4.3. Экспериментальная проверка математических моделей прогнозирования и ранней диагностики заболеваний работников агропромышленного комплекса, контактирующих с ядохимикатами.

Приведенные выше результаты экспериментального оценивания носят субъективный характер, требующий объективизации путем статистических испытаний на репрезентативных контрольных выборках.

Объемы выборок определялись по принятым в теории распознавания образов методам [100, 137]. Для удобства вычислений и сопоставительного анализа число обследуемых было выбрано постоянным и составило 100

человек на каждый класс, что позволило для различных годов наблюдения за эталон оценки вероятности правильной классификации выбрать уровень 0,95.

Качество классификации оценивалось по показателям диагностической чувствительности (ДЧ), специфичности (ДС), диагностической эффективности (ДЭ), прогностической значимости положительных (ПЗ⁺) и отрицательных (ПЗ^-) результатов.

В ходе контроля правил прогнозирования профессиональных заболеваний работников АПК, контактирующих с сельскохозяйственными ядохимикатами (модели 3.17, 3.18, 3.19), было организовано наблюдение за состоянием их здоровья.

Процесс наблюдения осуществлялся в течение 5-ти лет.

В начале исследований (первый год) было произведено измерение информативных признаков задачи прогноза появления заболевания с расчетом UP_h(модель 3.17), UP_c(модель 3.18), up(модель 3.19).

В ходе анализа структуры данных был выбран порог дефазиффикации на уровне 0,55. Относительно этого порога было отобрано 100 работников АПК, по которым математические модели 3.17, 3.18 и 3.19 приняли решение о том, что они останутся в классе «здоровые», и 100 работников по которым модели приняли решение о переходе в классы исследуемых заболеваний (классы ®пн , ®пс и ®цд).

После каждого года наблюдения производилась фиксация количества заболевших и не заболевших обследуемых.

Результаты работы прогностических решаюзих правил фиксировались с расчетом всех показателей качества.

Результаты этого расчета по классу ω∣∣∣_lприведены в таблице 4.2., по классу ω_πc- в таблице 4.3, а по классу ω∣_u- в таблице 4.4.

Таблица 4.2. Оценка качества работы прогностической математической

модели по классу ω∏∏

Примечание: ПК - показатели качества.

Таблица 4.3. Оценка качества работы прогностической математической

модели по классу ω∏c

Примечание: ПК - показатели качества.

Таблица 4.4. Оценка качества работы прогностической математической

модели по классу ш_Пд

Примечание: ПК - показатели качества.

Анализ данных таблиц 4.2,...,4.4 показывает, что показатели ДЧ, ПЗ^-,

ДЭ растут от года к году.

К третьему году качество работы прогностических решающих правил стабилизируется, и далее остается достаточно высоким. Это позволило экспертам выбрать трехлетний срок как надежное время прогноза профессиональных заболеваний работников АПК, контактирующих с ядохимикатами.

Показатели ДС и ПЗ⁺ остаются высокими для всех периодов наблюдения, что говорит о том, что прогностические математические модели «мало ошибаются» по классу здоровых людей. Значительная ошибка характерна для классов “заболевших”.

При оценке качества работы математических моделей ранней диагностики (классы ω_ra, ®_РС и ®_РД) не требуется анализ временных трендов.

Для этого класса задач для экспериментальной проверки качества работы моделей 3.21, 3.23 и 3.24 ежегодно отбирались по 100 человек, не приобретших исследуемые заболевания и 100 человек с подтвержденной ранней стадией, расчет производится по таким показателям как ДЧ, ДС, ДЭ.

В таблице 4.5. приведены средние значения показателей качества классификации классов ю_рн , ω∣>_cи ω∣>._l.

Таблица 4.5. Оценка качества работы диагностических математических

моделей.

Анализ результатов профессиональных испытаний, полученных прогностических (таблицы 4.2, 4.3, 4.4) и диагностических (таблица 4.5) решающих правил показывает, что они дают результаты соизмеримые с результатами математического моделирования и экспертного оценивания.

Полученные количественные характеристики позволяют рекомендовать результаты диссертационной работы в медицинскую практику лечебно-профилактических учреждений, обслуживающих АПК.

Выводы четвертой главы

1. Предложенный алгоритм управления процессами принятия решений обеспечивает взаимодействие врачей профпатологов с ИСШ1Р и математических моделей, решающих задачи прогнозирования, ранней диагностики, рационального выбора схем профилактики и лечения работников АПК, занятых в растениеводстве с учетом факторов риска, вызываемых контактом с сельскохозяйственными ядохимикатами, индивидуальными факторами риска, экологической обстановкой и др.

2. Предложенная интеллектуальная система поддержки принятия решений формирует рекомендации по оптимизации ведения пациентов, контактирующих с сельскохозяйственными ядохимикатами.

3. Проведенные статистические испытания на репрезентативных контрольных выборках показали, что предложенные в работе метод, модели и алгоритмы обеспечивают решение задач прогнозирования и ранней диагностики заболеваний нервной и сердечно-сосудистой систем, а также системы дыхания с качеством приемлемым для медицинской практики.