ladybe.ru
Diagnos och behandling av kronisk kransk?rlssjukdom Diagnostik av kronisk kransk?rlssjukdom (ch2). Luddrig logik i expertsystem. Posterior sannolikhet
, var
P(x|z) - posterior sannolikhet (wiki);
P(z|x) - sannolikhetsfunktion (beror p? data, dvs. den aktuella bilden);
P(x) - tidigare sannolikhet (beror inte p? data).
Faktum ?r att problemet med att hitta den b?sta separationen kan formuleras p? f?ljande s?tt:
(detta ?r en formel och uttrycker MAP), eller, vilket ?r detsamma
, var
E(x) - bildenergi.
L?t oss ?verv?ga varje del separat.
sannolikhetsfunktion
Denna funktion vid x = 0 eller x = 1 visar om den aktuella pixeln z tillh?r omr?det av bilden vi beh?ver. Du kan se detta p? bilden till h?ger. F?r att f?rb?ttra resultatet m?ste vi hitta det maximala:
Resultatet b?r se ut s? h?r:
Tidigare sannolikhet
Denna parameter l?ter dig ta h?nsyn till n?rliggande pixlar vid segmentering. Anslut den aktuella pixeln till dess grannar vertikalt och horisontellt. Sedan:
, var 
- separationsfunktion;
- "Ising prior" (a priori sannolikhet f?r Ising, vid uppmaningen av yuriv).
Samtidigt alla
Posterior sannolikhet
N?r vi best?mmer denna term anv?nder vi Gibbs-distributionen (wiki):, var
Bildenergi, d?r den f?rsta termen ?r energiv?rdet f?r den aktuella pixeln sj?lv, och den andra ?r det totala v?rdet med dess granne; w ?r en viss vikt, vars v?rde best?ms experimentellt;
Sannolikhetsfunktion;
a priori sannolikhet.
Puh, bara en liten bit kvar, det viktigaste.
Energiminimering
Som vi fastst?llde i b?rjan, motsvarar minimienergin MAP. I detta fall:(?nskad minimienergi)
resultat
"Vad var det och, viktigast av allt, VARF?R?", kommer l?saren att fr?ga. S? h?r kan slutresultatet se ut, med olika viktv?rden f?r w:
Slutsatser
Den speciella charmen med denna metod ligger i det faktum att vi kan st?lla in vilka energiformler som helst. Du kan till exempel bara v?lja raka linjer i en bild, sk?rningspunkterna f?r ett visst antal linjer/kurvor och mycket mer. F?rresten, vilken lycklig ?gare som helst av MS Office 2010 kan k?nna den beskrivna tekniken. Det r?cker med att anv?nda verktyget f?r borttagning av bakgrund.Tack f?r din uppm?rksamhet!
Copywriter's corner
Alla bilder som anv?nds ?r fr?n Carsten Rothers verk. Formler skapade med hj?lp av onlineAtt resonera enbart p? exakta fakta och exakta slutsatser baserade p? dessa fakta kallas rigor?sa ?verv?ganden. I de fall d?r os?kra fakta m?ste anv?ndas f?r att fatta beslut blir rigor?sa resonemang ol?mpliga. D?rf?r ?r en av styrkorna med alla expertsystem dess f?rm?ga att forma resonemang under os?kerhet, precis som m?nskliga experter g?r. S?dana resonemang ?r inte rigor?sa. Du kan lugnt prata om n?rvaron rolig logik.
Os?kerhet, och som ett resultat kan suddig logik betraktas som bristen p? adekvat information f?r att fatta ett beslut. Os?kerhet blir ett problem eftersom det kan f?rhindra skapandet av den b?sta l?sningen och till och med g?ra att en l?sning av d?lig kvalitet hittas. Det b?r noteras att en h?gkvalitativ l?sning som hittas i realtid ofta anses vara mer acceptabel ?n den b?sta l?sningen, som tar l?ng tid att ber?kna. Till exempel kan en f?rsening av att ge behandling f?r att genomf?ra ytterligare tester leda till att patienten d?r utan hj?lp.
Orsaken till os?kerheten ?r f?rekomsten av olika fel i informationen. F?renklad klassificering dessa fel kan representeras av deras uppdelning i f?ljande typer:
- tvetydighet i information, vars f?rekomst beror p? att viss information kan tolkas p? olika s?tt;
- ofullst?ndig information relaterad till bristen p? vissa uppgifter;
- otillr?cklig information p? grund av anv?ndningen av data motsvarar inte den verkliga situationen (m?jliga orsaker ?r subjektiva fel: l?gner, felaktig information, utrustningsfel);
- m?tfel som uppst?r p? grund av bristande efterlevnad av kraven p? korrekthet och noggrannhet av kriterierna f?r kvantitativ datapresentation;
- slumpm?ssiga fel, vars manifestation ?r slumpm?ssiga fluktuationer av data i f?rh?llande till deras genomsnittliga v?rde (orsaken kan vara: utrustningens op?litlighet, Brownsk r?relse, termiska effekter, etc.).
Hittills har ett betydande antal os?kerhetsteorier utvecklats som f?rs?ker eliminera n?gra eller till och med alla fel och ge tillf?rlitliga slutsatser under os?kerhet. De mest anv?nda i praktiken ?r teorier som bygger p? den klassiska definitionen av sannolikhet och p? sannolikhet i efterhand.
Sannolikhet ?r ett av de ?ldsta och viktigaste verktygen f?r att l?sa artificiell intelligensproblem. Sannolikhet?r ett kvantitativt s?tt att redovisa os?kerhet. Klassisk sannolikhet kommer fr?n en teori som f?rst f?reslogs av Pascal och Fermat 1654. Sedan dess har mycket arbete gjorts inom omr?det sannolikhet och implementeringen av m?nga till?mpningar av sannolikhet inom vetenskap, teknik, f?retag, ekonomi och andra omr?den.
klassisk sannolikhet
klassisk sannolikhet?ven kallad a priori sannolikhet, eftersom dess definition h?nvisar till ideala system. Termen "a priori" betyder en sannolikhet som best?ms "till h?ndelser", utan att ta h?nsyn till m?nga faktorer som ?ger rum i den verkliga v?rlden. Begreppet a priori sannolikhet str?cker sig till h?ndelser som intr?ffar i ideala system som ?r ben?gna att slitas eller p?verkas av andra system. I ett idealiskt system sker f?rekomsten av n?gon av h?ndelserna p? samma s?tt, vilket g?r deras analys mycket l?ttare.
Den grundl?ggande formeln f?r klassisk sannolikhet (P) definieras enligt f?ljande:
I denna formel W?r antalet f?rv?ntade h?ndelser, och N?r det totala antalet h?ndelser med lika sannolikheter som ?r m?jliga resultat av ett experiment eller test. Till exempel ?r sannolikheten att f? valfri sida av en sexsidig t?rning 1/6, och att dra ett kort fr?n en kortlek som inneh?ller 52 olika kort ?r 1/52.
Sannolikhetsl?rans axiom
En formell sannolikhetsteori kan skapas utifr?n tre axiom:
Ovanst?ende axiom gjorde det m?jligt att l?gga grunden f?r sannolikhetsteorin, men de tar inte h?nsyn till sannolikheten f?r att h?ndelser intr?ffar i verkliga, icke-ideala system. I motsats till a priori-metoden, i verkliga system, att best?mma sannolikheten f?r n?gon h?ndelse P(E), anv?nds metoden f?r att best?mma den experimentella sannolikheten som en frekvensf?rdelningsgr?ns:
Posterior sannolikhet
I denna formel f(E) anger frekvensen av f?rekomst av n?gon h?ndelse mellan N th antal observationer av ?vergripande resultat. Denna typ av sannolikhet kallas ocks? posterior sannolikhet, dvs. sannolikhet best?ms "efter h?ndelserna". Definitionen av den bakre sannolikheten baseras p? m?tningen av den frekvens med vilken en h?ndelse intr?ffar under ett stort antal tester. Till exempel att best?mma den sociala typen av en kreditv?rdig bankklient baserat p? empirisk erfarenhet.
H?ndelser som inte utesluter varandra kan p?verka varandra. S?dana h?ndelser tillh?r klassen av komplexa. Sannolikheten f?r komplexa h?ndelser kan ber?knas genom att analysera deras respektive provrum. Dessa provutrymmen kan representeras med Venn-diagram, som visas i fig. ett
Fig.1 Provutrymme f?r tv? evenemang som inte utesluter varandra
Sannolikheten f?r att h?ndelse A intr?ffar, som best?ms med h?nsyn till det faktum att h?ndelse B intr?ffade, kallas villkorlig sannolikhet och betecknas P(A|B). Den villkorade sannolikheten definieras enligt f?ljande:
Tidigare sannolikhet
I denna formel, sannolikheten P(B) b?r inte vara noll, och ?r en tidigare sannolikhet, som best?ms innan annan ytterligare information ?r k?nd. tidigare sannolikhet, som till?mpas i samband med anv?ndning av betingad sannolikhet, kallas ibland absolut sannolikhet.
Det finns ett problem som i huvudsak ?r motsatsen till problemet med att ber?kna betingad sannolikhet. Det best?r i att best?mma den omv?nda sannolikheten, som visar sannolikheten f?r den tidigare h?ndelsen, med h?nsyn till de h?ndelser som intr?ffade i framtiden. I praktiken f?rekommer denna typ av sannolikhet ganska ofta, till exempel n?r man utf?r medicinsk diagnostik eller utrustningsdiagnostik, d?r vissa symtom uppt?cks, och uppgiften ?r att hitta en m?jlig orsak.
F?r att l?sa detta problem anv?nds den Bayes sats, uppkallad efter den brittiske matematikern Thomas Bayes fr?n 1700-talet. Bayesiansk teori anv?nds nu flitigt f?r att analysera beslutstr?d inom ekonomi och samh?llsvetenskap. Den Bayesianska l?sningss?kningsmetoden anv?nds ocks? i PROSPECTORs expertsystem vid identifiering av lovande platser f?r mineralprospektering. PROSPECTOR-systemet fick stor popularitet som det f?rsta expertsystemet, med hj?lp av vilket en v?rdefull molybdenfyndighet uppt?cktes, som kostade 100 miljoner dollar.
Den allm?nna formen av Bayes sats kan skrivas i termer av h?ndelser (E) och hypoteser (H), enligt f?ljande:
Subjektiv sannolikhet
N?r man ska best?mma sannolikheten f?r en h?ndelse anv?nds ocks? en annan typ av sannolikhet, som kallas subjektiv sannolikhet. begrepp subjektiv sannolikhet g?lla h?ndelser som inte ?r reproducerbara och som inte har en historisk grund att extrapolera p?. Denna situation kan j?mf?ras med att borra en oljek?lla p? en ny plats. Uppskattningen av subjektiv sannolikhet som g?rs av en expert ?r dock b?ttre ?n den fullst?ndiga fr?nvaron av en uppskattning.
2.7. S?rskild icke-invasiv diagnostik
2.7.1. Utv?rdering av data fr?n prim?runders?kningen och a priori sannolikhet f?r kransk?rlssjukdom
Efter de inledande studierna bygger l?karen en plan f?r vidare unders?kning och behandling av patienten, baserat p? erh?llna prim?rdata och a priori sannolikheten f?r diagnosen kronisk kransk?rlssjukdom (tabell 4).
Tabell 4. "A priori sannolikhet f?r diagnos av kronisk kransk?rlssjukdom beroende p? arten av br?stsm?rtor"
| Typisk angina | Atypisk angina | Icke-koronar sm?rta | ||||
| ?lder, ?r | m?n | kvinnor | m?n | kvinnor | m?n | kvinnor |
| 30-39 | 59 | 28 | 29 | 10 | 18 | 5 |
| 40-49 | 69 | 37 | 38 | 14 | 25 | 8 |
| 50-59 | 77 | 47 | 49 | 20 | 34 | 12 |
| 60-69 | 84 | 58 | 59 | 28 | 44 | 17 |
| 70-79 | 89 | 68 | 69 | 37 | 54 | 24 |
| >80 | 93 | 76 | 78 | 47 | 65 | 32 |
Om, enligt resultaten fr?n prim?ra studier, a priori sannolikheten f?r kronisk kransk?rlssjukdom ?verstiger 85%, kan ytterligare studier f?r att klarg?ra diagnosen utel?mnas och g? vidare till stratifieringen av risken f?r komplikationer och utn?mningen av behandling.
Om, enligt resultaten av prim?rstudier, a priori sannolikheten f?r kronisk CAD inte ?verstiger 15 %, b?r funktionell hj?rtsjukdom eller icke-kardiell orsak till symtom misst?nkas.
Patienter med en mellanliggande tidigare sannolikhet f?r CAD (15-85 %) remitteras f?r ytterligare icke-invasiva avbildningsstudier (tabell 5).
Tabell 5. "Diagnostiska tester f?r kransk?rlssjukdom"
| IHD-diagnostik | ||
| K?nslighet (%) | Specificitet (%) | |
| Arbets-EKG | 45-50 | 85-90 |
| Stressekokardiografi | 80-85 | 80-88 |
| Stress-SPECT | 73-92 | 63-87 |
| Stressekokardiografi med dobutamin | 79-83 | 82-86 |
| Stress MR | 79-88 | 81-91 |
| Stressekokardiografi med vasodilator | 72-79 | 92-95 |
| Stress SPECT med vasodilator | 90-91 | 75-84 |
| Stress-MR med vasodilator | 67-94 | 61-85 |
| MSCT angiografi av CA | 95-99 | 64-83 |
| Stress PET med vasodilator | 81-97 | 74-91 |
2.7.2. Stress-EKG-tester
Anstr?ngningstestning ?r indicerat f?r alla patienter med misst?nkt anstr?ngningsk?rlkramp och en a priori sannolikhet f?r CAD p? 15-85 %. Indikationer f?r tr?ningstester hos personer med en tidigare fastst?lld diagnos av kransk?rlssjukdom: initial och upprepad stratifiering av risken f?r komplikationer, utv?rdering av effektiviteten av medicinsk och kirurgisk behandling.
Vanligtvis utf?rs ett cykelergometriskt test (VEM-test) eller ett l?pbandstest. G?testet (l?pbandstestet) ?r mer fysiologiskt och anv?nds oftare f?r att verifiera den funktionella klassen av patienter med kransk?rlssjukdom. Cykelergometri ?r mer informativ f?r att uppt?cka kransk?rlssjukdom i oklara fall, men samtidigt kr?ver det att patienten har ?tminstone initiala cykelkunskaper, det ?r sv?rare att utf?ra hos ?ldre patienter och med ?tf?ljande fetma.
Prevalensen av transesofageal stimulering (TEPS) av f?rmaken i den dagliga diagnosen kransk?rlssjukdom ?r l?gre, ?ven om denna metod ?r j?mf?rbar vad g?ller informationsinneh?ll med VEM-testet och l?pbandstestet. CHPES-metoden ?r valet n?r det ?r om?jligt f?r patienten att utf?ra andra stresstester p? grund av icke-hj?rtfaktorer (sjukdomar i r?relseapparaten, claudicatio intermittens, en tendens till en uttalad ?kning av blodtrycket under dynamisk fysisk anstr?ngning, avtr?ning, andningssvikt).
F?r att best?mma den totala risken utifr?n resultaten av stresstester anv?nds ett l?pbandsindex – en indikator som kombinerar information som erh?llits under stresstester.
Tabell 6. "Ber?kning av l?pbandsindex"
L?pbandsindexet ?r lika informativt f?r slutenv?rd och ?ppenv?rd, s?v?l som hos m?n och kvinnor, men hos ?ldre patienter har dess prediktiva v?rde inte studerats tillr?ckligt.
Resultaten av l?pbandstestet uttrycks i metaboliska enheter (v?vnadssyres?ttning per tidsenhet) och cykelergometri - i watt eller en dubbelprodukt (egenskaper f?r muskelarbete). Tabell 7 anv?nds f?r att omvandla dessa m?ttenheter och standardisera resultaten av stresstester.
Tabell 7. "Karakteristika f?r den funktionella klassen av angina pectoris baserat p? resultaten av tester med fysisk aktivitet"
Anm?rkningar: IE - metaboliska enheter; SBP - systoliskt blodtryck vid maximal belastning; HR - hj?rtfrekvens;2.7.3. Farmakologiska tester
Metoden bygger p? provokation av en attack av myokardischemi med hj?lp av l?kemedel med samtidig EKG-registrering. Beroende p? l?kemedlet som administreras, s?rskiljs tester: med en vasodilator (dipyridamol) eller med ett inotropiskt medel (dobutamin).
Dessa l?kemedel administreras p? en intensivv?rdsavdelning intraven?st under strikt kontroll av blodtryck och hj?rtfrekvens, under kontinuerlig EKG-?vervakning.
Farmakologiska tester ?r indikerade f?r diagnos av kransk?rlssjukdom endast om det ?r om?jligt att utf?ra eller oinformativa tester med fysisk aktivitet. Farmakologiska tester anv?nds inte f?r att utv?rdera effektiviteten av CHD-behandling.
Kombinationen av ett stresstest med avbildningsmetoder (EchoCG, tomografi, radioisotopscintigrafi) ?kar signifikant v?rdet av de erh?llna resultaten.
2.7.4. Stressekokardiografi
En av de mest popul?ra och mycket informativa metoderna f?r icke-invasiv diagnos av kransk?rlssjukdom. Metoden ?r baserad p? visuell detektering av lokal dysfunktion i v?nster kammare under tr?ning eller farmakologiska tester. Stress EchoCG ?r ?verl?gset konventionellt arbets-EKG n?r det g?ller diagnostiskt v?rde, har st?rre sensitivitet (80-85%) och specificitet (84-86%) vid diagnos av kransk?rlssjukdom. Metoden till?ter inte bara att verifiera ischemi slutgiltigt, utan ocks? att prelimin?rt best?mma den symptomrelaterade kransart?ren genom lokalisering av ?verg?ende v?nsterkammardysfunktion. N?r det ?r tekniskt genomf?rbart ?r metoden indicerad f?r alla patienter med p?visad kransk?rlssjukdom f?r att verifiera en symtomrelaterad kransart?r, samt f?r tveksamma resultat av ett rutinm?ssigt stresstest under den initiala diagnosen.
2.7.5. Radioisotopforskning
Myokardperfusionsscintigrafi ?r en k?nslig och mycket specifik forskningsmetod med h?gt prognostiskt v?rde. Kombinationen av scintigrafi med fysisk aktivitet eller farmakologiska tester (doserad intraven?s administrering av dobutamin, dipyridamol) ?kar kraftigt v?rdet av de erh?llna resultaten.
Fr?nvaron av signifikanta st?rningar i myokardperfusionen enligt stressscintigrafi indikerar en god prognos ?ven vid p?visad kransk?rlssjukdom.
Identifiering av signifikanta perfusionsst?rningar under scintigrafiska studier hos patienter med kransk?rlssjukdom indikerar en ogynnsam prognos och fungerar som ett bra sk?l f?r att utf?ra CAG med det efterf?ljande beslutet i fr?gan om kirurgisk myokardiell revaskularisering.
Myokardperfusionstest ?r indicerat hos alla patienter med p?visad kronisk CAD f?r att stratifiera risken f?r kardiovaskul?ra komplikationer.
2.7.6. Tomografiska studier
Multislice r?ntgendatortomografi av kransart?rerna
Efter intraven?s administrering av en radiopak substans ?r det m?jligt att visualisera kransart?rerna och shuntarna till dem, ganska exakt identifiera aterosklerotiska plack och best?mma graden av intravaskul?r stenos.
Vid diagnos av IHD i oklara fall ?r metoden ett alternativ till konventionell invasiv CAG och kan utf?ras enligt samma indikationer. F?rdelen med metoden ?r minimalt invasiv. Hos ?ldre patienter med flera f?rkalkade intravaskul?ra plack leder denna metod ofta till ?verdiagnostik av kransk?rlsstenos. Med bevisad kransk?rlssjukdom och valet av metod f?r kirurgisk revaskularisering ?r det att f?redra att utf?ra CAG.
Elektronstr?letomografi av kransk?rl
Metoden anv?nds vid diagnos av ?derf?rkalkning i kransk?rlen, s?rskilt vid verifiering av en multik?rlskada och skada p? b?len p? v?nster kransart?r. Men f?r utbredd anv?ndning ?r denna metod fortfarande otillg?nglig, dyr och har ett antal begr?nsningar. Genomf?rbarheten av ett utbrett genomf?rande av denna studie i kransk?rlssjukdom har ?nnu inte bevisats.
Andra metoder f?r tomografisk avbildning
Magnetisk resonanstomografi av hj?rtat,i, positronemissionstomografi av hj?rtat, i vila och i kombination med stressp?verkan, har experimentellt bevisat h?g sensitivitet och specificitet vid kronisk kransk?rlssjukdom, men de utf?rs inte universellt.
2.8. Slutlig stratifiering av risken f?r komplikationer
Det slutliga m?let med icke-invasiva diagnostiska studier ?r att f?rdela patienter med p?visad kransk?rlssjukdom i grupper: med h?g, m?ttlig eller l?g risk f?r sv?ra komplikationer och d?dliga utfall (tabell 8).
Stratifiering av patienter i riskgrupper ?r av stor praktisk betydelse, eftersom det g?r det m?jligt att undvika on?diga ytterligare diagnostiska studier och minska medicinska kostnader hos vissa patienter, och aktivt h?nvisa andra patienter till CAG och myokardrevaskularisering.
- I gruppen med l?g risk f?r komplikationer (uppskattad ?rlig d?dlighet<1%) проведение дополнительных визуализирующих исследований с диагностической целью не оправданно. Также нет необходимости в рутинном направлении таких больных на КАГ.
- Patienter med h?g risk f?r komplikationer (uppskattad ?rlig mortalitet >3%) b?r remitteras till CAG utan ytterligare icke-invasiv testning.
- Hos patienter som klassificeras som m?ttlig risk (uppskattad ?rlig mortalitet p? 1-3%), best?ms indikationerna f?r CAG genom ytterligare studier (avbildningsstresstester, f?rekomst av v?nsterkammardysfunktion).
Tabell 8. "F?rdelning av patienter med kransk?rlssjukdom enligt riskgrad baserat p? icke-invasiva diagnostiska studier"
| l?g risk | m?ttlig risk | h?g risk |
| (?rlig d?dlighet<1%) | (?rlig d?dlighet 1-3%) | (?rlig d?dlighet >3%) |
| H?gt l?pbandsindex (>5) | Mindre/m?ttlig LV-dysfunktion i vila (FEV 35-49%) | Allvarlig LV-dysfunktion i vila (FEV<35%) |
| Lite eller ingen perfusionsdefekt i vila och under tr?ning* | Frontier l?pbandsindex (-11/+5) | L?gt l?pbandsindex (<-11) |
| Normal myokardkontraktilitet enligt tr?ningsekokardiografi. Antingen ?kar inte de befintliga omr?dena av lokal hypokinesi under tr?ning* | Tr?ning inducerar en m?ttlig myokardperfusionsdefekt utan samtidig LV-dilatation och utan ?kat upptag av indikatorn i lungorna. | Allvarlig LV-dysfunktion under tr?ning (FEV<35%) |
| Med farmakologisk stressekokardiografi orsakas en kr?nkning av lokal kontraktilitet endast av stora doser av l?kemedlet och str?cker sig till h?gst 2 segment | Stor perfusionsdefekt vid tr?ning (s?rskilt i den fr?mre v?ggen av v?nster kammare) | |
| Flera m?ttliga defekter i myokardperfusion under tr?ning | ||
| Stor irreversibel myokardperfusionsdefekt associerad med post-stress LV-dilatation eller ?kat upptag av sp?r?mnet i lungv?vnad | ||
| Med stressekokardiografi - en kr?nkning av lokal kontraktilitet i > 2 segment mot bakgrund av inf?randet av l?ga doser av ett farmakologiskt l?kemedel eller med l?g hj?rtfrekvens (<120/мин) | ||
| Utbredd hypokinesi enligt stressekokardiografi med andra belastningsmetoder |
2.9. INVASIVA STUDIER
2.9.1 Koronar angiografi
Det ?r "guldstandarden" f?r att identifiera och bed?ma graden av skada p? kransart?rerna. Indikationer f?r CAG vid kronisk kransk?rlssjukdom:
- Verifiering av diagnosen kransk?rlssjukdom i oklara fall;
- Best?mning av taktiken f?r myokardiell revaskularisering vid bevisad kransk?rlssjukdom:
- med ineffektiviteten av l?kemedelsbehandling av kransk?rlssjukdom;
- med h?g risk f?r kardiovaskul?ra komplikationer enligt kliniska data och resultat fr?n icke-invasiva studier.
F?r en rimlig CAG ?r det n?dv?ndigt att ta h?nsyn till hela m?ngden data som erh?llits under f?rh?r, unders?kning och icke-invasiva instrumentella studier. Det ?r mest motiverat att utf?ra CAG hos patienter med en a priori h?g risk f?r d?dsfall och allvarliga kardiovaskul?ra komplikationer, eftersom under studien av s?dana patienter vanligtvis beslutas om metoden f?r myokardiell revaskularisering f?r att minska denna risk. Med en l?g risk f?r kardiovaskul?ra komplikationer ?r CAG inte tillr?dligt, eftersom dess resultat vanligtvis inte p?verkar behandlingsf?rloppet och f?ljaktligen inte ?ndrar prognosen. Vid behov kompletteras CAG med intrakoron?rt ultraljud (IVUS).
CAG-data ?r ett av de viktigaste kriterierna f?r att bevisa diagnosen kransk?rlssjukdom, f?ruts?ga frekvensen av komplikationer och ?verlevnad vid denna sjukdom.
I praktiken anv?nds klassificeringen av ateroskleros i kransart?rerna enligt antalet drabbade k?rl (enkelk?rl, tv?k?rl, trek?rl). Det har bevisats att den ogynnsamma prognostiska rollen f?r stenoser i de proximala sektionerna av kransart?rerna ?r h?gre ?n rollen f?r stenoser i de distala omr?dena. Grupper av patienter med stenos i b?len p? v?nster kransart?r och den proximala delen av den fr?mre ned?tg?ende art?ren s?rskiljs separat.
Det f?reslagna prediktiva indexet f?r kransk?rlssjukdom ?r baserat p? f?rekomsten av ?derf?rkalkning i kransk?rlen (tabell 9). Den prognostiska vikten av tecken p? skadans sv?righetsgrad varierar fr?n 0 (intakt CA) till 100 (stenos i LCA-stammen).
Tabell 9. "IHD prognostiskt index enligt koronar angiografi (med l?kemedelsbehandling)"
| Prevalensen av ateroskleros och graden av stenos i kransart?ren (% stenos) | Indikator f?r prediktiv vikt (0-100) | 5-?rs ?verlevnad (%) |
| Besegra 1 KA (75%) | 23 | 93 |
| Lesion >1 CA (50-74 %) | 23 | 93 |
| Besegra 1 KA (>95%) | 32 | 91 |
| Besegra 2 KA | 37 | 88 |
| 2 CA-skada (b?da stenoser >95%) | 42 | 86 |
| Skada p? 1:a kransart?ren, stenos i proximal ACA >95 % | 48 | 83 |
| Skada p? 2:a CA, stenos av AAD >95 % | 48 | 83 |
| Lesion av 2:a kransart?ren, stenos i proximal ACA >95 % | 56 | 79 |
| Besegra 3 KA | 56 | 79 |
| 3 CA-skada, en av stenoserna >95 % | 63 | 73 |
| Skada p? 3:e kransart?ren, stenos i proximal ACA 75 % | 67 | 67 |
| Skada p? 3:e kransart?ren, stenos i proximal AAD >95 % | 74 | 59 |
2.9.2. Ventrikulografi
Ibland kompletteras kransk?rlsangiografi med en ventrikulografisk studie. Huvudindikationen f?r ventrikulografi ?r en detaljerad bed?mning av allm?n och lokal v?nsterkammarkontraktilitet. Betydelsen av den v?nstra ventrikul?ra dysfunktionen som avsl?jas under ventrikulografi ?r mycket viktig f?r att f?ruts?ga ?verlevnaden f?r patienter med alla former av kransk?rlssjukdom. Ventrikulografi utf?rs n?r den ekokardiografiska studien inte ?r informativ.
2.9.3. Intrakoron?rt ultraljud
En relativt ny diagnostisk metod som kompletterar CAG. Det ?r fritt fr?n vissa brister i CAG, eftersom det g?r det m?jligt att studera ytan och den inre strukturen av aterosklerotiska plack, detektera tromboser i kransart?rerna och unders?ka tillst?ndet hos k?rlv?ggen runt placken. Dessutom, med hj?lp av IVUS, ?r det m?jligt att mer exakt verifiera plack av komplex konfiguration, som ?r sv?ra att kvantifiera under CAG i konventionella projektioner. Metoden ?r av st?rsta vikt vid detektion av normala eller l?tt f?r?ndrade kransk?rl vid konventionell kransk?rlsangiografi. Studien ?r inte indicerad f?r utbredd anv?ndning vid kronisk kransk?rlssjukdom.
Fr?ga nummer 38. Komplett grupp av h?ndelser. Total sannolikhetsformel. Bayes formler.
Tv? h?ndelser. Kollektivt oberoende. Formuleringen av multiplikationssatsen i detta fall.
Fr?ga nummer 37. Villkorlig sannolikhet. Multiplikationssats. Definition av oberoende
Den villkorade sannolikheten ?r sannolikheten f?r en h?ndelse givet att en annan h?ndelse redan har intr?ffat.
P (A | B) \u003d p (AB) / p (B)
Den villkorade sannolikheten ?terspeglar inverkan av en h?ndelse p? sannolikheten f?r en annan.
Multiplikationssats.
Sannolikheten f?r att producera h?ndelser best?ms av formeln P (A 1, A 2, .... A n) \u003d P (A 1) P (A 2 / A 1) ... P (A n / A 1 A 2 ... A n -1)
F?r produkten av tv? h?ndelser f?ljer det
P(AB)=P(A/B)P(B)=P(B/A)P(A)
Om den ena h?ndelsen inte beror p? den andra, om f?rekomsten av en av dem inte p?verkar sannolikheten f?r att den andra intr?ffar, s? ?r den senare ocks? oberoende av den f?rra. Detta ger full anledning att kalla s?dana evenemang oberoende. Matematiskt betyder oberoende att den villkorade sannolikheten f?r n?gon h?ndelse ?r densamma som dess sannolikhet (ovillkorlig sannolikhet).
1. De s?ger att h?ndelse A inte beror p? h?ndelse B om
P(A|B)=P(A)
Om h?ndelse A inte beror p? h?ndelse B, s? beror h?ndelse B inte p? h?ndelse A.
2. Om h?ndelserna A och B ?r oberoende, d? P(AB)=P(A)P(B) - denna likhet anv?nds f?r att best?mma oberoende h?ndelser.
Man b?r skilja mellan parvis oberoende av h?ndelser och oberoende i aggregatet.
H?ndelser А1,А2,….Аn kallas kollektivt oberoende om de ?r parvis oberoende och var och en av dem inte beror p? produkten av n?gon upps?ttning andra h?ndelser.
Om h?ndelserna А1,А2,….An ?r oberoende i aggregatet, d?
P (A 1, A 2, .... A n) \u003d P (A 1) P (A 2) ... P (A n).
I varje grupp kommer n?gon h?ndelse definitivt att intr?ffa som ett resultat av testet, och f?rekomsten av en av dem utesluter f?rekomsten av alla andra. S?dana h?ndelser kallas en komplett h?ndelsegrupp.
Definition: Om en grupp av h?ndelser ?r s?dan att minst en av dem m?ste intr?ffa som ett resultat av testet, och tv? av dem ?r inkompatibla, kallas denna grupp av h?ndelser en komplett grupp.
Varje h?ndelse fr?n en hel grupp kallas en element?r h?ndelse. Varje element?r h?ndelse ?r lika sannolik, eftersom det finns ingen anledning att tro att n?gon av dem ?r mer m?jlig ?n n?gon annan h?ndelse f?r hela gruppen.
Tv? motsatta h?ndelser utg?r en komplett grupp.
Den relativa frekvensen av h?ndelse A ?r f?rh?llandet mellan antalet upplevelser som resulterade i h?ndelse A och det totala antalet upplevelser.
Skillnaden mellan den relativa frekvensen och sannolikheten ligger i det faktum att sannolikheten ber?knas utan den direkta produkten av experimenten, och den relativa frekvensen - efter upplevelsen.
Total sannolikhetsformel
(d?r A ?r n?gon h?ndelse, H1, H2 ... Hi ?r parvis inkompatibla och bildar en komplett grupp, och A kan intr?ffa tillsammans med H1, H2 Hi)
P(A)=P(A|H1) P(Hl)+P(A|H2)P(H2)+P(A|H3)P(H3)+…+P(A| Hn)P(Hn)
Bayes formel
Р(Нi |A)= 
Kommentar. H?ndelser Нi kallas sannolikhetshypoteser, р(Нi) – a priori sannolikheter f?r Нi hypoteser, och sannolikheter Р(Нi/А) – a posteriori sannolikheter f?r Нi hypoteser.
L?t resultatet av experimentet vara k?nt, n?mligen att h?ndelsen A intr?ffade. Detta faktum kan ?ndra a priori (det vill s?ga k?nda f?re experimentet) sannolikheter f?r hypoteserna. F?r att omv?rdera sannolikheterna f?r hypoteser med ett k?nt resultat av experimentet anv?nds Bayes formel:
Exempel. Efter tv? skott av tv? skyttar, vars tr?ffsannolikheter ?r 0,6 och 0,7, blev det ett h?l i m?let. Hitta sannolikheten att den f?rsta skytten tr?ffade.
L?sning. L?t h?ndelse A vara en tr?ff med tv? skott,
och hypoteser: H1 - den f?rsta tr?ffen och den andra missade,
H2 - den f?rsta missade och den andra tr?ffen,
H3 - b?da tr?ffade,
H4 - b?da missade.
Hypotessannolikheter:
p(Hl) = 0,6 0,3 = 0,18,
p(H2) = 0,4 0,7 = 0,28,
p(H3) = 0,6 0,7 = 0,42,
p(H4) = 0,4 0,3 = 0,12.
D? p(A/H1) = p(A/H2) = 1,
p(A/H3) = p(A/H4) = 0.
D?rf?r ?r den totala sannolikheten p(A) = 0,18 1 + 0,28 1 + 0,42 0 + 0,12 0 = 0,46.
Formeln f?r total sannolikhet l?ter dig ber?kna sannolikheten f?r en h?ndelse av intresse genom de villkorade sannolikheterna f?r denna h?ndelse, under antagande av vissa hypoteser, s?v?l som sannolikheterna f?r dessa hypoteser.
Definition 3.1. L?t h?ndelsen A endast intr?ffa tillsammans med en av h?ndelserna H1, H2, ..., Hp, vilket bildar en komplett grupp av inkompatibla h?ndelser. D? kallas h?ndelserna H1, H2,..., Hp f?r hypoteser.
Sats 3.1. Sannolikheten f?r h?ndelse A, som intr?ffar tillsammans med hypoteserna H1, H2, ..., Hp, ?r lika med:
d?r p(Hi) ?r sannolikheten f?r den i:te hypotesen och p(A/Hi) ?r sannolikheten f?r h?ndelse A under f?ruts?ttning att denna hypotes realiseras. Formeln (P(A)= ) kallas den totala sannolikhetsformeln
Fr?ga nummer 39. Bernoulli-schema. Sannolikhet f?r m framg?ngar i en serie av n f?rs?k
1) Provtagning av sannolikheterna f?r alla symtom f?r de p?st?dda sjukdomarna. Om det finns tre sjukdomar (D1, D2, D3), b?r tre grupper av siffror visas:
P(S 2 /D 1) P(S 2 /D 2) P(S 2 /D 3)
P(S 7 /D 1) P(S 7 /D 2) P(S 7 /D 3)
P(S 9 /D 1) P(S 9 /D 2) P(S 9 /D 3)
Om det finns m?nga symtom och m?nga m?jliga diagnoser, vilket h?nder i praktiken, ?r det i grunden om?jligt att utf?ra detta provtagningssteg utan inblandning av en dator, vilket gjorde denna metod endast m?jlig med hj?lp av datorteknik.
2) Ber?kning av den betingade sannolikheten f?r symtomkomplexet P(S сi /D j). Ber?knat enligt en formel k?nd fr?n sannolikhetsteorin. Den villkorade sannolikheten f?r ett symtomkomplex ?r produkten av sannolikheterna f?r symptomen f?r ett givet symtomkomplex f?r en given diagnos. Till exempel, f?r ett symtomkomplex av n symptom f?r n?gon diagnos J:
P(Sci/Dj)= P(S1/Dj)*P(S2/Dj) * ... * P(S n/Dj) (1)
Antalet villkorade sannolikheter som erh?lls p? detta s?tt ?r lika med antalet diagnoser som beaktas i systemet (dvs. antalet kolumner i tabellen).
Best?mning av tidigare sannolikhet f?r sjukdom.
Den a priori sannolikheten f?r en viss diagnos (Dj) ?r den empiriska observationsfrekvensen av en given sjukdom under vissa specifika tillst?nd. Sannolikheten a priori betecknas P(D j) Den k?nnetecknar f?rdelningen av sjukdomar i en given befolkningsgrupp. En s?dan grupp kan vara en kontingent av ett givet sjukhus, ett givet distrikt, en given stad. Det kallas a priori (pre-experimentellt) eftersom det ?r k?nt redan innan symtomkomplexet erh?lls, d.v.s. Den nya patienten har inget med henne att g?ra. Po?ngen med att introducera P(D j) i diagnostik ?r att den inte ?r konstant och beror p? geografiska, s?songsbetonade, epidemiologiska och andra faktorer som m?ste beaktas n?r man st?ller en diagnos. Till exempel, p? ett sjukhus, valdes 100 personer slumpm?ssigt ut, 70 av dem var sjuka av influensa. Det betyder att sannolikheten att f? influensa hos alla patienter p? detta sjukhus kommer att vara lika med 70/100=0,7, n?r influensaepidemin ?r eliminerad kommer naturligtvis P(D j) f?r influensa p? detta sjukhus att vara annorlunda. V?rdet p? a priori sannolikheten f?r diagnos ?r ett av de v?rden som kr?ver ?vervakning och str?mkorrigering under driften av diagnossystemet.
Ber?kning av normaliseringsfaktorn (Psc).
Normaliseringskoefficienten representerar den totala sannolikheten f?r n?rvaron av ett symtomkomplex i alla sjukdomar. Detta v?rde har en matematisk betydelse som representerar den totala summan av de parvisa produkterna av de villkorliga sannolikheterna f?r symtomkomplexet f?r en given diagnos och a priori sannolikheten f?r denna diagnos:
Psc \u003d P (S ci / D 1) * p (D 1) + P (S ci / D 2) * p (D 2) + ... + P (S ci / D n) * p (D n )
Det totala antalet termer i denna summa ?r lika med antalet diagnoser som beaktas i detta system.
5) Ber?kning av sannolikheterna f?r diagnoser f?r ett givet symtomkomplex (P(D j /S ci)).
Detta steg ?r det n?st sista i systemets operationsschema och ?r baserat p? anv?ndningen av Bayes sats (formeln f?r sannolikheten f?r hypoteser):
P(Dj/Sci)=[P(Sci/Dj)x P(Dj)]/[P(Sc)]
Antalet sannolikheter f?r diagnoser ?r lika med antalet diagnoser i systemet. Med andra ord, som ett resultat av detta skede av arbetet, ber?knar systemet sannolikheten f?r var och en av de tillg?ngliga diagnoserna.
Fastst?llande av diagnos.
Steget ?r det enklaste och baseras p? en enkel j?mf?relse av v?rdena som erh?lls i steg (5). Det st?rsta v?rdet indikerar den diagnos som ?r mest sannolikt med detta symtomkomplex. Teoretiskt finns det fall d? sannolikheten f?r flera diagnoser ?r lika. I det h?r fallet ?r det n?dv?ndigt att s?ga att diagnostabellen som anv?nds i systemet inte ?r tillr?ckligt perfekt f?r att "s?rskilja" dessa diagnoser.
