CC BY
22
Международный электронный научный журнал ISSN 2307-2334 (Онлайн)
Адрес статьи: pnojournal.wordpress.com/archive18/18-01/ Дата публикации: 1.03.2018 № 1 (31). С. 251-256. УДК 616.2
О. Ю. НомоконовА
Классификационное диагностирование кашля
Статья исследует классификационные методы диагностирования кашля. Анализируются причины возникновения кашля. Предлагается применять систематизацию и классификацию первичной диагностической информации. Сущность классификационного подхода заключается в построении классификационных схем, которые выделяют существенные информативные признаки и исключают несущественные. Этим снижается нагрузка на врача. Систематизация диагностики заключается в использовании правил и алгоритмов. Приводится алгоритм комплексной инкрементной диагностики.
Ключевые слова: кашель, диагностика, систематизация, классификация, алгоритм, информационная ситуация
Perspectives of Science & Education. 2018. 1 (31)
International Scientific Electronic Journal ISSN 2307-2334 (Online)
Available: psejournal.wordpress.com/archive18/18-01/ Accepted: 13 January 2018 Published: 1 March 2018 No. 1 (31). pp. 251-256.
0. Yu. NOMQKONOVA
Classification diagnosis of cough
The article examines the classification methods for diagnosing cough. Paper examines the causes of cough. The article suggests the use of systematization and classification of primary diagnostic information. The essence of the classification approach is the construction of classification schemes that distinguish essential informative features and exclude nonessential ones. The classification approach reduces the burden on the doctor. Systematization of diagnostics consists in the use of rules and algorithms. The article describes an algorithm for complex incremental diagnostics.
Keywords: cough, diagnosis, classification, classification, algorithm, information situation
Введение
ольные, жалующиеся на кашель, представляют многочисленную когорту в практике терапевта. Часто возникает ситуация ограничения времени на диагностику. В этом случае врач, остановившись на каком-либо диагнозе, начинает подгонять под него часть имеющихся симптомов, игнорируя другую часть симптомов, которые в предполагаемый диагноз не укладываются. Одной из причин этого явления является отсутствие объективных схем диагностики и алгоритмов. Кашель является по-лисемическим понятием. Как жалоба кашель -одна из жалоб, с которой пациенты обращаются к врачу. Мотивом является кашель, нарушающий (по их мнению) качество жизни пациента или появление вместе с кашлем других беспокоя-
щих больного симптомов. Кашель как физиологическая реакция - это нормальная реакция дыхательных путей на различные раздражители. Он возникает и у здоровых людей. Кашель является защитным механизмом, способствующим очищению дыхательных путей от избыточного секрета и чужеродных частиц. Однако длительно сохраняющийся непродуктивный приступообразный кашель является патологией [1, 2]. Кашель как физиологическое действие - это рефлекторное действие дыхательных путей, которое используется для очистки верхних дыхательных путей [3]. Кашель как рефлекс есть сложный рефлекс, имеющий афферентные пути от кашлевых рецепторов чувствительных окончаний тройничного, языкоглоточного, верхнего гортанного и блуждающего нервов к «кашлевому центру» в стволе головного мозга и эфферентное звено рефлекса, включающее возвратный, гортанный
нерв и спинно-мозговые (С1 и С4) нервы [1]. Кашель возникает при раздражении кашлевых рецепторов, которое может быть термическим, химическим, воспалительным или физическим. Заболевания, вызывающие хронический кашель - многообразны. Такие ситуации усложняют нахождение причинно следственной связи между кашлем и основной причиной. Это требует разработки объективных методов для диагностики кашля.
1. Применение алгоритмического подхода в диагностике
Современная методология медицинских исследований широко применяет алгоритмические методы диагностики, включая дифференциальные [4] и вероятностные [5]. К сожалению, ряд работ в области анализа причин возникновения кашля сводится к перечислению факторов и причин заболеваний без соответствующей систематики. Одним из основных методов систематизации является классификация. Основной информационной моделью многих классификаций и систематик является иерархическая модель. На рис.1 приведена классификационная модель Е-дерева для систематизации диагностики кашля. Всего насчитывают около 50 [6] причин кашля и на схеме приведен только ряд из них для демонстрации методики. На схеме представлено три уровня (L- Ivel). Два уровня являются фактофиксирующими. Следует напомнить, что информационные модели делят на фактофиксирующие [7], которые описывают установленные факты, и интерпретирующие, которые служат основой интерпретации и носят предположительный характер.
Третий уровень L3 представляет собой причинный уровень, каждый элемент которого может быть состыкован с фактофиксирующими уровнями.
Особенность схемы на рис.1 в том, что уровни L1, L2 - фиксированные. А уровень L3 - вариабельный.
В основании модели систематики лежит кашель (К). На первом фактофиксирующем уровне L1 находятся оппозиционные [8-10] переменные продуктивный/непродуктивный (Прод/НеПрод) кашель. На втором фактофиксирующем уровне L2 находятся дихотомические переменные «кратковременный период менее трех недель (T<3) или длительный период более 8 недель (T>8). Третий уровень является причинным, вероятностным или интерпретирующим.
По характеру выделяют непродуктивный (сухой), продуктивный (с выделением/экспекто-рацией мокроты) кашель [11]. Продуктивный кашель возникает при заболеваниях с воспалительными/инфекционными поражениями дыхательных путей и сопровождается гиперпродук-
L3
К
Рис.1 Методическая схема диагностики в виде Е-дерева
цией бронхиальной слизи. Существует ложную продуктивность кашля. Ложная продуктивность наблюдается при постназальном затеке у больных с заболеваниями ЛОР-органов (синуситы, риниты).
По критерию интенсивности кашля выделяют три категории: покашливание, легкий и сильный кашель. По критерию продолжительности каш-левого акта выделяют две категории: эпизодический кратковременный или приступообразный и постоянный кашель. На рис.1 приведены основные причины, вызывающие кашель. Принципиальным в модели на рис.1 является возможность
ее развития (дополнения) и дифференциации (добавление новых уровней). Она представлена в виде так называемого Е-дерева. Поэтому она может служить основой для классификации и развития схемы и детализации причин. Кроме того на ОРВИ, как на одну из причин кашля, влияет ряд факторов [12], модель которых представлена на рис.2.
Эти факторы необходимо принимать во внимание при анализе реальной информационной диагностической ситуации. На практике врач может обращаться к компьютеру как справочнику или аналитическому инструменту причинно
В тоже время существует опыт алгоритмизации диагностики кашля [18]. В работе [18] основой диагностики является вероятностный алгоритм. Это вполне объяснимо, поскольку в процессе вероятностного диагностирования всегда остается информационная неопределенность [14, 19] и любой диагноз имеет вероятностное значение. Методика диагностики заключается в формировании дескриптивных [20] (описательных) информационных моделей. Последующая терапия строится на прескриптивных [21] (предписывающих) моделях. Модель диагностики выделяет существенные признаки и исключает не существенные. Применение моделей уменьшает количество фоновой информации и позволяет врачу концентрироваться на существенных признаках. Соответственно диагностика, основанная на использовании моделей, становится более объективной и приближается к алгоритмической диагностике или диагностике по объективным правилам. Многофакторность причин кашля и его формы проявления позволяют выделять его разные типы.
_2. Модели диагностики
Основу моделирования при диагностике составляет модель информационной ситуации [22],
следственного анализа. Взаимодействие с компьютером включает когнитивный анализ [13] и информационное взаимодействие [14, 15]. В начальной ситуации врач, как правило, не располагает достоверной информацией о симптомах заболевания. Можно констатировать наличие исходной информационной асимметрии между состоянием пациента и информацией у врача об этом состоянии. В силу этого информационное взаимодействие «врач - пациент» направлено на ликвидацию «семантического разрыва» [16, 17] между информированностью врача и реальной ситуацией.
которую врач интуитивно всегда формирует для постановки диагноза. На практике такое понятие используют редко, но фактически его применяют как феномен диагностики. Информационная ситуация как исходное условие диагностики имеет вид совокупности параметров . Информационная ситуация может иметь вид ориентированного графа, отражающего причинно следственную связь.
Методы диагностики можно разделить на правила и алгоритмы. Правила являются простыми информационными конструкциями и могут дополнять друг друга. Правила могут изменяться, заменятся и дополняться. Приведем пример простого темпорального правила [23]. Текущий период кашля Тс сравнивают с диагностическим Td и выставляют один из дифференциальных диагнозов.
If Tc> Td8 then «ХК»; If Td8 > Tc> Td3 then «ОК».
Период хронического кашля (ХК) более 8 недель. Острый кашель (ОК) имеет продолжительность до 3 недель Td=3 или Td3. Для более полной диагностики необходимо применение когнитивной карты или набора когнитивных карт, которые включают правила как связанную совокупность.
Рис.3 Комплексный инкрементный алгоритм диагностики
Алгоритм является более сложной информационной конструкцией. На рис.3 приведен алгоритм комплексной инкрементной диагностики и лечения. Этот алгоритм называется комплексным, потому что включает диагностику и лечение. Этот алгоритм называется инкрементным, потому что при длительном лечении, приходится уточнять и дополнять первоначально выставленный диагноз и лечение.
РДД означает «Рассмотрение дополнительного диагноза, действующего комплексно». ДД означает «дополнительный диагноз». При прохождении условий отмечены только выполнения условий словом «ДА». Ветка «нет» не показана из соображений разгрузки изображения алгоритма. На рисунках 1 и 2 применены следующие сокращения.
АФП - Ангиотензин превращающий фермент. GORD - gastro-oesophageal reflux disease или ГЭРБ — гастроэзофагеальная рефлюксная болезнь. PNDS - post-nasal drip syndrome или Синдром после кашля.
ОРВИ — острые респираторные вирусные инфекции. ХК — хронический кашель. ОБ — острый бронхит. БА — бронхиальная астма. ОК - острый кашель.
Заключение
Современная диагностика и лечения кашля связано с привлечением объективных методов анализа и по возможности переход от эвристического метода к системному методу. Системный метод выполняет две функции: функцию систематизации и функцию нахождения причинно-следственной связи. Систематизация состоит в применение схем, которые разгружают врача от избытка информации. Нахождение причинно следственной связи основано на правилах, что ускоряет процесс диагностики и уменьшает ошибки. Анализ опыта показал, что большинство хронических кашлей можно лечить, если признаются характерные черты трех важных причин кашля: астмы, рефлюкса и ринита. Поскольку кашель является жизненно важным защитным рефлексом для дыхательных путей, то целью лечения кашля должно быть восстановление нормального кашлевого рефлекса. С другой стороны разработка и совершенствование методик диагностики помогает объективно оценивать симптоматическую информационную ситуацию и использовать междисциплинарный перенос знаний. Перспективным методом исследования алгоритмизации следует считать применение когнитивных диагностических методов, которые объединяют опыт врача и алгоритмические методы.
ЛИТЕРАТУРА
1. Овчаренко С.И. Кашель: симптом легочных и внелегочных заболеваний // Врач. 2012. № 2. С. 2-5.
2. Цветков В. Я., Номоконова О.Ю. Алгоритмическое диагностирование кашля // Медицина и высокие технологии. 2017. № 2. С. 53-57.
3. Chung K. F., Pavord I. D. Prevalence, pathogenesis, and causes of chronic cough // The Lancet. 2008. V. 371. № 9621. p.1364-1374.
4. Синопальников А. И., Клячкина И. Л. Дифференциальный диагноз Кашель // Consilium medicum. 2004. Т. 6. №. 10. С. 4-17.
5. Номоконова О.Ю. Вероятностный метод диагностики // Славянский форум, 2016. № 1(11). С. 112-118.
6. Вайнбергер С., Браунвальд Е. Кашель и кровохарканье. В кн.: Фаучи Э., Браунвальд Е., Иссельбахер К. и др., ред. Внутренние болезни (книга 1). Пер. с англ. М.: Практика, 2002. С. 233-246.
7. Цветков В.Я. Фактофиксирующие и интерпретирующие модели // Международный журнал прикладных и фундаментальных исследований. 2016. № 9-3. С. 487-487.
8. Номоконова О.Ю. Использование оппозиционных переменных при медицинской диагностике // Перспективы науки и образования. 2016. № 3. С. 20-24.
9. Номоконова О. Ю. Оппозиционный метод в диагностике // Славянский форум. 2016. № 3(13). С. 214-218.
10. Tsvetkov V. Ya. Opposition Variables as a Tool of Qualitative Analysis // World Applied Sciences Journal. 2014. 30 (11). pp. 17031706.
11. Зайцев А.А., Оковитый С.В. Кашель: дифференциальный диагноз и рациональная фармакотерапия // Терапевтический архив. 2014. № 12. С. 85-91.
12. Сологуб Т.В., Цветков В.В., Голобоков Г.С. Возможность комплексной терапии гриппа и ОРВИ с включением комбинированных препаратов // Медицинский совет. 2015. № 16. С. 102-105.
13. Цветков В.Я., Номоконова О.Ю. Опыт врача как когнитивный ресурс и неявное знание // Научное обозрение. Медицинские науки. 2016. № 1. С. 49-53.
14. Номоконова О. Ю. Информационная неопределенность в информационном взаимодействии // Славянский форум. 2017. № 1(15). С.104-110.
15. Цветков В. Я., Номоконова О.Ю. Информационное взаимодействие в информационной диагностике // Медицина и высокие технологии. 2017. № 3. С. 38-44.
16. Tsvetkov V. Ya. Information Interaction as a Mechanism of Semantic Gap Elimination // European researcher. Series A. 2013. № 4-1 (45). c. 782-786.
1.7. Чехарин Е.Е. Когнитивное моделирование как метод устранения семантического разрыва // Образовательные ресурсы и технологии. 2016. № 1 (13). С.103-109.
18. Kastelik J. A. et al. Investigation and management of chronic cough using a probability-based algorithm // European Respiratory Journal. 2005. V. 25. №. 2. p.235-243
Й9. Цветков В.Я. Информационная неопределенность и определенность в науках об информации // Информационные технологии. 2015. № 1. С. 3-7.
s20. Ожерельева Т.А. Дескриптивные модели // Международный журнал прикладных и фундаментальных исследований.
2016. № 5. (часть 4) С. 675-675.
SJ. Цветков В.Я. Дескриптивные и прескриптивные информационные модели // Дистанционное и виртуальное обучение. 2015. № 7. С. 48-54.
¡22. Потапов А. С. Информационная ситуация и информационная позиция в информационном поле // Славянский форум.
2017. № 1(15). С. 283-289.
23. Morice AH, McGarvey L, Pavord I Recommendations for the management of cough in adults. Thorax. 2006 Sep; 61 Suppl 1:i1-24
1. Ovcharenko, S.I. Cough: a symptom of pulmonary and extrapulmonary diseases. Doctor. 2012. № 2. P. 2-5. (in English)
2. Tsvetkov V.Ya., Nomokonova O.Yu. Algorithmic diagnosis of cough. Medicine and high technology. 2017. № 2. P. 53-57. (in English)
3. Chung K. F., Pavord I. D. Prevalence, pathogenesis, and causes of chronic cough.The Lancet. 2008. V. 371. No. 9621. p.1364-1374.
4. Sinopalnikov AI, Klyachkina IL Differential diagnosis of coughing. Consilium medicum. 2004. T. 6. №. 10. pp. 4-17. (in English)
5. Nomokonova O.Yu. Probabilistic method of diagnosis. Slavic Forum, 2016. No. 1 (11). Pp. 112-118. (in English)
6. Weinberger S., Brownwald E. Cough and hemoptysis. In the book: Fauci E., Braunvald E., Isselbacher K. et al., Ed. Internal diseases (book 1). Trans. with English. Moscow, Practice Publ., 2002. P. 233-246. (in English)
7. Tsvetkov V.Ya. Factoring and Interpretative Models. International Journal of Applied and Fundamental Research. 2016. No. 9-3. Pp. 487-487. (in English)
8. Nomokonova O.Yu. Use of oppositional variables in medical diagnostics. Perspectives of science and education. 2016. № 3. P. 20-24. (in English)
9. Nomokonova O.Yu. Opposition method in diagnosis. Slavic Forum. 2016. No. 3 (13). Pp. 214-218. (in English)
10. Tsvetkov V. Ya. Opposition Variables as a Tool of Qualitative Analysis. World Applied Sciences Journal. 2014. 30 (11). pp. 17031706.
11. Zaitsev AA, Okovity SV Cough: differential diagnosis and rational pharmacotherapy. Therapeutic archive. 2014. No. 12. P. 85-91. (in English)
12. Sologub T.V., Tsvetkov VV, Golobokov G.S. The possibility of complex treatment of influenza and acute respiratory viral infection with the inclusion of combined drugs. Medical Council. 2015. No. 16. P. 102-105. (in English)
13. Tsvetkov V.Ya., Nomokonova O.Yu. Doctor's Experience as a Cognitive Resource and Implicit Knowledge. Scientific Review. Medical sciences. 2016. № 1. P. 49-53. (in English)
14. Nomokonova, O. Yu., Information Uncertainty in Information Interaction. Slavyanskii Forum. 2017. No. 1 (15). P.104-110. (in English)
15. Tsvetkov V.Ya., Nomokonova O.Yu. Information interaction in information diagnostics. Medicine and high technologies. 2017. No. 3. P. 38-44. (in English)
16. Tsvetkov V. Ya. Information Interaction as a Mechanism of Semantic Gap Elimination. European researcher. Series A. 2013. No. 4-1 (45). c. 782-786.
17. Chekharin E.E. Cognitive modeling as a method of eliminating the semantic gap. Educational resources and technologies. 2016. No. 1 (13). P.103-109. (in English)
18. Kastelik, J. A. et al. Investigation and management of chronic cough using a probability-based algorithm. European Respiratory Journal. 2005. V. 25. №. 2. p.235-243
19. Tsvetkov V.Ya. Information Uncertainty and Certainty in the Sciences of Information. Information Technologies. 2015. № 1. P. 3-7. (in English)
20. Ozherelyeva T.A. Descriptive models. International Journal of Applied and Fundamental Research. 2016. No. 5. (Part 4) P. 675675. (in English)
21. Tsvetkov V.Ya. Descriptive and prescriptive information models. Distance and virtual learning. 2015. № 7. P. 48-54. (in English)
22. Potapov AS Information situation and information position in the information field. Slavic Forum. 2017. No. 1 (15). Pp. 283-289. (in English)
23. Morice AH, McGarvey L, Pavord I Recommendations for the management of cough in adults. Thorax. 2006 Sep; 61 Suppl 1: i1-24
REFERENCES
Информация об авторе
Номоконова Ольга Юрьевна
(Россия, Иркутск) Врач-терапевт пульмонологического отделения; врач-аллерголог-иммунолог консультативно-
диагностической поликлиники. Иркутская областная клиническая больница E-mail: olyanom16@mail.ru
Information about the author
Nomokonova Olga Yuryevna
(Russia, Irkutsk) Doctor-therapist of pulmonology department; an allergist-immunologist, an advisory-diagnostic polyclinic. Irkutsk Regional Clinical Hospital E-mail: olyanom16@mail.ru
