CC BY
32
Краткое сообщение
не- и литогенной мочи с альбумином [4]. В фации нелитогенной мочи высота краевой зоны превышает центральную в 5 раз, а объем центральной зоны соотносится с краевой как 1:7,7. Фация литогенной мочи по всему сечению имела примерно равную высоту, которая всего в 2 раза превышала высоту центральной зоны нелитогенной мочи и краевого вала в ней не было.
Выводы. Используя статистические методы в обработке результатов РСМА фаций мочи, содержащей белок, или смеси мочи и белка, наряду с известными результатами о росте уровня камнеобразующих химических элементов в краевой зоне, установлено, что в фациях литогенной мочи с уратными камнями содержание Mg и S в центральной зоне достоверно выше, чем в краевой; с оксалатными камнями - содержание К в центральной зоне выше, чем в краевой; с фосфатно-кальциевыми камнями -содержание Na и Cl центральной зоне достоверно выше, чем в краевой. Различие в суммарном содержании солей в фации мочи, содержащей белок, в центральной и краевой зонах не достоверно. В фации смеси нелитогенной мочи и альбумина, а также модели нелитогенной мочи, уровень S в краевой зоне гораздо выше, чем в центральной. В фации литогенной мочи, содержащей белок или альбумин, уровень S в краевой зоне на 9% выше, чем в центральной. В фации нелитогенной мочи, содержащей белок, альбумин образует краевую белковую зону, а в литогенной моче эта зона едва намечается. Морфометрический анализ фаций не- и литогенной мочи совпадают с данными РСМА: уровень белкового компонента в краевой и центральной зонах фаций не- и литогенной мочи различен.
Литература
1. Бенсман В.Н. Облегченные способы статистического анализа в клинической медицине.- Краснодар: КГМА, 2002.
2. Залеский М.Г. // Сб. науч. тр. 2-й Всерос. научно-практ. конф. Морфология биологических жидкостей в диагностике и контроле эффективности лечения.- М., 2001.- С. 53-56.
3. Залеский М.Г. и др.// Клин. лаб. диагн.- 2004.- № 8.-С. 20-24.
4. Залеский М.Г. // ВНМТ.- 2004.- Т.Х1, №4.- С. 107-108.
5. Шатохина С.Н. Диагностическое значение кристаллических структур биологических жидкостей в клинике внутренних болезней: Дис...докт. мед. наук.- М.,1995.
6. Шатохина С.Н., Шабалин В.Н. // Сб. науч. тр. 1-й Всерос. научно-практ. конф. Кристаллографические методы исследования в медицине.- М.: МОНИКИ.- 1997.- С. 25-29.
7. SoleA .// Zeitschrift.- 1955.- Band 143,Heft 2.- S. 73-83.
УДК: 616.36-002-022:578.891
НАВИГАЦИОННЫЕ ТЕХНОЛОГИИ В ДИАГНОСТИКЕ ВИРУСНОГО ГЕПАТИТА
А. А. СОЛОМАХА*
В последние годы произошло значительное распространение заболеваемости вирусным гепатитом (ВГ). Интенсивность роста показателей заболеваемости ВГ превосходит таковую при распространении вируса иммунодефицита человека (ВИЧ) [6].
Больные ВГ имеют очень высокий риск развития цирроза или первичного рака печени. Наличие алкогольной дегенерации гепатоцитов ухудшает прогноз указанных исходов [1]. Актуальность поиска, выбор адекватных методов диагностики гепатита является национальной задачей. Ранее публиковались результаты исследований крови здоровых, больных вирусными гепатитами, применения иммуноферментного анализа (ИФА), полимеразно-цепной реакции (ПЦР), крайневысокочастотной (КВЧ) фотомодификации крови. Научно-исследовательская работа позволила выяснить некоторые аспекты: показатели крови потенциальных доноров нередко не соответствуют нормальным значениям, для правильной интерпретации результатов анализов и постановки диагноза ВГ целесообразно сочетать ИФА и ПЦР, воздействие на кровь волн КВЧ-диапазона способно влиять на лабораторные показатели [4]. Необходимо подчеркнуть, что методы ИФА и ПЦР являются информативными, но не рентабельными для ЛПУ. Для скрининга ВГ сегодня используется определение в крови больных алани-наминотрансферазы (АЛТ), являющегося суррогатным маркёром этого заболевания. Но ныне ведётся дискуссия о диагностической эффективности и значимости этого вида исследования. [2].
Становится очевидной ситуация, связанная с почти полным отсутствием адекватного выбора метода диагностики ВГ при проведении скрининговых обследований среди населения. Создавшая проблема решается с помощью математических методов анализа имеющихся традиционных клинико-лабораторных данных. Наибольшую популярность в медицине получили статистические методы. Их возможности применения ограничены в связи с нечёткой трактовкой моделей нормы, патологии, адаптации [3].
Нейросетевые навигационные технологии, основная суть которых состоит в моделировании патологического процесса на основе клинико-лабораторных показателей без привлечения методов ИФА и ПЦР, ныне наиболее перспективны.
Цель работы - экспериментальное и теоретическое обоснование применения комплекса математических методов анализа с использованием компьютерных нейронных сетей для диагностики ВГ при скрининге населения. Экспериментальная работа выполнялась на персональном компьютере. Достижение поставленной цели реализовывали путём создания оригинального алгоритма расчётов. Это мотивировалось высокой себестоимостью специализированных пакетов математической лаборатории МАТЬАВ. Предварительно были выполнены эксперименты по обучению нейронной сети на основе 7 базисных показателей, указанные врачом-экспертом: скорость оседания эритроцитов (СОЭ), общий белок, билирубин, аспартатамино-трансфераза (АСТ), аланинамино-трансфераза (АЛТ), щелочная фосфатаза, тимоловая проба. На следующем этапе усложнили эксперимент, поэтому обучение нейронных сетей стали осуществлять на основе 23 рутинных клинико-лабораторных показателей. Нами учитывался также пол, возраст пациентов. Целесообразно подчеркнуть, что медицинские данные были статистически обработаны, отсутствующие лабораторные показатели выборки заменялись средними значениями по соответствующей группе, из исследования исключались резкие отклонения для повышения точности диагностики.
Материал и методы. Проанализированы 2 группы наблюдений. 1-ю группу составили 150 здоровых доноров отделения переливания крови, 2-ю - 150 больных вирусными гепатитами В и С в фазе репликации отделения гепатологии. Обучающая и тестовая выборки были составлены следующими примерами: 75 доноров и 75 пациентов, страдающих вирусными гепатитами. Моделирование работы нейронных сетей велось с помощью ряда функций среды программирования МАТЪАВ. Основные технические аспекты нейросетевого моделирования были опубликованы в издании [5]. Принципы работы нейронных сетей состоят в возможности их обучения на основе выборки, состоящей из правильных классифицируемых клинических случаев какого-либо заболевания и нормы. Далее проводится обязательное тестирование данных, анализ ошибок, определение порога досто-
Таблица 2
Среднее арифметическое содержание химических элементов в краевой и центральной зонах фаций мочи у больных с различным составом камней
Образцы мочи больных с камнями почек: Число проб Зона фации Содержание химических элементов (в ЕИ)
Na Mg P S Cl K Ca Zn Si z
Уратные 18 Кр. 25,9 0,4 10,1 7,1 38,1 14,1 2,3 0,0 0,1 98,3
Цен. 23,8 0,9 11,0 8,6 34,7 15,9 3,4 0,0 0,1 98,5
Оксалатные 10 Кр. 24,9 0,7 14,0 8,8 30,1 11,4 8,4 0,0 0,2 98,4
Цен. 23,2 1,2 12,6 9,6 33,3 15,0 3,4 0,0 0,1 98,3
Фосфатно -кальциевые 16 Кр. 19,8 0,6 19,3 10,5 24,5 13,1 9,1 0,0 0,19 97,1
Цен. 25,1 0,3 9,7 9,0 36,9 16,0 1,8 0,0 0,0 98,9
* Пензенская областная клиническая бол-ца им. Н. Н. Бурденко
Статья
верности. Реализация приведённых принципов выполняется разными математическими моделями, имеющими в своей структуре один, два, несколько нейронов или многослойные сети. Выбор, оптимизация построения архитектуры сети, моделирование зависит от конкретизации задач исследования, опыта и квалификации программиста, профессиональной интерпретации результатов медицинской диагностики.
Результаты исследования. Эксперимент на основе 7 показателей позволил определить наибольшую диагностическую значимость персептрона - сети, состоящей из одного нейрона. Достоверность диагностики по принципу «здоров - болен» составила 95,3%. Использование 23 показателей выявило низкую обучаемость персептрона. Использование 23 показателей применяли для обучения и тестирования двухслойной нейронной сети прямого распространения с сигмоидальными функциями активации. Изучалась работа нейронных сетей с различным числом слоёв (1-2) и нейронов в скрытом слое, обеспечивших достоверность диагностики 92%. Эксперименты на основе 7 показателей определили достоверность, не превышающую 70%. Снижение порога достоверности объясняется малым объёмом данных для обучения и функционирования нейронной сети. Отсутствует корреляция значений пола, возраста и клинико-лабораторных данных при проведении нейросетевого моделирования.
Навигационные технологии в диагностике ВГ на основе нейросетевого анализа медицинских данных могут обеспечить массовый скрининг населения.
Литература
1. Жданов В. М., Львов Д. К. Эволюция возбудителей инфекционных болезней.- М., 1984
2. ЖибуртЕ. Б. и др. // Вопр. вирусол.- 1995.- №1.- С. 25
3. Славин М. Б. Методы системного анализа в медицинских исследованиях.- М.: Медицина, 1989.- 304 с.
4. Соломаха А. А., Якунин В. В. // ВНМТ.- 2004.- Т 11, №1-
2.- С. 25
5. Щетинин В. Г. и др. // Мед. техника.- 2000.- №2.- С. 21.
6. Яценко Е. А. Гемофилия у детей и ассоциированный с ней вирусный гепатит С: Автореф. дис.. .канд. мед. наук.- М., 2001.
УДК 303.71; 616-036.88
ВОЗМОЖНОСТИ ДОПОЛНИТЕЛЬНОГО ПОВЫШЕНИЯ ДОСТОВЕРНОСТИ ДАННЫХ ПО СМЕРТНОСТИ НАСЕЛЕНИЯ
В. А. ХРОМУШИН*, Э. И. ПОГОРЕЛОВА**, Е. М. СЕКРИЕРУ***
Достоверность данных регистра смертности является важнейшим условием для проведения анализа и принятия правильных управленческих решений, ее обеспечение должно начинаться с мониторинга смертности и создания программного обеспечения [1-5]. Устранение ошибок на этапе ввода данных, заложенное в программе АСМБЯи# [2, 4], обеспечивает высокую достоверность данных. Опыт работы здравоохранения Тульской области с этой программой показывает ее высокую эффективность в правильном кодировании множественных болезненных состояний или их осложнений, приводящих к смерти. АСМБЯи# облегчает работу врача в режиме автоматического выбора основной причины смерти. Но есть ошибки, которые нельзя выявить при вводе данных. Их находят в процессе обработки массивов данных, для
^Государственное учреждение «Компьютерный центр здравоохранения Тульской области». Тел. 8 0872 33 31 00 E-mail: [email protected] Центр по использованию международных классификаций в здравоохранении при Государственном учреждении «ЦНИИ организации и информатизации Минздрава и социального развития РФ» Тел. 8 095 979 92 05 Государственное учреждение «ЦНИИ организации и информатизации Минздрава и соцразвития РФ» Тел. 8 095 979 92 05 E-mail: [email protected]
# Регистр смертности с контролем ошибок заполнения медицинского свидетельства о смерти и автоматическим выбора первоначальной (основной) причины смерти
# Регистр смертности с контролем ошибок заполнения медицинского свидетельства о смерти и автоматическим выбора первоначальной (основной) причины смерти
чего также разработано программное обеспечение, реализующее ряд методов выявления ошибок с различными признаками недостоверности, показанных в табл. 1.
Таблица
Методы выявления ошибок с разными признаками недостоверности
Метод выявления Признак недостоверности Программное обеспечение
Недопустимые Много кодов Я54 (старость) MedSSV
Большой процент кодов МКБ-10 с неуточненными критериями их клинической оценки ACMERU
Резкие изменения во времени Резкие изменения абсолютных значений и показателей в таблицах по классам и возрастам во времени ACMERU, MedSS##, MedSSV
Резкие изменения в различных диапазонах кодов социально значимых болезней во времени ACMERU, MedSSV
Резкие изменения в диапазоне кодов по учреждениям муниципальных образований во времени ACMERU, MedSSV
Резкие во времени различия в продолжительности жизни, в т.ч. по классам МКБ-10 MedSSV
Резкие во времени различия в кратности множественных болезненных состояний или их осложнений, приводящих к смерти MedSSV
Резкие различия обобщенных математических моделей во времени ANSSD
Существенные отличия Существенные отличия соотношений абсолютных значений и показателей в таблицах по классам МКБ-10 и возрастам для районов области между собой и по сравнению с данными по области ACMERU, MedSS, MedSSV
Существенные различия в результатах ранжирования в диапазоне кодов по районам области MedSSV
Существенные отклонения выборки от средней по области продолжительности жизни MedSSV
Существенные различия обобщенной математической модели по классам МКБ-10, характеризующей район на фоне других районов области ANSSA
Различия в кодировании при сравнении данных различных регистров с оценкой полноты SDiabet, MedSSV
Практика работы с регистром смертности показывает, что эффективным признаком недостоверности может служить недопустимо большое число кодов Я54 (старость) в области по сравнению с др. похожими территориями. Чаще это выявляется у врачей, не имеющих опыта или плохо относящихся к обязанностям, и без контроля главврача ЛПУ и органов управления здравоохранением. Для сравнения районов области по кодам и диапазонам кодов Я54 и другим, предлагается программа MedSSV.
Недопустимо большой процент кодов, неуточненных диагнозов (например, по классу «Новообразования») выявляется по району или по конкретному учреждению здравоохранения программой АСМБЯи с помощью встроенного режима, что может служить оценкой качества работы учреждения или свидетельствовать о неправильном кодировании причин смерти.
Накопленные данные по годам (кварталам) применяют для оценки достоверности кодирования причин смерти. Программы ведения мониторинга смертности АСМБЯи, MedSS и верификации данных MedSSV позволяют формировать в диапазоне дат таблицы (абсолютные значения и показатели) для субъектов отчетности по классам и возрастам и в произвольном диапазоне кодов. Это позволяет оценить монотонность изменения итоговых данных по времени. Наличие резких изменений говорит о недостатках кодирования причин смерти, их обоснования.
Программа MedSSV позволяет подсчитать продолжительность жизни по каждому субъекту отчетности, в т. ч. в диапазоне кодов причины смерти. Отслеживая отклонения от средних областных значений во времени, можно убедиться в однообразии кодирования, что важно для анализа. При наличии отклонений
## Регистр смертности с контролем ошибок заполнения медицинского свидетельства о смерти
