Положительные» (FP) и «ложно отрицательные» (FN).

Чувствительность и специфичность лабораторного теста зависят от выбранной границы нормы. Чем ниже граница нормы, тем выше чувствительность теста, т.е. тем больше положительных ответов отмечается среди больных. В то же время, пропорционально будет возрастать число ложно-положительных ответов в группе контроля. Понятие нормы, как и понятие здоровья, весьма условно.

Можно определить понятие «порог нормальности» теста как биологическое и медицинское понятие. Если биологический порог определяется биологической вариацией изучаемого параметра в популяции, то медицинский порог, прежде всего, определяется теми клиническими задачами, которые предполагается решить с помощью применяемого диагностического вмешательства.

Медицинская норма зависит от современных представлений медицинской науки. Так верхняя граница нормы для С-реактивного белка (СРБ), которая используется для диагностики воспалительных заболеваний, составляет 10 мг/л, а в случае, если используются новые высокочувствительные тесты определения СРБ для диагностики нестабильной стенокардии или риска сердечно-сосудистых заболеваний составляет 4 мг/л.

Лактатдегидрогеназа синтезируется внутриклеточно, и в норме лишь небольшая часть этого фермента попадает в кровь. При повреждении миокарда (например, при инфаркте миокарда), печени (при гепатитах, циррозе печени) в результате цитолиза (разрушения клеток) этот фермент попадает в кровь, что выявляется лабораторными методами. Норма: дети старше 12 лет и взрослые — 250 Ед/л

TP – верно классифицированные положительные примеры (так называемые истинно положительные случаи);

TN – верно классифицированные отрицательные примеры (истинно отрицательные случаи);

FN – положительные примеры, классифицированные как отрицательные (ошибка I рода). Это так называемый " ложный пропуск" – когда интересующее нас событие ошибочно не обнаруживается (ложно отрицательные примеры);

FP – отрицательные примеры, классифицированные как положительные (ошибка II рода); Это ложное обнаружение, т.к. при отсутствии события ошибочно выносится решение о его присутствии (ложно положительные случаи).

 

7. Дайте формулу для диагностической чувствительности диагностического признака (симптома) и

пояснить статистическую значимость этой формулы. Чему равно максимальное значение чувствительности? При каком условии она его принимает? Приведите пример, когда целесообразно выбирать максимальное значение чувствительности.

Se=TP/(TP+FN) диагностическая чувствительность показывает отношение числа здоровых людей к общему числу исследуемых. Диагностическая чувствительность — это доля позитивных результатов теста в группе (в популяции) больных пациентов. Максимальное значение чувствительности равно 1. она его принимает когда мало значение ложного отрицательного.

ЧУВСТВИТЕЛЬНОСТЬ - это доля всех больных, которых можно выявить с помощью диагностического метода.

Хороший метод должен выявлять большую долю больных.

Если у теста высокая чувствительность, то по его отрицательному результату можно надежно исключить подозреваемую болезнь. При обследовании таким тестом группы людей невозможно пропустить больных.

Максимальное значение 100%, при идеальном тесте.

Но так, как идеальный тест понятие абстрактное и даже при самых точных исследованиях(гистология рака), бывают неточности, то реальное значение чувствительности не может быть больше 99, 9 %

Максимальное значение ДС нужно использовать при испытании нового метода диагностики( идет сравнение метода с высокой чувствительностью, который или идеальный или приближается к нему).

Также максимальное значение ДС нужно использовать, если исследуется группа пациентов и необходимо выявить больных с максимальной точностью.

Для проверки нового метода диагностики необходимо использовать методы «золотого стандарта», которые дают максимально положительный результат при диагностике соответствующей патологии у пациента.

Если у теста высокая чувствительность, то по его отрицательному результату можно надежно исключить подозреваемую болезнь. При обследовании таким тестом группы людей невозможно пропустить больных.

Чувствительность (sensitivity):

доля позитивных результатов теста в группе (в популяции) больных пациентов

Специфичность (specificity): доля негативных результатов теста в группе здоровых пациентов

Использование в клиническом обследовании

Чувствительный тест часто дает положительный результат при наличии заболевания (обнаруживает его). Однако, особенно информативен он, когда дает отрицательный результат, т.к. редко пропускает пациентов с заболеванием.

 

8. Дайте формулу для диагностической специфичности диагностического признака (симптома) и пояснить статистическую значимость этой формулы. Чему равно максимальное значение специфичности? При каком условии она его принимает? Приведите пример, когда целесообразно выбирать максимальное значение специфичности.

Dc=TN/TN+FP*100% (частота ИО результатов теста у лиц, не страдающих болезнью).

Специфичность-способность метода не выявлять болезни у людей, у которых их нет.

Специфичные тесты предпочтительны для подтверждения диагноза, уже предложенного на основании других данных. Высокоспецифичный тест особенно полезен в такой клинической ситуации, когда опасно получить ложноположительный результат и последующими назначениями нанести вред здоровью пациента. Положительный результат высокоспецифичного теста почти никогда не бывает у здоровых.

Максимальное значение специфичности – 100% при условии, что число ложно - положительных результатов равно нулю.

9. Дайте формулу для прогностичности положительного результата (ППР) диагностического признака (симптома) и пояснить статистическую значимость этой формулы. Чему равно максимальное значение этой характеристики? При каком условии она его принимает?

 

Прогностичность положительного результата – вероятность наличия болезни у пациента с положительным результатом теста (доля больных с положительным результатом, диагностированные корректно).

Выражается процентным соотношением истинно положительных (ИП) результатов к общему числу положительных результатов

ПЗ+ = (ИП/(ИП+ЛП))*100%

Статистическое значение:

ППР есть мера того, насколько хорошо данный тест предсказывает наличие болезни у пациента.

ППР есть вероятность наличия болезни у пациента при условии, что данный тест дал у него положительный результат.

Синонимы:

Предсказательная полезность положительного результата теста

Прогностичность положительного результата теста

Послетестовая вероятность наличия у пациента болезни

Максимальное значение только при идеальном тесте:

Идеальный тест: ПОР = 1 и ППР = 1. На практике не более 99, 9 %

10. Дайте формулу для прогностичности отрицательного (ПОР) результата диагностического признака (симптома) и пояснить статистическую значимость этой формулы. Чему равно максимальное значение этой характеристики? При каком условии она его принимает?

Прогностичность отрицательного результата – вероятность отсутствия заболевания у больного с отрицательным результатом теста (доля больных с отрицательным результатом, диагностированные корректно)

ПЗ- = (ИО/(ИО+ИП))*100%

Статистическое значение:

ПОР есть мера того, насколько хорошо данный тест предсказывает отсутствие болезни у пациента.
ПОР есть вероятность отсутствия болезни у пациента при условии, что данный тест дал у него отрицательный результат.
Синонимы:
Предсказательная полезность отрицательного результата теста
- Прогностичность отрицательного результата теста
- Послетестовая вероятность наличия у пациента болезни
Максимальное значение только при идеальном тесте:
Идеальный тест: ППР= 1 и ПОР = 1
Чем более выгнута синяя кривая для (1 – NPV), тем лучше способность отрицательных результатов теста предсказывать отсутствие болезни.

 

 

11. Как изменяется диагностическая чувствительность (Se) диагностического признака, если иагностическая специфичность (Sp) возрастает? Что предпочтительнее при диагностике инфаркта миокарда с помощью количественного диагностического признака (например, SGOT) установка «порога нормальности», при котором максимальна диагностическая чувствительность (Se) или диагностическая специфичность (Sp)? Почему? Приведите пример (примеры) когда желательно обратное соотношение (Se) или (Sp) и объясните его (их).

Для каждого заболевания существует «золотой стандарт диагностики» — наиболее точный диагностический метод, с помощью которого можно установить наличие или отсутствие данного заболевания(Метод Короткова). Как правило, применение эталонного метода диагностики ограничивается его неудобствами.

Чувствительноть (Se) есть количественный показатель способности диагностического теста распознавать наличие болезни; условная вероятность истинного «позитива», т.е. вероятность

получить положительный результат теста у субъекта с выявляемой болезнью.Ее статистической оценкой является доля TP среди субъектов с болезнью. Чувствительный тест следует выбрать, если есть риск пропустить заболевание при неясной диагностической картине или сузить рамки диагностического поиска, исключив ряд частых причин с помощью высокочувствительных тестов. В последнем случае для врача чувствительный тест наиболее информативен, когда он дает отрицательный результат.

Специфичность(Sp) - количественный показатель способности диагностического теста распознавать отсутствие болезни; условная вероятность TN, т.е. вероятность получить отрицательный результат теста у субъекта без выявляемой болезни.Ее статистической оценкой является доля TN среди субъектов без болезни. Специфичные тесты нужны для подтверждения диагноза, предложенного на основании других данных. Высокоспецифичные тесты особенно необходимы, если ложно-положительный результат может нанести пациенту вред, например, в результате ошибочно назначенного лечения.

Таким образом увеличивая диагностическую чувствительность, мы увеличиваем долю ложно-отрицательно диагностированных, что приводит к сверх диагностике.

Увеличение диагностической специфичности привод к возрастанию числа ложно-положительно диагностированных пациентов. Таким образом, если возрастает специфичность, то уменьшается чувствительность.

Для нахождения «золотой середины» мы используем ППР(LR(+))- во сколько раз доля истинных «позитивов» превышает долю ложных «позитивов»(показывает, во сколько

раз чаще положительные результаты данного диагностического теста будут получаться у больных, чем у здоровых.); и ПОР(LR(-)) -показывает, во сколько раз доля ложных «негативов» меньше истинных «негативов»(показывает, во сколько раз реже отрицательные

результаты данного диагностического теста будут получаться у больных, чем у здоровых).

Если тест идеальный, то • LR[+] = ∞ и LR[-] = 0., если • LR[+] = LR[-] = 1, то бесполезный.

В случае инфаркта миокарда предпочтительнее установка максимальной чувствительности(т.к. В большинстве случаев смазанная клиническая картина)

Высокой чувствительностью обладает тест ПЦР(полимеразная цепная реакция( Тест-система, определяющие ДНК вируса ВИЧ-через 10 дней после потенциального заражения)

Тест ice-on-eyes (дословно «лед на глаза») — высокоспецифичный тест для лежачих больных, который можно использовать у пациентов с птозом и подозреваемой миастенией( выявляем гиподинамию, опущение век, двоение, слабость проксимальных отделов мышц конечностей, бульбарные нарушения, после проводим высокоспецефичный тест-важен положительный ответ).

Дайте понятие о медицинских Системах Поддержки Принятия Решений (СППР). Типы СППР (пассивный (косвенный), полуактивный, активный (прямой, или когнитивный). Назначение. Примеры.

СППР - компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

В сфере здравоохранения Системы поддержки принятия решений используются для решения следующих задач:

- управление различными составляющими элементами ЛПУ (лаборатории, коечный фонд, аптечный фонд и т.д.)

- помощь в диагностике заболеваний и выбор методов лечения на основе накопленной статистики и экспертных знаний

- автоматизированная генерация отчетных материалов

- снижения рисков, связанных с медикаментозным лечением

- компьютерный анализ ситуации

- дифференциальная диагностика и выбор лечения в широком круге нозологических форм (здесь важно подчеркнуть именно большое число дифференцируемых заболеваний, в том числе редких);

- эффективность решений вне зависимости от выраженности клинических проявлений болезни, что предполагает диагностику при ранних формах заболеваний и стертой клинической картине;

- учет фоновых состояний (сопутствующих заболеваний) пациента, что особенно важно при подборе лечения;

- анализ динамики патологического процесса с прогнозом потенциально возможных неблагоприятных ситуаций (при учете проводимой терапии, включая и побочные эффекты медикаментов);

- оценка состояния в режиме " реального" времени, что может быть достигнуто при актуализации логико-вычислительных систем за счет информации, поступающей с мониторно-приборных комплексов.

Делят СППР на пассивные, активные и кооперативные СППР.

Пассивной СППР называется система, которая помогает процессу принятия решения, но не может вынести предложение, какое решение принять.

Активная СППР может сделать предложение, какое решение следует выбрать.

Кооперативная позволяет ЛПР изменять, пополнять или улучшать решения, предлагаемые системой, посылая затем эти изменения в систему для проверки. Система изменяет, пополняет или улучшает эти решения и посылает их опять пользователю. Процесс продолжается до получения согласованного решения.

Система поддержки принятия решений требует трех первичных компонентов: модели управления, управления данными для сбора и ручной обработки данных и управления диалогом для облегчения доступа пользователя к DSS. Пользователь взаимодействует с DSS через пользовательский интерфейс, выбирая частную модель и набор данных, которые нужно использовать, а затем DSS представляют результаты пользователю через тот же самый пользовательский интерфейс.

Примеры

МОДИС (диагностика форм артериальной гипертонии) - процесс генерации гипотез и их проверки сопровождается сообщениями об активизации конкретного фрейма, а также о неподтверждении (отклонении) рассматривавшейся гипотезы и переходе к работе с другим фреймом, что дает эксперту возможность следить за ходом " рассуждений" системы в зависимости от вводимой информации; система способна ответить на вопрос, какие гипотезы рассматривались в процессе вывода решения, почему рассматривалась та или иная гипотеза и был поставлен именно такой диагноз.

ДИАГЕН (дифференциальная диагностика наследственных болезней) - возможность проверить свое представление о диагностической значимости отдельных признаков путем последовательной переоценки их " весов" (коэффициентов).

ДИН (диагностика неотложных состояний) - с одной стороны, проверка правильности предполагаемого врачом диагноза при движении от гипотетического диагноза к симптомам (обратный вывод), с другой стороны, по " лишним" для данного заболевания симптомам осуществляется выход на другие патологические состояния, в описании которых полученные данные играют известную роль, что расширяет представление обучаемого о круге сходных по клиническим проявлениям заболеваний.

MDX (диагностика холестаза) - действует как сообщество консультантов разных специальностей, которые " вызывают" друг друга для рассмотрения различных аспектов заболевания; их " сотрудничество" осуществляется с использованием " доски объявлений" (" blackboard" ).

MYCIN (выбор антибактериальной терапии) - информация о взглядах научных школ, предоставляемая в режиме запроса.

ABEL (диагностика и выбор лечения нарушений равновесия кислот и оснований) - выдача альтернативных объяснений, соответствующих различным научным школам.

13. Основные модули активной СППР (перечислить). Статистический модуль. Численный пример. Вероятностный модуль. Численный пример.

Компоненты активных СППР: вероятностный модуль, экспертные системы, статистический модуль, нейросетевой модуль, вероятностный модуль, модуль, основанный на моделировании.

Статистический модуль основан на решении дискриминантных уравнений. (f(D) = a1x1 + a2x2+…+anxn), где а – коэффициент (их значения получены на основе статистических данных, характеризующих диагностическую значимость симптома), х – симптом (бинарная величина – 1-наличие, 0-отсутствие)

Пример: диагностика аппендицита и сальпенгита.

Симптомы: - жесткость мышц живота (AR)

- боль в правом левом квадранте (PRLQ)

- боль в нижней части живота (PLLQ)

Выбираем диагноз, при котором величина f наибольшая

f (апп) = 4AR + 10RRLQ – 10PLLQ

f (сальп) = 3AR + 5PRLQ + 5PLLQ

Вероятностный модуль.

В основу его положена формула Байеса

p (Di/s) = (P(s/Di)*P(Di) / (Ʃ (P(s/Dk)*P(Dk))

где Di – наличие заболевания

s – симптом

P(S/Di) – условная вероятность (ДЧ)

P(Di) – априорная вероятность (характеризует распространенность заболевания)

Пример N1. Известно, что в случае заболевания туберкулезом рентгеновское исследование позволяет поставить диагноз в 95% случаев (чувствительность метода = 95%). Если исследуемый здоров, то ложный диагноз туберкулеза ставится в 1% случаев (специфичность метода = 100 - 1 = 99%). Доля больных в популяции составляет 0.5%. Какова вероятность того, что обследованный пациент, которому поставили диагноз туберкулеза, действительно болен?

Решение: Пусть D1 – наличие заболевания; D2 – пациент здоров, А – событие, в нашем случае рентгеновское обследование, позволяющее установить точный диагноз.

Известны априорные вероятности того, что случайно выбранный пациент здоров p(D2) = 0, 995 или страдает туберкулезом p(D1) =0.005, произошло событие - при рентгеновском обследовании поставлен диагноз туберкулеза, известны условные вероятности p(A/D1) =0.95 (чувствительность), p(A/D2) =0.01 (специфичность). Отсюда апостериорная вероятность того, что пациент болен:

p(D1/A) = p(A/D1)*p(D1) / (p(A/D2)*p(D2) + P(A/D1)*p(D1)) = 0.95*0.005 / (0.01*0.995 + 0.95*0.005) = 0.32

В лекции он говорил, вместо А (обследование)- S (симптом), надо было вычислять эту вероятность (D1/s) для каждого симптома, а потом смотреть, для какого она больше – значит ставят такой диагноз.(Дифференциальная диагностика – из нескольких выбираем 1). Что-то вроде этого.

Основные модули активной СППР (перечислить). Нейросетевой модуль. Определение нейросетей. Основные направления применения в медицине. Понятие нейрона, его основные компоненты. Слои нейронов. Процедура обучения.

Компоненты активных СППР: вероятностный модуль, экспертные системы, статистический модуль, нейросетевой модуль, модуль, основанный на моделировании.

Нейросетевой модуль и экспертная система относятся к интеллектуальным СППР

Нейросети – NN – компьютерная программа, основанная на использовании виртуальных нейронов, связи между которыми устанавливаются в ходе процедуры обучения. Нейроны формируются в слоях: входном, промежуточном и выходном.

Вход его регулируется, на промежут. этапе происходит саморегуляция системы и после выхода уже регулировать его невозможно.

Типичные задачи, решаемые с помощью NN

распознавание образов (изображения на дисплее КТ, МРТ, УЗИ)

Предсказание будущих исходов события (результат операции, тяжелой терапевтической проедуры)

Компоненты нейрона:

Блок объединения входных сигналов (компонента нейрона, которая собирает множество входных сигналов. суммирует и передает далее 1)

Блок функционального преобразования сигнала (выполняет математическую операцию, преобразующую данный сигнал)

Величина порогового сигнала опред-т минимальную величину сигнала, вырабатываемого блоком функц. преобразования, при которой сигнал поступает на вход нейрона.

Каждый нейрон 1 слоя связан с нейронами последующих слоев. Если суммарный сигнал (стимул) превосходит пороговую величину, то преобразованный. согласованный встроенной в блок функционального преобразования формуле, сигнал поступает на вход нейронов следующего слоя.

Пороговая величина задается в ходе процедуры обучения нейросети. При обучении тестовая информация поступает на входы нейросети, а значение выходов для данной сети задается. Нейросеть автоматически настраивается на получение правильной комбинации выходов при заданной входной информации. Такие тесты проводятся десятки и сотни раз, при сохранении всех.

Число исходных тестов называется эпохами (не меньше нескольких десятков)

Основные модули активной СППР (перечислить). Данные и знания (определение). Экспертные системы (ЭС), определение. Предметные области для экспертных систем. Обобщенная структура ЭС. Понятие о дедуктивном методе расследования. Логические модули. Инструментальные средства построения ЭС. Требования, предъявляемые к медицинским ЭС. Кто участвует в разработке ЭС? Какие базовые функции реализуются в ЭС? Примеры автоматизированных гибридных систем для поддержки принятия решений.

Модули СППР

-модуль математического моделирования

-статистический модуль

-вероятный модуль

-нейросетевой модуль

 

Данные – это полученные в результате наблюдения (исследования) числа или обнаруженные явления, обозначаемые символами или словами, которые фиксируются, передаются с помощью средства связи, могут обрабатываться с использованием вычислительной техники.

Данные, накапливаемые индивидуумом как результат опыта и зафиксированные в той или иной, представляют собой знания.

Знания предметной области по источникам можно разделить на фактические и эвристические. Фактические знания – хорошо известные в данной предметной области факты, описанные в специальной литературе. Эвристические знания основаны на собственном опыте специалиста-эксперта, пользоваться ими нужно осмотрительно, но именно они определяют эффективность ЭС.

Экспертная система – это программа для компьютера, оперирующая с формализованными знаниями врачей-специалистов и имитирующая логику человеческого мышления, основанную на знаниях и опыте экспертов с целью выработки рекомендаций или решения проблем. Одним из важных свойств ЭС является ее способность объяснить понятным для пользователя образом, как и почему принято то или иное решение. ЭС эффективны в специфических областях, таких как медицина, в которой существует много вариантов проявлений заболеваний и поэтому отсутствуют однозначные критерии диагностики и лечения, в связи с чем важен эмпирический опыт специалистов и качество принятия решений зависит от уровня экспертизы.

Пользователем ЭС обычно является специалист в той же предметной области, для которой разработана система, но его квалификация недостаточно высока по конкретному профилю патологии, в связи с чем он нуждается в поддержке принятия решений. Пользователями медицинских ЭС могут быть также врачи смежных специальностей, общей практики, ординаторы, интерны.

Как разработчики, так и пользователи предъявляют к медицинским ЭС ряд требований.

1. Система должна обеспечивать высокий уровень решения задач в своей предметной области.

2. «Поведение» ЭС (задаваемые врачу вопросы, рекомендации, логика работы и принятия решений) должно моделировать поведение грамотного врача.

3. Система должна объяснять полученные решения, используя конструкции, понятные врачу.

4. Созданные ЭС должны обеспечивать возможность модификации при обновлении медицинских знаний по данной предметной области.

В ЭС реализуются четыре базовые функции:

1. Приобретение (извлечение) знаний

2. Представление знаний

3. Управление процессом поиска решений

4. Разъяснение принятого решения

Экспертная система имеет структуру, состоящую из набора определенных блоков.

Наиболее важные области применения экспертных систем:

Диагностика неотложных и угрожающих состояний в условиях дефицита времени

Ограниченные возможности обследования

Скудная клиническая симптоматика

Быстрые темпы развития заболевания

В создании экспертных систем участвуют, как правило, врач-эксперт, математик и программист. Основная роль в разработке такой системы принадлежит эксперту-врачу.

У полностью оформленной экспертной системы присутствуют 4 основных компонента (блока):

База знаний

Машина вывода

Модуль извлечения знаний

Система объяснения принятых решений

Кроме того, хорошая экспертная система имеет блок для пополнения базы знаний – система с обучением.

Экспертные системы позволяют не только производить раннюю доклиническую диагностику, но также оценивать сопротивляемость организма и его предрасположенность к заболеваниям, в том числе онкологическим.

Примеры: MYCIN (предназначена для идентификации возбудителей инфекционных заболеваний), PUFF (диагностика легочных заболеваний с использованием результатов функциональных исследований), ONCOCIN (для химиотерапевтического лечения онкологических больных и наблюдения за ними), МОДИС (для диагностики различных форм артериальной гипертензии), ЭСТЕР (для диагностики лекарственных отравлений).

16. Модуль математического моделирования. Перечислить основные этапы построения и применения модели. Расчётный пример для фармако-кинетической модели (однокамерная) модель с выведение лекарства). Случаи разовой инъекции и инъекции через капельницу.

Моделирование – это метод, при котором производится замена изучения некоторого сложного объекта исследованием его модели.

Математические модели представляют собой системы математических выражений – формул, функций, уравнений, описывающих те или иные свойства изучаемого объекта, процесса. При создании математической модели используют физические закономерности, выявленные при экспериментальном изучении объекта моделирования. Математическая модель позволяет судить о поведении таких систем и в таких условиях, которые трудно создать в эксперименте, изучать работу исследуемой системы целиком.

Основные этапы математического моделирования:

1.Первичный сбор информации (исследование характеристик реального объекта).

2.Формулировка цели исследования, его основных задач.

3.Обоснование основных допущений (упрощение реального объекта, пренебрежение характеристиками, не существенными для цели исследования).

4.Изображение моделируемых процессов в виде определенной схемы (создание модели).

5.Формализация модели (составление уравнений, описывающих происходящие процессы).

6.Решение уравнений.

7.Анализ полученных уравнений.

8.Проверка адекватности модели реальному объекту. Указание границ применимости модели.

Т.о., модель как бы согласовывает реальный объект с целью исследования. Результатом моделирования является получение новых данных о протекании изучаемого процесса, его свойствах.

Для описания кинетики изменения концентрации введенного в организм лекарственного препарата предлагается фармакокинетическая модель.

Моделирование физиологических процессов и систем, основан на решении математических уравнений.

Решение диференц. Уравнений  решение анализ принятие решений

Пример: фарм –кинеетическая модель-класс модели, которая позволяет получить значение конц. Вещ-ва в организме человека.

Решает вопрос дозировки  С(x, t)модель циркуляции крови-гемодинамика(3 круга кровообращения)

1)модуль математического моделирования физиологических процессов и систем.пример фарм-кинетическая модель.задача: описание концентрации лекарственного вещества во времени С(t, x), определяется деятельностью сердечно-сосудистой системы.

17.Дайте понятие об информационной медицинской системе, ИМС (определение, назначение). Зарубежная классификация ИМС. Какие требования предъявляются к ИМС?

Информационная система- это организационно упорядоченная совокупность документов ( массивов документов) и информационных технологий, в том числе с использованием средств вычислительной техники и связи, реализующих информационные процессы.

Информационная медицинская система- это совокупность информационных, организационных, программных и технических средств, предназначенных для автоматизации медицинских процессов и (или) организаций.

Информационные системы предназначены для сбора, хранения, обработки, поиска, распространения, передачи и предоставления информации.

Основными задачами, решаемыми с помощью ИМС, являются:

-Информационная поддержка оказания медицинской помощи населению;

-Информационная поддержка управления отраслью здравоохранения;

Зарубежные классификации. В зарубежных источниках почти все авторы в последнее время поддерживают деление систем на Computerized Physician Order Entry и Patient Care Information Systems. Такое деление условно соответствует следующим понятиям: автоматизированные рабочие места специалистов или системы поддержки принятия решений(Decision Support Systems) и информационные медицинские системы. Среди систем Computerized Physician Order Entry различают:

-системы, используемые врачами;

-системы, используемые медицинскими сестрами;

-системы, используемые фармакологами.

В результате исследования пяти ведущих(в плане информатизации) больниц США были выявлены основные типы систем, используемых в стационарах:

-Computerized Results- системы, предоставляющие компьютерные отчеты о доступных для использования диагностических процессах;

- Computerized Notes- системы, позволяющие вводить различные сведения о лечебно-диагностическом процессе, включающие элементы электронной истории болезни;

- Computerized Ordering – системы управления лечебно-диагностическим процессом;

- Computerized Event Monitoring and Notification- системы компьютерного мониторирования и оповещения. Эти системы обеспечивают поиск важных для лечебно-диагностического процесса симптомов и оповещают о найденных отклонениях;

-Clinical Administration Systems- экономические, административные и справочные системы;

-Decision Support- системы поддержки решений, при пользовании которыми может осуществляться взаимодействие с системами типа Computerized Results.

Все большее развитие получают электронные истории болезни( Electronic patient record).

Основным документом, определяющим требования и порядок разработки АС( в том числе и медицинских), является техническое задание(ТЗ).

Техническое задание на АС может включать следующие подразделы:

1)общие сведения;

2)назначение и цели создания (развития) системы;

3)характеристика объекта информатизации;

4)требования к автоматизированной системе;

5)состав и содержание работ по созданию системы;

6)порядок контроля и приемки системы;

7)требования к составу и содержанию работ по подготовке объекта автоматизации к вводу системы в действие;

8)требования к документированию;

9)источники разработки.

При создании и внедрении любой ИМС необходимо в первую очередь сформулировать ее назначение и цель создания(внедрения).

Например, при разработке и внедрении АИС управления здравоохранением города назначением системы является поэтапная реализация информационной поддержки управления как на уровне ЛПУ, так и на уровне управления здравоохранением города. Цель создания такой системы может быть сформулирована следующим образом: Способствовать реализации основной функции охраны здоровья населения- увеличению продолжительности активной жизни- путем создания и внедрения информационных технологий на всех уровнях управления здравоохранением.

Формулируются конкретные задачи и описываются методы разработки ИМС.

18.Что представляет собой ИМС? Охарактеризуйте отечественную классификацию ИМС. Какие требования предъявляются к ИМС?

Информационная медицинская система — это совокупность информационных, организационных, программных и технических средств, предназначенных для автоматизации медицинских процессов и(или) организаций.

Рассмотрим вариант классификации ИМС, предложенный отечественными авторами. Он основан на иерархическом принципе построения системы здравоохранения И оказания пациенту медицинской помощи.
1. Медико-технологические системы. Это самые многочисленные из разрабатываемых ИМС. Они обеспечивают обработку и анализ информации для поддержки принятия врачебных решений и информационной поддержки медицинских технологических процессов. Медико-технологические системы в свою очередь подразделяют на несколько систем.

1.1 Автоматизированные системы для обработки медицинских сигналов и изображений.
1.2. Автоматизированные системы для консультативной помощи в принятии решений.
1.2.1. Автоматизированные системы для распознавания патологических состояний методами вычислительной диагностики.
1.2.2. Автоматизированные консультативные системы для помощи в принятии решений на основе интеллектуального (Экспертного) подходов.
1.2.3. Автоматизированные гибридные (Экспертно-статистические, Экспертно-моделирующие) системы для консультативной помощи в принятии решений.
1.3. Автоматизированные системы для управления Жизненно
важными функциями организма.
1.3. 1. Мониторно-компьютерные системы.
1.3.2. Интеллектуальные системы для постоянного интенсивного наблюдения.

2. Автоматизированные рабочие места медицинских работников. Эти комплексы обеспечивают ведение БД, обработку информации и поддержку процессов принятия решений в определенной предметной области. В свою очередь АРМ подразделяют на несколько видов.

2. 1. Медико-технологические.
2.1.1. Клинические.
2.1.2. Функциональные.
2. 1 ‚З. Радиологические.
2.1.4. Лабораторные.
2. 1.5. Фармакологические.
2.2. Организационно-технологические.
2.2. 1. Организационно-клинические.
2.2.2. Телемедицинские.
2.3. Административные.
2.3. 1. Административно-управленческие.
2.3.2. Медико-статистические.
2.3.3. Медико-Экономические.

3. Информационно-технологические системы. Эти системы используют для поддержки Электронного документооборота и принятия лечебно-диагностических и организационных решений.

Среди них выделяют несколько систем.
3.1. Системы диспансерного наблюдения.
3.2. Электронные истории болезни.
3.3. Информационные системы отделений медицинских учреждений.
3.4. Специализированные информационные системы (регистры).
4. Автоматизированные информационные системы ЛПУ. Такие системы подразделяют на несколько видов.

⇐ Предыдущая123Следующая ⇒

Поделиться: