Моделирование рисков возникновения разных форм гемобластозов
Рассматривается задача моделирования рисков возникновения онкогематологических заболеваний у лиц, подвергшихся негативным факторам техно-эко-медкатастроф. Приведены результаты анализа данных. Розглядається задача моделювання ризиків виникнення онкогематологічних захворювань в осіб, які отримали нега...
Saved in:
| Date: | 2009 |
|---|---|
| Main Authors: | , , , , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2009
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/6259 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Моделирование рисков возникновения разных форм гемобластозов / В.М. Яненко, В.Н. Денисюк, В.О. Рыхтовский, Н.В. Яненко, Л.В. Белявина // Компьютерная математика. — 2009. — № 1. — С. 130-141. — Бібліогр.: 13 назв. — рос |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860162763843698688 |
|---|---|
| author | Яненко, В.М. Денисюк, В.Н. Рыхтовский, В.О. Яненко, Н.В. Белявина, Л.В. |
| author_facet | Яненко, В.М. Денисюк, В.Н. Рыхтовский, В.О. Яненко, Н.В. Белявина, Л.В. |
| citation_txt | Моделирование рисков возникновения разных форм гемобластозов / В.М. Яненко, В.Н. Денисюк, В.О. Рыхтовский, Н.В. Яненко, Л.В. Белявина // Компьютерная математика. — 2009. — № 1. — С. 130-141. — Бібліогр.: 13 назв. — рос |
| collection | DSpace DC |
| description | Рассматривается задача моделирования рисков возникновения онкогематологических заболеваний у лиц, подвергшихся негативным факторам техно-эко-медкатастроф. Приведены результаты анализа данных.
Розглядається задача моделювання ризиків виникнення онкогематологічних захворювань в осіб, які отримали негативні фактори техно-еко-мед-катастроф. Наведено результати аналізу даних.
The problem of risk modeling of oncologic-hematologic diseases of techno-eco-medicine disaster influenced persons is considered. Data analysis results are presented.
|
| first_indexed | 2025-12-07T17:55:32Z |
| format | Article |
| fulltext |
130 Компьютерная математика. 2009, № 1
Рассматривается задача модели-
рования рисков возникновения он-
когематологических заболеваний
у лиц, подвергшихся негативным
факторам техно-эко-медкатаст-
роф. Приведены результаты ана-
лиза данных.
© В.М. Яненко, В.Н. Денисюк,
В.О. Рыхтовский, Н.В. Яненко,
Л.В. Белявина, 2009
ÓÄÊ 614.8:007}:621.039
Â.Ì. ßÍÅÍÊÎ, Â.Í. ÄÅÍÈÑÞÊ, Â.Î. ÐÛÕÒÎÂÑÊÈÉ,
Í.Â. ßÍÅÍÊÎ, Ë.Â. ÁÅËßÂÈÍÀ
ÌÎÄÅËÈÐÎÂÀÍÈÅ ÐÈÑÊÎÂ
ÂÎÇÍÈÊÍÎÂÅÍÈß ÐÀÇÍÛÕ ÔÎÐÌ
ÃÅÌÎÁËÀÑÒÎÇÎÂ
Введение. Достаточно эффективно и мето-
дологически корректное применение систем-
ного анализа показало на необходимость
учета разработок математического, медико-
эколого-кибернетического обеспечения для
объединенного количественного оценивания
индексов состояний, рисков возникновения
необратимых онкогематологических заболе-
ваний у лиц, подвергшихся негативным фак-
торам Чернобыльской катастрофы, а также
оценивания у них резервных возможностей.
1. Создание математической модели для
оценки риска (Z), возникновение разных
форм гемобластозов, связанных с нарушени-
ем системы регуляции кроветворения (СРК),
основываются на том, что эти формы пред-
ставляют собой необратимые изменения на
разных уровнях иерархии СРК. Для этого
введем параметры, которые характеризуют
репарационные X свойства: – степень вос-
становления нормального функционирова-
ния, СРКZ – напряженность регуляторных
адаптационных механизмов, СРК – степень
влияния факторов Чернобыльской катастро-
фы (или / также нагрузка на СРК другими
стрессорными факторами окружающей сре-
ды); R – резервные возможности СРК –
возможность выполнения основных функций
под влиянием разных уровней “загрязнений”
(в том числе, от влияния антигенов (Ag) раз-
ного происхождения, несбалансированности
(дисбаланс) взаимодействия разных звеньев
или цепочек СРК. Для описания вышеука-
занных взаимосвязей СРК в рамках редуци-
рованной модели были использованы резуль-
таты [1, 2]. Так, одна из универсальных де-
формаций в теории каспоидальных катаст-
роф – типа “сборка”:
МОДЕЛИРОВАНИЕ РИСКОВ ВОЗНИКНОВЕНИЯ РАЗНЫХ ФОРМ ГЕМОБЛАСТОЗОВ
Компьютерная математика. 2009, № 1 131
DX/dt = X + (R0 – R) X + Z, (1)
где R0 – параметр модели.
Значение риска может быть определено как
Риск = Z / Z H , (2)
где ZH – граница триггерной области, при пересечении которой резко возрастает
риск необратимых изменений на разных уровнях иерархии СРК. Причем ZH
может быть определен как
Z H = [4(R – R0)
3/27
]
1/2
. (3)
Определение индексов напряженности регуляторных адаптационных меха-
низмов и степеней, угнетение резервных возможностей в свою очередь требуют
создания математических моделей для их определения.
Модель напряженности регуляторных адаптационных механизмов СРК, ко-
торые характеризуют степень влияния факторов Чернобыльской катастрофы
(или также нагрузку на СРК другими стрессорными факторами окружающей
среды), основана на математических моделях [1–6] для исследования влияния
лимфокинов и биологически активных веществ на взаимное регулирование мие-
лоидного и лимфоидного цепей СРК при лейкемиях. Для этого также были мо-
дифицированы математическое и программно-алгоритмическое обеспечение для
оценки риска патологических изменений в СРК при хроническом миелолейкозе.
Исследование качественных свойств этой редуцированной модели выполнено с
помощью теоремы А.Н. Тихонова [2], а также путем проведения численных экс-
периментов. Мерой нагрузки является степень приближения параметров модели
к их бифуркационным значениям. При достижении этих значений модель СРК
теряет устойчивость. При этом в модели СРК резко возрастает количество не-
зрелых гранулоцитов в крови.
Модель резервных возможностей СРК характеризуется степенью эффектив-
ного выполнения основных функций под постоянным влиянием разных уровней
“загрязнений” (в том числе от влияния Ag разного происхождения, несбаланси-
рованности (дисбаланс) взаимодействия разных звеньев или цепочек СРК, уров-
ней сбалансированной терапии на протяжении лечебного процесса). При созда-
нии этой модели использованы методы статистического анализа данных [7, 8].
При этом резервные возможности СРК оцениваются с помощью расчета уравне-
ний регрессии. Например, индекс тяжести заболеваний оценивается по клинико-
лабораторным показателям, симптомам и синдромам:
В.М. ЯНЕНКО, В.Н. ДЕНИСЮК, В.О. РЫХТОВСКИЙ, Н.В. ЯНЕНКО, Л.В. БЕЛЯВИНА
Компьютерная математика. 2009, № 1 132
А. При заболеваниях, таких как острые пневмонии [8, с. 213]:
Пл1(t) = F(х1, t) + С(х2, t) + Р(х3, t) + Р(х4, t) + Л(х5, t) +
+ Пу(х6, t) + П(х7, t) + L(х8, t) + СРБ(х9, t),
где Хі (і =1, 9) – конкретные значения клинико-лабораторных данных: F – фиб-
риноген, С – серомукоид, Р – СОЭ, Л – лейкоциты, Пу – пульс, П – палочко-
ядерные нейтрофилы; L –лимфоциты; СРБ – С-реакционный белок, t – время.
Б. При острых формах заболеваний, таких как острые миелобластный, лим-
фобластный и т. п. лейкозы, было получено в [1; 9, с. 320–327]:
Пл2 (t) = Кп[Гб(х1, t) + Гп(х2, t) + Злу(х3, t) + Нпр(х4, t) + Зп(х5, t) + Зс(х6, t)] +
+ Дг[Г(х7, t) + Е(х8, t) + Л(х9, t) + . . .+ СОЭ(х21, t)] + Дм[Млк(х22, t)] +
+ Мгк(х23, t) + Бл(х24, t) + . . . + Нм(х74, t)] + Ди[Тас(х75, t) + . . . + Ig(х82, t)],
где Хі (і =1, 82) – конкретные значения клинико-лабораторных данных: Кп –
клинические симптомы; Гб – головная боль; Гп – геморрагические проявления;
Злу – увеличение лимфатических узлов; Нпр – некрозы пустоты рта; Зп – увели-
чение печени; Зс – увеличение селезенки; Дг – данные гемограммы; Г – гемо-
глобин; Э – эритроциты; Л – лейкоциты; . . . СОЭ – скорость оседания эритроци-
тов; Дм – данные миелограммы; Млк – миелокариоциты; Мгк – мегакариоциты;
Бл – бласты; . . . Нм – нуклеолы множественные; Ди – данные иммуннограммы;
Тас – титр анти-альфа-стафилолизинов, Ig – иммуноглобулин G.
В качестве резерва СРК как динамического инварианта можно основываться
на модельной динамике клеток киллеров [6, 9, 10].
Учитывая вышеприведенное, можно предложить методику оценки риска воз-
никновения разных форм гемобластозов, связанных с нарушением СРК. При рас-
чете риска возникновения разных форм гемобластозов используются интегриро-
ванные показатели, которые формируются на основе информации относительно
объективного обследования и лабораторных данных: параметров системы крови,
параметров систем Т-звена и В-звена иммунной системы, что частично было ис-
следовано в работах [1, 2, 5, 8–10]. Основная идея заключается в том, что норма –
нестойкое положение равновесия типа диссипативная структура.
Возникновение лейкемии, как одной из стойких форм болезни, – одно из
стойких положений равновесия. Другое положение, как предлейкозное состоя-
ние, – второе стойкое положение равновесия. Оно может быть состоянием типа
миелодиспластический синдром (МДС) и сопровождаться сопутствующими бо-
лезнями – острая и хроническая формы пневмонии. Возникает проблема – свое-
временно увидеть и оценить возникновение необратимых острых форм развития
патологии. Один из подходов к оценке риска – регрессионный анализ клинико-
лабораторных данных [1, 7, 8]. Модификация этих подходов привела
к созданию ряда интегрированных индексов, например, индекса объективного
МОДЕЛИРОВАНИЕ РИСКОВ ВОЗНИКНОВЕНИЯ РАЗНЫХ ФОРМ ГЕМОБЛАСТОЗОВ
Компьютерная математика. 2009, № 1 133
обследования лиц, которые испытали отрицательное влияние факторов Черно-
быльской катастрофы. Формирование индекса объективного обследования (кли-
нического показателя) проводится на основании показателей, приведенных в
табл. 1. Другой из подходов к оценке риска – учет характера влияния функции
«качества жизни» на риск возникновения заболеваний, обусловленых Черно-
быльской катастрофой [11].
ТАБЛИЦА 1
Параметр, баллы Значение
Озноб 1V Нет – 0; легкий озноб (познабливание) – 1;
сильный озноб – 2; потрясающий озноб – 3
Температура 2V Нормальная – 0; 37,1-38,0 – 1; 38,1-39,0 – 2;
39,1 и выше – 3
Пульс 3V До 69 – 0; 70-80 – 1; 81-90 – 2; 90 и более –3
Катаральные явления 4V Нет – 0; воздержанные – 1; выраженные – 2;
гнойные – 3
Кашель 5V Нет – 0; сухой – 1; влажный-кровохарканье – 3
Одышка 6V Нет – 0; при физической нагрузке – 1;
сильная – 2; надрывная – 3
Дыхание 7V Везикулярное – 0; твердое – 1;
бронхиальное – 2; не прослушивается – 3
Артериальное давление 8V Нормальное – 0; изменен умеренно – 1;
изменен значительно – 2; не определяется – 3
Итак, индекс объективного обследования VI рассчитывается как
4 7
1 2 3 8
1 5
V i i
i i
I V V V
= =
= α + α + α∑ ∑ , (4)
где , 1..3i iα = – коэффициенты регрессии, полученные в результате обработки
клинико-лабораторных данных о больных, которые проходили обследование и
лечение в ИКР НЦРМ АМН Украины.
Модификация моделей оценки риска и оценки иммунного статуса организма
привело к созданию новых подходов к построению индексов состояния СРК и
состояния иммунной системы для обследования лиц, которые испытали отрица-
тельное влияние факторов Чернобыльской катастрофы. Необходимость введе-
ния этих индексов вызвано необходимостью эффективного сжатия первичной
информации и для более эффективного использования ее в клинической практи-
ке. Формирование индекса состояния СРК (ИССРК) (лабораторного показателя)
проводится на основании показателей, приведенных в табл. 2.
В.М. ЯНЕНКО, В.Н. ДЕНИСЮК, В.О. РЫХТОВСКИЙ, Н.В. ЯНЕНКО, Л.В. БЕЛЯВИНА
Компьютерная математика. 2009, № 1 134
ТАБЛИЦА 2
Параметр Значение (норма)
Лейкоциты ( 1K ), 109/л – 6.4 ± 0.15
Фибриноген ( 2K ), г/л – 250 ± 12
Серомукоид ( 3K ) – 20 ± 2.0
С-реактивный белок ( 4K ) – 0
Лимфоциты ( 5K ), % – 29.9 ± 2.1
Палочкоядерные ( 6K ), % – 3.5 ± 0.3
СОЭ ( 7K ), гг/ч – 5.5 ± 0.35
Таким образом, ИССРК ( KI ) рассчитывается как
∑
=
−
=
7
1i
н
i
н
ii
K K
KK
I , (5)
где н
iK – значение параметра, который отвечает норме. Формирование индекса
состояния иммунной системы (ИСИС) проводится на основании показателей,
приведенных в табл. 3.
ТАБЛИЦА 3
Параметр Значение (норма)
T-лимфоциты ( 1M ), % – 53.6 ± 4.1
T-хелперы ( 2M ), % – 35.3 ± 3.9
Т-супрессоры ( 3M ), % – 21.3 ± 3.4
Коэффициент хелпер/супрессор ( 4M ) – 1.7 ± 0.2
Ig A ( 5M ), г/л – 1.9 ± 0.2
Ig M ( 6M ), г/л – 1.15 ± 0.15
Ig G ( 7M ), г/л – 11.5 ± 2.1
Таким образом, ИСИС ( MI ) рассчитывается как
∑
=
−
=
7
1i
н
i
н
ii
M M
MM
I , (6)
МОДЕЛИРОВАНИЕ РИСКОВ ВОЗНИКНОВЕНИЯ РАЗНЫХ ФОРМ ГЕМОБЛАСТОЗОВ
Компьютерная математика. 2009, № 1 135
где н
iM – значение параметра иммунной системы, норма. Расчет индекса напря-
женности регуляторных механизмов системы кроветворенияZ выполняется как
MKV IaIaIaZ 321 ++= , (7)
где , 1..3ia i = – коэффициенты регрессии, определенные методом наименьших
квадратов на основе обработки эмпирических данных. В качестве резерва ис-
пользовалось значение активных Т-лимфоцитов.
Для возможности проведения расчета риска возникновения разных форм
гемобластозов, связанных с нарушением системы регуляции кроветворения,
модифицировано программное обеспечение системой управления базой данных.
Модификация связана с необходимостью расчета клинических и лабораторных
показателей обследуемых [12]. На рис. 1 показан пример расчета клинического
показателя по данным объективного обследования; на рис. 2 – экранная форма с
данными системы крови, дополненная лабораторным показателем; на рис. 3
– пример расчета индекса состояния иммунной системы обследуемого; на рис. 4
– пример расчета риска патологических изменений.
РИС. 1
В.М. ЯНЕНКО, В.Н. ДЕНИСЮК, В.О. РЫХТОВСКИЙ, Н.В. ЯНЕНКО, Л.В. БЕЛЯВИНА
Компьютерная математика. 2009, № 1 136
РИС. 2
РИС. 3
МОДЕЛИРОВАНИЕ РИСКОВ ВОЗНИКНОВЕНИЯ РАЗНЫХ ФОРМ ГЕМОБЛАСТОЗОВ
Компьютерная математика. 2009, № 1 137
РИС. 4
Решение контрольных примеров. В качестве контрольных примеров про-
водился расчет индексов состояния, риска патологических изменений для трех
обследуемых, что проходили обследование в гематологическом отделении для
взрослых и отделении радиационной гематологии детского возраста ИКР НЦРМ
АМН Украины, а также с использованием математического и программного
обеспечения, созданных в Институте кибернетики им. В.М. Глушкова и ООО
«Коприкей» [12]. В последующем эти результаты развились в [13]. Данные
объективного обследования, формирующие клинический показатель, приведены
в табл. 4.
ТАБЛИЦА 4
Параметр, баллы Номер амбулаторной карты
1 3 6
Озноб 1V 0 0 1
Температура 2V – – –
Пульс 3V – – –
Катаральные явления 4V 0 0 0
Кашель 5V 0 2 1
Одышка 6V – 1 1
Дыхание 7V 0 1 1
Артериальное давление 8V 1 1 1
Индекс состояния 0.4 1.2 1.1
В.М. ЯНЕНКО, В.Н. ДЕНИСЮК, В.О. РЫХТОВСКИЙ, Н.В. ЯНЕНКО, Л.В. БЕЛЯВИНА
Компьютерная математика. 2009, № 1 138
Данные системы крови, которые формируют лабораторный показатель
обследуемых, приведены в табл. 5.
ТАБЛИЦА 5
Номер амбулаторной карты Параметр 1 3 6
Лейкоциты ( )1K , 109/л 4 3.6 5.1
Фибриноген ( )2K , г/л – – –
Серомукоид ( )3K – – –
С-реактивный белок ( )4K – – –
Лимфоциты ( )5K , % 47 30 35
Палочкоядерные ( )6K , % 5 4 –
СОЭ ( )7K , гг/ч 7 3 14
Индекс состояния 0.76 0.55 0.14
Данные, характеризующие состояние иммунной системы обследуемых,
приведены в табл. 6.
ТАБЛИЦА 6
Номер амбулаторной карты Параметр 1 3 6
T-лимфоциты ( 1M ), % 62 59 72
T-хелперы ( 2M ), % 34 38 45
T-супрессоры ( 3M ), % 22 22 40
Коэффициент хелпер-супрессор ( 4M ) 1.55 1.72 1.13
Ig A ( 5M ), г/л 1.23 1.18 1.23
Ig M ( 6M ), г/л 1.31 1.31 1.2
Ig G ( 7M ), г/л 9 8.75 10.25
Индекс состояния 1.02 0.98 2.04
Результаты расчета риска патологических изменений приведены в табл. 7.
ТАБЛИЦА 7
Номер амбулаторной карты Резуль-
таты
расчета
1 3 6
Текущий
диагноз
Хроническая железо-
дефицитная анемия
Лейкемоидная реакция
эозинофильного типа
Проходной
лейкоцитоз
Значение
риска 0.000483 0.000503 0.000655
МОДЕЛИРОВАНИЕ РИСКОВ ВОЗНИКНОВЕНИЯ РАЗНЫХ ФОРМ ГЕМОБЛАСТОЗОВ
Компьютерная математика. 2009, № 1 139
Для проведения математического моделирования относительно расчета рис-
ков возникновения разных форм гемобластозов будем использовать интегральные
показатели СРК, которые были получены в ИКР НЦРМ АМН Украины, а также
рассчитанные выше типа ИССРК и т. п.. Для этого была построена математиче-
ская модель для оценки риска возникновения необратимых изменений на разных
уровнях иерархии систем с помощью параметров, которые характеризуют напря-
женность регуляторных адаптационных механизмов – нагрузка (Z) и резервные
возможности системы – резерв (R). В качестве нагрузки была выбрана динамика
незрелых гранулоцитов у периферийной крови, а в качестве резерва – динамика
клеток киллеров. Проведены численные эксперименты по определению уровня
риска при хроническом миелолейкозе. Решение задачи динамического моделиро-
вания: результаты решения показаны на рис. 5. Кривая с номером 1 соответствует
норме, кривая с номером 2 – хроническому миелолейкозу. Как видно из получен-
ных результатов на рис. 5 , динамика риска соответствует периодам обострения
заболевания – величина риска достигает значения 1.
РИС. 5
Заключение. Созданы математическое и программное обеспечение оценки
риска возникновения разных форм гемобластозов, которые связаны с нарушени-
ем системы регуляции кроветворения. Повышение эффективности терапии лиц,
пострадавших вследствие Чернобыльской катастрофы, возможно также при ис-
пользовании результатов математического моделирования. Эти результаты по-
зволяют рассчитывать состояние, резервы и риски возникновения онкогематоло-
гических заболеваний у ликвидаторов, персонала и населения, подвергшихся
радиационному воздействию вследствие Чернобыльской катастрофы.
В.М. ЯНЕНКО, В.Н. ДЕНИСЮК, В.О. РЫХТОВСКИЙ, Н.В. ЯНЕНКО, Л.В. БЕЛЯВИНА
Компьютерная математика. 2009, № 1 140
В.М. Яненко, В.М. Денисюк, В.О. Рихтовський, Н.В. Яненко, Л.В. Бєлявіна
МОДЕЛЮВАННЯ РИЗИКІВ ВИНИКНЕННЯ РІЗНИХ ФОРМ ГЕМОБЛАСТОЗІВ
Розглядається задача моделювання ризиків виникнення онкогематологічних захворювань
в осіб, які отримали негативні фактори техно-еко-мед-катастроф. Наведено результати
аналізу даних.
V.М. Yanenko, V.N. Denisyuk, V.О. Rykhtovsky, N.V. Yanenko, L.V. Belyavina
DIFFERENT FORMS OF GEMOBLASTOSIS RISK MODELING
The problem of risk modeling of oncologic-hematologic diseases of techno-eco-medicine disaster
influenced persons is considered. Data analysis results are presented.
1. Яненко В.М., Мазуренко В.А. К вопросу о повышении эффективности автоматизиро-
ванной диагностики острого лейкоза / Под ред. М.Л. Быховского // Математические
и технические вопросы медицинской кибернетики . – Воронеж: ВПИ, 1978. –
С. 84–97.
2. Глушков В.М., Иванов В.В., Яненко В.М. Моделирование развивающихся систем. –
М.: Наука, 1983. – 352 с.
3. Яненко В.М. Моделирование механизмов разнонаправленного действия интерлейки-
нов при терапии острых лейкозов и гемобластозов // Информационные технологии
в биологии и медицине: Сб. науч. тр. / НАН Украины. Ин-т кибернетики им.
В.М. Глушкова; Редкол.: Лябах Е.Г. (отв. ред.) и др. – Киев, 2000. – С. 105–116.
4. Математичне моделювання процесів кровотворення при лейкеміях: Звіт за темою
(Шифр: 17/13Н-99.03-1К, № ДР 0199U003066, наук. кер. В.М. Яненко). – К.: ТОВ
“Коприкей” – НЦРМ АМН України – МНС України, 2001. – 265 с.
5. Bebeshko V., Yanenko V. Computer technology for development of optimal therapy at the
action of toxic substances in food chain // Proc. 9th Ann. Conf. “Risk Analysis: Facing the
New Millenium”, Rotterdam, The Netherlands, 10-13 October 1999. – P. 889–893.
6. Yanenko V. Mathematical modeling of the hierarchically connected processes for estima-
tion of influence of environment contamination on state of immune system of man`s
organism // XXIII Іntern. Workshop on Modeling Developing Systems: Program,
Abstracts, Proceedings, Slovak Republic, Lyptovsky Mikulash, February 28 – March 5,
1999. – P. 72–78.
7. Медицинская информационная система / Н.М. Амосов, В.Г. Мельников, В.М. Яненко
и др. / Под ред. Н.М. Амосова и А.А. Попова – Киев: Наук. думка, 1975. – 507 с.
8. Марчук Г.И. Математические модели в иммунологии. – М.: Наука, 1985. – 239 с.
9. Глушков В.М., Иванов В.В., Яненко В.М. Моделирование развивающихся систем. –
М.: Наука, 1983. – 350 с.
10. The changes in dynamic of hemotological indices one decade after Chernobyl accident:
data bases, mathematical modeling, medical data analysis / V.M. Janenko, V.G. Bebeshko,
V.I. Klimenko at al. // Intern. conf. One Decade after Chernobyl, Summing up the conse-
quences of the accident, Austria, April 1996. – Vienna: IAEA, 1996. – Р. 228–235.
МОДЕЛИРОВАНИЕ РИСКОВ ВОЗНИКНОВЕНИЯ РАЗНЫХ ФОРМ ГЕМОБЛАСТОЗОВ
Компьютерная математика. 2009, № 1 141
11. Яненко В.М., Рыхтовский В.О., Яненко Н.В. Оптимальное управление в задачах рас-
чета соотношения выгод / затрат при ликвидации последствий техно-эко-мед-
катастроф // Компьютерная математика. – 2008. – № 1. – С. 54–62.
12. Проблеми оптимізації протилейкозної терапії осіб, які постраждали внаслідок
Чорнобильської катастрофи / В.Г. Бебешко, В.М. Яненко, К.М. Бруслова та ін.; Під
ред. В.Г. Бебешка, В.М. Яненка. – К.: ТОВ “Коприкей”, НЦРМ АМН України –
МНС України, 2001. – 349 с. – (Додається компакт-диск). Рукопис.
13. Оцінки ризиків техногенних та медико-екологічних катастроф: закономірності інди-
відуалізованого захисту та терапії ВС-УЛНА на ЧАЕС / В.П. Бут, М.П. Захараш,
В.М. Яненко та ін.; Під ред. В.П. Бут, М.П. Захараша, В.М. Яненка. – К.: Вид-во
Служби безпеки України, 2007. – 543 с. – (Додається компакт-диск).
Получено 15.10.2008
Îá àâòîðàõ:
Яненко Василий Михайлович,
кандидат технических наук, ведущий научный сотрудник
Института кибернетики имени В.М. Глушкова НАН Украины,
Денисюк Виталий Николаевич,
кандидат технических наук, старший научный сотрудник
Института кибернетики имени В.М. Глушкова НАН Украины,
Рыхтовский Вячеслав Олегович,
младший научный сотрудник
Института кибернетики имени В.М. Глушкова НАН Украины,
Яненко Наталия Васильевна,
младший научный сотрудник
Института кибернетики имени В.М. Глушкова НАН Украины,
Белявина Людмила Васильевна,
младший научный сотрудник Института кибернетики имени В.М. Глушкова НАН Украины.
|
| id | nasplib_isofts_kiev_ua-123456789-6259 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | ХХХХ-0003 |
| language | Russian |
| last_indexed | 2025-12-07T17:55:32Z |
| publishDate | 2009 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Яненко, В.М. Денисюк, В.Н. Рыхтовский, В.О. Яненко, Н.В. Белявина, Л.В. 2010-02-22T12:42:53Z 2010-02-22T12:42:53Z 2009 Моделирование рисков возникновения разных форм гемобластозов / В.М. Яненко, В.Н. Денисюк, В.О. Рыхтовский, Н.В. Яненко, Л.В. Белявина // Компьютерная математика. — 2009. — № 1. — С. 130-141. — Бібліогр.: 13 назв. — рос ХХХХ-0003 https://nasplib.isofts.kiev.ua/handle/123456789/6259 614.8:007}:621.039 Рассматривается задача моделирования рисков возникновения онкогематологических заболеваний у лиц, подвергшихся негативным факторам техно-эко-медкатастроф. Приведены результаты анализа данных. Розглядається задача моделювання ризиків виникнення онкогематологічних захворювань в осіб, які отримали негативні фактори техно-еко-мед-катастроф. Наведено результати аналізу даних. The problem of risk modeling of oncologic-hematologic diseases of techno-eco-medicine disaster influenced persons is considered. Data analysis results are presented. ru Інститут кібернетики ім. В.М. Глушкова НАН України Математические модели в биологии и медицине Моделирование рисков возникновения разных форм гемобластозов Моделювання ризиків виникнення різних форм гемобластозів Different forms of gemoblastosis risk modeling Article published earlier |
| spellingShingle | Моделирование рисков возникновения разных форм гемобластозов Яненко, В.М. Денисюк, В.Н. Рыхтовский, В.О. Яненко, Н.В. Белявина, Л.В. Математические модели в биологии и медицине |
| title | Моделирование рисков возникновения разных форм гемобластозов |
| title_alt | Моделювання ризиків виникнення різних форм гемобластозів Different forms of gemoblastosis risk modeling |
| title_full | Моделирование рисков возникновения разных форм гемобластозов |
| title_fullStr | Моделирование рисков возникновения разных форм гемобластозов |
| title_full_unstemmed | Моделирование рисков возникновения разных форм гемобластозов |
| title_short | Моделирование рисков возникновения разных форм гемобластозов |
| title_sort | моделирование рисков возникновения разных форм гемобластозов |
| topic | Математические модели в биологии и медицине |
| topic_facet | Математические модели в биологии и медицине |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/6259 |
| work_keys_str_mv | AT ânenkovm modelirovanieriskovvozniknoveniâraznyhformgemoblastozov AT denisûkvn modelirovanieriskovvozniknoveniâraznyhformgemoblastozov AT ryhtovskiivo modelirovanieriskovvozniknoveniâraznyhformgemoblastozov AT ânenkonv modelirovanieriskovvozniknoveniâraznyhformgemoblastozov AT belâvinalv modelirovanieriskovvozniknoveniâraznyhformgemoblastozov AT ânenkovm modelûvannârizikívviniknennâríznihformgemoblastozív AT denisûkvn modelûvannârizikívviniknennâríznihformgemoblastozív AT ryhtovskiivo modelûvannârizikívviniknennâríznihformgemoblastozív AT ânenkonv modelûvannârizikívviniknennâríznihformgemoblastozív AT belâvinalv modelûvannârizikívviniknennâríznihformgemoblastozív AT ânenkovm differentformsofgemoblastosisriskmodeling AT denisûkvn differentformsofgemoblastosisriskmodeling AT ryhtovskiivo differentformsofgemoblastosisriskmodeling AT ânenkonv differentformsofgemoblastosisriskmodeling AT belâvinalv differentformsofgemoblastosisriskmodeling |