46 где д2= ^ Р Л ак~а)2>-а =^ Р к ак'аь’й~ соответственно условное к к математическое ожидание и условное среднее квадратическое отклонение лабораторного показателя (или его функции) в к-и группе больных (величина принята одинаковой для всех групп). Согласно (2.13) информативность показателя тем выше, чем больше отличаются друг от друга условные математические ожидания ак (к = 0, 1,2, 3) и чем меньше дисперсия в группе 5 . Точность приближенной формулы (2.13) тем выше, чем меньше отношение А /8. При Д18< 1 ошибка в оценке величины 10 обычно не превышает 10%. При М 8> 1 формула (2.13) дает существенно завышенные результаты. Такие случаи в клинической практике встречаются сравнительно редко. Они соответствуют ситуации, когда значение какого-то лабораторного показателя практически однозначно определяет группу тяжести заболевания. Естественно, что в подобных случаях практически не возникает потребности в количественной оценке информативности показателей. Однако рассмотренные алгоритмы оценки информативности показателей справедливы только для числовых данных, тогда как основную часть «информационного фонда» современных эмпирических исследований в области математического описания патологических процессов занимают графические данные. Алгоритмизации этой части информационных сообщений поступающих в распоряжение врача посвящен следующий раздел. 2.2. Формализация исходной нечеткой информации в терминах лингвистических переменных и формирование правил вывода в информационной базе Идея, лежащая в основе формализации причинно-следственных связей между переменными <входы-выход>, состоит в описании этих связей на |
57 Для приближенной оценки информативности (под оценкой информативности показателей в дальнейшем понимается определение величины 10для каждого клинического или лабораторного показателя) будем считать, что лабораторные показатели (или соответственно выбранные их монотонные функции) распределены нормально с примерно одинаковыми дисперсиями б2 у каждой группы больных. Тогда для относительной информативности лабораторного показателя из (2.10) можно получить следующую приближенную формулу: математическое ожидание и условное среднее квадратическое отклонение лабораторного показателя (или его функции) в к-и группе больных (величина принята одинаковой для всех групп). Согласно (2.13) информативность показателя тем выше, чем больше отличаются друг от друга условные математические ожидания ак (к = 0, 1,2, Л 3) и чем меньше дисперсия в группе б". Точность приближенной формулы (2.13) тем выше, чем меньше отношение Д18. При М 8< 1 ошибка в оценке величины 10 обычно не превышает 10%. При л/8> 1 формула (2.13) дает существенно завышенные результаты. Такие случаи в клинической практике встречаются сравнительно редко. Они соответствуют ситуации, когда значение какого-то лабораторного показателя практически однозначно определяет группу тяжести заболевания. Естественно, что в подобных случаях практически не возникает потребности в количественной оценке информативности показателей. Однако рассмотренные алгоритмы оценки информативности показателей справедливы только для числовых данных, тогда как основную ^ 1с^(1 + А2 /¿>2) (2.13) 2 Ч* // где Л2= £ рк(ака)2 а = £ ркак;ак,8 соответственно условное к к 58 часть «информационного фонда» современных эмпирических исследований в области математического описания патологических процессов занимают графические данные. Алгоритмизации этой части информационных сообщений поступающих в распоряжение врача посвящен следующий раздел. 2.2. Формализация математического описания графических данных мониторного контроля Особенностью такого типа данных состоит в том, что каждая единица информации (экспериментальная кривая или отдельное изображение) — это функция, область значений аргументов которой имеет свою естественную геометрию. Наиболее естественное представление кривой, с которым обычно имеет дело специалист при визуальном анализе, это родственное ее задание в виде графика. В дискретной форме, необходимой для ввода в машину, такой график является вектором, компонентами которого служат ординаты, взятые в точках отсчета с некоторым шагом вдоль оси изменения аргумента кривой. При такой трактовке массив экспериментальных кривых — это матрица данных, в которой строки соответствуют объектам — кривым, а столбцы— параметрам (их ординатам); при этом число кривых обычно бывает меньше числа точек отсчета, отбираемых на оси аргумента кривой [25]. Совершенно иные методы извлечения информации необходимы в том случае, если предполагается, что она содержится в отдельных, относительно небольших участках кривой. Такая ситуация имеет место, например, при анализе и обработке электрокардиограмм ((ЗЫ-в комплексы), дифференциальных реограмм и реогепатограмм, миограмм, кривых артериального давления, центрального венозного давления, портального давления, давления в нижней полой вене и др. |