Разработка концептуальных подходов к реабилитации больных с коронарным дефицитом на основе математического моделирования (14.09.2009)

Автор: Сергеева Ольга Владимировна

Анализ гистограмм распределения объектов в кластерах говорит о близости распределения признаков по кластерам к нормальному, следовательно, можно говорить о репрезентативности используемых статистических данных и корректности используемого метода классификации. В качестве примера распределения объектов в кластерах можно привести гистограммы распределения для первых четырех кластеров (для лиц с различными нарушениями, находящихся на консервативной медикаментозной терапии).

Данные гистограммы представлены на рис. 2-5.

Рис. 2 Гистограмма распределения объектов в первом кластере

(кластер «Показания к консервативной терапии и снижение фракции выброса») Рис. 3 Гистограмма распределения объектов во втором кластере

Рис. 4 Гистограмма распределения объектов в третьем кластере

(кластер «Показания к консервативной терапии и вегетативный дисбаланс») Рис. 5 Гистограмма распределения объектов в четвёртом кластере

(кластер «Показания к консервативной терапии и дислипидемия + повышенная вязкость крови»)

?зработать адекватную программу реабилитации больного.

После диагностики вида осложнения основного заболевания возникает задача оценки тяжести течения заболевания, так как от данной характеристики напрямую зависит выбор лечебных воздействий. Кроме того, с учетом тяжести состояния формируется прогнозирование дальнейшего течения заболевания. Для формирования интегрального показателя тяжести течения ИБС при различных тактиках реабилитации были выбраны наиболее существенные показатели (табл. 4).

Таблица 4

Перечень наиболее существенных показателей

№ Показатель

X1 Велоэргометрия

X2 Холтер-монитор

X3 Фракция выброса

X4 Толщина стенки левого желудочка

X5 Триглецериды

X6 Общий холестерин

X7 Протромбиновый индекс

X8 Коэффициент атерогенности

Интегральный показатель тяжести течения заболевания определялся на основе следующей свертки:

где wi – вес (значимость) i-го фактора,

Xiн – нормированное значение i-го фактора.

Для нормировки использовалось следующее выражение:

где Ximax - максимальное значение показателя Xi;

Ximin – минимальное значение показателя Xi.

Поскольку каждый из показателей в зависимости от вида течения заболевания имеет свой вес, интегральный показатель тяжести течения заболевания необходимо рассчитывать для каждого вида течения ИБС. Для оценки значимости каждой составляющей был применен метод априорного ранжирования, позволяющий объективно оценить субъективное мнение врачей (экспертов), производящих оценку значимости отдельных показателей при каждом виде течения ИБС.

По совокупности мнений отдельных экспертов составлялись матрицы ранжирования значимости показателей для каждого из шестнадцати кластеров. Резюмируя результаты ранжирования значимости отдельных показателей в различных кластерах можно сделать заключение о том, что присвоение ранговой значимости происходит скорее не по виду реабилитации, которому подвергались больные (консервативная терапия, баллонная ангиопластика со стентированием, аортокоронарное шунтирование, либо ударно-волновая терапия), а по виду развивающихся у пациентов нарушений (снижение фракции выброса, дислипидемия, вегетативный дисбаланс, дислипидемия + повышенная вязкость крови).

Так, например, в первом, пятом, девятом и тринадцатом кластерах (сформированных из пациентов со снижением фракции выброса) самым высоким рангом оделялся показатель Х3, отражающий фракцию выброса. Такую же закономерность можно проследить и в других группировках кластеров (№№ 2, 6, 10, 14; №№ 3, 7, 11 и 15; №№ 4, 8, 12, 16).

При анализе всех матриц ранжирования видно, что одним и тем же экспертом некоторым различным факторам часто присваивался одинаковый ранг. Вследствие вышесказанного, матрицу ранжирования необходимо было привести к нормальному виду таким образом, чтобы сумма рангов в каждом столбце равнялась К((К+1)/2, где К - число показателей (в нашем случае К=8). При К=8 сумма рангов в каждом столбце равняется 36. При обсчете приведенных матриц ранжирования были получены относительные веса для каждого из восьми исследуемых показателей в 16 кластерах (табл. 5).

Таблица 5

Веса показателей для различных кластеров

Кластеры Показатель

Х1 Х2 Х3 Х4 Х5 Х6 Х7 Х8

1 0,8714 0,8651 0,9528 0,9282 0,8484 0,8421 0,8476 0,8444

2 0,8291 0,8225 0,8337 0,8084 0,9238 0,9702 0,8856 0,9267

3 0,9608 0,9608 0,8936 0,8576 0,8579 0,8417 0,8177 0,8099

4 0,786 0,7857 0,7809 0,8044 0,9572 0,9667 0,9618 0,9573

5 0,9038 0,9078 0,9721 0,9523 0,8201 0,816 0,8118 0,816

6 0,8132 0,809 0,8048 0,8172 0,951 0,9675 0,8701 0,9673


загрузка...