЫВОДЫ КО ВТОРОЙ ГЛАВЕ.

3. СИНТЕЗ МОДЕЛИ СОСТОЯНИЯ ДИАЛИЗНОГО ПАЦИЕНТА.

3.1 Разработка программного инструментария.

3.2 Автоматизированная минимизация признакового пространства и анализ входных данных.

3.3 Формирование классификационной модели состояния больного и её верификация.

3.3.1 Классификация по полному перечню признаков.

3.3.2 Классификация по минимизированному перечню признаков.

3.3.3 Классификация по комбинированному признаковому пространству.

3.4. Прогнозирование состояния и оценка качества лечения диализных больных

3.4.1 Прогностическая модель течения заболевания у больного с терминальной стадией ХПН, находящегося на гемодиализе.

3.4.2 Регрессионная модель состояния диализного больного.

ВЫВОДЫ К ТРЕТЬЕЙ ГЛАВЕ.

4. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ РАЗРАБОТАННОГО МЕТОДА АВТОМАТИЗАЦИИ ДИАГНОСТИКИ И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ

БОЛЬНЫХ С ТХПН.

4.1 Оценка состояния диализного больного.

4.2. Апробация разработанной модели состояния диализного больного и автоматизированной системы диагностики и выбора лечебных мероприятий

4.3 Эффективность применения методики в клинических условиях.

ВЫВОДЫ К ЧЕТВЕРТОЙ ГЛАВЕ.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы. Одной из важнейших задач развития медицинских технологий является повышение качества лечения, увеличение эффективности используемых лечебных мероприятий, улучшение организации труда врачей и персонала. Кроме того, специфика экономического положения большинства отечественных лечебных учреждений налагает свой отпечаток на требования к использованию материальных ресурсов. Лечение должно быть максимально эффективным с точки зрения материальных затрат.

Современный уровень знаний в области системного анализа позволяет создавать достаточно эффективные инструменты для оптимизации процессов медицинской диагностики и лечения. Проблема автоматизации и оптимизации лечебных мероприятий очень актуальна, следовательно, необходима дальнейшая работа по внедрению высоких и компьютерных технологий в область практической медицины.

Опыт и профессионализм врача играют определяющую роль в процессе лечения того или иного заболевания. Однако для повышения эффективности лечения заболеваний и оптимального использования имеющихся материальных ресурсов необходимо создание автоматизированных систем, основанных на широком спектре современных математических и оптимизационных методов, теории систем и системного анализа.

Освещаемая проблема достаточно нетривиальна, так как описываемое заболевание (терминальная стадия хронической почечной недостаточности) относится к медленно протекающим хроническим недугам, оптимальное лечение которых представляется довольно сложной задачей. Объект исследования, т.е. процесс лечения диализного пациента, можно отнести к числу сложно моделируемых из-за большого количества неформализуемых случайных воздействий и факторов, влияющих на больного, поэтому в качестве базового метода для описания состояния пациента был выбран классификационный подход. Рассматриваются методы оптимизации исследования диализного больного, способы проверки и фильтрации исходной статистической информации, а также алгоритмы прогнозирования состояния пациента, находящегося на гемодиализе. Используемый методологический материал лег в основу модели рационального выбора и прогнозирования тактики лечения диализных больных.

Полученная методика была создана и апробирована на базе клинического материала отделения пересадки почки и хронического гемодиализа Воронежской областной клинической больницы.

Диссертационная работа выполнена в соответствии с межвузовской научно - технической программой «Перспективные информационные технологии в высшей школе» (ГБ 96.27, 1996 - 2000), а ее тематика соответствует одному из основных научных направлений Воронежского государственного технического университета «Биомедкибернетика, компьютеризация в медицине».

Целью диссертационного исследования является создание методики диагностики и оптимального выбора тактики лечения больных с терминальной стадией хронической почечной недостаточности (ТХПН), находящихся на гемодиализе, а также разработка способов прогнозирования осложнений, оценки качества лечения и выявления закономерностей развития рассматриваемого заболевания.

Для достижения поставленной цели необходимо решить следующие задачи:

1 - выбрать способы математического описания состояния пациента с учетом неоднородности соответствующих характеристик, как в процессе развития заболевания и его осложнений, так и в результате проводимого лечения;

2 - разработать принципы и механизмы отбора информационных сообщений с наиболее вероятным (наиболее типичным для данной ситуации) набором сведений;

3 - обосновать систему отбора признаков влияющих на диагностику и прогнозирование осложнений у больных с почечной недостаточностью;

4 - создать математическую модель, позволяющую на основе рационального минимума лабораторных показателей проводить адекватную диализную программу и медикаментозную коррекцию при лечении осложнений у больных с терминальной стадией хронической почечной недостаточностью находящихся на гемодиализе;

5 - провести верификацию эффективности модели;

6 - разработать методику автоматизированной диагностики и выбора тактики лечения на основе полученной модели состояния диализного пациента;

7 - изучить возможности создания прогностических моделей состояния больного, способов оценки качества проводимого лечения и выявления закономерностей в развитии заболевания.

Методы исследования. Для решения поставленной задачи использовались основные положения теории системного анализа, управления и обработки информации в биосистемах, метод кластерного анализа, математический аппарат экспертного оценивания. Для диагностики состояния пациента применяли метод классификации по минимизированному и комбинированному признаковым пространствам. Для построения прогностической модели использовались методы экстраполяции.

Научная новизна результатов, выводов и положений, полученных в диссертации. Предложена концепция рационализации и автоматизации диагностики осложнений и выбора тактики лечения у больных с хронической почечной недостаточностью, находящихся на программном гемодиализе.

Сформулированы основные принципы формирования обучающей выборки медико-биологических показателей, отличающиеся предварительной фильтрацией исходной информации с целью обеспечения достоверности модели.

Сформированы процедуры оптимизации признакового пространства, учитывающие требования минимизации информационной избыточности показателей при сохранении значимости параметрической системы, основанные на экспертном отборе классификационных признаков.

Получены модели состояний больного ТХПН, использующие принцип прецедентности, позволяющие определить характер течения заболевания по значениям исходных показателей.

Предложена прогностическая модель состояния диализного больного, а также способы оценки качества проводимого лечения и выявления тенденций развития заболевания.

Практическая значимость работы. Сформированы принципы и методы, позволяющие в максимально короткий срок и оптимальном объеме решить вопрос о тактике лечения больного с хронической почечной недостаточностью, находящегося на программном гемодиализе.

На базе обучающей выборки, полученной в результате исследования, сформирован и теоретически обоснован перечень оперативных показателей.

Разработанная модель применена для решения экспертных вопросов диагностики осложнения и выбора дифференцированной терапии у больных, находящихся на гемодиализе.

Модель диагностики и лечения осложнений у пациентов с ТХПН, получающих заместительную почечную (программный гемодиализ) и медикаментозную терапию, реализована в автоматизированной системе «DIAG». Автоматизированная система позволяет практическому врачу, занимающемуся лечением пациентов с ТХПН осуществлять постоянный мониторинг состояния больного с момента начала заместительной почечной терапии и в течение последующего многолетнего лечения.

Внедрение разработанных моделей и методов позволяет сократить время диагностики, максимально индивидуализировать программу лечения, проводить коррекцию осложнений на основании данных о состоянии пациента, избегать назначения малоэффективных препаратов и стандартных протоколов диализотерапии и в конечном итоге достичь максимального эффекта при значительном снижении трудоемкости и уменьшении финансовых затрат.

Реализация и внедрение результатов работы. Созданная структура автоматизированной системы медицинского прогнозирования, диагностики осложнений и выбора тактики лечения апробирована в отделении гемодиализа с трансплантацией почки Воронежской областной клинической больницы.

Материалы диссертации используются в учебном процессе кафедры анестезиологии и реаниматологии ФУВ ВГМА им. Н.Н.Бурденко при обучении слушателей, врачей-интернов, клинических ординаторов и межвузовской кафедры системного анализа и управления в медицинских и педагогических системах для студентов специальности 19.05.00 "Биотехнические и медицинские аппараты и системы".

Апробация работы. Основные положения диссертации докладывались и обсуждались на конференции молодых ученых Воронежской медицинской академии им. Н.Н.Бурденко (г. Воронеж, 1998, 1999, 2000 г.г.), 2-ой международной научно - практической конференции "Прогрессивные технологии в медицине" (г.Пенза, 1999 г.), международной научно-технической конференции "Системные проблемы качества, математического моделирования и информационных технологий" (г. Сочи, 1999 г.), международной конференции по биомедицинскому приборостроению "Биомедпром - 2000" (г. Москва, 2000 г.), международной научно-технической конференции "Системные проблемы качества, математического моделирования информационных технологий" (г. Сочи, 2000 г.), межрегиональной научно-практической конференции с международным участием "Терапия -2000" (г. Воронеж, 2000 г.), юбилейной научно - практической конференции "Актуальные проблемы медицинской реабилитации в клинике и санаторно-курортных учреждениях" (г. Воронеж, 2001 г.), на семинарах кафедры «Системы автоматизированного проектирования», и межвузовской кафедры «Компьютеризация и управление в медицинских системах».

Публикации. По материалам диссертационной работы опубликовано 20 печатных работ, в том числе 1 монография.

Структура и объем диссертации. Диссертационная работа состоит из введения, пяти глав, заключения, изложенных на 140 страницах машинописного текста, содержит 33 иллюстрации, 32 таблицы, 3 графика, списка литературы. В главе четыре приводятся клинические примеры проводимого исследования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Обосновано использование метода кластерного анализа для проведения автоматизированной диагностики состояний диализных больных, а также аппарата экспертного оценивания для сокращения перечня диагностических показателей.

2. Осуществлена верификация эффективности разработанной модели осложнений у больных на программном гемодиализе. По результатам апробации в клинических условиях получены оценки эффективности модели и обоснована их значимость для теоретической и практической медицины.

3. Полученную модель рекомендовано использовать в клинической практике отделений гемодиализа, что позволит на основе рационального минимума лабораторных показателей установить степень тяжести и особенности течения заболевания.

4. В качестве инструментария для практического диализного врача разработано программное обеспечение: автоматизированный комплекс диагностики и выбора тактики лечения диализных больных «DIAG», позволяющий автоматизировать большинство этапов диагностики и выбора лечебных мероприятий для больных с ТХПН на гемодиализе.

5. Разработана человеко-машинная процедура принятия решения при выборе протокола лечения пациента с терминальной стадией хронической почечной недостаточности, обеспечивающая сочетание научных знаний, практического опыта, экспертной информации с возможностями современной вычислительной техники, предназначенной для обработки информации, диагностики и выбора тактики лечения.

6. Проанализирована эффективность предлагаемой модели состояния диализного пациента и методики рационализации диагностики и выбора тактики лечения. Анализ контрольных групп на этапе применения модели для диагностики пациентов с априорно неизвестными особенностями течения заболевания показал высокую частоту развития предполагаемых осложнений, что подтверждает достоверность моделирования.

137

7. Выбранные на основе предлагаемой методики дифференцированные схемы лечения позволили, в большинстве случаев, достичь стабильного, без ярко выраженных нарушений состояния диализных больных.

8. Разработанная методика позволяет создать прогностические и регрессионные модели состояния больных, находящихся на гемодиализе.

ЗАКЛЮЧЕНИЕ

Необходимость повышения эффективности и оптимальности лечения больных с терминальной стадией хронической почечной недостаточности, находящихся на гемодиализе, обусловливает разработку и создание методов и программных средств, позволяющих оперативно оценивать состояние диализного больного, выявлять все нюансы развития заболевания, рационально выбирать тактику лечения, следить за течением заболевания и прогнозировать его развитие. Имеющаяся база вычислительной техники позволяет решать задачи диализной диагностики посредством построения модели состояния пациента, находящегося на гемодиализе.

Синтез модели проводится на основе теории распознавания образов. Данные, описывающие состояние пациента представляются в виде вектора признаков, характеризующего значения функциональных показателей. Анализу подвергаются объекты, представляющие собой формализованные описания состояния пациентов. Таким образом, процесс диализной диагностики является определением близости объектов к эталону, заданному экспертами данной предметной области - диализными врачами.

В качестве метода построения модели был выбран кластерный анализ, представляющий собой многомерную статистическую процедуру, смысл которой заключается в формировании групп (кластеров) похожих объектов, причем атрибутом группы является наблюдаемый вид осложнения течения хронической почечной недостаточности. Процесс постановки диагноза, основанный на описываемой модели напоминает логическую цепь экспертной диагностики, когда конкретные проявления заболевания у пациента сравниваются с имеющимися эмпирическими шаблонами.

Большое внимание уделялось создания способов подготовки исходных данных, которая включает проверку исходных данных на предмет ошибок и получение оптимального количества признаков, требуемых для проведения классификации. Здесь за основу был выбран аппарат теории экспертного оценивания. Эксперты, т.е. диализные врачи, с помощью метода парных сравнений ранжировали рассматриваемые признаки, после чего вычислялись их обобщенные весовые показатели, из сходного списка классификационных признаков отбирались имеющиеся веса, больше автоматически рассчитываемого порогового значения. Проверка входных данных также осуществлялась экспертами и заключалась в сканировании значений выборки для выявления показателей, не попадающих в заданный экспертами диапазон значений. Таким образом, была получена оптимизированная по количеству признаков и свободная от ошибочных значений обучающая выборка. Для учета возможности наличия нарушений нескольких видов было предложено использование так называемого комбинированного признакового пространства, представляющего собой набор признаковых пространств, описывающих каждое нарушение в отдельности.

Полученное признаковое пространство было проверено на предмет адекватности его использования для проведения классификаций диализных больных, для чего была проведена сравнительная оценка результатов классификаций объектов эталонной выборки на основе нескольких вариантов признаковых пространств. По результатам проведенной проверки была установлена целесообразность минимизированного признакового пространства для проведения диагностики состояния диализных больных. В отдельных случаях, когда результаты классификации не позволяют отнести пациента к одному из обозначенных классов состояний, дальнейшие исследования проводятся на основании комбинированного признакового пространства, являющегося модификацией минимизированного.

Разработанная модель легла в основу методики оперативной диагностики и выбора тактики лечения диализных больных. Было создано программное обеспечение, с помощью которого проводилась диагностика состояний пациентов с ТХПН, находящихся на гемодиализе. При внесении новых объектов в обучающую выборку, не наблюдалось ее заметных искажений и изменения результатов классификации, что говорит об устойчивости полученной модели.

На основе разработанной методики диагностики по комбинированному признаковому пространству предложена концепция создания прогностической модели состояния пациента, а также оценки качества проводимого лечения и выявления закономерностей в развитии заболевания.

Выбранная, на основе разработанного метода, тактика лечения позволила повысить его эффективность и обусловила более рациональное использование имеющихся материальных ресурсов. Отмечалось увеличение количества больных, у которых выросло качество жизнедеятельности и уровень комфорта. Выявлена тенденция нормализации значимых показателей, характеризующих состояние диализных пациентов.

На базе разработанной модели проводилась диагностика состояний пациентов, получающих программный гемодиализ в течение длительного времени. Постоянный динамический контроль позволяет выбирать программу лечения направленную на коррекцию выявленных нарушений. Анализ результатов в основной и контрольной группе показывает более высокую частоту осложнений у диализных больных в контрольной группе. Применяемые превентивные схемы лечения диализных осложнений, позволили значительно улучшить показатели физической реабилитации больных, оптимизировать процедуру гемодиализа, тем самым сделать возможным отказ от дополнительной медикаментозной терапии, что позволило снизить общую стоимость лечения пациентов с терминальной ХПН.

Полученные выводы подтверждаются значительным экономическим эффектом, полученным при внедрении данной модели диагностики и лечения в практику работы отделения трансплантации почки и гемодиализа Воронежской областной клинической больницы.

Из выше изложенного можно сделать вывод о целесообразности применения предложенной модели прогнозирования и диагностики осложнений у пациентов с ТХПН на программном гемодиализе. Разработанная модель может применяться в различных лечебных учреждениях, имеющих отделения гемодиализа. С учетом общей тенденций приближения специализированной медицинской помощи к жителям отдельных районов и создания диализных мест в районных лечебных учреждениях, можно рекомендовать предложенную модель к применению в практике подобных отделений. Возможно, это не только облегчит работу персонала этих отделений, но и позволит выработать единую тактику лечения этой сложной категории больных. Предлагаемая методика анализа состояния пациентов может применяться для дифференцированной диагностики в терапевтических и хирургических клиниках.

Безусловно, было бы неправильно считать, что предложенная модель позволит кардинально изменить результаты заместительной почечной терапии.

135

Тем не менее, можно надеяться, что данная работа внесет некую новую информацию, которая поможет обеспечить сочетание возможностей современного гемодиализа с высокотехнологичной программой лечения пациента ТХПН при использовании средств вычислительной техники.

1. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, 1974. 240с.

2. Айвазян С.А., Бухштабер В.М. Анализ данных, прикладная статистика и построение общей теории автоматической классификации// Методы анализа данных/ Пер. с фр. М.: Финансы и статистика, 1985. - Вступ. ст. - с. 5-22.

3. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. - 607с.

4. Александров В.В., Горский Н.Д. Алгоритмы и программы структурного метода обработки данных. Л.: Наука, - 1983, - 208с.

5. Анализ данных на ЭВМ. (На примере системы СИТО)/Александров В.В., Алексеев А.И., Горский Н.Д. М.: Финансы и статистика, 1990. - 192с.

6. Апросян Ю.Д. Алгоритм построения классов по матрице расстояний //Машинный перевод и прикладная лингвистика. Вып. 9.- М.: МГПИИЯ, 1966.-С.72-79.

7. Афифи А., Эзен С. Статистический анализ. Подход к использованием ЭВМ. -М.: Мир, 1982.-488 с.

8. Б.Болч, К.Дж. Хуань. Многомерные статистические методы для экономики/Пер. с англ. М.: Статистика, 1979. - 317с.

9. Бащинский С.Е. Статистика умеет много гитик// Международный журнал медицинской практики, 1998, № 4, с.13-15.

10. Бейли Н. Математика в биологии и медицине.- М.: Мир, 1970.

11. Беллман Р. Математические модели в медицине.- М.: Мир, 1987.

12. Браверман Э.М., Мучник И.Б. Структурные методы в обработке эмпирических данных. М.: Наука, 1983.

13. Бураковский В.И. Пятнадцатилетний опыт разработки и использования мониторно компьютерной технологии интенсивного лечения //В.И.Бураковский, В.И.Лещук, В.П.Керцман и др. Информатика в здравоохранении.-М., 1990.- С.3-4.

14. Вапник В.Н., Червоненкис А .Я. Теория распознавания образов. М.: Наука, 1973.-416с.

15. Вейр Б. Анализ генетических данных/ Пер. с англ. М.: Мир, 1995. - 400с.

16. Г.Стренг. Линейная алгебра и ее применения/Пер. с англ. М.: Мир, 1980. -454с.

17. Гильберт А. Как работать с матрицами/Пер. с нем. М.: Статистика, 1981. -157с.

18. Гохман О.Г. Экспертное оценивание: Учеб.пособие.-Воронеж: Изд-во ВГУ, 1991,-С. 12-78.

19. Гутер Р.С., Резниковский П.Т. Программирование и вычислительная математика -М.: Наука, 1971.- с.120-162.

20. Гутер Р.С., Овчинский Б.В. Элементы численного анализа и математической обработки результатов опыта, изд. 2-е, перераб. М.: Наука, 1970. - с.50-55

21. Дюк В.А. Компьютерная психодиагностика. СПб., изд-во "Братство", 1994. - 364с.

22. Дюран Б., Оделл П. Кластерный анализ. М.: Статистика, - 1977, - 128 с.

23. Елисеева И.И., Рукавишников В.О. Группировка, корреляция, распознавание образов: Статистические методы классификации и измерения связей. М.: Статистика, 1977. - 143с.

24. Енюков И.С. Методы, алгоритмы, программы многомерного статистического анализа: пакет ППСА. М.: Финансы и статистика, 1986. -232с.

25. Жаке Лагрез Э. Применение размытых отношений при оценке предпочтительности распределенных величин //Статистические модели и многокритериальные задачи принятия решений - М.: Статистика, 1979.- 184с.

26. Жамбю М. Иерархический кластер-анализ и соответствия: Пер. с фр. М.: Финансы и статистика, 1988. 342с.

27. Животовский Л.А. Популяционная генетика. М.: Наука, 1991. - 271с.

28. Загоруйко Н.Г., Елкина В.Н., Емельянов С.В., Лбов Г.С. Пакет прикладных программ ОТЭКС (для анализа данных). М.: Финансы и статистика, 1986. -160с.

29. Заде Л.А. Размытые множества и их применение в распозновании образов икластер-анализе //Классификация и кластер.- М.: Мир, 1980.- 394с.

30. Зацепина С.А., Львович Я.Е., Фролов М.В. Управление в биологических медицинских системах: Учебное пособие / Под ред. В.Н. Фролова.- Воронеж: ВГТУ, 1994.- 145с.

31. Ивахненко А.Г., Степашко И.К. Помехоустойчивость моделирования.-Киев: Наукова думка, 1971.- 416с.

32. Кайданов Л.З. Генетика популяций. М.: Высшая школа, 1996. - 320с.

33. Капекки В., Меллер Ф. Выявления информативных признаков и группировка //Математика в социологии.- М.: Мир, 1977.- С.301- 338.

34. Классификация и кластер. /Под ред. Дж. Вэн Райзина. М.: Мир, 1980, -390 с.

35. Клейнен Дж. Статистические методы в имитационном моделировании //Пер. с англ.- М.: Статистика, 1978.- 221с.

36. Клиот-Дашинский М.И. Алгебра матриц и векторов. Л.: Изд-во Ленинградского ун-та, 1974. 160с.

37. Количественные методы в исторических исследованиях/ Под ред. И.Д.Ковальченко. М.: Высшая школа, 1984. - 384с.

38. Кузнецов С.И. Инвариантное моделирование в медицине на базе кластерного анализа.-Воронеж: Из-во Воронежского государственного университета, 1997.-208 с.

39. Крылов В.И, Бобков В.В., Монастырный П.И. Вычислительные методы, т.1-М.:Наука, 1976.- с.49-55.

40. Леонов В.П. Обработка экспериментальных данных на программируемых микрокалькуляторах. /Под ред. Б.А.Гладких, Томск: ТГУ, - 1990, - 376 с.

41. Леонов В.П., Ижевский П.В. Об использовании прикладной статистики при подготовке диссертационных работ по медицинским и биологическим специальностям // Бюллетень ВАК РФ, 1997, № 5, с.56-61.

42. Леонов В.П., Ижевский П.В. Применение статистики в медицине и биологии: анализ публикаций 1990-1997гг.//Сибирский медицинский журнал, 1997, №3-4, с. 64-74.

43. Леонов В.П., Ижевский П.В. Применение статистики в статьях и диссертациях по медицине и биологии. Часть 1. Описание методов статистического анализа в статьях и диссертациях/Международный журнал медицинской практики, 1998, № 4, с.7-12.

44. Лисицын Ю.П., Изуткин A.M., Матюшин М.Ф. Медицина и гуманизм.- М.: Медицина, 1982- 185с.

45. Лорьер Ж.Л. Система искусственного интелекта: Пер с фр М.: Мир, 1990.- 378 с.

46. Львович Я.Е., Юрочкин А.Г., Чурюмов В.А. Микропроцессорные системы автоматизированного контроля производства СВТ.- СПб.: Политехника, 1992.-203с.

47. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика. 1988. - 176с.

48. Методы анализа данных: Подход, основанный на методе динамических сгущений: Пер. с фр./Кол. Авт. Под рук. Э.Дидэ; Под ред. И с предисл. С.А.Айвазяна и В.М.Бухштабера. М.: Финансы и статистика, 1985. - 357с.

49. Миркин Б.Г. Группировки в социально-экономических исследованиях. М.: Финансы и статистика.

50. Миронов Б.Н. История в цифрах. Математика в исторических исследованиях/Под ред. И.Д. Ковальченко. Ленинград, Наука, 1991. 167с.

51. Налимов В.В. Вероятностная модель языка. О соотношении естественных и искусственных языков. М.: Наука, 1979. 303с.

52. Овчаров O.K. Выборочный метод в санитарной статистике: Дис. д-ра мед. наук.- М., 1996.- 32с.

53. Патрик Э. Основы теории распознавания образов: Пер с англ./ Под ред. Б.Р.Левина. М.: Сов. Радио, 1980. - 408с.

54. Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа: Учеб. 2-е изд., доп. Томск: Изд-во НТЛ, 1997. - 396с.

55. Поллард Дж. Справочник по вычислительным методам: Пер. с англ. /Под ред. П.П.Пархоменко.- М.: Энергия, 1982.- 344 с.

56. Сильвестров Д.С. Программное обеспечение прикладной статистики: Обзор состояния. Тенденции развития. М.: Финансы и статистика, 1988. - 240с.

57. Справочник по теории вероятности и математической статистики // В.С.Королюк, Н.И.Портенко, А.В. Скороход.- М.: Наука, 185.- 640 с.

58. Статистические методы для ЭВМ/Под ред. К.Энслейна, Э.Рэлстона, Г.С.Уилфа: Пер с англ./Под ред. М.Б.Малютова. М.: Наука, 1986. - 464с.

59. Терентьев П.В. Метод корреляционных плеяд//Вестник ЛГУ. 1959ю - №9 - с.137-141.

60. Типология и классификация в социологических исследованиях. Отв. ред.

61. В.Г.Андреенков, Ю.Н.Толстова. М.: Наука, 1982 296с.

62. Факторный, дискриминантный и кластерный анализ: Пер с англ./Дж. -О.Ким, Ч.У.Мьюллер, У.Р.Клекка и др.; Под ред. И.С.Енюкова. М.: Финансы и статистика, 1989. - 215с.

63. Федоров-Давыдов Г.А. Статистические методы в археологии. М.: Высшая школа, 1987. -216с.

64. Фелингер А.Ф. Статистические алгоритмы в социологических исследованиях. Новосибирск, Наука, 1985. 208с.

65. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. - 264с.

66. Фукунага К. Введение в статистическую теорию распознавания образов/Пер. с англ. М.: Наука, 1979. - 367с.

67. Хартигэн Дж. Распределения в кластер-анализе //Классификация и кластер.- М.: Мир, 1980.- 392с.

68. Хемминг Р.В. Численные методы М.:Наука, 1968. - с.31-32

69. Хемометрика/ Шараф М.А, Иллмэн Д.Л., Ковальски Б.Р. Пер. С англ. Л., Химия, 1989. - 272с.

70. Эфрон Б. Нетрадиционные методы многомерного статистического анализа: Сб. статей: Пер. с англ./Предисловие Ю.П.Адлера, Ю.В.Кошевника. М.: Финансы и статистика, 1988. - 263с.

71. Czekanowcki, J. (1911) "Objectiv kriterien in der ethologie." Korrespondenz-blatt der Deutschen Gesellschaft fer Antropologie, Ethnologie, und Urgeschichte 42: 1-5

72. Sokal R. And P.Sneat (1963) Principles of Numerical Taxonomy. San Francisco: W.H.Freeman

73. Tryon R.C. Cluster Analysis. New York: McGraw-Hill. 1939.