CC BY
8
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2022 - Vol. 29, № 4 - P. 121-124
УДК: 616.5-002 Б01:10.24412/1609-2163-2022-4-121-124 ЕБМТОБЬВЬ |||||
ОЦЕНКА КЛИНИЧЕСКИХ ПОКАЗАТЕЛЕЙ БОЛЬНЫХ ХРОНИЧЕСКИМ АКТИНИЧЕСКИМ ДЕРМАТИТОМ П.Е. КОННОВ*, В.В. ЕСЬКОВ**, Н.Ф. ГАЗЯ**, И.А. МАНИНА**, М.А. ФИЛАТОВ**
*ФГБОУ ВО «Самарский государственный медицинский университет» Минздрава России, ул. Чапаевская, 89, г. Самара, 443099, Россия **БУ ВО ХМАО-Югры «Сургутский государственный университет», ул. Ленина, 1, Сургут, 628408, Россия
Аннотация. Клиническое деление на группы больных хроническим актиническим дерматитом наталкивается на отсутствие четких статистических различий по исследуемым параметрам больного. Цель исследования - выявить неопределенность 1 -го типа в разных группах больных актиническим дерматитом по клиническим параметрам иммуноглобулинов. Объект и методы исследования. Для трех клинически разных групп больных актиническим дерматитом исследовались выборки пяти клинических показателей. Методами традиционной статистики и искусственных нейросетей изучались различные выборки этих показателей. Результаты и их обсуждение. Почти для всех выборок при перекрестном сравнении трех клинических групп доказано отсутствие статистических различий. Это классифицируется как неопределенность 1-го типа. Выводы. Для устранения этой неопределенности необходимо использовать искусственные нейросети в двух особых режимах (хаос начальных весов всех 5-ти признаков XI и многократные повторные настройки нейросети. Выявленная неопределенность 1 -го типа может быть устранена с помощью искусственных нейросетей в режимах хаоса и многократных ревербераций. Тогда можно выявить главные диагностические признаки при парном сравнении групп.
Ключевые слова: искусственная нейросеть, хронический актинический дерматит, неопределенность, эффект Еськова-Зинченко.
CLINICAL EVALUATION OF PATIENTS WITH CHRONIC ACTINIC DERMATITIS
P.E. KONNOV*, V.V. ESKOV**, N.F. GAZYA**, I.A. MANINA**, M.A. FILATOV**
*Samara State Medical University, st. Chapaevskaya, 89, Samara, 443099, Russia **Surgut State University, Lenina pr., 1, Surgut, 628408, Russia
Abstract. Clinical division into groups of patients with chronic actinic dermatitis runs into the absence of clear statistical differences in the patient's parameters under study. Purpose of the study. Identify uncertainty of the first type in different groups of patients with actinic dermatitis by clinical parameters. Object and methods. Samples of five clinical parameters were studied for three clinically different groups of patients with actinic dermatitis. Methods of traditional statistics and artificial neural networks studied various samples of these indicators. Results. For almost all samples, the cross-comparison of the three clinical groups showed no statistical differences. This is classified as uncertainty of the first type. Conclusions. To eliminate this uncertainty, it is necessary to use artificial neural networks in two special modes (chaos of the initial weights of all 5 xi signs and multiple repeated settings of the neural network. The identified type 1 uncertainty can be eliminated using artificial neural networks in chaos modes and multiple reverberations. Then it is possible to identify the main diagnostic signs when comparing groups in pairs.
Key words: artificial neural network, chronic actinic dermatitis, uncertainty, the Eskov-Zinchenko effect.
Введение. Традиционно в дерматологии тяжесть заболевания оценивается по давности заболевания, степени распространенности поражения кожного покрова, частотой обострений и их продолжительностью. При этом оценивается и эффективность терапии по этим клиническим признакам.
Для этих целей используется шкала EASI (ИТХАД), которая позволяет выявить три разные клинические группы для больных хроническим актиническим дерматитом (ХАД). Оказалось, что использование традиционной статистики довольно сложно разделяет три клинически разные группы больных ХАД.
Для устранения возникающей неопределенности мы предлагаем использовать искусственные нейросети (ИНС) в двух особых режимах. Эти режимы были доказаны на основе эффекта Еськова-Зинченко (ЭЕЗ). В этом ЭЕЗ показана уникальность любой выборки диагностических признаков и возникновение неопределенности 1-го типа, что до настоящего времени в медицинской информатике не игнорируется [2-8].
Объект и методы исследования. Всего было обследовано 65 больных с ХАД, а группа сравнения содержала 64 человека (без патологии внутренних органов).
Из этих 65 больных было выбрано 3 группы больных (по классификации ИТХАД). В первую группу (ИТХАД<10) было включено 18 больных с вовлечением отдельных участков тела. При этом начало обострения происходило в весенне-летнее-осеннее время (наличие густого периваскулярного лимфоци-тарного инфильтрата в поверхностном слое дермы). Вторая группа (ИТХАД - 10-25) представляет уже распространенную форму эритематозного процесса (с развитием эритемы, везикуло-папулезные элементы с корочками). Третья группа (ИТХАД>25) имела развившиеся диффузные поражения кожи (с лихенифи-кациями и интенсивным зудом).
У всех 3-х групп (по 18 человек в каждой) регистрировались выраженные эритемы (Е); регистриро-
ВЕСТНИК НОВЫХ МЕДИЦИНСКИХ ТЕХНОЛОГИЙ - 2022 - Т. 29, № 4 - С. 121-124 JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2022 - Vol. 29, № 4 - P. 121-124
вались папулы (инфильтрации) (7); наблюдались экскориации (Ex) и лихенификации (Ь). Степень выраженности этих клинических параметров оценивалась количественно (в баллах).
Полученные данные обрабатывались статистически. Одновременно эти выборки х анализировались на предмет наличия нормального распределения. После статистического сравнения этих выборок между тремя группами мы использовали ИНС в режиме хаоса (начальных весов всех параметров х) и многократных повторных настроек ИНС (режим реверберации ИНС).
Результаты и их обсуждение. Детальное изучение всех выборок исследуемых пяти клинических параметров трех разных групп больных показало, что многие такие выборки не могут демонстрировать нормальный закон распределения. Поэтому все дальнейшие расчёты мы проводили в рамках непараметрической статистики.
В табл.1 мы представляем итог статистического анализа всех пяти параметров XI (Х1-Е, Х2-1, хз-Ех, Х4-Ь и Х5-ИТХАД). Из этой табл.1 следует, что многие параметры не дают нормальное распределение. При этом величина стандарта среднеквадратичного отклонения а имеет весьма большие значения (по отношению к Хср).
Отметим, что во всех наших исследованиях клинических показателей во многих случаях отсутствует распределение Гаусса. Обычно мы имеем дело с непараметрической статистикой. табл. 1 является ещё одним доказательством этому на примере дерматологии.
Таблица 1
Результаты проверки на нормальное распределение и статистическая обработка клинических параметров мужчин (и=18)
Точки исследования Нормальность распределения Описательная статистика
W Р Xcp Dx (±) о
Х1 (E)
Группа 1 0,72591 0,00016 2,5000 0,3824 0,6183
Группа 2 0,56650 0,00000 2,7222 0,2124 0,4609
Группа 3 0,61363 0,00001 2,6667 0,3529 0,5941
Х2 (I)
Группа 1 0,78623 0,00098 2,2222 0,4183 0,6468
Группа 2 0,51960 0,00000 2,7778 0,1830 0,4278
Группа 3 0,55201 0,00000 2,7222 0,3301 0,5745
Х3 (Ex)
Группа 1 0,86785 0,01641 1,3889 0,6046 0,7775
Группа 2 0,78594 0,00097 2,2222 0,6536 0,8085
Группа 3 0,45696 0,00000 2,8333 0,1471 0,3835
Х4 (L)
Группа 1 0,83460 0,00489 1,1667 1,0882 1,0432
Группа 2 0,79725 0,00139 2,1111 0,6928 0,8324
Группа 3 0,37305 0,00000 2,8889 0,1046 0,3234
Х5 (ИТХАД)
Группа 1 0,93071 0,19983 6,5500 2,2685 1,5062
Группа 2 0,98514 0,98744 26,3833 4,1509 2,0374
Группа 3 0,49941 0,00000 34,5722 57,2174 7,5642
Далее мы выполнили статистические сравнения всех пар выборок (для всех трех групп больных актиническим дерматитом) с помощью различных критериев. Использовались критерии Манна-Уитни, Крас-кера-Уоллеса, Вилкоксона и др. Во всех случаях мы имели одинаковый результат: имелись статистические совпадения пар выборок.
Для примера мы в табл. 2 представляем результаты расчета парного сравнения выборок пяти параметров. Из этой табл. 2 видно, что параметр Х1(Е) дает статистическое совпадение всех пар выборок (везде ^>0,05).
Для параметра Хг(1) мы имеем совпадение пары (группы 2 и 3), где №=0,655. Остальные две пары все-таки показали различия. Остальные три параметра показали статистическое различие по всем пяти параметрам сравнения (табл. 2).
Таблица 2
Результаты попарного сравнения значений рангов допустимого уровня значимости клинических параметров мужчин с помощью непараметрического Х-крите-рия Уилкоксона (Р>0,05)
Х1 (E) Х2 (I) Х3 (Ex) Х4 (L) Х5 (ИТХАД)
Группа 1 -Группа 2 0,328066 0,023130 0,015023 0,008266 0,000196
Группа 1 -Группа 3 0,480177 0,047991 0,000438 0,000655 0,000233
Группа 2 -Группа 3 0,654721 0,654721 0,011719 0,005062 0,003286
Наши многочисленные исследования различных параметров биосистем показали, что нормальный закон распределения (Гаусса) можно использовать довольно редко. Чаще мы имеем дело с непараметрическими распределениями. Это было показано в кардиологии, например.
В данном сообщении табл. 1 это наглядно демонстрирует. Многие выборки пяти клинических признаков xi не показали нормальное распределение. Поэтому мы и использовали непараметрические распределения во всех наших расчетах с параметрами xi.
Подчеркнем, что во многих случаях мы установили отсутствие нормального распределения различных клинических признаков. Более того, сейчас мы показываем неопределенность 1 -го типа. В этом случае статистика может не показывать различий, а другие методы демонстрируют различия (табл. 2).
В качестве таких новых методов мы предлагаем использовать ИНС. В двух особых режимах такие ИНС могут демонстрировать различия. В этом случае неопределенность 1-го типа ликвидируется [15-18].
Очевидно, что разрабатываемая нами новая теория хаоса-самоорганизации (ТХС) открывает новые перспективы [1,5-20] не только системного анализа, но и системного синтеза. В последнем случае мы можем ранжировать признаки и находить главные диагностические признаки.
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2022 - Vol. 29, № 4 - P. 121-124
В новой теории системного синтеза это называется нахождение параметров порядка. Сейчас в математике такая задача не может быть решена в принципе, т.к. неопределенность 2-го типа (в виде ЭЕЗ) полностью закрывает дальнейшее использование статистики [9-13]. Необходима новая наука для всей биомедицины.
Выводы. Выборки пяти клинических признаков Xi при ХАД не могут показывать нормальный закон распределения. Необходимо использовать непараметрическую статистику. Это не учитывается сейчас в дерматологии.
Изучение выборок пяти признаков у трех групп больных ХАД показало наличие неопределенности первого типа. В этом случае статистика не дает различий, но другие методы могут такие различия выявить. Неопределенность 1-го типа имеет глобальный характер.
В рамках новой ТХС и применения ИНС можно раскрыть неопределенность 1-го типа. При этом можно выявить не только различие между группами, но и установить главные диагностические признаки. В новой теории хаоса-самоорганизации такая задача определяется как нахождение параметров порядка (системный синтез) [4,7-13].
Литература / References
1. Адайкин В.И., Брагинский М.Я., Еськов В.М., Русак С.Н., Ха-дарцев А.А., Филатова О.Е. Новый метод идентификации хаотических и стохастических параметров экосреды // Вестник новых медицинских технологий. 2006. Т. 13, № 2. С. 39-41 / Adaykin VI, Braginskiy MYa, Es'kov VM, Rusak SN, Khadartsev AA, Filatova OE. Novyy metod identifikatsii khaoticheskikh i stokhasticheskikh parametrov ekosredy [New method of the identification of the chaotic and stochastic parameters of ekosredy]. Journal of New Medical Technologies. 2006;13(2) :39-41. Russian.
2. Бодин О.Н., Галкин В.А., Филатова О.Е., Башкатова Ю.В. Анализ возникновения динамического хаоса в биосистемах // Вестник новых медицинских технологий. Электронное издание. 2021. №4. Публикация 1-8. URL: http://Www.medtsu.tula.ru/VNMT/Bulletin/E2021-4/1-8.pdf (дата обращения 30.08.2021). DOI: 10.24412/2075-4094-2021-4-1-8 / Bodin ON, Galkin VA, Filatova OE, Bashkatova YuV. Analiz vozniknovenija dinamicheskogo haosa v biosistemah [Analyses of the occurrence of dynamic chaos in biosystems]. Journal of New Medical Technologies, e-edition. 2021 [cited 2021 Aug 30];4 [about 6 p.]. Russian. Available from: http://www.medtsu.tula.ru/VNMT/Bulletin/E2021 -4/1-8.pdf. DOI: 10.24412/2075-4094-2021-4-1-8
3. Буданов В.Г., Асеева И.А., Зотов В.В. Моделирование социо-технической конвергенции в цифровых сетевых пространствах: возможности и риски // Сложность. Разум. Постнеклассика. 2022. № 1. С. 60-72 / Budanov VG, Aseeva IA, Zotov VV. Modelirovanie sotsiotekhnicheskoy konvergentsii v tsifrovykh setevykh prostranstvakh: vozmozhnosti i riski [Modeling Sociotechnical Convergence in Digital Network Spaces: Opportunities and Risks]. Slozhnost'. Razum. Postneklassika. 2022;1:60-72. Russian.
4. Галкин В.А., Филатова О.Е., Еськов В.М., Попов Ю.М. Связи между прошлым и будущим состоянием биосистем // Сложность. Разум. Постнеклассика. 2021. № 2. С. 14-24. DOI: 10.12737/2306-174X-2021-13-24 / Galkin VA, Filatova OE, Es'kov VM, Popov YuM. Svyazi mezhdu proshlym i budushchim sostoyaniem biosistem [Links between the past and future state of biosystems] Slozhnost'. Razum. Postneklas-sika. 2021;2:14-24. DOI: 10.12737/2306-174X-2021-13-24. Russian.
5. Еськов В.М., Пятин В.Ф., Чемпалова Л.С., Шамов К.А., Куха-рева А. Существуют ли возможности для исследования стохастики в кардиологии и во всей медицине? // Сложность. Разум. Постнеклассика. 2022. № 1. С. 28-47. DOI: 10.12737/2306-174X-2022-28-49 / Es'kov VM, Pyatin VF, Chempalova LS, Shamov KA, Kukhareva A.
Sushchestvuyut li vozmozhnosti dlya issledovaniya stokhastiki v kardiologii i vo vsey meditsine? [Are there opportunities for stochas-tic research in cardiology and in all medicine?]. Slozhnost'. Razum. Postneklassika. 2022;1:28-47. DOI: 10.12737/2306-174X-2022-28-49. Russian.
6. Еськов В.М., Филатова О.Е., Галкин В.А., Филатов М.А., Чиркова Р.В. Возможны ли инварианты в теории хаоса-самоорганизации? // Сложность. Разум. Постнеклассика. 2022. № 1. С. 84-94. DOI: 10.12737/2306-174X-2022-79-89 / Es'kov VM, Filatova OE, Galkin VA, Filatov MA, Chirkova RV. Vozmozhny li invarianty v teorii kha-osa-samoorganizatsii? [Are invariants possible in chaos-self-organization theory?]. Slozhnost'. Razum. Postneklassika. 2022;1:84-94. DOI: 10.12737/2306-174X-2022-79-89. Russian.
7. Козлова В.В., Галкин В.А., Филатов М.А., Еськов В.М. Моделирование нейросетей мозга с позиций гипотезы W. Weaver // Сложность. Разум. Постнеклассика. 2021. № 1. С. 59-68. DOI: 10.12737/2306-174X-2021-52-59 / Kozlova VV, Galkin VA, Filatov MA, Es'kov VM. Modelirovanie neyrosetey mozga s pozitsiy gipotezy W. Weaver [Modeling of brain neural networks from the standpoint of the W. Weaver hypothe-sis]. Slozhnost'. Razum. Postneklassika. 2021;1:59-68. DOI: 10.12737/2306-174X-2021-52-59. Russian.
8. Коннов П.Е., Филатов М.А., Поросинин О.И., Юшкевич Д.П. Использование искусственных нейросетей в оценке актинического дерматита // Вестник новых медицинских технологий. 2022. №2. C. 109-112. DOI: 10.24412/1609-2163-2022-2-109-112. EDN MRSZXA / Konnov PE, Filatov МА, Yushkevich DP, Porosinin OI. Ispol'zovanie is-kusstvennykh neyrosetey v otsenke aktinicheskogo dermatita [Ar-tificial neural networks use in the actinic dermatitis assessment]. Journal of New Medical Technologies. 2022;2:109-12. DOI: 10.24412/1609-2163-2022-2109-112. EDN MRSZXA. Russian.
9. Пятин В.Ф., Макеева С.В., Миллер А.В., Хвостов Д.Ю., Черти-щев А.А. Каковы главные свойства нейросетей мозга? // Сложность. Разум. Постнеклассика. 2020. № 3. С. 5-13. DOI: 10.12737/2306-174X-2020-5-14 / Pyatin VF, Makeeva SV, Miller AV, Khvostov DYu, Chertishchev AA. Kakovy glavnye svoystva neyrosetey mozga? [What are the main properties of brain neural networks?]. Slozhnost'. Razum. Postneklassika. 2020;3:5-13. DOI: 10.12737/2306-174X-2020-5-14. Russian.
10. Филатова О.Е., Галкин В.А., Башкатова Ю.В., Шаки-рова Л.С. Новые возможности нейрокомпьютеров в биомедицине // Сложность. Разум. Постнеклассика. 2021. № 3. С. 5-16. DOI: 10.12737/2306-174X-2021-5-14 / Filatova OE, Galkin VA, Bashkatova YuV, Shakirova LS. Novye vozmozhnosti neyrokomp'yuterov v bi-omeditsine [Neue Möglich-keiten von Neurocomputern in der Biomedizin]. Slozhnost'. Razum. Postneklassika. 2021. № 3. S. 5-16. DOI: 10.12737/2306-174X-2021-5-14. Russian.
11. Филатова О.Е., Еськов В.М., Галкин В.А., Музиева М.И., Ку-харева А. Существуют ли отличия классификации систем искусственного интеллекта? // Сложность. Разум. Постнеклассика. 2022. № 1. С. 48-59 / Filatova OE, Es'kov VM, Galkin VA, Muzieva MI, Kukhareva A. Sushchestvuyut li otlichiya klassifikatsii sistem iskusstvennogo intellekta? [Are there differences in the classification of artificial intelligence systems?]. Slozhnost'. Razum. Postneklassika. 2022;1:48-59. Russian.
12. Филатова О.Е., Чемпалова Л.С., Оразбаева О.А., Мельникова Е.Г. Нейровегетативный статус аборигенов Югры // Сложность. Разум. Постнеклассика. 2019. № 4. С. 14-23. DOI: 10.12737/2306-174X-2019-12-21 / Filatova OE, Chempalova LS, Orazbaeva OA, Mel'ni-kova EG. Ney-rovegetativnyy status aborigenov Yugry [Neurovegetative status of the aborigines of Ugra]. Slozhnost'. Razum. Postneklassika. 2019;4:14-23. DOI: 10.12737/2306-174X-2019-12-21. Russian.
13. Хадарцев А.А., Галкин В.А., Башкатова Ю.В., Гаври-ленко Т.В. Фундаментальные источники непредсказуемости для биосистем у M. Gell-Mann // Сложность. Разум. Постнеклассика. 2022. № 1. С. 95-108. DOI: 10.12737/2306-174X-2022-90-102 / Khadartsev AA, Galkin VA, Bashkatova YuV, Gavrilenko TV. Fundamental'nye istochniki nepredskazuemosti dlya biosistem u M. Gell-Mann [Fundamentale Quellen der Unberechenbarkeit für Biosysteme in M. Gell-Mann]. Slozhnost'. Razum. Postneklassika. 2022;1:95-108. DOI: 10.12737/2306-174X-2022-90-102. Russian.
14. Еськов В.М., Хадарцева А.А. Системный анализ, управление и обработка информации в биологии и медицине. Ч. VI. Системный анализ и синтез в изучении явлений синергизма при управлении гомеостазом организма в условиях саногенеза и патогенеза: Монография. Самара: ООО «Офорт», 2005. 153 с. / Es'kov VM, Khadartseva
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2022 - Vol. 29, № 4 - P. 121-124
AA. Sistemnyy analiz, upravlenie i obrabotka informatsii v biologii i med-itsine. Ch. VI. Sistemnyy analiz i sintez v izuchenii yavleniy sinergizma pri upravlenii gomeostazom organizma v usloviyakh sanogeneza i pato-geneza: Monografiya [Systems analysis, control and information processing in biology and medicine. H. VI. Systems analysis and synthesis in the study of the phenomena of synergism during control of the homeo-stasis of organism under the conditions of sanogeneza and pathogenesis: Monograph]. Samara: OOO «Ofort»; 2005. Russian.
15. Чемпалова Л.С., Трофимов В.Н., Мельникова Е.Г., Аксенова Ю.А., Пономарева Н.И. Нейро-вегетативная система приезжих жителей Югры в возрастном аспекте // Сложность. Разум. Постне-классика. 2019. № 4. С. 41-47 / Chempalova LS, Trofimov VN, Mel'ni-kova EG, Aksenova YuA, Ponomareva NI. Neyro-vegetativnaya sistema priezzhikh zhiteley Yugry v vozrastnom aspekte [Neuro-vegetative system of visiting residents of Yugra in the age aspect]. Slozhnost'. Razum. Postne-klassika. 2019;4:41-7. Russian.
16. Eskov V.M., Filatov M.A., Grigorenko V.V., Pavlyk A.V. New information technologies in the analysis of electroencephalograms // Journal of Physics Conference Series. 2020. Vol. 1679. P. 032081. DOI: 10.1088/1742-6596/1679/3/032081 / Eskov VM, Filatov MA, Grigo-renko VV, Pavlyk AV. New information technologies in the analysis of electroencephalograms. Journal of Physics Conference Series. 2020;1679:032081. D0I:10.1088/1742-6596/1679/3/032081.
17. Galkin V.A., Gavrilenko T.V., Gazya G.V., Filatov M.A. Models of uncertainty in the framework of compartmentcluster theory for re-
search of instability biosystems // IOP Conference Series: Earth and Environmental Science Conference Series. 2022. Vol. 981(3). P. 032004. DOI: 10.1088/1755-1315/981/3/032004 / Galkin VA, Gavrilenko TV, Gazya GV, Filatov MA. Models of uncertainty in the framework of compartmentclus-ter theory for research of instability biosystems. IOP Conference Series: Earth and Environmental Science Conference Series. 2022;981(3):032004. DOI: 10.1088/1755-1315/981/3/032004.
18. Gazya G.V., Eskov V.M. Uncertainty of the first type in industrial ecology // IOP Conference Series: Earth and Environmental Science Conference Series. 2021. Vol. 839(4). P. 042072. DOI: 10.1088/17551315/839/4/042072 / Gazya GV, Eskov VM. Uncertainty of the first type in industrial ecology. IOP Conference Series: Earth and Environmental Science Conference Series. 2021;839(4):042072. DOI: 10.1088/17551315/839/4/042072.
19. Khadartsev A.A., Zilov V.G., Eskov V.M., Ilyashenko L.K. New effect in physiology of human nervous muscle system // Bulletin of Experimental Biology and Medicine. 2019. Vol. 167, № 4. P. 419-423 / Khadartsev AA, Zilov VG, Eskov VM, Ilyashenko LK. New effect in physiology of human nervous muscle system. Bulletin of Experimental Biology and Medicine. 2019;167(4):419-23.
20. Zilov V.G., Khadartsev A.A., Kitanina K.Y., Eskov V.V., Ilyashenko L.K. Examination of statistical instability of electroencephalograms // Bulletin of Experimental Biology and Medicine. 2019. Vol. 168, № 1. P. 5-9 / Zilov VG, Khadartsev AA, Kitanina KY, Eskov VV, Ilyashenko LK. Examination of statistical instability of electroencephalograms. Bulletin of Experimental Biology and Medicine. 2019;168(1):5-9.
Библиографическая ссылка:
Коннов П.Е., Еськов В.В., Газя Н.Ф., Манина И.А., Филатов М.А. Оценка клинических показателей больных хроническим актиническим дерматитом // Вестник новых медицинских технологий. 2022. №4. С. 121-124. Б01: 10.24412/1609-2163-2022-4-121-124. ББМ ТОРЬБЬ.
Bibliographic reference:
Konnov PE, Eskov VV, Gazya NF, Manina IA, Filatov MA. Otsenka klinicheskikh pokazateley bol'nykh khronicheskim aktinicheskim der-matitom [Clinical evaluation of patients with chronic actinic dermatitis]. Journal of New Medical Technologies. 2022;4:121-124. DOI: 10.24412/1609-2163-2022-4-121-124. EDN TOFLBL. Russian.
