ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

278
(риски), имеет вид:
Ω’({τ/T 0 }) = {α({ 1 ,…, N }, z/Z)}.
На основе контекста K = строятся предельные синдромные
модели знаний {S * } и множества предельных вероятностных
закономерностей {R * }. Каждый предельный синдром из {S * } + описывает,
по сути, набор параметров порядка (сценарий) банкротства предприятия и,
соответственно, характер изменения финансовых показателей в
ретроспективной динамике. Каждая предельная вероятностная
закономерность из {R * } + является предвестником события. На основе
синдромных моделей {S * } и моделей {R * } может быть выполнено
построение комплекса динамических моделей прогнозирования
банкротства путем выделения синдромов и вероятностных
закономерностей разной степени удаленности от интересуемого события, в
частности, ранних предвестников события.
По аналогии строятся синдромные модели (наборы параметров порядка)
и модели вероятностных закономерностей для произвольных
экономических, социальных, политических и иных событий.
6.6 Орграфы набросков на основе оценочных и прогностических
шкал
Объем данных, полученных с помощью клинических, лабораторных и
инструментальных методов исследования, экспоненциально растет в
течение нескольких последних десятилетий. Возросшие объемы
информации потенцируют большие трудности в интеграции этих данных
для получения достоверных оценочных и прогностических решений.
Необходимость одновременно использовать большие объемы информации
может привести к неэффективности процесса принятия решений,
неоправданным различиям в терапевтических подходах и к ошибкам.
Неправильный прогноз у пациента отделения интенсивной терапии чреват
или неоправданной эскалацией терапии, которая зачастую сама является
небезопасной или же наоборот отказом от терапии в пользу мероприятий
по элементарному поддержанию жизни [3, 43, 111].
Для того чтобы принять правильное решение в отношении оценки
тяжести и прогноза, касающееся пациента отделения интенсивной терапии,
необходимо использование специальных инструментов, например, шкал
оценки тяжести и прогнозирования исхода. С помощью данных шкал
возможно эффективное поэтапное сжатие информации, другими словами –
построение орграфа набросков ситуации действительности (в данном
случае – клинической ситуации). Пример – шкала Апгар для оценки