Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Моделирование и прогнозирование состояния здоровья новорожденных по медико-социальным факторам риска. Монография
.pdf
Решение задачи базируется на основе использования известных
n
pp
gph
)1(
соотношений для отклонения p от h
, (2.1)
где g – число, определяемое уровнем значимости ( ) полученных результатов
расчетов границ, то есть вероятность того, что выполняется неравенство
(2.1).
Для анализа взаимосвязи и влияния медико-биологических и социально-
гигиенических факторов (характеристик) на состояние здоровья
новорожденных были использованы следующие математические методы:
корреляционный анализ, метод экспертного оценивания индивидуальных
характеристик, априорного ранжирования, лингвистических переменных,
множественной корреляции и оценки достоверности различия характеристик
основной и контрольной групп по критерию Стьюдента.
Для статистической обработки и моделирования все данные должны быть
представлены в численном виде. Учитывая, что анкетные данные были
представлены как в количественном, так и в качественном виде, мы сочли
уместным преобразовать информацию, содержащую фиксированные
смысловые (лингвистические) значения к численному виду.
Преобразование осуществляется следующим образом.
На первом этапе по каждому показателю все возможные его значения
ранжируются по степени значимости. Для ранговой оценки каждого значения
применяется метод априорного ранжирования, использующий экспертную
информацию и не требующий, в отличие от дисперсионного анализа,
постановки эксперимента на объекте. Метод априорного ранжирования
позволяет объективно оценить субъективное мнение специалистов
(экспертов), так как при большом числе факторов мнение экспертов о
степени влияния того или иного фактора могут расходиться.
При сборе априорной информации экспертам (m>7) предлагается
заполнить анкеты, в которых необходимо оценить n значений показателя в
зависимости от степени их влияния на состояние здоровья новорожденных.
В результате ранжирования показателей по степени убывания или
возрастания их влияния каждому лингвистическому значению присваивается
определенный ранг. Если эксперты затрудняются присвоить всем значениям
различные ранги, они могут приписать двум или нескольким переменным
одинаковые ранги. В случае совпавших рангов матрица ранжирования
приводиться к нормальному виду таким образом, чтобы сумма рангов в
41
каждой строке матрицы ранжирования, где записано мнение j-го
m,1
m
j
j
Tmnm
dS
W
1
32
2
)1(
12
1
)(
);1(
2
1
1
nmad
m
j
ji
;)(
12
1
1
3
n
i
jjj
ttT
.
)1(
)(12
32
2
nm
dS
W
.)1(
2
Wnm
рас
2
кр
2
рас
исследователя (j=
), была равна n(n+1)/2. Для этого переменным,
имеющим одинаковые ранги, приписывается ранг, равный среднему
значению мест, которые переменные поделили между собой.
По данным матрицы ранжирования производится оценка
согласованности экспертов с помощью коэффициента конкордации:
, (2.2)
где S(d)2 – сумма квадратов разностей
(2.3)
aji – обобщенная сумма рангов j-той переменной; Тj – величина, определяемая
по формуле
(2.4)
tj – число повторений i-го ранга в j-той строке матрицы. Если матрица
ранжирования не содержит совпавших рангов, то
(2.5)
Величина коэффициента конкордации лежит в пределах (0...1). При
W=1 эксперты единодушны в оценке значимости каждого лингвистического
значения показателя, при W = 0 согласие полностью отсутствует.
Оценка значимости коэффициента конкордации W производится по 2 –
критерию Пирсона:
(2.6)
Если при числе степеней свободы f=n-1 критическое значение
окажется меньше расчетного
, то гипотеза о наличии согласия экспертов
принимается.
Полученные ранги могут использоваться в качестве численной оценки
значений показателя. В случае, если отличия между двумя смежными парами
значений показателей неравнозначны, осуществляется второй этап
преобразования упорядоченных лингвистических оценок в численные.
Сообщения, имеющие два возможных варианта (типа «Да», «Нет»),
преобразуются соответственно в 1 и 0.
42
Если сообщение может принимать более двух различных
i
L
i l l( , ; )1 3
N 2
i
L
iL1
i l2,
i
i
L
iL1
i l2,
T
сильно
существенно
несколько
немного
мало
i
L
iL1
i l2,
N
),1 ,,2 ,( Njli
ij
N
N
j
ij
i
1
i
jji1
li ,1
лингвистических значений
экспертных оценок. Перед N экспертами (
«Насколько значение
более значимо, чем
, снова используется метод
), ставится вопрос:
(
) ?» Ответы для
каждой пары формируются в форме лингвистической переменной
<сообщение
важнее сообщения
> (
).
В качестве термов этой переменной определены следующие:
(2.7)
Для перевода к численному виду, каждому значению терма ставится в
соответствие число от 1 до 5.
В результате по каждой паре
,
(
) формируется
значений переменной
. Обобщенное значение
вычисляется по формуле
. (2.8)
Численная оценка каждого исходного значения определяется
следующим образом:
, (
). (2.9)
Для иллюстрации изложенного выше приведем пример определения
численной оценки для показателя, характеризующего режим труда матери.
Данный показатель может принимать 8 различных значений:
«односменный», «двухсменный», «трехсменный», «ненормированный
рабочий день», «скользящий график», «систематические командировки»,
«сочетание работы с учебой», «не работает».
Оценка производилась по 8-бальной шкале. По совокупности мнений
экспертов, имеющих стаж практической работы от 9 до 35 лет, была
составлена матрица весовых коэффициентов (табл. 2.6).
43
Таблица 2.6
Значение показателя
Оценки восьми экспертов
1 2 3 4 5 6 7 8 1. Односменный
2 2 3 2 2 3 2 2 2. Двухсменный
3 3 4 3 3 4 3
3
3. Трехсменный
5 6 5 4 5 5 5
4
4. Ненормированный рабочий день
4 4 2 3 4 2 4
4
5. Скользящий график
6 5 3 4 3 6 6
5
6. Систематические командировки
7 6 6 5 7 8 8
7
7. Сочетание работы с учебой
6 7 5 6 6 7 7
6
8. Не работает
1 1 1 1 1 1 1
1
Значение показателя
Оценки восьми экспертов
Сумма
1 2 3 4 5 6 7 8 Рангов
1. Односменный
2 2 3,5 2 2 3 2 2 18,5
2. Двухсменный
3 3 5
3,5
3,5 4 3 3 28
3. Трехсменный
5
6,5
6,5
5,5
6 5 5
4,5
44
4. Ненормированный
рабочий день
4 4 2
3,5
5 2 4
4,5
29
5. Скользящий график
6,5 5 3,5
5,5
3,5 6 6 6 42
6. Систематические
командировки
8
6,5 8 7 8 8 8 8
61,5
7. Сочетание работы с
учебой
6,5 8 6,5 8 7 7 7 7 57
8. Не работает
1 1 1 1 1 1 1 1 8
Матрица ранжирования значений показателя «режим труда матери»
Так как одним и тем же экспертом некоторым значениям показателя
был присвоен один и тот же вес, матрицу ранжирования необходимо было
привести к нормальному виду (табл. 2.7), таким образом, чтобы сумма рангов
в каждом столбце равнялась К*(К+1)/2, где К – число различных значений
показателя «режим труда матери» (К=8).
Таблица 2.7
Приведенная матрица ранжирования значений показателя
«режим труда матери»
44
В результате расчета по формулам (2.2) – (2.6) было получено W =
Номера
сравниваемых
значений
Оценки восьми экспертов
Среднее
значе-
ние
1 2 3 4 5 6 7
8
1-2 5 4 4 5 3 5 4 4
4,250
2-3 4 3 3 3 2 4 2 3
3,000
3-4 4 3 2 3 2 3 3 2
2,750
4-5 2 1 1 2 1 2 1 2
1,500
5-6 1 1 1 2 1 1 1 2
1,250
6-7 3 1 2 2 1 2 1 1
1,625
7-8 3 1 2 3 2 2 1 2
2,000
0,798,
2
= 32,223.
расч
Так как расчетное значение оказалось больше критического при числе
степеней свободы = n-1 = 7 и уровне значимости q = 5% (
2
= 19,675),
табл
то гипотеза о согласованности экспертов была принята.
Таким образом получена следующая упорядоченная
последовательность значений показателя «режим труда матери»:
1) «не работает»;
2) «односменный»;
3) «двухсменный»;
4) «ненормированный рабочий день»;
5) «скользящий график»;
6) «трехсменный»;
7) «сочетание работы с учебой»;
8) «систематические командировки».
Для определения численной оценки каждого значения показателя
производилось попарно сравнение лингвистических значений показателей на
основе экспертных оценок. Полученные результаты приведены в табл. 2.8.
Таблица 2.8
Результаты сравнения отсортированных лингвистических значений
показателя «режим труда матери»
В результате расчетов, проведенных по формулам (2.8), (2.9) получим
численные оценки для каждого лингвистического значения показателя
«режим труда матери» (табл. 2.9).
45
Численные оценки значений показателя «режим труда матери»
Лингвистическое значение показателя
Численная оценка
показателя
Нормированная оценка
«не работает»
0
0
«односменный»
4,25
0,2595
«двухсменный»
7,25
0,4427
«ненормированный рабочий день»
10
0,6107
«скользящий график»
11,5
0,7023
«трехсменный»
12,75
0,7786
«сочетание работы с учебой»
14,375
0,8779
«систематические командировки»
16,375
1
Лингвистическое значение показателя
Численная оценка
показателя
Нормированное значение
показателя
1
2
3
Образование матери (отца)
Неполное среднее
0
0
Среднее
2,750
0,3548
Среднее специальное
4,875
0,6290
Неполное высшее
6,000
0,7742
Высшее
7,750
1,0000
Семейное положение
Брак зарегистрирован
5,375
1,0000
Брак не зарегистрирован
1,500
0,2791
Разведена 0 0
Неблагоприятные условия труда
Присутствовало три и более
неблагоприятных фактора
10,000
1,0000
Присутствовало два
неблагоприятных фактора
8,750
0,8750
Аналогичные расчеты были проведены для всех показателей, не
имеющих численной оценки. Результаты приведены в табл. 2.10.
Таблица 2.9
Таблица 2.10
Численные оценки показателей, характеризующих
социально-гигиенический аспект исследуемой проблемы
46
Продолжение табл. 2.10
1
2
3
Присутствовал один
неблагоприятный фактор
6,500
0,6500
Затрудняюсь ответить
2,375
0,2375
Все было в норме
0
0
Материальное положение
Хорошее
6,250
1,0000
Удовлетворительное
3,750
0,6000
Неудовлетворительное
0
0
Жилищно-бытовые условия
Хорошие
5,875
1,0000
Удовлетворительные
3,500
0,5957
Неудовлетворительные
0
0
Желательность беременности
Да
5,625
1,0000
Затрудняюсь ответить
2,125
0,3778
Нет
0
0
Первая беременность
Аборт
0
0
Роды
1
1
Алкоголь(курение)
Да
0
0
Иногда
2,500
0,4082
Нет
6,125
1,0000
Как часто ребенок должен быть посещен врачом на дому
1 раз в неделю 1 1
1 раз в месяц 0 0
Пол ребенка
Мужской 1 1,0000
Женский 0 0
Родился
Живым 1 1,0000
Мертвым 0 0
Гистационный возраст
Недоношенный 0 0
Переношенный
2,875
0,5476
Доношенный
5,250
1,0000
Оценка массы (роста, окружности головы) ребенка
Низкая
0
0
Высокая
2,375
0,1979
Ниже средней нормы
6,125
0,5104
Выше средней нормы
8,000
0,6667
Средняя норма
12,000
1,0000
47
1
2
3
Оценка массы (роста, окружности головы) ребенка
Низкая
0
0
Высокая
2,375
0,1979
Ниже средней нормы
6,125
0,5104
Выше средней нормы
8,000
0,6667
Средняя норма
12,000
1,0000
Оценка развития:
Среднее гармоничное
30,000
1,0000
Вышесреднее гармоничное
28,625
0,9542
Нижесреднее гармоничное
27,375
0,9125
Среднее дисгармоничное, ИМТ I ст.
26,000
0,8667
Среднее дисгармоничное, ДМТ I ст.
24,875
0,8292
Высокое гармоничное
23,625
0,7875
Низкое гармоничное
22,500
0,7500
Вышесреднее дисгармоничное, ИМТ I ст.
21,250
0,7083
Вышесреднее дисгармоничное, ДМТ I ст.
20,125
0,6708
Нижесреднее дисгармоничное, ИМТ I ст.
18,875
0,6292
Нижесреднее дисгармоничное, ДМТ I ст.
16,750
0,5583
Высокое дисгармоничное, ИМТ I ст.
15,500
0,5167
Высокое дисгармоничное, ДМТ I ст.
14,375
0,4792
Низкое дисгармоничное, ИМТ I ст.
13,125
0,4375
Низкое дисгармоничное, ДМТ I ст.
12,000
0,4000
Среднее резко дисгармоничное, ИМТ II ст.
10,625
0,3542
Среднее резко дисгармоничное, ДМТ II ст.
9,500
0,3167
Вышесреднее резко дисгармоничное, ИМТ II ст.
8,250
0,2750
Вышесреднее резко дисгармоничное, ДМТ II ст.
7,125
0,2375
Нижесреднее резко дисгармоничное, ИМТ II ст.
5,875
0,1958
Нижесреднее резко дисгармоничное, ДМТ II ст.
4,750
0,1583
Высокое резко дисгармоничное, ИМТ II ст.
3,500
0,1167
Высокое резко дисгармоничное, ДМТ II ст.
2,375
0,0792
Низкое резко дисгармоничное, ИМТ II ст.
1,125
0,0375
Низкое резко дисгармоничное, ДМТ II ст.
0
0
Оценка окружности груди (отношения голова/грудь) ребенка
Ниже средней нормы
0
0
Выше средней нормы
3,250
0,4328
Средняя норма
7,500
1,0000
Куда выписан
Домой
1,0000
1,0000
В больницу 0 0
Продолжение табл. 2.10
48
Окончание табл. 2.10
1
2
3
Группа здоровья
1а
20,000
1,0000
2
15,375
0,7688
2а
13,250
0,6625
2б
11,125
0,5563
2в
9,000
0,4500
3
5,625
0,2813
3а
2,375
0,1188
3б
0
0
i
X
),1( Ni
Y
j
),1( Mj
i
X
j
Y
Таким образом, полученные нормированные показатели,
характеризующие факторы риска, могут быть использованы при применении
методов математической статистики.
Для выявления наиболее значимых факторов, влияющих на нарушение
состояния здоровья новорожденных, было проведено их ранжирование на
основе результатов вычисления коэффициентов парной корреляции,
позволяющих производить сравнительный анализ вклада каждого показателя
в изменение результирующих факторов.
Для получения математического описания чаще всего используются
методы активного и пассивного эксперимента, основанные на регрессионном
анализе. Учитывая специфику нашей задачи, для моделирования применялся
пассивный эксперимент на основе архивной информации.
Алгоритм построения прогностических моделей состоит из следующих
этапов.
1. На основе опроса экспертов определяется набор показателей
, которые позволяют полностью идентифицировать состояние
объекта моделирования.
2. Выделяется один или несколько контролируемых показателей
.
3. В результате проведения дисперсионного анализа исключаются те
показатели
, которые не влияют на изменение ни одного контролируемого
показателя
.
4. Для отбора достоверных измерений производится фильтрация
информации.
5. Осуществляется оптимальный выбор признакового пространства за
счет исключение параметрической избыточности.
49
6. Проверяется гипотеза о нормальном распределении значений
i
X
показателей
.
7. Производится выбор вида регрессионной модели (линейная,
неполная квадратичная, квадратичная).
8. Вычисляются оценки коэффициентов уравнения регрессии.
Применяется метод наименьших квадратов.
9. Выполняется проверка их значимости и исключаются из модели
незначимые коэффициенты.
10. Проверяется адекватность модели. В случае адекватности модели -
окончание алгоритма. Если модель неадекватна, но возможно ее усложнение
- переход к п.7, в противном случае необходима корректировка исходной
выборки (увеличение ее объема, сокращение числа неточных измерений).
Схема алгоритма построения прогностических моделей приведена на
рис. 2.3.
Построение уравнений множественной регрессии производилось путем
так называемого шагового (многошагового) анализа, в процессе которого
производится решение модели и с помощью статистико-математических
критериев завершается отбор факторов и уточняется форма связи каждого
фактора с результативным признаком.
Проверка адекватности модели - одна из важнейших процедур
регрессионного анализа, поскольку исследователь должен удостовериться в
том, что практическое использование полученной модели приведет к
положительным результатам. При выборе структуры модели стремятся к
тому, чтобы она была как можно проще, т.е. включала как можно меньше
коэффициентов.
Для построения прогностической модели определения риска
нарушения состояния здоровья новорожденных использовались
регрессионные уравнения, описывающее взаимосвязь факторов риска с
изменением оценки физического развития и группы здоровья, и
позволяющие получить на выходе прогноз, схожий с вероятностной оценкой
(находящийся в пределах от 0 до 1: чем ближе прогноз к 1, тем лучше
состояние здоровья). Перед построением прогностической модели была
произведена оптимизация признакового пространства с целью сокращения
параметрической избыточности: на основе метода «дискретных
корреляционных плеяд» был выделен минимальный набор наиболее
значимых факторов риска, достаточно полно описывающих медикосоциальную ситуацию в целом.
50
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]