Academic literature on the topic 'Діагностування хвороб'

Хронічний перебіг пародонтиту та гінгівіту вражає до 80 % дорослого населення, стаючи одним із найпоширеніших серед хвороб людства. Захворювання ініціюється накопиченням бактерій вздовж ясенного краю і в просторі між ясенними тканинами та зубами. Відсутність клініки гострого болю при захворюваннях пародонта є однією з основних причин низького рівня звернень пацієнтів за стоматологічною допомогою. Діагностику захворювань пародонта, як правило, проводить лікар-стоматолог. Вона включає візуальний огляд тканин ясен та ряд інших протокольних процедур, у тому числі додоткових методів діагностики – клінічну оцінку рентенограми. Водночас, звичайні клінічні та рентгенографічні методи діагностики пародонта здатні лише до ретроспективного діагнозу, вони не можуть виявити або передбачити активність пародонтиту. Тому в останні роки активно досліджують потенційні біомаркери для діагностування хвороб тканин пародонта. Джерелом біомаркерів перш за все є ясенна рідина та слина, як такі, що безпосередньо контактують з ураженими тканинами. Враховуючи сказане, доцільно проаналізувати літературні дані щодо біомаркерів ясенної рідини та слини, які використовують для діагностики хвороб пародонта та можливості розробити прості у застосуванні тест-методи для ранньої діагностики. Мета дослідження – проаналізувати літературні дані щодо оцінки перспективи застосування біомаркерів у стоматологічній практиці, зокрема в діагностиці патології тканин парадонта разом із періімплантною патологією. Матеріали і методи. У дослідженні застосовано бібліосематичний та аналітичний методи. Результати досліджень та їх обговорення. У статті проаналізовано та опрацьовано джерела науково-медичної інформації, що стосуються застосування біомаркерів у діагностиці хвороб пародонта. Висновки. Незважаючи на те, що в діагностиці рогової рідини наявна значна кількість потенційних біомаркерів, проведені на сьогодні дослідження виявилися недостатніми щодо надання клінічно достовірної та корисної інформації для практиків з точки зору більш точної діагностики та планування лікування.

В даній роботі проведено аналіз ефективності застосування штучних нейронних мереж для вирішення задачі класифікації для невеликих наборів медичних даних із сфери діагностування. Для дослідження було обрано два набори даних: дані про серцево-судинні захворювання та про хвороби печінки. Отримані результати було порівняно з результатами точності для стандартних методів машинного навчання, що використовуються в задачах класифікації Для проведення дослідження було обрано модель багатошарового перцептрона. Програмним засобом для реалізації став Python, що надає можливість використовувати допоміжні бібліотеки при роботі з методами машинного навчання.

Резюме. Зростання термінів тимчасової непрацездатності та показників первинної інвалідності унаслідок хронічних хвороб, зокрема поєднаних, наносить значні економічні збитки і посилює соціальну значущість наукових досліджень, спрямованих на удосконалення медико-психологічного моніторингу, ранньої діагностики, індивідуалізацію лікування і ризикометричних підходів; непересічно значимим це є і для учасників бойових дій – комбатантів. Мета дослідження – вивчити частоту та характер непсихотичних розладів психічної сфери серед комбатантів, стратифікованих за рівнем кардіоваскулярного ризику (КВР). Матеріали і методи. Первинною інформаційною базою для виконання дослідження стали результати комплексного клініко-анамнестичного обстеження 450 комбатантів, які попередньо були стратифіковані за рівнем кардіоваскулярного ризику, визначеним за методикою «SCORE». Результати. Частота реакцій психічної дезадаптації (РПД) у різних ризикометричних групах пацієнтів коливалась у межах від (37,8±4,4) % до (68,3±4,6) % та достовірно (р≤0,05) була вищою серед пацієнтів із реалізованим КВР, ніж в групах з різним його рівнем; при цьому достовірних відмінностей у частоті РПД залежно від рівня КВР не виявлено, що свідчить про відносно однаковий рівень психічної дезадаптації на донозологічному етапі реалізації КВР. Частота соматогенного астенічного симптомокомплексу (САСК) була найвищою серед пацієнтів із реалізованим КВР (становить (20,2±3,9) % та достовірно (р≤0,05) рідше діагностували САСК у ризикометричних групах пацієнтів з різним рівнем КВР. Виявлено, що достовірно меншою була частота САСК серед осіб із високим рівнем КВР (мінімальний КВР – (16,8±3,3) %, високий КВР – (8,8±2,8) %, р≤0,05. Таким чином, реалізація КВР і, відповідно, діагностування ССЗ є значимим фактором зростання частоти САСК серед таких пацієнтів. Гострі невротичні розлади (ГНР) з найбільш високою (р≤0,05) частотою діагностовано серед пацієнтів із високим КВР (становить (22,5±4,1) %), їх частота в п’ять разів вища ніж в інших ризикометричних групах осіб із КВР (коливається від 4,8 до 5,0 %) та втричі вища, ніж серед хворих на ССЗ (становить (7,7±2,6) %). Тобто гострі невротичні розлади маніфестують високий КВР, тоді як при нозологічному оформленні високого КВР (при діагностуванні ССЗ) частота ГНР достовірно зменшується. Частота невротичних розладів із затяжним перебігом виявлена достовірно (р≤0,05) вищою серед пацієнтів ризикометричних груп КВР (коливалась у межах від (10,4±2,7) % до (24,4±3,9) %), ніж серед хворих на ССЗ (становила (1,9±1,3) %), тоді як серед пацієнтів ризикометричних груп КВР вона була найменшою при низькому КВР та однаково більш високою при середньому та високому КВР (р≤0,05). Висновки. Визначені частота та характер непсихотичних порушень психічної сфери у комбатантів з різним рівнем КВР та доведено наявність найбільш високої частоти РПД в структурі цих порушень. Доведено, що частота САСК є найбільшою серед пацієнтів з реалізованим КВР та перевищує відповідний показник групи пацієнтів з високим КВР.

В останні роки значна увага дослідників присвячена проблемам поширення захворюваності на Лайм-бореліоз і вчасної діагностики цього захворювання, зокрема у дітей. Така проблема особливо актуальна в нашій країн, оскільки за 10 років захворюваність на хворобу Лайма зросла в 27 разів. Основна частина. На підставі ретельного і глибокого аналізу літератури в статті розглядаються проблеми діагностування хвороби Лайма, спричиненої збудниками, які потрапляють в організм унаслідок укусу інфікованих кліщів. У дітей і дорослих тривалий анамнез цих захворювань призводить до тяжких, часом незворотних наслідків. Вони можуть бути пов’язані з неадекватним і несвоєчасним встановленням діагнозу, що є серйозною проблемою, над вирішенням якої працюють учені багатьох країн світу. Висновок. Хвороба Лайма – це ендемічне захворювання, що набуває характеру пандемії, тому що число хворих на Лайм-бореліоз зростає. Імунітет проти Borrelia burgdorferi не довічний, і у частини людей, що перенесли Лайм-бореліоз (ЛБ), через деякий час можливе повторне зараження. Емпіричне лікування може знизити імунну відповідь, що призведе до помилково негативних результатів серологічних тестів.

Мета дослідження – з’ясувати частоту виявлення серологічних і паразитологічних маркерів збудників деяких інфекційних хвороб (Лайм-бореліозу, бартонельозу і лямбліозу) в пацієнтів із кропивʼянкою. Пацієнти і методи. Обстежено 52 хворих на кропивʼянку віком від 18 до 70 років, які протягом 2019-2022 рр. перебували на амбулаторному і стаціонарному лікуванні у КНП «Старокостянтинівська багатопрофільна лікарня» Хмельницької області. Чоловіків було 16 (30,8 %), жінок – 36 (69,2 %). У сироватках крові усіх обстежених методом імуноферментного аналізу (ІФА) визначали антитіла до антигенів комплексу B. burgdorferi s. l., застосувавши тест-системи компанії Euroimmun AG (Німеччина): класу IgМ − тест-системою Anti-Borrelia burgdorferi ELISA (IgM), класу IgG − Anti-Borrelia plus VIsE ELISA (IgG). Отримані результати оцінювали як позитивні, проміжні або негативні та інтерпретували відповідно до рекомендацій виробника. Сироваткові антитіла класу IgG до збудників бартонельозу (B. henselae / B. quintana) визначали в сироватці крові хворих за допомогою методу непрямої імунофлуоресценції (НІФ), застосувавши тест-системи «Mosaic for Bartonella henselae / Bartonella quintana (IgG)» компанії Euroimmun AG (Німеччина), вироблені за технологією «Біочіп». Для виявлення лямблій готували мазок нативного матеріалу фекалій, який досліджували у світлооптичному мікроскопі при малому і великому збільшенні (об. ×8, ×40, ок. ×10), шукали цистні форми паразита. Антитіла класу IgM до антигенів лямблій у сироватках крові пацієнтів із кропив’янкою визначали методом імуноферментного аналізу (ІФА), використавши набори «Лямблія-IgM-ІФА-Бест». Результати досліджень та їх обговорення. При дослідженні за допомогою ІФА сироваток крові пацієнтів з кропив’янкою позитивні або проміжні результати наявності антитіл класів M і/або G до комплексу B. burgdorferi s. l. отримано у 22 (42,3 %) осіб із 52, негативні результати – у 30 (57,7 %). Методом непрямої імунофлуоресценції в сироватках 4 (7,7 %) хворих із кропив’янкою діагностували специфічні імуноглобуліни класу G лише до B. henselaе. При паразитологічному дослідженні фекалій хворих із кропив’янкою цисти лямблій знайдено у 12 (23,1 %) осіб із 52 обстежених. За допомогою методу ІФА специфічні сироваткові антитіла класу М до антигенів лямблій виявили у 3 (5,8 %) пацієнтів із кропив’янкою з 52 обстежених. Висновки. Діагностування лямбліозу у 14 із 38 пацієнтів (36,8 %) з ідіопатичною кропив’янкою дає підстави вважати цей паразитоз тригерним фактором виникнення кропив’янки. Наявність у хворих на кропив’янку антитіл до B. burgdorferi s. l. та B. henselae може свідчити про причетність зазначених збудників кліщових інфекцій до виникнення цієї недуги. Такі обстеження пацієнтів з кропив’янкою у Хмельницькій області проведені вперше.

Анотація. Діагностичний процес психічних захворювань відрізняється від такого в інших клініках. Різниця полягає в тому, що хворі з психопатологічними розладами можуть спотворювати, приховувати свої окремі скарги, переживання і вимагають консультацій терапевта, невропатолога і за показаннями інших фахівців. Основні скарги групуються в симптоми, синдроми, включаючи результати об’єктивного обстеження, анамнез хвороби, життя, динаміку розвитку захворювання.

У статті здійснюється аналіз комплексу народних вірувань про епілепсію, який охоплює уявлення про етіологію цієї хвороби, превентивні засоби, діагностування та способи подолання недуги. Робота має на меті проаналізувати сучасні ірраціональні методи боротьби з епілепсією в локальному побутуванні та детально розглянути символічну складову традиційних лікувально-магічних обрядодій. Для дослідження було обрано Семенівський та Новгород-Сіверський райони Чернігівської області. Зафіксовано такі уявлення про причини появи епілепсії, як задавнений ляк або вроки, алкогольна залежність та вродженість. У статті здійснено детальний огляд основних методів ірраціонального лікування, які побутують у досліджуваних районах. Доведено, що основною їх метою є обман хвороби, що реалізується через символічне поховання й переродження, а також наближення до стану не-людини. До таких методів належать накривання чорною хусткою, переступання через хворого на порозі церкви та сідання оголеним задом на хворого.

Мета роботи: дослідити зміни осмотично-об’ємного індексу сечі у хворих на нейрохірургічну патологію, ускладену центральним нецукровим діабетом, установити його цифрові значення залежно від ступеня тяжкості патології. Матеріали і методи. Обстежено та проведено ретроспективне дослідження медичної документації у 52 нейрохірургічних пацієнтів, які перенесли черепно-мозкову травму (24), операцію з приводу пухлини мозку (14) та інсульту (14). Перебіг захворювання у них ускладнився центральним нецукровим діабетом різного ступеня тяжкості. Групу порівняння склали 20 нейрохірургічних хворих, у яких не відмічали нецукровий діабет. За показниками темпу діурезу та щільності сечі розробили інформаційний критерій діагностики нецукрового діабету та його тяжкості – осмотично-об’ємний індекс сечі. Результати досліджень та їх обговорення. У фізіологічних умовах з організму людини впродовж години зазвичай виділяється 0,8–1,0 мл∙кг-1 сечі. При цьому її щільність складає 1012–1025. Вимірявши темп діурезу та щільність сечі та розрахувавши за наведеною формулою у 20 пацієнтів групи порівняння осмотично-об’ємний індекс сечі, установили середні його значення: 8,0–12,0. При центральному нецукровому діабеті осмотично-об’ємний індекс сечі різко знижується, набуваючи значень ˂ 1,0. Установили, що при нецукровому діабеті легкого ступеня осмотично-об’ємний індекс сечі складає 0,6–0,41, середнього – 0,4–0,21, а тяжкого – ˂0,2–0,05.Показником ефективності інтенсивної терапії нецукрового діабету є зростання осмотично-об’ємного індексу сечі до норми. Для ранньої діагностики центрального нецукрового діабету у нейрохірургічних хворих доцільно проводити одночасне дослідження темпу діурезу і щільності сечі, за якими розраховувати осмотично-об’ємний індекс сечі згідно з запропонованою формулою. У нормі осмотично-об’ємний індекс сечі знаходиться в діапазоні значень 8,0–12,0. При центральному нецукровому діабеті легкого ступеня осмотично-об’ємний індекс сечі знижується до 0,6–0,41, середнього – до 0,4–0,21, а тяжкого – до 0,2–0,05. Ознакою ефективності інтенсивної терапії хворого на центральний нецукровий діабет є зростання осмотично-об’ємного індексу сечі ˃1,0 у кожній із дослідних порцій сечі.

Мета роботи – поліпшити набуття загальних та спеціальних компетентностей і засвоєння нових практичних навичок слухачами на кафедрі стоматології закладів (факультетів) післядипломної освіти щодо діагностування та тактики дій при ураженнях слизової оболонки порожнини рота при інфекційних хворобах. Основна частина. У статті наведено сучасні дидактичні підходи викладачів Інституту стоматології Національної медичної академії післядипломної освіти імені П. Л. Шупика МОЗ України до викладання питань уражень слизової оболонки порожнини рота при поширених інфекційних хворобах у процесі безперервного професійного розвитку лікарів-стоматологів з оволодінням ними новими загальними та спеціальними компетенціями та практичними навичками. Висновок. Набуття лікарями-стоматологами нових компетентностей та вдосконалення практичних навичок при їх підготовці на циклах тематичного удосконалення стоматологічних кафедрах закладів (факультетів) післядипломної освіти щодо діагностики та лікування уражень слизової порожнини рота при поширених інфекційних захворюваннях із використанням сучасних технологій є важливою складовою їх безперервного професійного розвитку та потребує запровадження як окрема складова у навчальний процес у масштабах країни.

У кваліфікаційній роботі магістра розв’язано науково-технічну задачу автоматизованого діагностування хвороб рослинних культур та створення супутніх засобів, необхідних для автоматизованого визначення захворювань рослинних культур за множиною наявних симптомів і їх параметрів та сортом рослини, що діагностується.

Розроблено алгоритмічне та програмне забезпечення системи діагностування патологічних процесів в рамках інформаційно-екстремальної інтелектуальної технології аналізу даних, яка базується на максимізації інформаційної спроможності системи в процесі машинного навчання. Досліджено вплив параметрів машинного навчання на функціональну ефективність системи діагностування патологічних процесів за результатами клініко-лабораторних досліджень.

Створенна автоматизована система призначена для допомоги в діагностуванні хвороби терапевтом. Реалізована автоматизація обліку даних про пацієнтів, клініки, лікарів. Автоматизований процес реєстрації візитів, отримання статистики та отримання діагнозу на базі заданих симптомів.

Дисертація є комплексним дослідженням теоретичних та практичних проблем присвячених автоматизованим системам діагностування стану пацієнтів, хворих на есенціальний тремор. Сучасна розробка з метою автоматизації процесу є актуальною для медичних закладів та лабораторій, що займаються проблемами невралгічного характеру: тремтіння кінцівок, есенціального тремору, хвороби Паркінсона та інші.
The purpose of the dissertation is to study and develop technology for automated diagnosis of essential tremor, which uses methods of computer simulation and processing of input information according to the developed mathematical models. Methods and software used in performing system development: Java programming language and its libraries, NetBeans IDE development environment, MatLab development and modeling environment, Agile software development methodology. With the technique of tremor identification by the spiral pattern the technology of assessment of the condition of patients of clinics and medical centers is developed.

Робота виконана на кафедрі автоматизації технологічних процесів і виробництв факультету прикладних інформаційних технологій та електроінженерії Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. Захист відбудеться «23» грудня 2019р.о 8.00год. на засіданні екзаменаційної комісії №43 у Тернопільському національному технічному університеті імені Івана Пулюя
В магістерській роботі проведено аналіз наявних методів розпізнавання зображень та методів застосування машинного навчання в медицині. Виконано розроблення програмного пакету для розмічування радіологічних зображень а також власне розмічування цих зображень для їх розпізнавання та діагностування захворювань.
In the master's work the analysis of the available methods of image recognition and use of machine learning methods in medicine is carried out. The software package for marking radiological images has been developed, as well as the actual marking of these images for their recognition and diagnosis of diseases.
Вступ 8 1 Аналітична частина. Загальний огляд проблематики. вибір та опис використаних систем та методів 10 1.1 Обробка зображення та розпізнавання образів 10 1.1.1 Обробка зображення 10 1.1.2 Розпізнавання образів 12 1.2 Діагностика хвороб за допомогою аналізу зображень 16 1.2.1 Медична візуалізація 16 1.2.2 Комп'ютерна діагностика медичних зображень 17 1.2.3 Сучасний стан досліджень КД 18 1.2.4 Виявлення легеневих вузликів на ЗП та бічних рентгенограмах грудної клітки 19 1.2.5 Виявлення переломів хребців на бічних рентгенограмах грудної клітки 20 1.2.6 Виявлення внутрішньочерепної аневризми при МРА 20 1.2.7 Виявлення змін інтервалів у послідовних скануваннях кісток усього тіла 21 2 Науково-дослідна частина Формати медичних зображень 22 2.1 Особливості медичних зображень 22 2.1.1 Глибина пікселя 23 2.1.2 Фотометрична інтерпретація 24 2.1.3 Метадані 25 2.1.4 Дані пікселів 26 2.2 Стандартні формати зображень в медицині 27 2.2.1 BMP 28 2.2.2 TIFF 29 2.2.3 JPEG 29 2.2.4 GIF 30 2.2.5 MPEG 30 2.3 Спеціальні медичні формати 31 2.3.1 Analyze 31 2.3.2 Nifti 32 2.3.3 Minc 33 2.4 DICOM 34 3 Технологічна частина згорткові нейронні мережі 37 3.1 Штучні нейронні мережі 37 3.1.1 Перенавчання 38 3.2 Згорткові нейронні мережі 38 3.3 Архітектура ЗНН 39 3.3.1 Загальна архітектура 40 3.3.2 Згортковий шар 41 3.3.3 Шар пулінгу 43 3.4 Рекуррентна згорткова нейронна мережа 44 3.4.1 Рекуррентні нейронні мережі 44 3.5 Модель рекуррентної згорткової нейронної мережі 45 3.5.1 Рекуррентний згортковий шар 45 3.6 Штучні згорткові нейронні мережі для розпізнавання образів медичної візуалізації 48 3.7 Огляд задач, які вирішуються при використанням ЗНМ при обробці зображень 50 3.7.1 Класифікація 50 3.7.2 Використання згорткових нейронних мереж для класифікації зображень 51 3.7.3 Семантична сегментація 52 3.7.4 Розпізнавання об’єктів 55 3.7.5 Instance Segmentation 57 3.8 Використання ЗНМ для класифікації зображень 57 3.8.1 AlexNet 57 3.8.2 GoogleNet 59 3.8.3 ResNet 59 3.9 Використання ЗНМ для семантичної сегментації 60 3.9.1 U-Net 60 3.10 Використання ЗНМ для детектування об’єктів 61 3.10.1 YOLO 61 3.11 Метрики точності нейромереж для класифікації 62 3.11.1 Точність класифікації 62 3.11.2 Логарифмічна втрата 63 3.11.3 Матриця помилок 63 3.11.4 Площа під кривою 64 3.11.5 F1 показник 65 3.11.6 Середньоквадратична похибка 66 3.12 Метрики точності нейромереж для семантичної сегментації 67 3.12.1 Піксельна точність 67 3.12.2 Коефіцієнт флористичної спільності (коефіцієнт Жаккара) 68 3.12.3 Індекс Соренсена (показник F1) 69 3.13 Функції втрат для класифікації 70 3.13.1 Перехресна ентропія 70 3.13.2 Hinge 72 3.13.3 Функція втрат Г’юбера 73 3.13.4 Розбіжність Куллбека-Лайблера 74 3.13.5 Найменше абсолютне відхилення та найменше квадратне відхилення 74 3.14 Навчання нейромереж на вибірці з незбалансованими класами 75 3.14.1 Навчання з незбалансованих даних за допомогою Гауссової оцінки та моделювання шуму 78 3.14.2 Генерування прикладів даних за допомогою гаусової CPS 83 3.15 Розробка нейромереж за допомогою бібліотеки TensorFlow 88 3.15.1 Архітектура TensorFlow 88 3.15.2 Тензор 89 3.15.3 Графік 89 3.15.4 Як працює TensorFlow 91 3.16 Нейромережевий класифікатор на основі TensorFlow 91 3.16.1 Імпорт пакетів 91 3.16.2 Завантаження даних 92 3.16.3 Підготовка даних 93 3.16.4 Створення моделі 94 3.16.5 Навчання моделі 95 3.16.6 Візуалізація результатів навчання 97 3.17 Збільшення продуктивності моделі 98 3.17.1 Перенавчання 98 3.17.2 Розширення даних 99 3.17.3 Дропаут 102 3.17.4 Навчання мережі 103 3.17.5 Візуалізація моделі 105 4 Конструкторська частина 106 4.1 Машинне навчання у мамографії 107 4.2 ШІ у кардіології 108 4.3 Висновок до розділу 109 5 Спеціальна частина 111 5.1 Стан проблеми 111 5.2 Підготовка даних 112 5.3 DicomImageMarker 117 6 Обґрунтування економічної ефективності 120 6.1 Обчислення затрат на розробку програмного модуля 120 6.2 Визначення експлуатаційних витрат 126 6.3 Визначення економічної ефективності і терміну окупності капітальних вкладень 130 7 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 132 7.1 Міжнародна система безпеки при медичному опроміненні 134 7.1.1 Виправданість практичної діяльності при медичному опроміненні 134 7.1.2 Оптимізація захисту при медичному опроміненні 134 7.1.3 Межі дози при медичному опроміненні 135 7.2 Заходи щодо обмеження медичного опромінення при променевій діагностиці 136 7.2.1 Радіаційна безпека при проведенні рентгенологічних досліджень 137 7.3 Захист від випромінювання 138 7.3.1 Гарантування радіаційної безпеки медперсоналу рентгенівських відділень 139 7.3.2 Гарантування радіаційної безпеки пацієнтів при рентгенографії 140 7.3.3 Засоби для гарантування радіаційного захисту медперсоналу та пацієнтів 142 8 ЕКОЛОГІЯ 143 8.1 Енергозбереження і його роль у вирішенні екологічних проблем. 143 8.1.1 Енергоефективність у даному проекті 145 8.2 Джерела електромагнітних полів, іонізуючих випромінювань 146 8.3 Методи знешкодження електромагнітних полів та іонізуючого випромінювання 149 ВИСНОВКИ 151 Бібліографія 152 ДОДАТКИ 160 Додаток А Лістинг програми 161 Додаток Б Ілюстративні матеріали 169

Кваліфікаційна робота присв’ячена розробці багатокритеріальної системи підтримки прийняття рішень для діагностування вірусних захворювань в умовах пандемії. В першому розділі кваліфікаційної роботи описано пандемію та системи підтримки прийняття рішень. Подано огляд та аналіз літературних джерел. Досліджено епідеміологічне моделювання даних. Розглянуто модель діагностування вірусних захворювань та модель для прогнозування заражених вірусом. В другому розділі кваліфікаційної роботи спроектовано структуру системи підтримки прийняття рішень для діагностування вірусних захворювань в умовах пандемії. Описано алгоритм комплексного підходу до багатокритеріального аналізу в умовах пандемії. Подано компоненти багатокритеріальних рішень щодо діагностування вірусних захворювань в умовах пандемії. В третьому розділі кваліфікаційної роботи проведено оцінювання результатів аналітичного опрацювання. Проаналізовано отримані результати. Qualification work is devoted to the development of a multi-criteria decision support system for diagnosing viral diseases in a pandemic. The first section of the qualification describes the pandemic and decision support systems. A review and analysis of literature sources is presented. Epidemiological modeling of data has been studied. A model for diagnosing viral diseases and a model for predicting virus infections are considered. In the second section of the qualification work the structure of the decision support system for diagnosing viral diseases in a pandemic is designed. An algorithm for an integrated approach to multicriteria analysis in a pandemic is described. Components of multicriteria solutions for diagnosing viral diseases in a pandemic are presented. In the third section of the qualification work the evaluation of the results of analytical elaboration was carried out. The obtained results are analyzed.
ВСТУП 9 1 ПАНДЕМІЯ, СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ТА ЕПІДЕМІОЛОГІЧНЕ МОДЕЛЮВАННЯ ДАНИХ 11 1.1 ПАНДЕМІЯ ТА СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ 11 1.2 ОГЛЯД ТА АНАЛІЗ ЛІТЕРАТУРНИХ ДЖЕРЕЛ 13 1.3 ЕПІДЕМІОЛОГІЧНЕ МОДЕЛЮВАННЯ ДАНИХ 15 1.4 ВИСНОВОК ДО ПЕРШОГО РОЗДІЛУ 22 2 МЕТОД, КОМПОНЕНТИ, АЛГОРИТМ ТА СТРУКТУРА СИСТЕМИ ПРИЙНЯТТЯ РІШЕНЬ ЩОДО ДІАГНОСТУВАНЬ ВІРУСНИХ ЗАХВОРЮВАНЬ 23 2.1 ДАНІ ДЛЯ ПРИЙНЯТТЯ РІШЕНЬ 23 2.2 ПЕРВИННА ПІДГОТОВКА ДОСЛІДЖУВАНИХ ДАНИХ 24 2.3 МЕТОДИ АНАЛІТИЧНОГО ОПРАЦЮВАННЯ ДАНИХ В УМОВАХ ПАНДЕМІЇ 26 2.4 ЕТАПИ КЕРУВАННЯ ТА ОБРОБКИ ДАНИХ В БАГАТОКРИТЕРІАЛЬНІЙ СИСТЕМІ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ДЛЯ ДІАГНОСТУВАННЯ ВІРУСНИХ ЗАХВОРЮВАНЬ 29 2.5 ПРИЙНЯТТЯ РІШЕНЬ В УМОВАХ ПАНДЕМІЇ 31 2.6 КОМПОНЕНТИ БАГАТОКРИТЕРІАЛЬНИХ РІШЕНЬ ЩОДО ДІАГНОСТУВАННЯ ВІРУСНИХ ЗАХВОРЮВАНЬ В УМОВАХ ПАНДЕМІЇ 32 2.7 АЛГОРИТМ КОМПЛЕКСНОГО ПІДХОДУ ДО БАГАТОКРИТЕРІАЛЬНОГО АНАЛІЗУ В УМОВАХ ПАНДЕМІЇ 33 2.8 СТРУКТУРА СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ДЛЯ ДІАГНОСТУВАННЯ ВІРУСНИХ ЗАХВОРЮВАНЬ В УМОВАХ ПАНДЕМІЇ 35 2.9 НАЛАШТУВАННЯ ТА ІНІЦІАЛІЗАЦІЯ ПРОЦЕСУ НАВЧАННЯ СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ 36 2.10 СИСТЕМА ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ – ІДЕНТИФІКАЦІЙНИЙ ОГЛЯД ЛІКАРЕМ ГРОМАДЯН ЩО ПЕРЕВІРЯЮТЬСЯ НА COVID-19 37 2.11 ВИСНОВОК ДО ДРУГОГО РОЗДІЛУ 40 3 АНАЛІЗ РЕЗУЛЬТАТІВ ДОСЛІДЖЕННЯ ТА МОДЕЛЮВАННЯ 41 3.1 ОЦІНЮВАННЯ РЕЗУЛЬТАТІВ АНАЛІТИЧНОГО ОПРАЦЮВАННЯ 41 3.2 РІВЕНЬ ЗАХВОРЮВАННЯ COVID-19 ТА ДЕМОГРАФІЧНІ ПОКАЗНИКИ СТАЦІОНАРНИХ ГРОМАДЯН ЩО ПЕРЕВІРЯЮТЬСЯ НА COVID-19 49 3.3 АНАЛІЗ ОТРИМАНИХ РЕЗУЛЬТАТІВ 51 3.4 ВИСНОВОК ДО ТРЕТЬОГО РОЗДІЛУ 55 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 57 4.1 БЕЗПЕКА ПРАЦІ МЕДИЧНОГО ПЕРСОНАЛУ ПІД ЧАС ПАНДЕМІЇ 57 4.2 ФАКТОРИ ЩО ВПЛИВАЮТЬ НА ФУНКЦІОНАЛЬНИЙ СТАН КОРИСТУВАЧА КОМП'Ю ТЕРА 61 ВИСНОВКИ 66 ПЕРЕЛІК ДЖЕРЕЛ 68 ДОДАТКИ