CC BY
59
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 ДСМЕЯИ# [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. ЛСМЕЯи# 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 ЛСМЕЯи 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 ЛСМЕЯи, 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
Статья
надо искать обоснования этому, а при их отсутствии - причины (неполнота данных, неправильное кодирование причин смерти).
С помощью этой программы можно проследить во времени изменения величины кратности множественных болезненных состояний или их осложнений, приводящих к смерти, субъекта отчетности и по монотонности изменения этой кратности судить об однообразии кодирования. Убедиться в однообразии кодирования можно по обобщенной матмодели (множественных болезненных состояний или их осложнений, приводящих к смерти, по классам МКБ-10) во времени [2, 6-7], в т.ч. по территориям области. Этот прием считается финишными максимально приближенным к результатам углубленного анализа. Для построения матмодели можно использовать программу ANSSD.
Оценивать достоверность данных регистра смертности можно также по резким изменениям абсолютных и относительных показателей в таблицах по классам МКБ-10 и возрастам для районов области между собой и по сравнению с данными по области, а также по отклонениям выборки от средней по области продолжительности жизни с помощью программ ACMERU, MedSS, MedSSV. Предоставляется возможность осуществить ранжирование в диапазоне кодов по районам области с помощью программы MedSSV, представив результат по убыванию числа случаев (например, в диапазоне рубрик I60-I64 - Цереброваскулярные болезни с острым течением). Резким отклонениям полученных значений необходимо искать обоснование, а при его отсутствии - причины, заключающиеся чаще всего в неполноте данных или в неправильном кодировании причин смерти. Представляется возможным оценить данные по различиям обобщенной математической модели по классам МКБ-10, характеризующим район на фоне других районов области. Эту оценку можно осуществить с помощью программы ANSSA. Очень эффективным приемом, как показывает практика работы учреждений здравоохранения Тульской области, является сравнение смертно -сти по регистрам: государственный медико-дозиметрический регистр, онкологический регистр и регистр сахарного диабета (регистры федерального уровня). Такое сравнение позволяет выявить различия в кодировании причин смерти и оценить полноту ввода случаев смерти. Программа SDiabet позволяет выгруженные данные из регистра сахарного диабета в формате Access совместить с данными в программе MedSSV.
Сравнив записи по совпадающим данным: фамилии, имени, отчеству и дате рождения можно выявить случаи отсутствия кодов E10-E14 (сахарный диабет) в I или II разделе пункта 18 медицинского свидетельства о смерти или полное несоответствие причин смерти. С помощью этой программы можно выявить отсутствующие записи в регистре сахарного диабета или в региональном регистре смертности населения. Можно выявить врачей, допускающих такое несоответствие и провести их обучение.
Сравнение регистров не только улучшает качество, но сильно дисциплинирует субъекты отчетности, если эта работа носит регулярный характер. Аналогичные возможности имеются для сравнения государственного медико-дозиметрического регистра по Тульской области и регионального регистра смертности.
Выводы. Высокая достоверность кодирования первоначальной (основной) причины смерти, обеспечивая качество информации в региональном регистре смертности, не обеспечивает надежности показателей смертности. Наряду с методами достижения высокой достоверности в процессе ввода и после накопления данных надо применять предложенные выше методы и с их помощью повысить достоверность самих данных и расчетных показателей смертности. Программное обеспечение для выполнения этих работ и опыт работы с ним выявили резервы высокой достоверности данных мониторинга смертности.
Литература
1. Погорелова Э.И. Научное обоснование системы мероприятий повышения достоверности статистики смертности населения: Автореф. Дис... канд. мед. Наук.- М.: ЦНИИ организации и информатизации МЗ РФ.- 2004.-24 с.
2. Хромушин В.А. Методология обработки информации медицинских регистров.- Тула.- 2005.- 120 с.
3. Вайсман Д.Ш. и др. // ВНМТ.- 2001.- № 4.- С.80-81.
4. Хромушин В. А., Вайсман Д. Ш. // В сб. тез.докл. научно-практ. конф. Современные инфракоммуникационные технологии в системе охраны здоровья.- 2003.- С.122.
5. Погорелова Э.И. и др. Заключительный научный доклад «Разработка системы мероприятий для совершенствования использования статистических данных о смертности населения Российской Федерации» (Международный исследовательский проект 1АХ202)».- Москва: ЦНИИ организации и информатизации МЗ РФ.- 2003.- 34 с.
6. ХромушинВ.А. // ВНМТ.- 2004.- № 3.- С.107-109.
7. Хромушин В.А. и др. / В сб. докл. 4 регион. научно-практ. конф.: Современные проблемы экологии и рационального природопользования в Тул обл.- Тула: ТулГУ.- 2004.- С. 141.
THE POSSIBILITIES FOR AN ADDITIONAL INCREASE IN POPULATION MORTALITY DATA ADEQUANCY
V.A. KHROMUSHIN, E.I. POGORELOVA, E.M. SEKRIERU Summary
The software developed by the authors for mortality data calculation has found out additional reserved to obtain high adequacy of mortality-monitoring data.
Key words: mortality data, mortality-monitoring data
УДК 616-005.4
ПРОГНОЗИРОВАНИЕ ГИПОЛИПИДЕМИЧЕСКОГО ЭФФЕКТА У БОЛЬНЫХ ИШЕМИЧЕСКОЙ БОЛЕЗНЬЮ СЕРДЦА С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ
Г.С. МАЛЬ *
Введение. Ежегодно в России от сердечно-сосудистых заболеваний умирает более 1 миллиона человек, это гораздо выше, чем в развитых странах Европы, США и Японии [8]. Ведущее место занимают ишемическая болезнь сердца (ИБС) и мозговой инсульт, обусловленные атеросклеротическим поражением коронарных и мозговых артерий [2]. Принимая решение о назначении того или иного препарата, влияющего на липидный обмен врач должен ответить на 2 основных вопроса - насколько безопасно проводимое лечение для больного и каков прогноз гиполипиде-мического эффекта возможен при длительном лечении? Интересна возможность прогнозирования лечебного эффекта с помощью нейронных сетей (НС) [5]. Методы с помощью НС могут использоваться независимо или служить дополнением к статистическому анализу, в медицине и, прежде всего, в кардиологии [6, 10].
Цель — разработка нейросетевой модели прогнозирования гиполипидемического эффекта при коррекции гиперлипидемии (ГЛП) на основе параметров липид-транспортной системы.
Материалы и методы исследования. В исследование было включено 162 мужчины в возрасте от 41 до 59 лет (52,2±6,8) с ИБС и первичной гиперхолестеринемией (ГХС) или гипертриг-лицеридемией (ГТГ). Верификация диагноза ГЛП осуществлялась по наличию ксантоматоза, клиническим проявлениям атеросклероза и данным семейного анамнеза после исключения заболеваний, обусловливающих вторичные нарушения липидного обмена [6] . Диагноз ИБС, стенокардии напряжения и ее функциональный класс определяли анамнестически, по клинической картине и с помощью эргометрических тестов. Критерии включения пациентов в исследование: исходное содержание холестерина (ХС) >200 мг/дл и/или исходное содержание триглицеридов (ТГ)>150 мг/дл, без выраженной гипоальфахолестеринемии, с индексом Кетле < 29. Обследованные пациенты включались в группы с учетом стратификационных признаков (тип ГЛП, функциональный класс стенокардии напряжения, возраст).
Программа обследования включала:
1. Общеклинические: стандартный опрос (по опроснику Rose) - применяли стандартный кардиологический опросник ВОЗ и методические рекомендации по многофакторной профилактике ИБС, позволяющие выявлять типичную стенокардию напряжения; определение систолической артериальной гипертензии (САГ) - использовали критерии (ДАГ1) [12]; исследование ан-
* Курский государственный медицинский университет, г. Курск, Россия
