Разработка информационно-аналитической системы поддержки принятия решений в сфере муниципального здравоохранения тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат технических наук Целиков, Александр Васильевич

• Целиков, Александр Васильевич
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Целиков, Александр Васильевич

ВВЕДЕНИЕ.

1. АНАЛИЗ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В ОБЛАСТИ ОБРАБОТКИ СТАТИСТИЧЕСКОЙ ИНФОРМАЦИИ О ЗАБОЛЕВАЕМОСТИ.

1.1. Организация и проблемы учета медико-статистических сведений.

1.2. Анализ информационных систем обработки статистических данных в здравоохранении.

1.3. Современные методы и средства поддержки принятия решений.

1.3.1. Технология оперативной аналитической обработки данных.

1.3.2. Методы интеллектуального анализа данных.

1.3.3. Методы восстановления пропусков в данных.

1.4. Актуальные задачи анализа данных медицинской статистики.

1.5. Выводы.

2. РАЗРАБОТКА МЕТОДОЛОГИЧЕСКИХ ПОДХОДОВ К ПРОЕКТИРОВАНИЮ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ «СИАМЕД» В СФЕРЕ МУНИЦИПАЛЬНОГО ЗДРАВООХРАНЕНИЯ.

2.1. Организация структуры учета сведений на основе технологий

OLAP и хранилищ данных ^.

2.1.1. Преимущества использования хранилищ данных в аналитических системах.

2.1.2. Агрегация (формирование сводов) медико-статистической отчетности с использованием механизма OLAP.

2.1.3.Формирование основной отчетной формы сети медицинских лечебно-профилактических учреждений «Сведения о сети и деятельности медицинских учреждений» (формы №47) с использованием технологии OLAP.

2.2. Анализ пропусков и некорректных значений медико-статистических данных с использованием кластерного и оптимизационного подходов.

2.2.1. Постановка задачи кластеризации.:.

2.2.2. Математический аппарат самообучающихся карт Кохонена.

2.2.3. Оптимизационный подход к заполнению пропусков в медико-статистических данных.

2.3. Анализ статистических данных о заболеваемости на основе поиска ассоциативных правил.

2.3.1. Постановка задачи поиска ассоциаций.

2.3.2. Алгоритмы поиска ассоциативных правил.

2.3.3. Разбиение исходных значений показателей на диапазоны.

2.3.4. Поддержка истории данных при расчете ассоциаций.

2.4. Выводы.

3. ПРИМЕНЕНИЕ РАЗРАБОТАННЫХ МЕТОДОВ И МОДЕЛЕЙ В СИСТЕМЕ «СИАМЕД» ДЛЯ АНАЛИЗА ДАННЫХ СФЕРЫ МУНИЦИПАЛЬНОГО ЗДРАВООХРАНЕНИЯ.

3.1. Структура системы «СИАМЕД».

3.2. Загрузка, редактирование и медико-статистический контроль данных.

3.3. Формирование сводов и расчет основной отчетной формы сети медицинских лечебно-профилактических учреждений (формы №47) с применением методов оперативной аналитической обработки.

3.4. Поиск и исправление некорректных значений.

3.4.1. Настройка модуля аналитического контроля данных и кластеризации.

3.4.2. Выявление дублирующих записей о ЛПУ.

3.4.3. Нахождение ЛПУ с некорректными значениями сведений об обслуживаемом населении.

3.4.4. Заполнение пропусков и некорректных значений в данных об обслуживаемом ЛПУ населении.

3.5. Формирование статистически обоснованных ассоциативных правил в анализе статистических данных о заболеваемости.

3.5.1. Настройка модуля поиска ассоциаций.

3.5.2. Разбиение числовых значений показателей на интервалы.

3.5.3. Поиск численных ассоциативных правил с учетом сведений нескольких отчетных периодов.

3.6. Выводы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

Введение диссертации (часть автореферата) на тему «Разработка информационно-аналитической системы поддержки принятия решений в сфере муниципального здравоохранения»

В настоящее время в здравоохранении Российской Федерации используется технология сбора государственной медицинской статистической отчетности разработанная в СССР. Она обеспечивает учет данных о состоянии здоровья населения, количестве и типах заболеваний, уровне медицинского обслуживания и т.п. Эти сведения являются основой для анализа заболеваемости населения и планируемой медицинской помощи. Несомненным преимуществом существующей технологии сбора медицинской статистики является наличие большого числа показателей, отражающих самые разные аспекты области здравоохранения. Однако растущий объем, разнородность и многомерность данных, а также увеличение сложности задач обработки сведений создают существенные барьеры в ходе анализа. Кроме того, в последнее время у работников области здравоохранения формируется критический взгляд на качество информации, содержащейся в этой системе, а также мнение о том, что их анализу обязательно должны предшествовать дополнительные процедуры оценки непротиворечивости, полноты и достоверности материалов. Главной причиной этого является наличие пропусков и некорректностей исходных данных, а также неудовлетворительные результаты оценок достоверности сведений, проводящихся последнее время средствами автоматического контроля. Кроме того, общепризнанным мнением сотрудников в данной области является то, что система государственной медицинской отчетности способна оказывать ещё большее содействие в управлении здравоохранением при условии использования новых методов обработки данных.

Современные технологии учета информации, такие как хранилища и интеллектуальный анализ данных, а также оперативная аналитическая обработка сведений созданы для обработки, хранения и анализа больших объёмов сложно структурированных данных. Применение указанных походов в обработке статистической информации о заболеваемости обеспечит подготовку качественно нового информационного слоя с целью оказания помощи лицу принимающему решение (ЛПР).

Проведенный обзор литературы, а также анализ существующих программных продуктов показал актуальность тематики настоящей работы по проектированию информационно-аналитической системы поддержки принятия решений для учета и обработки данных медико-статистической отчетности.

Целью работы является разработка информационно-аналитической системы в сфере муниципального здравоохранения для обеспечения качественного учета, хранения, обработки и анализа данных медико-статистической отчетности, повышения обоснованности принимаемых решений.

Для достижения поставленной цели решаются следующие задачи.

1. Анализ существующих технологий обработки статистической информации о заболеваемости, а также современных методов анализа данных.

2. Математическая постановка и разработка методов решения задач нахождения некорректных значений медико-статистических данных, заполнения пропусков, а также поиска ассоциативных правил в сведениях области здравоохранения.

3. Разработка комплекса алгоритмов для корректировки и анализа исходных данных, а также представления результатов в удобном для восприятия виде.

4. Разработка схемы функционирования информационно-аналитической системы в области обработки медико-статистических данных, поддерживающей существующую технологию учета показателей заболеваемости.

5. Программная реализация пользовательского интерфейса информационно-аналитической системы поддержки принятия решений в области обработки медико-статистических данных.

Методы исследования: Полученные результаты исследования базируются на использовании методов и средств системного анализа, теории реляционных баз данных, теории построения автоматизированных информационных систем, теории хранилищ данных, статистического и кластерного анализа, теории принятия решений, технологии оперативной аналитической обработки OLAP (On-Line Analytical Processing), интеллектуального анализа данных.

Научная новизна работы

1. Впервые разработаны OLAP-модели построения сводов (агрегации) медико-статистических форм, а также расчета основной отчетной формы сети медицинских лечебно-профилактических учреждений «Сведения о сети и деятельности медицинских учреждений».

2. Разработаны новые методы обнаружения некорректных значений показателей, а также оптимизационный алгоритм заполнения пропусков в данных медико-статистической отчетности, обеспечивающие повышение достоверности проводимого анализа.

3. Предложен подход и разработан соответствующий метод для численно обоснованного поиска ассоциативных правил с учетом сведений различных отчетных периодов в анализе статистической информации о заболеваемости.

Основные результаты, выносимые на защиту

1. Комплекс OLAP-моделей построения сводов (агрегации) форм медико-статистической отчетности, а также расчета основной отчетной формы сети медицинских учреждений «Сведения о сети и деятельности медицинских учреждений».

2. Методы определения некорректных значений и заполнения пропусков в данных медико-статистической отчетности, обеспечивающие повышение достоверности проводимого анализа.

3. Подход к численно обоснованному поиску ассоциаций с учетом сведений различных отчетных периодов в анализе статистической информации о заболеваемости.

4. Структура СППР на основе использования технологий OLAP и хранилищ данных, обеспечивающая эффективное преобразование и представление информации, а также позволяющая автоматизировать процесс анализа сведений современными методами и моделями принятия решений.

5. Программная реализация информационно-аналитической системы, обеспечивающая поддержку принятия решений на основе применения разработанных методов и моделей.

Практическая ценность работы

Разработанная в диссертации информационно-аналитическая система поддержки принятия решений позволяет осуществлять сбор, контроль и предобработку сведений по используемым в настоящее время формам медико-статистического мониторинга; обеспечивать процедуру расчета основной отчетной формы сети медицинских учреждений «Сведения о сети и деятельности медицинских учреждений» (формы №47) и формировать агрегированные (сводные) отчеты остальных форм; проводить комплексный контроль правдоподобности и исправление некорректных значений показателей; находить обоснованные по нескольким отчетным периодам численные ассоциации между различными заболеваниями; представлять информацию в удобном для пользователя виде.

Внедрение результатов

1. Результаты диссертационной работы официально зарегистрированы в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам в виде программы для ЭВМ (№ 2008614296 Система сбора и анализа медицинских данных «СИАМЕД» от 8 сентября 2008 г.) и базы данных (№2008620336 База данных системы сбора и анализа медицинских данных «БД СИАМЕД» от 8 сентября 2008 г.).

2. Разработанная в рамках диссертационного исследования система «СИАМЕД» внедрена в аналитико-статистическом отделе Управления здравоохранения администрации Сергиево-Посадского муниципального района Московской области, что подтверждено актом о внедрении.

Апробация работы

Основные положения и результаты работы представлены на научно-теоретической конференции «Право, общество, власть и современность» (Сергиев Посад, СПФ ГОУ МГИУ, 2005 г.), международной молодежной конференции «XXXIII Гагаринские чтения» (Москва, МАТИ, 2007 г.), на V Международной научно-практической конференции «Проблемы демографии, медицины и здоровья населения России: история и современность» (Пенза, МНИЦ, 2007 г.), второй научно-практической конференции «Виртуальные и интеллектуальные системы 2007» (Барнаул, АГТУ, 2007 г.), 50-й юбилейной научной конференции МФТИ «Современные проблемы фундаментальных и прикладных наук» (Москва, МФТИ, 2007 г.), юбилейной XX всероссийской научно-технической конференции «Биомедсистемы-2007» (Рязань, РГРУ, 2007 г.), всероссийской научно-практической конференции «Математика, информатика, естествознание в экономике и обществе» (Москва, МФЮА, 2009 г.), 52-й научной конференции МФТИ «Современные проблемы фундаментальных и прикладных наук» (Москва, МФТИ, 2009 г.).

Публикации

По материалам диссертации опубликовано 15 работ, в том числе одна статья в журнале, входящем в список рекомендованных изданий ВАК для публикации основных результатов диссертационных исследований [13]. В работах с соавторами лично соискателем выполнено следующее: в [3, 10] -выбор, обоснование и проектирование структур хранения данных; [7] - разработка специализированных методов кластеризации объектов; [15] - разработка подхода к поиску численных ассоциированных правил с учетом данных различных отчетных периодов.

Получены 2 свидетельства РОСПАТЕНТ об официальной регистрации базы данных и программы для ЭВМ.

Структура и объем работы

Диссертационная работа состоит из введения, трёх глав, заключения и списка литературы из 140 наименований, содержит 148 страниц текста.

Заключение диссертации по теме «Управление в социальных и экономических системах», Целиков, Александр Васильевич

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. На основании проведённого аналитического обзора технологий и программных продуктов учета статистической информации о заболеваемости показана актуальность разработки специализированной системы поддержки принятия решений. Выявлен ряд проблем, решение которых позволит автоматизировать подготовку данных для принятия решений в сфере здравоохранения. Показано, что такие факторы как недостоверность и разнородность данных, низкая производительность процесса обработки могут быть устранены применением современных технологий хранения и методов анализа данных.

2. Впервые разработаны OLAP-модели формирования агрегированных отчетов (сводов) форм медико-статистической отчетности, а также расчета основной отчетной формы сети медицинских лечебно-профилактических учреждений «Сведения о сети и деятельности медицинских учреждений».

3. Разработаны новые методы определения некорректных значений и заполнения пропусков, обеспечивающие повышение достоверности проводимого анализа данных.

4. Предложен подход и разработан соответствующий метод численно обоснованного поиска ассоциативных правил по данным различных отчетных периодов в анализе медико-статистических сведений.

5. Разработана модель системы поддержки принятия решений, поддерживающая существующую схему функционирования процессов документооборота в органах учета статистической информации здравоохранения РФ.

6. Спроектирована структура информационно-аналитической системы, оптимизированная для хранения, обработки и последующего анализа имеющейся информации.

7. Выполнена программная реализация системы, обеспечивающей возможность поддержки принятия решений в области обработки медико-статистических данных.

8. В ходе внедрения и использования спроектированной системы поддержки принятия решений подтверждена состоятельность разработанных методов и моделей.

Список литературы диссертационного исследования кандидат технических наук Целиков, Александр Васильевич, 2010 год

1. Целиков, А.В. Свидетельство об официальной регистрации программы для ЭВМ №2008614296. Система сбора и анализа медицинских данных «СИАМЕД». М. : РОСПАТЕНТ, 2008. 1 с.

2. Целиков, А.В. Свидетельство об официальной регистрации базы данных №2008620336. База данных системы сбора и анализа медицинских данных «СИАМЕД». М. : РОСПАТЕНТ, 2008. 1 с.

3. Целиков, А.В. Информационно-аналитическая система сбора и анализа медико-статистических данных / А.В. Целиков // Научные труды XXXIII международной молодежной конференции «Гагаринские чтения» 3-7 апреля 2007 г. Том 6.-М.: МАТИ, 2007. С. 263-264.

4. Целиков, А.В. Система поддержки принятия решений в области здравоохранения на основе анализа данных медицинской статистики / А.В. Целиков // Материалы конференции «Биомедсистемы-2007». — Рязань: РГРУ, 2007. С. 161-162.

5. Целиков, А.В. Принципы разработки современной интеллектуальной системы обработки медицинской информации / А.В. Целиков // Ползу-новский альманах. — 2007. — №3. — С. 185-186.

6. Целиков, А.В. Аналитическая система информационного обеспечения процесса управления показателями здравоохранения на муниципальном уровне / А.В. Целиков // Проблемы управления. 2008. - № 1. - С. 68-72.

7. Информационные технологии в практическом здравоохранении и общественное здоровье / В. М. Шевелев и др.. Томск : Сибирский ГМУ, 2001.- 102 с.

8. Современное состояние и пути развития отечественной медицинской статистики / В. Г. Утка и др. // Специальное приложение к сборнику научных трудов «Новые технологии в современном здравоохранении». М. : ФГУ ЦНИИОИЗ, 2007. - 36 с.

9. Утка, В.Г. Состояние здоровья населения и информационное обеспечение системы здравоохранения на региональном уровне : дис. . канд. мед. наук / В.Г. Утка М. : ФГУ ЦНИИОИЗ, 2008. - 166 с.

10. О мерах по повышению эффективности использования ресурсов в здравоохранении : Решение коллегии Минздрава РФ от 28.11.2001 №19. Сайт «Правовая Россия». URL: http://lawru.info/base62/part7/d62ru7664.htm (дата обращения: 18.12.2009).

11. Герцев, К. Электронный помощник здравоохранения : о состоянии и перспективах развития информационных систем в области / К. Герцев // Журнал «Медицинская газета». 2008. - № 65. - С. 8.

12. Информатизация клинической медицины: все течет — ничего не меняется? / В. А. Лищук и др. // Информационные технологии в здравоохранении. 2002. - № 1-2. - С. 4-11.

13. Тюков, Ю. А. Официальная медицинская статистика как основа управления здоровьем населения: возможности и ограничения / Ю. А. Тюков, Е. В. Ползик // Экономика здравоохранения. Медицинская Статистика. -2000,-№7.-С. 36-38.

14. Варштейн, Ю. В. Разработка методов построения комплексов многомерных моделей для задач здравоохранения на базе OLAP-технологии : дис. . канд. техн. наук. / Ю. В. Варштейн. — Красноярск : КГТУ, 2004. — 142 с.

15. Юрьев, В. К., Куценко Г. И. Общественное здоровье и организация здравоохранения / В. К. Юрьев, Г. И. Куценко СПб. : Питер, 2000. - 914 с.

16. Гаспарян, С.А., Пашкина Е.С. Страницы истории информатизации здравоохранения России / С.А. Гаспарян, Е.С. Пашкина. М. : Медицина, 2002. - 304с.

17. Случанко, И.С. Статистическая информация в управлении учреждениями здравоохранения / И.С. Случанко, Г.В. Церковный. М. : Медицина, 1983.-192 с.

18. Решетников, А.В. Медико-социологический мониторинг / А.В. Решетников. М. : Медицина, 2003. - 1048 с.

19. Технология управления учреждениями здравоохранения / Н. К. Гусева и др.. Нижний Новгород : НГМА, 2006. - 272с.

20. Медик, В.А. Общественное здоровье и здравоохранение / В.А. Медик, В.К. Юрьев. М. : ФГОУ ВУН МЦ, 2008. - 223с.

21. Лисицин, Ю.П. Общественное здоровье и здравоохранение / Ю.П. Лисицин. М. : ГОЭТАР, 2002. - 520с.

22. Автоматизированная информационная система для ПЭВМ типа IBM PC (АС «МЕДСТАТ» версия 6.1). Описание применения. Новосибирск : НСО МИАЦ, 2001. - 13 с.

23. Дуданов, И.П. Информационная система в организации работы учреждений здравоохранения: Практическое руководство / И.П. Дуданов, Ф.А. Романов, А.В. Гусев. Петрозаводск : ПетрГУ, 2005. - 238 с.

24. Гельман, В.Я. Медицинская информатика. Практикум / В .Я. Гельман. СПб. : Питер, 2001. - 468 с.

25. Огрызко, Е.В. Основные замечания к годовым отчетам по медицинской статистике / Е.В. Огрызко // Социальные аспекты здоровья : сетевойжурн. 2007. № 3. URL: http://vestnik mednet.ru/content/view/37/30 (дата обращения: 13.12.2009)

26. Гладков, Н.В. Обзор систем распределённого сбора медицинской статистики / Н.В. Гладков, Э.Ф. Тавлыбаев // Тр. междунар. конф. «Программные системы: теория и приложения». — М. : Физматлит, 2006. — Т. 1. — С. 93-105.

27. Программный комплекс «МЕДИНФО» Электронный ресурс. // Министерство здравоохранения Иркутской области : [сайт]. [2009]. URL: http://www.guzio.ru/index.php?option=comcontent&view=section&id=13&Itemi d=87 (дата обращения: 11.12.2009).

28. Медицинская статистика РАМН // сайт. / МИАД РАМН [Москва, 2009]. URL: http://old.mcramn.ru/stat.htm (дата обращения: 13.12.09).

29. Программный комплекс «МедИнфо» // сайт. [Санкт-Петербург, 2009]. URL: http://www.fortmiecity.coni/skyscraper/raytrace/348/medinfo.htm (дата обращения: 13.12.09).

30. Программное обеспечение для заполнения статистических форм // сайт. / ФГУ ЦНИИОИЗ Минздравсоцразвития РФ [Москва, 2009]. URL: http://www.mednet.ru/index.php?option=comcontent&view=article&id=400&Ite mid=l 98&lang=ru

31. Ноженкова, Л.Ф. Средства OLAP-моделирования и их применение в задачах здравоохранения / Л.Ф. Ноженкова // Математические методы распознавания образов. М. : МАКС Пресс, 2007. - С. 609-612.

32. Система сбора и анализа отчетно-статистических данных «Стат-Экспресс» Электронный ресурс. // Институт вычислительного моделирования СО РАН : [сайт]. [2009]. URL:http://icm.krasn.ru/sectionprj .php?id=20&p=statexpress (дата обращения: 11.12.2009).

33. Автоматизированная система «МЕДСТАТ 2001» Электронный ресурс. // Департамент здравоохранения Архангельской области : [сайт]. [2005]. URL: Http://www.msa.ru/statistics/medstat-2001/dok/medstat.op.html (дата обращения: 12.08.2006).

34. Назаренко, Г.И. Медицинские информационные системы: теория и практика / Г.И. Назаренко, Я.И. Гулиев, Д.Е. Ермаков. М. : ФИЗМАТЛИТ, 2005.-320 с.

35. Реброва, О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA / О.Ю. Реброва. М. : Медиа Сфера, 2002. - 312 с.

36. Янг, М. Эффективная работа с Microsoft Office System 2003 / М. Янг, М. Хэлворсон. СПб. : Питер, 2004. - 1232 с.

37. Халафян, А.А. Statistica 6. Статистический анализ данных / А.А. Халафян М. : Бином-Пресс, 2007. - 512 с.

38. Концепция единой информационно-аналитической системы Сибирского окружного медицинского центра / В. И. Стародубов и др.. // Экономика здравоохранения. 2004. - № 5-6 (84). - С. 5-9.

39. Codd, E.F. Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate / E.F. Codd, S.B. Codd, C.T. Salley. San Jose : Codd & Date, Inc., 1993.-31 p.

40. Волков, И.Ю. Архитектура современной информационно-аналитической системы / И.Ю. Волков, И.В. Галахов // Директор информационной службы. 2002. - № 3. - С. 15-24.

41. Методы и модели анализа данных: OLAP и Data Mining / А.А. Бар-сегян и др.. СПб. : БХВ-Петербург, 2004. - 336 с.

42. Федоров, А. Введение в OLAP-технологии Microsoft / А. Федоров, Н. Елманова. М. : Диалог-МИФИ, 2002. - 272 с.

43. Технологии анализа данных. Data Mining, Visual Mining, Text Mining, OLAP / А.А. Барсегян и др.. СПб. : БХВ-Петербург, 2007. - 384 с.

44. Слотер, Э.Х. Архитектуры OLAP / пер. Intersoft Lab Электронный ресурс. URL: http://wvvwjso.ru/cgi-bm/main/joumal.cgi?dowhat=details&id=70 (дата обращения: 11.12.2009).

45. Некрасов, В. Введение в OLAP на практическом примере Электронный ресурс. // PC Week. 2001. № 16. URL: http://www.pcweek.rn/themes/detail .php?ID=57795 (дата обращения: 12.12.2009).

46. Parsaye, К. New Realms of Analysis: Surveying Decision Support / K. Parsaye // Database Programming & Design. 1996. Vol. 4. P. 26-33.

47. Wrembel, R. Data Warehouses and OLAP: Concepts, Architectures and Solutions / R. Wrembel, C. Koncilia. IRM Press, 2006. 332 p.

48. Заботнев, M.C. Разработка методов и средств анализа многомерных баз данных с неполной информацией: дис. . канд. техн. Наук / М.С. Заботнев. М. : Госинформобр, 2006. - 140 с.

49. Оперативная обработка данных дистанционного зондирования в целях прогнозирования / А.С. Бирюков и др. // Матем. методы распознавания образов. -М. : АЛЕВ-В, 2001. С. 169-172.

50. Дюк, В.А. Data Mining: учебный курс / В.А. Дюк, А.П. Самойленко. СПб. : Питер, 2001. - 368 с.

51. Чубукова, И.А. Data Mining / И.А. Чубукова. М. : Бином, 2006.384 с.

52. Eric, A.K. How to Buy Data Mining: A Framework for Avoiding Costly Project Pitfalls in Predictive Analytics / A.K. Eric // DM Review Magazine, 2005 Vol. 10. URL: http://www.dmreview.com/articlesub.cfin?articleld=1038094 (дата обращения: 13.12.2009).

53. Арсеньев, С.Б. Использование технологии анализа данных в интеллектуальных информационных системах / С.Б. Арсеньев, В.Г. Бритков, Н.А. Маленкова // Управление информационными потоками. Сборник трудов ИСА РАН. М. : УРСС, 2002. - С. 46-68.

54. Брянцев, И.Н. Data Mining. Теория и практика / И.Н. Брянцев. М. : БДЦ-Пресс, 2006. - 208 с.

55. Wong, M.L. Data Mining Using Grammar Based Genetic Programming and Applications / M.L. Wong, K.S. Leung // Springer, 2000. 232 p.

56. Olson, D.L. Advanced Data Mining Techniques / D.L. Olson, D. Delen. Softcover, 2008. 180 p.

57. Злоба, E. Статистические методы восстановления пропущенных данных / Е. Злоба, И. Яцкив // Computer Modeling & New Technologies. — 2002.-№l.-p. 51-61.

58. Горбань, A.H. Итерационное моделирование неполных данных с помощью многообразий малой размерности / А.Н. Горбань, А.А. Россиев // Нейрокомпьютеры. 2002. - № 4. - С. 40-44.

59. Снитюк, В.Е. Эволюционный метод восстановления пропусков в данных / В.Е. Снитюк // Сборник трудов VI-й международной конференции «Интеллектуальный анализ информации» — Киев : КПИ, 2006. С. 262—271.

60. Загоруйко, Н.Г. Алгоритмы обнаружения эмпирических закономерностей / Н.Г. Загоруйко, В.Н. Ёлкина, Г.С. Лбов. — Новосибирск : Наука, 1985.-110 с.

61. Джарратано, Д. Экспертные системы: принципы разработки и программирование: Пер. с англ. / Д. Джарратано, Г. Райли — М. : Вильяме, 2006. -1152 с.

62. Ручкин, В.Н. Универсальный искусственный интеллект и экспертные системы / В.Н. Ручкин, В.А. Фулин. СПб. : БХВ-Петербург, 2009. -240 с.

63. Сараев, А.Д. Системный анализ и современные информационные технологии / А.Д. Сараев, О.А. Щербина // Труды Крымской Академии наук.- Симферополь : СОНАТ, 2006. - С. 47-59.

64. Катулев, А.Н. Математические методы в системах поддержки принятия решений / А.Н. Катулев, Н.А. Северцев. М. : Высшая школа, 2005. — 312 с.

65. Бирюков, А. Системы принятия решений и хранилища данных / А. Бирюков // СУБД, 1997. - № 4. - С. 37-41.

66. Berner Eta, S. Clinical Decision Support Systems. Theory and Practice / S. Berner Eta. Springer, 2007. 274 p.

67. Inmon, W.H. Building the Data Warehouse / W.H. Inmon. Wiley, 2005.543 p.

68. Архипенков, С.Я. Хранилища данных / С.Я. Архипенков, Д.В. Голубев, О.Б. Максименко. М. : Диалог-МИФИ, 2002. - 528 с.

69. Chaudhuri, S. An Overview of Data Warehousing and OLAP Technology / S. Chaudhuri, U. Dayal // In ACM SIGMOD Record, 1997. pp. 65-74.

70. Пржиялковский, В.В. Сложный анализ данных большого объема: новые перспективы компьютеризации / В.В. Пржиялковский // — СУБД, 1996.- № 4. С. 71-83.

71. Миронов, Е.П. Методическое пособие к статистическому анализу деятельности лечебно-профилактических учреждений / Е.П. Миронов, З.Г. Иванова. -М. : ФГУ МОНИКИ, 1993. 26 с.

72. Гланц, С. Медико-биологическая статистика / С. Гланц. — М. : Практика, 1998. 459 с.

73. Медик, В.А. Руководство по статистике здоровья и здравоохранения / В.А. Медик, М.С. Токмачев. М. : Медицина, 2006. - 528 с.

74. Мальковец, М.В. Вычисление и оценка показателей деятельности ЛПУ : Методическая разработка / М.В. Мальковец, Г.А. Зелезинская, Л.П. Плахотя. Мн. : МГМИ, 1996. - 36 с.

75. Калинина, Т.В. Методика анализа деятельности поликлиники для взрослых. Учебно-методическое пособие / Т.В. Калинина, Л.П. Плахотя, М.В. Щавелева. Мн. : БелМАПО, 2003. - 36 с.

76. Нейский И.М. Классификация и сравнение методов кластеризации / И.М. Нейский // Интеллектуальные технологии и системы. Сборник учебно-методических работ и статей аспирантов и студентов. Выпуск 8. М. : ООО "Элике +", 2008. - С. 111-122.

77. Wettschereck, D. A Review and Empirical Evaluation of Feature Weighting Methods for a Class of Lazy Learning Algorithms / D. Wettschereck, D.W. Aha, T. Mohri // Artificial Intelligence Review. Vol. 11. P. 273-314.

78. Лочмеле, P.P. Современные количественные методы экономического анализа: самоорганизующиеся карты Кохонена (СОК) / P.P. Лочмеле // Государственное управление. 2003. - № 1. — С. 1-5.

79. Никишина, Ю.В. Сегментирование рынка с использованием самоорганизующихся карт // marketing.spb.ru : Энциклопедия маркетинга. 2003. URL: http://www.marketing.spb.ru/lib-research/segment/selforder.htm (дата обращения: 13.12.2009).

80. Каллан, Р. Основные концепции нейронных сетей. : Пер. с англ. / Р. Каллан М. : Вильяме, 2001. - 287 с.

81. Осовский С. Нейронные сети для обработки информации / С. Осовский. М.: Финансы и статистика, 2004. - 344 с.

82. Круглов В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. — М. : Горячая линия Телеком, 2001. — 382 с.

83. Хайкин, С. Нейронные сети. Полный курс / С. Хайкин. М. : Вильяме, 2006. - 1104 с.

84. Головко, В.А. Нейронные сети: обучение, организация и применение / В.А. Головко. М. : ИПРЖР, 2002. - 256 с.

85. Нейроинформатика / А.Н. Горбань и др.. — Новосибирск : Наука, 1998.-296 с.

86. Кохонен Т. Самоорганизующиеся карты / Т. Кохонен М. : БИНОМ, 2008.-655с.

87. Дебок, Г. Анализ финансовых данных с помощью самоорганизующихся карт / Г. Дебок, Т. Кохонен. М. : Альпина, 2001. — 317 с.

88. Сенин, А. Методы отбора переменных в регрессионные модели / А. Сенин // BaseGroup Labs : Разработка решений в области анализа данных. 2007. URL: http://www.basegroup.ru/library/analysis/regression/featureselection/ (дата обращения: 13.12.2009).

89. Roddick, J.F. Exploratory medical knowledge discovery: experiences and issues / J.F. Roddick, P. Fule, W.J. Graco // ACM SIGKDD Explorations Newsletter. 2003. Vol.5. Issue 1. P. 94-99.

90. Hipp, J. Algorithms for Association Rule Mining — A General Survey and Comparison / J. Hipp, U. Guntzer, G. Nakaeizadeh // In Proc. ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2000. Vol.2. Issue l.P. 58-64.

91. Шахиди, А. Введение в анализ ассоциативных правил / А. Шахиди // BaseGroup Labs : Разработка решений в области анализа данных. 2004. URL: http://www.basegroup.ru/rules/intro.htm (дата обращения: 13.12.2009).

92. Шахиди, A. Apriori масштабируемый алгоритм поиска ассоциативных правил / А. Шахиди // BaseGroup Labs : Разработка решений в области анализа данных. 2007. URL: http://basegroup.ru/library/analysis/associationrules/apriori/ (дата обращения: 13.12.2009).

93. Monroy, V.O.B. Neural Networks as Artificial Memories for Association Rule Mining / V.O.B. Monroy. Springer-Verlag, 2006. 230 p.

94. Okoniewski, M. The use of quantitative association rules in cellular network planning / M. Okoniewski // Journal of Telecommunications and Information Technology 2003. Vol. 3. P. 121-124.

95. Andruszkiewicz, P. Optimization for MASK scheme in privacy preserving data mining for association rules / P. Andruszkiewicz // Lecture Notes in Artificial Intelligence 2007. z. LNAI4585. P. 465-474.

96. Mining Quantitative Association Rules in Protein Sequences / G. Nitin etc. // Data mining : theory, methodology, techniques, and applications. Springer,2006. vol. 3755. P. 273-281.

97. Chen, Y.L. A data mining approach for retail knowledge discovery with consideration of the effect of shelf-space adjacency on sales / Y.L. Chen, J.M. Chen, C.W. Tung //Decision support systems, 2006. vol. 42. №3. P. 1503-1520.

98. Ruckert, U. Quantitative association rules based on half-spaces: an optimization approach / U. Ruckert, L. Richter, S. Kramer // Data Mining, 2004. P. 207-210.

99. Analyzing microarray data using quantitative association rules / E. Georgii etc. // Bioinformatics. Oxford University Press, 2005. Vol.21. Supp.l. P. 123-129.

100. Lam, S.N. Discovering Association Rules in Data Mining / S.N. Lam // Department of Computer Science, University of Illinois at Urbana-Champaign.2007. URL: http://www.raymond-lam.com/CS411.doc. (дата обращения: 13.12.2009).

101. Pavon, J. Matrix apriori: speeding up the search for frequent patterns / J. Pavon, S. Viana, S. Gomez // Proceedings of the 24th IASTED international conference on Database and applications. Innsbruck, Austria, 2006. P. 75-82.

102. Ye, Y. A Parallel Apriori Algorithm for Frequent Itemsets Mining / Y. Ye, Ch. Chiang // Proceedings of the Fourth International Conference on Software Engineering Research, Management and Applications. IEEE Computer Society, 2006. P. 87-94.

103. Bodon, F. A fast АРМОМ implementation / F. Bodon // IEEE ICDM Workshop on Frequent Itemset Mining Implementations (ТТМГ03). Florida, 2003. 10 p.

104. Agrawal, R. Mining Association Rules between Sets of Items in Large Databases / R. Agrawal, T. Imielinski, A. Swami // Proceedings of the 1993 ACM SIGMOD international conference on Management of data. Washington, 1993. P. 207-216.

105. Гудков, A.C. Использование префиксных деревьев при построении систем анализа данных : автореф. дис. . канд. ф.-м. наук / А.С. Гудков. -М. :МФТИ, 2006.-23 с.

106. MPSQAR: Mining Quantitative Association Rules Preserving Semantics / C. Zeng etc. // Proceedings of the 4th International Conference ADMA 2008, Chengdu, 2008. P. 572-580.

107. Miller, R.J. Association Rules over Interval Data / RJ. Miller, Y. Yang // Proceedings of the 1997 ACM SIGMOD international conference on Management of data. Washington, 1997. P. 452-461.

108. Ke, Y. An Information-Theoretic Approach to Quantitative Association Rule / Y. Ke, J. Cheng, Ng. Wilfred // Knowledge and Information Systems. New York : Springer, 2008. Vol.16. Issue 2. P. 213-244.

109. Aumann, Y. A Statistic Theory for Quantitative Association Rules / Y. Aumann, Y. Lindell // Proceedings of the fifth ACM SIGKDD international conference on Knowledge discovery and data mining. New York : ACM, 1999. P. 225-283.

110. Agrawal, R. Mining Association Rules between Sets of Items in Large Databases / R. Agrawal, T. Imielinski, A.Swami // Proceedings of the 1993 ACM

111. SIGMOD international conference on Management of data. Washington, 1993, P. 207-216. P. 1-12.

112. Ale, J.M. An approach to discovering temporal association rules / J.M. Ale, G.H. Rossi // Proceedings of the 2000 ACM symposium on Applied computing. New York : ACM, 2000. Vol.1. P. 294-300.

113. Ковязин, A.H. Мир InterBase. Архитектура, администрирование и разработка приложений баз данных в InterBase/Firebird/Yaffil. Издание 4-е / А.Н. Ковязин, С.М. Востриков -М. : КУДИЦ-ОБРАЗ, 2005. -496 с.

114. Бондарь, А.Г. InterBase и Firebird / А.Г. Бондарь. СПб. : BHV, 2007.-592 с.

115. Борн, X. Firebird : руководство разработчика баз данных / X. Борн. СПб. : БХВ-Петербург, 2007. -1104 с.

116. Архангельский, А.Я. Программирование в Delphi / А.Я. Архангельский. -М. : Бином-Пресс, 2008. 816 с.

117. Архангельский, А.Я. Delphi 7 / А.Я. Архангельский. -М. : Бином-Пресс, 2004.-1024 с.

118. Архангельский, А.Я. Приемы программирования в Delphi на основе VCL / А.Я. Архангельский. М. : БИНОМ, 2006. - 944 с.

119. SOMBase библиотека компонентов для Delphi // BaseGroup Labs : Разработка решений в области анализа данных. 2007. URL: http://www.basegroup.ru/download/fi-eecomponents/sombase/ (дата обращения: 13.12.2009).

120. Тархов, Д.А. Нейронные сети. Модели и алгоритмы / Д.А. Тар-хов. — М. : Радиотехника, 2005. 256 с.