Информационная система классификации нозологических показателей: на примере Удмуртской Республики тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Токмурзин, Павел Владимирович

• Токмурзин, Павел Владимирович
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Токмурзин, Павел Владимирович

ВВЕДЕНИЕ.

ГЛАВА 1. ПРОЕКТИРОВАНИЕ МЕДИЦИНСКИХ ИНФОРМАЦИОННЫХ СИСТЕМ.

1.1. Анализ возможностей современных медицинских информационных систем.

1.2. Схема работы связки медицинской информационной системы учета и анализа данных.

1.3. Требования к построению медицинской информационной системы.

1.4. Организация процесса разработки медицинской информационной системы.

ГЛАВА 2. ПОСТРОЕНИЕ ПРИКЛАДНЫХ

МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ АНАЛИЗА.

2.1. Регрессионные модели прогноза.

2.2. Определение статистических связей между факторами.

2.3. Логистическая модель классификации социальных групп.

ГЛАВА 3. МЕДИЦИНСКАЯ ИНФОРМАЦИОННАЯ СИСТЕМА КЛАССИФИКАЦИИ НОЗОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ.

3.1. Построение медицинской информационной системы классификации нозологических показателей.

3.2. Описание состава компонент медицинской информационной системы.

ГЛАВА 4. АНАЛИЗ ДИНАМИКИ ИЗМЕНЕНИЯ ПОКАЗАТЕЛЯ СУИЦИДА НА ТЕРРИТОРИИ УДМУРТСКОЙ РЕСПУБЛИКИ В 2000 -2003 ГОДАХ.

4.1. Исходные данные и методы исследования.

4.2. Динамика показателя суицида за период с 2000 по 2003 год.

4.3. Величина показателя суицида в зависимости от пола.

4.4. Величина показателя суицида в зависимости от возраста.

4.5. Величина показателя суицида в зависимости от национальности

4.6. Величина показателя суицида в зависимости от экономико-социального положения суицидентов.

4.7. Величина показателя суицида в зависимости от времени совершения суицида.

4.8. Величина показателя суицида в зависимости от района проживания суицидента.

4.9. Величина показателя суицида в зависимости от состояний, сопутствовавших суициду.

4.10. Величина показателя суицида в зависимости от места и способа совершения суицида.

Введение диссертации (часть автореферата) на тему «Информационная система классификации нозологических показателей: на примере Удмуртской Республики»

Актуальность темы. В настоящий момент все больше внимания уделяется вопросам развития и совершенствования методов анализа и учета данных для медицины. Необходимость развития и совершенствования определяется расширением круга задач, который ставятся перед медицинскими учреждениями в связи с растущим количеством заболеваний и регрессу здоровья нации. Основным критерием состояния здоровья населения страны является комплекс нозологических показателей, определяемых учреждениями системы здравоохранения.

Традиционно под нозологией понимается раздел патологии, включающий общее учение о болезни, а также изучение причин (этиология), механизмов развития (патогенез) и клинических особенностей отдельных болезней, классификацию и номенклатуру болезней.

Совокупность внешних признаков (симптомов) составляет клиническую картину нозологической формы. У конкретного больного могут наблюдаться вариации того или иного признака, не меняющие, однако, «лица болезни» и определяющиеся условиями развития патологического процесса (особенности возбудителя и реакции организма, обусловленной наследственными и приобретёнными его свойствами). Важны данные так называемых параклинических методов исследования: лабораторных, инструментальных - как функциональных, например, электрокардиография при инфаркте миокарда, так и морфологических. В ряде случаев именно морфологический критерий определяет нозологическую форму: например, для диагностики злокачественных опухолей обязательны гистологическое доказательство появления ненормальных клеточных структур и определение места (органа) их первичного возникновения; разнообразные внешние признаки, сопровождающие опухолевый рост, имеют меньшее диагностическое значение.

Однако эффективность применения нозологического подхода многие годы была невысокой вследствие того, что современной медицине известно более 5000 нозологических форм, а высокопроизводительных автоматизированных средств обработки и системного их анализа, доступных российским клиникам и больницам, не было.

Проектирование и разработка комплексной медицинской информационной системы (МИС) представляет собой чрезвычайно сложную задачу, требующую для своего решения больших материальных затрат и затрат труда квалифицированных специалистов. Это объясняется тем, что проектирование системы такого класса ведет к совершенствованию и оптимизации процессов внутри медучреждения.

Большинство современных МИС, в которых реализованы функции, присущие учетным системам, не обеспечены средствами data-mining анализа, такими как прогнозирование и классификация, и не обладают достаточной гибкостью для адаптации к решению конкретных задач. В связи с этим при необходимости проведения анализа данных необходимо или использовать дополнительно статистические пакеты или модифицировать существующую систему, что ведет как к дополнительным финансовым тратам (покупка программного продукта, обучение специалистов), так и к усложнению процесса анализа, обусловленному универсальностью статистического пакета.

По данным ежегодного бюллетеня Technology Review, 6 из 10 перспективных технологий, которые в ближайшее время будут оказывать влияние на человеческое общество, так или иначе связаны с медициной. Большинство из перечисленных технологий или методик базируются на достижениях информационных технологий. Одно из направлений развития информационного комплекса медицины заключается в применении современных математических методов и технических средств, таких, как математическое моделирование, прогнозирование, классификация.

Проблемы прогнозирования и классификации нозологических показателей в настоящее время являются весьма актуальными, поскольку ускорение анализа данных и повышение его точности ведет к оперативному и адекватному принятию управленческих решений.

Объектом исследования является МИС с методологией анализа нозологических показателей и данные нозологических показателей по социальным группам населения.

Предметом исследования является программное, информационное обеспечение анализа нозологических показателей; методы построения бинарных моделей классификации разнородных данных; математическое описание алгоритмов решения систем нелинейных уравнений.

Цель работы состоит в проведении комплексных исследований для получения научно-обоснованных решений, направленных на разработку проблемно-ориентированной МИС, наделенной программно-инструментальными средствами, для решения задач учета и анализа нозологических показателей, что будет способствовать автоматизации обработки больших массивов данных о состоянии здоровья населения УР, получению теоретически обоснованных оценок уровня медицинского обеспечения в регионе и принятию адекватных управленческих мер для устранения негативных тенденций в здравоохранении УР.

В ходе работы решались следующие научные и практические задачи:

- выработка научно-обоснованных решений для создания логистических моделей классификации социальных групп;

- выбор и обоснование методики построения логистической модели;

- проектирование и разработка МИС учета и анализа нозологических показателей;

- разработка алгоритма численного расчета параметров модели для оценки степени риска и классификации социальных групп населения;

- исследование влияния факторов на такой нозологический показатель как смертность населения от случаев суицида на территории УР.

Методы исследования. В работе применялись теоретические методы исследования и вычислительный эксперимент.

Бинарные модели классификации построены на основе логистической функции, для определения коэффициентов модели использовался метод Ньютона-Канторовича, классификация нозологических факторов основывается на применении методов теории вероятности и математической статистики.

МИС построена по типу реляционной базы данных «клиент-сервер», содержащей метаданные о комплексе нозологических факторов и показателей, включенных в реестр государственной статистики. Универсальная система диалога позволяет вводить и контролировать данные, используя имеющиеся априорные сведения.

Программное обеспечение системы реализовано на алгоритмическом языке высокого уровня - Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi 7.0, база данных работает под управлением СУБД Microsoft SQL Server 2005. Для проверки достоверности полученных решения использовался пакет MATLAB.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждена сопоставительным анализом разработанных и существующих математических моделей и методов, а также итогами проведения вычислительного эксперимента.

Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях теории вероятности и математической статистики, методах вычислительной математики. Приведенные в работе математические модели построены с использованием результатов научных трудов по вопросам математического моделирования логистической регрессии таких ученых как С.А. Айвазян, И.С. Енюков, Д. Бендат, Д.В. Хосмер, С. Лемешов, П. Мак-Куллаг, Д.А. Нелдер.

Достоверность экспериментальных результатов обеспечена большим объемом экспериментального материала, статистическими методами обработки данных и хорошей воспроизводимостью результатов.

На защиту выносятся результаты исследования и разработки МИС, обеспечивающей повышение уровня автоматизации обработки больших массивов данных о состоянии здоровья населения УР и получению теоретически обоснованных оценок уровня медицинского обеспечения в регионе, в том числе:

- проектирование и реализация МИС, разработка концептуальной структуры объектно-ориентированной системы, принципов построения программного, информационного и математического обеспечения системы;

- результаты разработки и исследований алгоритмов и методов анализа данных нозологических показателей, определяющих реперные характеристики мониторинга здоровья населения региона;

- обоснование выбора критерия классификации степени риска приобретения того или иного заболевания индивидами из различных социальных групп населения;

- обработка больших объемов информации об индивидуальных нозологических показателях больных, прошедших медицинское обследование в учреждениях здравоохранения, систематизация результатов обработки и построение информационных карт, свидетельствующих о вероятности возникновения того или иного заболевания у конкретного больного;

- системный анализ для выявления социально-опасных тенденций в развитии тяжелых, трудноизлечимых заболеваний, например, суицида.

Научная новизна полученных результатов определяется впервые проведенными комплексными исследованиями, направленными на разработку алгоритмов и программных средств для обработки и системного анализа уровня заболеваемости населения УР, в ходе которых:

- разработана структура МИС, которая может использоваться в повседневной практике медицинских организаций и учреждений, обладающих большим объемом нозологической информации;

- программно-аппаратно реализован нозологический подход, позволяющий клиницистам и представителям теоретической медицины с помощью средств вычислительной техники выделять нозологические формы, для которых характерны определенные причины, однозначный патогенез, типичные внешние проявления и специфические структурные нарушения в органах и тканях;

- определены принципы построения алгоритмов и программных средств, предназначенных на ранней стадии обработки информации выявлять ошибочные данные с механизмом их автоматического исправления;

- разработаны научно обоснованные программные решения, направленные на повышение уровня достоверности нозологических данных;

- разработанная система контроля достоверности информации обладает высокой степенью совместимости и мобильности, вследствие чего может быть интегрирована в уже существующие хранилища данных, а также портиро-ваться на сервера различных медицинских учреждений, поддерживающих реляционную модель данных;

- впервые при проектировании МИС анализа нозологических показателей применен предметно-ориентированный подход, применяемый при разработках промышленных систем класса Enterprise Resource Planning, который позволяет оперировать набором метаданных для настройки системы под нужды системы здравоохранения;

- предложены и обоснованы различные стратегии построения обучающих выборок для построения регрессионных моделей классификации нозологических показателей.

Практическая ценность работы. Разработанная и реализованная в виде МИС методика классификации социальных групп по нозологическим показателям предназначена для использования различными медицинскими учреждениями как для регистрации значений нозологических показателей на основании первичных документов и получения стандартизированных отчетов, так и для проведения анализа нозологических показателей в разрезе социальных групп населения.

Данная МИС построена на основе теории диалогики, базирующейся на логике распознавания образов нозологических форм. Она способствует развитию клинической нозологии, представляющей собой специфическое преломление общей нозологии в индивидуально-личностном преломлении. МИС, построенная на диалогике, требует от врача совершенствования ума и таланта, интуиции и знаний нозологии, этиологии, патогенеза, клиники, лечения, поскольку в основе клинической патологии лежат законы саморегуляции (пато-кинеза), законы адаптивного реагирования.

Выделение нозологических форм важно для развития клинических дисциплин, т.к. способствует единому подходу к каждой болезни, в частности разработке методов специфической патогенетической терапии.

Реализация и внедрение работы. Полученные результаты использованы и апробированы для опытно-методической эксплуатации системы анализа нозологических показателей в НИИ Федеральной службы исполнения наказаний России. Созданная информационная система позволила получить новые знания по составу социальных групп для различных видов смертности населения.

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на российских и международных научно-технических конференциях и конгрессах: IV Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2003); VII Всероссийской НТК «Повышение эффективности средств обработки информации на базе математического моделирования» (Тамбов, 2004); VI Российская университетская академическая научно-практическая конференции. (Ижевск, 2004); VI Международном конгрессе по математическому моделированию (Нижний Новгород, 2004); 33-й международной конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006); XI Международная открытая конференция «Современные проблемы информатизации в прикладных задачах» (Воронеж, 2006); Международная научная конференция «75 лет высшему образованию в Удмуртии». (Ижевск, 2006); VI Всероссийская научно-техническая конференция «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2006); Всероссийской НТК «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2006).

Публикации. Основные научные результаты по теме диссертации опубликованы в 8 научных работах, в том числе: 2 тезиса докладов, 6 статьей в журналах и сборниках. Автор имеет 1 научный труд в издании, выпускаемых в РФ и рекомендуемых ВАКом для публикации основных результатов диссертаций.

Структура и объем работы. Объем диссертационной работы составляет 161 страницу, включая 47 рисунков и 50 таблиц. Работа состоит из введения, четырех глав, заключения и списка литературы, включающего 108 наименований.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Токмурзин, Павел Владимирович

Основные выводы по работе:

1. В результате проделанных комплексных исследований получены научно-обоснованные методические и технические решения, направленные на разработку проблемно-ориентированной МИС, наделенной программно-инструментальными средствами, для решения задач учета и анализа нозологических показателей, что будет способствовать автоматизации обработки больших массивов данных о состоянии здоровья населения УР, получению теоретически обоснованных оценок уровня медицинского обеспечения в регионе и принятию адекватных управленческих мер для устранения негативных тенденций в здравоохранении УР.

2. Разработана структура МИС, которая может использоваться в повседневной практике медицинских организаций и учреждений, обладающих большим объемом нозологической информации. Программно-аппаратно реализован нозологический подход, позволяющий клиницистам и представителям теоретической медицины с помощью средств вычислительной техники выделять нозологические формы, для которых характерны определенные причины, однозначный патогенез, типичные внешние проявления и специфические структурные нарушения в органах и тканях;

3. Определены принципы построения алгоритмов и программных средств, предназначенных на ранней стадии обработки информации выявлять ошибочные данные с механизмом их автоматического исправления. Разработаны научно обоснованные программные решения, направленные на повышение уровня достоверности нозологических данных. Разработанная система контроля достоверности информации обладает высокой степенью совместимости и мобильности, вследствие чего может быть интегрирована в уже существующие хранилища данных, а также портироваться на сервера различных медицинских учреждений, поддерживающих реляционную модель данных.

4. Впервые при проектировании МИС анализа медицинских показателей применен предметно-ориентированный подход, применяемый при разработках промышленных систем класса Enterprise Resource Planning , который позволяет оперировать набором метаданных для настройки системы под нужды системы здравоохранения. Предложены и обоснованы различные стратегии построения обучающих выборок для построения регрессионных моделей классификации нозологических показателей.

5. Проведена обработка больших объемов информации об индивидуальных нозологических показателях больных, прошедших медицинское обследование в учреждениях здравоохранения. Осуществлена систематизация результатов обработки и построение информационных карт, свидетельствующих о вероятности возникновения того или иного заболевания у конкретного больного; системный анализ для выявления социально-опасных тенденций в развитии тяжелых, трудноизлечимых заболеваний, например, суицида.

6. Созданная МИС построена на основе теории диалогики, базирующейся на логике распознавания образов нозологических форм. Она способствует развитию клинической нозологии, представляющей собой специфическое преломление общей нозологии в индивидуально-личностном преломлении. МИС, построенная на диалогике, требует от врача совершенствования ума и таланта, интуиции и знаний нозологии, этиологии, патогенеза, клиники, лечения, поскольку в основе клинической патологии лежат законы саморегуляции (патокинеза), законы адаптивного реагирования. Выделение нозологических форм важно для развития клинических дисциплин, т.к. способствует единому подходу к каждой болезни, в частности разработке методов специфической патогенетической терапии.

7. Сформулированная математическая постановка задачи классификации социальных групп по риску смертности от различных причин и алгоритм ее численной реализации дает возможность повысить точность классификации в сочетании с высокой оперативностью по сравнению с существующими математическими моделями. Приведенный метод позволит существенно ускорить принятие управленческих решений.

8. Созданная модель, основанная на полной выборке регистра смертности населения. Адекватность моделей показана при помощи таблиц классификации на объектах контрольной выборки. Для модели классификации социальных групп по риску смертности в результате суицида общий процент правильной классификации составил 72.1%.

ЗАКЛЮЧЕНИЕ

Список литературы диссертационного исследования кандидат технических наук Токмурзин, Павел Владимирович, 2007 год

1. Токмурзин П.В. Логистическая модель анализа и прогнозирования суицидов // Материалы к V1.Российской университетской академической научно-практической конференции - 2004. - 112 - 113 с.

2. Токмурзин П.В. Логистическая модель анализа риска для показателя суицида на территории Удмуртской Республики // Вестник Удмуртского Университета. -2006. -№1,161 168 с.

3. Токмурзин П.В., Ицков А.Г. Особенности реализации медицинских информационных систем на примере подсистемы «Анализ показателей смертности» // Интеллектуальные системы в производстве 2006. - №1, 200 -206 с.

4. Токмурзин П.В. Структура и возможности МИС анализа показателей смертности // Вестник Ижевского Государственного Технического Университета 2006. - №4, 76 - 79 с.

5. Токмурзин П.В., Ицков А.Г. Методы отбора параметров для построения бинарных математических моделей классификации // Вестник Удмуртского Университета. 2007. - № 1, 215 - 222 с.

6. Токмурзин П.В. Построение логистических моделей классификации медицинских показателей. Ижевск, 2007. - 19 с. - Деп. В ВИНИТИ 10.04.2007, № 406-В2007.

7. Токмурзин П.В. Построение медицинской информационной системы анализа показателей смертности. Ижевск, 2007. - 14 с. - Деп. В ВИНИТИ 10.04.2007, №407-В2007.

8. CNews: Интернет издание о высоких технологиях http://www.cnews.ru/ reviews/free/national2006/int/podhod/.

9. Ю.Ульянов М.М. Обзор ситуации на рынке современных медицинских компьютерных систем // Здравоохранение. 2002. - №3. - С. 169-172.

10. Столяр B.JI. Медицинские информационные системы // Медикал маркет. -1997.-№4.-С. 6-9.

11. Селезнев В.П. Проблемные вопросы построения инфор-мационно-программных комплексов обеспечения работ профильных и административно-хозяйственных подразделений лечебно-профилактических учреждений // Экономика здравоохранения. 2001. - №1. - С. 32-34.

12. Столяр B.JL, Москвичев А.Л., Винокуров Д.К. //Анн. хир. 1997. - №2.

13. Комаров Ю.М. Проблемы создания АСУ в здравоохранении // Здравоохранение Рос. Федерации. 1988. - №5. - С. 18-22.

14. АСПОН-90 путь к полной компьютеризации здравоохранения СССР // Сов. культура. - 1989. - 8 апреля. - С. 12.

15. И.М. Воронцов, В.В. Шаповалов, А.Е. Иориш, Т.И. Иванова, Л.И. Миронова, М.Д. Рожнов. Значение компьютерных технологий в профилактической педиатрии http://nature.web.ru/db/msg.html?mid=l 174324.

16. П.Богомолов Б. Медицинская энциклопедия. М.:АСТ, 2006. - 734 с.

17. Щеглов В.Н. Алгебраические модели конструктивной логики для управления и оптимизации химико-алгебраических систем // Автореферат кандидата технических наук Л.: Технологический институт им. Ленсовета, 1983 -20 с.

18. Драгалин А.Г. Математический интуиционизм. Введение в теорию доказательств. М.: Наука, 1979. - 256 с.

19. Кафаров В.В., Щеглов В.Н. Моделирование сложных химико-технологических процессов на основе методов алгебры логики // Доклад АН СССР, 1976.-Т. 231.-№6.

20. Международная классификация болезней МКБ-10. Электронная версия -http ://www.mkb 10.ru/.

21. Какорина Е.П. Развитие медицинских информационно-аналитических центров в Российской Федерации // Здравоохранение. 2002. - №7. -С. 163-173.

22. CNews: Интернет издание о высоких технологиях http://www.cnews.ru/ reviews/free/national2006/articles/itperspekt/.

23. Bearman М., McPhee W„ Cesnik В. // MEDINFO 95 Proceeding, IMIA. -1995.-P. 785.

24. FHer F.J., Hirs W.M. // MEDINFO 95 Proceeding, IMIA. 1995. - P. 121.

25. Калянов Г.Н. CASE-технологии. Консалтинг в автоматизации бизнес-процессов. М.: Горячая линия, 2003. - 320 с.

26. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов. -М.: Мир, 1971.-408 с.

27. Bendat J.S. Interpretation And Application of Statistical For Random Physical Phenomena. 1962.-120 p.

28. Гренандер У. Случайные процессы и статистические выводы. М.: Букинист, 1951.- 168 с.

29. Крамер Г. Математические методы статистики. М.: Букинист, 1975. -648 с.

30. Мостеллер Ф., Тьюки Дж. Анализ данных и регрессия. М.: Финансы и статистика, 1982.-317 с.

31. Тейл Г. Экономические прогнозы и принятие решений. М.: Статистика, 1971.-490 с.

32. Кендалл М. Дж., Стьюдент А. Статистические выводы и связи. М.: Наука, 1973.-892 с.

33. Дейвид Г. Порядковые статистики. М.: Наука, 1979. - 336 с.

34. Енюков И.С., Кулакова Е.П. Числовые метки для качественных признаков в дискриминантом анализе. М.: Наука, 1978. - 112 с.

35. Kendall rank correlation. In N.J. Salkind (Ed.): Encyclopedia of Measurement and Statistics. Thousand Oaks (CA): Sage, 2006.

36. KendalI M. Rank Correlation Methods. London: Griffin, 1948. - 160 p.

37. KendaII M. A New Measure of Rank Correlation. Biometrica. 1938. - №30. -P. 81-93.

38. Goodman L.A., Kruskal W.H. Measures of association for cross classifications // Journal of the American Statistical Association, 1972. Vol. 67 . -No 338.-PP. 415-421.

39. Castellan N. The analysis of behavior sequences. NJ: Lawrence Erlbaum Associates, 1979.-364 p.

40. Cohen J., Cohen P., West S.G., Aiken L.S. Applied multiple regression/correlation analysis for the behavioral sciences. NJ: Lawrence Erlbaum Associates, 2003. - 736 p.

41. Fisher R. A. Combining independent tests of significance // Journal of the American Statistical Association, 1954. Vol. 49 . - No 267. - PP. 559-574.

42. Айвазян C.A., Енюков И.С., Мешалкин Н.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.-471 с.

43. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, 1974. - 200 с.

44. Демиденко Е.З. Линейная и нелинейная регрессия. М.: Финансы и статистика, 1981.-302 с.

45. Hosmer D.W., Lemeshow S. Applied logistic regression. John Wiley & Sons Inc, 2000.-376 p.

46. Lemeshow S., Hosmer, D.W. The use of goodness-of-fit statistics in the development of logistic regression models // American Journal of Epidemiology. -1982.-No 115.-PP. 92-106.

47. Lemeshow S., Hosmer D.W. Estimation of odds ratios with categorical scaled covariates in multiple logistic regression analysis // American Journal of Epidemiology.- 1983.-No 119.-P. 147-151.

48. Lemeshow S., Hosmer D.W., Klar J., Lwanga S.K. Adequacy of Sample Size in Health Studies. John Wiley & Sons Inc, 1990. - 239 p.

49. Lemeshow S., Teres D., Avrunin J. S., Pastides H. Predicting the outcome of intensive care unit patients // Journal of the American Statistical Association, 1988. Vol. 83 . - No 402. - PP. 348-356.

50. Rao C.R. Linear Statistical inference and Its Application, Second Edition. -Wiley-Interscience, 1973. 642 p.

51. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров и учащихся ВТУЗов. М.: Наука, 1980. - 976 с.

52. McCulIagh, P., Nelder, J. A. Generalized Linear Models, Second Edition. -Chapman & Hall, 1989. 532 p.

53. SAS Institute Inc.SAS Guide for Personal Computers, Version 8.0. SAS Institute Inc., 2000.

54. Bendel, R.B., Afifi, A.A. Comparison of stopping rules in forward regression // Journal of the American Statistical. 1977. - No 72. - PP. 46-53.

55. Costanza, M.C, Afifi, A.A. Comparison of stopping rules in forward stepwise discriminant analysis // Journal of the American Statistical Association. 1979. -Vol. 74. - No 368. - PP. 777-785.

56. McFadden. Management of Data in Clinical Trials. Wiley-Interscience, 1984. -232 p.

57. FIeiss J. The Design and Analysis of Clinical Experiments. New York: Wiley, Inc., 1986.-448 p.

58. Wooding W.M. Planning Pharmaceutical Clinical Trials: Basic Statistical Principles. John Wiley & Sons, 1993. - 560 p.

59. Lemeshow S., Teres D., Avrunin, J.S., Pastides H. Predicting the outcome of intensive care unit patients // Journal of the American Statistical Association, 1988. Vol. 83 . - No 402. - PP. 348-356.

60. McCusker, J., Bigelow C., Vickers-Lahti M., Spotts D., Garfield F., Frost R. Planned duration of residential drug abuse treatment: efficacy versus treatment//Addiction, 1977.-Vol. 92.-No 11.-p. 1467-1478.

61. Efron B. The efficiency of logistic regression compared to normal discriminant function analysis // Journal of the American Statistical Association, 1975. -Vol. 70 . No 352. - PP. 892-898.

62. Официальный сайт кустового медицинского информационно-аналитического центра г. Новокузнецка http://www.ivcgzo.nkz.ru.

63. Джефри Д. Шэнк Технология клиент-сервер и ее приложения. М.: Лори, 1995.-418 с.

64. Проектирование и реализация баз данных Microsoft SQL Server 2000. Учебный курс MCSE. М.: Русская редакция, 2001. - 704 с.

65. Microsoft SQL Server 7.0. СПб.: БХВ Санкт-Петербург, 1999 - 720 с.

66. Microsoft Corporation http://www.microsoft.com/learning/mcp/mcdba/.71 .Microsoft Corporation http://www.microsoft.com/rus/general/press/1999/.

67. Проект Глоссарий.ру http://www.glossary.ru.

68. Амбрумова А.Г. Суицидальное поведение, как объект комплексного изучения // Комплексные исследования в суицидологи. Сборник научных трудов. М.: НИИ Психиатрии МЗ СССР, 1986. - С. 7-25.

69. Хэзлем М.Т. Психиатрия. М.: ACT, 1998. - 624 с.

70. Stengel Erwin. Suicide & Attempted Suicide. Harmondsworth: Penguin Books Ltd., 1966.-312 p.

71. Шнейдман Эдвин. Душа самоубийцы. М.: Смысл, 2001.-316 с.

72. Бородин С.В., Михлин А.С. Мотивы и причины самоубийств // Актуальные про-блемы суицидологии. Труды Московского НИИ психиатрии. М., 1978.

73. Дюркгейм Э. Самоубийство Социологический этюд. Спб.: Союз, 1998. -495 с.

74. Государственный доклад о состоянии здоровья населения Удмуртской Республики за 1993 год. МЗ УР: 1994 - 57 с.

75. Государственный доклад о состоянии здоровья населения Удмуртской Республики за 1994 год. МЗ УР: 1995 - 63 с.

76. Государственный доклад о состоянии здоровья населения Удмуртской Республики за 1995 год. МЗ УР: 1996 - 61 с.

77. Государственный доклад о состоянии здоровья населения Удмуртской Республики за 1996 год. МЗ УР: 1997 - 68 с.

78. Интернет портал DELFI http://rus.delfi.ee/.

79. Круг Э.Г. и др. Насилие и его влияние на здоровье. Доклад о ситуации в мире. М.: Весь мир, 2003. - 349 с.

80. Суицидология: Прошлое и настоящее. -М.: Когито-центр, 2001. 566 с.

81. Давыдов А.А. Самоубийства, пол и золотое сечение // Социс. 1991. -№ 5.

82. Ллойд. Э., Ледерман У. Справочник по прикладной статистике. Том 2. М.: Финансы и статистика, 1990. - 526 с.

83. Холлендер М., Вулф Д. Непараметрические методы статистики. М.: Финансы и статистика, 1983. - 518 с.

84. Сравнительно-возрастные исследования в суицидологи. М.: Московский НИИ психиатрии, 1989.

85. Kondrichin Т. Suicide among Finno-Ugrians // Lancet. 1995. -№ 346.

86. Удмурты. Картографические исследования. Киров: Слово Истины, 2000. -42 с.

87. Кондрашенко В.Т. Девиантное поведение у подростков. Диагностика. Профилактика. Коррекция. Учебное пособие. М.: Аверсэв, 2006. - 365.

88. Синельников-Мурылев С.Г. Законодательные и политические аспекты бюджетной политики в постсоветской России http://www.IET.ru.

89. Questions About Suicide. Centre For Suicide Prevention, 2006.

90. Wikipedia. The Free Encyclopedia http://en.wikipedia.org/wiki/Suicide.

91. Википедия Самоубийство - http://ru.wikipedia.org/wiki/CyH4Hfl. 97.0фициальное представительство Удмуртской Республикиhttp://www.udmurt.ru/ru/official/goroda/kez/titul.php.

92. Яскевич Е.А. Клинический анализ истинных запоев // Клиника, диагностика и лечение алкогольных заболеваний. М., 1983.

93. Немцов А.В. Алкогольный урон регионов России. М.: NALEX, 2003. -136 с.

94. Смертность населения Российской Федерации. МЗ РФ, М.: 2000. - 98 с.

95. Школьников В.М., Червяков В.В. Политика по контролю кризисной смертности в России в переходный период. М,: 2000 - 123 с.

96. Известия Удмуртской Республики. Ижевск., 2002. - № 43.

97. Chapter 6 in Funding a Revolution: Government Support for Computing Research, National Academy Press, Washington DC, USA, 1999.

98. Nemtsov A.V. Estimation of total alcohol consumption in Russia, 1980-1994. Drug and Alcohol Dependence. 2000, 8

99. SUICIDE STATISTICS "Prevent Suicide Now" http://www.preventsuicidenow.com/suicide-statistics.html.

100. Международная статистическая классификация болезней и проблем, связанных со здоровьем. X пересмотр. ВОЗ Женева: 1995. - 877 с.

101. Прошутин B.JL, Артамонова О.В. Медико-социальный анализ завершенных суицидов на территории Удмуртии // Актуальные аспекты судебной медицины. 2-й выпуск. Ижевск, 1992. - 117 с.

102. Веселовский К.С. Опыты нравственной статистики в России. СПб., 1847.- 117 с.