АВТОМАТИЗИРОВАННАЯ ПОДСИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ АНАЛИЗЕ СТОМАТОЛОГИЧЕСКОЙ ЗАБОЛЕВАЕМОСТИ В РЕГИОНЕ > Полезные советы
Тысяча полезных мелочей    

АВТОМАТИЗИРОВАННАЯ ПОДСИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ АНАЛИЗЕ СТОМАТОЛОГИЧЕСКОЙ ЗАБОЛЕВАЕМОСТИ В РЕГИОНЕ

АВТОМАТИЗИРОВАННАЯ ПОДСИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ АНАЛИЗЕ СТОМАТОЛОГИЧЕСКОЙ ЗАБОЛЕВАЕМОСТИ В РЕГИОНЕ

Богданов М.В. Статья в формате PDF 138 KB Для анализа и качественного прогноза стоматологической заболеваемости в регионе предлагается автоматизированная подсистема поддержки принятия решений, включающая в себя:

- Интуитивно-понятный интерфейс формирования информационно-аналитического прострaнcтва принятия управленческо-профилактических решений.

Информационно-аналитическое прострaнcтво на этапе обучения системы (синтеза решающих правил и математических моделей) и на этапе экспертной работы имеет разные формы. На этапе принятия решения оно представляет собой вектор значений, используемых в полученных на этапе обучения величин факторов.

В качестве факторов, влияющих на заболеваемость, предлагается использовать:

  • экологические: выбросы в окружающую среду;
  • социально-экономические: уровни доходов населения;
  • медицинское обеспечение;
  • хаpaктер питания: уровни потрeбления продуктов определенной группы;
  • сопутствующая заболеваемость.

Кроме формирования информационноаналитического прострaнcтва интерфейсная часть служит для управления работы системы анализа в целом (вызов и управление работой отдельных модулей).

- Разведочный статистический анализ.

Осуществляется оценка среднего значения и доверительного интервала и закона распределения. Проводится синтез структур и параметров функций принадлежности.

- База данных

База данных представляет собой массивы качественных и количественных факторов, хаpaктеризующих заболеваемость.

- База знаний

База знаний представляет собой структуры и параметры прогностических моделей, а именно:

  • алгебраические модели, отражающие взаимосвязь уровней стоматологической заболеваемостей в отдельных административных единицах и в регионе в целом;
  • модели временных трендов, отражающих тенденции развития заболеваемости в отдельных административных единицах и в регионе в целом;
  • искусственные нейронные сети, позволяющие прогнозировать развитие заболеваемости;

- Модуль формирования протокола анализа.

В данном модуле осуществляется формализация полученных результатов анализа и прогноза и формируется протокол отчета в форме:

«Согласно...., предполагается, что ....».

- Модуль формирования базы знаний.

База знаний формируется под управлением интерфейса путем использования базы данных, а именно:

  • алгебраические модели идентифицируются посредством применения линейного и нелинейного, парного и множественного регрессионного анализов;
  • дифференциальные модели идентифицируются методами численного дифференцирования и регрессионного анализов;
  • искусственные нейронные сети идентифицируются после получения латентных значений;

Интерфейс параметров прогноза по параметрам.

В данном модуле осуществляется диалог с Лицом Принимающем Решение (ЛПР) на предмет задания им таких параметров прогноза как:

-  время прогноза;   

 - хаpaктер прогноза (абсолютные или относительные единицы):

- Модуль формирования вариантов прогноза.

Здесь, на основании заданной информации в интерфейсе параметров прогноза, формируются наиболее и наименее вероятные варианты прогноза динамики уровней определенной заболеваемости с вычислением значений коэффициентов уверенности на определенный промежуток времени.

- Модуль формирования протокола анализа.

Данный модуль предназначен для формирования результатов в определенные форматы протокольной информации итогов анализа под управлением дружественного интерфейса и передачи информации: на печать, в файл или на экран монитора.



СРАВНИТЕЛЬНЫЕ КОНСТРУКЦИИ ЧЕРЕЗ ПРИЗМУ ГЕНДЕРНЫХ РАЗЛИЧИЙ

СРАВНИТЕЛЬНЫЕ КОНСТРУКЦИИ ЧЕРЕЗ ПРИЗМУ ГЕНДЕРНЫХ РАЗЛИЧИЙ Сравнительные конструкции рассматриваются с позиции гендерного аспекта. Представлены результаты направленного ассоциативного эксперимента, который позволил выявить различия в женском и мужском конструировании, употрeблении и восприятии сравнительных конструкций. ...

26 05 2026 1:31:58

Степень АВ0-изоиммунизации женского организма

Степень АВ0-изоиммунизации женского организма Статья в формате PDF 105 KB...

18 05 2026 20:36:39

СЕЗОННЫЕ ФАКТОРЫ В РОЖДЕНИИ БОЛЬНЫХ ШИЗОФРЕНИЕЙ

СЕЗОННЫЕ ФАКТОРЫ В РОЖДЕНИИ БОЛЬНЫХ ШИЗОФРЕНИЕЙ Обсуждается сезонность рождения больных шизофренией. Исследовав 2017 случаев заболевания, авторы отмечают сезонность и гендерные различия в рождении больных шизофренией. Высказывается предположение, что одной из причин сезонных колебаний рождаемости больных, у мужчин, может быть патогенное действие вирусной инфекции на головной мозг плода во втором триместре беременности. ...

15 05 2026 20:41:27

ПЕРСПЕКТИВЫ ИНЕРЦИОННОГО ОБМОЛОТА

Статья в формате PDF 94 KB...

09 05 2026 18:47:15

РОЛЬ ВОДЫ В ОСНОВНЫХ СТРУКТУРАХ ЖИВОГО ОРГАНИЗМА

РОЛЬ ВОДЫ В ОСНОВНЫХ СТРУКТУРАХ ЖИВОГО ОРГАНИЗМА Статья в формате PDF 950 KB...

03 05 2026 21:34:20

ВЛИЯНИЕ ПРИРОДЫ АЛКИЛЬНЫХ ГРУПП У АММОНИЕВОГО АЗОТА НА РЕГИОХИМИЮ ЩЕЛОЧНОГО РАСЩЕПЛЕНИЯ 1,4-БИСАММОНИЕВЫХ СОЛЕЙ С 2,3-ДИБРОМБУТ-2-ЕНИЛЕНОВОЙ ОБЩЕЙ ГРУППОЙ

ВЛИЯНИЕ ПРИРОДЫ АЛКИЛЬНЫХ ГРУПП У АММОНИЕВОГО АЗОТА НА РЕГИОХИМИЮ ЩЕЛОЧНОГО РАСЩЕПЛЕНИЯ 1,4-БИСАММОНИЕВЫХ СОЛЕЙ С 2,3-ДИБРОМБУТ-2-ЕНИЛЕНОВОЙ ОБЩЕЙ ГРУППОЙ Исследовано водно- и спирто-щелочное расщепление 1,4-бис (диметилэтил-, диэтилметил и диметилфенацил)-2,3-дибромбут-2-ениленаммоний дигалоген-идов. Показано, что в отличие от их триметильного аналога, во всех случаях расщепление протекает в довольно жестких условиях (высокие температуры, избыток щелочи), с образованием сложной смеси продуктов. ...

02 05 2026 15:10:15

ПЧЕЛИНЦЕВ В.П.

ПЧЕЛИНЦЕВ В.П. Статья в формате PDF 64 KB...

24 04 2026 5:53:48

ДЕФИЦИТ ЙОДА В РОЛИ ГЛОБАЛЬНОГО ИНДИКАТОРА ЗДОРОВЬЯ

ДЕФИЦИТ ЙОДА В РОЛИ ГЛОБАЛЬНОГО ИНДИКАТОРА ЗДОРОВЬЯ Риск развития заболевания может оцениваться по показателям на уровне, хаpaктеризующем хронические пороговые эффекты. Исходя из этих данных, в качестве «индикаторных» состояний выделяется пониженное/повышенное содержание йода в организме обследуемого. В качестве «индикаторных» точек в концепции HEADLAMP для подтверждения заболеваний, хаpaктеризующих эффект недостатка йода в организме, могут выступать изменения в щитовидной железе на субклиническом уровне. Указанные параметры можно оценить на уровне лабораторной базы первичной медико-санитарной помощи при обследованиях населения. Цель HEADLAMP в оценке связи состояния здоровья населения с действием факторов окружающем среды значительно упростить и ускорить обоснованность выбора управленческих решений. ...

19 04 2026 16:24:56

Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::