System wspomagania decyzji DSS do wyznaczania matematycznego modelu zmiennej nieobserwowalnej dr inż. Tomasz Janiczek

System służy do wyznaczania modeli zjawisk złożonych, których stanów nie można mierzyć żadną aparaturą w sposób bezpośredni.

Przykłady zastosowań Mierzenie aktywności (poziomu nasilenia) choroby Mierzenie wydolności krążeniowej pacjenta Wyznaczanie spadku wydolności krążenia u sportowców po wysiłku związanym z uprawianą grą itp.

Jądro obliczeniowe algorytmu wyznaczania modelu zjawiska nieobserwowalnego pozwala min. na: Wprowadzanie do obliczeń dowolnie licznych prób badawczych Odczyt danych z plików .xls Działanie w systemach Windows 64-bitowych Możliwość przystosowania zewnętrznej bazy danych Możliwość transferu danych przez sieć

Wyniki badań czynników objętych modelem aktywności ziarnicy złośliwej Materiał empiryczny został zaczerpnięty z pracy doktorskiej dr n med. Donaty Urbaniak-Kujdy Katedra Hematologii i Chorób Rozrostowych W pracy doktorskiej autorka wykorzystała 16 czynników jako zmienne objaśniające stan ziarnicy złośliwej

Do prezentacji wybrano jedynie fragment materiału doświadczalnego w postaci następujących czynników (stymulujących chorobę „+”): X12 – fibrynogen [g/l] X13 – haptoglobina [g/l] X14 – seromukoid [g/l] X15 – kwas sjalowy [g/l] X16 – Kompleksy immunologiczne [%]

Zatem materiał empiryczny składa się z macierzy X – [81x5] wymiarowej Materiał poza statystyczny stanowi ciąg [{K}] = {„+”, „+”, „+”, „+”, „+”}

Zmienne objaśniające nasilenie choroby w modelu Kierunki wpływów {K} Liczby porządkowe określające Numer kolejnego badania Niezależne zestawy łącznych badań czynników objętych modelem

Kierunki wpływów {K} Kierunek dodatni „+” danego czynnika określa stymulujący jego charakter w stosunku do zmiennej, której model dotyczy, tzn. ze wzrost poziomu czynnika sprzyja wzrostowi zmiennej przez model opisywanej. Kierunek ujemny „ - „ wyraża dystymulujący wpływ na zmienną przez model opisywaną. Czyli wzrost tego czynnika sprzyja spadkowi stanów zmiennej, której model dotyczy.

Dane empiryczne Dane empiryczne w postaci macierzy obserwacji X [n x (k+1)], gdzie: n (wiersze) – ilość tzw. jednoczesnych badań czynników objętych modelem zmiennej Y k (kolumny) – wyraża liczbę czynników Należy pamiętać, że ilość wierszy (ilość niezależnych zestawów łącznych badań czynników objętych modelem) musi spełniać następujący warunek n>k+1

Największa wartość Z - większa aktywność choroby Najmniejsza wartość Z - mniejsza aktywność choroby