Prof. dr hab. inż. Andrzej AELJAŃCZYK Wojskowa Akadeia Techniczna, Warszawa BADANIE WIAYGODNOŚCI POCEDU DETEKCJI ZAGOŻEŃ EPIDEIOLOGICZNYCH ELIABILITY ASSESSENT OF EPIDEIOLOGICAL DETECTION POCEDUES Streszczenie Praca jest kontynuacją pracy odelowanie i optyalizacja procedur detekcji zagrożeń epideiologicznych. Przydatność odelu detekcji zagrożeń epideiologicznych i zastosowanej etody detekcyjnej w praktyce w duży stopniu zależy od wiarygodności uzyskanych wyników. W pracy zdefiniowano charakterystyki jakościowe koputerowej procedury detekcyjnej takie jak : inforacyjność wyników badań sanitarnych, wyrazistość i niejednoznaczność rozpoznania oraz kopleksowy wskaźnik wiarygodności procedury detekcyjnej. Główny wynikie realizacji algorytu ustalenia wstępnego rozpoznania zagrożenia jest zbiór zagrożeń od których nie a bardziej prawdopodobnych oraz jego ranking. Wiarygodność procedury detekcyjnej a zate i jej wyniku, jest funkcją wielu czynników iędzy innyi takich jak zawartość zbioru ( wzorców zagrożeń) oraz wiarygodności danych o syptoach i czynnikach ryzyka zagrożenia w rejonie. Słowa kluczowe : inforacyjność wyników, wyrazistość i niejednoznaczność rozpoznania wiarygodność procedury detekcyjnej Suary The work is a continuation of the work "odeling and optiization of procedures for detecting epideiological threats". The usefulness of the epideiological threat detection odel and the detection ethod used in practice largely depends on the reliability of the results obtained. The work defines the qualitative characteristics of the coputer detection procedure, such as: inforation on the results of sanitary tests, clarity and abiguity of the diagnosis and a coprehensive indicator of the reliability of the detection procedure. The ain result of the ipleentation of the algorith for the preliinary identification of a threat is the set of threats fro which there are no ore probable ones and its ranking. The credibility of the detection procedure and, hence, its result, is a function of any factors, including such as the - 1 -
"content" of the set (hazard patterns) and the reliability of data on syptos and risk factors in the region. Key words: inforative results, clarity and abiguity of recognition, reliability of the detection procedure 1.WPOWADZENIE Jakość uzyskanego rozpoznania wstępnego rozuianego jako jego przydatność detekcyjna zależy od bardzo wielu czynników. W pracy przedstawiono główne aspekty decydujące o jakości generowanych przez algoryt wstępnego rozpoznania zagrożeń. Zbadano iędzy innyi takie charakterystyki jakościowe jak : inforacyjność wyników badan sanitarnych, wyrazistość rozpoznania zagrożenia, niejednoznaczność rozpoznania oraz kopleksowy wskaźnik jakościowy zwany wiarygodnością rozpoznania zagrożenia. Dodatkowy rezultate prezentowanej pracy jest syulacyjna etoda badania charakterystyk jakościowych procedury detekcyjnej opartej na rozpoznawaniu wzorców zagrożeń epideiologicznych. etoda ta pozwala na generowanie danych syulacyjnych dotyczących syptoów zagrożeń, aktualnych czynników ryzyka jak również całego repozytoriu wzorców zagrożeń epideiologicznych w dowolnych scenariuszach sytuacyjnych. Dla każdego przebiegu detekcyjnego określane są wartości poszczególnych charakterystyk jakościowych, świadczących o praktycznej przydatności uzyskanego rozpoznania zagrożenia epideiologicznego. Wartości tych charakterystyk niosą dodatkową inforację analityczną ożliwą do wykorzystania przez organ nadzoru sanitarnego. Duża podatność syulacyjna algorytu wynikająca z prostoty generowania danych syulacyjnych przy różnych scenariuszach uożliwia łatwe badanie poszczególnych charakterystyk jakościowych oraz określanie ich wartości progowych skutkujących odrzucenie bądź przyjęcie rozpoznania o faktyczny zagrożeniu epideiologiczny. Z punktu widzenia istotności wspoagania koputerowego w procesie wsparcia procedury detekcyjnej szczególnie ważna jest inforacja o stopniu wiarygodności otrzyanych wyników, gdyż to decyduje o ożliwości ich wykorzystania. Z punktu widzenia przydatności wspoagania koputerowego w procesie detekcji zagrożeń szczególnie ważna jest inforacja o stopniu wiarygodności otrzyanych wyników, gdyż to decyduje o ożliwości ich wykorzystania. 2. WIAYGODNOŚĆ POCEDUY DETEKCYJNEJ Algoryt detekcyjny jest tak skonstruowany, że niezależnie od jakości inforacyjnej uzyskanych wyników z wywiadów, badań laboratoryjnych jak również niezależnie od zawartości repozytoriu (zbiór wzorców zagrożeń) - 2 -
prowadzi do wyniku w postaci zbioru Pareto i jego rankingu. Jeśli jednak w zbiorze nie a wzorca występującego w praktyce zagrożenia to oczywiście nie jest ożliwe jego wyznaczenie jako rozpoznania zagrożenia. Obok więc saego rozpoznania ważna jest inforacja o stopniu wiarygodności całej procedury jak również istotności inforacyjnej uzyskanych wyników badań sanitarnych. Taką inforację i wiele innych charakterystyk ożna uzyskać analizując otrzyane wyniki wspoagania koputerowego. Badanie testowe koputerowej aplikacji algorytu [6] w pełni potwierdziły taką ożliwość. Odpowiednie wykalibrowanie odelu i algorytu pozwalają kwalifikować uzyskane wyniki w oparciu o np. stopnie wiarygodności rozpoznania. Położenie podzbioru obrazów odległościowych zbioru rozpoznań wstępnego oszacowania bardzo zależy od jakości inforacyjnej wyników badań (na ile są one wyraziste ) i oczywiście od liczności zbioru zawierającego wzorce zagrożeń epideiologicznych (od zawartość repozytoriu wzorców). Eleente charakteryzujący d o x położenie tego zbioru jest tzw. punkt idealny, który jest krese dolny podzbioru przy przyjęty odelu relacji podobieństwa (odel Pareto) [3,20]. Jego odległość od obrazu wzorca wirtualnego zagrożenia najbardziej prawdopodobnego (czyli od punktu (0,0) ) jest iarą wiarygodności uzyskanego wyniku. Sybole w x, oznaczyy stopień wiarygodności uzyskanego rozpoznania w oparciu o wyniki badań f x [6], w rejonie x X oraz liczność repozytoriu wzorców zagrożeń, reprezentowanych przez zbiór. wx, 1 q 0, 0 yx 1 yx, p 1 (1) ola paraetru p w wyznaczaniu konkretnej postaci nory (3.1) jest oówiona dokładnie w [3,20].W praktyce stosujey najczęściej p=2, otrzyując zwykłą geoetryczną odległość. Na rys.1 pokazane są dwie sytuacje detekcyjne otrzyane w wyniku działania algorytu przy ty say repozytoriu a różnych zestawach wyników badań w różnych rejonach (rejon x X oraz rejon x X ). Detekcyjna przestrzeń podobieństwa, w której badane jest położenie obrazów zagrożeń uzyskanych w wyniku badań w rejonach jest znoralizowana do [0,1] x [0,1]. W zależności od wyników badań (bardziej wyraziste lub niej wyraziste ) dla poszczególnych rejonów otrzyuje się odpowiednie skupienia punktów. Tworzą one pewne charakterystyczne,wydzielone podzbiory (chury punktów). d o x yx p - 3 -
d 2() 1 yx yx ys.1 Detekcyjna przestrzeń podobieństwa 1 d 1() Odległość q 0,0, yx w przypadku rejonu x X jest znacznie większa od odległości (liczby) q,0, yx 0 przy tej saej zawartości repozytoriu wzorców zagrożeń epideiologicznych. Liczby te charakteryzują wiarygodność rozpoznań zagrożeń w poszczególnych rejonach przy ty say repozytoriu wzorców zagrożeń. ay zate sytuację: q 0, 0, yx q0, 0, yx w x, wx, A to oznacza, że uzyskane rozpoznanie dotyczące rejonu x jest znacznie niej wiarygodne. Wyniki badań w rejonie x X posiadają zate znaczenie większą inforacyjność detekcyjną ( patrz (18),(19) ) niż wyniki badań uzyskane w rejonie x X. 3. INFOACYJNOŚĆ WYNIKÓW BADAŃ Stopień inforacyjności wyników badań (w aspekcie syptoów i czynników ryzyka) dla poszczególnych zagrożeń ożna określić następującyi liczbai [5,6] : i S x wx, s S x k o s k s k - 4 -
i x wx r x l o - 5 -, rl rl (2) ożey zate napisać iż stopień wiarygodności rozpoznania zagrożenia jest funkcją zawartości repozytoriu (dokładnie liczności tego zbioru) oraz inforacyjności oraz wx, f x, x, is x ir x i s 4. NIEJEDNOZNACZNOŚĆ I WYAZISTOŚĆ OZPOZNANIA Istnieje wiele innych charakterystyk oawianych echanizów wnioskowania detekcyjnego, ających duże znaczenie inforacyjne dla inspektora sanitarnego. Wynikają one głównie z analizy własności zbioru Pareto otrzyanych wyników detekcyjnych. Są to iędzy innyi : wskaźnik niejednoznaczności rozpoznania zagrożenia epideiologicznego w rejonie 1 axf y yy N nx (3) n x x X F 1 wyrazistość rozpoznania s s x Y N Y N i r x 1 (4) Wszystkie te charakterystyki łącznie ze znajoością zawartości zbioru rozpoznań od których nie a bardziej prawdopodobnych oraz jego rankingu tworzą zestaw inforacji wspoagających proces rozpoznania wstępnego. Dokładna analiza wyników procedury detekcyjnej a przede wszystki wartości paraetrów jakościowych zrealizowanej procedury są podstawą decyzji sanitarnych co do dalszych czynności związanych z zagrożenie epideiologiczny. 5. SYULACYJNE BADANIA JAKOŚCI POCEDU DETEKCYJNYCH Opracowany algoryt wyznaczania rozpoznania wstępnego jak i jego najważniejsze własności zostały poddane badanio syulacyjny z wykorzystanie zaprojektowanego syulatora [6]. Aplikacja syulatora została napisana w oparciu o technologie icrosoft.net Fraework. W procesie ipleentacji został zastosowany język C#. Środowisko projektowe, którego użyto do wykonania oprograowania to icrosoft Visual Studio 2010. epozytoriu syulatora jest generowane w sposób dynaiczny (przy określeniu odpowiednich paraetrów podanych przez użytkownika). Istnieje także ożliwość wykorzystania bazy danych SSQL w celu groadzenia danych dotyczących zagrożeń i wykorzystywania ich w procesie
syulacyjny. Przedstawione oprograowanie a postać aplikacji okienkowej wykorzystującej graficzny interfejs Windows Fors. W celu skorzystania z aplikacji wyaga się uprzedniego zainstalowania.net Fraework w wersji 3 lub wyższej. Wyniki poszczególnych syulacji obrazowane są dzięki wykorzystaniu dodatkowej biblioteki icrosoft Charts, pozwalającej na dynaiczne generowanie różnych typów wykresów. W raach każdego przebiegu syulacyjnego ożliwe jest badanie : zawartości zbioru Pareto wiarygodności rozpoznania wyrazistości rozpoznania niejednoznaczności rozpoznania Po zakończeniu syulacji generowane są wykresy przedstawiające przestrzeń detekcji podobieństwa a w szczególności zbiór zagrożeń od których nie a bardziej prawdopodobnych. Na rys.2 przedstawiony jest typowy wykres koputerowy sytuacji detekcyjnej zagrożeń epideiologicznych w pewny rejonie x uzyskany w wyniku syulacji na syulatorze opisany w pracy [7].Obraz jest uzyskany dla pewnego (syulowanego) zestawu wartości stwierdzonych syptoów zagrożeń epideiologicznych oraz występujących (syulowanych) w ty rejonie czynników ryzyka w określony oencie czasu. Wprowadzając w kolejnych oentach czasu (na przykład w kolejnych dniach) odpowiednie dane dotyczące syptoów zagrożenia jak i odpowiednich zian w czynnikach ryzyka otrzyujey kolejne obrazy detekcyjne zagrożenia epideiologicznego w ty rejonie. Każde zagrożenie (a dokładnie obraz jego podobieństwa do stanu sanitarnego w rejonie x) przedstawiona jest na wykresie jako punkt o cieny zabarwieniu. Zagrożenia od których nie a bardziej prawdopodobnych (tzw. front Pareto ) oznaczane są jasny odcienie. ys. 2. Typowy obraz koputerowy przestrzeni detekcyjnej oraz zbioru zagrożeń, od których nie a bardziej prawdopodobnych - 6 -
Wyznaczony przez algoryt punkt utopijny (punkt idealny) [4,20] (znajdujący się w lewy, dolny rogu wykresu) to obraz idealnego podobieństwa stanu sanitarnego rejonu do idealnie pasującego zagrożenia utopijnego, którego niestety nie a w repozytoriu. Użytkownik a ożliwość zdefiniowania, na jakich etapach syulacji generowane są wykresy z wynikai (ile a ich być). Istnieje także ożliwość zapisu otrzyanych wyników do pliku tekstowego. Nuer (nazwę) zagrożenia epideiologicznego reprezentowanego na wykresie przez określony punkt ożna uzyskać klikając kursore. 6. WNIOSKI Proble wiarygodności procedur detekcyjnych jest jak widać niezwykle ważny. Profesjonalny Syste Koputerowego Wsparcia Procedur Detekcyjnych powinien generowane propozycje decyzji opatrzyć wyczerpującą inforacją dotyczącą jakości przedstawionych decyzji oraz inforacyjności wprowadzanych danych o syptoach i czynnikach ryzyka. Interpretacja koputerowego rozpoznania zagrożenia epideiologicznego bez pełnego opisu jakościowego zrealizowanej procedury nie a w praktyce większego sensu. Uzyskane inforacje dodatkowe ogą ieć dla inspektora sanitarnego niekiedy nawet większą wartość niż saa propozycja rozpoznania, uczulając go na pułapki detekcyjne w które łatwo wpaść ulegając powierzchowny sugestio. Stąd też wydaje się niezwykle ważne by obok algorytów wnioskowania, Koputerowy Syste Wsparcia Detekcyjnego wyposażony był w podsyste generujący stosowne charakterystyki jakościowe przeprowadzonej procedury detekcyjnej. Ważny eleente użytkowy takiego podsysteu jest oczywiście ustalenie wszelkich wartości progowych (decyzyjnych) przedstawianych wskaźników jakościowych ożliwych do uzyskania w trakcie procesu testowania i kalibracji. Progi te byłyby podstawą suwerennych decyzji inspektora w zakresie stopnia wykorzystania przedstawionych propozycji detekcyjnych jak również ustalania kolejnych działań sanitarnych. Syste nie a więc wyręczać czy zastępować inspektora sanitarnego w procesie wykrywania i identyfikacji zagrożeń epideiologicznych. Syste a być nowoczesny,wiarygodny narzędzie inforatyczny wspierający pracę inspektora. Koputerowe rozpoznanie zagrożenia (np. w postaci frontu Pareto) łącznie z jego graficzną interpretacją na ekranie koputera oraz dodatkowy opise dotyczący jego wiarygodności i jakości powinny pełnić w pracy inspektora sanitarnego podobną rolę jak w pracy lekarza diagnosty pełni wykres EKG, zdjęcie rentgenowskie, obraz USG czy też obraz toograficzny, które to tylko czasai dają lekarzowi pełne przekonanie diagnostyczne a czasai jedynie sugestię lub nawet pogłębiają jego wątpliwości. Uzyskana koputerowa propozycja rozpoznania zagrożenia oże więc być pewną sugestią detekcyjną, sugestią traktowaną ty bardziej poważnie i - 7 -
towarzyszące jej inforacje dotyczące wiarygodności zastosowanej procedury, inforacyjności wykorzystanych wyników badań, niejednoznaczności rozpoznania, jego wyrazistości czy też dyspersji frontu Pareto będą na odpowiednio wysoki pozioie. Wyposażenie wszystkich placówek nadzoru sanitarnego w kraju w podobny syste koputerowego wsparcia detekcyjnego z ożliwością systeatycznego (okresowego) wprowadzania danych o syptoach i pojawiających się czynnikach ryzyka zagrożenia epideiologicznego dawałyby ożliwość obserwowania wszystkich paraetrów detekcyjnych jak i stopni zagrożeń rejonów w czasie. Odpowiednie zestawianie szeregów czasowych przedstawiających dane o zagrożeniach w różnych rejonach dawałyby niewątpliwie nowe ożliwości w zakresie predykcji zagrożeń i ich rozprzestrzeniania się. Literatura [1]. Allan, Crash Course wywiad i badania przediotowe, Elsevier Urban&Partner, Wrocław, 2005. [2].. Anderson and.. ay. Directly transitted infectious diseases: control by vaccination. Science, 215:1053-1060, 1982. [3].. Anderson and.. ay, editors. Infectious Diseases of Huans: Dynaics and Control, Oxford University Press, Oxford, 1991 [4] A. Aeljańczyk, Optyalizacja wielokryterialna w probleach sterowania i zarządzania, Ossolineu, 1984. [5] A. Aeljańczyk, ateatyczny odel przestrzeni życia w koputerowy systeie wspoagania decyzji edycznych, I Krajowa Konferencja Systey Koputerowe i Teleinforatyczne w Służbie Zdrowia, Warszawa 2009. [6] A. Aeljańczyk, ateatyczny odel wspoagania diagnozowania edycznego na podstawie syptoów chorobowych i czynników ryzyka, VII Konferencja Naukowa odelowanie Cybernetyczne Systeów Biologicznych, CSB2010, Kraków, 2010. [7] A. Aeljańczyk, P. Długosz,. Strawa, Koputerowa ipleentacja algorytu wyznaczania wstępnej diagnozy edycznej, VII Konferencja Naukowa odelowanie Cybernetyczne Systeów Biologicznych, CSB2010, Kraków, 2010. [8] A. Aeljańczyk, ateatyczne aspekty odelowania pajęczynowego obiektów, Biuletyn ISI, Nr 4, 2009. [9] A. Aeljańczyk, Wielokryterialne echanizy wspoagania podejowania decyzji edycznych w odelu repozytoriu 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. - 8 -
[11]. Douglas Collins, Algoryty interpretacji objawów klinicznych,edipage, Warszawa, 2010. [12] W.O. Kerack and A.G. ckendrick. Contributions to the atheatical theory of epideics, Proc.. 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 nor i interpretacja,wl PZWL, Warszawa, 2002. [15] J.D. urray, atheatical biology. II. Spatial odels, Springer-Verlag, Berlin, Heidelberg, New York, 2001. [16] Z. Pawlak, ough Sets, International Journal of Coputer and Inforation Sciences, vol. 11, 341-356 (1965). [17] E. Sanchez, edical diagnosis and coposite fuzzy relations, Advances in fuzzy sets theory and applications, North--Holland, 1979. [18] W. Siegenthaler, ozpoznanie różnicowe w edycynie wewnętrznej, To 1-2, edipage, Warszawa, 2009. [19] P. Sets, edical diagnosis fuzzy sets and degrees of belief, Fuzzy sets and Systes, vol. 5, 1981. [20] The erck anual, Objawy kliniczne, Elsevier Urban&Partner, Wrocław, 2010. [21] H. Wechsler, Applications of fuzzy logic to edical diagnosis, Proc. Syp. on ultiple Valned Logic, Logan 1975. [22] P.L. Yu, G. Leitann, Coproise solutions, doination structures and Salukwadze s solution, JOTA, vol.13, 1974. - 9 -