Содержание к диссертации
Введение
1. Применение математических методов и компьютерных технологий для диагностики осложнений и выбора тактики лечения больного с тхпн, находящегося на программном гемодиализе 13
1.1 Применение информационных и компьютерных технологий в процессе лечения больных с ТХПН, находящихся на гемодиализе 13
1.2 Использование математических методов для оценки состояния гомеостаза диализного больного 16
1.3 Моделирование состояний больных, находящихся на гемодиализе 17
1.4 Методы распознавания образов в диагностике больного, находящегося на гемодиализе 20
Выводы к первой главе 28
2. Методологические основы рационализации диагностики осложнений и выбора тактики лечения больных с тхпн, находящихся на гемодиализе 29
2.1 Классификация состояния диализного больного на основе кластерного анализа 29
2.1.1 Методы распознавания образов на базе кластерного анализа 29
2.1.2 Понятие сходства. Представление данных в кластерном анализе 32
2.1.3 Метрика. Меры расстояния в кластерном анализе 34
2.1.4 Основные методы кластерного анализа 35
2.1.5 Применение кластерного анализа для автоматизированной диагностики состояний диализных больных 43
2.2 Применение методов экспертного оценивания для минимизации списка признаков, описывающих состояние пациентов с терминальной стадией ХПН. анализ и проверка исходной статистической информации 46
2.2.1 Основные понятия теории экспертного оценивания
2.2.2 Определение относительных весов объектов. Групповые оценки относительных весов объектов 49
Выводы ко второй главе 56
3. Синтез модели состояния диализного пациента 57
3.1 Разработка программного инструментария 57
3.2 Автоматизированная минимизация признакового пространства и анализ входных данных 68
3.3 Формирование классификационной модели состояния больного и её верификация
3.3.1 Классификация по полному перечню признаков 81
3.3.2 Классификация по минимизированному перечню признаков 83
3.3.3 Классификация по комбинированному признаковому пространству 87
3.4. Прогнозирование состояния и оценка качества лечения диализных больных90
3.4.1 Прогностическая модель течения заболевания у больного с терминальной стадией ХПН, находящегося на гемодиализе 94
3.4.2 Регрессионная модель состояния диализного больного 97
Выводы к третьей главе 105
4. Практическая реализация разработанного метода автоматизации диагностики и выбора тактики лечения больных с ТХПН 106
4.1 Оценка состояния диализного больного 106
4.2. Апробация разработанной модели состояния диализного больного и автоматизированной системы диагностики и выбора лечебных мероприятий 107
4.3 Эффективность применения методики в клинических условиях 118
Выводы к четвертой главе 131
Заключение 132
Основные результаты работы 136
Список литературы
- Использование математических методов для оценки состояния гомеостаза диализного больного
- Применение кластерного анализа для автоматизированной диагностики состояний диализных больных
- Формирование классификационной модели состояния больного и её верификация
- Апробация разработанной модели состояния диализного больного и автоматизированной системы диагностики и выбора лечебных мероприятий
Использование математических методов для оценки состояния гомеостаза диализного больного
Современное развитие компьютерных и информационных технологий связано с существенным повышением производительности вычислительных средств при одновременном снижении их стоимости, повышении надежности, уменьшении габаритных размеров. Открытость архитектуры персональных компьютеров позволяет легко выполнять модернизацию программных и аппаратных средств. Все это является достаточно весомым аргументом для массового внедрения спектра имеющихся аппаратных средств, алгоритмической и методологической базы в отечественную медицинскую и, в частности, диализную практику. На сегодняшний день информатика прошла период становления и превратилась в мощную, в значительной степени определяющую прогресс, отрасль технического обеспечения медицины. Она охватывает профилактику, диагностику и клинику системы для интенсивной терапии, социально-гигиенические службы (мониторинг здоровья), административное управление (системы информатизации федерального, территориального и госпитального уровней) и научно-технические исследования. Эти уровни информатизации, столь различные сами по себе, охватывают, вместе с тем, принципиально различные медицинские знания, как-то: кардиологию, реабилитацию, валеологию, скорую помощь и т.п. Сейчас информатика предлагает для решения этих, столь разнородных задач единые, в значительной степени унифицированные средства. Это глобальные телеметрические и локальные сети с возможностями WWW общения и персональные компьютеры с мультимедийными средами с максимально доброжелательными пользовательскими интерфейсами, вплоть до виртуальных систем визуализации и синтеза. Это, кроме того, визуальные объектно-ориентированные среды программирования, компьютерные базы данных, электронные таблицы, графические системы и т.п. средства, а также построенные на их основе автоматизированные медицинские рабочие места. Это также томокомпьютеры, электро- и эхокардиографы, мониторно -компьютерные системы, автоматические капельницы, аппараты искусственного дыхания и другая аппаратура для диагностики и лечения. Наконец, это - микропроцессорные модули, существенно облегчающие разработку любых технических средств медицинского назначения. Таким образом, весь процесс информатизации как бы направлен на объединение, на создание единого информационного пространства, позволяющего врачам общаться друг с другом, обращаться к архивам и библиотекам медицинских знаний, а также взаимодействовать с функционирующей аппаратурой, непосредственно с рабочего места и в реальном времени.
Основную потребность в гемодиализном лечении определяет контингент больных с хронической почечной недостаточностью. Для жизнеобеспечения этих больных им регулярно 2-3 раза в неделю проводят гемодиализ, около 150 процедур в год у каждого пациента.
Гемодиализный аппарат (ГДА) представляет собой техническое средство, предназначенное для временной или постоянной активной замены выделительной функции естественной почки посредством целенаправленного воздействия на кровь вещественно-энергетической среды - диализирующего раствора (диализата).
Клиническую результативность ГДА характеризуют стабилизация параметров крови (ионного состава, температуры) на заданном уровне, детоксикация и ультрафильтрация. В последние годы получили особую значимость такие характеристики ГДА, как: универсальность, быстродействие, управляемость, воспроизводим ость нормализующего воздействия, безопасность, удобство клинического применения.
Необходимость удовлетворения перечисленных требований вызывает непрерывно происходящий процесс усложнения конструктивного выполнения ГДА, современный технический уровень которого основывается на полной автоматизации заданного режима функционирования.
Вместе с тем, повышение качественности ГДА, а, следовательно, и клинической эффективности внепочечного очищения крови, не может быть достигнуто только простой заменой на компьютер используемых в настоящее время в системе управления аппаратных средств и отдельных микропроцессорных устройств. Совершенствование системы управления путем ее компьютеризации при сохранении существующей алгоритмизации функционирования, а также применение в современной отечественной ГДА микропроцессорных устройств в отдельных элементах аппарата без информационного взаимодействия между ними дает только локальное решение проблемы.
Кардинальное совершенствование процесса гемодиализа и ГДА может быть достигнуто компьютеризацией, основанной на принципиально новом построении технического оснащения с широким использованием микропроцессорных устройств, специализированного программного обеспечения и централизованным выполнением в компьютере наиболее сложных информационных преобразований.
В современном ГДА используются информационно практически не связанные функциональные системы, обеспечивающие регулирование расходов перфузата, диализата и ультрафильтрата, состава и температуры диализата, измерение и контроль проводимости и температуры диализата, давлений в перфузате и диализате, объема перфузата и ультрафильтрата, утечки крови в диализат и времени диализа. Компьютеризация этих функциональных систем может позволить осуществить их коренное усовершенствование при одновременном обеспечении информационной взаимосвязи между ними.
Преобразующее влияние компьютеризации на алгоритмы получения, обработки и визуализации информации должно способствовать максимально возможному использованию интеллектуальной активности врача, освобождению его от выполнения рутинных операций по оценке состояния пациента и заданию многочисленных параметров диализа.
Компьютеризация должна также изменить ситуацию с выбором режимов и параметров внепочечного очищения: статистическая обработка результатов гемодиализа в зависимости от режимов и параметров нормализующего воздействия, количественная оценка массообменных процессов во времени могут быть полезны врачу при выборе режимов и параметров искусственного очищения.
Применение кластерного анализа для автоматизированной диагностики состояний диализных больных
Чаще всего задача оценивания по качественному признаку ставится так: имеется п объектов, сравниваемых по общему качественному признаку, необходимо приписать объектам количественные оценки, соответствующие степени проявления на каждом из них этого признака. При большом числе объектов определение относительных весов объектов должно опираться на некоторую формализованную процедуру, основанную на попарных сравнениях объектов, либо на сравнениях одного объекта с несколькими. Сравнивая между собой объекты, эксперт либо отвечает на простой вопрос: у какого из сравниваемых объектов сильнее выражен рассматриваемый признак, либо на более сложный вопрос: у какого из сравниваемых объектов и насколько сильнее выражен этот признак.
Эксперт устанавливает относительные веса объектов интуитивно, и это означает, что эксперт определяет эти оценки такими, какими они ему представляются. Суждения эксперта должны опираться на его высокую профессиональность и большой опыт, но они не являются результатом каких либо вычислений.
Одной из самых широко используемых экспертных процедур для определения относительных весов объектов является метод парных сравнений. Для определения количественных оценок объектов ai,...,an необходимо их сравнение друг с другом. Простейшим видом сравнения являются парные сравнения. Эксперту поочередно предъявляются все пары объектов, и он должен каждый раз установить, какой из предъявленных ему объектов предпочтительнее по рассматриваемому признаку, т. е. Ранжирует рассматриваемые объекты.
Так как количество ранжируемых объектов (в нашем случае -классификационных признаков) может быть довольно велико, то необходимо применить один из алгоритмов экспертного оценивания. На практике широкое применение нашел следующий метод. Пусть имеются п объектов, характеризуемых некоторым общим качественным признаком. Для построения списка ранжированных объектов, т. е. списка, в котором объекты выстроены, например, в порядке убывания предпочтительности, на первом шаге необходимо записать первый элемент исходного неупорядоченного списка. Далее второй по порядку элемент исходного списка сравнивается с первым. Если он предпочтительнее первого, то записывается в конечном списке выше него, если менее предпочтителен - ниже. Третий по порядку элемент исходного списка сравнивается сначала с первым элементом формируемого конечного списка; если третий элемент предпочтительнее, то он ставится на первое место этого списка, если менее предпочтителен, то сравнивается с элементом, занимающим второе место, и в зависимости от результата сравнения устанавливается либо на второе, либо на третье место формируемого конечного списка. Четвертый элемент исходного списка сравнивается с первым элементом имеющегося конечного списка и т. д. При наиболее благоприятном исходном списке правильное упорядочение элементов достигается после п - 1 неповторяющихся парных сравнений
Полученную в результате парных сравнений информацию используют для вычисления количественных оценок объектов. Оценивание объектов на основе их парных сравнений можно сформулировать либо как задачу детерминированную, либо как задачу вероятностную. В первом случае полагают, что высказывания эксперта о предпочтении не изменятся, если те же пары объектов будут предъявлены ему повторно. Во втором случае суждения эксперта считаются подверженными случайным изменениям, вводится понятие вероятности предпочтения одного объекта другому. В контексте рассматриваемой проблемы выбора оптимальных классификационных диагностических признаков будем рассматривать только детерминированную задачу парных сравнений.
Рассмотрим случай, когда парные сравнения проводятся единственным экспертом. Результат парных сравнений п объектов можно представить в виде ориентированного графа, содержащего п вершин, каждая из которых соответствует определенному объекту. Если объект а; предпочтительнее объекта щ по рассматриваемому признаку, то в графе имеется дуга, направленная из вершины а; в вершину щ. Бинарное отношение строгого предпочтения, заданное в этих объектах, обладает свойствами антирефлексивности, асимметричности и линейности, следовательно, граф не содержит петель, и каждая пара вершин соединена одной и только одной дугой. В методе парных сравнений от эксперта не требуется последовательности в своих суждениях, иначе говоря, предпочтения эксперта не обязательно должны быть транзитивными. Это условие особенно существенно при больших п, когда эксперту даже при желании трудно запомнить высказанные им ранее суждения о предпочтении.
Если предпочтения эксперта последовательны и граф парных сравнений не содержит контуров, то в качестве весов объектов принимают суммы соответствующих строк матрицы А. Граф парных сравнений на рисунке 2.2.3 отвечает этому условию. Нумерация вершин графа выбрана такой, что выполняется условие aj R аг R аз R а4 R as, т.е. объекты расположены в порядке убывания отношений предпочтительности. Первый объект превосходит по рассматриваемому признаку четыре других объекта, и его вес равен четырем, второй объект превосходит третий, четвертый и пятый, и его вес равен трем и т. д. Суммы элементов строк на рисунке 2.2.3 указаны справа от матрицы парных сравнений. Разделив суммы элементов строк на сумму элементов всей матрицы, получим относительные веса объектов: i= пZ а..7 = 1 U п п (2.2.4) В случае, когда оценивание производится несколькими экспертами, то групповая оценка относительного веса объекта определяется как среднее арифметическое оценок экспертов: (2.2.5) где gih - оценка і-го объекта h-м экспертом, h = l,m Однако на практике, в большинстве случаев, компетентность экспертов различна, поэтому необходимо провести ее оценку для получения более реальных относительных оценок весов объектов. Для оценки компетентности экспертов можно применить следующий метод. Качество эксперта оценивается с помощью коэффициента компетентности 0ь где h - номер эксперта. 0h представляет собой относительную характеристику, позволяющую сравнивать уровень компетентности данного эксперта с такими же показателями других членов экспертной группы. Эксперт оценивает компетентности всех членов экспертной группы, в том числе и свою собственную, используя установленную заранее балльную шкалу. В результате формируется положительная квадратная матрица В = bhz , где \z - балльная оценка Z-M экспертом компетентности h-ro эксперта. В качестве коэффициентов компетентности экспертов обычно принимают компоненты нормированного максимального собственного вектора матрицы В.
Формирование классификационной модели состояния больного и её верификация
Выходом из данной ситуации может оказаться попытка проведения классификации на базе комбинированного признакового пространства, представляющего собой набор признаковых пространств, построенных на основе классификационных показателей, соответствующих нарушению данного вида.
Таким образом, процесс кластеризации разбивается на пять этапов (рисунок 3.3.2), каждый из которых представляет собой построение обучающей матрицы, позволяющей однозначно отнести классифицируемый объект к одному из двух классов: класс, соответствующий исследуемому виду нарушения; класс всех остальных нарушений. В случае отнесения объекта к классу «остальные нарушения», необходимо провести его классификацию на основе обучающей выборки, характеризующей какой - либо другой вид нарушения. Предлагаемый способ должен позволить не только адекватно определить принадлежность пациента к конкретному виду нарушений, но и учесть возможность наличия признаков нескольких нарушений у исследуемого больного. В качестве исходных данных для формирования обучающих выборок использовалась имеющаяся информация по 180 диализным пациентам. Для анализа достоверности проводимой кластеризации применялась эталонная классификация, составленная врачами - экспертами (таблица 3.3.2).
В ходе первого этапа классификации было выделено два класса. Кластеризация велась по пяти признакам: мочевина крови, креатинин крови, общий белок, альбумины крови и белок мочи. В качестве классифицируемых объектов были выбраны те же 180 пациентов. Порог классификации составил -Ro = 0,565. В первый класс вошли объекты с 1 по 32, которые в эталонной выборке идентифицировались как принадлежащие к группе белковых нарушений. Остальные объекты сгруппировались во втором классе, которому была присвоена метка «другие нарушения». Таким образом, полученная обучающая выборка позволяет с достаточной степенью уверенности отнести объект к классу нарушений белкового обмена.
На втором этапе классификации ко второй из четырех выделенных групп были отнесены объекты с 34 по 56, которые определяются экспертами как пациенты с грубыми нарушениями липидного обмена. Классификация проводилась по следующим биохимическим показателям крови: холестерин, триглицериды, индекс атерогенности. Порог классификации, при котором наблюдалось наибольшее соответствие эталонной классификации составил Ro = 0,58. Оставшиеся 158 объектов были отнесены в группы с общим названием «другие нарушения». Полученная обучающая выборка позволяет определять принадлежность диализного пациента к классу грубых нарушений липидного обмена.
Третий этап позволил выделить объекты с 59 по 121 в отдельный класс, соответствующий группе нарушений водно-электролитного обмена эталонной выборки. Оптимальный порог классификации имеет значение 0,72. Использовались классификационные показатели: калий плазмы, натрий плазмы, кальций плазмы общий, фосфор крови и градиент веса в междиализный период. 118 объектов идентифицировались как относящиеся к группе других нарушений.
Таким образом, была получена обучающая выборка для нахождения пациентов с грубой патологией водно-электролитного баланса.
На четвертом шаге аналогичным образом была получена группа из 43 объектов (с 122 по 165), соответствующая классу нарушения кислотно-щелочного состояния. Выбранное пороговое значение составило 0,66. В качестве признаков классификации были выбраны характерные показатели: рН - концентрация водородных ионов, BE - дефицит оснований, рС02 венозной крови и р02 венозной крови. По описанной методике была определена группа объектов (18 пациентов), отнесенных к классу иммунных нарушений. Для данной выборки пороговое значение составило Ro = 0,48. В данном случае классификационными признаками являлись: Т - лимфоциты, В - лимфоциты, Иммуноглобулин G, Иммуноглобулин М, Иммуноглобулин А, Уровень циркулирующих иммунных комплексов.
По результатам проведенных исследований, можно сделать вывод, что предложенный способ классификации по комбинированному признаковому пространству позволяет с достаточной достоверностью определить принадлежность исследуемого объекта к одному или нескольким классам, соответствующим нарушениям гомеостаза внутренней среды, которые были предложены диализными врачами для оценки состояния пациентов с ТХПН.
Таким образом, выбор способа классификации больного, находящегося на программном гемодиализе, зависит от результатов проведенного исследования, основанного на минимизированном признаковом пространстве. Если в ходе классификации пациент оказывается неклассифицированным, что говорит о наличии нескольких видов нарушений гомеостаза внутренней среды, то в дальнейших исследованиях целесообразно применять комбинированное признаковое пространство. Подобный подход позволяет определить наличие нескольких видов нарушений, одновременно наблюдающихся у одного пациента, и разработать адекватную индивидуальную программу лечения больного ТХПН.
Итак, в данной главе рассмотрены все основные этапы формирования модели диагностики и выбора тактики лечения больного ТХПН. Приведены данные, позволяющие обосновать адекватность применения и выбора данной методики. Особое внимание уделяется описанию программного инструментария, позволяющего значительно облегчить процесс формирования модели, а также проводить весь комплекс аналитических мероприятий, связанных с диагностикой и назначением специфических лечебных мероприятий.
В предыдущих главах была рассмотрена методика автоматизации диагностики и выбора тактики лечения больных с терминальной стадией хронической почечной недостаточности, проходящих курс лечения программным гемодиализом. Разработанная методика позволяет с достаточной степенью точности, в сжатые сроки и с минимальными затратами получить картину заболевания пациента, причем благодаря использованию комбинированного признакового пространства удается учесть наличие сразу нескольких нарушений гомеостаза больного. Полученные данные были подтверждены в ходе реальной клинической практики отделения гемодиализа воронежской Областной клинической больницы. прогностических и 2 3 4 5
Однако, необходимо отметить, что специфика заболеваний подобных ТХПН предполагает постоянность проводимого лечения, направленного на поддержание жизнедеятельности и обеспечение максимально возможного комфорта больного. Лечащий врач, таким образом, должен не только адекватно и оперативно оценивать состояние пациента, но и прогнозировать возможное развитие заболевания чтобы максимально снизить риск принятия неэффективного или ошибочного решения при выборе тактики лечения больного. Даже приблизительная оценка тенденций развития заболевания может позволить скорректировать текущую тактику лечения с целью уменьшения вероятности возникновения осложнений в будущем. Возможно, также, что постоянный мониторинг состояния больного позволит выявить некоторые закономерности течения заболевания, что, в свою очередь, позволит составить некую программу, «профиль» лечения и поддержания нормальной жизнедеятельности пациента. С другой стороны, имея некий функционал заболевания, можно проводить оптимизацию лечения, направленную на сокращение набора медицинских мероприятий при сохранении допустимого качества лечения.
Апробация разработанной модели состояния диализного больного и автоматизированной системы диагностики и выбора лечебных мероприятий
Необходимость повышения эффективности и оптимальности лечения больных с терминальной стадией хронической почечной недостаточности, находящихся на гемодиализе, обусловливает разработку и создание методов и программных средств, позволяющих оперативно оценивать состояние диализного больного, выявлять все нюансы развития заболевания, рационально выбирать тактику лечения, следить за течением заболевания и прогнозировать его развитие. Имеющаяся база вычислительной техники позволяет решать задачи диализной диагностики посредством построения модели состояния пациента, находящегося на гемодиализе.
Синтез модели проводится на основе теории распознавания образов. Данные, описывающие состояние пациента представляются в виде вектора признаков, характеризующего значения функциональных показателей. Анализу подвергаются объекты, представляющие собой формализованные описания состояния пациентов. Таким образом, процесс диализной диагностики является определением близости объектов к эталону, заданному экспертами данной предметной области - диализными врачами.
В качестве метода построения модели был выбран кластерный анализ, представляющий собой многомерную статистическую процедуру, смысл которой заключается в формировании групп (кластеров) похожих объектов, причем атрибутом группы является наблюдаемый вид осложнения течения хронической почечной недостаточности. Процесс постановки диагноза, основанный на описываемой модели напоминает логическую цепь экспертной диагностики, когда конкретные проявления заболевания у пациента сравниваются с имеющимися эмпирическими шаблонами.
Большое внимание уделялось создания способов подготовки исходных данных, которая включает проверку исходных данных на предмет ошибок и получение оптимального количества признаков, требуемых для проведения классификации. Здесь за основу был выбран аппарат теории экспертного оценивания. Эксперты, т.е. диализные врачи, с помощью метода парных сравнений ранжировали рассматриваемые признаки, после чего вычислялись их обобщенные весовые показатели, из сходного списка классификационных признаков отбирались имеющиеся веса, больше автоматически рассчитываемого порогового значения. Проверка входных данных также осуществлялась экспертами и заключалась в сканировании значений выборки для выявления показателей, не попадающих в заданный экспертами диапазон значений. Таким образом, была получена оптимизированная по количеству признаков и свободная от ошибочных значений обучающая выборка. Для учета возможности наличия нарушений нескольких видов было предложено использование так называемого комбинированного признакового пространства, представляющего собой набор признаковых пространств, описывающих каждое нарушение в отдельности.
Полученное признаковое пространство было проверено на предмет адекватности его использования для проведения классификаций диализных больных, для чего была проведена сравнительная оценка результатов классификаций объектов эталонной выборки на основе нескольких вариантов признаковых пространств. По результатам проведенной проверки была установлена целесообразность минимизированного признакового пространства для проведения диагностики состояния диализных больных. В отдельных случаях, когда результаты классификации не позволяют отнести пациента к одному из обозначенных классов состояний, дальнейшие исследования проводятся на основании комбинированного признакового пространства, являющегося модификацией минимизированного.
Разработанная модель легла в основу методики оперативной диагностики и выбора тактики лечения диализных больных. Было создано программное обеспечение, с помощью которого проводилась диагностика состояний пациентов с ТХПН, находящихся на гемодиализе. При внесении новых объектов в обучающую выборку, не наблюдалось ее заметных искажений и изменения результатов классификации, что говорит об устойчивости полученной модели.
На основе разработанной методики диагностики по комбинированному признаковому пространству предложена концепция создания прогностической модели состояния пациента, а также оценки качества проводимого лечения и выявления закономерностей в развитии заболевания.
Выбранная, на основе разработанного метода, тактика лечения позволила повысить его эффективность и обусловила более рациональное использование имеющихся материальных ресурсов. Отмечалось увеличение количества больных, у которых выросло качество жизнедеятельности и уровень комфорта. Выявлена тенденция нормализации значимых показателей, характеризующих состояние диализных пациентов.
На базе разработанной модели проводилась диагностика состояний пациентов, получающих программный гемодиализ в течение длительного времени. Постоянный динамический контроль позволяет выбирать программу лечения направленную на коррекцию выявленных нарушений. Анализ результатов в основной и контрольной группе показывает более высокую частоту осложнений у диализных больных в контрольной группе. Применяемые превентивные схемы лечения диализных осложнений, позволили значительно улучшить показатели физической реабилитации больных, оптимизировать процедуру гемодиализа, тем самым сделать возможным отказ от дополнительной медикаментозной терапии, что позволило снизить общую стоимость лечения пациентов с терминальной ХПН.
Полученные выводы подтверждаются значительным экономическим эффектом, полученным при внедрении данной модели диагностики и лечения в практику работы отделения трансплантации почки и гемодиализа Воронежской областной клинической больницы.
Из выше изложенного можно сделать вывод о целесообразности применения предложенной модели прогнозирования и диагностики осложнений у пациентов с ТХПН на программном гемодиализе. Разработанная модель может применяться в различных лечебных учреждениях, имеющих отделения гемодиализа. С учетом общей тенденций приближения специализированной медицинской помощи к жителям отдельных районов и создания диализных мест в районных лечебных учреждениях, можно рекомендовать предложенную модель к применению в практике подобных отделений. Возможно, это не только облегчит работу персонала этих отделений, но и позволит выработать единую тактику лечения этой сложной категории больных. Предлагаемая методика анализа состояния пациентов может применяться для дифференцированной диагностики в терапевтических и хирургических клиниках.
Безусловно, было бы неправильно считать, что предложенная модель позволит кардинально изменить результаты заместительной почечной терапии.
Тем не менее, можно надеяться, что данная работа внесет некую новую информацию, которая поможет обеспечить сочетание возможностей современного гемодиализа с высокотехнологичной программой лечения пациента ТХПН при использовании средств вычислительной техники.
