JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2017 - V. 24, № 3 - P. 189-195
УДК: 616.62-003.7+616.65-007.61+616.65-006.6(-037-082) DOI: 10.12737/article_59c4adc3261141.78531804
КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ВЫЯВЛЯЕМОСТИ МОЧЕКАМЕННОЙ БОЛЕЗНИ, ДОБРОКАЧЕСТВЕННОЙ ГИПЕРПЛАЗИИ И РАКА ПРЕДСТАТЕЛЬНОЙ ЖЕЛЕЗЫ В УСЛОВИЯХ ФУНКЦИОНИРОВАНИЯ ТРЕХУРОВНЕВОЙ СИСТЕМЫ ОКАЗАНИЯ УРОЛОГИЧЕСКОЙ ПОМОЩИ НАСЕЛЕНИЮ В РЕГИОНЕ (НА ПРИМЕРЕ ВОРОНЕЖСКОЙ ОБЛАСТИ)
О.В. ЗОЛОТУХИН
ФГБОУВО «Воронежский государственный медицинский университет имени Н.Н. Бурденко» Министерства здравоохранения РФ,
ул. Студенческая, 10, Воронеж, Воронежская обл., 394036, Россия, e-mail: zolotuhin-o@yandex.ru
Аннотация. В статье обоснованна разработанная автором программа краткосрочного прогнозирования выявляемости урологической патологии в регионе. Доказано улучшение фактических и прогнозируемых значений в условиях перехода от традиционного формата к трехуровневой системе оказания урологической помощи населению. Цель исследования - реализация краткосрочного прогнозирования мочекаменной болезни, доброкачественной гиперплазии и рака предстательной железы на основе математического моделирования. Материал и методы. В исследовании приняли участие пациенты с подтвержденным диагнозом «Мочекаменная болезнь», «Доброкачественная гиперплазия предстательной железы и «Рак предстательной железы». Производился сопоставительный анализ фактических и прогнозируемых значений общей и ранней выявляемости указанных нозологических форм за два отчетных периода исследования - до и после внедрения трехуровневой системы оказания урологической помощи населению в регионе. Для построения краткосрочных прогнозов выявляемости были применены методы математического моделирования. Протокол исследования: подготовка первичных данных, применение процедур экспоненциального сглаживания и экспоненциального сглаживания с учетом тренда (модели Хольта), оценка статистической значимости результатов. Результаты и их обсуждение. Полученные данные подтверждают обоснованность научного анализа тенденций выявляемости урологической патологии (до и после внедрения трехуровневой системы оказания урологической помощи) и возможности ее прогнозирования с помощью разработанных моделей. Заключение. После реорганизации традиционного подхода к оказанию урологической помощи населению в регионе в трехуровневую систему обозначенным классам урологических заболеваний имеет место повышение не только фактических, но и прогнозируемых значений общей и, что особенно важно, ранней выявляемости.
Ключевые слова: краткосрочное прогнозирование, общая выявляемость, ранняя выявляемость, мочекаменная болезнь, доброкачественная гиперплазия предстательной железы, рак предстательной железы.
SHORT-TERM PREDICTION OF THE IDENTIFICATION OF NEPHROLITHIASIS, BENIGN HYPERPLASIA AND PROSTATE CANCER IN THE CONDITIONS OF THE FUNCTIONING OF THE THREE-LEVEL SYSTEM OF UROLOGICAL SERVICE TO POPULATION IN THE REGION (ON THE
EXAMPLE OF THE VORONEZH REGION)
O.V. ZOLOTUKHIN
Voronezh State N. Burdenko Medical University, street Studencheskaya, 10, Voronezh, Voronezh region., 394036, Russia, e-mail: zolotuhin-o@yandex.ru
Abstract. The author substantiates the program of short-term prognosis of urologic pathology detection in the region developed by the author. The improvement of actual and predicted values in the conditions of transition from the traditional format to the three-level system of rendering urological assistance to
189
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2017 - V. 24, № 3 - P. 189-195
the population is proved. The research purpose was to realize short-term prognosis of urolithiasis, benign hyperplasia and prostate cancer on the basis of mathematical modeling.
Material and methods. Patients with a confirmed diagnosis of urolithiasis, benign prostatic hyperplasia and prostate cancer were involved in this study. A comparative analysis of the actual and predicted values of the total and early detection of these nosological forms in two reporting periods of the study - before and after the introduction of the three-level system of providing urological service to the population in the region. To build short-term predictability predictions, mathematical modeling methods were applied. The research protocol: preparation of primary data, application of exponential smoothing and exponential smoothing procedures with a trend in mind (Holt model), evaluation of the statistical significance of the results
Results and discussion. The findings confirm the validity of the scientific analysis of trends in the detection of urological pathology (before and after implantation of the three-level system of providing urological assistance) and the possibility of predicting it using the developed models.
Conclusion. After the reorganization of the traditional approach to providing urological assistance to the population in the region in a three-level system of designated classes of urological diseases, there is an increase in not only the actual but also the predicted values of the total and, especially important, early detection
Key words: short-term prognosis, general detectability, early detection, urolithiasis, benign prostatic hyperplasia, prostate cancer.
Введение. После перехода формата функционирования урологической службы от традиционного к трехуровневой системе произошло повышение уровня общей и ранней выявляемости профильных заболеваний. Однако, значительный интерес также вызывает научное прогнозирование дальнейшего состояния этих ключевых показателей эффективности функционирования урологической службы после произошедшей реорганизации системы оказания медицинской помощи населению в регионе. «Отдельным» вопросом информационно-аналитического обеспечения любой отрасли здравоохранения является прогнозирование выявляемости соответствующих заболеваний [1-10]. Проблема научного прогнозирования в медицине до настоящего времени носит дискутабельный характер и вряд ли будет являться решенной в обозримом будущем. Тем не менее, некоторые прогностические системы в клинической медицине уже имеют заслуженное признание специалистов. В частности, в современной урологии получили распространение системы скрининга и прогнозирования мочекаменной болезни и патологии предстательной железы. Однако, несмотря на научно-практическую значимость прогнозирования в урологической клинике, до настоящего времени в доступных информационных источниках не обнаружено данных о разработках систем по прогностическому моделированию вы-являемости мочекаменной болезни, доброкачественной гиперплазии и рака предстательной железы, отвечающих адаптированности к
формату трехуровневой системы оказания урологической помощи населению. Решение этой проблемы явилось мотивирующим фактором настоящего исследования.
Цель исследования - краткосрочное прогнозирование выявляемости мочекаменной болезни, доброкачественной гиперплазии и рака предстательной железы в условиях функционирования трехуровневой системы оказания урологической помощи населению в регионе на основе математического моделирования.
Материалы и методы исследования. Произведено ретроспективно-проспективное нерандомизированное когортное исследование: cohort study, тип дизайна исследования -parallel group design.
Период исследования составил 11 лет (20052015 гг), из них:
- 7 лет (2005-2011 гг) - отчетный период «до внедрения системы» (эквивалентно контрольной группе);
- 4 года (2012-2015 гг) - отчетный период «после внедрения системы» (эквивалентно основной группе).
Материалы исследования включают:
- данные обследования 49 359 урологических пациентов, из них - с МКБ - 9 770 чел. (3257 чел. до + 6 513 чел. после внедрения трехуровневой системы), с ДГПЖ - 34 118 чел. (12958+21160 чел. соответственно), с РПЖ -5 371 чел. (2 552+2 819 чел. соответственно);
- 34 района Воронежской области;
- 63 МО Воронежской области.
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2017 - V. 24, № 3 - P. 189-195
Критерии соответствия. С целью достижения внешней обобщаемое™ выводов исследования и возможности их применения в сфере практического здравоохранения в настоящей работе были использованы приведенные ниже одинаковые для обеих сравниваемых выборок критерии включения и невключения в исследование.
Критерии включения:
- возраст 20-80 лет;
- подозрение на наличие заболеваний «мочекаменная болезнь» (>1 положительного ответа на вопрос «Анкеты выявления группы риска МКБ)»), «доброкачественная гиперплазия предстательной железы», «рак предстательной железы» (>1 положительного ответа на вопрос модифицированной анкеты «International Prostate Symptom Score - Quality of Life»);
- наличие признаков заболеваний «мочекаменная болезнь», «доброкачественная гиперплазия предстательной железы», «рак предстательной железы», подтвержденных доказательными методами диагностического обследования (ультразвуковая диагностика, рентгеновская компьютерная и магнитно-резонансная томография, лабораторная диагностика).
Критерии исключения:
- шоковое или агональное состояние пациента;
- наличие заболевания, сопоставимого с основным (МКБ, ДГПЖ, РПЖ) или превалирующего его по степени тяжести.
Стандартизация сравниваемых выборок достигалась за счет:
1. идентичного внутригруппового распределения участников исследования по нозологическим формам, возрастным группам и ген-дерной принадлежности;
2. соблюдения критериев включения/невключения (см. выше).
Этическая экспертиза. В соответствии с рекомендациями WAME (The World Association of Medical Editors) характер и протокол исследования проверены этическим комитетом ГБОУ ВПО ВГМУ имени Н.Н. Бурденко МЗ РФ (протокол № 37 от 19 ноября 2013 г.).
С целью решения поставленных задач строились краткосрочные прогнозы. Краткосрочный прогноз - это прогноз «на завтра», то есть, прогноз на несколько шагов вперед. Для данного типа прогноза использовалась модель
временного ряда, построенная с помощью метода экспоненциального сглаживания, который является одним из самых распространенных и эффективных способов, используемых при прогнозировании в медицинских целях. Используемым достоинством данного метода явилась его адаптивность - с его помощью учитывалась информация, содержащаяся в уровнях временного ряда, дифференцированно, то есть, чем информация «старше», тем меньше ее ценность для прогнозирования. Для временного ряда было использовано представление в виде аддитивной модели (1): у=т+£<где: у{ - значение анализируемого показателя в момент времени г; т=у< - среднее значение (математическое ожидание); ег - некоторая случайная составляющая.
При сглаживании уровней ряда у применялась рекуррентная формула (2): = аУ, + (1~а)< = , где: Б[ - сглаженное значение реального уровня у в момент времени г; а - коэффициент сглаживания (0<а<1); N - количество измерений (длина ряда).
Параметр сглаживания а выбирался нами и представлял собой весовой коэффициент для фактического уровня уг. Если ряд стабильный, с малым значением случайной составляющей е, то выбирались значения а, близкие к 1 Если имелось существенное влияние ег на значение уг, то выбирались значения а, близкие к 0, так как при этом условии выполняется максимальное сглаживание уровней
Обычно значение Бо приравнивалось первому из уровней: Бо=у1. Для повышения качества прогноза для вычисления Бо использовалось выражение (3): $л=у - 1±, где Г0 = ( ум - у)/( -1).
Вычисление будущего прогнозного значения у++1 выполнялось на основе выражения (4):
У+1 = .
Однако, для временного ряда, который имеет выраженный тренд, что характерно для большинства медико-социальных показателей, обычное экспоненциальное сглаживание малоэффективно, так как игнорирование трендовой зависимости приводит к накоплению систематической ошибки в результатах. Поэтому в исходной модели простого экспоненциального сглаживания производилась коррекция на тренд. В связи с этим, при построении прогностических моделей использовалась одна из
ВЕСТНИК НОВЫХ МЕДИЦИНСКИХ ТЕХНОЛОГИЙ - 2017 - Т. 24, № 3 - С. 189-195 JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2017 - V. 24, № 3 - P. 189-195
наиболее эффективных моделей экспоненциального сглаживания с учетом тренда - модель Хольта [8,9]. В данной модели тренд тоже подвергается процедуре сглаживания. Процедура сглаживания тренда основана на рекуррентном соотношении, аналогичном (2), но с другим персональным параметром у (5):
[&=«у,+(1 -«)("Ь.-0;
Ь ^ о и м где: г - временные отсчеты, г=1, 2, ... ; а, у - параметры сглаживания (0<а<1; 0<у<1); у - реальный уровень ряда в момент времени г; Бг - сглаженное значение реального уровня у; Ъ - сглаженное значение тренда для момента времени г.
Для запуска вычислительного процесса в рекуррентных формулах (5) задавались начальные значения Бо и Ъо, а также выбирались наиболее подходящие параметры для сглаживания а и у. На начальном этапе значение тренда Ъо обычно выбиралось равным нулю. В примененной модели Хольта прогнозируемые значения определялись на основе формулы (6):
Я+1 = &+Ь..
Используемым в настоящей работе существенным преимуществом методов, которые основаны на модели экспоненциального сглаживания, явилась возможность учета временной ценности информации и адаптации к изменяющимся условиям, что имело существенное значение при нестабильно протекающих процессах выяв-ляемости урологической патологии.
Таким образом, в процессе текущего сегмента исследования по данным выявляемости за 2005-2011 гг. строился прогноз на период до 2015 года. После внедрения трехуровневой системы оказания урологической помощи (в 2015 году) был проведен сопоставительный анализ прогнозированных и фактических значений анализируемых показателей, т.е. оценивалась степень соответствия прогноза. После этого (также по данным за 2005-2015 гг.) были построены новые прогнозы, но уже на период до 2019 года. Для подтверждения эффективности внедрения в практику урологической службы результатов диссертационного исследования оценивалось изменение прогнозируемой динамики анализируемых показателей.
Минимальный уровень статистической значимости различий (во всех декларируемых случаях) р<0,05.
Техническое обеспечение. В техническом отношении статистическая обработка полученных данных производилась посредством персонального компьютера Asus на основе процессора Intel (R) Core (TM) 2 Ouad CPU О 9550 @ 2,83 ГГц 2,00 ГБ ОЗУ с операционной системой Microsoft Windows® XP Professional Service Pack 3 версия 5.1. и стандартных пакетов прикладных программ (MS Excel XP, Statsoft Statistica 6.0.).
Результаты и их обсуждение. При проведении данного исследования оценивалось изменение прогнозируемой динамики показателей общей и ранней выявляемости изучаемых урологических заболеваний. Для этого после четырех лет внедрения трехуровневой системы оказания урологической помощи в регионе в 2015 году было проведено:
- краткосрочное прогнозирование выявляемости до 2015 г по данным за 2005-2011 гг; проведение этого этапа было необходимо для прямого подтверждения эффективности внедрения результатов диссертационного исследования в практику региональной урологической службы;
- сопоставительный анализ результатов этого прогнозирования и фактических значений выявляемости урологической патологии;
- новое краткосрочное прогнозирование до 2019 г по данным за 2005-2015 гг; проведение этого этапа было необходимо для аддитивного подтверждения эффективности внедрения результатов диссертационного исследования в практику региональной урологической службы.
- сопоставительный анализ «старого» и «нового» прогнозов по выявляемости для каждого изучаемого заболевания.
Результаты краткосрочного прогнозирования до 2015 г по данным за 2005-2011 гг представлены в табл. 1, из которых видно, что, несмотря на значительные колебания значений по обоим показателям выявляемости (общей и ранней), имеется их тенденция к росту.
Так, при сохранении прежней динамики к 2015 году общая выявляемость мочекаменной болезни в регионе должна была составить 1631 чел., доброкачественной гиперплазии предстательной железы - 4820 чел., рака предстательной железы - 731 чел., всех изучаемых форм урологической патологии - 7211 чел. (табл. 1).
10иККЛЬ ОБ ОТШ МЕБТСЛЬ ТЕСЫК0ШЫЕ8 - 2017 - V. 24, № 3 - Р. 189-195
Таблица 1
Сопоставительный анализ результатов краткосрочного прогнозирования динамики общей и ранней выявляемости изучаемых форм урологической патологии в регионе в условиях применения традиционного подхода и фактических значений показателя после внедрения разработанной трехуровневой системы
Годы отчетного периода Результаты прогнозирования Фактическое значение Отличие фактического значения от прогноза
абс. | в %
прогнозирование общей выявляемости:
прогнозирование общей выявляемости МКБ:
2012 1151 718 -433 -37,6
2013 1311 901 -410 -31,3
2014 1471 2152 +681 +46,3
2015 1631 2742 + 1111 +68,1
прогнозирование общей выявляемости ДГПЖ:
2012 3685 4149 +464 +12,6
2013 4063 4182 + 119 +2,9
2014 4442 5307 +865 +19,5
2015 4820 7522 +2702 +56,1
прогнозирование общей выявляемости РПЖ:
2012 576 637 +61 + 10,6
2013 628 657 +29 +4,6
2014 679 761 +82 + 12,1
2015 731 762 +31 +4,2
прогнозирование общей выявляемости по всему сектору патологии «МКБ + ДГПЖ + РПЖ»
2012 5380 5504 + 124 +2,3
2013 5990 5740 -250 -4,2
2014 6601 8220 + 1619 +24,5
2015 7211 11028 +3817 +52,9
прогнозирование ранней выявляемости:
прогнозирование ранней выявляемости МКБ:
2012 30 60 +30 + 100,0
2013 30 60 +30 + 100,0
2014 30 60 +30 + 100,0
2015 30 60 +30 + 100,0
прогнозирование ранней выявляемости ДГПЖ:
2012 25 80 +55 +220,0
2013 25 80 +55 +220,0
2014 25 80 +55 +220,0
2015 25 80 +55 +220,0
прогнозирование ранней выявляемости РПЖ:
2012 39,9 77,1 +37,2 +93,2
2013 39,9 77,0 +37,1 +92,9
2014 39,9 77,1 +37,2 +93,2
2015 39,9 77,2 +37,3 +93,5
прогнозирование ранней выявляемости по всему сектору патологии «МКБ + ДГПЖ + РПЖ»
2012 27,85 77,1 +49,2 +176,3
2013 27,87 76,6 +48,7 +174,6
2014 27,89 74,5 +46,6 +167,0
2015 27,90 75,1 +47,2 +169,2
При проведении сопоставительного анализа результатов прогнозирования и фактических значений показателей выявляемости оценивалась степень соответствия прогноза, получен-
ного в 2011 году и реальных данных за период с 2012 по 2015 годы. Полученные результаты представлены в табл. 1., из которой видно, что после внедрения трехуровневой системы оказания урологической помощи по всем изучаемым формам патологии выявляемость заболеваний превысила прогнозируемые значения.
Так, по состоянию на 2015 год общая выяв-ляемость мочекаменной болезни превысила прогнозируемую величину на 68,1%, доброкачественной гиперплазии предстательной железы - на 56,1%, рака предстательной железы -на 4,2%, всех изучаемых форм урологической патологии - на 52,9% (табл. 1).
Ранняя выявляемость изучаемых форм урологической патологии на протяжении 20052011 гг. оставалась на одном уровне, в связи с чем на краткосрочный период прогнозировался их прежний уровень - 30,0%, 25,0%, 39,9% и 27,8% соответственно.
По состоянию на 2015 год фактическая ранняя выявляемость мочекаменной болезни превысила прогнозируемую величину на 100,0%, доброкачественной гиперплазии предстательной железы - на 220,0%, рака предстательной железы - на 93,5%, всех изучаемых форм урологической патологии - на 169,2% (табл. 1).
Результаты краткосрочного прогнозирования до 2019 г по данным за 2005-2015 гг представлены в табл. 2., из которых видно, что, несмотря на значительные колебания значений по обоим показателям выявляемости (общей и ранней), также имеется их тенденция к росту.
Так, при «новой» динамике к 2019 году общая выявляемость мочекаменной болезни в регионе должна составить 3610 чел., доброкачественной гиперплазии предстательной железы - 10116 чел., рака предстательной железы -984 чел., всех изучаемых форм урологической патологии - 14877 чел. В отношении ранней выявляемости эти величины должны составить 60,2%, 82,1%, 79,1% и 77,5% соответственно.
При сравнении краткосрочных прогнозов динамики выявляемости изучаемых форм урологической патологии до и после внедрения трехуровневой системы организации урологической помощи населению региона было оценено прогнозируемое среднегодовое изменение анализируемых показателей (табл. 2.). Произведенный анализ показал, что по всем изучаемым формам урологической патологии
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2017 - V. 24, № 3 - P. 1S9-195
после внедрения результатов диссертационного исследования в практическое здравоохранения изменился прогноз в сторону увеличения общей и, что самое важное, ранней выявляемости заболеваний.
Таблица 2
Сопоставительный анализ краткосрочных прогнозов выявляемости анализируемых заболеваний до и после внедрения трехуровневой системы
Заключение. При подведении итогов исследования на основании результатов краткосрочного прогнозирования следует заключить, что после перехода от традиционного подхода к трехуровневой системе оказания урологической помощи населению имеют место следующие положительные изменения показателей общей и ранней выявляемости мочекаменной болезни, доброкачественной гиперплазии и рака предстательной железы:
- фактические показатели выявляемости при трехуровневой системе значительно лучше прогнозируемых при сохранении традиционного подхода;
- также после внедрения трехуровневой системы имеет место значительное улучшение прогноза выявляемости («новый» прогноз лучше «старого»).
Полученные прогностические данные помимо основных результатов исследования еще раз подтверждают эффективность примененных подходов к организации урологического здравоохранения.
Показатели по выявляемости урологической патологии прогнозируемое среднегодовое изменение показателя изменение прогноза
традиционный подход разработанная трехуровневая система
прогнозы общей выявляемости:
МКБ, чел. + 160,1 +258,2 +98,1
ДГПЖ, чел. +378,2 +648,4 +270,2
РПЖ, чел. +51,5 +53,7 +2,2
весь сектор патологии, чел. +610,5 +962,2 +351,7
прогнозы ранней выявляемости:
МКБ, % G +0,7 +0,7
ДГПЖ, % G +1,7 + 1,7
РПЖ, % G +1,6 + 1,6
весь сектор патологии, % G + 1,3 +1,3
Литература
1. Гублер Е.В. Вычислительные методы распознавания патологических процессов. Ленинград, 1970. 319 с.
2. Гланц С. Медико-биологическая статистика. Москва, 1999. 459 с.
3. Есауленко И.Э. Оптимизация управления медицинской помощью населению промышленно развитого региона на основе реструктуризации системы здравоохранения: автореф. дис. ... д-ра мед. наук. Воронеж, 1999. 32 с.
4. Реброва О.Ю. Статистический анализ медицинских данных: применение пакета прикладных программ БТАТгеПСА. Москва, 2002. 312 с.
5. Дюк В., Эммануэль В. Информационные технологии в медико-биологических исследованиях. Санкт-Петербург, 2003. 528 с.
6. Медик В.А., Токмачев М.С. Математическая статистика в медицине. Москва, 2007. 800 с.
7. Халафян А.А. БГаИзйса 6. Статистический анализ данных. Москва, 2008. 512 с.
References
Gubler EV. Vychislitel'nye metody raspoznavaniya patologicheskikh protsessov [Computational methods for recognizing pathological processes]. Leningrad; 1970. Russian.
Glants S. Mediko-biologicheskaya statistika [Medical and Biological Statistics]. Moscow; 1999. Russian. Esaulenko IE. Optimizatsiya upravleniya meditsins-koy pomoshch'yu naseleniyu promyshlenno razvitogo regiona na osnove restrukturizatsii sistemy zdra-vookhraneniya [Optimization of management of medical care to the population of the industrialized region on the basis of health system restructuring] [dissertation]. Voronezh (Voronezh region); 1999. Russian.
Rebrova OYu. Statisticheskiy analiz meditsinskikh dannykh: primenenie paketa prikladnykh programm STATISTIC A [Statistical analysis of medical data: application of the STATISTICA software package]. Moscow; 2002. Russian.
Dyuk V, Emmanuel' V. Informatsionnye tekhnologii v mediko-biologicheskikh issledovaniyakh [Information technologies in biomedical research]. Sankt-Peterburg (Leningrad region); 2003. Russian. Medik VA, Tokmachev MS. Matematicheskaya statis-tika v meditsine [Mathematical statistics in medicine]. Moscow; 2007. Russian.
Khalafyan AA. Statistica 6. Statisticheskiy analiz dannykh [Statistica 6. Statistical analysis of data]. Moscow; 2008. Russian.
ВЕСТНИК НОВЫХ МЕДИЦИНСКИХ ТЕХНОЛОГИЙ - 2017 - Т. 24, № 3 - С. 189-195 JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2017 - V. 24, № 3 - P. 189-195
8. Чопоров О.Н., Золотухин О.В., Болгов С.В. Алгоритмизация интеллектуального анализа данных о распространенности заболеваний на региональном и муниципальном уровнях // Моделирование, оптимизация и информационные технологии. 2015. № 9. URL: http:// moit.vivt.ru / wpcontent / uploads /2015/ 06 / ChoporovZolotuhinBoglov_2_15_1.pdf (Дата обращения: 08.05.2017).
9. Чопоров О.Н., Болгов С.В., Манакин И.И. Особенности применения методов интеллектуального анализа данных и многоуровневого мониторинга при решении задачи рационализации медицинской помощи // Моделирование, оптимизация и информационные технологии. 2015. Т.8, № 1. URL: http: //moit. vivt.ru / wp-content / uploads / 2015 / 04 / ChoporovBolgovManakin %20_1_15_1.pdf (Дата обращения: 08.05.2017).
10. Колесов Ю.Б., Сениченков Ю.Б. Моделирование систем. Объектно-ориентированный подход. Санкт-Петербург, 2012. 185 с.
Choporov ON, Zolotukhin OV, Bolgov SV. Algoritmi-zatsiya intellektual'nogo analiza dannykh o raspro-stranennosti zabolevaniy na regional'nom i munitsip-al'nom urovnyakh [Algorithmization of intellectual analysis of data on the prevalence of diseases at the regional and municipal levels]. Modelirovanie, opti-mizatsiya i informatsionnye tekhnologii [internet]. 2015[cited 2017 May 08];9. Russian. Available from: http:// moit.vivt.ru / wpcontent / uploads /2015/ 06 / ChoporovZolotuhinBoglov_2_15_1.pdf Choporov ON, Bolgov SV, Manakin II. Osobennosti primeneniya metodov intellektual'nogo analiza dan-nykh i mnogourovnevogo monitoringa pri reshenii zadachi ratsionalizatsii meditsinskoy pomoshchi [Features of application of methods of the intellectual analysis of the data and multilevel monitoring at the decision of a problem of rationalization of medical aid]. Modelirovanie, optimizatsiya i informatsionnye tekhnologii [internet]. 2015[cited 20147 May 08];8(1). Russian. Available from http: //moit. vivt.ru / wpcontent / uploads / 2015 / 04 / ChoporovBolgovManakin %20_1_15_1.pdf.
Kolesov YuB, Senichenkov YuB. Modelirovanie sis-tem. Ob"ektno-orientirovannyy podkhod [Modeling of systems. Object-oriented approach]. Sankt-Peterburg; 2012. Russian.