Badanie wiarygodności procedur detekcji zagrożeń epidemiologicznych

• Autorzy: Ameljańczyk A.

Warianty tytułu

EN

Reliability assessment of epidemiological detection procedures

• Języki publikacji: PL

Abstrakty

PL

Praca jest kontynuacją pracy „Modelowanie i optymalizacja procedur detekcji zagrożeń epidemiologicznych”. Przydatność modelu detekcji zagrożeń epidemiologicznych i zastosowanej metody detekcyjnej w praktyce w dużym stopniu zależy od wiarygodności uzyskanych wyników. W pracy zdefiniowano charakterystyki jakościowe komputerowej procedury detekcyjnej takie jak : informacyjność wyników badań sanitarnych, wyrazistość i niejednoznaczność rozpoznania oraz kompleksowy wskaźnik wiarygodności procedury detekcyjnej. Głównym wynikiem realizacji algorytmu ustalenia wstępnego rozpoznania zagrożenia jest zbiór zagrożeń od których nie ma bardziej prawdopodobnych oraz jego ranking. Wiarygodność procedury detekcyjnej a zatem i jej wyniku, jest funkcją wielu czynników między innymi takich jak „zawartość” zbioru M ( wzorców zagrożeń) oraz wiarygodności danych o symptomach i czynnikach ryzyka zagrożenia w rejonie.

EN

The work is a continuation of the work "Modeling and optimization of procedures for detecting epidemiological threats". The usefulness of the epidemiological threat detection model and the detection method used in practice largely depends on the reliability of the results obtained. The work defines the qualitative characteristics of the computer detection procedure, such as: information on the results of sanitary tests, clarity and ambiguity of the diagnosis and a comprehensive indicator of the reliability of the detection procedure. The main result of the implementation of the algorithm for the preliminary identification of a threat is the set of threats from which there are no more probable ones and its ranking. The credibility of the detection procedure and, hence, its result, is a function of many factors, including such as the "content" of the set (hazard patterns) and the reliability of data on symptoms and risk factors in the region.

Słowa kluczowe

PL

informacyjność wyników; wyrazistość rozpoznania; niejednoznaczność rozpoznania; wiarygodność procedury detekcyjnej

EN

informative results; clarity of recognition; ambiguity of recognition; reliability of detection procedure

• Wydawca: Centrum Rzeczoznawstwa Budowlanego Sp. z o.o.
• Czasopismo: Modern Engineering
• Rocznik: 2017
• Tom: 1
• Strony: 11--19
• Opis fizyczny: Bibliogr. 22 poz., rys.

Twórcy

autor

Ameljańczyk A.

• Wojskowa Akademia Techniczna, Warszawa

Bibliografia

• [1] M. Allan, Crash Course – wywiad i badania przedmiotowe, Elsevier Urban&Partner, Wrocław, 2005.
• [2] R.M. Anderson and R.M. May. Directly transmitted infectious diseases: control by vaccination. Science, 215:1053-1060, 1982.
• [3] R.M. Anderson and R.M. May, editors. Infectious Diseases of Humans: Dynamics and Control, Oxford University Press, Oxford, 1991
• [4] A. Ameljańczyk, Optymalizacja wielokryterialna w problemach sterowania i zarządzania, Ossolineum, 1984.
• [5] A. Ameljańczyk, „Matematyczny model przestrzeni życia w komputerowym systemie wspomagania decyzji medycznych”, I Krajowa Konferencja „Systemy Komputerowe i Teleinformatyczne w Służbie Zdrowia”, Warszawa 2009.
• [6] A. Ameljańczyk, „Matematyczny model wspomagania diagnozowania medycznego na podstawie symptomów chorobowych i czynników ryzyka”, VII Konferencja Naukowa Modelowanie Cybernetyczne Systemów Biologicznych, MCSB2010, Kraków, 2010.
• [7] A. Ameljańczyk, P. Długosz, M. Strawa, „Komputerowa implementacja algorytmu wyznaczania wstępnej diagnozy medycznej”, VII Konferencja Naukowa Modelowanie Cybernetyczne Systemów Biologicznych, MCSB2010, Kraków, 2010.
• [8] A. Ameljańczyk, Matematyczne aspekty modelowania pajęczynowego obiektów, Biuletyn ISI, Nr 4, 2009.
• [9] A. Ameljańczyk, Wielokryterialne mechanizmy wspomagania podejmowania decyzji medycznych w modelu repozytorium w oparciu o wzorce, Biuletyn ISI, Nr 5, 2010.
• [10] H.L.C. Beynon i inni, „Interpretacja danych klinicznych w pytaniach i opisach przypadków”, Elsevier Urban&Partner, Wrocław, 2007.
• [11] R. Douglas Collins, Algorytmy interpretacji objawów klinicznych,Medipage, Warszawa, 2010.
• [12] W.O. Kermack and A.G. McKendrick. Contributions to the mathematical theory of epidemics, Proc. R. Soc. Lond. A, 115:700{721, 1927.
• [13] F. Kokot, Diagnostyka różnicowa objawów chorobowych,WL PZWL, Warszawa, 2007.
• [14] F. Kokot, S. Kokot, Badania laboratoryjne – zakres norm i interpretacja,WL PZWL, Warszawa, 2002.
• [15] J.D. Murray, Mathematical biology. II. Spatial models, Springer-Verlag, Berlin, Heidelberg, New York, 2001.
• [16] Z. Pawlak, Rough Sets, International Journal of Computer and Information Sciences, vol. 11, 341-356 (1965).
• [17] E. Sanchez, „Medical diagnosis and composite fuzzy relations”, Advances in fuzzy sets theory and applications, North--Holland, 1979.
• [18] W. Siegenthaler, Rozpoznanie różnicowe w medycynie wewnętrznej, Tom 1-2, Medipage, Warszawa, 2009.
• [19] P. Smets, „Medical diagnosis fuzzy sets and degrees of belief”, Fuzzy sets and Systems, vol. 5, 1981.
• [20] The Merck Manual, Objawy kliniczne, Elsevier Urban&Partner, Wrocław, 2010.
• [21] H. Wechsler, „Applications of fuzzy logic to medical diagnosis”, Proc. Symp. on Multiple – Valned Logic, Logan 1975.
• [22] P.L. Yu, G. Leitmann, Compromise solutions, domination structures and Salukwadze’s solution, JOTA, vol.13, 1974.