CC BY
46
Статья
Рис.1. Структура патологии ЩЖ по данным УЗИ
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
J
□ мужчины □женщ ины
с узл ами без узлов
Рис. 2. Частота узловой гиперплазии ЩЖ
Мужчин было 77,2%, женщин - 22,8%. Возраст составил 43,4±7,4. Контрольную группу (КГ) составили 378 чел. аппарата управления и НИИ, без контакта с вредными условиями. Из них мужчин было 67,9%, женщин - 32,1%. Возраст - 44,7±8,4 (табл.).
Таблица
Показатели объема ЩЖ по данным УЗИ у работников АГК (п=1172)
Мужчины: ОГ n = 614 КГ n = 257
Средний объем ЩЖ, куб.см 21,2± 2,11 15,57± 1,92
Женщины: n= 181 n= 121
Средний объем ЩЖ, куб.см 17,8±1,83 12,95± 1,35
Средние показатели объема ЩЖ не выходили за пределы верхних границ нормы. Показатели объема ЩЖ у работников АГК в ОГ оказались достоверно выше тех же показателей объема ЩЖ в КГ. Этот факт говорит о связи увеличения объема ЩЖ с воздействием экопатогенных факторов АГК на организм.
Выводы. Проведение скринингового обследования ЩЖ выявило высокий процент узловой патологии ЩЖ, особенно у лиц, чья работа связана с производственными вредностями. Требуется разработка мер профилактики тиреоидной патологии.
Литература
1. Браверман Болезни ЩЖ.- М: Медицина, 2000.- С. 359.
2. БронштейнМ.Э. // Пробл. эндокр.- 1997.- №3.-С.30-38.
3. Куликов А.С. и др. Сб. тр. НИЦ НПМК «Экологичекая медицина» к 20-летию АГК.- Астрахань.- 2002.- С. 49-53
УДК 615.84.
ПРОГНОЗИРОВАНИЕ СОСТОЯНИЯ ЗДОРОВЬЯ И УСПЕШНОСТИ ОБУЧЕНИЯ СТУДЕНТОВ ТЕХНИЧЕСКИХ ВУЗОВ
В условиях быстрых преобразований социальных отношений в стране возрастают требования к адекватности принятия управленческих решений в системе непрерывного образования подготовки специалиста, разработке соответствующих информационных и компьютерных технологий, включая управление процессом профориентации абитуриента высшей школы.
В частности, при приеме в высшие учебные заведения используются тесты, определяющие интеллектуальные способности абитуриентов типа: MMPI, Kettel, «Бланк профессиональных интересов», АСПД, АИПС, АСПА, АСМАС и др.. Анализ указанных систем показывает, что они ориентированы в основном на определение общего интеллектуального потенциала, не давая рекомендаций по выбору направления обучения в конкретном учреждении с одновременным учетом прогноза физиологических
затрат (приобретения заболеваний в процессе освоения выбранной специальностью) и оценок успешности овладения соответствующими знаниями и навыками. В системах анализа функционального состояния абитуриента по энергетическим характеристикам биологически активных точек (БАТ) нет рекомендаций о правильности выбора им специальности. Учет комплекса этих характеристик позволит снизить отрицательный социальный эффект в системах образования, возникающий из-за проблем трудоустройства в силу его недостаточной профессиональной подготовленности и уровня здоровья после окончания вуза.
Исследованиями зарубежных и отечественных ученых, а так же исследованиями проводимыми на кафедре Биомедицинской инженерии Курского государственного технического университет было показано, что в качестве одной из информативных составляющих при решении задач прогнозирования состояния здоровья и в частности прогнозирования физиологических затрат на выполнение того или иного вида деятельности, включая учебу в вузах, целесообразно использовать энергетические характеристики проекционных зон (ПЗ) и в частности БАТ. Успешность обучения студентов принято определять с помощью тестов позволяющих оценивать такие индивидуальные психологические состояния как: мотивация, психические свойства личности, способности к выполнению специально подбираемых тестов контролирующих знания в различных науках и др. Определенную роль в успешности обучения играет также состояние здоровье обучающегося. Анализ результатов исследований показал, что при тестировании абитуриента, ориентированном на реализацию фрагментов будущей деятельности происходят сдвиги в энергетических характеристиках проекционных зон. При этом, величина и характер сдвигов носят индивидуальный характер. В процессе обучения такие сдвиги идут регулярно и на протяжении длительного времени, что приводит к истощению адаптационных резервов и в конечном итоге появлению заболеваний.
Особенностью решаемой задачи является то, что в силу кратковременности тестовых заданий энергетические сдвиги точек меридиан и автономных БАТ имеют относительно небольшие величины с небольшим временем существования, а прогноз производится на длительный, по отношению ко времени тестового воздействия, период. В этих условиях для достижения приемлемой точности прогноза необходимо обеспечить построение моделей, учитывающих множественные существенные составляющие, формирующие энергетику меридианных и внемериди-анных ПЗ. Для учета циклически изменяющихся номинальных энергетических состояний меридианов получено аналитическое выражение, позволяющее рассчитывать величину изменений характеристик, отражающих эти состояния для каждого из меридианов в зависимости от времени суток:
0, при г = г т,п (1)
2* э m
э ma
Э L 2* Эh
*(t - С )2 /144> при t є
*(1 - 2*(t - 11)/144, при t є *(1 - 2 *(t- tm*n )2 /144,при t є [
“ (t - tkma [)2 /144, при
где: h - номер меридиана; Э n(t) - текущее энергетическое
состояние меридиана; Э ,
энергетическое состояние
меридиана соответственно в период его минимального и максимального энергетического напряжений; ^тт, гЬтах - времена минимального и максимального энергетических напряжений меридиана Ь; гЬ*тт - время минимального энергетического напряжения меридиана на последующем цикле его «работы»; [^], ^], р3], [^] - интервалы времени ^■шпС^п!, ^^С^тах, ^тах^С^,
2Ь ^ ,-'+-Ь . +Ь +Ь „„„„„л
thn2<t4<t
гЬп2 - времена формирования точек перегиба нисходящей кривой приведенного графика
305040, г. Курск, ул. 50 лет октября, д.94, Курский Государственный технический университет Кафедра Биомедицинской инженерии
восходящей
(І п1—шах"! шіпУ2, \ п2—(! тіп"1 тах)/2). ВреМЯ измеряется в часах.
При оценке энергетического состояния используется косвенный показатель - электрические сопротивления БАТ на переменном токе. На одну и ту же ПЗ, включая БАТ, кроме исследуемого заболевания («ситуация Хо») [3-4], воздействуют состояния ряда органов и систем, что не позволяет ставить точные диагнозы. Чтобы исключить мешающие ситуации из-за управления энергетическим состоянием ПЗ, предлагается методика.
1. Под искомые ситуации строится меридианная диагностическая модель.
2. Выбирается список точек, характеризующих общее энергетическое состояние каждого из задействованных меридиан по принципу минимального пересечения их ситуаций, и производится измерение их номинальных (коридоров норм) значений.
3. По методике, разработанной на кафедре БМИ КурскГТУ, формируются списки диагностически значимых информативных
э H(t)
Э
+
t є
М.В. АРТЕМЕНКО . Н.А. КОРЕНЕВСКИИ . С.В. СОЛОШЕНКО
М.В. Артеменко, Н.А. Кореневский, С.В. Солошенко
точек (ДЗТ) [3]. При этом рекомендуется сформировать несколько групп ДЗТ по принципу их принадлежности к одному меридиану. Для этих точек производится измерение номинальных значений их параметров (формируются коридоры норм).
4. При диагностике выбирается тот меридиан с ДЗТ, который находится в номинальном (энергетически) состоянии или близком к нему. Для его точек оценивается состояния органов или функциональных систем, порождающих ситуацию Х0.
Анализ энергетических состояний БАТ из списка ДЗТ позволяет установить степень тяжести заболевания и «слабые» звенья здорового организма. Судить о возникновении конкретной ситуации Х0 можно только в том случае, если для всех точек, входящих в списки ДЗТ, их энергетические характеристики выходят за рамки коридора номинальных значений. Степень «слабости» организма или болезни, порождающей ситуацию Х0, предлагается оценивать с помощью функций принадлежности
) обследуемого к классу 01 (е=1,...,Ь) с носителем 8, определяемым как величина отклонения электрических характеристик ДЗТ от их номинальных значений. Общая уверенность в наличии ситуации Х0 определяется в соответствии с формулой:
КУо Р +1] = КУо [р] + (^ )(1 - КУо [р]), (2)
где р - номер этапа расчета коэффициента уверенности КУ®1 в прогнозе (диагнозе) по классу 01, который в терминах рефлексодиагностики оценивается как ситуация Х0; (Б 1) -
функция принадлежности к 01, определяемая по БАТ из ДЗТ с номером р+1 которую можно рассматривать как частную уверенность в классе ®1 от изменения энергетического состояния БАТ с номером р+1; КУ о [1] _ ]. В качестве решающих правил
для принятия решений о профориентации абитуриента в связи с необходимостью длительного прогноза по «короткому» тесту предлагаются два базовых варианта расчета: 1 - основанный на теории нечетких множеств, 2 - на теории самоорганизации математических моделей. В первом случае принятие решений о профессиональной ориентации осуществляется по функции уверенности в успешности обучения по специальности ] 0=1,...,1), рассчитываемой по аналогичной (2) формуле, т.е.:
кус р+1] = кус р]+^ (^+1 )(1 - кус Ы) (3)
где q - номер этапа расчета коэффициента уверенности в правильности выбора специальности с номером ]; (5 +1) -
функция принадлежности к успешности обучения по специальности ] по тесту с номером q+1; КУ С р] = цс} (51). Для рассматриваемых приложений использовались функции принадлежностей кусочно-линейного типа, определяемые выражением
0, если Б < Бн р(Б) _\а• 5-Ъ,если Бн < 5 < БЪ , (4)
КЪ, если Б > БЪ КЪ ; Ъ _ а • Бн ; Бн - нижняя граница носите-
ля, определяющая переход от нулевого к значимому значению ц(8); 8Ь - верхняя граница носителя определяющая переход ц(8) к максимальной величине уверенности Кь. После проведения всех тестов по формулам (2) и (или) (3) рассчитывается обобщенный показатель, изменяющийся в диапазоне от 0 до 1, величина которого связывается соответственно с возникновением заболевания или с успешностью обучения. При втором варианте расчета величины Ц| (назовем их классификационными коэффициентами) определяются через функционалы, аргументами которых являются признаки регистрируемого факторного пространства. Расчет производится по следующей методике: задается множество регистрируемых параметров - {Р}; в процессе эксперимента формируется репрезентативная выборка исходных данных {X}. Значения характеристик нормируются путем деления на средние значения одного из диагностируемых классов; задается конечное множество структур математических моделей -{Мо}; формируются обучающие и экзаменационные выборки - {Ре}, {Ру} ({Ре}+{Ру}={Р}). Для достижения условия подчинения этих выборок одному закону распределения предлагается поступать так. Вектор зарегистрированных показателей, характеризующий объект исследования, сворачивается в одно значение, например,
^¿х. ~ х.к , где 8^ -
свертка вектора характеристик ]-го объекта, п - количество регистрируемых характеристик, X.. - значение 1-ой характеристики у
го объекта, X.к С-к ~ соответственно средняя величина и дисперсия ьой характеристики в классе к. Полученные значения упорядочиваются. По датчику случайных чисел равномерного закона распределения формируются обучающая выборка {Ре} из упорядоченных соответственно значениям номеров объектов требуемой мощности. Оставшиеся объекты формируют экзаменационную выборку. На обучающей выборке для каждого класса к идентифицируются наборы статистически значимых математических моделей - аппроксимантов из {Мо}, отражающие связь между регистрируемыми характеристиками {Мок, Ак}, где Мок -подмножество структур математических моделей, Ак - соответствующее ему подмножество параметров моделей. На экзаменационной выборке оцениваются для каждого диагностируемого класса математическое ожидание (Мк) и коэффициенты вариации (Эк) квадратичного относительного отклонения экстраполянтов множеств {Мок} от действительных значений показателей. Рассчитывается эффективность применения правила: «объект относится к тому диагностируемому классу к, для которого значения Мк и Эк минимальны», т.е. на плоскости {МхЭ} его образ занимает левое нижнее положение. Если рассчитанная эффективность удовлетворяет исследователя, то указанное правило принимается в качестве классификационного с фиксацией соответствующих нормирующих значений и множеств {Мок, Ак}. В противном случае изменяется множество {Мо} и осуществляется переход к п.5. С целью формализации указанного в п.6 правила предлагается следующий классификационный коэффициент, по максимальному значению которого принимается решение о соотнесении объекта к определенному диагностическому классу:
^ /3
(
\Y (
(
* 1 - sech
3п *-
I vk
(5)
yk
k JJ
нормированием по дисперсии:
Mk = 1 - 1 - sec h 3n *——
I sk
V V k JJ V v где Sk, vk -средние значения и дисперсии множества квадратов относительных отклонений экстраполянтов (см.п.5) от реальных значений в классе k. Анализ поведения коэффициента, показал, что он меняется в интервале от 0 до 1 по логистическому закону. Синтез решающих правил прогноза успешности обучения предлагается осуществлять по следующим этапам (рис.1).
1. Определяют специальности, для которых прогнозируется успешность обучения, и формируется группа экспертов для отбора тестовых заданий.
2. Строятся функции принадлежности успешности обучения для студентов по тестам: мотивационным; основных психических свойств; профориентации.
3. Ведется синтез решающих правил в виде итерационных моделей расчета коэффициентов уверенности в успешности обучения и по максимальной величине ^ (формулы (3) и (5),).
4. Проверяют адекватность решающих правил путем расчета эффективности их применения на экзаменационной выборке, и в случае неудовлетворительной статистической достоверности идет коррекция батарей тестов с возвратом к п. 2. Определяются классификационные пороги значений, полученных в п.3 коэффициентов прогноза, успешности обучения для классов: «неблагоприятный прогноз», «удовлетворительное обучение», «хорошая успеваемость» - коэффициенты ^h(F), ^y(F), ^x(F).
5. Изучаются истории болезней абитуриентов, и определяется список характерных заболеваний, для которых строятся меридианные модели и определяется список информативных ДЗТ. Далее выбирается измеряемый параметр, система отведений, тип и параметры измерительной аппаратуры.
6. Синтезируются решающие правила для прогнозирования или дозонологической диагностики заболеваний по реакции БАТ.
7. Строится система функций принадлежности к списку заболеваний с носителем по разности энергетических характеристик БАТ после и до тестирования. Определяется общая уверенность в заболеваниях при обучении по специальности j.
8. В соответствии с поставленной целью решается вопрос о применении реакции БАТ для решения задач успешности обучения, и строятся соответствующие функции принадлежностей ^tq(Xt,q) с носителем на разности характеристик БАТ до и после проведения процедуры тестирования. Практическая реализация рассматриваемых методов реализуется с помощью информационно-аналитической системы управления профориентацией абитуриентов, структурная схема которой приведена на рис. 2.
При разработке этой системы был создан пакет программ -«блок синтеза решающих правил», с помощью которого были
(=1
¡к
М.В. Артеменко, Н.А. Кореневскии, С.В. Солошенко
получены решающие правила прогноза успешности обучения, правильности выбора образовательной траектории и физиологических затрат в процессе обучения. Для правил прогноза физиологических затрат организма на процесс обучения по репрезентативным выборкам у абитуриентов регистрировались электрическое сопротивление информативных БАТ, которые с помощью «блока съема электрофизиологических показателей» (ЭФП) формировали базу данных ЭФП. В итоге синтезированы функции принадлежности и решающие правила для блока прогноза физиологических затрат и диагноза. Так же сформирована «база тестов» для прогноза правильности выбора специальности.
Совместно со специалистами-медиками для распространен" ных заболеваний формируются рекомендации по коррекции здоровья тестируемого («блок рекомендаций по коррекции состояния здоровья»). Общение системы с абитуриентом и службами вуза ведется через многооконный интерфейс пользователя. На этапе профориентации абитуриенту дается система тестовых заданий, позволяющая оценить профессионально значимые показатели его психического и психологического состояния. По результатам тестирования «блок прогноза правильности выбора специальностей» ведет прогноз успешности обучения по специальностям на основе полученных ранее решающих правил. Для определения физиологических затрат на процесс обучения с помощью «блока съема ЭФП» у абитуриента регистрируются электрофизиологические показатели, которые затем через «базу данных ЭФП» передаются в «блок прогноза физиологических затрат и диагноза заболеваний». По разнице значений ЭФП до и после тестирования этот блок ведет формирование диагноза при заболевании и прогноз физиологических изменений, которые могут появиться у абитуриента при обучении. На основании этого вырабатываются предложения по выбору образовательной траектории с учетом физиологических затрат и формированием рекомендаций по коррекции состояния здоровья. Абитуриенту предлагается при собеседовании или самостоятельно пройти тестирование по исследованию психологических, психических и физиологических характеристик, способностей и склонностей к освоению определенных наук и специальностей.
Таблица 1
Нагрузочные тесты по направлениям обучения
Направление обучения Нагрузочный тест
Экономическое Селективность и переключаемость внимания, восстановление пропущенной цифры, «Неизвестное животное»
Строительное ИФИ (по Баевскому Р.В.), селективность, переключаемость, «Неизвестное животное», тест Люшера
Машиностроительное Селективность, переключаемость, воспроизведение внимания, «Неизвестное животное»
Приборостроительное Селективность, переключаемость, воспроизведение, устойчивость внимания, тест Люшера
Юридическое Селективность, устойчивость, воспроизведение пропущенной цифры, тесты Люшера и «Неизвестное животное»
В процессе исследований выявлено, что наиболее оптимально психологическое тестирование ведется с помощью тестов: ^, Люшера, «Неизвестное животное». Здоровье абитуриента оценивают с помощью «измерителей»: ИФИ - индекса функциональных изменений (по Баевскому Р. М.), характеристикам БАТ, информации, указанной в медицинских документах. Психические характеристики регистрируются автоматически: показатели
селективности, устойчивости, переключаемости внимания, поиска сигнала в шуме, опознания, воспроизведения числового ряда, определения отсутствующей цифры, оценки геометрических размеров, эффективности манипулирования образами. Анализ историй болезней студентов (КГТУ), обучающихся на приборо-, машино-, строительного, экономического и юридического направлениях, показал, что частыми являются болезни сердечнососудистой системы (ССС) - класс Юс и ЖКТ - класс Юж.
В качестве характеристики энергетического состояния БАТ, используется сопротивление, измеряемое при переменном токе силой 2 мкА с частотой 1 кГц. В качестве носителя для функций принадлежностей применяется разница сопротивлений ДК.=К.т-Кн (кОм) БАТ после и до выполнения нагрузочного теста. Решение о возможности заболеваний ССС в процессе обучения принимается, если после тестирования сопротивления точек С7 и С9 (С -идентификатор БАТ с номером ] по французской системе) одновременно изменятся более чем на 10%. Величина уверенности в прогнозе заболевания wc определяется в соответствии с (2).
Получены решающие правила принятия решений:
1. Для заболеваний ССС: - если (Я^ И Яс7)<80 кОм, то рассчитывают уверенность в Wc вне зависимости от рода деятельности; если (Ис9 И Ис7)<60 кОм, то рассчитывают уверенность в наличии патологии Wc; если (ДЯс9 И ДКс7)>10%, то рассчитывают уверенность в Wc, связанную с обучением по специальности.
2. Для заболеваний ЖКТ: если (ДЯе21 И ДЯе22)>10%, то ищут уверенность в возникновении Юж, связанную с обучением по специальности; если (Яв21 И Яе22)с80 кОм, то рассчитывают уверенность в Юж вне зависимости от деятельности; если (Яб21 И Ян22)С60 кОм, то ищут уверенность в наличии патологии Юж.
Составление списка специальностей
I
Формирование батареи тестов
ния
Рис. 2. Обобщенная схема информационно-аналитической системы автоматизированного управления профориентацией абитуриента
Таблица 2
Структуры регрессионных связей
Структура модели Частота встречаемости
«прямая» «обратная»
У — Ао + 2 — с + Б*У о,о8
У — 1 / (До +Д^) 2 — С + Б/У о,12
У — 2 / (До + Аі * 2) 2 — 1 / (С + Б / У) о,22
У — До + Аі / 2 2 — 1 /(С + Б * У) о,2
У — До + ОВД) 2 — с + Б * ДсЬ(У) о,25
У — До + ТЪ(2) 2 — с + Б * ДгЬ(У) о,о8
Статья
Для проверки эффективности разработанных методов и средств по результатам разведочных исследований, сформирована база данных и тестов, включающая: средний экзаменационный балл; индекс функциональных изменений (ИФИ); характеристики селективности, переключаемости внимания; воспроизводимости числового ряда;
восстановления пропущенной цифры; результаты теста Люшера; характеристики «агрессии» и
«опоры» по тесту «Несуществующее животное»;
значения коэффициентов уверенности приобретения заболеваний ССС и ЖКТ;
наличие /отсутствие заболеваний ССС и ЖКТ.
По итогам исследований сформированы наборы валидных тестов, рекомендованных в качестве нагрузочных (табл. 1).
Информация по указанным характеристикам состояния испытуемого регистрировалась в течение 5 лет по окончании учебного года и в момент поступления в вуз у студентов различных специальностей, и формировался коэффициент правильности выбора специальности - Кпвс. Считаем, что студент правильно выбрал специальность, если он: работает в том же направлении после окончания вуза - 8 баллов, во время учебы - 9 баллов,
агрессия по мере обучения значимо не увеличивается - 6 баллов,
психические характеристики не ухудшаются более чем на 10% -
5 баллов, учеба не ухудшается - 7 баллов.
Численное значение баллов получено в результате опроса экспертов. На этапе обучения, отслеживая студента по указанным позициям, рассчитывают средневзвешенный показатель А, по которому оценивается Кпвс.
Г 0-"неправильный выбор", если А < 0,384 Ктс _ \ 0,5-"возможно правильный", если 0,384 < А < 0,62
[ 1-"правлиьный выбор", если А > 0,62
где 1 5 , где К - количество баллов по ьму пункту.
А _ —У К 35 ¿1 !
Для получения эталонов функциональных связей между характеристиками абитуриента методом самоорганизационного моделирования были идентифицированы функции регрессионные связи между указанными факторами по разным направлениям обучения на уровне статистической значимости р>0,95. Частоты встречаемости структур указанных связей представлены в табл. 2 (Неуказанные структуры имели частоту встречаемости <0,05).
В табл. 2: Ъ и У - характеристики факторного пространства X, А0, А1, С, Э - параметры зависимостей.
Идентифицированные для каждого случая прогноза (успешности обучения, правильности выбора специальности и физиологических потерь) функциональные связи между регистрируемыми характеристиками рассматриваются в качестве «эталонов» в процессе классификации «образа» абитуриента. На основе результатов исследования предлагается следующий алгоритм оценки физиологических затрат и правильности выбора образовательной траектории. У абитуриента регистрируются сопротивления БАТ и рассчитываются коэффициенты уверенности в приобретении заболеваний ЖКТ и ССС без «привязки» к выбираемой специальности. Если испытуемый отказывается от тестирования, то ему дают диагностическое заключение его принадлежности к группе риска приобретения заболеваний ССС и ЖКТ. Иначе в ходе тестирования регистрируются показатели, указанные ранее. Затем идет расчет коэффициентов 1 и 2 рода для оценки физиологических затрат при обучении и правильности выбора специальности. Классификационный коэффициент 2 рода - это обратная величина от суммы квадратов коэффициента вариации (Эк) и среднего значения (Мк) квадратов относительных отклонений величин, применяемых для расчета (5).
Полученные решающие правила выглядят следующим образом: абитуриент относится к тому классу («неблагоприятный прогноз», «удовлетворительное обучение», «хорошая успеваемость» - в случае прогноза качества обучения; «нет заболеваний», «заболевание ЖКТ», «заболевание ССС» - в случае прогноза возможности приобретения заболеваний; «экономическое», «строительное», приборостроительное», «машиностроительное», «юридическое» - в случае прогноза правильности выбора специ-
альности), для которого значение рассчитанного классификационного коэффициента по формуле (5) максимально. Классификационные коэффициенты второго рода служат дополнительным критерием в спорном случае. На основании выполненных расчетов для абитуриента формируется рекомендательное заключение.
Результаты верификации разработанных методик на контрольной выборке приведены в табл. 3 (в % указана эффективность полученных решающих правил). По прогнозу успеваемости эффективности методик составили для классов: «неблагоприятный прогноз» - полученные по первому способу синтеза -74±5%, по второму способу -72±8%; «удовлетворительное обучение» - соответственно 81±9% и 76±10%; «хорошая успеваемость» соответственно 72±8% и 71±6%. Т.К. разными способами получены эффективности одного порядка, можно сделать вывод
об адекватности методик синтеза решающих правил и результатов диагностики соответствующих состояний по ним.
Совместное применение характеристик БАТ, результатов тестирования психических особенностей, соматических характеристик и интеллектуальных параметров (средний экзаменационный балл) позволяет прогнозировать возможность возникновения в процессе обучения заболеваний и оценить правильность выбора специальности, успешность обучения по предлагаемым методам и алгоритмам. Полученные прогнозы позволяют правильно выбрать специальность или своевременно изменить выбор.
Литература
1. Кореневский Н.А. и др. // Известия Курск.ГТУ.- 2002г.-№9.- С.70-75
2. Ершов Д.А. и др. // Активизация творческого, научного потенциала первокурсников: Тез. докл. Всерос. научно-практ. конф.- Екатеринбург: ГОУ УГТУ - УПИ, 2002.- С.79-85.
3. Кореневский Н. А. Синтез моделей взаимодействия внутренних органов с проекционными зонами и их использование в рефлексодиагностике и рефлексотерапии.- Курск, 2005.- 224 с.
УДК 615.84
ВЛИЯНИЕ ПРОМЫШЛЕННЫХ ЭЛЕКТРОМАГНИТНЫХ ПОЛЕЙ НА БИООБЪЕКТЫ НА ПРИМЕРЕ г. КУРСКА
И.А. АВИЛОВА*, М.П. ПОПОВ*, Л.В. СТАРОДУБЦЕВА*
Развитие цивилизации привело к появлению промышленных технологий, связанных с использованием мощных электромагнитных полей (ЭМП), что усилило воздействие ЭМП на живые организмы. ЭМП вносят вклад в загрязнение окружающей среды. Превышение параметров ЭМП по сравнению с фоновыми, к которым живые организмы адаптировались в процессе развития, плохо влияет на живые системы. Биоэффекты ЭМ-полей определяются их биотропными параметрами: интенсивностью, частотой, формой сигнала, локализацией, экспозицией и др.
Известно влияние индустриальных ЭМП на возникновение и развитие ряда заболеваний центральной нервной (в т.ч. головной мозг), иммунной, эндокринной, выделительной, пищеварительной систем. Результатом воздействия ЭМП является нарушение обмена белков, жиров, углеводов и др. биоактивных веществ, что влечет распад макромолекул высокополимерных веществ, ведя к изменениям в организме. Доказано возникновение гипертонии у лиц, длительно подвергшихся ЭМИ радиодиапазона,
* 3о5о4о, г.Курск, ул. 5о лет Октября, д.94, КГТУ
Таблица 3
Верификация решающих правил оценки физиологических затрат и правильности выбора специальности (% эффективности)
Возможность приобретения заболеваний По классификационным коэффициентам правильности выбора специальности
По классификационным коэффициентам По коэффициентам уверенности
Нет ССС ЖКТ нет ССС ЖКТ Неправильно Возможно, правильно Правильно
1 р. 2 р- 1 р. 2 р. 1 р. 2 р. 1 р. 2 р. 1 р. 2 р. 1 р. 2 р.
8о±1о 73±12 64±5 7о±1о 7о±1о 73±9 79±8 7о±6 82±1о 77±12 73±12 8о±3 74±9 77±12 77±8
