автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Система поддержки принятия решений врача - бактериолога клинико-диагностической лаборатории стационара

На правах рукописи

Ахмед М.А. Абувда

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ВРАЧА - БАКТЕРИОЛОГА КЛИНЖО-ДИАГНОСТИЧЕСКОЙ ЛАБОРАТОРИИ СТАЦИОНАРА

Специальность: 05.11.17 - Приборы, системы и изделия медицинского назначения

Автореферат диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург-2009 ^ ^ ИЮН 2009

003472822

Работа выполнена в Санкт-Петербургском государственном электротехническом университете "ЛЭТИ" имени В.И.Ульянова (Ленина).

Научный руководитель

кандидат технических наук, доцент Садыкова Елена Владимировна

Официальные оппоненты:

Доктор технических наук, профессор Падерно Павел Иосифович Кандидат технических наук, доцент Липанова Ирина Александровна

Ведущая организация — Санкт-Петербургский государственный университет информационных технологий, механики и оптики

Защита диссертации состоится 2009 г. в {$_ часов

на заседании совета ло защите докторских и кандидатских диссертаций Д 212.238.09 Санкт-Петербургского государственного электротехнического университета "ЛЭТИ" имени В.И.Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, 5.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан

X 6 » ь/ЛгЛ. &

2009 г.

Ученый секретарь совета по защите докторских и кандидатских диссертаций

Болсунов К.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. В настоящее время огромное внимание уделяется клинико-диагностическим исследованиям. Одним из приоритетных направлений являются бактериологические исследования. Это обусловлено массовым распространением инфекционных заболеваний во всем мире, опасностью возникновения и распространения внутрибольничных инфекций (ВБИ), не всегда обоснованным применением антибиотиков, изменением структуры микрофлоры в формировании инфекционных процессов и необходимостью микробиологического контроля чувствительности патогенной микрофлоры к лекарственным препаратам.

Одним из критериев качества оказания медицинской помощи является показатель заболеваемости ВБИ. Актуальность проблемы определяется слабым знанием специалистов практического здравоохранения реальной заболеваемости ВБИ в стационарах, что обусловлено сложностью их учета и недостаточностью проводимых профилактических и противоэпидемических мероприятий, а также наносимым ими значительным экономическим ущербом.

Следует признать, что уровень развития микробиологических исследований во многих странах (в том числе и России) не отвечает современным требованиям здравоохранения и нуждается, прежде всего, в автоматизации.

В последнее время в связи с массовым процессом оснащения стационаров ПК ЭВМ в каждодневную практику медицинских специалистов различной квалификации, внедряются программно-аналитические комплексы, автоматизирующие трудоемкий рутинный труд регистрации медицинских данных и интеллектуально сложный процесс принятия решений врачом при постановке диагноза и ведении пациента.

Современный уровень развития информационных технологий делает возможным создание специализированных систем поддержки принятия решений (СГТПР) врача-бактериолога по управлению эпидемиологической обстановкой в стационаре, с помощью которых врач на основе программно-алгоритмического обеспечения сумеет решить сложные вопросы регистрации, диагностики и управления ВБИ.

Цель исследования - разработка системы поддержки принятия решений врача-бактериолога стационара, обеспечивающей автоматизированный анализ данных аналитических исследований пациентов, контроль ВБИ и принятие решений по управлению эпидемиологической обстановкой в стационаре.

Задачи исследования:

1. Провести анализ состояния проблемы и выявить особенности применения систем поддержки принятия решений в области бактериологии.

2. Предложить способы представления медицинских данных, необходимых для структурированного анализа данных и построения системы поддержки принятия решений врача-бактериолога по управлению эпидемиологической обстановкой в стационаре в формализованном виде.

3. Структурировать журналы бактериологических исследований системы поддержки принятия решений в области бактериологии.

4. Разработать структуру системы поддержки принятия решений врача-бактериолога по управлению эпидемиологической обстановкой в стационаре и структуру информационных потоков, характеризующих заболеваемость внутрибольничных инфекций и их значимость в эпидемиологическом процессе.

5. Представить контур взаимодействия элементов организационно-функциональной структуры эпидемиологического контроля и модели прогноза заражения внутрибольничными инфекциями.

6. Разработать программный комплекс системы поддержки принятия решений врача-бактериолога по управлению эпидемиологической обстановкой в стационаре и провести экспериментальную апробацию системы в стационаре.

Объектом исследования является система поддержки принятия решения врача-бактериолога по управлению эпидемиологической обстановкой в стационаре.

Предметом исследования является информационное, методическое и программно-алгоритмическое обеспечение системы поддержки принятия решения врача-бактериолога по управлению эпидемиологической обстановкой в стационаре.

Методы исследования: В работе использована методология системного подхода, математическое моделирование, нечеткая логика, CASE-технология, элементы математической статистики, методы экспертных оценок, теория управления биологическими и медицинскими системами.

Научная новизна результатов:

1. Структурированные журналы бактериологических исследований на основе CASE технологии позволяют получить информацию о развитии ВБИ в различном информационном срезе и повысить эффективность работы врача-бактериолога на основе поддержки принятия его решения по управлению эпидемиологической обстановкой в стационаре;

2. Модели прогнозирования количества заболеваний внутрибольнич-ной инфекцией на основе экспертно-логических правил, построенные на данных предыдущих периодов заболевания, позволяют повысить эффективность прогноза;

3. Организационно-функциональная структура эпидемиологического контроля ВБИ, раскрывающая взаимодействие элементов системы эпидемиологического контроля в процессе мониторинга за ВБИ;

4. Система поддержки принятия решений врача-бактериолога по управлению эпидемиологической обстановкой в стационаре, содержащая в своей структуре журналы бактериологических исследований, модели прогнозирования, метод контроля, которые позволяют повысить точность прогноза развития ВБИ.

Практическую ценность работы составляют:

1. Предложенный способ представления медицинских данных, необходимый для структурированного анализа данных и построения системы поддержки принятия решений врача-бактериолога по управлению эпидемиологической ситуацией в стационаре, позволяющий представить в формализованном виде врачу-бактериологу структурированный журнал бактериологических исследований и процесс прогнозирования заболеваний внутриболь-ничной инфекцией.

2. Структура автоматизированного журнала бактериологических исследований системы поддержки принятия решений в области бактериологии, позволяющая повысить эффективность работы врача-бактериолога за счет более оптимально организованного труда по контролю и управлению ВБИ.

3. Программно-алгоритмическое обеспечение системы поддержки принятия решений врача-бактериолога, позволяющее автоматизировать процесс бактериологического контроля и процесс регистрации внутрибольнич-ных инфекций, обеспечивает своевременное выявление патологий и принятия противоэпидемиологических мероприятий.

4. Результаты апробации разработанной системы в стационаре, позволившие доказать эффективность системы управления и контроля эпидемиологической обстановкой.

Основные положения, выносимые на защиту.

1. Использование CASE технологии при построении системы поддержки принятия решений врача-бактериолога, содержащей структурированные журналы бактериологических исследований, позволяет повысить эффективность анализа данных о развитии ВБИ за счет получения дополнительных информационных потоков-данных о заражениях пациентов ВБИ.

2. Прогнозирование развития ВБИ в системах поддержки принятия решений врача-бактериолога должно учитывать особенности организационно-функционального алгоритма взаимодействия специалистов в системе контроля и информационные потоки, формируемые структурированным журналом бактериологических исследований.

Апробация. Результаты работы докладывались и обсуждались на научно-технических конференциях профессорско-преподавательского состава СПб ГЭТУ (ЛЭТИ), СПб, 2007-2009.; на 16-ой международной конференции «Новые информационные технологии в медицине, биологии, фармакологии и экологии», Украина, Ялта 2008; на 64 научно-техн. конференции НТОРЭС им. A.C. Попова. СПб ГЭТУ, Санкт-Петербург. 2009; на 60 научно-техн. конференции НТОРЭС им. A.C. Попова. СПб ГЭТУ, Санкт-Петербург. 2005.

Внедрение результатов исследования.

Результаты диссертационной работы использованы при создании программного продукта «Система поддержки принятия решений врача-бактериолога и апробированы в бактериологической лаборатории КДЛ Детской инфекционной больницы № 5 им. Н.Ф. Филатова. Результаты диссертационной работы внедрены в учебный процесс кафедры Биомедицинской электроники и охраны среды СПбГЭТУ.

Структура и объем работы.

Диссертация состоит из введения, четырех глав с выводами, заключения, списка литературы и трех приложений. Основное содержание работы изложено на 113 страницах машинописного текста, содержит 43 рисунков, 8 таблиц Список использованной литературы включает 57 наименований, среди которых 44 отечественных и 13 иностранных авторов.

Публикации. Основные теоретические и практические результаты диссертации опубликованы в 6 работах, среди которых 3 публикации в ведущих рецензируемых изданиях, рекомендованных в перечне ВАК, 3 публикации в трудах научно-технических конференций.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы цели и задачи исследования, изложены основные научные и практические результаты, выносимые на защиту, приведено краткое содержание глав диссертации.

В первой главе дается анализ существующих автоматизированных систем бактериологической лаборатории стационара и обоснование применения технологий для их разработки. Анализируется состояние проблемы в области клинической лабораторной диагностики.

Разработка СППР для бактериологической клинико-диагностической лаборатории (КДЛ) лечебно-профилактического учреждения (ЛПУ) является не простой задачей из-за специфичности используемых методик, результатом которых является выделение и идентификация микроорганизма с рядом характеристик его биологических свойств, включая чувствительность к анти-

микробным химиотерапевтическим препаратам. Длительность проведения бактериологических исследований в КДЛ варьирует от 2 до 10 дней. Интерпретация результатов требует высокого профессионализма от врача-бактериолога.

После проведенных бактериологических исследований, на основании полученных данных, можно построить прогноз заражения больных стационара внутрибольничной инфекцией. Поэтому, результаты имеют значение не только для пациента, у которого проводились аналитические исследования, но также и для всех больных.

Важность решения выше изложенных проблем обусловливает необходимость организовать автоматизированный учет и прогноз заражения ВБИ, на основании которого своевременно проводить в ЛПУ комплекс целенаправленных профилактических и противоэпидемических мероприятий.

Для анализа и выработки предложений в СППР используются различные технологии. Это могут быть: информационный поиск, деревья решений, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, генетические алгоритмы, нейронные сети, нечёткие множества и нечёткая логика и др.

Нечёткие множества и механизмы нечёткой логики обеспечивают представление и использование ненадёжных и слабо формализованных данных. Такие механизмы широко используются в СППР и, практически всегда, - в сочетании с другими информационными технологиями. Для создания СППР врача-бактериолога наиболее эффективным представляется использование технологии нечёткой логики.

Для разработки СППР врача-бактериолога микробиологической лаборатории необходимо применить технологию, способную решить поставленные задачи перед системой

В настоящее время существуют передовые технологии, такие как программно-технологические средства специального класса - САБЕ-средства, реализующие САБЕ-технологию создания и сопровождения автоматизированных систем. Подобного рода средства пока еще мало применяются в системе здравоохранения в нашей стране, и автором не было обнаружено случаев использования их для разработки СППР врачей бактериологических лабораторий ЛПУ.

САБЕ-технология представляет собой методологию проектирования систем и набор инструментальных средств, которые позволили в наглядной форме моделировать предметную область, анализировать эту модель на всех этапах разработки и сопровождения системы и разработать приложение в соответствии с информационными потребностями бактериологической лаборатории.

Для разработки СППР специалистов бактериологической лаборатории целесообразно использовать CASE-средства, построенного в СУБД Cache (InterSystems). Это инструмент реализации сложных вариантов работы с данными и отношениями между ними.

Для успешной реализации проекта по созданию СППР врача-бактериолога, объект проектирования должен быть, прежде всего, адекватно описан, должны быть построены полные и непротиворечивые функциональные и информационные модели. Т.е. при разработке должна быть построена модель предметной области, произведено отображение этой модели в модель данных и по МД созданы физические структуры данных. Модели данных представить на логическом и физическом уровне

На основании проведенного анализа определяются цель и задачи исследования.

Вторая глава посвящена разработке логического уровня системы: рассмотрены этапы разработки СППР врача-бактериолога «BakLab»; разработана организационно-функциональная структура эпидемиологического контроля ВБИ, разработаны модель прогноза заражения общего числа внутриболь-ничными инфекциями стационара и модель прогноза заражения конкретной внутрибольничной инфекцией (на примере пневмонии).

Для создания модели необходимо формальное описание предметной области по модульному принципу в соответствии с поставленной целью и задачами.

Рис. 1. Организационно-функциональная структура эпидемиологического контроля

ВБИ.

Разработана организационно-функциональная структура эпидемиологического контроля ВБИ, имеющая в своем составе контур взаимодействия врача-клинициста, эпидемиолога, фармаколога и врача-бактериолога, с поддержкой принятия его решения на основании данных, полученных СППР «ВакЬаЬ» (рис. 1). Предложены алгоритмы действий выше перечисленных

специалистов ЛПУ, входящих в контур взаимодействия (рис. 1) в случае возникновения ВБИ в лечебном отделении стационара.

Рассмотрена модель инфекционного заболевания в случае, когда заболевание распространяется среди группы восприимчивых пациентов, но удаления их из популяции за счёт гибели, выздоровления или изоляции не происходит.

Пусть имеется п пациентов, восприимчивых к данному заболеванию, и что в момент времени 1=0 в группу попадает один пациент, являющийся источником инфекции, тогда (п+1) - количество пациентов в группе.

Рассмотрим однородно перемешанную группу.

1 - момент времени;

хф - количество восприимчивых пациентов в момент времени I;

у(0 - количество источников инфекций в момент времени Г,

Пусть при 1=0 х(0) = п; у(0) = 1

В произвольный момент времени I: х(0 + у(Ц = п+1.Среднее число новых случаев заболевания, появляющихся в интервале пропорционально числу источников инфекции и числу восприимчивых пациентов. Если частота контактов между членами этой группы равна р, то среднее число новых случаев заболевания, появляющихся в интервале А1, будет равно [¡хуА^ т.е.

Дх = - рхуА1.

Уравнение движения для данного процесса принимает вид: ах/сй = -рх(п-х+1) (1),

Предполагаем, что латентный период равен нулю.

Решение уравнения (1) имеет вид:

х = п (п+1)/(п+ер(п+1)')

Динамика нарастания числа новых случаев:

-с1х/с11 = Рп (п+1)2 ер <п+1Н /(п+ер (п+,)')2

Во время возникновения ВБИ важно знать пик нарастания количества инфицированных пациентов, для того чтобы своевременно осуществить профилактические и противоэпидемические мероприятия. Это симметричная одновершинная кривая с максимумом в точке 1тал.

Таким образом, получено характерное свойство ВБИ: число новых случаев сначала быстро возрастает, в какой-то момент достигает максимума, а затем уменьшается до нуля.

Математическая модель прогнозирования общего количество ВБИ стационара требует большого количества экспериментальных данных.

Для построения модели прогноза заражения внутрибольничной инфекцией предлагается подход, который объединяет экспериментальные данные о количестве заболеваний ВБИ с экспертной оценкой о закономерностях, извлекаемых из экспертных данных. Полученные закономерности формализу-

ются при помощи нечеткой логики путем настраивания нечетких правила ЕСЛИ-ТО с помощью существующих экспериментальных данных. Такая модель позволяет построить прогноз в условиях малых экспериментальных выборок, поэтому её можно применить для прогноза заражения конкретной ВБИ стационара.

На основании сделанных выводов о закономерностях распространения ВБИ в различных стационарах, заболевания ВБИ имеют циклический характер, максимумы ВБИ возникают через 3-4 месяца.

Рассмотрим количество заболеваний пневмонией (ВБИ) у детей по данным МИАЦ одной из клиник СПб.

Анализируя динамику изменений числа заболеваний на рис.2, можно заметить 4 цикла за 4 года, в каждом году 4 периода, приходящиеся на max заболеваемости ВБИ.

Пусть ... Х41"1) ( xi', х2', X31, х4') (Х]'+1... - циклы, где i- номер цикла; х/, X2', Х3', х4' - кол-во заболеваний в 1-4 периодах года соответственно.

60

50

40

30

20

10

О

О^ <1^ if?

^ ^ ^ £

Рис. 2. Динамика изменений количества заболеваний пневмонией.

Логические правила Gj в i- ом и (i+1)- ом циклах: ЕСЛИ X]1 = низкое И Х2' = ниже среднего ТО Хз' = среднее ЕСЛИ Xi' = среднее И Х2' = среднее ТО Х3' = выше среднего ЕСЛИ X,' = среднее И Х2' = среднее ТО Х3' = выше среднего ЕСЛИ X/ = высокое И Х2' = высокое ТО Х3' = высокое

ЕСЛИ X/ = низкое И Х2' = ниже среднего ТО Х4' = ниже среднего ЕСЛИ Xi' = среднее И Х2' = среднее ТО Х4' = выше среднего ЕСЛИ X/ = среднее И Х2' = среднее ТО Х4' = среднее ЕСЛИ X,1 = высокое И Х2' = высокое ТО Х4' = выше среднего

= ниже среднего ТО Xi'+1 = среднее

= выше среднего ТО Xi'+1 = среднее ¡+1

ЕСЛИ X ЕСЛИ X,

ЕСЛИ Х4' = среднее ТО Х,1+1= высокое

ЕСЛИ Х4 G4 <! ЕСЛИ Х4

= ниже среднего И Х)'"1"1 = среднее ТО Х2'+1= среднее = выше среднего И Х11+|= среднее ТО Х2'+1= ниже среднего

ЕСЛИ Х4' = среднее И Х11+| = выше среднего ТО Х21И = высокое

Сеть зависимостей, которая объединяет сформированные выше правила, показывает, что по двум первым периодам года ¡-го цикла можно прогнозировать на год вперед: на два последних периода года I -го цикла и на два первых периода года следующего + 1) -го цикла.

Логические правила 01, имеющие экспертные оценки «низкий», «ниже среднего», «средний», «выше среднего», «высокий», согласно теории нечетких множеств формализуем при помощи функций принадлежности рт(х).

Функция принадлежности рт (х) лежит в диапазоне [0,1] и имеет следующий вид: рт(х) = 1/(1+((х-Ь)/с)2), где Ь и с-параметры настройки, которые вначале выбираются экспертом, а затем настраиваются на экспериментальные данные: Ь- координата максимума функции, р (Ь) =1; с- коэффициент концентрации (растяжения функции).

Выбранные параметры Ь и с для разных оценок, используемые в правилах О] - 04 представлены в таблице 1.

Таблица 1. ___

Оценки Параметры до настройки Параметры после настройки

b с b с

«низкая» 18 7 18 5

«ниже среднего» 25 10 24 6

«средняя» 40 10 35 5

«выше среднего» 45 7 45 4

«высокая» 55 5 60 5

Обозначим диапазон возможных значений количества заболеваний: «низкое» - [xmjn, X)], «ниже среднего» - [хь х2], «среднее» - [х2, х3], «выше среднего» - [хз, х4], «высокое» - [х4, хтах].

Используя введенные в теории нечетких множеств логические операции min (И), шах (ИЛИ) и принцип взвешенной суммы для преобразования функции принадлежности к четкому числу, получим модель прогноза пневмонии (ВБИ):

Г Хз' = (Х2 ML (Хз') + Хз [Л (Хз1) + X4 |iB (Хз')) / (PL (Хз') + PBL (Хз') + Рв (Хз'))

J pc(x3i) = min(MH(x1'),pHC(x2l)

1 рвс(х3') = min (pc(xi'), рс(х2')

^ рВ (х3') = min (рв (хД рв (х2')

g2

х4' = (x, MHC (x4') + x2 ис (X41) + Хз цвс (xV)) / (ЦНС Ы) + ис (x/) + цвс (х4')) цнс(х4') = тт (цн(хД цнс(х2') ijc(x4i) = min(nc(x1i), цс(х2')

рвс(х4') = тах (min (|лв(х,'), |_.в(х2'); min (цс(х,'), мс(х2'))

x,i+1 = (х2 цс (Xli+1) + х4 цв (х,ы)) / (цс (x,i+l) + рв (x,i+1)) |ic(xi'+1) = тах (цнс(хДцвс(х4')

ЦВ(Х1'+1) = ЦС(Х+1)

х3'=(х, цис(х2|+1)+х2цс(х2!+')+х#в(х21+,))/(Ннс(х21+|)+цс(х2|+1) + мв (x2i+1))

G4

р (х2 ) = min (ц (х4')> ц (xi1+ ) Mc(x2,+1) = min(MHC(x4,)J pc(x,'+1) ^х^тт^хДр^хГ1)

При помощи полученной модели можно грубо прогнозировать количество заболеваний, как показано на рис. 3.

Рис. 3. Сопоставление экспериментальных данных и теоретических до настройки.

Для повышения точности прогноза необходимо перейти к настройке модели. Задача настройки состоит в подборе таких параметров b и с функций принадлежности, которые обеспечат минимум расхождения между теоретическим и экспериментальным количеством заболеваний. В соответствии с методом наименьших квадратов найдем минимальные значения коэффициен-

TOB b, с: 1(Х3'- X3i)2+I(x4i-X4i)2+I(x1ltl-X1i+I)2+I(x2itl-X1i+1)2 =min, i=3 i=3 i=3 i=3 b,c

где x3', x4', x,'+1, x2'+1 - теоретические значения заболеваний пневмонией; Х3',

Х4', X1'+1, Xi'+I - экспериментальные значения заболеваний пневмонией.

Применение настроенных функций принадлежности позволяет получить, теоретические данные достаточно близкие к экспериментальным данным и модель прогнозирования на 2008 год (рис. 4, рис. 5).

ки.

60 50 40 30 20 10 0

■ ЭД НТД »ошибка |

Рис. 5. Сопоставление результатов ошибки с теоретическими и экспериментальными данными числа заболеваний пневмонией (ВБИ).

На основании разработанной модели прогноза заражения общего числа внутрибольничными инфекциями, можно строить прогноз заражения общего количества ВБИ по стационару на год.

В третьей главе проведены: разработка физической структуры СУБД для СППР врача бактериологической лаборатории; классификация функций; разработка системы управления реляционными базами данных в СППР

1 1 1 1 -

[■■^■■■■ГТП-П'Ч11."! ч-"!" -."п— и— "Г

2004 2005 2006 2007 2008

«BakLab»; организация СУБД в виде древовидной структуры; программирование объектной СУБД в СППР «BakLab».

Конфигурация СППР «BakLab» обеспечивает совместное использование двух систем (проектирование БД и разработка моделей) в рамках единой технологической среды проектирования, при этом схемы БД (SQL-модели) переносятся в репозиторий моделей, и, наоборот, прикладные модели, сформированные средствами Cache, могут быть перенесены в репозиторий БД. Репозитарий является древовидно-организованой файловой системой внутри БД, элементами которой выступают каталоги (папки) и произвольные файлы. Папки можно заводить и удалять, а файлы - заводить, удалять и извлекать. Возможные рассогласования между репозиториями двух систем устраняются с помощью специальной утилиты. Разработка экранных форм в среде Cache выполняется на базе диаграмм последовательностей форм после импорта SQL-модели. Алгоритм технологии разработки СППР «BakLab» на базе данной конфигурации представлен на рисунке 6.

Рис. 6. Алгоритм технологической разработки СППР «BakLab»

Физически СППР реализован на языке СУБД Cache и поэтому данные хранит в виде глобальных разряженных деревьев с символьной упорядоченностью узлов. Представление данных объекта можно упрощенно описать в виде деревьев "ЛСловарь" и "лТаблица№". Знак "л" в именованной метке дерева означает в СУБД Cache, что это дерево должно хранится в БД. Деревья имеют следующие структуры.

ЛТаблица№: ('Код записи', 'Название атрибута') = 'Значение атрибута';

лСловарь: ('Название атрибута', 'Значение атрибута', 'Номер таблицы', 'Код Записи') = "".

Один экземпляр такого объекта представляет собой совокупность нескольких деревьев "лТаблица№" (их названия отличаются номером №) и части дерева "АСловарь", которая определяется совокупностью названий атрибутов, включенных в этот экземпляр объекта. Каждое дерево "лТаблица№" определяет массив данных, который можно рассматривать как таблицу со столбцами, именованными названиями имеющихся в этой таблице атрибутов, и строками, именованными кодом записи. Значения дерева "лТаблица№" являются полями этой таблицы и рассматриваются как значения атрибутов.

Связь между таблицами осуществляется с помощью дерева "лСловарь" при условии, что значениями атрибутов являются слова. В объекте СППР существует одно дерево "лСловарь" для всей совокупности имеющихся данных.

СППР содержит в себе четыре основных программных класса: класс доступа к базе данных, класс доступа к оконному интерфейсу, класс - библиотеку отработки методов по умолчанию и класс-транслятор. Трансляция спроектированного объекта в исполняемый код осуществляется транслятором исходя из строк описания этого объекта. Полученный класс содержит в себе базовый алгоритм, описание всех экранных форм спроектированного объекта и тексты всех переопределенных методов. При исполнении методов класс проверяет наличие в себе переопределенных методов и в случае их отсутствия обращается к модулю-библиотеке методов по умолчанию. Взаимодействие класса с базой данных и оконным интерфейсом осуществляется через модули.

В четвертой главе приводится описание разработанного алгоритмического и программного обеспечения, анализируются результаты апробации СППР врача-бактериолога «BakLab».

В процессе разработки системы спроектировано три базы данных, в которых хранится информация о проведённых в бактериологической лаборатории исследованиях и пациентах, справочная информация для поддержки принятия решений врача-бактериолога:

1. БД «Карта пациента»;

2. БД «Бактериологические журналы»;

3. БД «Справочная информация».

Схема взаимосвязей между базами данных представлена на рис. 8 В ходе анализа при помощи СППР «ВакЬаЬ» установили присущий ЛПУ фон заболеваемости, соотношение генерализованных и локализованных форм инфекции, долю диагнозов ВБИ, что позволяет более точно прогнозировать ситуацию. ___

Заведующий лабораторией

Врач-бактериолог.

Лаборант баклаборатории.

Ввод параметров отчета:

Период, отделение, биоматериал, микроорганизм

Ввод данных

Данные о пациенте Данные бактериологических исследований

БД

/ /

"Карта пациента" 2

/ /

"Справочная информация, статистические методы" 2.

/ /

"Бактериологические журналы" У

бактериолог

Выбор бактериологического журнала из списка

Ввод параметров поиска:

• ФИО, возраст;

• № ИБ, № анализа;

• отделение;

• дата забора;

• дата доставки;

• материал.

Формирование запроса

Фильтрация БД по параметрам (поиск)

/ Вывод \ V по запросу )

Печать журнала

Ввод периода

Формирование журнала за период

Рис. 8. Структурная схема СППР «ВакЬаЬ».

Полученные в нашем исследовании данные о фоновой заболеваемости могут служить своеобразным ориентиром в системе оценки полноты и достоверности сведений о ВБИ.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработаны структурированные журналы бактериологических исследований, позволяющие получить информацию о развитии ВБИ в различном информационном срезе и повысить эффективность работы врача-бактериолога на основе поддержки принятия его решения по управлению эпидемиологической обстановкой в стационаре.

2. Предложен способ представления медицинских данных в формализованном виде, необходимый для структурированного анализа данных и построения системы поддержки принятия решений врача-бактериолога по управлению эпидемиологической ситуацией в стационаре и прогнозированию заболеваний внутрибольничной инфекцией.

3. Разработаны модели прогнозирования количества заболеваний внутри-больничной инфекцией на основе экспертно-логических данных, которые позволяют повысить эффективность прогноза ВБИ;

4. Предложена организационно-функциональная структура эпидемиологического контроля ВБИ, в контур взаимодействия которой входит система поддержки принятия решений врача-бактериолога, позволяющая своевременно определять и строить прогноз заражения внутри-больничной инфекцией.

5. Создано программно-алгоритмическое обеспечение системы поддержки принятия решений врача-бактериолога, позволяющее автоматизировать процесс бактериологического контроля и процесс регистрации внутрибольничных инфекций, обеспечивающее своевременное выявление патологий и принятия противоэпидемиологических мероприятий.

6. Разработана система поддержки принятия решений врача-бактериолога по управлению эпидемиологической обстановкой в стационаре, содержащая структурированные журналы бактериологических исследований, модели прогнозирования ВБИ и метод контроля, позволяющий повысить точность прогноза развития ВБИ.

7. Проведена апробация разработанной системы в стационаре, позволившая доказать эффективность системы управления и контроля эпидемиологической обстановкой.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Публикации в изданиях, рекомендованных ВАК России:

1. Абдувда Ахмед М.А.1 Система поддержки принятия решения врача-бактериолога в микробиологической лаборатории [Текст] / Абдувда Ахмед М.А., Е.В. Садыкова // Известия высших учебных заведений. Серия Радиоэлектроника. Вып. № 2,2009. - С 63-68.

2. Абувда А.2 Система и алгоритм поддержки решения врача по сортировке пострадавших в чрезвычайных ситуациях. [Текст] / Абувда А. // Известия СПбГЭТУ «ЛЭТИ» (Известия государственного электротехнического университета). Сер. Биотехнические системы в медицине и экологии. 2006,-Вып. № 2,- С. 150-153.

3. Абувда А. М.3 Мобильная система телеметрического сопровождения для задач медицины катастроф. [Текст] / Абувда А. М., З.М. Юлдашев //Известия СПбГЭТУ «ЛЭТИ» (Известия государственного электротехнического университета). Сер. Биотехнические системы в медицине и экологии. 2005,- Вып. №1,- С. 30-34.

Другие статьи и материалы конференций:

4. Абдувда Ахмед М.А.1 Модель оценки внутрибольничной инфекции для автоматизированной системы «BakLab». [Текст] / Абдувда Ахмед М.А., Е.В. Садыкова // Труды 64 научно-техн. конференции НТОРЭС им. A.C. Попова. СПб ТЭТУ, Санкт-Петербург. 2009. С. 102-103.

5. Абдувда Ахмед М.А.1 Технология разработки системы поддержки принятия решений специалистов ЛГГУ «BakLab». [Текст] / Абдувда Ахмед М.А., Е.В. Садыкова // Труды 64 научно-техн. конференции НТОРЭС им. A.C. Попова. СПб ГЭТУ, Санкт-Петербург. 2009. С. 103-104.

6. Абувда A.M.3 Каналы информационного обмена в мобильной системе телеметрического сопровождения. [Текст] / Абувда A.M., // Труды 60 на-учно-техн. конференции НТОРЭС им. A.C. Попова. СПб ГЭТУ, Санкт-Петербург. 2005. С. 193-195.

' Имя Абдувда Ахмед М.А. читать в редакции Ахмед М.А. Абувда

2 Имя Абувда А. читать в редакции Ахмед М.А. Абувда

5 Имя Абувда A.M. читать в редакции Ахмед М.А. Абувда

Подписано в печать 22.05.09. Формат 60*84 1/16. Бумага офсетная. Печать офсетная. Печ. л. 1,0. Тираж 100 экз. Заказ 34.

Отпечатано с готового оригинал-макета в типографии Издательства СПбГЭТУ "ЛЭТИ"

Издательство СПбГЭТУ "ЛЭТИ" 197376, С.-Петербург, ул. Проф. Попова, 5

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ АВТОМАТИЗИРОВАННЫХ СИСТЕМ БАКТЕРИОЛОГИЧЕСКОЙ ЛАБОРАТОРИИ СТАЦИОНАРА И ОБОСНОВАНИЕ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ДЛЯ ИХ РАЗРАБОТКИ

1.1. Основные понятия1, определения и классификация автоматизированных систем.

1.2. Современное состояние бактериологической лаборатории.

1.3. Автоматизированные системы поддержки принятия решений для бактериологической лаборатории.

1.4. Обоснование выбора CASE-технологии для СППР специалистов бактериологической лаборатории.

1.5. Программное обеспечение системы.

Выводы по главе 1.

ГЛАВА 2. РАЗРАБОТКА МОДЕЛИ РАСПРОСТРАНЕНИЯ ВНУТРИБОЛЬНИЧНОЙ ИНФЕКЦИИ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ В МНОГОПРОФИЛЬНОМ СТАЦИОНАРЕ.

2.1. Этапы разработки СППР врача-бактериолога.

2.2. Организационно-функциональный алгоритм эпидемиологического контроля за внутрибольничной инфекцией.

2.3. Модель прогноза заражения общего числа внутрибольничнными инфекциями стационара.

2.4. Модель прогноза заражения внутрибольничной инфекцией.

Выводы по главе 2.

ГЛАВА 3 РАЗРАБОТКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

ВРАЧА БАКТЕРИОЛОГИЧЕСКОЙ ЛАБОРАТОРИИ.'.

3.1. Физическая структура СУБД для СППР врача бактериологической лаборатории.

3.2. Классификация функций.

3.3. Системы управления реляционными базами данных в СППР «BakLab».

3.4. Организация СУБД в виде древовидной структуры.

3:5. Программирование объектной СУБД в СППР «BakLab».

Выводы по главе 3.'.

ГЛАВА 4. РЕАЛИЗАЦИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ВРАЧА БАКТЕРИОЛОГИЧЕСКОЙ ЛАБОРАТОРИИ И РЕЗУЛЬТАТЫ АПРОБАЦИИ.

4.1. Техническая реализация системы «BakLab».

4.2. Алгоритмическое обеспечение работы системы «BakLab».

4.3. Результаты апробации программы «BakLab».

4.4. Выводы о распространении внутрибольничной инфекции.

Выводы по главе 4.:.

Актуальность проблемы. В настоящее время огромное внимание уделяется клинико-диагностическим исследованиям. Одним из приоритетных направлений являются бактериологические исследования. Это обусловлено массовым распространением инфекционных заболеваний во всем мире, опасностью возникновения и распространения внутрибольничных инфекций (ВБИ), не всегда обоснованным применением антибиотиков, изменением структуры микрофлоры в формировании инфекционных процессов и необходимостью микробиологического контроля чувствительности патогенной микрофлоры к лекарственным препаратам [1].

Стратегической задачей здравоохранения во всем мире является обеспечение качества медицинской помощи и создание безопасной больничной среды [2].

После проведенных бактериологических исследований, на основании полученных данных, можно построить прогноз заражения больных стационара внутрибольничной инфекцией. Поэтому, результаты имеют значение не только для пациента, у которого проводились аналитические исследования, но также и для всех больных ЛПУ [1].

Одним из критериев качества оказания медицинской помощи является показатель заболеваемости ВБИ. Актуальность проблемы определяется слабым знанием специалистов практического здравоохранения реальной заболеваемости ВБИ в стационарах, что обусловлено сложностью их учета и недостаточностью проводимых профилактических и противоэпидемических мероприятий, а также наносимым ими значительным экономическим ущербом.

Несмотря на значительные успехи, достигнутые в конце XX века в борьбе с инфекционными заболеваниями человека, внутрибольничные инфекции (ВБИ) остаются одной из острейших проблем современной медицины, которая приобретает все большую экономическую и социальную значимость. Рост заболеваемости ВБИ связан со значительным ростом числа госпитальных штаммов микроорганизмов, обладающих устойчивостью к широкому кругу антимикробных препаратов, увеличением частоты инвазивных лечебных процедур и методов диагностики, качественными изменениями структуры популяции пациентов [2].

Следует признать, что уровень развития микробиологических исследований во многих странах (в том числе и России) не отвечает современным требованиям здравоохранения и нуждается, прежде всего, в автоматизации [6].

В последнее время в связи с массовым процессом оснащения стационаров ПК ЭВМ в каждодневную практику медицинских специалистов различной квалификации, внедряются программно-аналитические комплексы, автоматизирующие трудоемкий рутинный труд регистрации медицинских данных и интеллектуально сложный процесс принятия решений врачом при постановке диагноза и ведении пациента.

Современный уровень развития информационных технологий делает возможным создание специализированных систем поддержки принятия решений (СПГТР) врача-бактериолога по управлению эпидемиологической обстановкой в стационаре, с помощью которых врач па основе программно-алгоритмического обеспечения сумеет решить сложные вопросы регистрации, диагностики и управления ВБИ.

Цель исследования — разработка системы поддержки принятия решений врача-бактериолога стационара, обеспечивающей автоматизированный анализ данных аналитических исследований пациентов, контроль ВБИ и принятие решений по управлению эпидемиологической обстановкой в стационаре.

Задачи исследования:

1. Провести анализ состояния проблемы и выявить особенности применения систем поддержки принятия решений в области бактериологии.

2. Предложить способы представления медицинских данных, необходимых для структурированного анализа данных и построения системы поддержки принятия решений врача-бактериолога по управлению эпидемиологической обстановкой в стационаре в формализованном виде.

3. Структурировать автоматизированные журналы бактериологических исследований системы поддержки принятия решений в области бактериологии.

4. Разработать структуру системы поддержки принятия решений врача-бактериолога по управлению эпидемиологической обстановкой в стационаре и структуру информационных потоков, характеризующих заболеваемость внутрибольничных инфекций и их значимость в эпидемиологическом процессе.

5. Представить контур взаимодействия элементов организационно-функциональной структуры эпидемиологического контроля и модели прогноза заражения внутрибольничными инфекциями.

6. Разработать программный, комплекс системы поддержки принятия решений врача-бактериолога по управлению эпидемиологической обстановкой в стационаре и провести экспериментальную апробацию системы в стационаре.

Объектом исследования является система поддержки принятия решения врача-бактериолога по управлению эпидемиологической обстановкой в стационаре.

Предметом исследования является информационное, методическое и программно-алгоритмическое обеспечение системы поддержки принятия решения врача-бактериолога по управлению эпидемиологической обстановкой в стационаре.

Методы исследования: В работе использована методология системного подхода, математическое моделирование, нечеткая логика, CASE-технология, элементы математической статистики, методы экспертных оценок, теория управления биологическими и медицинскими системами.

Научная новизна результатов:

1. Структурированные автоматизированные журналы бактериологических исследований на основе CASE технологии позволяют получить информацию о развитии ВБИ в различном информационном срезе и повысить эффективность работы врача-бактериолога на основе поддержки принятия его решения по управлению эпидемиологической обстановкой в стационаре;

2. Модели прогнозирования количества заболеваний внутриболышчной инфекцией на основе экспертно-логических правил, построенные на данных предыдущих периодов заболевания, позволяют повысить эффективность прогноза;

3. Организационно-функциональная структура эпидемиологического контроля ВБИ, раскрывающая взаимодействие элементов системы эпидемиологического контроля в процессе мониторинга за ВБИ;

4. Система поддержки принятия решений врача-бактериолога по управлению эпидемиологической обстановкой в стационаре, содержащая в своей структуре журналы бактериологических исследований, модели прогнозирования, метод контроля, которые позволяют повысить точность прогноза развития ВБИ.

Практическую ценность работы составляют:

1. Предложенный способ представления медицинских данных, необходимый для структурированного анализа данных и построения системы поддержки принятия решений врача-бактериолога по управлению эпидемиологической ситуацией в стационаре, позволяющий представить в формализованном виде врачу-бактериологу структурированный журнал бактериологических исследований и процесс прогнозирования заболеваний внутрибольничной инфекцией.

2. Структура автоматизированного журнала бактериологических исследований системы поддержки принятия решений в области бактериологии, позволяющая повысить эффективность работы врача-бактериолога за счет более оптимально организованного труда по контролю и управлению ВБИ.

3. Программно-алгоритмическое обеспечение системы поддержки принятия решений врача-бактериолога, позволяющее автоматизировать процесс бактериологического контроля и процесс регистрации внутрибольничных инфекций, обеспечивает своевременное выявление патологий и принятия противоэпидемиологических мероприятий.

4. Результаты апробации разработанной системы в стационаре, позволившие доказать эффективность системы управления и контроля эпидемиологической обстановкой.

Основные положения, выносимые на защиту.

1. Использование CASE технологии при построении системы поддержки принятия решений врача-бактериолога, содержащей структурированные журналы бактериологических исследований, позволяет повысить эффективность анализа данных о развитии ВБИ за счет получения дополнительных информационных потоков-данных о заражениях пациентов ВБИ.

2. Прогнозирование развития ВБИ в системах поддержки принятия решений врача-бактериолога должно учитывать особенности организационно-функционального алгоритма взаимодействия специалистов в системе контроля и информационные потоки, формируемые структурированным журналом бактериологических исследований.

Апробация. Результаты работы' докладывались и обсуждались на научно-технических конференциях профессорско-преподавательского состава СПб ГЭТУ (ЛЭТИ), СПб, 2007-2009.; на 16-ой международной конференции «Новые информационные технологии в медицине, биологии, фармакологии и экологии», Украина, Ялта 2008; на 64 научно-техн. конференции НТОРЭС им. А.С. Попова. СПб ГЭТУ, Санкт-Петербург. 2009; на 60 научно-техн. конференции НТОРЭС им. А.С. Попова. СПб ГЭТУ, Санкт-Петербург. 2005.

Внедрение результатов исследования.

Результаты диссертационной работы использованы при создании программного продукта «Система поддержки принятия решений врача-бактериолога и апробированы в бактериологической лаборатории КДЛ Детской инфекционной больницы № 5 им. Н.Ф. Филатова. Результаты диссертационной работы внедрены в учебный процесс кафедры, Биомедицинской электроники и охраны среды СПбГЭТУ.

Структура и объем работы.

Диссертация состоит из введения, четырех глав с выводами, заключения, списка литературы и трех приложений. Основное содержание работы изложено на 113 страницах машинописного текста, содержит 43 рисунка, 8 таблиц. Список использованной литературы включает 57 наименований, среди которых 44 отечественных и 13 иностранных авторов.

Выводы по главе 4:

1. Программный продукт «BakLab» разработан на основе данных, предоставленных специалистами бактериологической лаборатории Детской инфекционной больницы №5 имени Н.Ф. Филатова. Для создания программного продукта «Balkan» использовались: CASE-инструменг для разработки приложений и СУБД для разработки баз данных - Cache.

2. Полученные в нашем исследовании данные о фоновой заболеваемости могут служить своеобразным ориентиром в системе оценки полноты и достоверности сведений о ВБИ. Сравнивая данные, полученные МИАЦ и СППР «BakLab» можно сказать, что данные, полученные после регистрации в системе в среднем на 35-40% случаев ВБИ превышают.

108

ЗАКЛЮЧЕНИЕ

Конкретное участие автора в получении научных результатов заключается в том, что им самостоятельно:

1. Разработаны структурированные журналы бактериологических исследований, позволяющие получить информацию о развитии ВБИ в различном информационном срезе и повысить эффективность работы врача-бактериолога на основе поддержки принятия его решения по управлению эпидемиологической обстановкой в стационаре.

2. Предложен способ представления медицинских данных в формализованном виде, необходимый для структурированного анализа данных и построения системы поддержки принятия решений врача-бактериолога по управлению эпидемиологической ситуацией в стационаре и прогнозированию заболеваний внутрибольничной инфекцией.

3. Разработаны модели прогнозирования количества заболеваний внутрибольничной инфекцией на основе экспертно-логических данных, которые позволяют повысить эффективность прогноза ВБИ;

4. Предложена организационно-функциональная структура эпидемиологического контроля ВБИ, в контур взаимодействия которой входит система поддержки принятия решений врача-бактериолога, позволяющая своевременно определять и строить прогноз заражения внутрибольничной инфекцией.

5. Создано программно-алгоритмическое обеспечение системы поддержки принятия решений врача-бактериолога, позволяющее автоматизировать процесс бактериологического контроля и процесс регистрации внутрибольничных инфекций, обеспечивающее своевременное выявление патологий и принятия противоэпидемиологических мероприятий.

6. Разработана система поддержки принятия решений врача-бактериолога по управлению эпидемиологической обстановкой в стационаре, содержащая структурированные журналы бактериологических исследований, модели прогнозирования ВБИ и метод контроля, позволяющий повысить точность прогноза развития ВБИ.

7. Проведена апробация разработанной системы в стационаре, позволившая доказать эффективность системы управления и контроля эпидемиологической обстановкой.

1. Л.А.Калиниченко "Стандарт систем управления объектными базами данных ODMG-93", СУБД №01/1996.

2. Власов В.В. Эпидемиология в современной России. // Международный журнал медицинской практики.- 2001.- №2.- с.27-31.

3. Садыкова Е.В. Информационные технологии в бактериологической лаборатории. Известия СПбГЭТУ (ЛЭТИ) серия «Биотехнические системы в медицине и экологии» Вып. 1, СПбГЭТУ (ЛЭТИ), 2007 г.

4. Садыкова Е.В., Абдувда Ахмед М.А. Модель оценки внутрибольничной инфекции для автоматизированной системы «BakLab». Труды 64 научно-техн. конференции НТОРЭС им. А.С. Попова. СПб ГЭТУ, Санкт-Петербург. 2009. С. 27-28.

5. Садыкова Е.В., Абдувда Ахмед М.А. Технология разработки системы поддержки принятия решений специалистов ЛПУ «BakLab». Труды 64 научно-техн. конференции НТОРЭС им. А.С. Попова. СПб ГЭТУ, Санкт-Петербург. 2009. С. 44-45.

6. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений.-М.:Мир.- 1976.-167 с.

7. Кофман А. Введение в теорию нечетких множеств.-М.:Радио и связь.-1982.- 432 с

8. Абувда Ахмед A.M. Система и алгоритм поддержки решения врача по сортировке пострадавших в чрезвычайных ситуациях. Известия СПбГЭТУ. Сборник Биотехнические системы в медицине и экологии. Вып. № 2.- 2006.-С. 151-153.

9. Материалы сайта InterSystems Corporation www.intersystems.ru.

10. Кирстеп В., Иренгер И., Рёриг Б., Шульте П. СУБД Cache': объектно-ориентированная разработка приложений. СПб, "Питер", 2001.

11. Кречетов Н., Пстухова Е., Скворцов В., Умников А., Щукин Б. Постреляционная технология Cache' для реализации объектных приложений. -М, МИФИ, 2001

12. Материалы: Конференция разработчиков "Cache' Промышленные информационные технологии" www.itfond.ru .

13. В.Кирстен, М.Ирингер и др. "СУБД Cache1. Объектно-ориентированная разработка приложений", Питер, 2001.

14. Воробьев К.П. Доказательная медицина новая методология медицинской практики. Часть I. Мотивации врача и исследователя при изучении доказательной медицины. // Украинский медицинский альманах.-2004.-№ 5.- С.41-45.

15. Воробьев К.П. Доказательная медицина новая методология медицинской практики. Часть I I . Сущность доказательной медицины. // Украинский медицинский альманах -2005.-№6.-с.142-146.

16. Флетчер Р., Флетчер С., Вагнер Э. Клиническая эпидемиология: основы доказательной мещицины, М.: МедиаСфера, 1998.- 350с.

17. Власов В.В. Введение в доказательную медицину М.: МедиаСфера, 2001 .392 с.

18. Власов В.В. Эпидемиология ГЭОТАР-МЕД, 2004.- 464с.

19. Гринхальх Т. Основы доказательной медицины.- М., Издательский дом "ГЭОТАР-МЕД", 2004. 240 с.

20. Бейли Н. Математика в биологии и медицине. М.: Мир, 1970.- 326с.

21. Леонов В.П. Применение статистики в статьях и диссертациях по медицине и биологии. Часть 2. История биометрики и ее применения в России. Международный журнал медицинской практики, №4, 1999. -7-19.

22. Андерсон Р., Мэй Р. Инфекционные болезни человека. Динамика и контроль: Пер. с англ. — М.: Мир, «Научный мир», 2004. —784 с.

23. Беляков В.Д., Яфаев Р.Х. Эпидемиология: Учебник. М.: Медицина, 1989.-416 с.

24. Биглхол Р., Бонита Р., Кьельстрем Т. Основы эпидемиологии: ВОЗ. -Женева, 1994.-259 с.

25. Борткевич B.C., Мороз А.Г., Чистенко Г.Н., Лапушкина Т.Н. Диссеминация ксенобиотиков и их влияние на состояние здоровья населения с позиций факториальной эпидемиологии // Медицинские новости. 1998, № 11.- С.43-45.

26. Борткевич B.C., Филонов В.П., Мороз А.Г., Коржунов В.М. Использование статистических методов для эпидемиологического анализа. -Минск: Полымя, 1992. 70 с.

27. Вотяков В.И., Борткевич B.C. О теоретических основах эпидемиологии заболеваний, вызванных неинфекционными факторами // Вестник АМН СССР. М., 1990. - № 5. - С. 47-52.

28. Гисеке Йохан. Современная эпидемиология инфекционных болезней., второе издание. Пер. с англ.- Б.: 2004. —290 с.

29. Иммунопрофилактика инфекционных болезней: Учеб. пособие/М.М. Адамович, М.И. Бандацкая, A.M. Близнюк с соавт. Под ред. Г.Н. Чистенко. — Мн.: Новое знание, 2002. 159 с.

30. Иммунопрофилактика-2000 / Под ред. В.К. Таточенко и Н.А. Озерецковского. М., 2000. - 176 с.

31. Медуницин Н.В. Вакцинология. М.: Триада-Х, 1999. - 272 с.

32. Покровский В.И., Пак С.Г., Брико Н.И. Инфекционные болезни и, эпидемиология: Учебник. М.: ГЭОТАР Медицина, 2000. 304 с.

33. Руководство по эпидемиологии инфекционных болезней: Т.1, 2 / Под ред. В.И. Покровского. -М.: Медицина, 1993. 464 с.

34. Теоретические и методические основы противоэпидемических мероприятий / A.M. Близнюк, И.Н. Вальчук, Т.С. Гузовская, Г.Н. Чистепко -Мн., 2003.-38 с.

35. Частная эпидемиология. Руководство для врачей, в 2 томах / Под ред. Б.Л. Черкасского. М.: ИНТЕРСЭН, 2002. - 260 с.

36. Чистенко Г.Н. Общая эпидемиология: Учебное пособие. — Мн., 1997. — 115 с.

37. Чистенко Г.Н., Филонов В.П., Горбачева В.Н. Основы дезинфекции и стерилизации. Минск, 1998. - 160 с.

38. Эпидемиологическая диагностика / М.М. Адамович, М.И. Бандацкая, A.M. Близнюк с соавт. Мн., 2002. - 184 с.

39. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений.- В кн.: Математика сегодня.- М.:3нание, 1974, с. 5-49.

40. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений.-М.:Мир, 1976.-165 с.

41. International committee of medical journal editors. Uniform requirements for manuscripts submitted to biomedical journals. Ann Intern Med 1997 126.- P.36-47.

42. Reisner B.S., Woods G.L.,Thomson R.B. et al. Specimen Processing. In Man-nual of Clinical Microbiology / eds. Murray P.R., Baron E.J., Pfaller M.A. et al. 7th ed., Washington. 1999.

43. National Committee for Clinical Laboratory Standarts 2003. M100-S13 (M2) Disk Diffusion Eleventh informational Suppl. NCCLS.

44. Pastor-Satorras R., Vespignani A. Epidemic spreading in scale-free networks // Physical review letters.-2001.-Vol. 86.-№ 14.-P. 3200-3203.

45. Koopman J., Kwon J-W., Chick S., Simon C., Jacquez J. The role of early HIV infection in HIV transmission dynamics.

46. Rotshtein A. Design and Tuning of Fuzzy Rule-Based Systems for Medical Diagnosis. In N.-H. Teodorescu (ed): Fuzzy and Neuro Fuzzy Systems in Medicine.- CRC Press.- 1998.-p.-243-289.

47. Rotshtein A. P., Katelnikov D.I., Zlepko S.M. Fuzzy rule-based expert system for differential diagnosis of ischemia heart disease. FUZZY'97 International Conference "Fuzzy Logic and Its Applications" in Zichron, Israel, 1997.- p.367-372.

48. Rummelhart, D. E. McClelland, J. L. Parallel Distributed Processing: Explorations in the Microstructure of Cognition (vol. 1&2). -The MIT Press.-1986. -320 c.

49. Schneider M., Kandel A., Langholz G., Chew G. Fuzzy Expert System Tools.-John Willey & Sons.- 1996.- 198 p.

50. Tang K.S, Man K.F., Kwong S. and Q. He. Genetic Algorithms and their Applications //IEEE Signal Processing Magazine.- 1996.- Nov.- p. 22-36.55. von Altrock C. Fuzzy Logic & NeuroFuzzy Applications Explained.-New Jer-sey:Prentice Hall PTR.- 1995.-350 p.

51. Yager R.R., Filev D.P. Essentials of Fuzzy Modelling and Control.- John Willey & Sons.-1994.- 388 p.

52. Zimmermann H.-J. Fuzzy Set Theory and Its Applications.-. Kluwer: Dordrecht.-1991.-315 p.