Математическая модель для оценки характеристик производительности информационно-измерительных систем медицинского назначения

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Работа посвящена разработке математической модели для оценки нестационарных характеристик производительности информационно-измерительных систем медицинского назначения, применяемыми в медицине для оценки состояния больных в критических для здоровья и жизни ситуациях. Модель представляет собой однолинейную систему массового обслуживания с конечной очередью, пуассоновским входным потоком и нетерпеливыми заявками, адекватно описывающую функционирование медицинских систем реального времени в том числе в условиях неисправностей и сбоев оборудования. В работе представлена система дифференциальных уравнений Колмогорова, описывающая исследуемую систему массового обслуживания, а также ее решение, основанное на методе матрицы преобразования вероятностей. Получены выражения для нахождения вероятностей состояний системы в произвольный момент времени, а также нестационарные характеристики производительности системы, такие как вероятность потерь, пропускная способность, время переходного режима. Представлены результаты численных расчетов для системы с размером буфера, равного двум пакетам, при различном соотношении интенсивности ухода нетерпеливых заявок из очереди и интенсивности обслуживания.

Об авторах

Артур Геннадьевич Дворецкий

МИРЭА – Российский технологический университет

Автор, ответственный за переписку.
Email: dvoretsky@sumirea.ru
ORCID iD: 0009-0001-5437-1371

аспирант, кафедра индустриального программирования, Институт перспективных технологий и индустриального программирования

Россия, Москва

Константин Анатольевич Вытовтов

Институт проблем управления им. В.А. Трапезникова Российской академии наук

Email: vytovtov_konstan@mail.ru
ORCID iD: 0000-0002-0359-9317
Scopus Author ID: 6603298537
ResearcherId: HKN-7218-2023

доктор технических наук, профессор; ведущий научный сотрудник, лаборатория № 69

Россия, Москва

Елизавета Александровна Барабанова

Институт проблем управления им. В.А. Трапезникова Российской академии наук

Email: elizavetaalexb@yandex.ru
ORCID iD: 0000-0003-4372-2946
Scopus Author ID: 56367430200
ResearcherId: F-1095-2017

доктор технических наук, профессор; ведущий научный сотрудник, лаборатория № 69

Россия, Москва

Список литературы

  1. Монаков Д.М., Алтунин Д.В. Медицинские информационные системы: современные реалии и перспективы // Российский журнал телемедицины и электронного здравоохранения. 2022. № 8 (4). С. 46–53. doi: 10.29188/2712-9217-2022-8-4-46-53.
  2. Оппедизано М.Дж.Л., Артюх Л.Ю. Роль медицинских информационных систем в организации системы здравоохранения // FORCIPE. 2022. № 4.
  3. Богданова А.В., Блюм В.С. Медицинская информационная система для раннего обнаружения дефектов оказания медицинской помощи // УЭкС. 2016. № 12 (94).
  4. Ансокова М.А., Розанов И.А., Марченкова Л.А. Современные подходы к применению цифровых технологий для реабилитации и дистанционного мониторинга пациентов с постковидным синдромом // Вестник восстановительной медицины. 2023. № 1.
  5. Намазова-Баранова Л.С., Суворов Р.Е., Смирнов И.В. и др. Управление рисками пациента на основе технологий удаленного мониторинга здоровья: состояние области и перспективы // Вестник РАМН. 2015. № 1.
  6. Kalid N., Zaidan A.A., Zaidan B.B. et al. Based on real time remote health monitoring systems: A new approach for prioritization “Large Scales Data” patients with chronic heart diseases using body sensors and communication technology // J. Med. Syst. 2018. No. 42. P. 69. doi: 10.1007/s10916-018-0916-7.
  7. Захаров А.И., Загайнов А.И. Реализация программного комплекса для вычисления фрактальных параметров сложных систем // Интеллектуальные технологии на транспорте. 2015. № 2.
  8. Еремушкин М.А., Князева Т.А., Малахова Е.В., Макарова О.Г. Применение технологии дистанционного мониторинга состояния здоровья пациентов в программах медицинской реабилитации // Вестник восстановительной медицины. 2022. № 6.
  9. Вытовтов К.А., Барабанова Е.А. Переходной режим работы оптического коммутатора с дублированием коммутационных элементов в информационно-измерительной системе со скачками трафика // Датчики и системы. 2023. № 6 (272). С. 34–39.
  10. Осипов Г.С. Системы массового обслуживания с ограниченной длительностью ожидания // Бюллетень науки и практики. 2016. № 12 (13).
  11. Rubino G. Transient analysis of Markovian queueing systems: A survey with focus on closed forms and uniformization. In: Queueing theory 2: Advanced trends. Wiley-ISTE, 2021. Pp. 269–307.
  12. Ковалёв И.А., Сатин Я.А., Зейфман А.И. Оценки скорости сходимости и устойчивости для одного класса нестационарных марковских моделей систем с нетерпеливыми клиентами // Системы и средства информации. 2022. Т. 32. Вып. 4. С. 21–31.
  13. Маталыцкий М.А. Копать Дмитрий Ярославович Анализ в переходном режиме сети с нетерпеливыми положительными и отрицательными заявками различных типов // Вестн. Том. гос. ун-та. Управление, вычислительная техника и информатика. 2018. № 42.
  14. Рыжиков Ю.И., Уланов А.В. Расчет гиперэкспоненциальной системы обслуживания м/н 2/n-н 2 с заявками, нетерпеливыми в очереди // Вестник Томского гос. ун-та. Управление, вычислительная техника и информатика. 2014. № 2 (27).
  15. Рыжиков Ю.И., Уланов А.В. Информационное моделирование. Теория и практика: труды VI Всерос. конф. Казань, 2013. С. 339–342.
  16. Vishnevsky V., Vytovtov K., Barabanova E., Semenova O. Transient Behavior of the MAP/M/1/N // Queuing System Mathematics. 2021. No. 9. P. 2559. doi: 10.3390/math9202559.
  17. Вытовтов К.А., Барабанова Е.А. Аналитический метод анализа неоднородных непрерывных марковских процессов с кусочно-постоянными интенсивностями перехода // Автоматика и телемеханика. 2021. № 12. С. 90–104. doi: 10.31857/S0005231021120060. EDN: LLBBAY.
  18. Барабанова Е.А., Вытовтов К.А. Аналитический метод исследования поведения системы массового обслуживания при скачкообразно-изменяющихся потоках информации // Физические основы приборостроения. 2021. Т. 10. № 1 (39). С. 36–47. doi: 10.25210/jfop-2101-036047. EDN: SWSDTE.
  19. Бусарев М.И., Кирпичников А.П., Флакс Д.Б. Одноканальная система массового обслуживания с ограниченным средним временем пребывания заявки в системе в целом // Вестник Казанского технологического университета. 2011. № 22.
  20. Barabanova E., Vytovtov K., Vishnevsky V., Khafizov I. Analysis of functioning photonic switches in next-generation networks using queueing theory and simulation modeling // Communications in Computer and Information Science. 2023. Vol. 1748. Pp. 356–369.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».