<<
>>

2.3 Разработка математической модели оценки уровня психоэмоционального напряжения

Существует значительное количество работ, убедительно показывающих вклад ПЭН в риск ССЗ, в том числе и ПИМ. Проведенный нами анализ показал, что для построения математических моделей прогнозирования риска ПИМ, наиболее целесообразно применить метод оценки уровня ПЭН использующий комплекс показателей, характеризующих различные проявления жизнедеятельности, количество и состав которых оптимизируется с помощью современных математических методов и информационных технологий достаточно полно описанный в работах [50, 62].

В соответствии с рекомендациями [50] уровень ПЭН будем определять по формуле:

где YH(s)- уровень ПЭН на s-ом шаге итерации- уровень ПЭН для

текущего блока признаков Hrс номером г (г= 1, 2, 3).

Всего в определении уровня ПЭН задействованы три блока признаков:

1) блок признаков, определяемых методами субъективной оценки с помощью специализированных психологических тестов (H1);

2) блок признаков, определяемых объективным психологическим тестированием с помощью аппаратуры, регистрирующей состояние внимания человека (H2);

3) блок признаков, характеризующих физиологическую составляющую, регистрируемую по энергетическому состоянию меридианных структур организма (Нз).

По первому блоку признаков уровень ПЭН определяется по шкалам ситуативной тревожности (СТ) и личной тревожности (JIT) теста Спилбергера-

Ханина [50].

По второму блоку признаков показатели внимания оцениваются с помощью специализированной аппаратуры, описание которой приведено в работах [49, 50]. Из множества методик по оценке параметров внимания, используя метод оценки информативности по Кульбаку, было отобрано три, с помощью которых исследуются такие показатели, как переключаемость внимания (ПВ), концентрированность внимания (KB) и устойчивость внимания (УВ).

Причем, согласно результатам работы [50] принятие решений о принадлежности к классу ПЭН и оценке его уровня целесообразно осуществлять в двумерном классификационном пространстве с координатами Y1- φ1(ПВ, KB); Y2- φ2(УВ), где φ1и φ- функции отображения из пространства признаков, характеризующих свойства внимания человека в двумерное классификационное пространство [50, 62]:

В качестве ИП, характеризующих энергетическое состояние меридианных структур по выбранному множеству БАТ, используются величины относительных отклонений энергетических характеристик этих точек от своих номинальных значений - SR, где j- номер БАТ в блоках ИП. В частности, для оценки уровня ПЭН используются точки R8, VB20 и P9 по французской классификации.

Для первой группы признаков величина Yрассчитывается по

формуле аналогичной (2.21) с базовыми переменными по шкалам СТ и ЛТ с заменой функции принадлежностей на функции уровня ПЭН - YHc(CT)и YHc(HT):

Для второй группы признаков в работе [50, 62] было установлено, что наибольшей информативностью обладают признаки хп- ПВ - ПВ0;

- текущая переключаемость внимания и переключаемость внимания, измеренная в состоянии спокойного бодрствования; КВ и KB0- соответствующие показатели концентрированности внимания; УВ и УВ0 - соответствующие показатели устойчивости внимания.

Для исходного пространства признаков x, xκ, xв [60] было получено двумерное классификационное пространство Ф = Y х Y2с отображающими функциями вида:

С учетом того, что границы классов носят «размытый» характер с достаточно большой зоной неопределённости, в которой наблюдаются взаимные проникновения классов друг в друга как в отображающем, так и в исходном пространстве признаков, уровни ПЭН определяются через соответствующие функции принадлежности.

В частности, для класса ωΗдля оценки уровня ПЭН относительно каждой из координат получены две функции YHb (Y1) и YHb (Y2), а составляющаяопределяется выражением:

Для группы БАТ уровень ПЭН определяется с использованием формулы [62]

где- величина относительного отклонения электрического сопротивления БАТ от его номинального значения для точки с номером- пороговая

величина отклонения сопротивления БАТ от его номинального значения;

Общий уровень ПЭН определяется модификацией выражения (2.22).

СТ формируется с помощью опросника, состоящего из 20 признаков данных в виде прямых и обратных утверждений, а ее значение вычисляется по формуле где xi- баллы прямого ответа; xj∙- баллы обратного ответа.

Для решения вопроса оценки уровня ПЭН по шкале СТ экспертами с ориентацией на будущее использование этого показателя для прогнозирования обострений ИМ были заданы следующие вопросы:

Z1: при каких значениях шкалы СТ следует считаться, что такой уровень ПЭН начинает играть роли фактора риска провоцирующего появление класса

Z2: насколько по шкале от 0 до единицы можно считать, что только один показатель СТ отражает величину уровня ПЭН.

Результаты опроса экспертов и среднее значение полученных результатов приведены в таблице 2.6.

Таблица 2.6 - Результаты опроса экспертов по уровню ПЭН для шкалы СТ

Вопрос Эксперты Среднее значение
1 2 3 4 5 6 7 8
Zl 30 20 25 40 45 35 36 40 35
Z2 0,46 0,47 0,47 0.46 0,45 0,44 0,47 0,45 0,46

Полученные средние значения использованы для получения аналитической зависимости уровня ПЭН от значения СТ в виде:

Шкала ЛТ строится аналогично. Уровень ПЭН по шкале ЛТ определялся выражением:

где

С учетом того, что шкалы СТ и ЛТ отражают различные стороны функциональных состояний человека общий их вклад в уровень ПЭН будем определять выражением:

Вторая составляющая оценки уровня ПЭН определяется по двумерной области с координатами по (2.25).

Относительно границ области ωκгруппой высококвалифицированных экспертов были получены функции уровня ПЭН вида:

Эти "слабые" классификаторы агрегируются выражением (2.26).

В ходе специально проведенных исследований было установлено, что по выбранному классу заболеваний целесообразно по группе БАТ выбрать частные функции уровней ПЭН:

Это позволяет получить третью составляющую оценки уровня ПЭН:

Агрегация выражений (2.26), (2.32) и (2.38) с помощью выражения (2.22) позволяет получить общее решающее правило для оценки уровня ПЭН - YH, которое используется как дополнительный признак x22в математической модели прогнозирования ПИМ в реабилитационном периоде.

<< | >>
Источник: Киселев Алексей Викторович. ГЕТЕРОГЕННЫЕ КЛАССИФИКАТОРЫ С ВИРТУАЛЬНЫМИ ПОТОКАМИ ДЛЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ПРОГНОЗИРОВАНИЯ ПОВТОРНОГО ИНФАРКТА МИОКАРДА. Диссертация на соискание ученой степени кандидата технических наук. КУРСК - 2019. 2019

Еще по теме 2.3 Разработка математической модели оценки уровня психоэмоционального напряжения:

- 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 -