<<
>>

Синтез нечетких решающих правил прогнозирования и ранней диагностики заболеваний нервной системы.

Как отмечалось ранее заболевания нервной системы (класс ωΗ) являются прямым следствием воздействия на организм человека как электромагнитного поля промышленной частоты (ЭМППЧ) с частотой 50Гц, там и сочетанного и смешанного воздействий электромагнитных и магнитных полей.

Для оценки влияния ЭМ1111Ч на появление и развитие заболеваний нервной системы эксперты выбрали модель определения базовой переменной Z в соответствии с формулой (3.2) на которой, в соответствии с общими рекомендациями по синтезу гибридных нечетких решающих правил, каждый из экспертов определил уверенность в появлении и развитии заболеваний нервной системы в соответствии с величиной Z (таблица 3.3).

Таблица 3.3 Результаты экспертного опроса по классу ωΗдля базовой

переменной Z1

По усредненным данным таблицы 3.3 был построен соответствующий график функции принадлежности μΗ(Z) к лингвистической переменной уровень риска возникновении и развития заболеваний нервной системы от воздействия на организм человека ЭМ1П1Ч (рис. 3.7).

Рисунок 3.7. График функции принадлежности μΗ(Z).

Аналитически график, приведенный на рис. 3.7 описывается выражением:

В Железногорском районе Курской области дополнительно к ЭМППЧ на здоровье людей занятых в электроэнергетике дополнительно действует достаточно мощное постоянное магнитное поле, влияние которого на здоровье человека определяется базовой переменной Z1(модель 3.3).

Аналогично (3.7) экспертами была определена функция принадлежности к классу μΗс базовой переменной Z1, усредненный график которой приведен на рис.

3.8.

Рисунок 3.8. График функции принадлежности l

Аналитически график, приведенный на рис. 3.8 описывается выражением [...].

Влияние ЭМП другой модальности на исследуемой группе предприятий электроэнергетики эксперты решили не рассматривать в виду их незначительного влияния на нервную систему, хотя этот вопрос требует более тщательного исследования с привлечением дополнительных медицинских ресурсов.

С учетом свойств ЭМППЧ и постоянного магнитного поля земли под воздействием КМА на экспертном уровне было принято решение для зоны г. Железногорска и UEPhопределить выражением:

Для остальных районов Курской области:

В работах [63, 82] в качестве основных факторов риска по классу ωΗ определяемых в ходе простых опросов определен следующий их перечень: прием лекарственных средств, оказывающих вредное воздействие на нервную систему (Ls),прием алкоголя (Al),психоэмоцианальные перегрузки определяемые субъективными ощущениями опрашиваемого (PS), болезни нервной системы у близких работников (Br).

В этих же работах приводятся выражения для определения частных функций принадлежности к классу ω :

97

Нижний индекс п в этих выражениях соответствует тому, что частые функции принадлежности предлагается использовать в прогностических моделях.

Выбранная группа экспертов предложила в качестве дополнительных факторов риска использовать: гормональные нарушения (bx), эндокринные заболевания (b2), злоупотребление кофе (b3), хронические заболевания внутренних органов (b), аллергические заболевания (b), шейный остеохондроз (b), тяжелые течения инфекционных заболеваний (b), интоксикации (b), травмы (b).

В первом приближении достаточном для оценочных прогнозов эксперты предложили приведенный перечень факторов риска кодировать двоичным кодом (bi= 1 - есть фактор, bi= 0- нет фактора), а совокупное наличие перечисленных факторов риска B определять простой суммой b, те

В таком варианте согласно предложению [83] по этой группе факторов риска уверенность в появлении и развитии заболеваний оценивается функцией принадлежности

Агрегация этой группы признаков в частное решающее правило осуществляется с использованием итерационной формулы вида:

В обследуемой группе предприятий электроэнергетики по отношению к заболеваниям нервной системы не обнаружено существенных факторов риска экологического и эргономического характера за исключением электромагнитных полей и высоких уровней длительного психоэмоцианального напряжения и хронического утомления связанных со спецификой предприятий электроэнергетики.

Проведёнными исследованиями было установлено, что риск появления и развития заболеваний нервной системы предприятий электроэнергетики для этой группы факторов риска может быть определен с использованием математических моделей, описанных в работах [63, 82].

Частные уверенности в появлении и развитии заболеваний нервной системы по фактору YPD(модель 2.7) - Uhypи фактору YUD(модель 2.8) - Umuопределяется выражениями (2.10) и (2.13), где для фактора YPD:

99

Если в прогностических моделях не использовать дополнительных лабораторных и инструментальных методов исследования, то

Финальная уверенность в том, что в течение заданного времени T0у работника электроэнергетического предприятия появятся профессиональные заболевания нервной системы определяется выражением:

Показательможет быть использован при приеме на работу и

планировании профилактических мероприятий.

В работах [63, 66, 82, 75] было показано, что при синтезе математических моделей ранней диагностики можно использовать показатель прогностической уверенности по заболеванию ωeв сочетании с энергетическим разбалансом меридианных структур «связанных» с патологией ωΗ.

Общие вопросы синтеза классификационных правил принятия решений, использующих информацию об энергетическом разбалансе БАТ, и в частности по величинам отклонений их электрических сопротивлений от своих номинальных значений, достаточно подробно рассмотрены в работах[34, 67, 72, 75, 76, 77].

С учётом рекомендаций этих работ для построения модели ранней диагностики профессиональных заболеваний нервной системы по атласу меридиан [63, 82] отобраны точки: Р3, Р7, Р9, Е1, Е2, Е4, Е6, Е18, Е20, R25, R27, RP17, RP18, VB1, VB2 - невралгии различной локализации; IG7, V43, R6, R9, MC7, V43, VB21, VB22 - неврастения; С1, С3, С4, С5, С6 V6 - другие проявления нервных болезней.

В соответствии с рекомендациями работ [63, 82] был сформирован список информативных БАТ: Р9, С5, V43, V60, R9 и МС7, в том числе пары диагностически значимых точек (ДЗТ) {V60, R9}и {R7, MC7}.

В соответствии с рекомендациями [82] частная математическая модель для определения ранней стадии заболеваний нервной системы по БАТ имеет вид:

Результаты математического моделирования показывают, что при использовании информации с биологически активных точек уверенность в наличии ранней стадии заболеваний нервной системы составляет 0,68.

С учётом наличия электромагнитных и магнитных полей и других факторов риска уверенность в наличии у обследуемого ранней стадии заболеваний нервной системы определяется выражением:

С учетом рекомендаций раздела 3.2 для оценки функционального состояния нервной системы выбраны те же БАТ, что и в модели 3.14.

Графики функций принадлежности по выбранным точкам, оценивающим F¾ ∙ (δRj) для выражения типа (2.38) приведены на рис.

3.9.

Рисунок 3.9 Графики функции принадлежности по энергетической реакции БАТ: а) - Р9; б) С5; в) V43; г) V60; д) -R9; е)МС7.

Аналитически эти графики определяются выражениями:

Уровень функционального состояния нервной системы определяется выражением (2.38).

Функциональный резерв нервной системы по энергетической реакции БАТ определяется выражением (2.43).

С учетом того, что составляющаяопределяется выражением

график нормирующей функцииимеет вид

представленный на рис 3.10.

Рисунок 3.10 Графики функции принадлежности

Аналитически график 3.10 описывается выражением:

График нормирующей функции Ndl (VVh) имеет вид представленный на рис 3.11.

Рисунок 3.11 Графики функции принадлежности

Аналитически график 3.11 описывается выражением:

Функциональный резерв нервной системы по величине энергетического разбаланса БАТ определяется выражением (2.43).

Используя показатель FRhкак базовую переменную, определяется показатель Qдля выражения (3.13), позволяющий уточнить модель прогнозирования возникновения заболеваний нервной системы у работников электропромышленного комплекса.

График функции Q ( FRh) приведен на рис 3.12.

Рисунок 3.12 График уровня уверенности в прогнозепо базовой переменной

Аналитически график 3.12 описывается выражением:

В ходе математического моделирования и экспертного оценивания было установлено, что уверенность в правильном прогнозе (модель 3,13) превышает величину 0,85, а модели ранней диагностики (модель 3,15) - 0,9, что позволяет рекомендовать полученные результаты для решения задач профессионального отбора и рационализации профилактики заболеваний нервных болезней у работников энергетической промышленности.

3.4.

<< | >>
Источник: Мясоедова Марина Анатольевна. ПРОГНОЗИРОВАНИЕ И РАННЯЯ ДИАГНОСТИКА ПРОФЕССИОНАЛЬНЫХ ЗАБОЛЕВАНИЙ РАБОТНИКОВ ЭЛЕКТРОЭНЕРГЕТИЧЕСКОЙ ОТРАСЛИ НА ОСНОВЕ ГИБРИДНЫХ НЕЧЕТКИХ МОДЕЛЕЙ. Диссертация на соискание ученой степени кандидата технических наук. Курск - 2019. 2019

Еще по теме Синтез нечетких решающих правил прогнозирования и ранней диагностики заболеваний нервной системы.:

  1. ВВЕДЕНИЕ
  2. 2.1. Объект, методы и средства исследования.
  3. 2.2. Метод синтеза нечетких решающих правил прогнозирования и ранней диагностики работников агропромышленного комплекса, контактирующих с ядохимикатами.
  4. 3.3. Синтез гибридных нечетких моделей ранней диагностики профессиональных заболеваний работников агропромышленного комплекса, занятых в растениеводстве.
  5. ЗАКЛЮЧЕНИЕ.
  6. библиографический список.
  7. Модели и методы оценки состояния организма и его систем по электрическим характеристикам биологически активных точек
  8. СОДЕРЖАНИЕ
  9. ВВЕДЕНИЕ
  10. Объект, методы и средства исследования.
  11. 2.2. Метод синтеза нечетких математических моделей прогнозирования и ранней диагностики профессиональных заболеваний работников электроэнергетики.
  12. Метод оценки функционального состояния и функционального резерва организма и его систем в условиях действия электромагнитных факторов.
  13. Синтез нечетких решающих правил прогнозирования и ранней диагностики заболеваний нервной системы.
  14. Синтез нечетких решающих правил прогнозирования и ранней диагностики заболеваний иммунной системы.
  15. Структура системы поддержки принятия решений по анализу состояния здоровья работников электроэнергетики
  16. Алгоритм управления системы поддержки принятия решений.
  17. ЗАКЛЮЧЕНИЕ.
- Акушерство и гинекология - Анатомия - Андрология - Биология - Болезни уха, горла и носа - Валеология - Ветеринария - Внутренние болезни - Военно-полевая медицина - Восстановительная медицина - Гастроэнтерология и гепатология - Гематология - Геронтология, гериатрия - Гигиена и санэпидконтроль - Дерматология - Диетология - Здравоохранение - Иммунология и аллергология - Интенсивная терапия, анестезиология и реанимация - Инфекционные заболевания - Информационные технологии в медицине - История медицины - Кардиология - Клинические методы диагностики - Кожные и венерические болезни - Комплементарная медицина - Лучевая диагностика, лучевая терапия - Маммология - Медицина катастроф - Медицинская паразитология - Медицинская этика - Медицинские приборы - Медицинское право - Наследственные болезни - Неврология и нейрохирургия - Нефрология - Онкология - Организация системы здравоохранения - Оториноларингология - Офтальмология - Патофизиология - Педиатрия - Приборы медицинского назначения - Психиатрия - Психология - Пульмонология - Стоматология - Судебная медицина - Токсикология - Травматология - Фармакология и фармацевтика - Физиология - Фтизиатрия - Хирургия - Эмбриология и гистология - Эпидемиология -