Синтез гибридных нечетких моделей прогнозирования возникновения и рецидивов гангрены нижних конечностей
Показатели UGB, UKB и UGS по отношению к исследуемым переменным уверенность в возникновении URV и развитии URR гангрены носят скрытый (латентный) характер. Поэтому с учетом рекомендаций [71, 72] целесообразно проверить их роль и информативную ценность с использованием теории измерения латентных с моделью Г.
Раша [154, 157].С этой целью для показателей, характеризующих URV была составлена таблица индикаторных переменных (таблица 3.1)
Таблица 3.1
Значение индикаторных переменных латентной переменной URV
| № пациента | Индикаторная переменная | ||
| UGB | UKB | UKS | |
| 1. | 0,05 | 0,06 | 0,10 |
| 2. | 0,07 | 0,10 | 0,10 |
| 3. | 0,10 | 0,09 | 0,11 |
Продолжение таблицы 3.1
| 4. | 0,12 | 0,10 | 0,13 |
| 5. | 0,13 | 0,12 | 0,16 |
| 6. | 0,15 | 0,14 | 0,18 |
| 7. | 0,18 | 0,15 | 0,20 |
| 8. | 0,2 | 0,17 | 0,23 |
| 9. | 0,21 | 0,18 | 0,25 |
| 10. | 0,23 | 0,20 | 0,27 |
| 11. | 0,25 | 0,24 | 0,29 |
| 12. | 0,27 | 0,26 | 0,32 |
| 13. | 0,30 | 0,28 | 0,35 |
| 14. | 0,33 | 0,31 | 0,37 |
| 15. | 0,35 | 0,33 | 0,40 |
| 16. | 0,38 | 0,35 | 0,42 |
| 17. | 0,39 | 0,37 | 0,44 |
| 18. | 0,41 | 0,40 | 0,47 |
| 19. | 0,44 | 0,42 | 0,49 |
| 20. | 0,49 | 0,45 | 0,52 |
| 21. | 0,53 | 0,47 | 0,54 |
| 22. | 0,55 | 0,50 | 0,57 |
| 23. | 0,59 | 0,53 | 0,60 |
| 24. | 0,62 | 0,57 | 0,63 |
| 25. | 0,67 | 0,60 | 0,67 |
| 26. | 0,70 | 0,65 | 0,70 |
| 27. | 0,75 | 0,70 | 0,73 |
| 28. | 0,78 | 0,75 | 0,78 |
| 29. | 0,83 | 0,80 | 0,83 |
| 30. | 0,90 | 0,85 | 0,90 |
В результате обработки данных таблицы 3.1 пакетом RUMM 2020 [166] получены графики характеристических кривых приведенные на рисунке 3.4 и таблица ранжирования индикаторных переменных, скриншот которой приведен на рисунке 3.5.
а)
б)
в)
Рисунок 3.4 - Графики характеристических кривых латентной переменной URV для индикаторных переменных: а) -UGB; б) -UKB; в) - UKS
Рисунок 3.5 - Скриншот таблицы ранжирования индикаторных переменных
UGB, UKB, UKS латентной переменной URV
Анализ графиков (рисунок 3.4) и данных таблицы 3.5 показывает, что все индикаторные переменные по критерию ХИ-квадрат соответствуют латентной переменной URV.
Этот результат дополнительно подтверждается графиками распределений интегрального показателя URV и значимости индикаторов приведенными на рисунке 3.6.
Рисунок 3.6 - Графики распределений интегрального показателя URV
(вверху) и значимости индикаторов (внизу)
Таблица значений индикаторных переменных UGB, UKB, UKS для латентной переменной URR представлена таблицей 3.2.
Таблица 3.2
| № пациента | Индикаторная переменная | ||
| UGB | ЦКБ | UKS | |
| 1. | 0,15 | 0,20 | 0,10 |
| 2. | 0,17 | 0,22 | 0,13 |
| 3. | 0,19 | 0,24 | 0,17 |
| 4. | 0,20 | 0,27 | 0,20 |
| 5. | 0,22 | 0,30 | 0,22 |
| 6. | 0,23 | 0,33 | 0,24 |
| 7. | 0,25 | 0,37 | 0,26 |
| 8. | 0,27 | 0,40 | 0,28 |
| 9. | 0,29 | 0,42 | 0,31 |
| 10. | 0,31 | 0,44 | 0,34 |
| 11. | 0,33 | 0,47 | 0,36 |
| 12. | 0,36 | 0,50 | 0,38 |
| 13. | 0,38 | 0,53 | 0,40 |
| 14. | 0,40 | 0,56 | 0,42 |
| 15. | 0,42 | 0,58 | 0,46 |
| 16. | 0,45 | 0,62 | 0,49 |
| 17. | 0,49 | 0,65 | 0,51 |
| 18. | 0,51 | 0,67 | 0,53 |
| 19. | 0,53 | 0,69 | 0,56 |
| 20. | 0,56 | 0,72 | 0,59 |
| 21. | 0,59 | 0,75 | 0,61 |
| 22. | 0,62 | 0,77 | 0,63 |
| 23. | 0,66 | 0,79 | 0,66 |
| 24. | 0,68 | 0,81 | 0,69 |
| 25. | 0,72 | 0,83 | 0,72 |
| 26. | 0,75 | 0,85 | 0,75 |
| 27. | 0,77 | 0,87 | 0,78 |
| 28. | 0,80 | 0,88 | 0,80 |
| 29. | 0,85 | 0,89 | 0,84 |
| 30. | 0,90 | 0,90 | 0,90 |
Таблица индикаторных переменных латентной переменной URR
Результаты обработки данных таблицы 3.2 пакетом RUMM 2020 представлены рисунках 3.7, 3.8 и 3.9.
а)
б)
в)
Рисунок 3.7 - Графики характеристических кривых латентной переменной URR для индикаторных переменных: а) - UGB; б) - UKB; в) - UKS
Рисунок 3.8 - Скриншот таблицы распределения индикаторных переменных UGB,
UKB, UKS латентной переменной URR
Рисунок 3.9 - Графики распределений интегрального показателя URR (вверху) и значимости индикаторов (внизу)
Анализ рисунков 3.7, 3.8 и 3.9 показывает, что все индикаторные переменные соответствуют латентной переменной URR.
Таким образом, все введенные переменные удовлетворяют модели Г.
Раша и их целесообразно использовать для оценки уверенности в возникновении и развитии ГНК.На следующем этапе синтеза ставилась задача получения математических моделей для вычисления параметров URR и UVR.
В ходе дополнительного разведочного анализа было установлено, что рост величин UGB, UKB и UGS приводит к росту уровня риска возникновения и развития ГНК, но в различных пропорциях в связи с этим было принято решение, используя UGB, UKB и USS как базовые переменные определить функции принадлежности к критическому риску возникновения гангрены (класс ωre) и к критическому риску развития гангрены (класс ωrr).
Графики соответствующих функций принадлежности, построенные в соответствии с рекомендациями [33, 72, 86] приведены на рисунках 3.10 и 3.11.
Рисунок 3.10 - Графики функций принадлежности к классу ωrsс базовыми переменными: а) UGB; б) иКБ; в) UGS
Рисунок 3.11 - Графики функций принадлежности к классу ωrrс базовыми переменными: а) UGB; б) UKB; в) UGS
Аналитически графики, приведенные на рисунке 2.10 и 3.11 описываются системой формул:
0,если UGB
Еще по теме Синтез гибридных нечетких моделей прогнозирования возникновения и рецидивов гангрены нижних конечностей:
- Метод синтеза гибридных нечетких решающих правил прогнозирования возникновения и развития гангрены нижних конечностей
- Синтез частных моделей прогнозирования возникновения и рецидивов гангрены нижних конечностей
- 4.3 Анализ качества работы математических моделей прогнозирования возникновения и рецидива гангрены нижних конечностей
- Синтез математических моделей для прогнозирования динамики развития критической ишемии нижних конечностей и оценки возможности возникновения гангрены по электрическим характеристикам биологически активных точек
- 3.2. Синтез гибридных нечетких решающих правил прогнозирования возникновения профессиональных заболеваний работников агропромышленного комплекса, занятых в растениеводстве.
- Разработка метода построения гибридных нечетких моделей для прогнозирования возникновения и осложнений артериальной гипертензии у водителей транспортных средств с учетом энергетических характеристик биоактивных точек
- Синтез математических моделей прогнозирования рецидива МКБ
- 3.3. Синтез гибридных нечетких моделей ранней диагностики профессиональных заболеваний работников агропромышленного комплекса, занятых в растениеводстве.
- Синтез математических моделей прогнозирования возникновения МКБ
- 2.2. Метод синтеза нечетких математических моделей прогнозирования и ранней диагностики профессиональных заболеваний работников электроэнергетики.
- Этиология и патогенез гангрены нижних конечностей, основные подходы к лечению
- Обоснование подхода к синтезу нечетких гибридных решающих правил
- Синтез гибридных нечетких решающих правил принятия решений на основе логики Л. Заде и Е. Шотрлифа
- Синтез нечетких решающих правил прогнозирования и ранней диагностики заболеваний нервной системы.
- Методы и модели четкого и нечеткого прогнозирования
- 2.2. Метод синтеза нечетких решающих правил прогнозирования и ранней диагностики работников агропромышленного комплекса, контактирующих с ядохимикатами.
- Синтез нечетких решающих правил прогнозирования и ранней диагностики заболеваний иммунной системы.