ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
281<br />
Среднее АД ^САД {<br />
3 {Высокое ^d e f; Нормальное ^c; Низкое ^a b}<br />
2 {≥ 160 ^f [160; 220]; 130 - 159 ^e [130; 159]; 110 – 129 ^d [110; 129]; 70 –<br />
109 ^c [70; 109]; 50 – 69 ^b [50; 69]; ≤ 49 ^a [30; 49]}<br />
1 {[30; 220]}}.<br />
Для каждого первичного теста τ ∈{G(τ)} создадим сопряженный тест b τ ,<br />
результатом которого являются соответствующие баллы. Для теста «САД»<br />
сопряженный тест будет иметь вид:<br />
b_САД {1 {4 (САД/2 a∨f); 3 (САД/2 e) ; 2 (САД/2 b ∨ d); 0 (САД/2 c)}}.<br />
Дополнительные тесты пришлось создавать потому, что баллы не<br />
уникальны для каждого значения теста τ и это не позволяет использовать<br />
алиасы, как в случае со шкалой Апгар. Значения тестов b τ рассчитываются<br />
автоматически на основе значений тестов τ. Таким образом, банк тестов<br />
удваивается: {G(τ), G(b τ )}. В рамках каждого блока шкалы APACHE баллы<br />
{b τ /B} всех тестов {τ/T} суммируются. В результате получаются<br />
индикаторы, оценки {p/P}.<br />
Оценка по APACHE II = (Баллы по шкале острых физиологических<br />
изменений) + (баллы за возраст) + (баллы за хронические заболевания).<br />
Высокие оценки по шкале APACHE II связаны с высоким риском<br />
летальности в ОРИТ, что позволяет сформировать финальную<br />
интерпретацию данных: {Риск/ УП/ Прогноз}, где УП – уровень помощи.<br />
Интегральные показатели {p/P} * по шкале APACHE III расширены и<br />
значительно усовершенствованы по сравнению со шкалой APACHE II [3].<br />
Приведенные примеры отражают общий конструкт орграфа набросков<br />
на основе оценочных и прогностических шкал, который можно изобразить<br />
следующим образом:<br />
{τ/T} ⇒ {b/B} ⇒ {p/P} ⇒ {p/P} * ⇒ {Риск/ УП/ Прогноз}. (6.9)<br />
Финитный набросок {Риск/ УП/ Прогноз} задает максимально сжатую<br />
интерпретацию исходного образа {τ/T}.<br />
Орграф набросков (6.9) может использоваться в рамках метода<br />
предельных обобщений с целью построения (предельных) синдромных и<br />
вероятностных моделей знаний. Покажем это.<br />
Пусть изучаются факторы, влияющие на наступление некоторого<br />
события, например, летального исхода, инвалидизации, неблагоприятного<br />
течения заболевания (после инсульта, инфаркта и т.д.) или<br />
неэффективности лечения. Положим Z = {событие+; событие-} = {+; -} =<br />
{1, 2}. Сформируем первичную базу прецедентов следующего вида:<br />
Ω = {α({τ/T}, z/Z)}, где Z = {1, 2}. Если речь идет о летальном исходе, то