Попередня Наступна

ПОТОЧНИЙ НОМЕР

№4' 2020p.

ТЕРАПІЯ
DOI (https://doi.org/10.37436/2308-5274-2020-4-2)

АРТЕРІАЛЬНИЙ ТИСК, ІПОХОНДРІЯ ТА ДЕПРЕСІЯ: МАТЕМАТИЧНІ МОДЕЛІ ВЗАЄМОЗВ'ЯЗКУ

Проф. І. В. ДРОЗДОВА, канд. мед. наук М. О. ПАВЛОВСЬКА, проф. С. А. ПАВЛОВСЬКИЙ
Київський міжнародний університет, Україна

Описано розроблені математичні моделі взаємозв'язку систолічного артеріального тиску й психологічних показників іпохондрії та депресії. Наведені моделі, методи та програмне забезпечення дали змогу створити інформаційну технологію підтримки прийняття рішень для діагностики нозогеній і вибору тактики лікування хворих на артеріальну гіпертензію. Ключові слова: артеріальна гіпертензія, математична статистика, артеріальний тиск, іпохондрія, депресія, інформаційна технологія.

Ключові слова: артеріальна гіпертензія, математична статистика, артеріальний тиск, іпохондрія, депресія, інформаційна технологія.

АРТЕРИАЛЬНОЕ ДАВЛЕНИЕ, ИПОХОНДРИЯ И ДЕПРЕССИЯ: МАТЕМАТИЧЕСКИЕ МОДЕЛИ ВЗАИМОСВЯЗИ

И. В. ДРОЗДОВА, М. А. ПАВЛОВСКАЯ, С. А. ПАВЛОВСКИЙ

Описаны разработанные математические модели взаимосвязи систолического артериального давления и психологических показателей ипохондрии и депрессии. Представленные модели, методы и программное обеспечение позволили создать информационную технологию поддержки принятия решений для диагностики нозогений и выбора тактики лечения больных артериальной гипертензией.

Ключевые слова: артериальная гипертензия, математическая статистика, артериальное давление, ипохондрия, депрессия, информационная технология.

BLOOD PRESSURE, HYPOCHONDRIA AND DEPRESSION: MATHEMATICAL MODELS OF RELATIONSHIP

I. V. DROZDOVA, M. O. PAVLOVSKA, S. A. PAVLOVSKYI

The developed mathematical models of the relationship between systolic blood pressure and psychological indices of hypochondria and depression have been described. These models, methods and software allowed the creation of an information technology to support decision−making for the diagnosis of nosogeny and the choice of treatment tactics for the patients with hypertension.

Key words: arterial hypertension, mathematical statistics, arterial pressure, hypochondria, depression, information technology.




REFERENCES


1. Guidelines for the Early Management of Patients with Acute Ishemic Stroke: A Guidelines for Healthcare Professionals from the American Heart Association/American Stroke Association / W. Powers et al. // Stroke, https:doi.org/10.1161/STR.0000000000000158. Accessed 24 January 2018. URL: https://online.epocrates.com/diseases/107862/Ischemic−stroke/Guidelines doi: https://doi.org/10.1161/str.0000000000000172

2. Atlas Writing Group. European Society of Cardiology: Cardiovascular Disease Statistics 2017 / A. Timmis et al. // Eur. Heart J. 2017. Vol. 27.

3. Osnovnі pokazniki іnvalіdnostі ta dіyal'nostі mediko−sotsіal'nikh ekspertnikh komіsіi Ukraїni za 2019 rіk: analіtiko−іnformatsіinii dovіdnik / A. V. Іpatov ta іn. Dnіpro: Aktsent PP, 2020. 183 c.

4. Khachapurіdze T. M. Іnformatsіina tekhnologіya pіdtrimki priinyattya rіshen' v sistemі monіtoringu pri dіagnostitsі zakhvoryuvan'. K., 2006. № 21.

5. Pristavka P. O., Dereza A. Yu. Іnformatsіino−dіagnostichna sistema "ViStA Med" obrobki signalіv arterіal'nogo tisku dobovogo monіtoruvannya // Elektronіka ta sistemi upravlіnnya. 2006. № 2 (8). S. 13−18.

6. Pristavka P. O. Polіnomіal'nі splaini pri obrobtsі danikh. Dnіpropetrovs'k: Vid−vo DGU, 2004. 236 s.

7. Krishtal' V. V., Drozdova І. V., Dzyak G. V. Nozogenії pri arterіal'nіi gіpertenzії. Dnіpro: Porogi, 2008. 288 s.

8. Statistichna obrobka danikh / V. P. Babak, A. Ya. Bіlets'kii, O. P. Pristavka, P. O. Pristavka. K.: MІVVTs, 2001. 388 s.

9. Faktornyi, diskriminantnyi i klasternyi analiz / Dzh. O. Kim i dr. M.: Finansy i statistika, 1989. 215 s.

10. Aivazyan S. A., Bezhaeva Z. I., Staroverov O. V. Klassifikatsiya mnogomernykh nablyudenii. M.: Statistika, 1974. 240 s.

11. Afifi A., Eizen S. Statisticheskii analiz. Podkhod s ispol'zovaniem EVM. M.: Mir, 1982. 488 s.

12. Dyuran B., Odell P. Klasternyi analiz. M.: Statistika, 1975. 128 s.

13. Khaikin S. Neironnye seti. Polnyi kurs. M.: Vil'yams, 2006. 1104 s.

14. Pristavka O. P., Matsuga O. M. Algoritmіzatsіya obrobki neodnorіdnikh danikh na osnovі dvovimіrnogo splain−normal'nogo rozpodіlu. Matematichne modelyuvannya. Dnіprodzerzhins'k, 2008. № 2 (19). S. 10−15.

15. Pristavka A. F., Raiko O. V. Smesi i splain−raspredeleniya na neodnorodnykh normal'nykh prostranstvakh. Dnepropetrovsk: Izd−vo DGU, 1987. 233 s.

16. Matsuga O. M. Іnformatsіina tekhnologіya obrobki neodnorіdnikh medichnikh danikh dlya pіdtrimki priinyattya rіshen' pіd chas dіagnostiki. Dnіpropetrovs'k. 2007. 18 s.

17. Hosmer D. W., Lemeshow S. Applied Logistic Regression. New York, Chichester, Wiley, 2002. 392 r.

18. Khachapuridze T. N. Modelirovanie monitoringa serdechno−sosudistoi sistemy // Aktual'nі problemi avtomatizatsії ta іnformatsіinikh tekhnologіi. 2003. № 7. S. 142−149.

19. Dereza A. Yu. Doslіdzhennya ta vprovadzhennya іnformatsіinikh tekhnologіi operativnogo analіzu v sistemakh medichnogo monіtoringu. Dnіpropetrovs'k, 2006. 22 s.

20. Dereza A. Yu., Pristavka P. O. Kuskovo−markіvs'ka model' protsesu zmіni arterіal'nogo tisku za chasom // Aktual'nі problemi avtomatizatsії ta іnformatsіinikh tekhnologіi. 2005. № 9. S. 3−12.



Завантажити статтю в форматі PDF (1 MB)
Наверх