автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Автоматизированная система комплексного мониторинга факторов риска хронических неинфекционных заболеваний

На правах рукописи

правахр^ь

(т?4

НАСОНОВА НИНА ВЛАДИМИРОВНА

АВТОМАТИЗИРОВАННАЯ СИСТЕМА КОМПЛЕКСНОГО

МОНИТОРИНГА ФАКТОРОВ РИСКА ХРОНИЧЕСКИХ НЕИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ

Специальность:

05.11.17 - приборы, системы и изделия медицинского назначения

Автореферат диссертации на соискание ученой степени кандидата технических наук

Новосибирск - 2006

Работа выполнена в: ГОУ ВПО «Новосибирский Государственный Технический Университет», ГУ научно-исследовательский институт терапии Сибирского отделения Российской академии медицинских наук

Защита диссертации состоится "28" ноября 2006 г. в 14 часов на заседании диссертационного совета Д 212.173.08 в Новосибирском Государственном Техническом Университете по адресу: 630092, г. Новосибирск, ул. Карла Маркса, 20.

С диссертацией можно ознакомиться в библиотеке Новосибирского Государственного Технического Университета

Научный Заслуженный работник ВШ РФ,

руководитель: доктор технических наук, профессор,

Губарев Василий Васильевич Официальные Доктор технических наук, доцент, оппоненты: Лисицына Лилия Ивановна;

Доктор технических наук, профессор; Голышев Николай Васильевич

Ведущая Алтайский Государственный Технический

организация: Университет

Автореферат разослан

н

октября 2006 г.

Ученый секретарь диссертационного совета, кандидат технических наук

А

Полубинский В.Л.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования

Одной из самых больших опасностей для здоровья человека является растущее бремя неинфекционных заболеваний (НИЗ), в частности хронических (ХНИЗ). Осознание этой угрозы привело Всемирную организацию здравоохранения (ВОЗ) к повышению приоритетности программ по профилактике, контролю и мониторингу распространения НИЗ (Бонита Р., де Куэртен М., Дуайер Т. и др., 2001). Как указывают авторы, основой профилактики НИЗ является определение наиболее существенных факторов риска (ФР), их профилактика и контроль. С точки зрения первичной профилактики ФР, инструментом предотвращения заболеваний может стать мониторинг основных факторов риска. Здесь под ФР понимается явление, влияние или воздействие на человека, которое повышает вероятность возникновения у него НИЗ.

При этом для мониторинга в соответствующем регионе выбираются такие ФР, которые: оказывают наибольшее воздействие на показатели заболеваемости и смертности в этом регионе; являются модифицируемыми, т.е поддаются воздействию эффективных мер профилактики; дали положительный опыт по изучению и контролю; дают возможность получения данных с соблюдением соответствующих этических норм (Assmann G. et а!., 1998; Wood D. et al., 1998; Grundy S.M. et al., 2000; Бонита P. и др., 2001;). Следует иметь в виду следующее. Во-первых, анализ факторов риска и данных по здоровью населения помогает определить возможность распространения конкретного заболевания, но не позволяет напрямую предсказать состояние здоровья отдельного индивидуума. Во-вторых, в настоящее время главной стратегией реализации мониторинга и контроля НИЗ, рекомендуемой ВОЗ, является разработка и предоставление стандартных методик и инструментов, позволяющих странам укреплять и развивать возможность контроля и снижения риска НИЗ. В-третьих, ВОЗ рекомендует и дальше применять для мониторинга данные, полученные в разных измерительных шкалах. Все это привело к необходимости решения научно-технической задачи разработки средств автоматизации технологии сбора, обработки и анализа разнородных данных, пригодных для подобного мониторинга.

Хотя в литературе много внимания уделяется вопросам медицинского мониторинга, не удалось найти ни одной публикации, в которой была бы описана действующая автоматизированная (т.е. допускающая участие человека в контуре принятия решения) система комплексного мониторинга (АСКМ) ФР ХНИЗ. Это косвенно следует из стратегической задачи ВОЗ, ориентированной на реализацию принципа интегрированного системного подхода к мониторингу ФР ХНИЗ, а также подчеркивается и ведущими специалистами нашей страны (Оганов Р.Г., Масленникова ГЛ., 2000; Чазов Е.И., 2000; Маркес П., 2005). Одной из причин этого являются трудности формализации обработки данных в задачах мониторинга ФР ХНИЗ. Другими причинами являются отсутствие необходимой технологии мониторинга подготовки и принятия решений, соответствующего модельного обеспечения и нерешенность вопросов интерпретации результатов обработки разнородных данных в этой области медицины.

Поэтому был сделан вывод о необходимости разработки такой АСКМ ФР ХНИЗ, которая позволит проводить сбор и осуществлять контроль качества данных, их обработку и анализ, подготовку и принятие решения по ним, в том числе управленческих, как на исследуемой популяции, так и конкретного пациента с учетом свойств исходных данных и знаний об особенностях проявления и продолжительности воздействия ФР. Таким образом разработка и внедрение АСКМ, реализующей обработку и хранение разнородной информации данных мониторинга ФР ХНИЗ в популяции и у конкретного человека, является актуальной.

Цель исследования. Разработка основ построения и создание АСКМ ФР ХНИЗ для выявления, прогнозирования развития заболеваний и подготовки управленческих решений по их предупреждению и ослаблению на популяцион-ном и индивидуальном уровнях.

Задачи исследования:

1. Дать постановку задачи мониторинга ФР ХНИЗ с учетом выявленных особенностей сбора, контроля, обработки и применения данных и знаний о ФР.

2.Разработать структуру АСКМ ФР ХНИЗ.

3.Разработать компьютерную технологию подготовки и принятия решений по выявлению значимых ФР ХНИЗ, прогнозированию развития заболеваний и подготовки управленческих решений, направленных на предотвращение развития заболеваний.

4.Разработать и апробировать стартовый вариант системы мониторинга.

Методы исследования. Результаты исследования получены на базе использования аппарата теории вероятностей и математической статистики, теории классификации и экспертных систем, теории принятия решений, интеллектуального анализа данных и вариативного моделирования.

Научная новизна полученных результатов заключается в следующем:

1. Разработан 5-ти этапный технологический процесс автоматизации мониторинга ФР ХНИЗ, учитывающий особенности данных и знаний о состоянии факторов риска и ХНИЗ, допускающий автоматизацию их анализа и принятия решений по ним.

2. Разработана структура типовой АСКМ ФР ХНИЗ.

3. На основе вариативного моделирования построены модели, включая шкалы интегральной оценки суммарного риска развития ХНИЗ в популяции, ориентированные на выявление значимых ФР основных ХНИЗ, диагностику состояния пациента, подготовку управленческих решений и прогноз заболеваний.

4. Разработана интеллектуальная система автоматизированного комплексного мониторинга ФР ХНИЗ, позволяющая осуществлять их раннее выявление и вырабатывать рекомендации на основании разнородных диагностических данных для снижения заболеваемости у взрослого населения.

Практическая ценность результатов работы. На базе предложенных методов создана АСКМ ФР ХНИЗ, обеспечивающая выполнение количественной оценки здоровья как популяции, так и отдельного человека. Применение вариативного моделирования позволяет с новых системных позиций подойти к мониторингу ФР ХНИЗ и изучению патологических процессов, проистекающих в организме человека.' На основе предложенных подходов разработаны модели и ал-

горитмы, которые были использованы при проведении научных исследований, выполняемых государственным учреждением научно-исследовательским институтом терапии (ГУ НИИТ) СО РАМН. Выработанные применительно к обработке разнородных диагностических данных методы позволяют в ходе автоматизированной обработки данных активно включать врача в процесс формирования диагностического решения. На основе результатов получены выводы, позволившие подготовить практические рекомендации для врачей. Созданный программный комплекс прошел апробацию и внедрен в эксплуатацию в Центре "Наука для здоровья" ГУ НИИТ СО РАМН (автоматизированные рабочие места кардиолога и диетолога), а также в учебном процессе преподавания курсов "Физиология питания" и "Основы здорового питания" в СибУПК. Применение разработанного модельного, алгоритмического и программного обеспечения подтверждается соответствующими документами.

Достоверность научных положений, выводов и рекомендаций подтверждаются обоснованной постановкой теоретических задач, положительными результатами исследований» апробации и внедрения действующей системы мониторинга в реальных условиях.

Основные научные положения» выносимые на защиту:

1. Структура типовой АСКМ ФР ХНИЗ.

2. Технологический процесс мониторинга, учитывающий особенности данных и знаний о ФР ХНИЗ, их анализа и принятия решений по ним.

3. Модели для принятия решений по выявлению значимых ФР основных ХНИЗ, полученные на основе вариативного моделировании, и принятия управленческих решений, включая шкалы интегральной оценки суммарного риска развития ХНИЗ в популяции и прогнозов заболеваний.

4. Авторская система «Мониторинг здоровья индивидуума» (её структура и результаты апробации).

Апробация работы. Результаты работы и ее основные положения докладывались и обсуждались на научных конференциях с международным участием "Актуальные вопросы профилактики неинфекционных заболеваний" (Москва, 1995 и 1999 гг.), VII и XII научно-практических конференциях врачей "Актуальные вопросы современной медицины" (Новосибирск, 1997 и 2002 гг), "Актуальные проблемы заболеваний терапевтического профиля в Сибири" (Новосибирск, 2002 г), VI и VII Русско-Корейских международных симпозиумах по науке и технике KORUS'2002 (Новосибирск) и KORUS'2003 (Ульсан, Ю. Корея), на Третьей Международной научно-технической конференции "Измерение, контроль, информатизация" (Барнаул, АГТУ, 2002 г.); на I Съезде терапевтов Сибири и Дальнего Востока (Новосибирск, 2005 г.), на научных семинарах кафедры Вычислительной техники Новосибирского государственного технического университета и научных семинарах НИИ института терапии СО РАМН.

Связь темы исследований с планами и программами НИР. Диссертационное исследование явилось частью научно-исследовательских работ в рамках следующих проектов:

1. Госбюджетная НИР, тема 030: "Изучить связь традиционных и некоторых новых ФР ХНИЗ с парадоксальными тенденциями общей смертности населения

Сибири в период экономического кризиса, разработать методы их первичной и вторичной профилактики на региональном уровне. № 0199.003338,030, 1999-2001 гг. (руководитель акад. РАМН Никитин Ю.П.).

2. Грант РФФИ "Новые методы оценки риска развития сердечно-сосудистых осложнений у больных артериальной гипертонией в Сибири", № 03-06-004853, 2003-2004 гг (руководитель д.м.н., профессор Симонова Г.И.).

3. Грант РФФИ в области инженерных наук "Разработка концептуальных основ построения и создания стартового варианта медицинской системы поддержки принятия решений", № 05-08-49970а, 2005-2006 гг. (руководитель д.т.н., профессор Губарев В.В.).

Личный вклад автора. Все выносимые на защиту результаты получены автором лично. Экспериментальные исследования и сбор материала проводились в ГУ НИИТ СО РАМН при участии автора. В работах, опубликованных в соавторстве, автором сформулирована постановка задачи, предложены основные идеи решения, все необходимые исследования проведены при непосредственном участии автора.

Публикации. Всего опубликовано 24 научных работы, в том числе по теме диссертационной работы - 16: из них 3 работы - в ведущих научных журналах, рекомендованных ВАК РФ; 4 статьи и 9 материалов конференций - в сборниках научных трудов (из них—2 в зарубежной печати).

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения и списка литературы из 126 наименований, содержит 149 страницы основного текста, 28 рисунков, 41 таблицы и приложение*.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснованы актуальность, сформулированы цель и задачи исследования, её научная новизна, изложены выносимые на защиту положения, описана научная и практическая значимость работы,

В первой главе диссертации рассматриваются особенности используемых для мониторинга данных с точки зрения автоматизации их обработки, анализа и принятия решений по ним, специфики технологий принятия врачебных и управленческих решений, а также реализации полученных знаний для решения последующих задач как на исследуемой популяции, так и у конкретного пациента для различных потребителей. Формулируется задача разработки соответствующего технологического процесса подготовки и принятия решений мониторинга; структуры АСКМ; необходимых формализованных методов (процедур), допускающих автоматизацию обработки и анализа данных, а также подготовки решений на всех этапах технологического процесса мониторинга для выбранных ФР ХНИЗ.

Под АСКМ ФР ХНИЗ будем понимать информационную систему, предназначенную для автоматизации непрерывного оперативного слежения за текущим состоянием и изменениями факторов риска; во-первых, нескольких ХНИЗ; ео-

* Автор выражает благодарность сотрудникам государственного учреждения научно-исследовательского института терапии СО РАМН - академику РАМН Ю.П, Никитину, профессору, д.м.к. Г,И. Симоновой, профессору, д.м.н. С.К. Малютиной за консультационную помощь.

вторых, населения и индивидуума; в-третьих, принятия врачебных и управленческих решений; в-четвертых, прогнозирования и анализа последствий их реализации. При этом подразумевается, что система должна быть ориентирована на подготовку стратегических, тактических и оперативных решений, направленных на устранение или уменьшение негативных последствий влияния ФР на ХНИЗ в условиях минимизации требуемых для этого ресурсных затрат.

Обращаем внимание на отличие такой трактовки медицинского мониторинга от традиционного, где под мониторингом понимается, в основном, сбор данных и оценка факторов риска. Именно добавление задач мониторинга нескольких ХНИЗ населения и индивидуума, принятия врачебных и управленческих решений, прогнозирования последствий принятия (или непринятия) решений и итогов реализации решений делает мониторинг комплексным, в большей степени соответствующим системному подходу.

Анализ специальных литературных источников и реальной практики позволили систематизировать следующие особенности медицинских данных, касающихся ФР ХНИЗ; многофакторность - зависимость состояния объекта (здоровья населения и отдельного индивидуума/пациента/) от многих по-разному влияющих на разные заболевания факторов как напрямую, так и в их сочетании; вариабельность - биологическую вариацию данных индивидуума из-за сезонности, региона, возраста, а также условий сбора и технологий их получения; ограничение точности измерения — обусловленной неидеальностью измерительных приборов, условий проведения экспериментов, человеческим фактором; разнотипность -измерение данных в разных шкалах. Из специфики технологий принятия решений выделим: вынужденность принимать решения в условиях отсутствия целостной системной модели объекта и происходящих в нем процессов; отсутствие алгоритмически формализуемых методик принятия решений; зачастую невозможность получения необходимых дополнительных количественных данных из-за отсутствия средств и оборудования; недоступность услуг специалистов соответствующей квалификации для оперативного использования (особенно в массовых исследованиях); сложность формирования баз знаний, в частности из-за сложности извлечения знаний от экспертов - высококвалифицированных специалистов.

В качестве исходных данных мониторинга (ДМ) используется множество измеренных в разных шкалах разнородных данных, характеризующих предшествующие и текущие состояния факторов риска ХНИЗ и состояния здоровья населения региона (например, г. Новосибирска), существующие методики и технологии принятия диагностических и управленческих решений, принятые показатели качества медицинской диагностики. В нашем случае в качестве исходного материала использовались данные популяционных исследований (ВОЗ «MONICA»') на N=8946 лиц, сформированные на базе репрезентативной выборки. У каждого из лиц, наблюдающихся в течение 15 лет, были получены данные по характеристикам. По окончании периода наблюдения лица, у которых произошло фатальное событие, были проанализированы по структуре смертности. Подтвердился факт значимости ХНИЗ для

* монитерирование тенденций заболеваемости и смертности от сердечно-сосудистых заболеваний и факторов их определяющих), принципиальный исследователь - акад. РАМН Никитин Ю.П.. ГУ НИИТ СО РаМН

региона (смертность от злокачественных новообразований (ЗНО) была у 413 чел.» от сердечно-сосудистых заболеваний (ССЗ) у 720 чел. для исследуемой группы населения). Остальные были отнесены при разработке АСКМ к 3-ей группе лиц, условно называемой далее «здоровые». .

Исходя из особенностей ДМ и принятия диагностических (ДР) и управленческих (УР) решений о ФР ХНИЗ, сделан вывод о необходимости разработки такой АСКМ, которая позволит проводить сбор, регулярный контроль качества данных, обработку и анализ разнородных ДМ и принятия решения по ним, а также выработку необходимых УР как на исследуемой популяции, так и у конкретного пациента. В качестве одного из способов её решения предложена обобщенная формальная постановка задачи и технологии мониторинга, состоящая из 5-ти этапной схемы принятия ДР и УР, а также учёта и анализа последствий реализации УР по ним. Для решения поставленной задачи необходимо создать: соответствующий технологический процесс подготовки и принятия ДР и УР мониторинга ФР ХНИЗ, необходимое модельное и алгоритмическое обеспечение, критерии оценки качества используемых моделей, структуру АСКМ ФР ХНИЗ.

Во второй главе диссертации, разработана технология работы АСКМ ФР ХНИЗ и проведено исследование применимости алгоритмов и методов вариативного моделирования для разработки модельного и алгоритмического обеспечения поставленной задачи, предложены критерии качества используемых моделей.

При анализе технологий принятия медицинских решений, используемых в автоматизированных системах диагностики для решения задач в других областях медицины, было выяснено, что в них, как правило, реализованы 2-4-х этапные технологии принятия решений. Технология принятия ДР и УР, а также учет реализации УР при мониторинге ФР ХНИЗ, переработана с учетом особенностей ДМ и принятия решений по ним на основе вариативного моделирования в его вероятностно-статистическом варианте. . -. .

Схема основных этапов предлагаемого технологического процесса (ТП) комплексного мониторинга представлена на рис. 1. Данный ТП позволяет учитывать специфические особенности ДМ и принятия решений по ним. Первая особенность предлагаемого ТП - это совмещение мониторинга ФР заболеваний для населения и индивидуумов по совокупности заболеваний и допустимость включения на каждом этапе экспертов. Предложенный ТП состоит из 5 этапов, что является его второй отличительной чертой. Он содержит оригинальный этап подготовки, мониторинга реализации и анализ последствий реализации управляющих решений, включенных в обратную связь ТП

. На 1 -м этапе формируются параметры задачи мониторинга 2={ Хх » Ху, где: Zx - исходные данные мониторинга (ДМ), на основании которых будет осуществлен мониторинг состояния объекта; Ху - методы преобразования ДМ в диагностические признаки (ДП), на базе которых формируются множество частных (риск-факторов) и интегральных показателей оценки состояния объекта (у нас, как будет сказано далее, это <1,Ти р); 2т - структура мониторинга, т.е. наличие, период воздействия и степень выраженности ФР. На момент создания и настройки нашей системы мониторинга N=8946 чел., ш=500, время наблюдения лиц - 15 лет. Для практической апробации предлагаемых решений в дальнейшем выбраны*

ССЗ и ЗНО, поскольку эти два заболевания являются самыми многочисленными по структуре смертности в популяции.

Эта^'И Уровень планирования ;

ччч

V V

3 ! Г. Г

Модели сбора данных мониторинга (ДМ)

т

?вень с

Формирование множества параметров задачи мониторинга X— г*, популяции или индивидуума

~—„ -,-г-. — т-.-т^^-.^. — т ---

Сбор, контроль качества, отбор, струк-! — туризация, накопление, хранение дан-'!:!!!'и ных, формирование множества ДМ

'I ¡•.'■¿ЛГ'- ! ■'.'»1; >: 1:;:!: 4".:; •: 1:1: (

Модели обработки ДМ

Обработка ДМ и преобразование их в д и а гн ости чески е п р из н а ки (Д П)

Этап 3; Уровень обработки

Модели анализа ПМ

* Анализ и интерпретация значений ДП

Этап 4:' Уровень

анализа иприняк тия ' |

Модели использования информации

Распознавание состояний объектов и выбор ДР

Принятие диагностических решений -,------- ■--Т-

Прогноэ последствий по ДР и УР Принятие управленческих решений

• - — ^ ч

1;'Этал 5: Уровень } реализации - -I Уп ра в л в нмески хгЬ^^ё'н ий

Учет и анализ последствий реализации управленческих решений. Формулировка новых задач мониторинга

Рис. 1. Укрупненная схема техпроцесса мониторинга ФР ХНИЗ

2 этап включает сбор, структуризацию, впервые введенный контроль качества исходных данных X и отбор из них тех, которые являются стартовыми для мониторинга, для настройки системы ДМ X. Содержание этого этапа является третьим отличием нашего подхода. Оно состоит в том, что ДМ X представляют собой не все исходные данные X, а именно, во-первых, проверенные "качественные", пригодные для мониторинга, во-вторых, отобранные для мониторинга. Предложено на этапе сбора осуществлять контроль качества данных, учитывая их специфику. При этом контроль осуществляется двумя путями. Во-первых, за счет внутреннего и внешнего контроля технологии сбора данных, а именно реализации обучения и сертификации персонала; следования протоколу исследова-

ни я (стандартизация условий и методов обследования); использования стандартизованных опросников, и метрологически аттестованных приборов для сбора данных. Во-вторых, за счет контроля качества включаемых в базу данных: проверку типа характеристик и принадлежности их значений к номинальному диапазону путем использования стандартных методов оценки качества данных.

На 3 этапе выполняется обработка отобранных ДМ X, преобразование их в стандартизованную форму х и в множество диагностических признаков (ДП) "у". На этом этапе четвертой отличительной чертой техпроцесса является введение как известных в, так и новых Тир признаков.

4 этап предполагает, что на основании значений ДП должны быть: во-первых, приняты диагностические решения (ДР), т.е. определено текущее состояние объекта (популяции или индивидуума) - КМ, во-вторых, выполнен «прогноз будущего состояния ХНИЗ объекта» и, в третьих, подготовлены варианты управленческих решений (УР), оценены их последствия для состояния объекта (развития ХНИЗ у него) и выбрано УР. Включение в ТП задач прогноза последствий воздействия ФР и принятия ДР и УР является его пятой отличительной чертой.

На 5 этапе происходит реализация решений мониторинга, учет и анализ, в частности её последствий (шестое отличие) - подготовка необходимых выводов, информирование и исполнение рекомендаций для различных заинтересованных потребителей и тех, кто будет выполнять УР - реализаторов.

Основные настройки системы, реализующие технологический процесс, осуществляются, во-первых, по совокупности данных всей популяции, во-вторых, могут корректироваться под конкретного индивидуума, решение для конкретного объекта осуществляется только после настройки системы.

В работе предлагается такой подход к обработке ДМ в процессе мониторинга ФР ХНИЗ, который позволяет сделать более «прозрачной» процедуру обработки данных для подготовки и принятия ДР и УР. Суть подхода сводится к тому, что перечень ДП, полученных в ходе мониторинга ФР ХНИЗ, формируется до создания модельного и алгоритмического обеспечения с помощью критериев, полученных экспертами ВОЗ на основании крупномасштабных эпидемиологических исследований. Опыт и знания экспертов ВОЗ помогают выделить и сформировать максимально информативные признаки, которые описывают процесс выявления ФР ХНИЗ и являются основой для последующей процедуры анализа и принятия ДР и УР. В разрабатываемой системе в качестве критериев оценки оптимальности моделей решаемым задачам предложены следующие общепринятые для оценки диагностических моделей и методик показатели: диагностическая точность (ДТ), чувствительность (ДЧ) и специфичность (ДС).

Третья глава посвящена исследованию применения моделей для разрабатываемой АСКМ ФР ХНИЗ.

Для нахождения закономерностей ФР ХНИЗ были изучены законы распределения ДМ в популяции. Исследования касались конкретизации степени влияния этих факторов на ССЗ иЗНО. Для этого вначале были исследованы законы распределения всех факторов, проведены корреляционный, конкорреляционный (через коэффициенты корреляции Спирмена) и множественный корреляционный анализы. Исследования показали следующее. Во-первых, флуктуации значений

ФР рассматриваемых заболеваний хорошо описывается гауссовым (нормальным) или близким к нормальному распределением. Во-вторых, анализ и сравнение парных коэффициентов корреляции и конкорреляции с множественными и частными показали, что имеет место как наличие, так и отсутствие взаимосвязи, причем если взаимосвязь есть, то она близка к линейной (парные коэффициенты корреляции близки к коэффициентам конкорреляции). В третьих, имеют место случаи как совпадающего (усиливающего), так и противоположного (ослабляющего) взаимодействия факторов на отдельные ХНИЗ.

Полученные результаты позволили: I). Уточнить факторы - кандидаты на факторы риска конкретных заболеваний для их мониторинга и дальнейших исследований. 2). Обосновать пригодность на начальной стадии применения типовых статистических методов обработки, пригодных для массовых данных. 3). Поставить вопрос об использование известных и разработке новых диагностических показателей, учитывающих совместное влияние на ХНИЗ нескольких факторов риска одновременно. 4). Сократить факторное пространство до т'=1(Н-14 факторов, подлежащих мониторингу в стартовом варианте АСКМ.

Итак, мы сформировали отобранные ДМ. Из N человек, первоначально привлеченных к обследованию, после отбора данных мы получаем N'—720 чел. лиц с ССЗ и N'=413 чел. лиц с ЗНО, у которых учтены только т'=14 наиболее важных факторов. Это следующие факторы: возраст (годы) общий холестерин сыворотки крови (мг/дл). — х2', холестерин низкой плотности (мг/дл) - дгз; холестерин высокой плотности (мг/дл) - х4; отношение общего холестерина к холестерину низкой плотности — хь, уровень триглицеридов сыворотки крови (мг/дл) — х6\ систолическое артериальное давление (мм рт.ст.) - хч\ диастолическое артериальное давление (мм рт.ст.) индекс массы тела (кг/м2) — статус курения (да, нет) — х{о, количество потребляемых калорий в сутки - ххи жира (%) - х\2, белка (%) -а-)з, и углеводов (%) — хн в рационе. Показаны также возможность применения стандартных процедур обработки этих данных, в силу того, что они имеют гаус-совский закон распределения.

Следующая важная задача - принятие ДР. Ему предшествует преобразование ДМ в ДП. В описываемой АСКМ предлагается использовать как известные ДП, так и оригинальные, необходимость разработки которых обусловлена описанными выше отличиями назначения техпроцесса рассматриваемого мониторинга. При этом все ДП вводились в рамках идеологии вариативного моделирования, ориентированного на одновременное применение нескольких моделей для решения одной и той же прикладной задачи. Для мониторинга ФР у объекта предложено применение 3-х моделей, получаемых: методом дискриминантного анализа (ДА), суммарного риска (СР) и логистической регрессии (ЛР). Эти 3 модели позволяют решать следующие взаимосвязанные задачи.

Для принятия ДР, т.е выявления состояния объекта, необходимо: а) сформировать совокупность ДП ФР, характеризующих состояние объекта; б) осуществить математическое (модельное) преобразование ДМ X в ДП, т.е. найти вид ■ функций, преобразующих ДМ в ДП у; в) применить правила распознавания состояний по значениям ДП у = {(1, Т, р}. Вариативное моделирование проявляется в том, что одновременно для задач мониторинга используются не скалярные ДП,

а векторы. В работе предлагается 2-х шаговая процедура для этого. На 1-м шаге получаются модели преобразований ДМ в ДП на № популяционных данных, которые ежегодно корректируются (ЛГ— получается своим для каждой совокупности рассматриваемых заболеваний). Тем самым создается инструментарий для работы системы мониторинга. Затем на 2-м шаге полученные модели используются для конкретного человека и при необходимости для популяции в целом.

Для выявления факта влияния т фактов на конкретное заболевание из к ХНИЗ у индивидуума используются модели, методы и алгоритмы дискрими-нантного анализа (ДА) как одного из методов статистической классификации. Он основан на построении к дискриминантных классицфициирующих функций 5 = (615к) для вероятностного отнесения оцениваемого состояния индивидуума к одному из к типологических состояний. В силу гауссовости значений ФР, нами применен известный метод линейного ДА, когда по имеющимся отобранным данным мониторинга объема N ™ Ы,, + ИК, (N1— условно здоровые, Л^,..., Л^с - больные к -ой ХНИЗ) строятся К линейных дискриминирующих функций:

5Ьу, Ъ j = й<> (1)

где Ъ;, Ь}ч, находятся по всему массиву данных (по всей популяции). Для

конкретного индивидуума, подставляя в (1) значение его факторов-риска, находятся все 5}, ¡„хл и по их значениям выбирается то состояние индивидуума для которых 5j будет максимальным из всех} = 1, 2, .... К.

Для удобства практического представления результатов ДА рекомендуется использовать плоскость канонических функций и й2, координаты точки на которой, соответствующие индивидууму, находятся как:

д. а , + а ... + аКтхм> (2)

где а/, а'/д, находятся по всей выборке ДМ из условия минимизации вероятности ошибочной классификации (см. рис.2).

•э* ж

£

8-

§

к

о

4>

о «I

13

и

и И

1:

I. о

2 , О

Лица со г зл

злокачественными новообразованиями (2 = яЗНО»)

и зл

11 112

и

»33

Лица без . заболеваний (« «здоровые»

г

. II

1] 1Э 13

и и

13

и

Лица с сердечнососудистыми заболеваниями (3* «ССЗ»)

11 л и 1а

;<3ссз

Каноническая дискриминштная функция <1 с Рис.2. Границы зон разделения групп для мужской популяции: 1=без заболеваний; 2=с ЗНО; 3=с ССЗ

Например, для индивидуума по его конкретным значениям Х|, х(4 определяется точка значений d (см, рис. 2, это точка dCci) позволяющая тем самым отнести его к одному из к состояний по имеющимся у него факторам, в данном примере система отнесет пациента к группе состояний - «болен ССЗ».

Пример полученных моделей канонических дискриминантных функции для мужской популяции для различия 3-х состояний: здоров, болен ССЗ, болен ЗНО: <W = 0,07*,+ 0,14*, + 0,04-*7+ 0,08*, + 0,97~х10- 9,5 , (3)

а2муж = 0,09*/ + 0,09'х5-0,02*х7+0,14-хр+0,03-xÍO+0,7 . (4)

Для характеристики качества (правильности) диагностики применяются известные показатели: диагностическая чувствительность ДЧ - А / (А + С), специфичность ДС = Д/(В + Д) и точность ДТ = (А + Д) / (А + В + С + Д), где А -количество распознанных больных, С - количество нераспознанных больных, В -количество нераспознанных здоровых, Д— количество распознанных здоровых.

Пояснение и значение показателей качества моделей, полученных с помощью ДА, даны на рис.3. Их можно расценивать как приемлемые для оценки качества результата мониторинга на 3-м этапе техпроцесса.

В

X— Больны«, Здоровы не

.г распознаны распознаны как

/ как больны» здоровые \

/ А В \

"Г .........а Д )

V . Больные, Здоровые /

не распознаны распознаны как /

как больные здоровые

Дискриминактмый анализ

|й

100 • -во -. во :

40 i

м \ о

**У**ИНМ

т

7« 75 77

Í

ео >1 7в

"I

..„¿а

*7"

□ ДТ . ! о дс ¡ í одч \

Примечание; ДТ- диагностическая точность, ДС - специфичность, ДЧ - чувствительность. Рис.3. Пояснение метода диагностики с использованием принятых показателей

качества моделей (А) и значения, полученные методом ДА (В) Применение ДА позволяет качественно выявить состояние индивидуума болен, здоров, через средние значения ФР всей популяции.

Поскольку ФР, с одной стороны по разному влияют на ХНИЗ (иногда совпадая по фазе влияния, иногда нет), во-вторых, проявляются не при их отклонении от среднего, а при выходе за некоторый допустимый (нормальный, непатологический) диапазон [С1^, Свг], желательно ввести ДП, который бы, во-первых, учитывал эти особенности ФР как статистических переменных, особенно с точки зрения вариабельности С1*1", Свг для индивидуумов, во-вторых, имел не две градации (да, нет), а больше.

В связи с этим был предложен ДП «суммарный риск» (СР) Т и шкала для его представления. СР Т| для /-го заболевания в популяции определяется как:

- Фо, * К** -* с)Ь--ш. (5)

(и ¿«i

где Х]Я( - нестандартизованное (исходное) значение результата 1-го фактора, приведшей ку'-оЙ болезни, 1{А} - индикатор события А, т.е. /{А }=0; С

вг

нг

верхняя граница нормы изучаемого ФР; С - нижняя граница нормы изучаемого

13ч

ФР; выборочное среднеквадратическое отклонение для </-го ФР; т - число учитываемых факторов; N - число индивидуумов в популяции, номер ХНИЗ. При N = определяется состояние индивидуума. Общий вид шкалы СР представлен на рис.4, а пример её для ССЗ в таблице.

Т°НЗ Очень ТИЗ Тн Норма (Н) Т" ТВЗ Очень

низкое Низкое средне Высокое высокое

значение

значение

значение

значение

значение

£

ОНЗ

НЗ

снг С8Г вз

Рис.4. Возможные значения х-го фактора

Значения 1-го фактора

Таблица

Значение риска Описание суммарного риска

Интервалы Т Для мужчин Для женщин

т>г" Т > 15,6 . Т> 16,5 Очень высокий рискдля СЗ

т"=о<т 0<Т< 15,6 0 <Т< 16,5 Высокий риск для ССЗ

т™ < т < т"=о -5,7 < Т < 0 -5,3 < Т < 0 Средний риск для ССЗ

уОШ < -у ^ -11,5 <Т <-5,7 -8,9 < Т < -5,5 Низкий риск для ССЗ

^^ ули-"' Т < -11,5 Т < -8,9 Некоторый риск для других ХНИЗ

Примечание: ТВД - значение суммарного риска для высокого значения 1-го фактора; -для нормального значения ¡-го фактора; тНЗ-лл* низкого значения 1-го фактора; уОНЗ—для очень низкого значения 1-го фактора.

Итак, с помощью ДП йиТ мы поставили диагноз, т.е. выявили состояние, в котором находится объект (индивидуум или популяция).

Следующая задача - спрогнозировать будущее состояние объекта. Для прогнозирования состояний объекта применен метод логистической регрессии (ЛР), связанный с нахождением среднего значения зависимости апостериорной вероятности развития у-ого^о1, заболевания за Ь лет от воздействия т факторов риска. В качестве модели вероятности р(А) наступления зависимость интересующего исследователя события применяется зависимость:

р^ 1 /(I +С-1), + ..Ла^* р, (6)

где хд - значения <?-го фактора риска, а1 ,.... а», Д - подлежащие оцениванию по выборке популяции объема И] индивидуумов параметры. В работе используется пошаговый метод регрессионного анализа, позволяющего оставлять в (6) самые значимые ФР. Так например, для вероятности развития ССЗ у мужчин получена следующая зависимость:

^муж = 0,04*х, + 0,03*х7- 0,9-1(х/0) - 5,6. (7)

Полученные результаты легко визуализируются (рис.5) По (6), (7) или кривым, изображенным на рис.5, легко определить вероятность развития ССЗ конкретного индивидуума, если подставить в (6), (7) его значения факторов. Пример графических шкал вероятности риска для прогноза ССЗ у мужчин на основе 3-х самых сильно влияющих факторов риска приведен на рис.5. Приведенный пример включает: 1) один фактор как аргумент функции ~ систолическое артериальное давление, другие факторы в виде условий (курит, не курит и др); 2) кривые риска в зависимости от возраста; 3) значение средне-популяционного риска.

некурящие мужчины

О

И 100 110 120 1» МО 150 160 170 1В0 Систолическое давлены», мм р.ст.

курящее мужчины

-35 пег _ -40 пег I . ■ 15 пет ! —•у'-— 50 лег I ■Ж - 55 лет —•—60лег ; —♦—- 63 лет 1

ч> I» ио 1» 110 «40 1М ко "О 1Ы Систолическое давление, мм р.ст.

Рис.5. Вероятность развития ССЗ у курящих и некурящих мужчин 35-65 лет (чертой обозначен среднепопуляционный риск)

Кривые можно использовать врачу (или пациенту) для экспресс-оценки вероятности риска развития ССЗ. Подставляя собственные значения факторов можно определить вероятность своего риска заболеть ССЗ по сравнению с попу-ляционным. Этот подход использован при автоматизированном прогнозе и выборе управленческих решений на 4-м этапе техпроцесса.

Таким образом, применяя ДП Т или р мы можем диагностировать состояние объекта, оценить суммарный риск влияния ФР на развитие заболевания и спрогнозировать будущее состояние объекта.

В четвертой главе разработана типовая структура АСКМ ФР ХНИЗ. Согласно системным принципам полноты и минимальной избыточности АСКМ должна иметь столько компонентов (подсистем, средств обеспечения), сколько необходимо, чтобы наилучшим образом выполнять задачи автоматизированного мониторинга. На рис.6, показана структура типовой АСКМ ФР ХНИЗ.

Модуль управления

Модуль сбора данных мониторинга (ДМ), базы донных (БД) и базы знаний(БЗ)

ЕГ

I

о

С ©

2 ч:

л и.

о

о

§

Щ

1« « О

м К ® £ ш *

Мода ль обработки ДМ

а

К а

§ §

« |

з а.

о

е

& к

И

X

&

о х о ч ио

Модуль анализа ДП, принятия диагностических (ДР) и управленческих (УР) решений

¡1

г

о

в. *

а £

и о ч ьо

«

Си >.

н о й-

5е*

я « в* а

С и

Й в

О ч **

м 5 р

Модуль учета и анализа последствий реализации УР

а. К X

ж

§

О.

а о

г $

к

Анализ последствий оеалиэаиии УР

Рис.6. Структура типовой АСКМ ФР ХНИЗ 15

Модуль управления обеспечивает получение и применение достоверной информации на всех этапах подготовки и проведения мониторинга.

Модуль сбора данных обеспечивает сбор, контроль качества, отбор, структуризацию, накопление, хранение ДМ. Включает различные базы данных (БД): -популяционные, содержащие данные популяционных исследований, регистров ХНИЗ за большой интервал времени; - электронные карты больных, содержащие данные историй отдельных индивидуумов. Наличие БД популяции и индивидуумов позволяют осуществлять двухшаговость выбора метода для решения задач мониторинга на разных уровнях. В модуле сбора данных врачом или системой осуществляется параметризация задачи мониторинга. Далее средствами системы совместно с врачом выполняется формирование и отображение ДМ из неструктурированной совокупности всех данных о пациенте X, которая исходно может быть представлена в электронном ввде, на бумажном носителе или получаться из диалога с пациентом. В модуле "сбора данных", собранные данные X проверяются программами мониторинга данных1 т.е. осуществляется проверка качества данных. После завершения такого вида работ данные в БД становятся доступны для их обработки.

Модуль обработки информации позволяет осуществлять обработку ДМ АГ, преобразование их в стандартизованную форму "х" и в множество диагностических признаков (ДП) у= (х), / = 1,<7 }, ц<т. Состав множества ДП определяется на основании знаний экспертов предметной области.

Модуль анализа ДМ, принятия ДР и УР позволяет подготовить необходимые данные и автоматизировать принятие ДР и УР по ним. Принятием ДР является формирование текущего результирующего диагностического результата объекта мониторинга КМ, т.е например, выявление модифицируемого ФР у пациента - АГ. На основании исходных значений ДП, характеризующего ФР «АГ», осуществляется «прогноз последствий ДР» - больной информируется о возможном «тяжелом» прогнозе, если не будут приняты меры по устранению или уменьшению имеющегося у него ФР. Далее системой подготавливаются варианты УР, т.е те меры, которые необходимы для достижения цели - снижения заболеваемости. При необходимости врач может корректировать необходимые рекомендации по индивидуальным особенностям человека. Происходит повторный прогноз состояния объекта с выбранным УР и после всех необходимых корректировок принимается УР. Далее все УР заносятся в БД, позволяя их использовать при дальнейшем визите пациента к специалисту.

Модуль выработки реализации УР_осуществляет подготовку необходимых выводов и рекомендаций, получаемых в ходе мониторинга, и их исполнение на разных уровнях; проводить анализ последствий реализации УР, информировать и контролировать исполнение рекомендаций, получаемых в ходе мониторинга для разных потребителей: НИИ, государственных и общественных организаций, администраций, населения региона и индивидуумов.

В пятой главе описывается структура, общая характеристика и функционирование разработанного программно-аппаратного комплекса "Мониторинг здоровья индивидуума". Система обеспечивает: ввод, корректировку, добавление, поиск по ключу, удаление и вывод на экран (печать) переменных баз данных. Кроме того, поддержку и ведение комплекса информационно-справочных баз

данных (листинг рекомендаций), предъявляя их в виде списка; проведение интегральной обработки вводимой информации статистическими методами с целью оценки предрасположенности индивидуума к болезням, связанным с нерациональным питанием, прогноза для пациента, графическим представлением результатов, выводимых на печать. Разработанная АСКМ "Мониторинг здоровья индивидуума" позволяет проводить процедуры сбора, обработки и анализа данных на этапах доврачебного мониторинга ФР ХНИЗ и в режимах врачебного приема, а также использовать её на этапе обучения врачей. АСКМ позволяет не только формировать развернутый результат мониторирования пациента и проводить прогноз о наличии или отсутствии ФР ХНИЗ у него, но также осуществлять реализацию УР (отслеживать выполнение требуемых рекомендаций) и формулировать последующие задачи мониторинга.

В заключении указываются основные результаты, выводы, итоги работы, а также направления дальнейших разработок по теме диссертации.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Сформулирована постановка задачи комплексного мониторинга ФР ХНИЗ в терминах задачи сбора, обеспечения контроля качества, обработки и анализа разнородных данных с целью принятия диагностических и управленческих решений для различных потребителей на исследуемой популяции и у конкретного пациента

2. Разработан 5-ти этапный технологический процесс мониторинга ФР ХНИЗ для автоматизированного принятия решений по ним, учитывающий особенности данных и знаний о состоянии факторов риска ХНИЗ, их анализа и принятия решений по ним.

3. На основе вариативного моделирования построены модели, включающие шкалы интегральной оценки суммарного риска развития ХНИЗ в популяции, для выявления значимых ФР основных ХНИЗ, диагностики состояния пациента, подготовки управленческих решений и прогноза заболеваний.

= 4. Разработана структура типовой АСКМ ФР ХНИЗ.

5. Разработана интеллектуальная система автоматизированного мониторинга ФР ХНИЗ, позволяющая осуществлять мониторинг ФР ХНИЗ на основании разнородных диагностических данных с целью раннего выявления рисков для снижения заболеваемости у взрослого населения.

В приложении приведены акты о внедрении АСКМ ФР ХНИЗ.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ ИЗЛОЖЕНЫ В СЛЕДУЮЩИХ РАБОТАХ

1. 10-летние тренды показателей массы тела у мужчин и женщин Новосибирска (1985-1995гт.) / Е.С. Кылбанова, С.К. Малютина, Н.В.Насонова // Терапевтический архив, - 2005. - №3. - С. 64-67.

2. Губарев В.В. Особенности построения комплексной автоматизированной системы мониторинга факторов риска хронических неинфекционных заболеваний / В.В. Губарев, Н.В. Насонова / Сб. научн. трудов НГТУ. - Новосибирск, - 2005. - №2. - С. 29-34.

3. Губарев В.В. Автоматизированные системы медицинского мониторинга /

B.В.Губарев, И.Н. Швайкова, Н.В. Насонова // - Информационные технологии моделирования и управления, 2006, N8(33). - С. 909-914.

4. Избыточная масса тела и ожирение в мужской и женской популяциях г. Новосибирска: 10-летние тренды / Е.С. Кылбанова, С.К. Малютина, Е.Г. Веревкин, Н.В.Насонова // Сибирский медицинский журнал. -2000. - №1, -

C. 12-15.

5. Насонова Н.В. Выбор статистических методов в медицинских исследованиях / Н.В. Насонова, J1.B. Щербакова // Актуальные проблемы заболеваний терапевтического профиля в Сибири: труды юбилейной научной сессии НИИ терапии СО РАМН (декабрь 2001), - Новосибирск, - 2002, - С. 469-477.

6. Насонова Н.В. Некоторые статистические подходы к оценке функционального состояния хронических неинфекционных заболеваний / Н.В, Насонова, JI.B. Щербакова, О.М. Глушанйна // Матер. 3-й между нар, научно-техн. конф. «ИКИ- 2002», - Барнаул, - 2002, - С. 94-95

7. Насонова Н.В. Системный подход к разработке системы мониторинга хронических не инфекционных заболеваний / Н.В. Насонова, В.В. Губарев // Актуальные вопросы современной медицины: материалы 12-й научн.-практ. конф. врачей, - Новосибирск, - 2002, - С. 28-29.

8. Насонова Н.В. Разработка средств мониторинга хронических неинфекционных заболеваний / Н.В. Насонова, В.В. Губарев И Информационные системы и технологии: материалы межд. научн.-техн. конф. ИСТ"2003, - Новосибирск, - 2003, - ТЗ, - С. 45.

9. Насонова Н.В. Автоматизированное рабочее место врача-диетолога в кабинете "Здоровое питание" / Н.В. Насонова, И.П. Березовикова // Информационные системы и технологии: матер межд. научн.-техн. конф. ИСТ"2003, -Новосибирск, - 2003, - Т.З, - С. 46-47.

Ю.Насонова Н.В. Комплексная автоматизированная система мониторинга факторов риска хронических неинфекционных заболеваний / Н.В. Насонова, В.В. Губарев / I Съезд терапевтов Сибири и Дальнего Востока: сб. на-учн. трудов НИИТ СО РАМН, - Новосибирск, - 2005, - С. 478-480.

П.Насонова Н.В. Модельное обеспечение комплексной автоматизированной системы мониторинга факторов риска хронических неинфекционных заболеваний / Н.В. Насонова, В.В. Губарев / I Съезд терапевтов Сибири и Дальнего Востока: сб. научн. трудов НИИТ СО РАМН, - Новосибирск, - 2005, -С. 480-483.

12.Насонова Н.В. Обеспечение качества данных для решения задач медицинского мониторинга / Н.В. Насонова, J1.B. Щербакова //1 Съезд терапевтов Сибири и Дальнего Востока: сб. научн. трудов НИИТ СО РАМН, - Новосибирск, - 2005, - С. 483-485.

^.Распространенность некоторых видов физической активности и их связь с социально-демографическими показателями у мужчин и женщин 25-64 лег Новосибирска / С.Н. Богатырев, Т.Г. Клименкова, Н.В. Насонова, Г.И. Симонова//Бюллетень СО РАМН, - 1993,-№3,-С. 103-108.

14.Стефанова О.В. Изучение частоты и интенсивности курения среди мужчин, больных злокачественными новообразованиями и сердечно-

сосудистыми заболеваниями (исследование «случай - контроль»). / О.В. Стефанова, Н.В. Насонова, Г .И. Симонова // Актуальные проблемы заболеваний терапевтического профиля в Сибири: труды юбилейной научной сессии НИИ терапии СО РАМН (декабрь 2001), - Новосибирск, - 2001, - С. 194-201.

15.Arterial hypertension: 10 year dynamics in Novosibirsk population (Sibmonica) / S.Malyutina, N.Nasonova, Yu. P.Nikitin // The Hearth of populations in a changing Europe: abstracts IEA European Meeting. Munster, Germany, - 1997, - P. 34. (Артериальная гипертензия: 10-летние тренды в Новосибирской популяции).

16.System approach to designing means of monitoring of chronic diseases / V.V.Gubarev, N.V.Nasonova // Abstract of 6th Korea-Russia International Symposium on Science and Technology: KORUS 24-30 Yune 2002, Russia, - Novosibirsk: NSTU, - 2002, - V.3, - P. 48. (Системный подход к разработке средств мониторинга хронических заболеваний).

Отпечатано в типографии Новосибирского государственного технического университета 630092, г. Новосибирск, пр. К. Маркса, 20 ТелУфакс (383)346-08-57 формат 60x84/16, объем 1,25 пл., тираж 100 экз., заказ № 103, подписано в печать 17.10.06 г

ВВЕДЕНИЕ.

ГЛАВА I. ИССЛЕДОВАНИЕ ФАКТОРОВ РИСКА ХРОНИЧЕСКИХ НЕИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ С ТОЧКИ ЗРЕНИЯ СБОРА, # ОБРАБОТКИ И ПРИМЕНЕНИЯ ДАННЫХ И ЗНАНИЙ О НИХ.

1.1. Основные понятия и определения.

1.2. Сравнительный анализ отечественных и зарубежных систем медицинского мониторинга.

1.3. Особенности данных с точки зрения их получения и сбора.

1.4. Обеспечение контроля качества данных и принимаемых решений.

1.5. Особенности решения задач медицинской диагностики.

1.6. Факторы риска.

1.7. Постановка задачи построения системы мониторинга.

Актуальность темы исследования. Одной из самых больших опасностей для здоровья человека является растущее бремя неинфекционных заболеваний (НИЗ), в частности хронических (ХНИЗ). Осознание этой угрозы привело Всемирную организацию здравоохранения (ВОЗ) к повышению приоритетности программ по профилактике, контролю и мониторингу распространения НИЗ [1]. Как указывают авторы, основой профилактики НИЗ является определение наиболее существенных факторов риска (ФР), их профилактика и контроль. С точки зрения первичной профилактики ФР, инструментом предотвращения заболеваний может стать мониторинг основных факторов риска. Здесь под ФР понимается явление, влияние или воздействие на человека, которое повышает вероятность возникновения у него НИЗ.

При этом для мониторинга в соответствующем регионе выбираются такие ФР, которые: оказывают наибольшее воздействие на показатели заболеваемости и смертности в этом регионе; являются модифицируемыми, т.е поддаются воздействию эффективных мер профилактики; дали положительный опыт по изучению и контролю; дают возможность получения данных с соблюдением соответствующих этических норм [1, 2]. Следует иметь в виду следующее. Во-первых, анализ факторов риска и данных по здоровью населения помогает определить возможность распространения конкретного заболевания, но не позволяет напрямую предсказать состояние здоровья отдельного индивидуума. Во-вторых, в настоящее время главной стратегией реализации мониторинга и контроля НИЗ, рекомендуемой ВОЗ, является разработка и предоставление стандартных методик и инструментов, позволяющих странам укреплять и развивать возможность контроля и снижения риска НИЗ. В-третьих, ВОЗ рекомендует и дальше применять для мониторинга данные, полученные в разных измерительных шкалах. Все это привело к необходимости решения научно-технической задачи разработки средств автоматизации технологии сбора, обработки и анализа разнородных данных, пригодных для подобного мониторинга.

Хотя в литературе много внимания уделяется вопросам медицинского мониторинга, не удалось найти ни одной публикации, в которой была бы описана действующая автоматизированная (допускающая участие человека в контуре принятия решения) система комплексного мониторинга (АСКМ) ФР ХНИЗ. Это косвенно следует из стратегической задачи ВОЗ, ориентированной на реализацию принципа интегрированного системного подхода к мониторингу ФР ХНИЗ, а также подчеркивается и ведущими специалистами нашей страны [1,2, 3]. Одной из причин этого являются трудности формализации обработки данных в задачах мониторинга ФР ХНИЗ. Другими причинами являются отсутствие необходимой технологии мониторинга подготовки и принятия решений, соответствующего модельного обеспечения и нерешенность вопросов интерпретации результатов обработки разнородных данных в этой области медицины.

Поэтому был сделан вывод о необходимости разработки такой АСКМ ФР ХНИЗ, которая позволит проводить сбор и осуществлять контроль качества данных, их обработку и анализ, подготовку и принятие решения по ним, в том числе управленческих, как на исследуемой популяции, так и конкретного пациента с учетом свойств исходных данных и знаний об особенностях проявления и продолжительности воздействия ФР. Таким образом разработка и внедрение АСКМ, реализующей обработку и хранение разнородной информации данных мониторинга ФР ХНИЗ в популяции и у конкретного человека, является актуальной. Представленная работа выполнена с использованием материалов международной программы ВОЗ «MONICA»[3].

Цель исследования. Разработка основ построения и создание АСКМ ФР ХНИЗ для выявления, прогнозирования развития заболеваний и подготовки управленческих решений по их предупреждению и ослаблению на популяци-онном и индивидуальном уровнях.

Задачи исследования:

1. Дать постановку задачи мониторинга ФР ХНИЗ с учетом выявленных особенностей сбора, контроля, обработки и применения данных и знаний о ФР.

2.Разработать структуру АСКМ ФР ХНИЗ.

3.Разработать компьютерную технологию подготовки и принятия решений по выявлению значимых ФР ХНИЗ, прогнозированию развития заболеваний и подготовки управленческих решений, направленных на предотвращение развития заболеваний.

4.Разработать и апробировать стартовый вариант системы мониторинга.

Методы исследования. Результаты исследования получены на базе использования аппарата теории вероятностей и математической статистики, теории классификации и экспертных систем, теории принятия решений, интеллектуального анализа данных и вариативного моделирования.

Научная новизна полученных результатов заключается в следующем:

1. Разработан 5-ти этапный технологический процесс автоматизации мониторинга ФР ХНИЗ, учитывающий особенности данных и знаний о состоянии факторов риска и ХНИЗ, допускающий автоматизацию их анализа и принятия решений по ним.

2. Разработана структура типовой АСКМ ФР ХНИЗ.

3. На основе вариативного моделирования построены модели и шкалы интегральной оценки суммарного риска развития ХНИЗ в популяции, ориентированные на выявление значимых ФР основных ХНИЗ, диагностику состояния пациента, подготовку управленческих решений и прогноз заболеваний.

4. Разработана интеллектуальная система автоматизированного комплексного мониторинга ФР ХНИЗ, позволяющая осуществлять их раннее выявление и вырабатывать рекомендации на основании разнородных диагностических данных для снижения заболеваемости у взрослого населения.

Практическая ценность результатов работы. На базе предложенных методов создана АСКМ ФР ХНИЗ, обеспечивающая выполнение количественной оценки здоровья как популяции, так и отдельного человека. Применение вариативного моделирования позволяет с новых системных позиций подойти к мониторингу ФР ХНИЗ и изучению патологических процессов, проистекающих в организме человека. На основе предложенных подходов разработаны модели и алгоритмы, которые были использованы при проведении научных исследований, выполняемых государственным учреждением научно-исследовательским институтом терапии (ГУ НИИТ) СО РАМН. Выработанные применительно к обработке разнородных диагностических данных методы позволяют в ходе автоматизированной обработки данных активно включать врача в процесс формирования диагностического решения. На основе результатов получены выводы, позволившие подготовить практические рекомендации для врачей. Созданный программный комплекс прошел апробацию и внедрен в эксплуатацию в Центре "Наука для здоровья" ГУ НИИТ СО РАМН (автоматизированные рабочие места кардиолога и диетолога), а также в учебном процессе преподавания курсов "Физиология питания" и "Основы здорового питания" в СибУПК. Применение разработанного модельного, алгоритмического и программного обеспечения подтверждается соответствующими документами.

Достоверность научных положений, выводов и рекомендаций подтверждаются обоснованной постановкой теоретических задач, положительными результатами исследований, апробации и внедрения действующей системы мониторинга в реальных условиях.

Основные научные положения, выносимые на защиту:

1. Структура типовой АСКМ ФР ХНИЗ.

2. Технологический процесс мониторинга, учитывающий особенности данных и знаний о ФР ХНИЗ, их анализа и принятия решений по ним.

3. Модели для принятия решений по выявлению значимых ФР основных ХНИЗ, полученные на основе вариативного моделировании, и принятия управленческих решений, включая шкалы интегральной оценки суммарного риска развития ХНИЗ в популяции и прогнозов заболеваний.

4. Авторская система «Мониторинг здоровья индивидуума» (её структура и результаты апробации).

Апробация работы. Результаты работы и ее основные положения докладывались и обсуждались на научных конференциях с международным участием "Актуальные вопросы профилактики неинфекционных заболеваний" (Москва, 1995 и 1999 гг.), VII и XII научно-практических конференциях врачей "Актуальные вопросы современной медицины" (Новосибирск, 1997 и 2002 гг), "Актуальные проблемы заболеваний терапевтического профиля в Сибири" (Новосибирск, 2002 г), VI и VII Русско-Корейских международных симпозиумах по науке и технике KORUS'2002 (Новосибирск) и KORUS'2003 (Ульсан, Ю. Корея), на Третьей Международной научно-технической конференции "Измерение, контроль, информатизация" (Барнаул, АГТУ, 2002 г.); на I Съезде терапевтов Сибири и Дальнего Востока (Новосибирск, 2005 г.), на научных семинарах кафедры Вычислительной техники Новосибирского государственного технического университета и научных семинарах НИИ института терапии СО РАМН.

Связь темы исследований с планами и программами НИР. Диссертационное исследование явилось частью научно-исследовательских работ в рамках следующих проектов:

1. Госбюджетная НИР, тема 030: "Изучить связь традиционных и некоторых новых ФР ХНИЗ с парадоксальными тенденциями общей смертности населения Сибири в период экономического кризиса, разработать методы их первичной и вторичной профилактики на региональном уровне. № 0199.003338.030, 1999-2001 гг. (руководитель акад. РАМН Никитин Ю.П.).

2. Грант РФФИ "Новые методы оценки риска развития сердечнососудистых осложнений у больных артериальной гипертонией в Сибири", № 03-06-00485а, 2003-2004 гг. (руководитель д.м.н., профессор Симонова Г.И.).

3. Грант РФФИ в области инженерных наук "Разработка концептуальных основ построения и создания стартового варианта медицинской системы поддержки принятия решений", № 05-08-49970а, 2005-2006 гг. (руководитель д.т.н., профессор Губарев В.В.).

Личный вклад автора. Все выносимые на защиту результаты получены автором лично. Экспериментальные исследования и сбор материала проводились в ГУ НИИТ СО РАМН при участии автора. В работах, опубликованных в соавторстве, автором сформулирована постановка задачи, предложены основные идеи решения, все необходимые исследования проведены при непосредстI венном участии автора.

Публикации. Всего опубликовано 24 научных работы, в том числе по теме диссертационной работы - 16: из них 3 работы - в ведущих научных журналах, рекомендованных ВАК РФ; 4 статьи и 9 материалов конференций - в сборниках научных трудов (из них -2 в зарубежной печати).

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения и списка литературы из 126 наименований, содержит 149 страницы основного текста, 29 рисунков, 41 таблицы и приложение".

5.6. Выводы по главе

1.Приведены принципы построения, отличительные особенности и сфера применения системы мониторинга "Мониторинг здоровья индивидуума".

2. Описаны назначение и функции системы мониторинга "Мониторинг здоровья индивидуума".

3. Описан состав системы мониторинга "Мониторинг здоровья индивидуума".

4. Разработана структура системы мониторинга "Мониторинг здоровья индивидуума":

4.1. Модуль базы данных

4.2. Модуль обработки данных

4.3. Модуль анализа, принятия решений

4.4.Модуль реализации

5. Приведены результаты апробации системы мониторинга "Мониторинг здоровья индивидуума".

ЗАКЛЮЧЕНИЕ

1. Сформулирована постановка задачи медицинского мониторинга ФР ХНИЗ в терминах задачи сбора, обеспечения контроля качества, обработки и анализа разнородных данных с целью принятия диагностических и управленческих решений для различных потребителей на исследуемой популяции и у конкретного пациента

2. Разработан 5-ти этапный технологический процесс мониторинга ФР ХНИЗ для автоматизированного принятия решений по ним, учитывающий особенности данных и знаний о состоянии факторов риска ХНИЗ, их анализа и принятия решений по ним.

3. На основе вариативного моделирования построены модели, включющие шкалы интегральной оценки суммарного риска развития ХНИЗ в популяции, для выявления значимых ФР основных ХНИЗ, диагностики состояния пациента, подготовки управленческих решений и прогноза заболеваний.

4. Разработана структура типовой АСКМ ФР ХНИЗ.

5. Разработана интеллектуальная система автоматизированного мониторинга ФР ХНИЗ, позволяющая осуществлять мониторинг ФР ХНИЗ на основании разнородных диагностических данных с целью раннего выявления рисков для снижения заболеваемости у взрослого населения.

Таким образом, в диссертационной работе описаны стартовые результаты создания АСКМ. В дальнейшем предлагается провести как более детальные исследования описанных алгоритмов, так и их модификаций, разработать новые подходы, а также включить в состав АСКМ экспертную систему, создав в ней средства для самообучения и самонастройки по итогам эксплуатации, накопления опыта и статистического материала. В частности, предполагается построение лепестковых диаграмм для отображения значимости оценок Т и логистических регрессий для разных ФР и выявления болезней, на которые больше всего влияет динамика ФР.

1. Оганов Р.Г. Сердечно-сосудистые заболевания в Российской Федерации во второй половине XX столетия: тенденции, возможные причины, перспективы / Р.Г. Оганов, Г .Я. Масленникова // Кардиология. 2000. - № 6. - С.4-8.

2. The International Task Force for Prevention Coronary Heart Disease / G.Assmann, R.Camena, P.Cullen et al. // Medical Press: Nutr. Metab. Cardiovas. Dis,- 1998:8, -P.205-271.

3. WHO MONICA PROJECT manual, Version 1.1., WHO-Headquarters (unpublished internal document), December 1986.

4. Губарев B.B. Концептуальные основы информатики: уч. пособие. / В.В. Губарев-Новосибирск: НГТУ, 2001.

5. Губарев В.В. Информатика в рисунках и таблицах. (Фрагменты системного путеводителя по концептуальным основам): уч. пособие / В.В. Губарев-Новосибирск: НГТУ, 2000. -152 с.

6. Experimental Data Analysis in the Systems Context / V.V.Gubarev // Proceedings The Third Russian-Korean International Symposium on Science and Technology. Novosibirsk: NSTU, 1999. - Vol.1. - P.241-244; // Abstracts. - Vol.1. - P. 190.

7. Губарев В.В. Алгоритмы спектрального анализа случайных сигналов. -Новосибирск: НГТУ. 2005. - 660 с.

8. Губарев В.В. Особенности построения комплексной автоматизированной системы мониторинга факторов риска хронических неинфекционных заболеваний /В.В. Губарев, Н.В. Насонова / Сб. научн. трудов НГТУ. Новосибирск, 2005. - №2. - С. 29-34.

9. Н.В. Насонова. Комплексная автоматизированная система мониторинга факторов риска хронических неинфекционных заболеваний / Н.В. Насонова, В.В. Губарев / Сб. научн. трудов НИИТ СО РАМН. Новосибирск, 2005. - С. 478-480.

10. Губарев В.В., Альсова О.О., Швайкова И.Н. Интеллектуальный ана-лиз"данных" и вариативное моделирование с системных позиций / В.В. Губарев, О.О. Альсова, И.Н. Швайкова //

11. Н.В. Насонова. Обеспечение качества данных для решения задач медицинского мониторинга / Н.В. Насонова, Л.В. Щербакова / Сб. научн. трудов НИИТ СО РАМН. Новосибирск, 2005. - С. 483-485.

12. Губарев В.В. Интеллектуальный анализ данных и вариативное моделирование в экспериментальных исследованиях. / В.В. Губарев. ИСТ'2000. Информационные системы и технологии: сб. тр., Новосибирск: НГТУ, 2001, С.5- 25.

13. Адо А.Д., Ишимова JI.M. Патологическая физиология. М.: Медицина, -1973.

14. Брин В.Б. Основы физиологии человека. Т. 3. Клинико-физиологические аспекты. / В.Б. Брин, Ю.М. Завьялов, Ю.М. Захаров и др.. М.: Литера, 1998. 474 с.

15. Симонова Г.И. Хронические неинфекционные заболевания в Сибири: смертность, заболеваемость, профилактика: автореф. дисс. . д-ра мед. наук / Г.И. Симонова, -Новосибирск, 1998. -52 с.

16. Флетчер Р. Клиническая эпидемиология. Основы доказательной медицины / Р. Флетчер, С. Флетчер, Э. Вагнер. -М.: Медиа Сфера, 1998. -352с.

17. Шальнова С.А. Оценка и управление суммарным риском сердечнососудистых заболеваний у населения России / С.А.Шальнова, Р.Г. Оганов, А.Д. Деев // Кардиоваскулярная терапия и профилактика, 2004. №3 (4).

18. Эпидемиология и профилактика хронических неинфекционных заболеваний в течение 2-х десятилетий в период социально-экономического кризиса в России / В.В.Гафаров, В.А.Пак, И.В.Гагулин, и др.. Новосибирск, 2000. -284с.

19. The Multiple Risk Factor Intervention Trial Group: Statistical design considerations in the NHLI Multiple Risk Factor Intervention Trial (MRFIT). J Chronic Dis 1977:30:261-275

20. Айламазян A.K., Осипов Г.С. Проблемы создания интегрированных средств поддержки лечебно-диагностического процесса // Информационные технологии. 1997, № 10. - С. 34-39.

21. Губарев В.В. Вероятностные модели / Губарев В.В. Справочник. В 2-х ч. Новосибирск: НЭТИ, 1992. - 422 с.

22. Исследования по общей теории систем: сб. переводов / Под ред. В.Н. Садовского и Э.Г Юдина. М.: Прогресс, 1969.

23. Клир Дж. Системология. Автоматизация решения системных задач / Дж. Клир, пер с англ.; под ред. А.Н. Горлина. М.: Радио и связь, -1990.

24. Месарович М. Общая теория систем и ее математические основы / М. Месарович // Исследования по общей теории систем, сб. переводов; под ред. Э.Л. Наппельбаума. М.: Мир. 1978.

25. Месарович М. Теория систем и биология: точка зрения теоретика / М. Месарович // Системные исследования. Ежегодник. М. 1970. - С. 137-164.

26. Воробьева Е.Н. Патогенетические подходы к профилактике болезней системы кровообращения на основе формирования специализированного центра (в условиях поликлиники): автореф. дис. . д-ра мед. наук./ Е.Н. Воробьева. -Новосибирск, 2002. -50с.

27. Гарколь Н.С. Применение искусственных нейронных сетей для диагностики заболеваний сердечно-сосудистой системы: автореф. дис. . канд. техн. наук / Н.С.Гарколь. Новосибирск, 2002. -20с.

28. Генкин А.А. Интеллектуальные медицинские системы как инструменты формирования базы знаний на основании интервальных и бинарных структур (Методология, архитектура, алгоритмизация) // Автореф. дис. . докт. техн. наук. /А. А. Генкин.-СПб, 1998. -62 с.

29. Генкин А.А. Интеллектуальные медицинские системы, алгоритмически формулирующие знания / А.А. Генкин // Стратегическое использование информационных систем: матер, междунар.сем.; под ред. Р.Д. Галиерса, Б.Я. Советова. -СПб, 1992. -С.64-66.

30. Информатика и медицина: сб. статей. М.: Наука, 1997.

31. Кобринский Б.А. «ДИН» экспертная диагностическая система по неотложным состояниям / Б.А.Кобринский, Л.Н.Таперова, О.В.Веприцкая. // Программные продукты и системы. -1995, -№ 1. - С.30-32.

32. Кувшинов Б.М. Диагностика заболеваний методами распознавания образов и классификации в n-мерном пространстве / Б.М.Кувшинов, О.В. Ширяев, И.И.Шапошник // Информационные технологии. -2000, -№ 6, С.43-47.

33. Миронкина Ю.Н. Информационная технология статистического синтеза критериев оценки функционального состояния человека в прикладных медико- биологических исследованиях / Ю.Н. Миронкина, А.Ф. Бобров // Информационные технологии.- 1998, № 3. -С. 41-47.

34. Переверзев-Орлов B.C. Проблемы и концепции построения интеллектуальных партнерских систем / B.C. Переверзев-Орлов // Компьютеры и познание.-М.: 1990. С.52-57.

35. Швайкова И.Н. Автоматизация диагностики патологии центральной нервной системы у детей раннего возраста: автореф. дисс. к.т.н. / И.Н. Швай-кова.- Новосибирск: НГТУ, 2004.- 20с.

36. Шухова И.Н. Разработка компьютерных иммунологических консультирующих систем: автореф. дисс. к.т.н. // Новосибирск: НГТУ, 1997.- 20с.

37. Теория и практика. Обзор медицинских информационных систем в российских клиниках. // Компьютерные технологии в медицине, №2. 1999.

38. Генкин А.А. Новая информационная технология анализа медицинских данных. / А.А. Генкин. СПб: Политехника, 1999. -341 с.

39. Гублер Е.В. Процессы аварийного регулирования в живом организме как фактор его надежности при разрушительных воздействиях. В кн.: Вопросы бионики / Е.В.Гублер, А.А.Первозванский, И.Б.Челпанов. М., - 967, с.20-24.

40. Выявление экспертных знаний / О.И. Ларичев и др.. М.: Наука, 1989.-128с.

41. Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. -СПб.:Питер, 2001. -384с.

42. Генкин А.А. О последовательной байесовской стратегии и механизме принятия решений в интеллектуальной системе ОМИС / А.А. Генкин // Клин, лаб. диагн. 1998. - № 4. -С.42-49.

43. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов / Е.В. Гублер.- JL: Медицина, 1978. -294 с.

44. Кабаси X. Методы и проблемы извлечения знаний. / X. Кабаси. Приобретение знаний: пер с англ.; Под ред. Н.Г. Волкова. М.: Мир, 1990. - С. 68-75.

45. Киселев М. Средства добычи знаний в бизнесе и финансах. / М.Киселев, Е.Соломатин // Открытые системы.-1997, -№4, С.41- 44.

46. Лбов Г.С. Логические решающие функции и вопросы статистической устойчивости решений /Г.С. Лбов, Н.Г. Старцева //-Новосибирск, 1999. -211с.

47. Мушик Э. Методы принятия технических решений / Э. Мушик, П. Мюллер, пер с нем. М.: Мир, 1990, -208 с.

48. Осипов Г.С. Приобретение знаний интеллектуальными системами / Г.С. Осипов. М.: Наука,1997. -1 Юс.

49. Приобретение знаний / Под ред. С. Осуги, Ю. Саэки. / Пер. с японского под ред. Н.Г. Волкова. М.: Мир, 1990. - 303с.

50. Фукунага К. Введение в статистическую теорию распознавания образов / К. Фукунага. М.: Наука, 1979.

51. Clinical decision-support systems. In: Medical Informatics: Computer application in healh care / E.H. Shortliffe // Addison-Wesley, 1990, - pp. 466-502.

52. Expert System. Knowledge Acquisition tools for Expert System. Eds. J.H. Boose and B.R. Gaines. London, San-Diego, N.Y. Berkley, Boston, Tokyo, Toronto. Academic Press, 1988.

53. Насонова H.B. Выбор статистических методов в медицинских исследованиях / Н.В. Насонова, Л.В. Щербакова // Сб. актуальные проблемы хронических заболеваний терапевтического профиля в Сибири, Новосибирск, 2001. -С.469-477.

54. Н.В. Насонова. Модельное обеспечение комплексной автоматизированной системы мониторинга факторов риска хронических неинфекционных заболеваний / Н.В. Насонова, В.В. Губарев / Сб. научн. трудов НИИТ СО РАМН. Новосибирск, 2005. - С. 480-483.

55. Губарев В.В., Швайкова И.Н. Модельное и алгоритмическое обеспечение автоматизированной системы диагностики патологии ЦНС / В.В. Губарев, И.Н. Швайкова

56. Власов В.В. Эффективность диагностических исследований. / В.В. Власов. М.: Медицина, 1988. -256с.

57. Преображенский Д.В, Шатунова И.М, Курение как фактор риска ише-мической болезни сердца // Кардиология. 1988. - №10. - С.113-120.

58. Гомеостаз на различных уровнях организации биосистем / В.П. Нефедов, А.А. Ясайтис, В.П. Новосельцев и др.. Новосибирск; Наука. Сиб. отдел, 1991.-232 с.

59. Эпидемиология неинфекционных заболеваний / Под ред. A.M. Вихерта, А.В. Чаклина. -М.: Медицина, 1990. -272с.

60. Малютина С.К. Артериальная гипертензия в Новосибирске / С.К. Малютина, Н.В. Насонова, Ю.П.Никитин // Актуальные вопросы современной медицины: тез.докл. 7-й научн.-практ. конф.врачей. Новосибирск, 1997. Т.2. -С.104-105.

61. Малютина С.К. ИБС и основные факторы риска в Новосибирской популяции: 3-летние тренды / С.К. Малютина, Н.В. Насонова, Ю.П. Никитин // Актуальные проблемы неинфекционных заболеваний: тез. докл. конф. -М, 1995. -С.113.

62. Arterial hypertension: 10 year dynamics in Novosibirsk population (Sib-monica) / S.Malyutina, N.Nasonova, Yu. P.Nikitin // IEA European Meeting. The Hearth of populations in a changing Europe. Munster, Germany, 1997. - P. 34.

63. Липиды крови при желчекаменной болезни / И.Н. Григорьева, С.Г. Шахматов, М.В. Иванова, Е.Г.Веревкин, Н.В.Насонова и др.. // Клинико-эпидемиологические и этно-экологические проблемы заболеваний органов пищеварения. Красноярск, - 2003. - С. 55-58.

64. Кылбанова Е.С. Избыточная масса тела как фактор риска сердечнососудистых заболеваний: Автореф. дис. . канд. мед. наук. / Е.С. Кылбанова. -Новосибирск, 1997. -26с.

65. Избыточная масса тела и ожирение в мужской и женской популяциях г. Новосибирска: 10-летние тренды / Е.С. Кылбанова, С.К. Малютина, Е.Г. Верев-кин, Н.В.Насонова // Сибирский медицинский журнал. -2000. №1, - С. 12-15.

66. WHO MONICA PROJECT (Birgitta Stegmayr, К. Asplund, К. Kuulasmaa). Stroke Includience and Mortality Correlated to Stroke Risk Factors in the WHO Monica Project//An Ecological Study of 18 Populations. Stroke. 1997. - № 1. - Vol. 28.-P. 1367-1374.

67. Diabetes and cardiovascular disease: The Framingham study / Kannel WB, McGee DL // JAMA 1979;241:2035-2038

68. National Diabetes Data Group: Classification and diagnosis of diabetes melli-tus and other categories of glucose intolerance. Diabetes 1983;28:1039-1057

69. Антомосов Ю.Г. Моделирование биологических систем. Справочник. Киев,- 1977.

70. Воронцов И.М. Построение городской системы мониторинга здоровья детей и подростков / И.М. Воронцов, В.В. Шаповалов, Т.И. Иванова и др.. // http://www.medport.tu/MEDSTAT/ri98/RI98/aspon.htm.

71. Казначеев В.П. Донозологичеекая диагностика в практике массовых обследований населения. / В.П.Казначеев, Р.М.Баевский, А.П.Берсенева. Л.: Медицина, 1980,-208с.

72. Погожева И.Б. Применение математических моделей заболеваний в клинической практике / И.Б. Погожева .-М.: Наука, 1988,-191с.

73. Гублер Е.В. Информатика в патологии, клинической медицине и педиатрии /Е.В. Гублер. Л.: Медицина, 1990.

74. Икрамова Х.З. Алгоритмы распознавания и диагностика. / Х.З. Икрамо-ва. Ташкент:"Фант", 1982. -220с.

75. Искусственный интеллект. Модели и методы: справочник. Кн. 2. / Под ред. Д.А. Поспелова. М.: Радио и связь, 1990. -304с.

76. Максимов Г.К. Статистическое моделирование многомерных систем в медицине./ Г.К. Максимов, А.Н. Синицин. // М.: Медицина, 1983. -142с.

77. Мейндоналд Дж. Вычислительные алгоритмы в прикладной статистике / Дж. Мейндоналд. пер. с анг., под ред. Е.З. Демиденко. М.: Финансы и статистика, 1988,-350с.

78. Насонова Н.В. Некоторые статистические подходы к оценке функционального состояния хронических неинфекционных заболеваний / Н.В. Насонова, Л.В. Щербакова, О.М. Глушанина // Матер. 3-й междунар.научно-техн. конф., -Барнаул. 2002. -С.94-95.

79. Генкин А.А. Коэффициенты корреляции клинико-лабораторных данных как признаки механизмов регуляции / А.А.Генкин // Клин. лаб. диагн. -1996. -№ 3. -С.44-48.

80. Гублер Е.В. Вычислительные методы распознавания патологических процессов / Е.В. Гублер. Л.: Медицина, 1970.

81. Эммануэль В.Л. Компьютеризация лабораторных исследований путь развития лабораторной медицины / В.Л. Эммануэль, А.А. Генкин. // Клин. лаб. диагн. -1997-№ 5.

82. Губарев В.В. Выбор модели под прикладную задачу с системных позиций / В.В. Губарев // Научные основы высоких технологий: тр. междунар. науч-техн. конф. Новосибирск: НГТУ, 1997. -С.З- 8.

83. Губарев В.В. Системный анализ в экспериментальных исследованиях: уч. пособие. / В.В. Губарев. Новосибирск: НГТУ, 2000.

84. Бейли Н. Статистические методы в биологии / Пер. с англ.; Под ред. В.В. Налимова. / Н Бейли. -М.: Изд-во «Иностр. лит.», 1962.

85. Зуев С.М. Статистическое оценивание параметров математических моделей заболеваний. / С.М. Зуев. -М.: Наука, 1988. -192с.

86. Кульбак С. Теория информации и статистика / С. Кульбак. пер. с англ.; под ред. А.Н. Колмогорова. М.: Наука, 1967.

87. Лакин. Г.Ф. Биометрия / Г.Ф. Лакин- М.: Высшая школа, 1980. -293с.

88. Гланц Ст. Медико-биологическая статистика. / Ст. Гланц. -М.: Практика, 1999.

89. Бирюкова Р.Н. Хи-квадрат и дисперсионный анализ. / Р.Н. Бирюкова. -М., 1967.

90. A Global index of risk factors and its relation to mortality, application in analysis of follow-up data / R.S.Elandt-Johnson, W. Piotrowski // J. of Amer. Med. Assoc. 1997,-269,-pp.505-510.

91. Делекторская Л.И. Оценка диагностической информированности лабораторных тестов (методические рекомендации). / Л.И. Делекторская, В.А. Михеев, О.Д.Колесников // Клин. лаб. диагн. 1992. - № i2. -С.49-58.

92. Генкин А.А. Парные коэффициенты корреляции клинико-лабораторных признаков: артефакты и трудности интерпретации / А.А. Генкин // Клин. лаб. диагн. 1993. - № 6. -С.71-73.

93. Меньшиков В.В. Клиницист и лаборатория в диагностическом диалоге /

94. B.В. Меньшиков // Клинический диагноз лабораторные основы, - М.: 1997.1. C.22.

95. Logistic regression for two-stage case-control data / N.E. Breslow, K.C.Cain // IntJ. Bio-Med. Сотр. 1988:75,-P.l 1-20.

96. Logistic regression for two-stage case-control data / N.E. Breslow, K.C.Cain //Int.J. Bio-Med. Сотр. 1988:75,-P. 11-20.

97. Relationship of blood pressure, serum cholesterol, smoking habit, relative weight and ECG abnormalisties to incidence of major coronary events//! Chran. Dis. -1978.-Vol. 31.-201 p.

98. A comparison of the logistic risk function and the proportional hazards model in prospective epidemiologic studies / M.S.Green, M.J.Symons // J. Chron. Dis. -1983,- V. 36.- N. 10,- pp. 715-724.

99. Плавинская С.И. Долговременный прогноз течения различных форм ишемической болезни сердца и шкала оценки риска смерти от нее / С.И. Плавинская, Д.Б. Шестов // Терапевт. Архив. -1990, № 8, -С.40^4.

100. Перегудов Ф.И, Тарасенко Ф.П. Введение в системный анализ / Ф.И. Перегудов, Ф.П. Тарасенко. М.: Высшая школа, 1989. -367с.

101. Насонова Н.В. Разработка средств мониторинга хронических неинфекционных заболеваний / Н.В. Насонова, В.В. Губарев // Информационные системы и технологии: тез. докл. межд. научн.-техн. конф, 2003, - Новосибирск -С.45.

102. Насонова Н.В. Системный подход к разработке системы мониторинга хронических неинфекционных заболеваний / Н.В. Насонова, В.В. Губарев // Актуальные вопросы современной медицины: тез. докл. 12-й научн.-практ. конф. врачей, Новосибирск, 2002. - С.28-29.

103. Большаков A.M. Оптимизация профилактических рационов питания с помощью компьютерной системы "Питание для здоровья и долголетия": учебное пособие для врачей./ А.М Большаков, А.Ю. Жигарев, В.Н. Крутько, Н.С. Потемкина, Труханов А.И. М, 2003. - 16 с.

104. Генкин А.А. От компьютерной истории болезни к информационному образу болезни / А.А. Генкин // Terra Medica. 1996. - № 3. -С.42-46.

105. Генкин А.А. От компьютерной истории болезни к информационному образу болезни / А.А. Генкин // Terra Medica. 1996. - № 3. -С.42-46.

106. Ербактанов А.Б. Компьютерная история болезни интеллектуальная основа организации лечебно-диагностического процесса. / А.Б. Ербактанов // Уральский медицинский научно-практический журнал. - 1996, № 5.

107. Мартинчук А.Н. Альбом порций продуктов и блюд. / А.Н. Мартинчук, А.К. Батурин, B.C. Баева. -М, 1995. -254с.

108. Мартинчук А.Н. Методические рекомендации по оценке количества потребляемой пищи методом 24-часового (суточного) воспроизведения питания. /

109. А.Н. Мартинчук, А.К. Батурин, А.И. Феоктистова и др.. Утв.Зам. Глав.Гос.Санитарного врача РФ 26 февраля 1996 г., №1-19/ 14-17, 1996.

110. Плавинская С.И. Долговременный прогноз течения различных форм ишемической болезни сердца и шкала оценки риска смерти от нее / С.И. Плавинская, Д.Б. Шестов // Терапевт. Архив. -1990, № 8, -С.40-44.

111. Грабаускас В.И. Риск развития ишемической болезни сердца у 45-49 летних мужчин. Результаты 5-летнего наблюдения каунасского популяционного исследования / В.И.Грабаускас, Р.П.Прохораскас, А.В. Баубинене и др. // Кардиология. 1980. - №3. -С.68-72.

112. Насонова Н.В. Автоматизированное рабочее место врача-диетолога в кабинете "Здоровое питание" / Н.В. Насонова, И.П. Березовикова // Информационные системы и технологии: тез. докл. межд. научн.-техн. конф., 2003, - Новосибирск - С.46-47

113. Факторный, дискриминантный и кластерный анализ / Пер. с англ. 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.