Отрицательная и положительная обратная связь информатика: Обратная связь. Положительная и отрицательная обратная связь.

Обратная связь. Положительная и отрицательная обратная связь.

ГОСТы, СНиПы Карта сайта TehTab.ru Поиск по сайту TehTab.ru	Навигация по справочнику TehTab.ru:  главная страница / / Техническая информация/ / Инженерные приемы и понятия/ / Теория автоматического управления (регулирования). ТАУ / / Обратная связь. Положительная и отрицательная обратная связь. Обратная связь. Положительная и отрицательная обратная связь. Как Вы знаете или не знаете или не помните, любая система может быть представлена, как черный ящик. Концепция обратной связи предполагает, что изменение Выходного сигнала одного черного ящика через некоторую передаточную функцию второго черного ящика передается на Вход первого. Как один из вариантов реализации — весь Выходной сигнал первого черного ящика подается (добавляется, вычитается, мультплицирует, делит и т.д.) на его же Вход — заметьте, что «весь сигнал» это тоже всего лишь изменение сигнала по отношению к нулевому уровню выхода.   Сперва рассмотрим Отрицательную Обратную Связь (ООС). Почему? Да потому, что это и есть основной метод регулирования заданного параметра. Под ООС понимают такую обратную связь, при которой изменение выходного сигнала передается на вход черного ящика таким образом, чтобы подавить (компенсировать) это изменение. Т.е. отрицательная обратная связь «держит» выходной параметр неизменным. Очень важными параметрами обратной связи, даже при правильном выборе передаточной функции являются скорость реакции на изменение выходного сигнала (временная задержка) — если этот параметр выбран неверно, то либо система входит в режим автоколебаний (слишком маленькое время реакции), либо регулирование не успевает за процессом (слишком большое время реакции). чувствительность системы к изменению выходного сигнала — если этот параметр выбран неверно, то либо система входит в режим автоколебаний (слишком высокая чувствительность), либо регулирование не успевает за процессом (слишком низкая чувствительность). предумотренная возможность изменения параметров передаточной функции для задач в которых требуется еще и внешнее регулирование уровня выходного сигнала ( управление выходом) ! заметим, что если мы хотим изменить уровень поддержки постоянного выходного сигнала (регулировать выход системы извне), то задачи поддержания стабильности нового сигнала никуда не исчезают! Пример ООС 1: Черный ящик «Налоговая инспекция». Время сдачи отчета. Охранник осуществляет отрицательную обратную связь выходного параметра «количество посетителей внутри» с парметром «входящие посетители» открывая и закрывая дверь и ругаясь. Пример ООС 2: В системе водоснабжения города постоянным параметром для регулирования с помощью ООС является давление. При повышенном водоразборе (утром, вечером) давление падает и при этом система автоматизции повышает производительность насосной станции. Когда водоразбор падет (ночь) — давление повышается и производительность насосов принудительно снижается.   Посмотрим теперь на Положительную Обратную Связь (ПОС). Под ПОС понимают такую обратную связь, при которой изменение выходного сигнала передается на вход черного ящика таким образом, чтобы усилить (увеличить) это изменение. Т.е. положительная обратная связь «разгоняет» изменение выходного параметра. Из практических общеинженерных применений ПОС следует выделить использование выходного сигнала с временной задержкой для возбуждения системы. Огромное количество электротехнических решений (усилители, автоколебательные системы, генераторы сигналов) базируется именно на явлении ПОС. Пример ПОС 1: Фонящий микрофон (микрофон установленный недалеко от колонок) сигнал колонок>микрофон>усилитель>сигнал колонок>микрофон. Пример ПОС 2: Устранение «дребезга контактов» или «влияния шумов срабатывания». Система после срабатывания на некоторое время выключается, но сигнал срабатывания после предустановленной задержки взводит систему опять в рабочее состояние.   ! заметим, что и пошаговое регулирование и непрерывное регулирование прекрасно вписываются в концепцию обратной связи!   Дополнительная информация от TehTab.ru:
Нашли ошибку? Есть дополнения? Напишите нам об этом, указав ссылку на страницу.
TehTab.ru Реклама, сотрудничество: [email protected]	Обращаем ваше внимание на то, что данный интернет-сайт носит исключительно информационный характер. Информация, представленная на сайте, не является официальной и предоставлена только в целях ознакомления. Все риски за использование информаци с сайта посетители берут на себя. Проект TehTab.ru является некоммерческим, не поддерживается никакими политическими партиями и иностранными организациями.

Отрицательная и положительная обратная связь в электронике…

Привет, Вы узнаете про отрицательная обратная связь, Разберем основные ее виды и особенности использования. Еще будет много подробных примеров и описаний. Для того чтобы лучше понимать что такое отрицательная обратная связь, положительная обратная связь, обратная связь , настоятельно рекомендую прочитать все из категории Системный анализ (системная философия, теория систем).

обратная связь ( англ. feedback ) — влияние результата функционирования любой системы на характер дальнейшего ее функционирования. Термин «обратная связь» используется в ходе процессов в социальных, биологических, технических, экономических и других системах, а также в кибернетике ^{и теории автоматического регулирования и управления .}

Одно из первых исследований влияния обратной связи на результат функционирования системы было выполнено Майклом Фарадеем в популярной работе «История свечи» .

Типы обратной связи

По характеру воздействия различают :

Положительная и отрицательная обратная связь

• положительная обратная связь влияет на систему таким образом, что увеличивает исходный результат ее функционирования. В теории автоматического управления положительная обратная связь реализуется путем передачи на вход системы части выходного сигнала таким образом, что сигнал обратной связи совпадает в фазе с входным сигналом, эквивалентным увеличению входного сигнала. В отдельных случаях положительная связь может приводить к генерации в системе – когда любая флуктуация в системе передается на ее вход и усиливается, благодаря чему в системе возникают незатухающие колебания.

• отрицательная обратная связь влияет на систему таким образом, что уменьшает исходный результат ее функционирования. В теории автоматического управления отрицательная обратная связь реализуется путем передачи на вход системы части выходного сигнала таким образом, что сигнал обратной связи находится в противофазе с входным сигналом, эквивалентным уменьшению входного сигнала, что приводит к снижению коэффициента усиления системы, но при этом повышается устойчивость системы и уменьшается погрешность и инерционность системы.

Жесткая и гибкая (elastic feedback) обратная связь

• жесткая обратная связь действует в установившемся и переходном режимах работы системы.

• Гибкая обратная связь действует только в переходном режиме работы системы, несет информацию о скорости изменений в системе. В теории автоматического управления реализуется добавлением в контур обратной связи дифференцирующих элементов.

Общая и местная обратная связь

• общая обратная связь формируется за счет передачи результата функционирования всей системы на ее вход.

• местная обратная связь формируется за счет передачи результата функционирования отдельного звена системы на вход этого звена.

Кроме того, в САР различают внешнюю обратную связь, соединяющую выход всей системы с ее входом, и внутреннюю (местную), соединяющую выход отдельного элемента или группы последовательно соединенных элементов с их входом.

Математическая формулировка

Пусть входной сигнал u и выходной сигнал U определенного объекта ( черного ящика ) связан линейным соотношением

,

где k – коэффициент усиления .

Если на вход системы подать кроме сигнала u еще частично сигнал с выхода, так что общий входной сигнал станет {\displaystyle u+\alpha U}, где {\displaystyle \alpha} — определенный коэффициент обратной связи, получим

.

В этом случае выходной сигнал будет определяться формулой

.

При положительных значениях выходной сигнал будет усиливаться, но стабильность будет падать. При α = 1/k выходной сигнал станет нескончаемо большим (на самом деле в таком случае система выйдет из линейного режима).

При отрицательных значениях усиления уменьшается и система стабилизируется.

Обратные связи в усилителях. Виды обратной связи (ос). Влияние ос на входное и выходное сопротивление усилителя.

Обратные связи

1) Отрицательная обратная связь (ООС) — (UВХ-UВЫХ) сигнал с выхода на вход приходит в противофазе.

2) Положительная обратная связь (ПОС)- (UВХ^+UВЫХ⁾сигнал с выхода на вход приходит в фазе.

По типу связи:

1) Последовательная обратная связь – сигнал обратной связи включен в разрыв входной цепи.

2)Параллельная обратная связь – сигнал обратной связи включен параллельно входной цепи.

+Выходное сопротивление усилителя зависит от того, каким образом вводится ОС. Если отрицательная ОС вводится по напряжению, то выходное сопротивление уменьшается, если по току -— увеличивается. Введение ОС широко используется для целенаправленного изменения выходного сопротивления и позволяет реализовать усилители с очень малыми (сотые доли ом) и очень большими (сотни — тысячи мегом) выходными сопротивлениями. При введении ОС по напряжению усилитель приближается к идеальному источнику напряжения, выходной сигнал которого мало изменяется при различных сопротивлениях нагрузки. ОС по току стабилизирует ток нагрузки, приближая усилитель к идеальному источнику тока.

Входное сопротивление также зависит от способа введения во входную цепь сигнала ОС. При ее отсутствии входное сопротивление определяется входными напряжением и током усилителя. При последовательной схеме введения ОС входное сопротивление увеличивается в (1+BКо) раз при отрицательной обратной связи и уменьшается в (1-BКo) раз при положительной. Введение параллельной ОС эквивалентно включению параллельно входному сопротивлению усилителя дополнительного сопротивления, в результате чего входное сопротивление уменьшается как при отрицательной, так и при положительной ОС. При больших Кo и малом сопротивлении в цепи обратной связи входное сопротивление может составить десятые и тысячные доли Ом.

Орицательная обратная связь (ООС)

Орицательная обратная связь (ООС) — вид обратной связи, при котором изменение выходного сигнала системы приводит к такому изменению входного сигнала, которое противодействует первоначальному изменению.

Иными словами, отрицательная обратная связь — это такое влияние выхода системы на вход («обратное»), которое

уменьшает действие входного сигнала на систему.

• Если обратная связь может полностью компенсировать («заглушить») входящий сигнал, система относится к классу регуляторов (поплавковый механизм) или следящих усилителей (гидроусилитель).
• Если же обратная связь компенсирует только часть входного сигнала (см. коэффициент обратной связи), то влияние входа на систему (и выход) будет меньше, но более стабильное («четкое»), так как случайные изменения параметров системы (и, соответственно, колебания выхода) будут в значительной степени скомпенсированы через линию обратной связи.

Отрицательная обратная связь делает систему более устойчивой к случайному изменению параметров.

Методы математического анализа систем, в том числе и охваченных отрицательной обратной связью, подробно рассматриваются теорией автоматического управления.

Бытовой пример

Одним из самых простых примеров может служить устройство простейшего сливного бачка. По мере наполнения сливного бачка уровень воды в нем поднимается, что приводит к всплыванию поплавка, который блокирует дальнейшее поступление воды.

ООС в электротехнике

Электромашинный преобразователь электровоза ВЛ10 — агрегат, реализующий отрицательную обратную связь по току

Огромное значение отрицательная обратная связь имеет при выработке электроэнергии для стабилизации параметров качества электроэнергии — напряжения и частоты. При колебаниях электрической нагрузки изменяется падение напряжения на обмотках генератора и отводящих проводах, то есть изменяется выходное напряжение генератора, а нередко изменяются и обороты генератора, особенно в тех случаях, когда генератор установлен не как вспомогательный агрегат (например, на двигателе автомобиля или самолета), а является главным генератором электростанции или тепловоза и колебания его мощности оказывают большое влияние на приводной двигатель. При колебаниях оборотов также изменяется напряжение генератора, так как ЭДС генератора пропорциональна оборотам, а если генератор вырабатывает переменный ток — то и частота. Поэтому в паре практически с каждым генератором, используемым для электроснабжения (сюда не входят тахогенераторы и другие специальные электромашины), работает один или несколько регуляторов с отрицательной обратной связью.

Регулятор напряжения (РН) практически всегда управляет возбуждением (магнитным потоком) генератора, регулируя ток в обмотке возбуждения (индукторе) — при просадке напряжения регулятор увеличивает ток возбуждения, ЭДС генератора растет и напряжение восстанавливается; при повышении напряжения происходит обратный процесс. РН может быть установлен в самом генераторе, как это сделано в большинстве современных автомобильных генераторов — регулятор выполнен в одном корпусе со щетками, подающими ток возбуждения на ротор (на жаргоне этот блок называется «таблетка» за характерную форму корпуса регулятора), может быть установлен отдельно — например, на большинстве летательных аппаратов генераторы установлены на двигателях, то есть в негерметичной зоне, а блоки регулирования — в фюзеляже возле распредустройств, то есть отрицательная обратная связь учитывает падение напряжения и на обмотках генератора, и на проводах от генератора до РУ.

Регуляторы частоты ввиду разнообразия типов приводных двигателей и соотношений мощности генератора и двигателя бывают самыми различными. В некоторых случаях достаточно работы собственного регулятора приводного двигателя, например, клапана холостого хода инжекторного двигателя или регулятора дизеля — в этом случае в контур ООС генератор не входит вообще, регулятор двигателя, обнаруживая уменьшение оборотов (при росте нагрузки генератора) или их повышение (при уменьшении нагрузки) соответственно увеличивает или уменьшает подачу топлива. В других случаях двигатель и генератор связаны той или иной обратной связью — например, в регуляторах тепловозных дизелей установлен реостат (напр., в регуляторе ЧМЭ3) или индуктивный датчик (в регуляторе 2ТЭ116 и др.), который при большой нагрузке дизеля уменьшает возбуждение главного генератора, защищая дизель от перегрузки.

Также между двигателем и генератором может иметься то или иное устройство регулирования частоты — например, в конструкцию аэродромного источника питания АПА-50 входит гидромуфта переменного наполнения, а самолетные генераторы переменного тока, стоящие на основных двигателях, зачастую установлены на приводах постоянных оборотов. ППО может быть как чисто механическим (воздушный ППО-40, гидростатический ГП21), так и иметь электроуправление — так, на Ту-154М, Ил-76 и некоторых других самолетах стоят блоки регулирования частоты БРЧ-62, подстраивающие ППО при отклонении частоты генераторов от номинальной (400 Гц).

Отрицательная обратная связь широко используется в тяговых приводах локомотивов . Об этом говорит сайт https://intellect.icu . Наиболее простой пример — противокомпаундная обмотка возбудителя (небольшого генератора, вырабатывающего ток возбуждения основных двигателей). Она намотана на полюсах возбудителя вместе с основной (независимой) обмоткой возбуждения и по ней течет ток тяговых двигателей, но направление тока в ней таково, что ее магнитный поток действует против потока основной обмотки. Если ток двигателей мал, то она не оказывает особого влияния на результирующий поток возбуждения, но по мере роста тока поток противокомпаундной обмотки растет и результирующий поток падает. В итоге падает напряжение возбудителя, а с ним и ток тяговых двигателей.

Эта ООС важна на тепловозах для предотвращения боксования и перегрузки оборудования, на электровозах ВЛ8, ВЛ10, ВЛ11 и других, где для возбуждения двигателей при электроторможении (рекуперации) установлен преобразователь с противокомпаундной обмоткой — для предотвращения юза и перегрузки оборудования. При рекуперации, если внезапно снижается напряжение контактной сети (включение тяги на другом электровозе, отключение подстанции), то резко возрастает ток рекуперации, так как увеличивается разность напряжений контактной сети и тяговых двигателей, работающих в режиме генераторов, а с током возрастает и тормозная сила, вплоть до срыва колесных пар в юз. Но ток, протекая через противокомпаундную обмотку, уменьшает напряжение преобразователя, ток возбуждения и, следовательно, напряжение двигателей, уменьшая разность напряжений между сетью и двигателями. Обратный процесс происходит при повышении напряжения сети.

В системах возбуждения генераторов тепловозов, более сложных, чем система с многообмоточным возбудителем, существуют несколько контуров ООС — по току (выполненный на датчике тока той или иной конструкции), напряжению (защищает оборудование от чрезмерного роста напряжения главного генератора), по боксованию (при боксовании, то есть увеличении частоты вращения одной или нескольких колесных пар из-за потери сцепления с рельсами, уменьшает или полностью снимает возбуждение генератора) и др.

ООС в электронике

Первым использовать идею отрицательной обратной связи в электронике предложил Гарольд Блэк (Harold Black) для улучшения линейности усиления для межконтинентальных телекоммуникаций. Суть идеи состоит в том, чтобы пожертвовать частью коэффициента усиления ради улучшения линейности выходного сигнала. Классический электронный усилитель сигнала (электронная лампа, полевой транзистор и др.) вносит нелинейные искажения в форму сигнала. Следовательно, вычитая из входного сигнала долю выходного сигнала, деленную на коэффициент усиления, можно получить форму самих нелинейных искажений. Затем, наложив обратные искажения на входной сигнал можно добиться скомпенсированного сигнала, который, пройдя через усилитель, будет иметь сниженную нелинейность.

Показательный пример использования отрицательной обратной связи — построение усилителя со стабильным коэффициентом усиления на основе операционного усилителя (ОУ).

Пусть дан некоторый ОУ с коэффициентом усиления порядка 10⁶. На основе этого ОУ нужно построить усилитель со входным сопротивлением не менее 5 кОм и коэффициентом усиления 3 (для неинвертирующего усилителя K=1+R2/R1). Для этого на инвертирующий вход ОУ ставится резистор с сопротивлением чуть больше требуемого входного (допустим, 7 кОм), а в цепь обратной связи — резистор с номиналом в 2 раза больше. Аналитическая формула показывает, что такой способ построения усилителей является приближенным, однако, в силу большой величины коэффициента усиления, погрешность от примененных допущений оказывается меньше, чем от неточности изготовления элементов.

Обычно ООС позволяет добиться хороших параметров усилителя, однако это справедливо в общем случае только для усиления постоянного тока или низких частот. Поскольку с повышением частоты задержка, вносимая усилителем, начинает давать существенный фазовый сдвиг усиливаемого сигнала, то и ООС работает уже не в соответствии с расчетом. Если и далее повышать частоту, то, когда продолжительность задержки станет порядка полупериода сигнала (то есть порядка 180 градусов по фазе), то ООС превратится в ПОС, а усилитель — в генератор. Для предотвращения этого цепь ООС должна делаться частотно-зависимой.

В СВЧ-усилителях обратная связь неприменима, поэтому стабилизировать усиление СВЧ-каскадов весьма непросто. Однако, если нужно стабилизировать не усиление, а амплитуду (мощность) выходного сигнала, это легко реализовать в виде АРУ.

ООС применяется в стабилизаторах напряжения (не во всех случаях).

Отрицательная обратная связь в живых системах[

Отрицательная обратная связь широко используется живыми системами разных уровней организации — от клетки до экосистем — для поддержания гомеостаза. Например, в клетках на принципе отрицательной обратной связи основаны многие механизмы регуляции работы генов (например, триптофановый оперон), а также регуляция работы ферментов (ингибирование конечным продуктом метаболического пути). В организме на этом же принципе основана система гипоталамо-гипофизарной регуляции функций, а также многие механизмы нервной регуляции, поддерживающие отдельные параметры гомеостаза (терморегуляция, поддержание постоянной концентрации диоксида углерода и глюкозы в крови и др. ). В популяциях отрицательные обратные связи (например, обратная зависимость между плотностью популяции и плодовитостью особей) обеспечивают гомеостаз численности. Отрицательная обратная связь может быть использована для нормализации массы тела человека при ожирении, для чего калорийность рациона питания периодически (например, еженедельно), корректируется посредством отслеживания динамики массы тела.

Перейти к навигацииПерейти к поиску

Положи́тельная обра́тная связь (ПОС) — тип обратной связи, при котором изменение выходного сигнала системы приводит к такому изменению входного сигнала, которое способствует дальнейшему отклонению выходного сигнала от первоначального значения, то есть знак изменения сигнала обратной связи совпадает со знаком изменения входного сигнала.

Положительная обратная связь усиливает или усиливает эффект, оказывая влияние на процесс, который его вызвал. Например, когда часть электронного выходного сигнала возвращается на вход и находится в фазе с ним, коэффициент усиления системы увеличивается. ^{Обратная связь от результата к инициирующему процессу может быть прямой или через другие переменные состояния. Такие системы могут давать богатые качественные характеристики, но то, является ли обратная связь мгновенно положительной или отрицательной по знаку, имеет чрезвычайно важное влияние на результаты. Положительная обратная связь усиливает, а отрицательная обратная связь смягчает исходный процесс. Положительные и отрицательныев этом смысле относятся к выигрышам от цикла больше или меньше нуля и не подразумевают каких-либо оценочных суждений относительно желательности результатов или эффектов. Ключевой особенностью положительной обратной связи является то, что небольшие помехи становятся больше. Когда в системе происходит изменение, положительная обратная связь вызывает дальнейшее изменение в том же направлении.}

Положительная обратная связь ускоряет реакцию системы на изменение входного сигнала, поэтому ее умышленно используют в технике в ситуациях, когда требуется ускорение реакции на изменение внешних параметров.

В то же время положительная обратная связь может привести к неустойчивости системы. Для примера примем, что в контуре нет фазовых задержек.

Если коэффициент усиления в петле положительной обратной связи (в разомкнутой системе, или разомкнутом контуре), больше 1, то в системе либо возникают автоколебания (это используется в различных автогенераторах), либо система перейдет в одно из устойчивых, квазистационарных состояний (например, различные триггеры).

Если коэффициент усиления в разомкнутом контуре равен 1, система находится на грани самовозбуждения, и случайно возникшие автоколебания либо медленно затухают, либо нарастают до ограничения.

При коэффициенте усиления в разомкнутом контуре меньше 1 система устойчива.

Например, автогенератор на основе усилителя с мостом Вина в цепи положительной обратной связи является примером схемы с частотно-зависимой положительной обратной связью, причем для того, чтобы этот генератор генерировал синусоидальный сигнал с малыми искажениями, петлевое усиление в схеме поддерживается точно равным 1 с помощью амплитудно-зависимой нелинейной отрицательной обратной связи.

Другой пример использования положительной обратной связи — триггер Шмитта. Если цифровой логический элемент либо операционный усилитель охватить правильно выбранной положительной обратной связью, образуется схема с гистерезисом, называемая триггером Шмитта. Триггер Шмитта с интегрирующей RC-цепью на входе применяется для устранения дребезга контактов, повышения помехоустойчивости сигналов датчиков (или кабельных приемников), устранения состояния «неопределенности» в каналах связи, вызванном помехами, и др.

Положительная обратная связь присутствует в цепных химических реакциях, автокаталитических химических реакциях, цепных реакциях деления ядер тяжелых элементов в ядерном взрыве. При управляемой ядерной реакции в ядерных реакторах эффективный коэффициент размножения нейтронов (петлевой коэффициент усиления, в терминах авторегулирования) поддерживается равным 1 с помощью следящей системы регулирования положения поглощающих нейтроны стержней.

Нелинейная положительная обратная связь приводит к развитию в системе режима с обострением.

Примеры и применение

ПОС в электронике

В 1914 г. были изобретены и запатентованы регенеративные схемы ^[15] для усиления и приема очень слабых радиосигналов. Тщательно контролируемая положительная обратная связь вокруг одиночного транзисторного усилителя может увеличить его коэффициент усиления в 1000 и более раз. ^[16] Следовательно, сигнал может быть усилен 20 000 или даже 100 000 раз за один каскад, что обычно имеет коэффициент усиления только от 20 до 50. Проблема с регенеративными усилителями, работающими с такими очень высокими коэффициентами усиления, заключается в том, что они легко становятся нестабильными и запускаются. колебаться. Радист должен быть готов постоянно изменять количество обратной связи для хорошего приема. Современные радиоприемники используют супергетеродин. дизайн, с гораздо большим количеством каскадов усиления, но гораздо более стабильной работы и без положительной обратной связи.

Колебания, которые могут возникать в регенеративной радиосхеме, используются в электронных генераторах . При использовании настроенных схем или пьезоэлектрического кристалла (обычно кварца ) сигнал, усиленный положительной обратной связью, остается линейным и синусоидальным . Есть несколько конструкций таких гармонических осцилляторов , в том числе осциллятора Armstrong , Хартли осциллятора , Колпитса генератор , и мост генератора Wien . Все они используют положительную обратную связь для создания колебаний. ^[17]

Многие электронные схемы, особенно усилители, имеют отрицательную обратную связь . Это снижает их усиление, но улучшает их линейность, входное сопротивление , выходное сопротивление и полосу пропускания , а также стабилизирует все эти параметры, включая усиление с обратной связью. Эти параметры также становятся менее зависимыми от деталей самого усилительного устройства и в большей степени зависят от компонентов обратной связи, которые с меньшей вероятностью будут меняться в зависимости от производственных допусков, возраста и температуры. Разница между положительной и отрицательной обратной связью для сигналов переменного тока является одной из фаз. : если сигнал подается обратно в противофазе, обратная связь отрицательная, а если она синфазна, обратная связь положительная. Одна из проблем разработчиков усилителей, использующих отрицательную обратную связь, заключается в том, что некоторые компоненты схемы вносят фазовый сдвиг в тракт обратной связи. Если есть частота (обычно высокая частота), на которой фазовый сдвиг достигает 180 °, разработчик должен обеспечить очень низкий коэффициент усиления усилителя на этой частоте (обычно с помощью фильтрации нижних частот ). Если коэффициент усиления контура (произведение коэффициента усиления усилителя и степени положительной обратной связи) на любой частоте больше единицы, тогда усилитель будет колебаться на этой частоте ( критерий устойчивости Баркгаузена ). Такие колебания иногда называютпаразитные колебания . Усилитель, который стабилен в одном наборе условий, может вызвать паразитные колебания в другом. Это может быть связано с изменениями температуры, напряжения питания, настройками элементов управления на передней панели или даже с приближением человека или другого проводящего объекта.

Усилители могут мягко колебаться, что трудно обнаружить без осциллографа , или колебания могут быть настолько обширными, что проходит только очень искаженный сигнал или вообще не требуется никакого сигнала, или возникает повреждение. Низкочастотные паразитные колебания были названы «моторными лодками» из-за их сходства со звуком низкооборотистого выхлопа. ^[18]

Эффект от использования триггера Шмитта (B) вместо компаратора (A)

Во многих распространенных цифровых электронных схемах используется положительная обратная связь. В то время как обычные простые логические логические логические элементы обычно полагаются просто на усиление, чтобы подтолкнуть напряжения цифрового сигнала от промежуточных значений к значениям, которые предназначены для представления логических «0» и «1», но многие более сложные элементы используют обратную связь. Когда ожидается, что входное напряжение будет изменяться аналоговым образом, но требуются точные пороги для последующей цифровой обработки, триггер ШмиттаСхема использует положительную обратную связь, чтобы гарантировать, что если входное напряжение плавно поднимется выше порогового значения, выход будет быстро и быстро переведен из одного логического состояния в другое. Одним из следствий использования триггером Шмитта положительной обратной связи является то, что если входное напряжение снова плавно опустится ниже того же порогового значения, положительная обратная связь будет удерживать выход в том же состоянии без каких-либо изменений. Этот эффект называется гистерезисом : входное напряжение должно упасть за другой, более низкий порог, чтобы «разблокировать» выход и сбросить его до исходного цифрового значения. Уменьшая степень положительной обратной связи, можно уменьшить ширину гистерезиса, но полностью устранить ее нельзя. Триггер Шмитта в некоторой степени представляет собой схему с фиксацией . ^[19]

Положительная обратная связь — это механизм, с помощью которого повышается результат, например уровень белка. Однако, чтобы избежать каких-либо колебаний в уровне белка, этот механизм ингибируется стохастически (I), поэтому, когда концентрация активированного белка (A) превышает пороговое значение ([I]), петлевой механизм активируется и концентрация A увеличивается экспоненциально, если d [A] = k [A]

Иллюстрация RS ( «сброс-набор») триггер сделан из двух цифровых ни ворота с положительной обратной связью. Красный и черный означают логические «1» и «0» соответственно.

Электронный триггер , или «защелка», или «бистабильный мультивибратор » — это схема, которая из-за высокой положительной обратной связи нестабильна в сбалансированном или промежуточном состоянии. Такая бистабильная схема является основой одного бита электронной памяти . Триггер использует пару усилителей, транзисторов или логических вентилей, соединенных друг с другом, так что положительная обратная связь поддерживает состояние схемы в одном из двух несбалансированных стабильных состояний после того, как входной сигнал был удален, до тех пор, пока не появится подходящий альтернативный сигнал. применяется для изменения состояния. ^[20] Компьютерная оперативная память (RAM) может быть выполнена таким образом с одной схемой фиксации для каждого бита памяти. ^[21]

В электронных системах происходит тепловой разгон, потому что какой-то аспект цепи может пропускать больший ток, когда он нагревается, и чем горячее он становится, тем больше тока он пропускает, что нагревает его еще больше, и поэтому он пропускает еще больший ток. Последствия для рассматриваемого устройства обычно катастрофичны. Если устройства должны использоваться на пределе их максимальной мощности, а тепловой разгон возможен или вероятен при определенных условиях, улучшения обычно могут быть достигнуты путем тщательного проектирования. ^[22]

ПОС В биологии

Чем больше овец побежало, тем больше овец побежит за ними. Сигнал тревоги в стадах и стаях распространяется по механизму положительной обратной связи.

ПОС в Эволюционной биологии

Видообразование ускоряет видообразование, так как появление каждого нового вида создает новые экологические ниши, что провоцирует специализацию новых видов. Например, появление нового вида травоядных животных автоматически создает вакантные экологические ниши для новых хищников, паразитов, падальщиков и насекомых-навозников. В свою очередь, появление новых травоядных становится новым вектором отбора для растений, служащих пищей для этого вида или зависящих от распространения им семян. Новые виды хищников и паразитов добавляют петли положительной обратной связи, становясь фактором отбора для своих жертв . Коэволюция хищников и их жертв известна как частный случай «принципа черной королевы» (The Red Queen Effect).

В фанерозойский период биоразнообразие показывает устойчивый, хотя и немонотонный рост с нуля до нескольких тысяч родов за геологически небольшой промежуток времени

Предполагается, что рост человеческого интеллекта также обусловлен положительной обратной связью, гонкой вооружений, из-за возрастающей межгрупповой и внутригрупповой конкуренции .

ПОС В физиологии

Рефлекс рождения плода как пример усиления реакции организма на усиливающийся раздражитель. Во время родов, когда головка плода проталкивается через шейку матки (1), это вызывает активацию афферентного нерва, возбуждающего чувствительные области в мозгу (2). Раздражение афферентных областей служит сигналом для гипофиза выпустить гормон под названием окситоцин (3). Окситоцин через кровоток доходит до мышц матки (4), усиливая сокращения и вовлекая в них больше мышц, что обеспечивает проталкивание плода к шейке матки и в конце концов запускает роды

Примерами положительной обратной связи в физиологии могут служить:

• Рефлекс Фергюсона^[en]. Во время родов сокращение стенок матки, через механочувствительные рецепторы в них, стимулирует области в гипоталамусе выделять в кровь окситоцин. Повышение концентрации окситоцина усиливает амплитуду и частоту сокращения стенок матки. Что еще больше усиливает выделение окситоцина. Таким образом обеспечивается выталкивание плода. Кроме того, по ходу беременности по принципу ПОС изменяется фоновая концентрация окситоцина в крови матери и чувствительность стенок матки к нему (за счет увеличения числа рецепторов к окситоцину на поверхности миоцитов)^.

ПОС В иммунологии

Септический шок и «цитокиновый шторм» могут служить примерами положительной обратной связи в регуляторных взаимодействиях между участниками иммунного ответа. Активированные цитокинами в очаге воспаления иммунные клетки высвобождают новые порции цитокинов, привлекая и активируя новые порции иммунных клеток — в результате каскад реакций может приобрести неконтролируемый и неадаптивный характер, вызывая разрушения в очаге воспаления, распространяясь на соседние ткани и охватывая весь организм.

ПОС В психологии

Виннер (1996) описал одаренных детей как движущихся петлями положительной обратной связи, включающими в себя создание собственного учебного курса, эту обратную связь с удовлетворением, тем самым дополнительно устанавливая свои учебные цели на более высокий уровень и т. Д. ^[40] Виннер назвал эту петлю положительной обратной связи «яростью, которую нужно преодолеть». Вандерверт (2009a, 2009b) предположил, что вундеркинд можно объяснить в терминах положительной обратной связи между результатом мышления / выполнения в рабочей памяти , который затем передается в мозжечок, где он оптимизируется, и затем возвращается к работе. память, таким образом, неуклонно увеличивает количественный и качественный выход рабочей памяти. ^[ Вандерверт также утверждал, что эта петля положительной обратной связи между рабочей памятью и мозжечком отвечает за языковую эволюцию в рабочей памяти.

ПОС В экономике

Рынки с социальным влиянием

Было показано, что рекомендации по продуктам и информация о прошлых покупках существенно влияют на выбор потребителей, будь то музыка, фильмы, книги, технологические или другие типы продуктов. Социальное влияние часто вызывает феномен «богатые становятся богатыми» ( эффект Мэтью ), когда популярные продукты имеют тенденцию становиться еще более популярными. ^[43]

Динамика рынка

Согласно теории рефлексивности, выдвинутой Джорджем Соросом , изменения цен вызваны процессом положительной обратной связи, при котором на ожидания инвесторов влияют движения цен, поэтому их поведение усиливает движение в этом направлении до тех пор, пока оно не станет неустойчивым, после чего обратная связь приводит к росту цен. противоположное направление. ^[44]

Системный риск

Системный риск — это риск, который представляет для системы процесс усиления, усиления или положительной обратной связи. Обычно это неизвестно, и при определенных условиях этот процесс может экспоненциально усиливаться и быстро приводить к деструктивному или хаотическому поведению. Схема Понци является хорошим примером системы с положительной обратной связью: средства от новых инвесторов используются для выплаты необычно высокие доходы, которые , в свою очередь , привлечь больше новых инвесторов, вызывая быстрый рост к коллапсу. У. Брайан Артур также изучал и писал о положительной обратной связи в экономике (например, У. Брайан Артур, 1990). ^[45] Хайман Минскипредложил теорию, согласно которой определенные методы кредитной экспансии могут превратить рыночную экономику в «систему, усиливающую отклонения», которая может внезапно рухнуть ^{[46], что} иногда называют « моментом Мински ».

Простые системы, четко разделяющие входы и выходы, не подвержены системному риску . Этот риск более вероятен по мере увеличения сложности системы, потому что становится все труднее увидеть или проанализировать все возможные комбинации переменных в системе даже в условиях тщательного стресс-тестирования. Чем эффективнее сложная система, тем больше вероятность того, что она будет подвержена системным рискам, потому что требуется лишь небольшое отклонение, чтобы нарушить работу системы. Следовательно, хорошо спроектированные сложные системы обычно имеют встроенные функции, позволяющие избежать этого состояния, такие как небольшое трение, или сопротивление, или инерция, или временная задержка, чтобы отделить выходы от входов внутри системы. Эти факторы составляют неэффективность, но они необходимы, чтобы избежать нестабильности.

2010 Flash Crash инцидент был обвинен на практике высокочастотной торговли (HFT), ^[47] , хотя , действительно ли увеличивает HFT системный риск остается спорным. ^{[ необходима цитата ]}

Рост населения

Можно считать, что сельское хозяйство и человеческое население находятся в режиме положительной обратной связи ^[48], что означает, что одно движет другим с возрастающей интенсивностью. Предполагается, что эта система положительной обратной связи когда-нибудь закончится катастрофой, поскольку современное сельское хозяйство использует весь легко доступный фосфат и прибегает к высокоэффективным монокультурам, которые более подвержены системному риску .

Аналогичным образом можно рассматривать технологические инновации и человеческую популяцию, и это было предложено в качестве объяснения очевидного гиперболического роста человеческой популяции в прошлом вместо более простого экспоненциального роста . ^[49] Предполагается, что темпы роста ускоряются из-за положительной обратной связи второго порядка между населением и технологиями. ^{[50] : 133–160} Технологический рост увеличивает несущую способность земли для людей, что ведет к росту населения, а это, в свою очередь, стимулирует дальнейший технологический рост. ^{[50] : 146  [51]}

Предрассудки, социальные институты и бедность

Гуннар Мюрдал описал порочный круг растущего неравенства и бедности, который известен как « круговая кумулятивная причинно-следственная связь ». ^[52]

ПОС В метеорологии

Засуха усиливается благодаря положительной обратной связи. Недостаток дождя снижает влажность почвы, что приводит к гибели растений и / или к тому, что они выделяют меньше воды за счет транспирации . Оба фактора ограничивают эвапотранспирацию , процесс, при котором водяной пар попадает в атмосферу с поверхности, и добавляют в атмосферу сухую пыль, которая поглощает воду. Меньшее количество водяного пара означает как низкие температуры точки росы, так и более эффективное дневное отопление, уменьшая вероятность влажности в атмосфере, ведущей к образованию облаков. Наконец, без облаков не может быть дождя, и петля полная. ^[53]

ПОС В климатологии

Климатические «воздействия» могут подтолкнуть климатическую систему в сторону потепления или похолодания ^[54], например, повышенные концентрации парниковых газов в атмосфере вызывают потепление на поверхности. Принуждения являются внешними по отношению к климатической системе, а обратная связь — это внутренние процессы системы. Некоторые механизмы обратной связи действуют относительно изолированно от остальной климатической системы, в то время как другие тесно связаны. ^[55] Силы, обратная связь и динамика климатической системы определяют, насколько и насколько быстро изменяется климат. Основная положительная обратная связь в глобальном потеплении — это тенденция потепления к увеличению количества водяного пара в атмосфере, что, в свою очередь, приводит к дальнейшему потеплению. ^[56]Основная отрицательная обратная связь исходит из закона Стефана – Больцмана , количество тепла, излучаемого от Земли в космос, пропорционально четвертой степени температуры поверхности Земли и атмосферы.

Другие примеры подсистем положительной обратной связи в климатологии включают:

• Более теплая атмосфера растает лед, и это изменяет альбедо, что еще больше нагревает атмосферу.
• Гидраты метана могут быть нестабильными, поэтому потепление океана может выделять больше метана , который также является парниковым газом.
• Торф , встречающийся в естественных условиях на торфяных болотах , содержит углерод. При высыхании торф разлагается и может дополнительно гореть. Торф также выделяет закись азота .
• Глобальное потепление влияет на распределение облачности. Облака на больших высотах усиливают парниковый эффект, а низкие облака в основном отражают солнечный свет, оказывая противоположное влияние на температуру.

В четвертом оценочном докладе Межправительственной группы экспертов по изменению климата (МГЭИК) говорится, что «антропогенное потепление может привести к некоторым эффектам, которые будут резкими или необратимыми, в зависимости от скорости и масштабов изменения климата». ^[57]

ПОС В социологии

Накликать пророчество является социальная положительная обратная связь между убеждениями и поведением: если достаточное количество людей считают , что что — то верно, их поведение может сделать это так, и наблюдения за их поведением , может в свою очередь , увеличение веры. Классический пример — бегство из банка .

Другой социологический пример положительной обратной связи — сетевой эффект . Когда больше людей поощряются присоединиться к сети, это увеличивает охват сети, поэтому сеть расширяется еще быстрее. Вирусное видео является примером сетевого эффекта , в котором ссылка на популярное видео является общими и перераспределяется, гарантируя , что все больше людей посмотреть видео , а затем повторно публиковать ссылки. Это основа многих социальных явлений, включая схемы Понци и письма счастья . Во многих случаях размер популяции является ограничивающим фактором для эффекта обратной связи

.

В социологии сетевой эффект может быстро вызвать положительную обратную связь при массовом изъятии средств из банка . На приведенной выше фотографии изображено бегство из банка в Великобритании Northern Rock в 2007 году .

ПОС в химии

Если химическая реакция вызывает выделение тепла , а сама реакция происходит быстрее при более высоких температурах, то высока вероятность положительной обратной связи. Если выделяемое тепло не отводится от реагентов достаточно быстро, может произойти термический выход из строя, который очень быстро приведет к химическому взрыву .

ПОС В консервации

На многих диких животных охотятся из-за их частей, которые могут быть весьма ценными. Чем ближе к исчезновению становятся целевые виды, тем выше их цена. Это пример положительной обратной связи. ^[5

См. также

• Положительная обратная связь в макроэволюции
• Режим с обострением
• Порочный круг
• Цепная химическая реакция
• Акустическая обратная связь
• Биологическая обратная связь
• Связь (техника)
• Рекурсия

В общем, мой друг ты одолел чтение этой статьи об отрицательная обратная связь. Работы в переди у тебя будет много. Смело пишикоментарии, развивайся и счастье окажется в ваших руках. Надеюсь, что теперь ты понял что такое отрицательная обратная связь, положительная обратная связь, обратная связь и для чего все это нужно, а если не понял, или есть замечания, то нестесняся пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории Системный анализ (системная философия, теория систем)

Положительные и отрицательные обратные связи — Студопедия

Поделись  

Рекурсивный механизм функционирования операционально замкнутых систем вида

x_k+1 = Ф(x_k , m), k=0,1,2,…

структурно эквивалентен действию обратной связи, возвращающей сигнал с выхода на вход системы. Если это приводит к самоусилению сигнала, или нарастанию отклонения от былого равновесия, то такую обратную связь мы называем положительной. Если мы наблюдаем стабилизацию, нейтрализацию отклонений, то обратная связь отрицательна. Оператор Ф при этом как бы сжимает отклонение, и мы возвращаемся к устойчивой неподвижной точке x^*=Ф(x^*,m) при любых отклонениях от нее.

Реальные системы более сложны. Нередко мы имеем ограниченную область устойчивости неподвижной точки (бассейн ее притяжения), наблюдаем нелинейный характер и даже смену знака обратной связи в ходе рекурсии, то есть, немонотонность сжатия рекурсии к неподвижной точке, существование нескольких неподвижных точек с выходом рекурсии на периодический режим поочередного их посещения, хаотический режим, как собственное поведение, и даже малопредсказуемые переходы от одного режима к другому. Сложность системы может проявиться в наличии нескольких контуров обратных связей, и рассчитать их совокупный эффект будет непросто. Ясно, что в многомерных системах возможно нарастание отклонений по одним координатам вектора состояний и уменьшение по другим в соответствии со спектром показателей Ляпунова (см. Приложение). Наконец, нестабильность параметра m в операторе эволюции исключает длительное следование характерному собственному поведению.

Рассмотрим примеры. Автокаталитическая химическая реакция самоусиливается, так как вырабатывает катализатор, ускоряющий реакцию, увеличивающую производство катализатора, что еще ускоряет реакцию и т. д. по контуру положительной обратной связи. Таким образом, скорость реакции превращения вещества, оказывается прямо пропорциональной количеству вещества z или некоторой степени количества вещества. Формально это записывается следующим дифференциальным уравнением

, m > 0 , p³1,

и мы получаем модель экспоненциально и даже гиперболически нарастающих реакций, когда возможен неограниченный рост за ограниченное время. Это так называемые процессы с обострениями, процессы горения в нелинейных средах, процессы роста популяции при неограниченном ресурсе [30]. Возможны и дискретные модели в виде разностных уравнений, например, такая схема

z_k+1=(1+a)z_k

роста банковского счета в соответствии со сложным процентом 100а% .

Техническая кибернетика основное внимание уделяет отрицательным обратным связям. В классической теории автоматического управления исследуются саморегулируемые устойчивые системы, состоящие из объекта управления и регулятора, охваченных отрицательной обратной связью (Рис. 2.1).

Рис. 2.1. Типичная система автоматического управления.

В устройстве сравнения Sцель управления x_цел (t) сопоставляется с сигналом обратной связи, показывающим фактическое поведение x_факт(t) объекта управления и вычисляется ошибка e(t)= x_цел(t)- x_факт(t). Регулятор на основе ошибки формирует сигнал управления u(t) таким образом, чтобы уменьшать ошибку или улучшать управление по какому-либо критерию, зависящему, как правило, от этой ошибки. Так что система управляется ошибкой и невозможна без нее. Понятно, что система строится так, чтобы x_цел(t) было ее собственным поведением.

Это не единственная, но наиболее распространенная модель технической кибернетики, успешно работающая в инженерных задачах. Неудивительно, что она, как привычный и изученный образец самореферентно распространилась на многие явления естественного и социально-экономического характера, где наблюдается нейтрализация нежелательных отклонений от заданного состояния. Например, процесс терморегуляции в живом организме, где стабильность температуры поддерживается довольно точно, гормональное равновесие, другие примеры гомеостазиса или классическая схема ценообразования (рис.2.2), восходящая к работам А. Смита.

По мере усложнения анализируемых систем, учета невидимых ранее факторов и просто накопления опыта мы замечаем слабость таких моделей. Существует, например, защитное повышение температуры в борьбе с инфекцией. Значит, есть контур с положительной обратной связью. При повреждении кровеносного сосуда в организме запускаются химические реакции, скорость которых на порядки выше обычных. Существуют и другие физиологические и социальные процессы, например, иммунные, обучающие, где усиливаются отклонения. Отклонение может быть желательным, перспективным. И мы будем самореферентно обнаруживать такие процессы самоусиления повсюду, когда привыкнем к мысли, что система может достигать цели, не только ослабляя вредные воздействия, но и наращивая полезные в контурах положительных обратных связей.

Рис. 2.2. Упрощенный механизм ценообразования. Здесь d – спрос, p – предложение, z – рыночная цена, n – натуральная цена.

Как мы уже отмечали, операционально замкнутая система, изменяя структуру, не принимает любые возмущения, а лишь полезные выделяет и усиливает, создавая для этого контуры рекурсии. Проявляется избирательная чувствительность, особая настройка структуры на нужные сигналы, запрос на стимул. Вспомните голодную кошку и мышиный хвостик на рис.1.7. В системе, развивающейся под влиянием положительной обратной связи, нет предустановленной цели в виде x_цел (рис. 2.1). Итог развития (рекурсии) определяется внутренними свойствами, является собственным значением операционально замкнутой системы.

Положительные обратные связи, как вредные, так и желательные распространены повсеместно. Это многие геоморфологические процессы, разрушение горных пород, конструкций, самоусиление лавин, межличностные и межнациональные конфликты и симпатии, развитие живых организмов и патологий, накопление капитала и распространение эпидемий, идей. В обиходе мы часто называем порочным кругом эти эффекты усиления реагирования на реакции.

Небольшие различия людей в детстве, будь-то внешность, спортивные достижения, учеба, победа в конкурсе, усиливаются и разводят близких по происхождению и образованию людей на несравнимые социальные уровни, исключая коммуникацию между ними. Расслоение общества есть результат этого самоусиливающегося механизма.

Нарастающие негативные изменения в человеческих отношениях Бейтсон [6] называет схизмогенезом. Дифференциация может возникнуть не только в развитии симметричных отношений, скажем, взаимной неприязни, но также и в комплементарных отношениях типа доминирование-подчинение. Например, усиление диктатуры нарастает с положительной обратной связью. Показано, как нормальные отношения между родителем и ребенком типа опека-зависимость могут стать ужасными. Бейтсон вводит понятие “двойной связи” (double bind) как неустранимой патологии в семейных отношениях, ведущей к психическим расстройствам.

Возможно эволюционный процесс увеличения веса динозавров, своего рода гонка вооружений, способствовал их вымиранию. Кстати, в работе [7] Бейтсон называет смертным такой грех, который заставляет грешить других, и гонка вооружений как раз и является примером такой положительной обратной связи.

Нечто подобное происходит и в расслоении на межгосударственном уровне. В экономически развитых демократических странах региональные, сословные и имущественные различия уменьшаются. Тогда как в отсталых странах различия между богатыми и бедными растут, привилегированное меньшинство накапливает деньги и власть, социальная специфика облегчает и подстегивают этот порочный круг. Мир свободной торговли более выгоден для богатых стран и разрушителен для бедных [185]. Этот вывод приводит к предпочтительности планируемой экономики для слаборазвитых стран. Расслоение усиливается и в глобальных масштабах. Страны третьего мира обречены на все большую зависимость, и конфликтность будет нарастать, если не станут эффективными международные организации для регулирования дифференциации мира, для разумного управления потоками капитала.

В работе [177] процессы, управляемые отрицательной обратной связью, предложено называть морфостазисом, а самоусиливающися процессы — морфогенезисом. Поучителен приводимый там же пример возникновения и развития города в земледельческой местности. Сначала один из фермеров решает открыть лавку по продаже инвентаря, которая становится местом встреч. Там быстро появляются бар, гостиница, почта и растет поселок. Расширяется торговля сельскохозяйственными машинами, продуктами, зарождается промышленность и появляется город.

Начальный толчок мог с одинаковой вероятностью возникнуть на любой ферме, в любой точке этой первоначально однородной высокоэнтропийной равнины, но затем начинают работать положительные обратные связи, как силы притяжения, и возникает город. Неоднородность усиливается, ведь рядом не может появиться другой город – эффект тени большого дерева. С позиций термодинамики мы видим, как открытая система активно обменивается со средой, повышая упорядоченность, неоднородность и неравновесность. В дальнейшем рост города может замедлиться в силу огромного числа явных и скрытых механизмов с отрицательными обратными связями, а также за счет самоусиления каких-то губительных тенденций. Города порой приходят в упадок и пустеют. Энтропия растет и уже трудно заметить различия на фоне пустыни или тропического леса.

Понятно, что города возникали порой по приказу, в иерархических пирамидах принятия решений типа: царь-архитектор-подрядчик-рабочие, но это не относится к самоорганизации, к ситуации, где работают децентрализованные сети взаимодействий, морфогенетически использующие замечаемые различия. Здесь очевидна решающая роль каталитического ускорения процессов, запуск которых можно считать случайным.

Можно увидеть конкуренцию двух начал: хаотической диссипации энергии и возникновения неоднородностей, очагов порядка в термодинамической безжизненности. Убедительные образцы дихотомии хаоса и порядка в ходе самоорганизации дают насекомые. Термиты носят комочки глины и укладывают их хаотично на ровной площадке, пока несколько комочков не окажутся лежащими рядом. И эта неоднородность, пропитанная гормонами, привлекает насекомых, они устремляются к ней со своей глиной. Возникают равномерно распределенные холмики, расстояние между которыми регулируется концентрацией гормонов. Холмики быстро растут, подстегиваемые положительной обратной связью, и становятся основанием, колоннами и сводами тоннелей термитника – достаточно сложного сооружения, построенного без архитекторов и чертежей, но и без слепого копирования [81]. Это переход от в к б на рис.1.2.

Тот же эффект притяжения проявился и в феномене Кремниевой долины в Калифорнии, куда потянулись лучшие умы и технологии, где сконцентрировались свыше 900 фирм. И в этом уже нет случайности. Случай был в начале, когда там появилась Hewlett-Packard. Вспомните небольшие отличия в уровне компьютерной техники, производимой в Европе и США в начале 60-х, и пропасть в настоящее время. Распространение метрической резьбы и английского языка – тоже примеры положительной обратной связи. Чем больший сектор рынка захвачен продуктом, тем быстрее и легче идет вытеснение оставшихся конкурентов. Причем этот продукт может быть не лучше других и чисто случайно обогнать конкурентов на начальном этапе.

Рассмотрим “маргаритковый мир” Дж.Лавлока (Lovelock)[168]. Эта модель красиво иллюстрирует возможности равновесия и стабильности на основе положительных обратных связей. Представьте планету с единственной формой жизни в виде маргариток с темными и светлыми цветами, способными существовать в температурном диапазоне от 5 до 40^оC, предпочитая температуру 20^оC. Светимость местного Солнца возрастает по мере его старения, поэтому температура планетной поверхности вроде бы должна на протяжении всей ее истории увеличиваться.

Вот экваториальная область планеты нагрелась до 5^оC, и появляются наши темные и светлые маргаритки примерно в равной пропорции. При этом в тех местах, где доля темных цветов случайно окажется выше средней, локальное альбедо будет несколько уменьшаться, а грунт прогреваться до более высокой температуры — то есть более близкой к оптимальным для маргариток 20^оC. Это дает темным селективное преимущество, и запускается положительная обратная связь: темные цветы распространяются и уже заметно снижают общее альбедо, и пригодная для жизни область расширяется, что вызывает дальнейшее понижение альбедо, и т.д. Но вот наступает время, когда на планете, уже полностью заселенной маргаритками, в результате усиления светимости Солнца температура на экваторе начинает превышать 20^оC. С этого момента преимущества оказываются на стороне светлых цветов, увеличивающих локальное альбедо и понижающих температуру мест своих обитаний. Расселение светлых маргариток происходит по точно такой же схеме (от экватора к полюсам), с той же с положительной обратной связью. Ясно, что с ростом светимости Солнца наступит момент, когда возможности наших маргариток по кондиционированию среды обитания окажутся исчерпанными; температура превысит 40^оC, и планета опять станет безжизненной. Расчеты показали, что на протяжении всего времени между этими критическими моментами температура поверхности планеты будет практически постоянной — около 20^оC, несмотря на непрерывное возрастание светимости Солнца.

Однако нарастание отклонений в контурах положительных обратных связей не бывает бесконечным. После какого-то предела начинает проявляться либо ограниченность ниши, либо происходит качественное изменение, даже разрушение структуры или возникают отрицательные связи защитного, компенсирующего характера, останавливающие тенденцию самоусиления, приводящие к насыщению. Это можно трактовать как нелинейный эффект ограничения, стабилизации на нужном уровне. Можно объяснить качественные изменения тем, что положительная обратная связь меняет параметры до достижения бифуркационных значений с последующей сменой режима. Понятно, что здесь включаются автопоэзийные механизмы изменения структуры для сохранения организации, но распознать эти процессы бывает непросто. На рис.2.3 показана схема действия закона уменьшения прибыли.

Рис. 2.3. Два контура обратной связи в ходе реинвестирования.

Налоговые отчисления будут расти быстрее прибыли и по верхней петле отрицательной обратной связи довольно быстро скомпенсируют самоусиление капитала в нижней петле, что сделает уже невыгодными добавочные вложения в эту сферу. Процесс роста капитала скорее всего произойдет по так называемой логистической кривой (рис. 2.4), которая удивительно часто встречается в исследованиях динамики развития различных по природе систем. Аналогичные механизмы лежат в основе законов убывающей полезности, продуктивности.

Рис. 2.4. Логистическая кривая самоусиливающихся процессов с последующим насыщением.

В любой сложной системе есть подсистемы, которые при отсутствии коррекции со стороны метасистемы «экспоненциально убегают» [6]. Коррекцию можно реализовать, создав контур отрицательной обратной связи. Система гомеостатически поддерживает важные параметры в безопасном диапазоне. Причем для этого меняются другие параметры, гомеостаз которых обеспечивается изменениями следующих переменных и т.д. (см. рис.1.5). Это можно увидеть в эволюционном процессе, акклиматизации, приобретении привычек и навыков.

Известно, что потоотделение, охлаждая кожные покровы, удерживает температуру тела в допустимом диапазоне, не допуская перегрева. Однако при снижении содержания воды в организме до опасного предела потоотделение прекращается. При невозможности поддержки гомеостаза средствами нижнего уровня происходит передача управления на высший уровень, происходит изменение структуры в целях самосохранения.

Логично предположить, что обучение сложным, да и не очень сложным навыкам на какой-то стадии включает положительную обратную связь. Вдруг появляется и быстро нарастает умение, скажем, держаться на велосипеде, горных лыжах. Появляется автоматизм, навыки реализуются уже на подсознательном уровне, и это обеспечивает дальнейшее совершенствование. При обучении стрельбе из лука, стрельбе из винтовки “от бедра”, где мы не сводим прицел с целью, уменьшая отклонение, мастерство, судя по описаниям, тоже нарастает лавинообразно. Возникает системный эффект слияния стрелка с оружием и целью на некоторой воображаемой линии.

Похоже, что отрицательные обратные связи обеспечивают стабилизацию важных факторов в допустимых пределах, а положительные обеспечивают необходимую для генезиса изменчивость и чувствительность. Эту мысль можно встретить в работах Моисеева Н.Н. [49]. Положительные обратные связи дестабилизируют систему, повышают ее неравновесность и тем облегчают ее переход к новым спасительным структурам. Бесспорно, гибкая восприимчивость биологической эволюции и креативная изобретательность социального прогресса имеют сходные механизмы. Однако эволюция социальной системы, происходящая в эволюционизирующей в таком же темпе социальной среде, в условиях эволюции правил эволюции, может неизмеримо ускоряться по сравнению с биологической эволюцией.

Для жизнеспособности сложной системы необходимо противодействие и баланс полярных сил, действие которых может проявляться как обратные связи разного знака. Скажем, экстремизм молодых компенсируется консерватизмом взрослых. Некоторая условная устойчивость, зыбкое равновесие, как выход на насыщение логистической кривой, обеспечивается в изощренной борьбе видов, классов, полов, поколений и пр. Изменение одного фактора меняет диапазон приемлемых для гомеостатического баланса значений другого фактора. Это выглядит как кибернетическая модель совместного онтогенеза автопоэтических систем. Искусное поддержание такой системы противовесов между внешней мотивацией и критериями внутренней стабильности, между текущими и перспективными целями составляет один из принципов управления, описанный в главе 3.

В явлениях самоорганизации нередко наблюдаем одновременное действие возбуждающих и тормозящих контуров, как в центральной нервной системе, баланс между которыми может регулироваться и на метауровне. В биологических процессах формообразования распространенной является модель “активатор-ингибитор” двух антагонистических компонентов эволюции [172]. Активатор приводит к ускорению течения процессов на основе положительной обратной связи, а ингибитор — к замедлению. Сложная дихотомическая игра этих двух факторов нередко приводит к удивительным и фрактальным узорам.

Как отмечалось, основной признак операциональной замкнутости — избирательное реагирование на сигналы из среды. Система ослабляет вредные воздействия в контурах отрицательных обратных связей и усиливает полезные стимулы в контурах положительных связей. Но для того, чтобы опознать стимул, нужно увидеть его проявления, его влияние на внутреннюю стабильность, на жизнеспособность. Для этого могут использоваться пробные шаги в направлении поддержки стимула, а уж затем включается обратная связь нужного знака либо комбинация связей.

Любопытно, что даже в сравнительно простых системах, но допускающих режим детерминированного хаоса, режим этот характерен непредсказуемым чередованием знака обратной связи, сменой сжатия и растяжения и обнаруживает фрактальную глубину разнообразия своих динамических проявлений. Да и самые известные фрактальные множества Жюлиа и Мандельброта характерны глубиной и причудливостью пограничной “бахромы”, которая как бы формируется в бесконечной борьбе разнополярных тенденций за бесконечно малые участки (см. Приложение).

Сети взаимодействий

В сложных системах мы видим разветвленные сети отношений между многочисленными факторами и можем выделить множество контуров с разными по знаку обратными связями. Понятно, что именно в этих сетях реализуется самоорганизация и возможности их моделирования и анализа исключительно важны для наших задач. Изобразим связь четырех факторов в виде графа (рис.2.5а), где каждая вершина соответствует конкретному фактору. Знак “+” на стрелке, ведущей, например, от z₄ к z₂ , говорит о том, что с ростом уровня жизниподнимается и арендная плата. Знак “ — ” говорит об обратной пропорциональности.

Прирост Арендная

	Z1	Z2	Z3	Z4
Z1
Z2	-1		+1
Z3	+1			-1
Z4	+1	+1

населения Z₁ плата Z₂

—

+ +

_{+ +}

Плотность застройкиZ₃

_—

Уровень а) б)

жизниZ₄

Рис. 2.5. Граф и матрица смежности его вершин.

Такую модель визуализации отношений факторов в изучаемом явлении называют также когнитивной картой [83]. Вместо нее можно использовать матрицу (рис.2.5 б), которая позволяет компактно записывать и анализировать подобные сети.

Рассмотрим более сложную сеть связи факторов в городской среде, приведенную в [177] .

Рис. 2.6. Возможная связь некоторых факторов урбанистической системы.

Выделим контур . Дадим отклонение – приток жителей +DP . Пройдем по контуру и, вернувшись в P, увидим, что это начальное отклонение увеличилось. Значит, это контур положительной обратной связи. Но население не будет увеличиваться лавинообразно, есть и другие контуры, скажем , который уменьшает начальное отклонение. Легко заметить и сформулировать следующее правило: четное число минусов в контуре делают эту связь положительной, нечетное – отрицательной.

Набор факторов во многом определяется целями исследования и может быть другим, например, уровень жизни, земельная рента, число бездомных, плотность населения. При построении подобных графов очень важно исключать опосредованные связи[8]. Скажем, связь между P и B осуществляется посредством G , поэтому и отсутствует стрелка от P к B. Известен пример заметной корреляции между количеством аистов и рождаемостью детей в одной из областей Германии. Очевидно, что эта связь опосредована уровнем индустриализации, который ухудшает условия обитания аистов и стимулирует переселение сельских жителей в города с традиционно меньшим числом детей в семьях.

В сборнике [197] предлагается следующий метод выявления структуры связей в организации. Администраторы разных уровней составляют доступные им схемы внутрифирменного взаимодействия, указывая в вершинах факторы и влияющих на них людей. На стрелках указывается периодичность и характер воздействий и названия документов. Затем из этих схем, как из перекрывающихся фрагментов составляется общая реально действующая структура организации, фактическая, а не декларируемая. Она обсуждается и уточняется с участием всех фигурирующих в ней людей.

Разумеется, многие связи и факторы в сложных системах нам неизвестны, так что не исключено влияние иных контуров. На основе таких моделей возможен лишь качественный поверхностный анализ изменений и наиболее вероятных сценариев рекурсивного развития ситуации. Однако, если граф учитывает основные механизмы эволюции системы и нам доступно измерение факторов, то не безнадежна попытка идентификации системы в виде дифференциальных или разностных уравнений, то есть, поиск количественного описания.

В общей теории систем и в исследованиях динамики биологических популяций известны методы оценки устойчивости сетей, представленных в виде ориентированного графа с дугами, размеченными знаками воздействия (типа рис.2.6). Рассмотрим попытку анализа последствий применения инсектицида, приведенную в [35].

Обозначим культивируемое растение z_1, другое растение — z₂,инсектицид – z₃ , насекомое-вредитель, поедающее z₁, обозначим z₄. Существует также насекомое z₅, поедающее z₄, и насекомое z₆, поедающее z₄. Выявлено также насекомое z₇, поедающее растение z₂, единственное на которое не действует исследуемый инсектицид, и служащее пищей для z₆. Таким образом, системная взаимосвязь этих семи факторов формируется следующей матрицей:

	Z1	Z2	Z3	Z4	Z5	Z6	Z7
Z1	-1			+1
Z2		-1					+1
Z3				-1	-1	-1
Z4	-1				+1	+1
Z5				-1
Z6				-1
Z7		-1				+1

Допустим, мы можем измерить интенсивность воздействия фактора z_m на фактор z_s каким-то числом b(z_m, z_s). Допустим, по мнению эксперта, повышение концентрации инсектицида z_m на 30% приводит к уменьшению плотности популяции z_s на 50%. В таких случаях добавляют – “при прочих равных условиях”, имея в виду постоянство уровней остальных влияющих факторов. Это утопичное предположение оставим на совести нашего эксперта. Тогда в простой линейной аппроксимации связи факторов в виде разностных уравнений

получим весовой коэффициент b(z_m, z_s) = -5/3 . Уточнив аналогично все весовые коэффициенты, сможем разметить граф, указав на дугах эти весовые коэффициенты, определить элементы матрицы и провести проверку устойчивости такой линейной модели[9]. Для этого нужно найти корни характеристического уравнения матрицы смежности и, если все эти корни расположатся на комплексной плоскости внутри круга единичного радиуса, то модель устойчива. Другими словами, в ней возможен стационарный режим.

Разумеется, такие системы линейных разностных или дифференциальных уравнений не более чем игрушка для посвященных и упражнение для студентов. Ничего подобного статическому равновесию и даже гармоническим колебаниям в действительности мы не увидим и не только из-за влияния неучтенных факторов. В реальных системах связи факторов нелинейны, кроме того, имеет место взаимодействие двух и более факторов в их влиянии на другой фактор. На характер изменения фактора может влиять его произведение с другими, а также произведения и степени других факторов. Обычно при этом ограничиваются полиномами второго порядка в правых частях дифференциальных уравнений, моделирующих динамику факторов. См. например, [71]. Такая квадратичная аппроксимация уже приводит к изменениям знака обратных связей, к появлению сложных нерегулярных колебаний. Наиболее изучена модель вида

,

которая лучше отражает реальность и используется в самых разнообразных сферах исследований от лазера до анализа экономической активности. Но адекватность и прогностическая способность ее быстро уменьшаются на этом переходе от физических к социально-экономическим задачам.

Структуру и даже коэффициенты правых частей уравнений можно определять на основе когнитивных карт в ходе экспертного обсуждения механизма взаимосвязи факторов, итеративно уточняя модель по промежуточным результатам имитации. Приведенные ниже примеры показывают возможности этого подхода к моделированию сетей.

Рассмотрим несколько подходов к этой задаче. Уже достаточно давно для моделирования связи популяций в замкнутых экосистемах используются идеи, впервые формализованные в виде дифференциальных уравнений Лотки-Вольтерра [71]. Эти уравнения учитывают рождаемость жертв, смертность хищников, частоту их встреч, влияние встреч на прирост хищников и убыль жертв. Простая модель дает, тем не менее, колебания численности животных, похожие на реальные.

Если обозначить буквами v и z численности популяций волков и зайцев, то граф влияния факторов в системе “хищник -жертва” получается очень простым (рис.2.7).

Рис. 2.7. Граф системы “хищник — жертва”.

Будем считать v(t) и z(t) состояниями автономной динамической системы в момент t. Попробуем сконструировать дифференциальные уравнения этой системы на основе анализа влияния состояний и их произведений на скорости изменения состояний:

( 2.1 )

.

Здесь a — коэффициент рождаемости зайцев, g — коэффициент смертности волков. Вероятность встречи с хищника с жертвой пропорциональна произведению их численностей , коэффициент b учитывает шансы волка догнать зайца и зависит от погодных и ландшафтных условий. Так что множитель b z дает среднее количество зайцев, съеденных одним волком в единицу времени, множитель kb z определяет относительный прирост волков в единицу времени от количества пищи. Коэффициенты a , b , k и g составляют тот самый вектор параметров mиз уравнений (1.1) и (1.2), который регламентирует взаимодействие популяций с некоего метауровня (см. рис.1.5).

На рис.2.8 показаны решения системы ( 2.1 ), которые можно воспринимать как результат имитации изменения численности популяций, если в начале было z(0)=37 зайцев и v(0)=6 волков. Эти колебания напоминают фактические изменения численности животных, наблюдаемые в природе, однако точность прогнозов недостаточна для практических задач регулирования популяций. Очевидна необходимость учета влияния других животных, растительной массы, климатических колебаний.

Рис. 2.8. Взаимосвязанные колебания численности хищников и жертв в системе (2.4).

Любопытно, что даже в такой элементарной сети взаимодействия уже начинает отказывать обычный здравый смысл, и неудачными оказываются попытки избежать вымирания, то есть поддержать жертв, повысить нижнюю границу их численности путем повышения рождаемости a или уменьшения гибельности встреч с хищником b, то есть логичными на первый взгляд мерами. Оказывается, что эффективно помочь зайцам и обеспечить динамический баланс двух видов можно, лишь помогая волкам. Это один из постулатов древнекитайской философии — поддерживать равновесие между добром и злом, вместо борьбы со злом [32]. Для этого вывода понадобилось моделирование.

Сети взаимодействий имеют собственную логику. Эта логика настолько отличается от привычных дедуктивных причинно-следственных схем, что наша интуиция становится бесполезной. Известно, например, что попытки повысить пропускную способность делового центра Штуттгарта включением дополнительных улиц давали обратный результат. Запрет движения по некоторым улицам неожиданно снижал вероятность пробок. Хорошая “сетевая” идея сначала часто выглядит идиотской [87].

Принципиально возможно учесть эффект географической неоднородности популяций. Это приводит к уравнениям в частных производных. Мы можем учесть плотность расселения на плоскости с осями x и y при анализе взаимодействия нескольких популяций, влияние миграции, зависящее от координат [25,115].

Анализ и моделирование таких систем позволяет выявить специфику взаимодействия, влияние параметров на устойчивость возникающих режимов и натренировать интуицию. Более детальный анализ ситуации, учет дальних последствий, второстепенных, неявных связей может выявить совершенно иную динамику изменения факторов. При моделировании сетей, связывающих много факторов, нередко возникает неустойчивость или нечто похожее на хаотический режим. Анализ таких сложных сетей и выбор правильной тактики вмешательства возможны лишь на основе компьютерного моделирования. Человеческой интуиции не хватает, и мы вернемся к этим проблемам в разделе 2.5.

Рассмотрим еще ряд похожих моделей. Этот же подход давно используется при составлении уравнений кинетики химических реакций. Например, известно, что две молекулы вещества w₁ преобразуются в одну молекулу вещества w₂и одну молекулу w₃ со скоростью k₁ . Из молекул w₂ и w₃ образуется одна молекула w₁ со скоростью k₂. А из молекулы w₂ со скоростью k₃ получается молекула w₃. Это соответствует следующей схеме реакции

и системе уравнений вида

,

где c_i – концентрация вещества w_i .

В книге [56] приводится близкая модель перераспределения банковского капитала под воздействием изменяющейся степени привлекательности каждого из банков. В книге [15] описаны модели взаимодействия социальных групп, демографических, региональных процессов с использованием основного уравнения (master equation). Это уравнение отражает динамику изменения закона распределения вероятностей состояний системы (макропеременных) с учетом вероятностей перехода из состояния в состояние. Модель построена по аналогии с дифференциальными уравнениями Колмогорова для марковских процессов с непрерывным временем. Интересны демографические модели [25,26] , учитывающие экономические факторы, земельную ренту и возрастную структуру населения. Наивно рассчитывать на точные прогнозы, но эти схемы автономного взаимодействия факторов выглядят очень правдоподобными и могут использоваться для качественного моделирования и анализа влияния факторов.

При изучении малых социальных групп, в статических и динамических моделях групповых структур используются социоматрицы [58]. Элемент социоматрицы x_ijпредставляет собой интенсивность отношения индивида i к индивиду j. При этом отрицательная интенсивность означает негативное отношение. Анализ социоматриц позволяет в частности выделять антагонистические коалиции в группе. Известны попытки построения моделей динамики (развития) отношений [161]. Однако исходные предпосылки и ограничения этих моделей мало похожи на социальную реальность, что снижает доверие к результатам.

Следующим шагом на пути повышения сложности и адекватности моделей социального взаимодействия следует назвать сеть, узлами которой являются конечные автоматы с наборами “психических” реакций [37]. Связи в сети соответствуют интенсивностям социоматрицы, то есть, восприятиями соседа на графе отношений. Выбор реакции для корректировки восприятия зависит от состояния автомата и инцидентных ему дуг графа и использует идеи когнитивного диссонанса Л.Фестинжера (Festinger) [58]. Динамика смены состояний моделируется дискретной марковской цепью. На этом пути математически получен ряд нетривиальных выводов о сбалансированности сетей, формализовано понятие когнитивного диссонанса, однако сообщений об экспериментальной проверке результатов такого моделирования процессов социального взаимодействия нет.

Для синергетического подхода к социодинамике [15,74,173] характерно внимание к моделированию макроуровня коллективных процессов и тенденций, которые конечно же складываются из индивидуальных мнений и поведений, но влияют на них и подчиняют их общему социальному потоку, выступая как параметры порядка самоорганизующейся системы. Иначе говоря, индивидуальные мотивации зависят от макроситуации, но ведут к персональным решениям и действиям, влияющим на эту ситуацию.

Динамика рельефа земной поверхности [61,62] определяется направленными изменениями объема форм рельефа V и площади S их поверхности, при известных физических свойствах вещества, из которых следуют морфометрические показатели. В силу того, что скорость роста размеров форм рельефа определяется расходами P и Q вещества, соответственно в F— и D-литопотоках (F — глубинный литопоток, D – экзогенный литопоток), динамика геоморфосистем описывается уравнением

dV/dt = P(S,t) –Q(S,t).

Если в качестве размеров экосистемы брать объем V вещества, заключенного в формах рельефа, то получим следующую систему уравнений

где k – коэффициент денудации (размыва), а m – показатель, определяемый фрактальной размерностью поверхности рельефа.

Рассмотрим еще модель связи объема производимого в городе продукта x, численности населения y и земельной ренты z [25, с.172-173].

В этой модели a₂означаетспрос продукта на душу населения a₃ – доля предложения продукта внутри города. Так что a₂у — a₃x представляет избыток спроса, который с коэффициентом a₁влияет на темп роста производства. Коэффициент c₂дает спрос нарабочую силу для производства единицы продукта, c₂x – общий спрос на городском рынке труда, c₃ – доля жителей работающих в городе, c₃y – предложение на рынке труда. На темп миграции жителей влияет избыток рабочей силы c₂x — c₃y и величина земельной ренты в произведении с объемом производимого продукта c₄xz. Другой мультипликативный член b₁xy показывает, что на рост ренты положительно влияют и x, и y. Можно преобразовать эту систему уравнений к системе Лоренца [164], показав тем самым возможность режима детерминированного хаоса даже в такой упрощенной сети факторов. Это как будто открывает путь к анализу условий и значений параметров a_i , b_i , c_i , приводящих к хаотическим флуктуациям x, y и z. Однако схематичность этой модели заставляет сомненеваться в точности результатов моделирования. Хотя на качественном уровне выводы подобных исследований безусловно полезны.

Колебания цен на финансовых рынках отличаются рефлексивной чувствительностью к действиям наблюдающих эти колебания участников и потому труднопредсказуемы. С другой стороны, финансовые рынки существуют лишь потому, что далеки от равновесия, разнородны по ожиданиям и горизонтам ожиданий участников. Это вызвало к жизни область знаний, называемую техническим анализом (см. например [40]), располагающую большим набором в основном эмпирических методов прогнозирования ценовых тенденций.

Рассмотрим попытку идентификации механизма рыночного ценообразования, как автономного взаимодействия сил спроса и предложения в системе дифференциальных уравнений. Обозначим влияние спроса (силу “быков”) y_б , влияние предложения (силу “медведей”) y_м , текущее значение цены z , скорость изменения цены x=dz/dt. Анализ возможного взаимовлияния этих факторов на динамику цены позволяет предложить следующую модель

(2.2)

Видно, например, что рост цены вместе с давлением “медведей” xy_м мультипликативно усиливает “быков”, то есть хочется покупать и есть предложения. Подобными рассуждениями определяется форма правых частей уравнений [104]. При удачном подборе коэффициентов получаем колебания цены (рис.2.9), напоминающие мультицикличность биржевых диаграмм.

Рис. 2.9. Имитация колебаний цены, как решение системы (2.2).

Понятно, что реальные процессы ценообразования неавтономны, реагируют на множество внешних факторов, то есть содержат элемент случайности, и рассчитывать на хороший прогноз по моделям вида (2. 2) не приходится. Однако, данный пример показывает, что основной механизм можно имитировать и изучать с помощью таких упрощенных моделей. Познавательная ценность модели сложной системы не всегда совпадает с прогностической ее способностью. Более того, возможности прогноза принципиально ограничены в хаотическом режиме, так что предсказательная сила моделей не служит мерой их адекватности.

Детерминированный хаос как артефакт самоорганизации, возникающий в сравнительно простых автономных, но нелинейных и диссипативных системах (см. Приложение) склоняет нас к предположению о подобном происхождении разнообразных хаотических проявлений динамики природных и социальных систем. Получение похожих режимов в результате моделирования реальных систем в виде дифференциальных или разностных уравнений можно считать большой удачей и свидетельством того, что модель отражает большинство фактических связей изучаемого явления. Хотя при таком подходе неизбежны примитивизация и даже некоторая вульгаризация высших проявлений самоорганизации. Чем более определенной, прозрачной становится математическая модель, тем дальше она от реальности.

Здесь уместно еще раз подчеркнуть отличие моделируемых сетей от сетей материальных потоков, интенсивности которых определяются накопленными уровнями в узлах. И хотя эта зависимость потоков от уровней может быть достаточно сложной [90,91] , условия энергетических и материальных балансов как бы сдерживают «фантазию» сети. Она труднопредсказуема, «контринтуитивна», но сравнительно просто моделируется и затем изучается на основе модели. Когда же мы пытаемся моделировать коммуникацию социальных объектов, динамику рефлексивных отношений в человеческих коллективах, иначе говоря, применяем подобные модели в креатуре, мы не можем не видеть их «нищету» и должны интерпретировать результаты с повышенной осторожностью. Без значительных интеллектуальных усилий никакие возможности вычислительной техники в этих условиях не приведут ни к пониманию механизмов, ни к надежному прогнозированию.



Управление с обратной связью

Управление с обратной связью

Управление и кибернетика

Печатать книги

Компьютер

Выполнять чертежи

Использовать для управления

Производить расчёты

Управляющее воздействие производится в разных формах:

Человек

• нажимает клавишу поворачивает ручку управления телевизором
• нажимает клавишу
• поворачивает ручку управления телевизором

Светофор

разными

цветами

• управляет движением автомобилей управляет движением пешеходов на перекрестке
• управляет движением автомобилей
• управляет движением пешеходов на перекрестке

• голосом подает команду собаке
• голосом подает команду собаке

Хозяин

Световые сигналы светофора шофер воспринимает как команды:

Стоять

Ехать

Приготовиться

Обратная связь

• Строго в соответствии со схемой работает только система «светофор – автомобили». Светофор «не глядя» управляет движением машин, не обращая внимания на обстановку на перекрестке.
• Иначе протекает процесс управления телевизором или собакой. Прежде чем отдать очередную команду, человек смотрит на состояние объекта управления, на результат выполнения предыдущей команды. Если он не нашел нужную передачу на данном канале, то он переключит телевизор на следующий канал; если собака не выполнила команду «лежать!», хозяин повторит эту команду.

• Управление происходит эффективнее, если управляющий не только отдает команды, т.е. работает прямая связь , но и принимает информацию от объекта управления о его состоянии. Этот процесс называется обратной связью .
• Обратная связь — это процесс передачи информации о состоянии объекта управления управляющему объекту.

Модель управления с обратной связью

Управляющее

Управляющий объект

Управляемый объект

воздействие

Обратная связь

Линейный алгоритм

Светофор «не глядя» управляет движением машин, не обращая внимания на обстановку на перекрестке

Красный

Зеленый

Желтый

Алгоритм с ветвлением

Если вместо светофора на перекрестке дорог работает полицейский-регулировщик, то управление движением станет более рациональным. Регулировщик следит за скоплением машин на пересекающихся дорогах и дает «зеленую улицу» в том направлении, в котором в данный момент это нужнее. Нередко из-за «безмозглого» управления светофора на дорогах возникают «пробки». И тут непременно приходит на помощь регулировщик.

Алгоритм с ветвлением

ЕСЛИ НА ДОРОГЕ-1 СКОПИЛОСЬ БОЛЬШЕ МАШИН

ТО ОТКРЫТЬ ДВИЖЕНИЕ ПО ДОРОГЕ-1

ИНАЧЕ ОТКРЫТЬ ДВИЖЕНИЕ ПО ДОРОГЕ-2

Циклический алгоритм

ВКЛЮЧИТЬ ТЕЛЕВИЗОР НА 1-М КАНАЛЕ

ПОКА НЕ БУДЕТ НАЙДЕНА ИСКОМАЯ ПЕРЕДАЧА,

ПОВТОРЯТЬ:

ПЕРЕКЛЮЧИТЬ ТЕЛЕВИЗОР НА СЛЕДУЮЩИЙКАНАЛ

• В варианте управления без обратной связи алгоритм может представлять собой только однозначную (линейную) последовательность команд .
• При наличии обратной связи и «интеллектуального» управляющего объекта алгоритмы управления могут иметь сложную структуру, содержащую альтернативные команды (ветвления) и повторяющиеся команды (циклы)

Системы управления

Замкнутые

• содержащие ветвь обратной связи
• содержащие ветвь обратной связи

Разомкнутые

• не содержащие ветвь обратной связи
• не содержащие ветвь обратной связи

• Обратная связь , обратное воздействие результатов процесса на его протекание или управляемого процесса на управляющий орган.
• Обратная связь характеризует системы регулирования и управления в живой природе, обществе и технике.

Обратная связь

• результаты процесса усиливают его действие
• результаты процесса усиливают его действие

Положительная

• результаты процесса ослабляют его действие
• результаты процесса ослабляют его действие

Отрицательная

• Отрицательная обратная связь стабилизирует протекание процессов.
• Положительная обратная связь , напротив, обычно приводит к ускоренному развитию процессов и к колебательным процессам.
• В сложных системах (например, в социальных, биологических) определение типов обратная связь затруднительно, а иногда и невозможно.

Обратную связь различают по виду преобразования воздействия в цепи

Жесткую

Дифференцирующую

Интегрирующую

Автоматические

Неавтоматические

Автоматизированные

В зависимости от степени участия человека в процессе управления системы управления деется на три класса

Автоматические системы управления

В системах автоматического управления все процессы, связанные с получением информации о состоянии управляемого объекта, обработкой этой информации, формированием управляющих сигналов и пр. , осуществляются автоматически.

В подобных системах не требуется непосредственное участие человека. Системы автоматического управления используются на космических спутниках, на опасном для здоровья человека производстве, в ткацкой и литейной промышленности, в хлебопекарнях, при поточном производстве, при изготовлении микросхем, и пр.

Неавтоматические системы управления

В неавтоматических системах управления человек сам оценивает состояние объекта управления и на основе этой оценки воздействует на него.

Дирижер управляет оркестром, исполняющим музыкальное произведение. Учитель на уроке управляет классом в процессе обучения, водитель управляет автомобилем.

Автоматизированные системы управления

В автоматизированных системах управления сбор и обработка информации, необходимой для выработки управляющих воздействий, осуществляется автоматически, при помощи аппаратуры и компьютерной техники, а решение по управлению принимает человек.

Автоматизированная система продажи железнодорожных, автобусных или авиационных билетов, льготных проездных билетов работает под управлением человека, который запрашивает у компьютера необходимую информацию и на ее основе принимает решение о продаже.

Совокупность информационных потоков, средств обработки, передачи и хранения данных, а также сотрудников управленческого аппарата, выполняющих операции по переработке данных, составляет информационную систему управления объектом.

первое

• между компьютером и объектом управления должна быть обеспечена прямая и обратная связь
• между компьютером и объектом управления должна быть обеспечена прямая и обратная связь

второе

• в память компьютера должна быть заложена программа управления (алгоритм, записанный на языке программирования)
• в память компьютера должна быть заложена программа управления (алгоритм, записанный на языке программирования)

Для функционирования информационной системы :

Программное управление широко используется в технических системах:

автопилот в самолете

автоматическая линия на заводе

ускоритель элементарных частиц

атомный реактор на электростанции

и пр.

Тематический диктант

• Кто, где и когда провозгласил рождение новой науки связанной с разработкой теории управления?
• Что такое управление?
• Изобразить схему процесса управления без обратной связи, привести примеры.
• Изобразить схему процесса управления с обратной связью, привести примеры.
• Что называется обратной связью?
• Виды обратной связи.
• Перечислить три класса процессов управления.

управление, обратная связь доклад, проект

Слайд 1Текст слайда:

Кибернетическая модель управления:
управление, обратная связь

---

Слайд 2Текст слайда:

Управление и кибернетика

---

Слайд 3Текст слайда:

Возникновение кибернетики

В 1948 году в США и Европе вышла книга американского математика Норберта Винера «Кибернетика, или управление и связь в животном и машине». Эта книга провозгласила рождение новой науки — кибернетики.
Предметом изучения которой стали управление, связь и обработка информации в технике, живых организмах и человеческом обществе.
Не случайно время появления этого научного направления совпало с созданием первых ЭВМ. Н. Винер предвидел, что использование ЭВМ для управления станет одним из важнейших их приложений.

---

Слайд 4Текст слайда:

Норберт Винер (1894- 1964 г.г.)

Норберт Винер (1894-1964) родился в США, в семье выходца из России. Семи лет юный Норберт читал Дарвина и Данте, увлекался научной фантастикой.
В 14 лет, по окончании колледжа, он получил первую ученую степень — бакалавра искусств.
Затем учился в Корнельском и Гарвардском университетах и в 17 лет получил степень магистра искусств, а через год стал доктором философии по специальности «математическая логика»
С 1919 года и до своей кончины он работал в Массачусетсском технологическом институте в качестве профессора математики.

---

Слайд 5Текст слайда:

Винер выдвинул принцип обратной связи, заключающийся в использовании информации, поступающей из окружающей среды для изменения поведения машины.
Ученый доказывал, что благодаря обратной связи все живое приспосабливается к окружающей среде и добивается своей цели.
На основании своих исследований Винер выявил аналогию между поведением машин и живых организмов в их приспособлении к изменениям в окружающей среде с помощью универсального механизма обратной связи.

---

Слайд 6Текст слайда:

Обратил внимание на важную роль обратной связи для поддержания гомеостаза — механизма обеспечения устойчивости основных физиологических функций живого организма. Он установил аналогию между нервной системой живого организма и вычислительной машиной: в обоих случаях важную функцию играет память, то есть способность сохранить результаты прежних действий для использования в будущем.

---

Слайд 7Текст слайда:

Управление есть целенаправленное воздействие одних объектов, которые являются управляющими, на другие объекты – управляемые. Простейшая ситуация — два объекта: один — управляющий, второй — управляемый. Например: человек и телевизор, хозяин и собака, светофор и автомобиль.

Схема системы управления без обратной связи

---

Слайд 8Текст слайда:

Управляющее воздействие производится в разных формах:

---

Слайд 9Текст слайда:

С кибернетической точки зрения все варианты управляющих воздействий следует рассматривать как управляющую информацию, передаваемую в форме команд

---

Слайд 10Текст слайда:

С телевизором через пульт управления передаются команды следующего типа:

---

Слайд 11Текст слайда:

Хозяин передает собаке команды голосом:

---

Слайд 12Текст слайда:

Световые сигналы светофора шофер воспринимает как команды:

---

Слайд 13Текст слайда:

Алгоритм управления

Управление есть целенаправленный процесс, т. е. команды отдаются не случайным образом, а с вполне определенной целью. В простейшем случае цель может быть достигнута после выполнения одной команды. Для достижения более сложной цели бывает необходимо выполнить последовательность (серию) команд.
Последовательность команд по управлению объектом, выполнение которой приводит к достижению заранее поставленной цели, называется алгоритмом управления.
В таком случае объект управления можно назвать исполнителем управляющего алгоритма. Значит, в приведенных выше примерах телевизор, собака, автомобиль являются исполнителями управляющих алгоритмов, направленных на вполне конкретные цели (найти интересующую передачу, выполнить определенное задание хозяина, благополучно проехать перекресток).

---

Слайд 14Текст слайда:

С точки зрения кибернетики взаимодействие между управляющим и управляемым объектами рассматривается как информационный процесс. С этой позиции оказалось, что самые разнообразные процессы управления в природе, технике, обществе происходят сходным образом, подчиняются одним и тем же принципам.

---

Слайд 15Текст слайда:

Обратная связь

Строго в соответствии со схемой работает только система «светофор – автомобили». Светофор «не глядя» управляет движением машин, не обращая внимания на обстановку на перекрестке.
Иначе протекает процесс управления телевизором или собакой. Прежде чем отдать очередную команду, человек смотрит на состояние объекта управления, на результат выполнения предыдущей команды. Если он не нашел нужную передачу на данном канале, то он переключит телевизор на следующий канал; если собака не выполнила команду «лежать!», хозяин повторит эту команду.

---

Слайд 16Текст слайда:

Управление происходит эффективнее, если управляющий не только отдает команды, т.е. работает прямая связь, но и принимает информацию от объекта управления о его состоянии. Этот процесс называется обратной связью.
Обратная связь — это процесс передачи информации о состоянии объекта управления управляющему объекту.

---

Слайд 17Текст слайда:

Модель управления с обратной связью

---

Слайд 18Текст слайда:

Линейный алгоритм

Светофор «не глядя» управляет движением машин, не обращая внимания на обстановку на перекрестке

---

Слайд 19Текст слайда:

Алгоритм с ветвлением

Если вместо светофора на перекрестке дорог работает полицейский-регулировщик, то управление движением станет более рациональным. Регулировщик следит за скоплением машин на пересекающихся дорогах и дает «зеленую улицу» в том направлении, в котором в данный момент это нужнее. Нередко из-за «безмозглого» управления светофора на дорогах возникают «пробки». И тут непременно приходит на помощь регулировщик.

---

Слайд 20Текст слайда:

Алгоритм с ветвлением

---

Слайд 21Текст слайда:

Циклический алгоритм

---

Слайд 22Текст слайда:

В варианте управления без обратной связи алгоритм может представлять собой только однозначную (линейную) последовательность команд.
При наличии обратной связи и «интеллектуального» управляющего объекта алгоритмы управления могут иметь сложную структуру, содержащую альтернативные команды (ветвления) и повторяющиеся команды (циклы)

---

Слайд 23Текст слайда:

Системы управления

---

Слайд 24Текст слайда:

Обратная связь, обратное воздействие результатов процесса на его протекание или управляемого процесса на управляющий орган.
Обратная связь характеризует системы регулирования и управления в живой природе, обществе и технике.

---

Слайд 25Текст слайда:

Обратная связь

---

Слайд 26Текст слайда:

Отрицательная обратная связь стабилизирует протекание процессов.
Положительная обратная связь, напротив, обычно приводит к ускоренному развитию процессов и к колебательным процессам.
В сложных системах (например, в социальных, биологических) определение типов обратная связь затруднительно, а иногда и невозможно.

---

Слайд 27Текст слайда:

Обратную связь различают по виду преобразования воздействия в цепи

---

Слайд 28Текст слайда:

Обратная связь в биологии

Существование систем регулирования с обратной связью прослеживается на всех уровнях организации живого — от молекулярного до популяционного и биоценотического.
Особенно значителен вклад этого механизма в автоматическое поддержание постоянства внутренних сред организма — гомеостаза, в деятельность генетического аппарата, эндокринной и нервной систем.

---

Слайд 29Текст слайда:

Метод управления, основанный на использовании обратной связи, нашел широкое применение как в системах управления техническими объектами, так и в организационно-административных системах.
Одним из главных достоинств этого метода является работа элементов систем управления в условиях значительных изменений внешней среды, т. е. в условиях большого числа случайных воздействий различного вида.

---

Слайд 30Текст слайда:

В зависимости от степени участия человека в процессе управления системы управления деется на три класса

---

Слайд 31Текст слайда:

Автоматические системы управления

В системах автоматического управления все процессы, связанные с получением информации о состоянии управляемого объекта, обработкой этой информации, формированием управляющих сигналов и пр., осуществляются автоматически.
В подобных системах не требуется непосредственное участие человека. Системы автоматического управления используются на космических спутниках, на опасном для здоровья человека производстве, в ткацкой и литейной промышленности, в хлебопекарнях, при поточном производстве, при изготовлении микросхем, и пр.

---

Слайд 32Текст слайда:

Неавтоматические системы управления

В неавтоматических системах управления человек сам оценивает состояние объекта управления и на основе этой оценки воздействует на него.
Дирижер управляет оркестром, исполняющим музыкальное произведение. Учитель на уроке управляет классом в процессе обучения, водитель управляет автомобилем.

---

Слайд 33Текст слайда:

Автоматизированные системы управления

В автоматизированных системах управления сбор и обработка информации, необходимой для выработки управляющих воздействий, осуществляется автоматически, при помощи аппаратуры и компьютерной техники, а решение по управлению принимает человек.
Автоматизированная система продажи железнодорожных, автобусных или авиационных билетов, льготных проездных билетов работает под управлением человека, который запрашивает у компьютера необходимую информацию и на ее основе принимает решение о продаже.

---

Слайд 34Текст слайда:

Совокупность информационных потоков, средств обработки, передачи и хранения данных, а также сотрудников управленческого аппарата, выполняющих операции по переработке данных, составляет информационную систему управления объектом.

---

Слайд 35Текст слайда:

Для функционирования информационной системы :

---

Слайд 36Текст слайда:

Программное управление широко используется в технических системах:

---

Слайд 37Текст слайда:

Тематический диктант

Кто, где и когда провозгласил рождение новой науки связанной с разработкой теории управления?
Что такое управление?
Изобразить схему процесса управления без обратной связи, привести примеры.
Изобразить схему процесса управления с обратной связью, привести примеры.
Что называется обратной связью?
Виды обратной связи.
Перечислить три класса процессов управления.

---

Слайд 38Текст слайда:

Домашнее задание

Учебник 9 класс
§ 25, 26

---

.Обратная связь в усилителях.

Подача напряжения с выхода усилителя на его вход называется обратной связью.

Обратная связь может быть паразитной (вредной), возникающей помимо нашего желания, и преднаме­ренной, создаваемой за счет включения в схему специальных цепей обратной связи (рис. 5.25).

Обратная связь может быть положительной и отрицательной: при положительной напряжение обратной связи U_oc совпадает по фазе с входным напряжением U_nx, в результате чего к входной цепи прикладывается напряжение U₁ = U_ax+U_ac; при отри­цательной напряжение обратной связи находится в противофазе с входным напряжением и к входной цепи прикладывается напряжение U₁ = U_!i% — U_oc. Наи­более распространенной в усилителях является после­довательная отрицательная обратная связь по напря­жению (рис. 5.25), и которой выходное напряжение усилителя через цепь обратной связи вновь подастся на его вход последовательно с источником входного сигнала.

Величина, показывающая, какая часть выходного напряжения подается обратно па вход каскада, называется коэффициентом передачи цени обратной связи β:

Рассмотрим влияние обратной связи на коэф­фициент усиления усилителя. Так как обратная связь может быть положительной или отрица­тельной.

При положительной обратной связи знаменатель дроби уменьшается, а коэффициент усиления возрастает. Однако положи­тельная обратная связь в электронных усилителях практически не применяется, гак как усилитель может самовозбудиться и превра­титься в генератор электрических колебаний. Для усилителя такой режим работы недопустим. При отрицательной обратной связи коэффициент усиления уменьшается.

ОС уменьшает возникающие в усилителе не­линейные искажения. Это объясняется следующим образом. В усилителе без обратной связи при большом входном напряжении за счет нелиней­ных искажений в выходном напряжении поми­мо основной гармоники появляются высшие гар­моники, наличие которых искажает форму выход­ного напряжения. При введении ООС напряже­ния этих гармоник через цепь обратной связи подаются на вход усилителя и усиленными по­являются на его выходе. Усиленные напряжения высших гармоник вычитаются из выходного на­пряжения усилителя, так как благодаря действию ООС они будут поступать в противофазе с на­пряжением гармоник.

Таким образом, содержание гармоник при той же величине выходного напряжения в усилителе с ООС будет меньше.

Аналогичное влияние ОС оказывает на на­пряжение помех (фон, наводки и т. д.). Как отмечалось, ОС влияет на входное и выходное сопротивления каскада. Это обстоятельство очень важно для усилителей, выполняемых на биполярных транзисторах.

Схема рис. 5.9 называется схемой с фиксиро-» ванным напряжением смещения на базе. Напря­жение смещения снимается с резистора, входя­щего в делитель напряжения Rl, R2. Ток де­лителя выбирается достаточно большим, значи­тельно больше тока базы в режиме покоя. Это необходимо для того, чтобы температурные из­менения токов эмиттера и коллектора незначительно влияли на ток базы.

Схема рис. 5.9 менее экономична, чем схема рис. 5.7, по стабильность режима работы ее повыше­на. Из схемы рис. 5.9 видно, что ее резистор R2 подключен параллельно входному сопротивлению транзистора Л_ах. Источник питания всегда имеет малое внутреннее сопротивление, поэтому, пренебре­гая им, можно считать, что резисторы R1 и R2 включены между собой параллельно. Поэтому дели­тель Rl, R2 должен иметь большое сопротивление (несколько килоом) и обеспечивать выполнение условия:

. Усилители постоянного тока.

Усилителями постоянного тока (УНТ) называют усилители, коэффициент усиления которых не уменьшается при снижении частоты вплоть до нуля. Такие усилители производят усиление не только перемен­ной, по и постоянной составляющей сигнала.

УПТ широко используют в электронных вычисли­тельных устройствах, в системах автоматического регулирования, в радиоизмерительных устройствах (электронные вольтметры, высокочувствительные гальванометры, осциллографы), в стабилизаторах, а также во многих промышленных установках, По принципу действия УПТ подразделяют на два основ­ных типа: прямого усиления и с преобразованием сигнала. —

Электрические сигналы, воздействующие на вход усилителя постоянного тока, во многих случаях малы по величине. Так, с помощью УПТ приходится усиливать напряжения порядка долей милливольта, а токи — порядка 10^-15 — 10^-16 А. Для усиления таких слабых электрических сигналов одного каскада обыч­но оказывается недостаточно, поэтому приходится применять многокаскадный усилитель.

Очевидно, при построении многокаскадных УПТ емкостная или трансформаторная связь не может быть использована, так как ни конденсаторы, ни трансформаторы не пропускают постоянный ток. Поэтому для соединения отдельных каскадов приме­няют только гальваническую (непосредственную) связь. При этом базу транзистора каждого после­дующего каскада непосредственно соединяют с коллектором предыдущего.

Это требование приводит к возникновению опре­деленных трудностей, связанных с необходимостью согласования режимов соседних каскадов по постоян­ному току. Такие трудности не возникают в усилителях переменного тока, где разделительные конденса­торы изолируют каскады по постоянному току.

Согласование режимов соседних каскадов УПТ по постоянному току может быть осуществлено двумя способами.

При первом способе дополнительный источник постоянного напряжения включают в цепь межкаскадной связи (рис. 5.37, а). В этом случае на­пряжение смещения Е₂ определяется как разность постоянного напряжения Ь\ на выходе предыдущего каскада и напряжения Е дополнительного источника:

Е₂ = Е₁ — \Е\. Изменяя напряжение Е, всегда можно подобрать оптимальное для транзистора второго каскада напряжение смещения.

При втором способе дополнительный источник постоянного напряжения включают в цепь эмиттера (или в цепь истока).

При полярности напряжения Е, указанной на рис. 5.37, б, напряжение смещения Е₂ снова будет разностью постоянных напряжений Е₁ и Е и также может иметь нужную величину.

С конструктивной точки зрения первый способ схемного решения менее удачен, особенно в случае применения многокаскадных УПТ. УПТ будет очень громоздким, так как необходимы дополнительные источники питания, число которых только на один меньше числа каскадов.

Второй способ схемного решения значительно лучше, гак как роль дополнительного источника постоянного напряжения может играть, например, резистор R в цепи эмиттера, через который проходит постоянный ток. Величину постоянного тока I_ подбирают такой, чтобы выполнялось условие RI_ = Е. Вариант схемы двухкаскадного транзистор­ного УПТ приведен на рис. 5.38.

Делитель Rl, R2 обеспечивает смещение на базу транзистора VTI. При данной полярности источника питания Е_к на коллекторе транзистора устанавлива­ется соответствующий начальному режиму относи­тельно высокий отрицательный потенциал, который прикладывается к базе транзистора У’1’2. Уровень этого потенциала обычно значительно превышает требуемое напряжение смещения па базу транзистора VT2. Полому, если его не скомпенсирован., то токи hi ^H hi возрастут настолько, что транзистор VT2 может оказаться в режиме насыщения. Компенсация коллекторного напряжения £/_к1 в приведенной схеме осуществляется напряжением на резисторе К_э2, на­правленным встречно и задаваемым такой величины, чтобы

где U₆₂ — напряжение смещения на базу транзистора VT2, обеспечивающее необходимый базовый ток. В свою очередь ток /₆₂ обеспечивает начальный режим работы второго каскада.

Принципиальная трудность, возникающая при конструировании УПТ, заключается в том, что такие усилители обладают большой нестабильностью. Даже очень медленные изменения напряжения источ­ников питания, а также параметров транзисторов и деталей схемы вследствие их старения, колеба­ний окружающей температуры вызывают медленные изменения токов, которые через цепи гальванической связи передаются на выход усилителя и приводят к изменениям выходного напряжения.

Положительная обратная связь определяет время, величину и надежность ангиогенеза

. 2019 11 июня; 27(11):3139-3151.e5.

doi: 10.1016/j.celrep.2019.05.052.

Донна Дж Пейдж ¹ , Рафаэль Тюре ² , Лакшми Венкатраман ³ , Токихару Такахаши ² , Кэти Бентли ⁴ , Шейн П. Герберт ⁵

Принадлежности

• ¹ Факультет биологии, медицины и здравоохранения, здание Майкла Смита, Манчестерский университет, Оксфорд-роуд, Манчестер M13 9PT, Великобритания; Школа медицинских наук Манчестерского столичного университета, Манчестер M1 5GD, Великобритания.
• ² Факультет биологии, медицины и здравоохранения, здание Майкла Смита, Манчестерский университет, Оксфорд-роуд, Манчестер M13 9PT, Великобритания.
• ³ Факультет биомедицинской инженерии, Бостонский университет, 610 Commonwealth Avenue, Бостон, MA 02215, США; Отделение иммунологии, генетики и патологии, Университет Упсалы, 751 85 Уппсала, Швеция.
• ⁴ Факультет биомедицинской инженерии, Бостонский университет, 610 Commonwealth Avenue, Бостон, Массачусетс 02215, США; Департамент иммунологии, генетики и патологии, Университет Уппсалы, 751 85 Уппсала, Швеция; Центр исследований сосудистой биологии, Медицинский центр Бет Исраэль Диаконисс, Гарвардская медицинская школа, Бостон, Массачусетс 02215, США; Лаборатория клеточного адаптивного поведения, Институт Фрэнсиса Крика, Мидленд-роуд, Лондон, NW1 1AT, Великобритания; Департамент информатики, факультет естественных и математических наук, Королевский колледж Лондона, кампус Стрэнд, Лондон WC2B 4BG, Великобритания. Электронный адрес: katie. [email protected].
• ⁵ Факультет биологии, медицины и здравоохранения, здание Майкла Смита, Манчестерский университет, Оксфорд-роуд, Манчестер M13 9PT, Великобритания. Электронный адрес: [email protected].

• PMID: 31189101
• PMCID: PMC6581738
• DOI: 10.1016/j.celrep.2019.05.052

Бесплатная статья ЧВК

Донна Дж. Пейдж и др. Сотовый представитель 2019 .

Бесплатная статья ЧВК

. 2019 11 июня; 27(11):3139-3151.e5.

doi: 10.1016/j.celrep.2019.05.052.

Авторы

Донна Дж Страница ¹ , Рафаэль Тюре ² , Лакшми Венкатраман ³ , Токихару Такахаши ² , Кэти Бентли ⁴ , Шейн П. Герберт ⁵

Принадлежности

• ¹ Факультет биологии, медицины и здравоохранения, здание Майкла Смита, Манчестерский университет, Оксфорд-роуд, Манчестер M13 9PT, Великобритания; Школа медицинских наук Манчестерского столичного университета, Манчестер M1 5GD, Великобритания.
• ² Факультет биологии, медицины и здравоохранения, здание Майкла Смита, Манчестерский университет, Оксфорд-роуд, Манчестер M13 9PT, Великобритания.
• ³ Факультет биомедицинской инженерии, Бостонский университет, 610 Commonwealth Avenue, Бостон, MA 02215, США; Отделение иммунологии, генетики и патологии, Университет Упсалы, 751 85 Уппсала, Швеция.
• ⁴ Факультет биомедицинской инженерии, Бостонский университет, 610 Commonwealth Avenue, Бостон, Массачусетс 02215, США; Департамент иммунологии, генетики и патологии, Университет Уппсалы, 751 85 Уппсала, Швеция; Центр исследований сосудистой биологии, Медицинский центр Бет Исраэль Диаконисс, Гарвардская медицинская школа, Бостон, Массачусетс 02215, США; Лаборатория клеточного адаптивного поведения, Институт Фрэнсиса Крика, Мидленд-роуд, Лондон, NW1 1AT, Великобритания; Департамент информатики, факультет естественных и математических наук, Королевский колледж Лондона, кампус Стрэнд, Лондон WC2B 4BG, Великобритания. Электронный адрес: katie. [email protected].
• ⁵ Факультет биологии, медицины и здравоохранения, здание Майкла Смита, Манчестерский университет, Оксфорд-роуд, Манчестер M13 9PT, Великобритания. Электронный адрес: [email protected].

• PMID: 31189101
• PMCID: PMC6581738
• DOI: 10.1016/j.celrep.2019.05.052

Абстрактный

Ангиогенез управляется скоординированным коллективным разветвлением специализированных ведущих «концевых» и замыкающих «стебельчатых» эндотелиальных клеток (ЭК). В то время как Notch-регулируемая отрицательная обратная связь подавляет чрезмерный выбор наконечника, роль положительной обратной связи в решениях об идентичности EC остается неизученной. Здесь, объединяя вычислительное моделирование с экспериментами in vivo, мы показываем, что положительная обратная связь критически модулирует величину, время и устойчивость ангиогенных ответов. Моделирование in silico предсказывает, что усиление передачи сигналов VEGF, опосредованное положительной обратной связью, генерирует сверхчувствительный бистабильный переключатель, который лежит в основе быстрых и надежных решений «кончик-стебель». В соответствии с этим мы определяем петлю положительной обратной связи, проявляющую эти свойства in vivo, посредством чего Vegf-индуцированная экспрессия атипичного тетраспанина, tm4sf18, усиливает передачу сигналов Vegf, определяя скорость и надежность отбора EC для ангиогенеза. Следовательно, мутантные по tm4sf18 рыбки данио выбирают меньше подвижных ECs и обнаруживают низкорослые гипоцеллюлярные сосуды с нестабильной идентификацией кончиков, которые серьезно нарушены даже слабой аттенуацией Vegfr. Следовательно, положительная обратная связь пространственно-временно формирует ангиогенный переключатель, чтобы в конечном итоге модулировать топологию сосудистой сети.

Ключевые слова: ангиогенез; эндотелиальная клетка; боковое торможение; положительный отзыв; тетраспанин; ячейка наконечника.

Copyright © 2019 Авторы. Опубликовано Elsevier Inc. Все права защищены.

Цифры

Графический реферат

Графический реферат

графическая абстракция

Рисунок 1

Положительная обратная связь создает сверхчувствительный…

Рисунок 1

Положительная обратная связь создает сверхчувствительный ангиогенный переключатель (A) При ангиогенезе ЭК в состоянии покоя…

Фигура 1

Положительная обратная связь создает сверхчувствительный ангиогенный переключатель (A) При ангиогенезе ЭК в покоящихся сосудах конкурируют за VEGFR-активный статус против Notch-активного. VEGFR-активные клетки приобретают подвижную «концевую» идентичность и инициируют ветвление. (B) Межклеточная петля отрицательной обратной связи использует латеральное ингибирование (LI) для ограничения количества EC, которые приобретают VEGFR-активный статус. (C) Сигнальные взаимодействия, лежащие в основе построения двухклеточной математической модели ODE. Синяя стрелка указывает LI. Зеленые и красные стрелки указывают на положительную и отрицательную обратную связь через VEGFR соответственно. HE относится к комбинированным эффектам Notch-индуцированной экспрессии репрессоров транскрипции. (D и E) Графики уровней DLL4 в двух связанных ячейках после моделирования модели ODE с использованием различных уровней положительной обратной связи. В зависимости от их конечного уровня DLL4, каждая связанная клетка была отнесена к приобретающей либо высокую активность VEGFR и стабильную идентичность кончика (D; синяя стрелка указывает на высокий уровень DLL4), либо высокую активность Notch и репрессированную идентичность кончика (E; красная стрелка указывает на низкий уровень). уровни DLL4). Синие и красные пунктирные линии представляют максимальный и минимальный пороги DLL4 для стабильной идентичности кончика и подавленной идентичности кончика, соответственно. (F и G) Матричные графики скоростей формирования рисунка кончика в двухклеточной модели ODE после воздействия на каждую связанную клетку различных уровней VEGF при отсутствии (F) или наличии (G) положительной обратной связи. Темно-серые квадраты указывают на самые низкие скорости или отказ от формирования рисунка кончика. Оранжевые прямоугольники большего размера указывают на связанные ЭК, испытывающие низкие уровни VEGF (P) при бистабильности сети. Без положительных отзывов ( P = 0), ЭК сопротивляются переключению в активное устойчивое состояние VEGFR (высокий уровень DLL4), даже когда окружающий VEGF повышен. При очень высоких значениях P ( P = 0,1) ЭК остаются в активном состоянии VEGFR с изменением VEGF. При промежуточных значениях P повышение уровня VEGF (>2,5) индуцирует формирование паттерна верхушечных клеток. Более того, это активное состояние сохраняется, когда уровни VEGF затем снижаются от 2,5 до ~1. Следовательно, положительная обратная связь генерирует бистабильный переключатель в идентичности EC, который надежно поддерживает активное состояние, несмотря на колебания уровней VEGF. (I) Двухпараметрический бифуркационный график с изменением VEGF и изменением P значения. Область внутри пика (зеленая заштрихованная часть) представляет значения, которые являются бистабильными в активном состоянии EC. Все снаружи моностабильно. (J) Предсказанная роль положительной обратной связи в определении порога отбора VEGF, который определяет идентичность наконечника. Данные средние.

Рисунок 2

Переключающее поведение Motile EC…

Рисунок 2

Переключающее поведение селекции подвижных ЭК в ангиогенезе In Vivo (A и B)…

Фигура 2

Переключающее поведение селекции подвижных ЭК в ангиогенезе In Vivo (A и B) Покадровые изображения ядер ЭК в ISV контроля (A) и dll4 KD (B) Tg(kdrl:nlsEGFP) ^zf109 эмбрионов через 19 ч после оплодотворения (HPF). Скобки обозначают делящиеся клетки. Ядра псевдоокрашены. (C–E) Количественная оценка количества ЭК, отобранных для разветвления (С), пролиферации (D), или общего количества ЭК на ISV (E) в контроле, dll4 KD, flt1 KD и 0,3 мкМ SU5416 обработанных эмбрионов (n = 47 ISV из 16 контрольных, 78 ISV из 24 dll4 KD, 28 ISV из 8 dll4 KD, 28 ISV из 8 dll4 KD, 28 ISV из 2 K. мкМ обработанных SU5416 эмбрионов). (F) Иллюстрация двухфазного характера отбора подвижных ЭК в ангиогенезе. Уровни сигнала Vegf определяют количество ECs, выбранных для ветвления, а Dll4-опосредованная LI предотвращает дальнейший отбор подвижных ECs. Повышенная передача сигналов Vegf ( flt1 KD) или сниженная передача сигналов Vegf (0,3 мкМ SU5416) приводит к отбору более или менее подвижных ЭК соответственно. В отсутствие dll4 подвижные ЭК продолжают выбираться. Данные средние ± SEM. ^∗ p < 0,05, двухфакторный дисперсионный анализ. Масштабные линейки, 25 мкм. См. также рисунок S1.

Рисунок 3

Идентификация предполагаемых модуляторов с положительной обратной связью…

Рисунок 3

Идентификация предполагаемых модуляторов передачи сигналов Vegf с положительной обратной связью (A) Кратность изменения в…

Рисунок 3

Идентификация предполагаемых модуляторов передачи сигналов Vegf с положительной обратной связью (A) Количественное изменение указанных уровней транскриптов с помощью микрочипа после ингибирования передачи сигналов Vegfr (2,5 мкМ SU5416), активности Notch (100 мкМ DAPT) или того и другого, от 22 до 30 часов после оплодотворения . (B и C) Изменение уровней транскриптов tm4sf18 , kdrl , flt4 и dll4 с помощью количественной ПЦР у эмбрионов, инкубированных с 2,5 мкМ SU5416 в течение указанного времени (B) и tm4sf18 и kdrl уровни транскриптов по данным количественной ПЦР при dll4 KD (C; n = 3 отдельных эксперимента). (D) Иллюстрация предполагаемой регуляции транскрипции tm4sf18 с помощью Vegf-Notch и предполагаемой функции модулятора с положительной обратной связью передачи сигналов Vegfr. (E) Боковые виды прорастающих ISV в эмбрионах Tg(kdrl:GFP) ^s843 (слева) или WT после гибридизационного анализа in situ на цельном препарате 0163 tm4sf18 выражение (справа). Синие скобки указывают на зарождающихся независимых поставщиков программного обеспечения; красные скобки указывают на анастомозированные ISV; стрелки указывают tm4sf18 -экспрессирующие ISV; и стрелки указывают на экспрессию tm4sf18 в областях будущего ангиогенного ремоделирования. (F) Анализ гибридизации in situ экспрессии tm4sf18 в мутантных эмбрионах npas4l ^s5 , демонстрирующих потерю экспрессии, а также после dll4 KD, демонстрирующих эктопическую экспансию tm4sf18 экспрессия DA, что согласуется с дерепрессией передачи сигналов Vegfr. Данные средние ± SEM. Масштабная линейка, 100 мкм. См. также рисунок S2.

Рисунок 4

TM4SF1/Tm4sf18 Expression Feeds Назад к…

Рисунок 4

Экспрессия TM4SF1/Tm4sf18 возвращается для усиления передачи сигналов VEGF/Vegf (A) Относительные уровни экспрессии…

Рисунок 4 Экспрессия

TM4SF1/Tm4sf18 возвращается для усиления передачи сигналов VEGF/Vegf (A) Относительные уровни экспрессии TM4SF1 по данным количественной ПЦР в клетках HUVEC, трансфицированных контрольной миРНК или миРНК, нацеленной на TM4SF1 (n = 4 отдельных эксперимента). (B и C) Вестерн-блот анализ уровней pERK/ERK в HUVEC после стимуляции VEGF-A после трансфекции контрольной или TM4SF1 -нацеливающей миРНК (B) и количественная оценка отношений pERK/ERK (C) (n = 3 отдельных эксперимента ). (D) Поражения, введенные в tm4sf18 локусов с помощью редактирования генов TALEN и CRISPR. Делеция 19 п.н. tm4sf18 экзона-1 и делеция 16 п.н. и вставка экзона-2 16 п.н. были созданы с использованием TALEN и CRISPR/Cas9 соответственно. Геномные сайты-мишени для TALEN, сайт-мишень гРНК и последовательность PAM обозначены синим, красным и зеленым цветом соответственно. (E) Стратегия оценки динамики передачи сигналов Vegfr 90 163 in vivo 90 164. (F-I) Боковые виды иммуноокрашивания pErk в ЭК WT (F) или tm4sf18 ^-/- (H) Tg(kdrl:nlsEGFP) ^zf109 эмбрионов через 0 и 2 ч после вымывания ингибитора и количественного определения интенсивности флуоресценции pErk у WT, tm4970 + 4 ) или tm4sf18 ^-/- (I) эмбрионов. Стрелки в (F) указывают на pErk в нейрональных клетках (n = не менее 39 ЭК из 8 WT, 129 ЭК из 20 tm4sf18 ^+/- и 74 ЭК из 13 tm4sf18 ^{-/- 9000 эмбрионов в каждом момент времени). Данные средние ± SEM. ∗ p < 0,05, двусторонний t-критерий. Масштабные линейки, 25 мкм.}

Рисунок 5

Tm4sf18 Модулирует величину и…

Рисунок 5

Tm4sf18 Модулирует величину и время ангиогенного ответа (A и B)…

Рисунок 5

Tm4sf18 Модулирует величину и время ангиогенного ответа (A и B) Количественное определение количества EC, выбранных для разветвления (A), или процент EC, которые подвергаются пролиферации (B) у WT, TM4SF18 ^+/- и TM4SF18 ^{-/ —} (n = 62 ISV из 16 WT, 58 ISV от 15 TM4SF18 ^{+/10008, и 310163 TM4SF18 +/10008, и 310163 TM4SF18} , , и 310163 TM4SF18 , , и 310163 TM4SF18 , и 310163 TM4SF18 , и 310163. −/− эмбрионов). (C) Количественная оценка распределения клеточности ISV у WT, tm4sf18 ^+/- , tm4sf18 ^-/- и эмбрионов, обработанных HU/Ap (n = 65 ISV от 16 WT, 62 15 tm4sf18 ^+/− , 31 ISV из 8 tm4sf18 ^-/- и 88 ISV из 22 эмбрионов, обработанных HU/Ap). (D) Количественная оценка общего количества ECs на ISV в WT, tm4sf18 ^+/- и tm4sf18 ^-/- эмбрионов. n такое же, как в (A). (E) Прогнозируемый сдвиг уровня передачи сигналов VEGF, необходимый для достижения порога отбора в отсутствие положительной обратной связи. (F и G) Количественная оценка количества ЭК, отобранных для разветвления в обработанных 40 нМ ZM323881 диких животных, tm4sf18 ^+/− и tm4sf18 ^−/− эмбрионов (F) и соответствующие цейтраферные изображения прорастающих ISV в обработанных 40 нМ ZM323881 WT и tm4sf18 G20 ^{−/− эмбрионов л.с. ). Эмбрионы инкубировали с 40 нМ ZM323881, начиная с 18 часов после оплодотворения. Ядра прорастающих ЭК, выходящих из DA, псевдоокрашены (n = 26 ISV из 10 WT, 50 ISV из 20 tm4sf18 +/- и 21 ISV из 10 tm4sf18 -/- эмбрионов). Данные представляют собой средние значения ± стандартная ошибка среднего. * p < 0,05, двусторонний дисперсионный анализ или двусторонний t-критерий. Масштабная линейка, 25 мкм. См. также рисунок S3.}

Рисунок 6

Гипоцеллюлярные сосуды в tm4sf18 ^−/−…

Рисунок 6

Гипоцеллюлярные сосуды в tm4sf18 ^−/− Мутанты не могут должным образом расширяться (A) Покадровые изображения…

Рисунок 6

Гипоцеллюлярные сосуды в TM4SF18 ^-/- Мутанты не могут быть соответствующим образом (a) изображения прорастания ISV в WT и TM4SF18 ^-/- TG (KDRL: KDRL: KDRL: KDRL: KDRL: KDRL: KDRL: KDRL: KDRL: KDRL: KDRL: KDRL: CDRLEGSGFP) ^-/- TM4SF18 ^-/ эмбрионов после 19 оплодотворения. Скобки обозначают делящиеся клетки. Ядра псевдоокрашены. ISV кажутся короче в отсутствие tm4sf18 . (B-D) Количественная оценка дорсального движения кончика (ячейка 1) или стебля (ячейка 2) ЭК у WT и tm4sf18 ^+/− (B), tm4sf18 ^−/− (C) или эмбрионы, обработанные HU/Ap (D) (n = 71 ISV из 16 WT, 69 ISV из 15 904s14 tm ^+/- , 39 ISV из 8 tm4sf18 ^-/- и 89 ISV из 22 эмбрионов, обработанных HU/Ap). (E) Количественная оценка дорсального движения кончиковых ЭК у непролиферирующих ISV, состоящих из 1, 2 и 3 или более ЭК, и сравнение с подвижностью кончиковых ЭК у tm4sf18 ^-/- эмбрионов (n = 39ISV из 8 tm4sf18 ^−/− эмбрионов, а также 17 ISV с 3 клетками, 53 ISV с 2 клетками и 16 ISV с 1 клеткой из 22 эмбрионов). (F) Количественная оценка количества ЭК, которые достигают положения DLAV в WT, tm4sf18 ^+/- , tm4sf18 ^-/- и обработанных HU/Ap эмбрионах (n = 63 ISV из 16 WT , 56 ISV из 15 tm4sf18 ^+/- , 31 ISV из 8 tm4sf18 ^-/- и 86 ISV из 22 HU/Ap-обработанных эмбрионов). (G) Иллюстрация причин гипоплазии сосудов и фенотипического влияния на расширение сосудов. Данные представляют собой средние значения ± стандартная ошибка среднего. ^* p < 0,05, двусторонний дисперсионный анализ или двусторонний t-критерий. Масштабные линейки, 25 мкм. См. также рисунок S4.

Рисунок 7

Надежность идентичности наконечника…

Рисунок 7

Надежность идентичности кончика потеряна в tm4sf18 ^−/− Мутанты (A) Виды сбоку…

Рисунок 7

надежность идентичности наконечника теряется в TM4SF18 ^{-/ —} Мутанты (A) Боковые виды прорастания ECS в ISV WT и TM4SF18 ^-/ TG (KDRL: NLSEGPP)3 TG (KDRL: NLSEGPP) TG (KDRL: NLSEGPP) ^— TG (KDRL: NLSEGPP) ^— TG (KDRL: NLSEGPP) ^— TG (KDRL: NLSEGPP) ^-/ TGSF: NLSEGPP) ^— TM эмбрионов иммуноокрашены на pErk. Перед фиксацией эмбрионы инкубировали с ДМСО или 40 нМ ZM323881 через 22 часа после оплодотворения в течение 3 часов. (B) Количественная оценка интенсивности флуоресценции pErk у WT, tm4sf18 ^+/- и tm4sf18 ^-/- эмбрионов после инкубации с ДМСО или повышением концентрации ZM323881 (n = не менее 32 ЭК из 8 WT, 87 ЭК из 22 tm4sf18 ^+/- и 35 клеток из 6 tm4 /− эмбрионов при каждой концентрации). (C) Предполагаемая роль бистабильности и гистерезисной динамики, генерируемой положительной обратной связью, в контроле устойчивости уровня сигнала VEGFR в ангиогенезе. Бистабильность гарантирует, что более высокие уровни VEGF необходимы для индуцирования формирования паттерна кончика, чем для изменения этого активного состояния, придавая устойчивость идентичности кончика к колебаниям уровней VEGF. (D) Влияние положительной обратной связи, опосредованной Tm4sf18, на величину, скорость и надежность отбора подвижных ЭК во время ветвления ISV. Tm4sf18 способствует быстрому и надежному принятию решений, а также обеспечивает деликатную модуляцию величины выбора EC уровнями Vegf. В отсутствие Tm4sf18 величина отбора EC уменьшается, и скорость, и надежность отбора EC сильно варьируют и в большей степени зависят от уровня Vegf. Данные представляют собой средние значения ± стандартная ошибка среднего. ^* p < 0,05, двусторонний дисперсионный анализ или двусторонний t-критерий. Масштабная линейка, 25 мкм.

См. это изображение и информацию об авторских правах в PMC

Похожие статьи

• Flt-1 (рецептор-1 фактора роста эндотелия сосудов) необходим для петли обратной связи фактор роста эндотелия сосудов-Notch во время ангиогенеза.

  Chappell JC, Mouillesseaux KP, Bautch VL. Чаппелл Дж. К. и соавт. Артериосклеры Тромб Васк Биол. 2013 авг;33(8):1952-9. doi: 10.1161/ATVBAHA. 113.301805. Epub 2013 6 июня. Артериосклеры Тромб Васк Биол. 2013. PMID: 23744993 Бесплатная статья ЧВК.

• Время принимать решение? Динамический анализ позволяет прогнозировать возникновение состояний частичного паттерна кончика/стебля во время ангиогенеза.

  Венкатраман Л., Риган Э.Р., Бентли К. Венкатраман Л. и др. ПЛОС Один. 2016 15 ноября; 11 (11): e0166489. doi: 10.1371/journal.pone.0166489. Электронная коллекция 2016. ПЛОС Один. 2016. PMID: 27846305 Бесплатная статья ЧВК.

• TRIM28 регулирует ангиогенез прорастания через сигнальную цепь VEGFR-DLL4-Notch.

  Ван И, Сингх А.Р., Чжао И, Ду Т, Хуан И, Ван Х, Мукхопадхьяй Д, Ван И, Ван Н, Чжан П. Ван Ю и др. FASEB J. 2020 ноябрь; 34 (11): 14710-14724. doi: 10.1096/fj.202000186RRR. Epub 2020 12 сентября. ФАСЭБ Дж. 2020. PMID: 325

• VEGFRs и Notch: динамичное сотрудничество в формировании сосудистого паттерна.

  Якобссон Л., Бентли К., Герхардт Х. Якобссон Л. и соавт. Биохим Сок Транс. 2009 дек; 37 (часть 6): 1233-6. DOI: 10.1042/BST0371233. Биохим Сок Транс. 2009. PMID: 193 Обзор.

• Модуляция сигнального выхода VEGF посредством пути Notch.

  Siekmann AF, Covassin L, Lawson ND. Сикманн А.Ф. и соавт. Биоэссе. 2008 апр; 30 (4): 303-13. doi: 10.1002/bies.20736. Биоэссе. 2008. PMID: 18348190 Обзор.

Посмотреть все похожие статьи

Цитируется

• Роль ангиогенеза и артериогенеза при инфаркте миокарда и коронарной реваскуляризации.

  Спадаччо К., Ненна А., Роуз Д., Пиччирилло Ф., Нуска А., Гриджиони Ф., Челло М., Влахакес Г.Дж. Спадаччо С. и др. J Cardiovasc Transl Res. 2022 г., 31 марта. doi: 10.1007/s12265-022-10241-0. Онлайн перед печатью. J Cardiovasc Transl Res. 2022. PMID: 35357670 Обзор.

• Системная биология передачи сигналов ангиогенеза: вычислительные модели и омики.

  Чжан Ю., Ван Х., Оливейра Р.Х.М., Чжао С., Попель А.С. Чжан И и др. ПРОВОДА Мех Дис. 2022 июль;14(4):e1550. дои: 10.1002/wsbm.1550. Epub 2021 30 декабря. ПРОВОДА Мех Дис. 2022. PMID: 34970866 Бесплатная статья ЧВК. Обзор.

• Роль кальциевых колебаний в отборе фенотипа в эндотелиальных клетках.

  Дебир Б., Мини С., Кохандель М. , Унлу М.Б. Дебир Б. и др. Научный представитель 2021 г. 10 декабря; 11 (1): 23781. doi: 10.1038/s41598-021-02720-2. Научный представитель 2021. PMID: 34893636 Бесплатная статья ЧВК.

• Молекулярные и клеточные механизмы развития сосудов у рыбок данио.

  Эберляйн Дж., Хердт Л., Мальхов Дж., Риттершаус А., Баумейстер С., Хелкер С.С. Эберлейн Дж. и др. Жизнь (Базель). 2021 15 октября; 11 (10): 1088. дои: 10.3390/жизнь11101088. Жизнь (Базель). 2021. PMID: 34685459 Бесплатная статья ЧВК. Обзор.

• Эндотелиальная гетерогенность в развитии и заживлении ран.

  Гуревич Д.Б., Дэвид Д.Т., Сундарараман А., Патель Дж. Гуревич Д.Б. и соавт. Клетки. 2021 7 сентября; 10 (9): 2338. doi: 10.3390/ячейки100

  . Клетки. 2021. PMID: 34571987 Бесплатная статья ЧВК. Обзор.

Просмотреть все статьи «Цитируется по»

использованная литература

1. 1. Арима С., Нишияма К., Ко Т., Арима Ю., Хакодзаки Ю., Сугихара К., Косэки Х., Учиджима Ю., Курихара Ю., Курихара Х. Ангиогенный морфогенез, обусловленный динамическим и гетерогенным коллективным движением эндотелиальных клеток . Разработка. 2011; 138:4763–4776. — пабмед
   2. Арима С., Нишияма К., Ко Т., Арима Ю., Хакодзаки Ю., Сугихара К., Косеки Х., Учиджима Ю., Курихара Ю. и Курихара Х. (2011). Ангиогенный морфогенез, обусловленный динамическим и гетерогенным коллективным движением эндотелиальных клеток. Развитие 138, 4763-4776. — пабмед
2. 1. Бенедито Р., Роша С.Ф., Воэсте М., Замыкал М., Радтке Ф., Казановас О., Дуарте А., Пытовски Б., Адамс Р.Х. Notch-зависимая активация VEGFR3 позволяет осуществлять ангиогенез без передачи сигналов VEGF-VEGFR2. Природа. 2012; 484:110–114. — пабмед
   2. Бенедито Р., Роча С.Ф., Весте М., Замыкал М., Радтке Ф., Казановас О., Дуарте А., Пытовски Б. и Адамс Р.Х. (2012). Notch-зависимая активация VEGFR3 обеспечивает ангиогенез без передачи сигналов VEGF-VEGFR2. Природа 484, 110-114. — пабмед
3. 1. Бентли К., Чакравартула С. Временная основа ангиогенеза. Филос. Транс. Р. Соц. Лонд. Б биол. науч. 2017;372:20150522. — ЧВК — пабмед
   2. Бентли, К., и Чакравартула, С. (2017). Временная основа ангиогенеза. Филос. Транс. Р. Соц. Лонд. Б биол. науч. 372, 20150522. — ЧВК — пабмед
4. 1. Бентли К. , Герхард Х., Бейтс П.А. Моделирование на основе агентов выбора верхушечных клеток, опосредованного надрезом, при инициализации ангиогенного отростка. Дж. Теор. биол. 2008; 250:25–36. — пабмед
   2. Бентли, К., Герхардт, Х., и Бейтс, П.А. (2008). Моделирование на основе агентов выбора верхушечных клеток, опосредованного надрезом, при инициализации ангиогенного отростка. Дж. Теор. биол. 250, 25-36. — пабмед
5. 1. Бентли К., Маригги Г., Герхардт Х., Бейтс П.А. Нарушение баланса: устойчивость выбора концевых клеток, миграция и слияние в ангиогенезе. PLoS-компьютер. биол. 2009;5:e1000549. — ЧВК — пабмед
   2. Бентли К., Маригги Г., Герхардт Х. и Бейтс П.А. (2009). Нарушение баланса: устойчивость выбора концевых клеток, миграция и слияние в ангиогенезе. PLoS-компьютер. биол. 5, e1000549. — ЧВК — пабмед

Типы публикаций

термины MeSH

вещества

Грантовая поддержка

• WT_/Wellcome Trust/Великобритания
• 095718/Z/11/Z/WT_/Wellcome Trust/Великобритания
• BB/N013174/1/BB_/Совет по исследованиям в области биотехнологии и биологических наук/Великобритания
• PG/16/2/31863/BHF_/British Heart Foundation/Великобритания

РОЛЬ ИНФОРМАТИКИ В ПРОДВИЖЕНИИ ПАЦИЕНТООРИЕНТИРОВАННОЙ МЕДИЦИНСКОЙ ПОМОЩИ

1. Институт медицины. Преодоление пропасти качества. Вашингтон, округ Колумбия: Издательство национальных академий; 2001. [Google Scholar]

2. Институт улучшения здравоохранения. [последний доступ 12 апреля 2011 г.]; Пациент-ориентированный уход: Общие. Доступно на http://www.ihi.org/IHI/Topics/PatientCenteredCare/PatientCenteredCareGeneral.

3. Бервик Д. Что значит «пациентцентрированный»: признания экстремиста. Health Aff (Миллвуд) 2009;28:w555–565. [PubMed] [Google Scholar]

4. Wachter RM. [последний доступ 12 апреля 2011 г.]; Является ли ориентированность на пациента медицинской Макгаффин? Доступно по адресу http://community.the-hospitalist.org/blogs/wachters_world/archive/2008/08/04/is-patient-centeredness-a-healthcare-macguffin.aspx.

5. Херш В. Стимул для определения информатики и информационных технологий здравоохранения. БМС Мед Информ Децис Мак. 2009 г.;9:24. [Бесплатная статья PMC] [PubMed] [Google Scholar]

6. Ермилов И., Чоу В., Девган Л. и соавт. Каково качество хирургической информации в Интернете? Уроки, извлеченные из стандартизированной оценки 10 общих операций. J Am Coll Surg. 2008; 207: 580–586. [PubMed] [Google Scholar]

7. Johnson PT, Chen JK, Eng J, et al. Сравнение ресурсов всемирной паутины для идентификации медицинской информации. Академ Радиол. 2008; 15:1165–1172. [PubMed] [Google Scholar]

8. Walsh KE, Dodd KS, Seetharaman K, et al. Лекарственные ошибки у взрослых и детей с онкологическими заболеваниями в амбулаторных условиях. Дж. Клин Онкол. 2009 г.;27:891–896. [PubMed] [Google Scholar]

9. Gandhi TK, Bartel SB, Shulman LN, et al. Безопасность лекарственных средств в условиях амбулаторной химиотерапии. Рак. 2005; 104: 2477–2483. [PubMed] [Google Scholar]

10. Jacobson JO, Polovich M, McNiff KK, et al. Стандарты безопасности при проведении химиотерапии Американского общества клинической онкологии/Общества медицинских сестер онкологии. Дж. Клин Онкол. 2009; 27: 5469–5475. [PubMed] [Google Scholar]

11. Комиссия по сертификации медицинских информационных технологий. [последний доступ 20 марта 2011 г.];Материалы для общественного обсуждения. Доступно на http://www.cchit.org/participate/public-comment.

12. Шульман Л.Н., Миллер Р.С., Амбиндер Э.П., и соавт. Принципы безопасной практики использования онкологической системы EHR для заказа, подготовки и введения химиотерапии, часть 1 из 2. J Oncol Pract. 2008; 4: 203–206. [Бесплатная статья PMC] [PubMed] [Google Scholar]

13. Schwappach DL, Wernli M. Восприятие химиотерапевтическими пациентами безопасности приема лекарств. Дж. Клин Онкол. 201 (28): 2896–2901. [PubMed] [Google Scholar]

14. Quillin JM, Tracy K, Ancker JS, et al. Подходы системы здравоохранения к общению с онкологическими больными. Сообщество здоровья J. 2009 г.; 14 (Прил. 1): 85–94. [Бесплатная статья PMC] [PubMed] [Google Scholar]

15. Ventres WB, Frankel RM. Уход, ориентированный на пациента, и электронные медицинские карты: речь идет об отношениях. Фам Мед. 2010;42:364–366. [PubMed] [Google Scholar]

16. Центры услуг Medicare и Medicaid. [последний доступ 20 марта 2011 г.]; CMS Personal Health Record Pilots в Южной Каролине, Аризоне и Юте. Доступно по адресу https://www.cms.gov/PerHealthRecords/02_PHR_Pilots.asp.

17. Кан Дж.С., Аулах В., Босворт А. Что нужно: характеристики идеальной личной медицинской карты. Health Aff (Миллвуд) 2 009;28:369–376. [PubMed] [Google Scholar]

18. Крист А.Х., Вульф С.Х. Концепция информационных систем здравоохранения, ориентированных на пациента. ДЖАМА. 2011; 305:300–301. [Бесплатная статья PMC] [PubMed] [Google Scholar]

19. Wiljer D, Leonard KJ, Urowitz S, et al. Тревожное ожидание: оценка воздействия доступных для пациентов ЭМК на больных раком молочной железы. БМС Мед Информ Децис Мак. 2010;10:46. [Бесплатная статья PMC] [PubMed] [Google Scholar]

20. Lin CT, Wittvrongel L, Moore L, et al. Интернет-система связи между пациентом и врачом: рандомизированное контролируемое исследование. J Med Internet Res. 2005;7:e47. [Бесплатная статья PMC] [PubMed] [Google Scholar]

21. Ralston JD, Carrell D, Reid R, et al. Веб-сервисы для пациентов, интегрированные с общей медицинской картой: использование и удовлетворенность пациентов. J Am Med Inform Assoc. 2007; 14: 798–806. [Бесплатная статья PMC] [PubMed] [Google Scholar]

22. Tang PC, Lansky D. Недостающее звено: преодоление разрыва в информации о здоровье пациента и врача. Health Aff (Миллвуд) 2005; 24: 1290–1295. [PubMed] [Google Scholar]

23. McMahon GT, Gomes HE, Hickson HS, et al. Интернет-управление уходом за пациентами с плохо контролируемым диабетом. Уход за диабетом. 2005; 28:1624–1629.. [Бесплатная статья PMC] [PubMed] [Google Scholar]

24. Levine BA, Turner JW, Robinson JD, et al. Коммуникация играет решающую роль в веб-мониторинге. J Diabetes Sci Technol. 2009;3:461–467. [Бесплатная статья PMC] [PubMed] [Google Scholar]

25. Ross SE, Moore LA, Earnest MA, et al. Предоставление медицинской онлайн-карты в Интернете с возможностями электронной связи для пациентов с застойной сердечной недостаточностью: рандомизированное исследование. J Med Internet Res. 2004;6:e12. [Бесплатная статья PMC] [PubMed] [Google Scholar]

26. Грин Б.Б., Кук А.Дж., Ральстон Д.Д. и др. Эффективность мониторинга артериального давления в домашних условиях, веб-общения и помощи фармацевта в борьбе с гипертонией: рандомизированное контролируемое исследование. ДЖАМА. 2008; 299: 2857–2867. [Бесплатная статья PMC] [PubMed] [Google Scholar]

27. Houston TK, Sadasivam RS, Ford DE, et al. Интернет-вмешательство QUIT-PRIMO для прекращения курения, доставляемое поставщиком и пациентом: кластерное рандомизированное сравнительное исследование эффективности: протокол исследования. Реализовать науч. 2010;5:87. [Бесплатная статья PMC] [PubMed] [Google Scholar]

28. Shaw BR, Han JY, Hawkins RP, et al. Отношения между врачом и пациентом как мотивация и результат: изучение использования интерактивной системы связи при раке. Int J Med Inform. 2007; 76: 274–282. [PubMed] [Google Scholar]

29. Groll RJ, Leonard KJ, Eakin J, et al. Электронное наблюдение за раком яичка: понимание взглядов пациентов на доступ к электронным медицинским записям. Дж Онкол Практ. 2009; 5: 177–181. [Бесплатная статья PMC] [PubMed] [Google Scholar]

30. Великова Г., Бут Л., Смит А.Б. и соавт. Измерение качества жизни в рутинной онкологической практике улучшает общение и самочувствие пациентов: рандомизированное контролируемое исследование. Дж. Клин Онкол. 2004; 22: 714–724. [PubMed] [Академия Google]

31. Basch E, Jia X, Heller G, et al. Отчеты пациентов и врачей о нежелательных симптомах: взаимосвязь с клиническими исходами. J Natl Cancer Inst. 2009; 101:1624–1632. [Бесплатная статья PMC] [PubMed] [Google Scholar]

32. Hilarius DL, Kloeg PH, Gundy CM, et al. Использование оценок качества жизни, связанных со здоровьем, в ежедневной клинической практике ухода за онкологическими больными: интервенционное исследование на базе местной больницы. Рак. 2008; 113: 628–637. [PubMed] [Google Scholar]

33. McLachlan SA, Allenby A, Matthews J, et al. Рандомизированное исследование скоординированных психосоциальных вмешательств, основанных на самооценке пациентов, по сравнению со стандартной помощью для улучшения психосоциального функционирования больных раком. Дж. Клин Онкол. 2001;19: 4117–4125. [PubMed] [Google Scholar]

34. Miller JJ, Frost MH, Rummans TA, et al. Роль медико-социального работника в улучшении качества жизни больных распространенным раком при структурированном междисциплинарном вмешательстве. J Psychosoc Oncol. 2007; 25:105–119. [PubMed] [Google Scholar]

35. Snyder CF, Jensen R, Courtin SO, et al. PatientViewpoint: веб-сайт для оценки исходов, сообщаемых пациентами. Качество жизни Res. 2009; 18: 793–800. [Бесплатная статья PMC] [PubMed] [Google Scholar]

36. НИЗ ПРОМИС. [последний доступ 12 апреля 2011 г.]; Устаревшие весы и предметы. Доступно по адресу: http://www.nihpromis.org/science/legacyscalesitems.

37. Бливен Б.Д., Кауфман С.Е., Спертус Дж.А. Электронный сбор данных о качестве жизни, связанном со здоровьем: достоверность, преимущества во времени и предпочтения пациентов. Качество жизни Res. 2001; 10:15–22. [PubMed] [Google Scholar]

38. Kongsved SM, Basnov M, Holm-Christensen K, et al. Частота ответов и полнота вопросников: рандомизированное исследование Интернета по сравнению с бумажно-карандашными версиями. J Med Internet Res. 2007;9:e25. [Бесплатная статья PMC] [PubMed] [Google Scholar]

39. Allenby A, Matthews J, Beresford J, et al. Применение технологии компьютерного сенсорного экрана при скрининге психосоциального дистресса в условиях амбулаторного онкологического отделения. Eur J Cancer Care (англ.) 2002; 11: 245–253. [PubMed] [Google Scholar]

40. Snyder CF, Jensen RE, Geller G, et al. Соответствующее содержание опросника результатов, сообщаемого пациентами, для использования в онкологической клинической практике: объединение врачей и пациентов на одной странице. Качество жизни Res. 2010;19: 1045–1055. [PubMed] [Google Scholar]

41. Великова Г., Авад Н., Коулз-Гейл Р. и соавт. Клиническое значение оценки качества жизни в онкологической практике – качественное изучение взглядов пациента и врача. Психоонкология. 2008; 17: 690–698. [PubMed] [Google Scholar]

42. Basch E, Iasonos A, Barz A, et al. Долгосрочный мониторинг токсичности с помощью электронных отчетов пациентов о результатах химиотерапии. J клиника онкол. 2007; 25: 5374–5380. [PubMed] [Академия Google]

43. Abernethy AP, Zafar SY, Uronis H, et al. Валидация монитора ухода за пациентами (версия 2.0): обзор инструмента оценки системы для больных раком. J Управление симптомами боли. 2010;40:545–558. [PubMed] [Google Scholar]

44. Erharter A, Giesinger J, Kemmler G, et al. Внедрение компьютерного мониторинга качества жизни амбулаторных больных с опухолью головного мозга в рутинную клиническую практику. J Управление симптомами боли. 2010; 39: 219–229. [PubMed] [Google Scholar]

45. Великова Г., Кединг А., Харлей С. и соавт. Пациенты сообщают об улучшении непрерывности лечения, когда в онкологической практике рутинно используются оценки качества жизни: вторичные результаты рандомизированного контролируемого исследования. Евр Джей Рак. 2010;46:2381–2388. [PubMed] [Академия Google]

46. Гурланд Б., Алвес-Феррейра П.С., Соболь Т. и соавт. Использование технологий для улучшения сбора данных и интеграции результатов, о которых сообщают пациенты, в клиническую помощь: результаты пилотного проекта — загруженное колоректальное отделение. Расстройство прямой кишки. 2010;53:1168–1175. [PubMed] [Google Scholar]

47. Роуз М., Безьяк А. Логистика сбора результатов, сообщаемых пациентами (PRO), в клинической практике: обзор и практические примеры. Качество жизни Res. 2009; 18:125–136. [PubMed] [Google Scholar]

48. Weaver A, Young AM, Rowntree J, et al. Применение технологии мобильных телефонов для лечения побочных эффектов, связанных с химиотерапией. Энн Онкол. 2007; 18:1887–189.2. [PubMed] [Google Scholar]

49. McCann L, Maguire R, Miller M, et al. Восприятие и опыт пациентов с использованием усовершенствованной системы управления симптомами на базе мобильного телефона (ASyMS) для мониторинга и лечения токсичности, связанной с химиотерапией. Eur J Cancer Care (англ. ) 2009; 18: 156–164. [PubMed] [Google Scholar]

50. Head BA, Studts JL, Bumpous JM, et al. Разработка телемедицинского вмешательства для больных раком головы и шеи. Телемед Дж. Э. Здоровье. 2009; 15:44–52. [Бесплатная статья PMC] [PubMed] [Google Scholar]

51. Kearney N, McCann L, Norrie J, et al. Оценка усовершенствованной системы управления симптомами (ASMS) на основе мобильного телефона при лечении токсичности, связанной с химиотерапией. Поддержите уход за раком. 2009; 17: 437–444. [PubMed] [Google Scholar]

52. Davis K, Yount S, Del Ciello K, et al. Инновационный инструмент мониторинга симптомов у людей с распространенным раком легких: пилотная демонстрация. J Поддержка Онкол. 2007; 5: 381–387. [PubMed] [Google Scholar]

53. Given CW, Sikorskiy A, Tamkus D, et al. Управление симптомами у пациентов с раком молочной железы во время химиотерапии: результаты поведенческого испытания с двумя группами. Дж. Клин Онкол. 2008; 26: 5855–5862. [Бесплатная статья PMC] [PubMed] [Google Scholar]

54. Kearney N, McCann L, Norrie J, et al. Оценка усовершенствованной системы управления симптомами (ASMS) на основе мобильного телефона при лечении токсичности, связанной с химиотерапией. Поддержите уход за раком. 2009; 17: 437–444. [PubMed] [Google Scholar]

55. Vickers A, Salz T, Basch E, et al. Электронная самооценка пациента и управление им (SAM): новая основа выживания рака. БМС Мед Информ Децис Мак. 2010;10:34. [бесплатная статья PMC] [PubMed] [Google Scholar]

56. Смит А. Домашняя широкополосная связь, 2010 г. Проект исследовательского центра Pew Internet & American Life; [последний доступ 2 февраля 2011 г.]. Доступно по адресу http://pewinternet.org/Reports/2010/Home-Broadband-2010.aspx. [Академия Google]

57. Фокс С. Онлайн-поиск здоровья 2006. PEW Internet and American Life Project; [последний доступ 16 марта 2011 г.]. Доступно на http://www.pewInternet.org/Reports/2006/Online-Health-Search-2006.aspx. [Google Scholar]

58. Boulos MNK, Wheeler S. Появляющееся социальное программное обеспечение Web 2. 0: набор социальных технологий в области здравоохранения и медицинского образования. Health Info Libr J. 2007; 24:2–23. [PubMed] [Google Scholar]

59. Терри М. Медицинские приложения для смартфонов. Дж Телемед. 2010;16:17–22. [PubMed] [Академия Google]

60. Ганц П., Касильяс Дж., Хан Э.Э. Обеспечение качественного ухода за выжившими после рака: реализация плана ухода за выжившими. Семин Онкол Нурс. 2008; 24: 208–217. [PubMed] [Google Scholar]

61. Эйзенбах Г. Медицина 2. 0: социальные сети, сотрудничество, участие, апомедиация и открытость. J Med Internet Res. 2008;10:e22. [Бесплатная статья PMC] [PubMed] [Google Scholar]

62. Харцбанд П., Групман Дж. Распутывая сеть — пациенты, врачи и Интернет. N Engl J Med. 2010; 362:1063–1066. [PubMed] [Академия Google]

63. Чен П.В. Расцвет настольной медицины. Газета «Нью-Йорк Таймс; [последний доступ 11 апреля 2011 г.]. [онлайн], 31 марта 2011 г. Доступно по адресу http://well.blogs.nytimes.com/2011/03/31/the-rise-of-desktop-medicine/ [Google Scholar]

64. Campion EW. Рецензия на книгу «Медикализация киберпространства» N Engl J Med. 2008; 359:2074. [Google Scholar]

65. Рэймонд Мэтт. [последний доступ 12 апреля 2011 г.]; Блог Библиотеки Конгресса: Как это твит!: Библиотека приобрела весь архив Твиттера. Доступно по адресу http://blogs.loc.gov/loc/2010/04/how-tweet-it-is-library-acquires-entire-twitter-archive/9.0003

66. Кретьен К.С., Азар Дж., Кинд Т. Врачи в Твиттере. ДЖАМА. 2011; 305: 566–568. [PubMed] [Google Scholar]

67. [последний доступ 30 марта 2011 г.]; Промежуточное собрание Палаты делегатов: Политика AMA: Профессионализм в использовании социальных сетей. Доступно по адресу http://www.ama-assn.org/ama/pub/meeting/professionalism-social-media.shtml:last.

68. Cooper CP, Mallon KP, Leadbetter S, et al. Поисковая активность рака в Интернете в крупной поисковой системе, США, 2001–2003 гг. J Med Internet Res. 2005;7:e36. [Бесплатная статья PMC] [PubMed] [Google Scholar]

69. Chou WY, Hunt Y, Folkers A, et al. Выживаемость рака в эпоху YouTube и социальных сетей: анализ повествования. J Med Internet Res. 2011;13:e7. [Бесплатная статья PMC] [PubMed] [Google Scholar]

70. Шачак А., Джадад А.Р. Электронные медицинские карты в эпоху социальных сетей и глобальных телекоммуникаций. ДЖАМА. 2010; 303:452–453. [PubMed] [Google Scholar]

71. Greene JA, Kesselheim AS. Фармацевтический маркетинг и новые социальные сети. N Engl J Med. 2010;363:2087–2089. [PubMed] [Google Scholar]

72. Frosch DL, Grande D, Tarn DM, et al. Десятилетие споров: баланс между политикой и фактами в регулировании рекламы рецептурных лекарств. Am J Общественное здравоохранение. 2010;100:24–32. [Бесплатная статья PMC] [PubMed] [Google Scholar]

73. Лян Б.А., Макки Т. Прямая реклама потребителя в интерактивных интернет-СМИ: глобальное регулирование и проблемы общественного здравоохранения. ДЖАМА. 2011; 305:824–825. [PubMed] [Google Scholar]

74. Kuehn BM. FDA взвешивает ограничения для онлайн-рекламы. ДЖАМА. 2010; 303:311–313. [PubMed] [Академия Google]

75. Фонд Содружества. [последний доступ 15 апреля 2011 г.]; Программа скоординированной помощи, ориентированной на пациента. Доступно на http://www.commonwealthfund.org/Content/Program-Areas/Delivery-System-Innovation-and-Improvement/Patient-Centered-Coordinated-Care.aspxhttp://www.commonwealthfund.org/Content/Program- Области/Система доставки-Инновации-и-Улучшение/Ориентированная на пациента-Координированная помощь.aspx.

Фокус Информатика — достаточно негатива, хочется позитива

РЕКЛАМНОЕ ОБЪЯВЛЕНИЕ

mtstars.com/images/page-top-center.jpg»> Обслуживание более 20 000 медицинских транскрипционистов США Добавил: М Хьюз на 2009-04-17 В ответ на: Кто-нибудь может сказать что-нибудь ХОРОШЕЕ об этой компании? Пожалуйста, я склонен смотреть нестандартно и хотел бы услышать что-то положительное здесь. Полное обсуждение ниже: отмечает местоположение текущего сообщения в теме Фокус Информатика — достаточно негатива, хочется позитива — M Hughes Никогда не слышал ничего хорошего о Focus — MTinNC Focus Еще одно изменение программного обеспечения? — Джанет Я не могу отделаться от мысли — catsxoxo Фокус не работает в Индии, это индийская компания — я 90 Алиса Сообщения, которые вы просматриваете архивные/старые. Для просмотра последних сообщений и участия в обсуждениях выберите платы, указанные в левом меню Другие похожие сообщения, найденные в нашей базе данных Focus Informatics Работаю у них уже 8 месяцев, нареканий нет. Моя зарплата вовремя. Да, менеджмент и технические специалисты не из Индии, и их немного сложно понять, но никто не был груб со мной. Если у меня есть вопрос, я мгновенно отправляю им сообщение и получаю быстрый ответ. Один минус, который я хотел бы сказать, это то, что я много редактирую, а не печатаю. Хотелось бы еще какие-то стандартные отчеты сделать. Я работаю только неполный рабочий день, поэтому моя зарплата не зависит от оплаты счетов. Это мой единственный недостаток с ними. У меня действительно вычитали мой чек несколько раз, когда я опускался ниже 99,0%, но только эта последняя выплата, у меня была точность чуть ниже 99,0%, и я не был вычтен. Возможно, они изменили эту политику Фокус Информатика Кто-нибудь работает в Focus Informatics? Я просто хотел немного узнать о компании. Фокус информатика Может кто подскажет плюсы и минусы Фокуса. Я думал, что прочитал много негатива и проблем с этой компанией. Кто-нибудь работает на них? Спасибо!! Фокус Информатика Я работаю в FI около 3 месяцев и у меня нет никаких нареканий. Технические специалисты и мой руководитель — индийцы, и они были очень вежливы и готовы помочь. Обучение было немного сложным, потому что было довольно сложно понять акценты, но они были очень терпеливы. Я люблю свою работу. Это смесь стандартной транскрипции и редактирования с помощью распознавания голоса. Я думаю, что сначала у меня не было работы, потому что они, должно быть, дали мне только один тип отчета, пока я не освоился. Теперь, когда я делаю все виды отчетов, работы всегда много. Итак, до сих пор мой опыт был хорошим. Focus Informatics Может ли кто-нибудь дать мне некоторую информацию об этой компании, расценках и т. д., слышал, что рабочие места находятся на платформе описания. Спасибо Фокус Информатика Если вы выполните поиск в архиве, вы найдете мое сообщение о них. Да, они были немного апатичны со мной. По причинам, изложенным в предыдущем сообщении, я бы не стал полагаться на них как на единственный источник дохода. — КТТ Фокус Информатика Фокус Информатика. Только что принят на должность редактора/транскрипциониста PT в компании. Я мало что знаю о них, читая разные блоги, поэтому я надеялся, что кто-нибудь может дать мне отзыв о том, как они и правильно ли я принял решение о приеме на работу. Я занимаюсь расшифровкой медицинских карт уже более 7 лет. Все эти годы я работал в местной компании здесь, в Южной Каролине. Я хотел бы дополнить свою текущую рабочую нагрузку, так как этого недостаточно… Мы будем очень признательны за любую информацию о Focus Informations Они купили Фокус Информатика. Focus принадлежит индийцам и базируется в Вобурне, Массачусетс, недалеко от шоссе от Диктафона. Мне сказали, что это была работа, а не конкретно программное обеспечение, за исключением того факта, что Focus был и, возможно, до сих пор является поставщиком Escription при покупке и, безусловно, дал Диктафону возможность взглянуть на это программное обеспечение в качестве поставщика! Есть здесь сотрудники Focus Informatics? Я только начал прошлой ночью, и у меня есть вопрос о платформе. Вам требуется много времени, чтобы загрузить задания, а также F8, чтобы открыть программное обеспечение для аудита? Мне интересно, это мой компьютер или платформа. Я не собираюсь много редактировать из-за того, насколько медленная программа. Спасибо! Будем признательны за любую информацию о Focus Informatics… Спасибо! нм хх Компания Focus Informatics, Inc. Кто там работает, расскажите, пожалуйста, как дела. нм : Focus Informatics QC/Editor, есть какая-нибудь информация о том, что это влечет за собой??? Спасибо. нм Не все положительные, но и не все отрицательные.. По крайней мере, я остался занят с ними, а не сидел сложа руки в ожидании работы, как сейчас. Любые мнения о QMedEt, положительные или отрицательные? —nm хх Со всеми отрицательными постами в ответ на положительный, я удивлен, что кто-то что-то публикует здесь. Я не работаю на Keystrokes, но мне нравится видеть, что там есть, и преимущества, которые они предлагают, в сочетании с приличной скоростью линии и постоянной рабочей нагрузкой, лучше, чем у большинства, которые я видел. Прошли времена полностью оплачиваемых пенсионных планов. Прошли дни трехнедельного отпуска. Работодатели не могут себе этого позволить, и не только в транскрипции. Если вам что-то не интересно или не нравится, просто проигнорируйте сообщение. Вам явно было интересно, иначе вы бы не читали. Можем ли мы сократить количество неприятных сообщений на этой доске? Если вас это не касается, не критикуйте. Если вы не ищете новую должность, не ропщите на предложенную. Если вы ищете, а линейные тарифы, преимущества или привилегии компании не соответствуют вашим личным требованиям, зачем сокращать эту компанию? Просто двигайтесь дальше и удачи в поиске того, что вы ищете. Я согласен с плакатом о том, что злюсь на всю индустрию, но мне все равно нравится мой выбор профессии. Это было хорошо для меня и позволило мне вести хороший образ жизни. Если бы я не был счастлив, я бы занялся другой карьерой. На этой доске следует помнить, что негативных людей больше, чем позитивных, чем pos Причина в том, что у многих MT был плохой опыт ВЕЗДЕ, куда бы они ни пошли, если вы понимаете, что я имею в виду. Затем они снова и снова ругают самую последнюю компанию. Кажется, что одни и те же люди работали везде и могут сказать что-то плохое о каждой компании. Принимайте все с недоверием. Это доска сплетен. Единственными, кто верит в негатив, являются те, кто не платит или не возвращает свои чеки по заработной плате. Остальные? Что ж, большинство из них — достойные компании, которые могут подойти не всем. Между всеми более крупными нет большой разницы, за исключением того, отправляют ли они работу за границу или нет. В остальном ставки аналогичны, льготы аналогичны, рабочая нагрузка аналогична. Есть ли у кого-нибудь положительный опыт использования Focus Infomatics? {{{ Ацетера раньше была Фокусом и тут много негативных постов с Пытаться быть менее негативным? Здесь только негатив. Это удручающее начало дня, но нм Сосредоточься, сосредоточься, сосредоточься на своей работе. Удивительно, что ты можешь сделать! нм Икс Ну-у меня нет ничего положительного чтобы сказать о моем опыте, так что я думаю, я заткнусь!! Положительный для меня н/м Хоть что-то позитивное вышел из этого! 🙂 Не положительно, но думаю . . . см плакат имел в виду 1000 долларов в месяц. поскольку это была первоначальная сумма, о которой идет речь. В основном положительный Это очень отличается от медицинской транскрипции, и оплата низкая, а первый платеж задерживается, * но *, если вы хотите узнать что-то другое и готовы справиться с кривой обучения, это нормально. Мне нравится перерыв от медицины и вызов… Однако я бы *не* клал все яйца (или даже большую их часть) в эту корзину. Если/пока вы не овладеете этим типом транскрипции, вы, вероятно, будете голодать. И даже если положительный Даже если вы дадите положительный ответ на что-либо, кто-то на линии собьет вас с ног, чего бы это ни стоило. Иногда просто не стоит. Прочитайте комментарии, которые, я думаю, чего бы они ни стоили. Кто-нибудь может сказать что-нибудь положительное о…..см Софтскрипт? Я хотел бы знать, что делает их нежелательной компанией для работы, поскольку мне кажется, что все в порядке. Это их плата? Что это? ТИА Будьте немного позитивнее. Я тоже хочу, чтобы этот сайт был более позитивным. Я имею в виду, я понимаю, что нам всем иногда нужно выговориться, но возьмите себя в руки!!! В каждой профессии есть плюсы и минусы. Если вы действительно терпеть не можете этого делать, подумайте о том, чтобы найти новую работу или начать новую карьеру. Есть еще транскрипционисты, которым нравится заниматься этим видом работы. Для тех из вас, кто так недоволен своей работой, вы собираетесь отказываться от своей зарплаты, когда получаете ее? Положительный Моя дочь проработала у них пару лет и по большей части была счастлива там. Они (как и многие компании сейчас) строго придерживаются расписания, но это не так уж и плохо. Она никогда не теряла работу и получала поддержку от компании, когда ей это было нужно (хорошо, пока ей не понадобился отпуск, и они сказали, что не могут ее пощадить, и поэтому она ушла). Не могли бы вы написать мне по электронной почте? Нет отрицательного sm Так хорошо. Отправьте ее в Эндрюс, она может получить приличное образование за свои деньги. Почему все такие негативные? Жизнь слишком коротка, чтобы жаловаться. Просто молитесь об этом, и все получится так, как должно. отрицательный кто-нибудь когда-либо положительный на этой доске. Вы должны сделать свои собственные выводы. Вы должны искать номер один, себя. Отрицательный Внимательно прочитайте договор — вы несете ответственность за покрытие согласованной смены, если по какой-либо причине вы не можете работать самостоятельно. Кажется, что они действительно просто передают работу другим предприятиям, что, я думаю, нормально, но не очень практично для отдельного IC. Возможно, они изменили контракт, но когда я спросил об этом и паре других пунктов, связь прекратилась. не то чтобы она сказала что-то негативное — см они должны доказать, что контент стоил им денег. и у нас есть право высказать свое мнение, несмотря ни на что. нравится или нет. Итак? Быть позитивным — это плохо? Может быть, этот человек первый, кто скажет: «Я могу помочь?» Может быть, она пришла из компании, где у нее была худшая учетная запись, а теперь у нее самая лучшая учетная запись, какую только можно вообразить (это случилось со мной — я обожаю свою учетную запись в Transcend!) Может быть, она общается с отделом контроля качества, а не с позиции «они хотят меня достать». Возможно, она больше заботится о созидании, чем о разрушении. Может быть, она просто одна из тех людей, которые извлекают максимум из любой ситуации. Если бы я был менеджером, такой человек точно был бы в числе моих любимых. Наверное, я могу сказать, что без сомнения, ты не был бы в моем списке «любимых», даже если бы никогда не встретил тебя. Сферис положительный Я был там чуть больше месяца, и пока мне это очень нравится. У меня было 6 лет с MQ, и не многие из них были счастливы. Надеюсь, это мой новый «дом». Положительный Сферис Работаем с EDIX/Spheris уже пять лет и до сих пор довольны! Это не идеально, но у меня отличный руководитель, я зарабатываю хорошие деньги, и мои часы — это то, что я хочу! Думаю, мы все ищем что-то другое в компаниях. Можете написать мне, если хотите. Положительно для меня и я согласен… это зависит от руководителя/учетной записи. Некоторое время у меня было много напряжения, но с тех пор, как появился новый супер, я был очень, очень позитивным. У меня был положительный опыт Полностью согласен с cjs. Недавно у меня были другие причины бросить их. У меня положительный опыт работы с OSi Я был с OSi, наверное, 6-7 лет. Господи, я так занят, что не могу вспомнить. Мне очень хорошо платят за мою должность. Я поднялся из рядов, и это не заняло много времени, потому что моей целью было стать супервайзером. Я никогда раньше не был менеджером, поэтому я учусь на ходу, но мне все в этом нравится — чувствовать, что на меня смотрят, и что я могу подать пример и чему-то научить. Это цель, которую я придумал с некоторыми хорошими идеями, которых раньше не было. У всех компаний есть пути, которые они должны пройти, поэтому у нас может никогда не быть совершенства, поэтому мы будем надеяться на лучшее. Мне очень нравится работать с новыми девушками, за которыми будущее, но мы по-прежнему ценим наших женщин старшего и среднего возраста, которые сильны и отлично работают. Просто чтобы вы знали, что вы не забыты. Акции предназначены для всех, а не только для новичков, они дают им дополнительный шаг и помогают им быть сильными в будущем. Это делает их взволнованными, что они были продвинуты. Один положительный — платите вовремя. см Оплата низкая. Мне дали работу, из-за которой мой рабочий день растянулся на 15 часов, а денег было мало. Выгоревший и измученный к тому времени, когда я перестал там работать. Хозяйка известна тем, что дает много обещаний и не выполняет их, а ее мучительные рутины, как только вы замечаете, как трудно строить линии. Они постоянно звонят и обмениваются мгновенными сообщениями о том, что должен делать клерк. С тех пор, как я уехал, я слышал, что она отдает часть своих работ индейцам. О положительном отзыве В соответствии с политикой компании сотрудники отдела контроля качества DSG никогда не отправляют отзывы МТ. Вся обратная связь исходит от руководства. Не бывает положительной обратной связи. В редких случаях вы будете получать некоторую информацию о контроле качества, никогда не о хорошо выполненной работе и часто противоречащую предыдущим служебным запискам, электронным письмам или даже другим прямым отзывам. Единственный способ получить какой-либо ответ — это поднять трубку телефона, не полагаться на электронные письма и позвонить руководству высшего уровня. Положительный отзыв??? В DSG вы не получаете прямой обратной связи от специалистов по контролю качества. Вы всегда получаете обратную связь только от руководства. У меня никогда не было хорошей работы или каких-либо положительных отзывов. Все, что у меня когда-либо было, — это конкретная информация о спецификациях аккаунта, а они меняются с ветром. На некоторых аккаунтах спецификации меняются так часто, что трудно уследить за происходящим. Кроме того, обратная связь очень редка, или вам могут сказать о чем-то, что вы делали месяцами, а сейчас это неправильно. Позитивное мышление Я позитивный человек во всем, за исключением случаев, когда речь идет о моей работе и этой отрасли. Большинство людей в этой отрасли, которые меня окружают, такие же. Минниеха, может быть, вы могли бы поделиться с нами названием компании, в которой вы работаете, которое скорее положительное, чем отрицательное? Я искал подходящую кандидатуру последние 2 года, и каждый работодатель хуже предыдущего. Спасибо за информацию. Мишель Могу сказать только хорошее о летописных расшифровках. Если вы рассматриваете позицию в этой компании, я бы, конечно, не колебался. ничего хорошего предложить будучи бывшим сотрудником, который также прошел через то же самое, что вы видите здесь. Пока КАЖДОЕ сообщение очень положительное Все идет нормально. IC сейчас только в Канде… Я почти уверен. Я работаю неполный рабочий день на гибкой основе и должен производить 2000 строк в неделю. Я дал своему PS расписание, но в последнее время со всеми предлагаемыми бонусами я был повсюду со своими часами. Она не жалуется, так как мои счета вне ТАТ. Я получу право на ежеквартальный бонус, если буду расшифровывать свои 2000 строк в неделю, а количество отработанных часов не имеет значения. Мой PS отличный. Я не получаю много жалоб, если я не работаю по своему графику до тройника, так как я гибкий. Она знает, что может рассчитывать на меня, если работа затянется. Кроме того, максимальное количество строк в неделю, которые вы можете ввести, не ограничено. Обычно я расшифровываю 6000 записей в неделю, но мне нравится гибкий статус PT. Надеюсь, это поможет. Да, позитив силен!! Согласна, здорово для вас! и отлично подходит для Diskriter. По какой-то причине здесь так легко бросить эти компании, так же легко должно быть и говорить о них положительно, когда представится случай (без стольких предположений). Так много людей ищут хорошую компанию для работы, я постоянно вижу здесь сообщения со ссылками на хорошую компанию, но не так много положительных ответов. Я думаю, это здорово услышать что-то хорошее о компании и ОЧЕНЬ обнадеживает!! Большое спасибо за ваш пост и ничего негативного я в нем НЕ ПРЕДПОЛАГАЮ. Diskriter постоянно публикует сообщения о ней. Какой добрый способ сказать им спасибо, говоря о них хорошее другим! Да благословит вас Господь и пусть Новый год принесет много позитивных сообщений на этот сайт и позитивных мыслей тем, кто читает!! МБС — на позитивной ноте. см Работаю с ******* почти год. Она всегда была приятная, отзывчивая, платит вовремя — один раз даже переплатила мне. Мой опыт очень положительный Только начал, но первая зарплата вовремя и правильно, руководство в целом очень отзывчивое, и на данный момент у меня нет реальных жалоб. Кстати: если бы мои письма о поддержке регулярно игнорировались или на них не отвечали, я бы *звонил* им и сообщал, что это проблема. Вы наверняка получите лучший ответ, позвонив и поговорив с сотрудником, чем просто рассказать об этом на доске, которая не может решить проблему (ы).

Swiss Medical Informatics — неявная отрицательная обратная связь при поиске клинической информации

Кун Лоренц, Эйкхофф Карстен

Пожалуйста, найдите принадлежность к этой статье в формате PDF.

Резюме

В этой статье мы размышляем о способах повышения точности поиска медицинской информации за счет получения неявной отрицательной обратной связи от отрицания информации в зашумленных поисковых запросах на естественном языке. Мы начнем с изучения степени, в которой отрицания встречаются в клинических текстах, и количественной оценки их пагубного влияния на эффективность поиска. Затем мы представляем подходы к переформулировке и ранжированию запросов, которые устраняют эти недостатки, устраняя отрицания на естественном языке. Наши экспериментальные результаты основаны на данных, собранных в ходе TREC Clinical Decision Support Track, и демонстрируют постоянные улучшения по сравнению с самыми современными методами. Для запросов, в которых чрезмерно используются отрицания, мы смогли добиться относительного улучшения ранней точности до 300 %.

Введение

Будь то поиск подходящего теста, постановка диагноза или предложение лечения, принятие клинического решения является сложной задачей. Поиск актуальной информации о широком спектре проблем со здоровьем, с которыми врачи сталкиваются ежедневно, является трудным и требует много времени. В результате экспоненциального увеличения количества ежегодно публикуемых исследовательских статей ручное определение наиболее важных и релевантных текстов стало сложной задачей.

Современные модели поиска, применяемые к параметрам поддержки принятия клинических решений, полагаются на полнотекстовые указатели биомедицинской литературы и используют текстовое содержимое истории болезни для построения запросов. Эти модели были разработаны с учетом взаимодействия при поиске по ключевым словам, но описания медицинских случаев поддерживаются на естественном языке, что приводит к значительно более длинным запросам, чем те, к которым мы привыкли в настройках веб-поиска. В нашем примере средняя длина запроса после удаления стоп-слов составила 55,7 слова.

Помимо своей простой длины, отрицания представляют собой особенно сложный аспект запросов на естественном языке. Рассмотрим следующий пример, взятый из Темы 1 трека поддержки принятия клинических решений TREC 2014: «Она отрицает курение, диабет, гиперхолестеринемию или семейный анамнез сердечных заболеваний». Практикующий врач закодировал явное знание об отсутствии или недействительности ряда условий или результатов, но наша модель поиска на основе терминов легко использует весь отрицательный отрывок в качестве терминов запроса. Это неуместное использование тщательно подобранного клинического повествования приводит к измеримым потерям в эффективности поиска. Мы количественно оценили этот эффект, сравнив два набора отчетов о клинических случаях TREC 2014: те, которые не содержат отрицаний D+ (14 отчетов), и те, которые содержат хотя бы некоторую отрицательную информацию D- (16 отчетов). Мы обнаружили явное негативное влияние наличия терминов с отрицанием на результаты поиска. Как нормализованный дисконтированный кумулятивный прирост (nDCG; улучшение на 25%), так и P@10 (90,6% улучшение) были значительно выше для D+, чем для D-.

Это наблюдение не ограничивается только небольшими академическими коллекциями, такими как корпус TREC, но также применимо к реальной клинической среде. Чепмен и др. [3] обнаружили, что от 39% до 83% всех клинических наблюдений описываются в отрицательной форме.

В этой статье мы эмпирически сравниваем современные методы фильтрации запросов, а также новые адаптивные к запросам модели поиска, которые активно используют термины с отрицанием в качестве отрицательной обратной связи по релевантности. Наше исследование было основано на суждениях о корпусе и релевантности TREC 2014 Clinical Decision Support Track и подчеркивает достоинства предложенного метода.

Фон

Это исследование основано на предыдущих результатах как автоматического обнаружения отрицания при обработке естественного языка, так и отрицательной обратной связи по релевантности для моделей поиска. В следующих параграфах кратко излагаются наиболее актуальные разработки в обеих областях.

Рокач и др. [7] предоставили обширный обзор методов распознавания отрицания для медицинских нарративных отчетов. Предыдущую работу можно разделить на подходы, основанные на инженерии знаний и машинном обучении. Мы обсудим один репрезентативный пример для каждой категории. Чепмен и др. [4] предложили NegEx, основанный на регулярных выражениях алгоритм для обнаружения отрицательных результатов в рентгенологических отчетах. Тестируя этот алгоритм на 1235 диагнозах и заболеваниях в 1000 предложениях, взятых из выписных справок, NegEx достиг специфичности 94,5% и чувствительностью 77,8%. В качестве примера детекторов отрицания с машинным обучением Agrawal et al. [1] представили условную модель случайного поля, предназначенную для обнаружения сигналов отрицания и соответствующих им масштабов. Модель обучалась на общедоступном корпусе BioScope [8]. Этот подход превзошел NegEx с оценкой F1 98 % для обнаружения сигналов и 95 % для обнаружения прицелов.

Область информационного поиска имеет давний опыт использования обратной связи (псевдо) релевантности в процессе поиска [6]. Однако было показано, что использование явной нерелевантной информации труднее включить. Ван и др. [9] исследовал различные методы повышения точности поиска для сложных поисковых запросов, используя отрицательную обратную связь. Их работа охватывала как языковые модели, так и модели векторного пространства, а также ряд эвристик для отрицательной обратной связи. В стратегии Score Combination положительное представление запроса Q и отрицательное представление запроса Q _neg поддерживались отдельно. Оценки для данного документа были рассчитаны для обоих представлений запроса, а затем объединены для получения окончательного результата.

Предыдущие подходы к использованию отрицаний в поиске медицинской информации были сосредоточены на полном удалении отрицательных терминов. Авербух и др. [2] смогли улучшить показатели F в среднем на 8,28%, удалив отрицательные термины UMLS из запросов. Несмотря на то, что было показано, что этот подход улучшает результаты поиска, большая часть информации полностью теряется при фильтрации отрицательных терминов из запроса. Далее мы предлагаем способ явного использования такой инвертированной информации для повышения производительности поиска.

Таблица 1: Сравнение методов, все темы.
	P@10	nDCG	infAP	RPrec
Baseline	0. 32	0.3328	0.1002	0.1660
Negation filtering	0,3233	0,3314	0,1003	0,1656
Комбинация баллов	0,3300	0,3335	0,1007	0,1676

Table 2: Comparison of methods, Topic 1.
	P@10	nDCG	infAP	RPrec
Baseline	0.1	0,2664	0,0382	0,1341
Negation filtering	0.3	0. 2252	0.0359	0.1341
Score combination	0.4	0.2805	0.0499	0.1341

Тематическое исследование

Общая настройка

Наше эмпирическое исследование основано на коллекции документов TREC 2014 Clinical Decision Support (CDS). Корпус состоит из подмножества открытого доступа PubMed Central, онлайн-хранилища биомедицинской литературы, а также ряда искусственных, идеализированных отчетов о медицинских случаях, созданных экспертами Национальной медицинской библиотеки США. В соответствии с рекомендациями трека, в наших поисковых экспериментах в качестве запросов использовались полные текстовые описания этих отчетов.

Коллекция документов была проиндексирована с помощью Apache Lucene с настройками по умолчанию. После проверки широкого метода и развертки параметров мы полагались на модель извлечения данных Okapi BM25 [5], которая давала стабильно хорошие результаты.

Для наших запросов мы извлекли описание предоставленных тем. Мы применили нижний регистр и удалили стоп-слова. Далее мы будем использовать три разные версии запросов:

– Полное описание (вопрос _полный )

– Описание, из которого были удалены все отрицательные подпредложения (Q _pos )

– Отрицательные подпредложения (Q _neg )

В качестве доказательства концепции отрицания и их области действия изначально были аннотированы вручную. Эмпирическое сравнение с NegEx [4] показало лишь незначительные различия, которые не оказали заметного влияния на производительность поиска.

Методы

Фильтрация

Традиционный способ обращения к отрицаниям в запросах на естественном языке, исследованный в [2], просто удаляет отрицательные подпредложения из запроса. Оценка для документа D и запроса Q рассчитывается как:

S(Q, D) = S(Q _поз. , D)

где S(Q, D) — оценка BM25 документа D для запроса Q.

Комбинация очков

Хотя фильтрующий подход к обработке отрицания показал себя на практике хорошо, интуиция подсказывает, что явное использование информации, содержащейся в отрицании, должно быть полезным. С этой целью мы полагались на метод комбинирования баллов Wang et al. [9], который вычисляет показатель релевантности для запроса Q и документа D следующим образом:

S _вместе (Q, D) = S(Q _полный , D) — β • S(Q _{отрицательный} , D)

Мы адаптировали этот метод к нашим потребностям, создав Q _neg из отрицательных терминов запроса вместо использования отрицательных примеров документов. Мы обозначили количество терминов в текущем запросе как n _полных и количество отрицательных терминов как n _{отрицательных} . Чтобы не придавать слишком большого значения отрицательным терминам, если они встречаются нечасто, мы устанавливаем β следующим эмпирически определенным образом:

β = 2,5 * (n _{отрицательный} /n _полный ), если (n _{отрицательный} / n _полный ) > 0,25, иначе β = 0

Поскольку количество и объем отрицательных фраз среди предоставленных запросов были относительно низкими (в среднем 3,97 слова на запрос из 56 терминов), влияние как фильтрации отрицания, так и комбинации оценок ограничено. Тем не менее, наш метод не только постоянно превосходил базовый уровень, но и улучшал установленную стратегию фильтрации отрицания по всем рассматриваемым показателям (см. Таблицу 1).

При рассмотрении тех тем, которые содержат значительное количество отрицаемой информации (например, тема 1, в которой 30% всех терминов встречаются в отрицательном контексте), оба метода значительно улучшают P@10. В тех случаях, когда отрицательная фильтрация обеспечивает относительное улучшение на 200 %, предлагаемый нами метод комбинирования показателей дает еще более выраженный прирост до 300 % относительного улучшения (см. таблицу 2). Кроме того, в то время как фильтрация отрицания пагубно влияла на nDCG и infAP, комбинация оценок превзошла базовый уровень в обоих этих аспектах, оставив без изменений запросы с ограниченной степенью отрицания информации.

Ограничения

Ясно, что интерпретация представленных здесь результатов ограничена небольшим размером выборки, а также относительной краткостью описаний случаев. Рассказы о реальных медицинских случаях часто занимают несколько страниц или томов, поскольку история пациента разворачивается на протяжении многих лет лечения. Наблюдаемое преимущество использования методов отрицательной обратной связи трудно оценить на искусственно созданных корпусах, и может потребоваться исследование более значительных реальных коллекций.

Вывод

Использование негативной информации имеет решающее значение для поиска документов в клиническом контексте. В этой статье мы изложили, как можно использовать выходные данные автоматического обнаружения отрицания, активно игнорируя документы, содержащие отрицательные термины запроса. Наше тематическое исследование показывает, что этот подход является более многообещающим, чем специальное удаление терминов с отрицанием. Эмпирические результаты показывают небольшое, но постоянное улучшение по всем запросам, а также больший прирост качества для тех тем, которые чаще содержат отрицания.

Есть несколько интересных исследовательских вопросов, которые мы стремимся решить в будущем.

1. В этой работе изучалась небольшая академическая выборка тщательно подобранных искусственных историй болезни. В будущем обязательно будет исследовать возможность обобщения наших результатов для реальных коллекций значительного размера.

2. Точно так же мы стремимся исследовать влияние выхода за пределы изучаемых в настоящее время кратких и искусственных историй болезни пациентов на более длинные клинические нарративы.

3. Наконец, в будущем адаптивный выбор β должен учитывать реальную важность инвертированных терминов, а не только их относительную длину.

Заявление о раскрытии информации

О потенциальном конфликте интересов, имеющем отношение к этой статье, не сообщалось.

Переписка

Для переписки:

Д-р Карстен Эйкхофф
Департамент информатики
der ETH Zürich
Universitätsstrasse 6
CH-8092 Zürich
ecarste[at]inf.ethz.ch

использованная литература

1 Агарвал С., Ю. Х. Обнаружение области биомедицинского отрицания с помощью условных случайных полей. J Am Med Inform Assoc. 2010;17(6):696–701.

2 Ауэрбух М., Карсон Т.Х., Бен-Ами Б., Маймон О., Рокач Л. Контекстно-зависимый поиск медицинской информации. Stud Health Technol Inform. 2004; 107 (часть 1): 282–6. пабмед

3 Чепмен В.В., Брайдуэлл В., Хэнбери П., Купер Г.Ф., Бьюкенен Б.Г. Оценка фраз отрицания в повествовательных клинических отчетах. В материалах симпозиума AMIA, стр. 105. Американская ассоциация медицинской информатики, 2001 г.

4 Чепмен В.В., Брайдуэлл В., Хэнбери П., Купер Г.Ф., Бьюкенен Б.Г. Простой алгоритм выявления отрицательных результатов и заболеваний в выписных сводках. Дж. Биомед Информ. 2001;34(5):301–10.

5 Робертсон С.Е., Уокер С., Джонс С., Хэнкок-Болье М.М., Гэтфорд М. и др. Окапи на треке-3. Специальное издание Nist Sp. 1995;109:109.

6 Роккио Джей Джей. Релевантная обратная связь в информационном поиске. 1971. с. 313–823.

7 Рокач Л. , Романо Р., Маймон О. Распознавание отрицания в медицинских отчетах. Инф Поиск. 2008;11(6):499–538.

8 Винче В., Сарваш Г., Фаркаш Р., Мора Г., Цирик Дж. Корпус BioScope: биомедицинские тексты, аннотированные на предмет неопределенности, отрицания и их объемов. Биоинформатика BMC. 2008;9(11, Приложение 11):S9.

9 Wang X, Fang H, Zhai C. Изучение методов отрицательной обратной связи по релевантности. В материалах 31-й ежегодной международной конференции ACM SIGIR по исследованиям и разработкам в области информационного поиска, стр. 219–226. АКМ, 2008.

Авторское право

Опубликовано в соответствии с лицензией на авторское право
«Атрибуция — Некоммерческое использование — Без производных 4.0».
Запрещено повторное использование в коммерческих целях без разрешения.
См.: emh.ch/en/emh/rights-and-licences/

Применение методов обработки естественного языка и машинного обучения для обратной связи с пациентами: систематический обзор

Текст статьи

Меню статьи

• Статья
  Текст
• Артикул
  инфо
• Цитата
  Инструменты
• Поделиться
• Быстрое реагирование
• Артикул
  метрика
• Оповещения

PDF

Оригинальное исследование

Применение методов обработки естественного языка и машинного обучения для обратной связи с пациентами: систематический обзор

Келси Флотт1,

Ара Дарзи3 и

Эрик Майер1

1. ¹ Центр трансляционных исследований безопасности пациентов, Имперский колледж науки, технологий и медицины, Лондон, Великобритания
2. ² Отдел больших данных и анализа, Имперский колледж научных технологий и медицины, Лондон, Великобритания
3. ³ Институт глобальных инноваций в области здравоохранения, Имперский колледж научных технологий и медицины, Лондон, Великобритания

1. Переписка с Мустафой Ханбхаем; m. khanbhai{at}imperial.ac.uk

Abstract

Цели Неструктурированные отзывы пациентов в произвольном тексте содержат обширную информацию, и анализ этих данных вручную потребует большого количества кадровых ресурсов, которых нет в большинстве медицинских организаций. .Провести систематический обзор литературы по использованию обработки естественного языка (NLP) и машинного обучения (ML) для обработки и анализа данных об опыте пациентов в свободном тексте.

Методы Был проведен систематический поиск в базах данных для выявления статей, опубликованных в период с января 2000 г. по декабрь 2019 г., посвященных изучению НЛП для анализа отзывов пациентов в свободном тексте. Из-за неоднородного характера исследований наиболее подходящим было сочтено нарративное обобщение. Были записаны данные, относящиеся к цели исследования, корпусу, методологии, показателям эффективности и показателям качества.

Результаты Включено 19 статей. В большинстве (80%) исследований применялись методы языкового анализа отзывов пациентов из социальных сетей (незапрошенные), за которыми следовали структурированные опросы (запрошенные). Часто использовалось контролируемое обучение (n=9), за которыми следуют неконтролируемые (n = 6) и полуконтролируемые (n = 3). Комментарии, извлеченные из социальных сетей, были проанализированы с использованием неконтролируемого подхода, а текстовые комментарии, содержащиеся в структурированных опросах, были проанализированы с использованием контролируемого подхода. Сообщаемые показатели производительности включали точность, полноту и F-меру, при этом машина опорных векторов и наивный байесовский метод были наиболее эффективными классификаторами ML.

Заключение НЛП и МО стали важными инструментами для обработки неструктурированного свободного текста. И контролируемый, и неконтролируемый подходы играют свою роль в зависимости от источника данных. С развитием инструментов анализа данных эти методы могут быть полезны организациям здравоохранения для получения информации из объемов неструктурированных данных в произвольном формате.

• Информатика здравоохранения BMJ
• Компьютерные методики
• Управление информацией
• Уход за пациентами

http://creativecommons.org/licenses/by-nc/4.0/

Это в открытом доступе Некоммерческая лицензия Creative Commons Attribution (CC BY-NC 4.0), которая позволяет другим распространять, ремикшировать, адаптировать, использовать эту работу в некоммерческих целях и лицензировать свои производные работы на других условиях, при условии, что оригинальная работа правильно цитируется, уместно даны кредиты, указаны любые внесенные изменения, и использование является некоммерческим. См.: http://creativecommons.org/licenses/by-nc/4.0/.

http://dx.doi.org/10.1136/bmjhci-2020-100262

Статистика с сайта Altmetric.com

Запрос разрешений

направит вас к службе RightsLink Центра защиты авторских прав. Вы сможете получить быструю цену и мгновенное разрешение на повторное использование контента различными способами.

• Информатика здравоохранения BMJ
• компьютерные методики
• управление информацией
• уход за больными

Резюме

Что уже известно?

• Способность анализировать и интерпретировать отзывы пациентов в виде свободного текста недостаточна из-за ресурсоемкости, необходимой для ручного извлечения важной информации.

• Полуавтоматический процесс быстрой идентификации и категоризации комментариев из ответов с произвольным текстом может преодолеть некоторые из возникающих барьеров, и это доказало свою эффективность в других отраслях.

Что добавляет этот документ?

• Обработка естественного языка и машинное обучение (ML) стали важными инструментами для обработки неструктурированного свободного текста на основе отзывов пациентов.

• Комментарии, извлеченные из социальных сетей, обычно анализировались с использованием неконтролируемого подхода, а текстовые комментарии, содержащиеся в структурированных опросах, анализировались с использованием контролируемого подхода.

• Медицинские организации могут использовать различные подходы к машинному обучению в зависимости от источника данных об опыте пациентов в виде произвольного текста, то есть запрошенных или незапрошенных (социальные сети), чтобы получить представление об опыте пациентов практически в реальном времени.

Исходная информация

За последнее десятилетие были предприняты новые усилия, направленные на изучение опыта пациентов, демонстрирующие важность учета мнений и потребностей пациентов при оказании помощи.1 2 Поскольку поставщики медицинских услуг продолжают ориентироваться на пациента, Крайне важно, чтобы заинтересованные стороны могли измерять, сообщать и улучшать опыт пациентов, находящихся на их попечении. Политический дискурс перешел от интереса к отзывам пациентов к фактическому сбору и использованию результатов для улучшения качества (QI).

В Национальной службе здравоохранения Англии (NHS), США и многих европейских системах здравоохранения данные об опыте пациентов имеются в изобилии и находятся в открытом доступе. 3 использовать службы NHS, чтобы оставить отзыв о своем опыте.5 Пользователям предлагается оценить услуги или впечатления по числовой шкале, такой как шкала Лайкерта. В дополнение к количественным показателям опросы опыта, такие как БПФ, также включают качественные данные в форме рассказов пациентов. Имеющиеся данные свидетельствуют о том, что, когда персоналу представляют как рассказы пациентов, так и количественные данные, они, как правило, уделяют больше внимания рассказам6. это может помочь контекстуализировать ответы на структурированные вопросы. Эти комментарии в свободном тексте могут быть особенно ценными, если они сообщаются и анализируются с той же научной строгостью, которая уже присуща закрытым вопросам9.10 Однако этот процесс ограничен человеческими ресурсами и отсутствием систематического способа извлечения полезной информации из комментариев пациентов в произвольном порядке для облегчения контроля качества.11 12

Обработка естественного языка (NLP) и машинное обучение (ML)

Потенциальным решением для смягчения ограничений ресурсов качественного анализа является НЛП. НЛП в настоящее время является наиболее широко используемой аналитической техникой «больших данных» в здравоохранении13 и определяется как «любой компьютерный алгоритм, который обрабатывает, дополняет и преобразует естественный язык, чтобы его можно было представить для вычислений».14 НЛП используется для извлекать информацию (т. е. преобразовывать неструктурированный текст в структурированную форму), выполнять синтаксическую обработку (например, токенизацию), фиксировать значение (т. е. приписывать понятие слову или группе слов) и определять отношения (т. е. приписывать отношения между понятиями) из свободного текста на естественном языке за счет использования определенных языковых правил и соответствующих знаний предметной области.14–16 Что касается текстовой аналитики, термин ML относится к применению комбинации статистических вычислительные задачи,17 включая обнаружение шаблонов, включая настроения, объекты, части речи и другие явления в тексте.18

Анализ текста

Тематический или текстовый анализ — это метод, используемый для анализа больших объемов неструктурированных данных, и на выходе выявляются основные темы каждого текста. основные подходы, контролируемый и неконтролируемый.21 Разница между этими двумя основными классами заключается в наличии меток в подмножестве обучающих данных.22 Контролируемое машинное обучение включает в себя предопределенный выходной атрибут помимо использования входных атрибутов.23 Алгоритмы пытаются предсказать и классифицировать заранее определенные атрибут, а их точность и неправильная классификация наряду с другими показателями эффективности зависят от подсчета заранее определенного атрибута, правильно предсказанного или классифицированного или иным образом.22 В здравоохранении Doing-Harris et al 24 определили наиболее распространенные темы в комментариях пациентов в свободном тексте, собираемых службами здравоохранения, путем разработки автоматических классификаторов тем с использованием контролируемого подхода. И наоборот, неконтролируемое обучение включает распознавание образов без участия целевого атрибута.22 Неконтролируемые алгоритмы идентифицируют присущие группы в неразмеченных данных и впоследствии присваивают метку каждому значению данных. 25 Темы в тексте могут быть обнаружены с помощью моделей тематического анализа, просто путем подсчета слова и группировать похожие слова. Помимо выявления наиболее часто обсуждаемых тем в заданном повествовании, тематическая модель может использоваться для получения новых идей в свободном тексте.26 В других исследованиях данные об опыте пациентов извлекались из комментариев из социальных сетей для выявления тем с использованием неконтролируемого подхода.27,28

Анализ настроений

Анализ настроений, также известный как анализ мнений, помогает определить эмоциональный контекст в текстовых данных29. он использует шаблоны среди слов, чтобы классифицировать комментарий как жалобу или похвалу. Этот автоматизированный процесс приносит пользу организациям здравоохранения, поскольку дает быстрые результаты по сравнению с ручным подходом и в основном свободен от человеческой предвзятости, однако надежность зависит от используемого метода. ) за 2-летний период.27 34 Они обнаружили четкое соответствие между количественным онлайн-рейтингом поставщиков медицинских услуг и анализом настроений с использованием их индивидуального автоматизированного подхода.

НЛП и обратная связь с пациентами

Опыт пациентов в основном передается на естественном языке и в повествовательном свободном тексте. Большинство медицинских организаций хранят большие наборы данных об опыте пациентов. В английской NHS было собрано почти 30 миллионов отзывов, и их общее количество увеличивается более чем на миллион в месяц, что, по данным NHS England, является «самым большим источником мнений пациентов в мире»5. Анализ этих данных вручную потребовал бы большое количество кадровых ресурсов, которых нет в большинстве организаций здравоохранения.5 35 Рассказы пациентов содержат множество чувств и могут касаться более чем одного аспекта ухода; поэтому извлекать информацию из таких комментариев сложно.36 Появление NLP и ML делает гораздо более реальным анализ этих данных и может предоставить полезную информацию и дополнить структурированные данные из опросов и других показателей качества.37 38

За пределами организации здравоохранения существует множество отзывов пациентов в социальных сетях, таких как Facebook, Twitter, а в Великобритании — в NHS Choices and Care Opinion и других сетях пациентов. Этот тип обратной связи дает информацию о нетрадиционных показателях, подчеркивая, что пациенты действительно ценят в своем опыте, предлагая нюансы, которых часто не хватает в структурированных опросах. 33 34 демонстрируя в принципе полезность анализа настроений для опыта пациента. Похоже, существует желание изучить возможности, предлагаемые НЛП и МО в организациях здравоохранения, чтобы превратить данные об опыте пациентов в понимание, которое может способствовать оказанию помощи.40 41 Однако медицинские службы должны знать, какую методологию НЛП использовать в зависимости от источник отзывов об опыте пациентов.5 На сегодняшний день не было опубликовано ни одного систематического обзора, связанного с автоматическим извлечением информации из отзывов об опыте пациентов с использованием НЛП. В этой статье мы стремились проанализировать литературу и сообщить о состоянии науки об использовании НЛП и МО для обработки и анализа информации из отзывов пациентов об опыте в свободном тексте.

Целью данного исследования является систематический обзор литературы по использованию NLP и ML для обработки и анализа данных об опыте пациентов в произвольном тексте. Задачи заключались в описании: (1) цели и источника данных; (2) извлечение информации (тема опыта пациента) и анализ настроений; (3) методология НЛП и показатели эффективности и (4) оценка исследований по показателям качества.

Методы

Стратегия поиска

Поиск в следующих базах данных проводился с января 2000 г. по декабрь 2019 г.; MEDLINE, EMBASE, PsycINFO, Кокрановская библиотека (Кокрановская база данных систематических обзоров, Кокрановский центральный регистр контролируемых испытаний, Кокрановский методологический регистр), Глобальное здравоохранение, Информационный консорциум по управлению здравоохранением, CINAHL и Web of Science. Серая литература и Google Scholar использовались для извлечения статей, которые не были найдены в поисковых базах данных. Из-за разнообразия терминов, используемых для обозначения опыта пациента, использовались комбинации поисковых терминов. Условия поиска, взятые из словаря медицинских предметных рубрик (Национальная медицинская библиотека США) для использованных запросов к базе данных, можно найти ниже. Обзор протокола не был опубликован.

«обработка естественного языка» ИЛИ «NLP» ИЛИ «анализ текста» ИЛИ «анализ настроений» ИЛИ «анализ мнений» ИЛИ «классификация текста» ИЛИ «классификация документов» ИЛИ «тематическое моделирование» ИЛИ «машинное обучение» «машинное обучение с учителем» ИЛИ «неконтролируемое машинное обучение» И «обратная связь» ИЛИ «опросы и анкеты» ИЛИ «сбор данных» ИЛИ «опросы в области здравоохранения» ИЛИ «оценка» ИЛИ «оценка» И «уход, ориентированный на пациента» ИЛИ «удовлетворенность пациента» ИЛИ «пациент опыт».

Критерии включения

Основным требованием для включения в обзор было то, что статья должна быть сосредоточена на описании, оценке или использовании алгоритма или конвейера НЛП для обработки или анализа данных об опыте пациентов. Обзор включал рандомизированные контролируемые испытания, нерандомизированные контролируемые испытания, исследования случай-контроль, проспективные и ретроспективные когортные исследования и качественные исследования. Запросы были ограничены английским языком, но не датой. Мы исключили исследования, в которых собирались измерения исходов, сообщаемые пациентами, мониторинг симптомов, информация о симптомах, показатели качества жизни и экологическая мгновенная оценка без данных об опыте пациентов. Тезисы конференций были исключены, так как в методологии было мало деталей для оценки показателей качества.

Выбор исследования

Исследование проводилось в соответствии с рекомендациями, представленными в контрольном списке «Предпочтительные элементы отчетности для систематических обзоров и метаанализов» (PRISMA) 2009 г.42 Первоначальный поиск дал 1007 статей; после удаления дубликатов сохранена 241 статья. Заголовки и аннотация были проверены двумя рецензентами (MK и PA) независимо друг от друга, а несоответствия были устранены третьим рецензентом (EM). Тридцать одна статья была определена как потенциально подходящая для включения. Полнотекстовые статьи были отобраны и оценены для включения теми же рецензентами, из которых 19были сохранены для окончательного включения. Основной причиной исключения были статьи, в которых сообщалось о других отзывах пациентов, а не об опыте пациентов. На рисунке 1 показана блок-схема PRISMA, представляющая процесс выбора исследования и причины исключения.

Рисунок 1

Предпочтительные элементы отчетности для систематических обзоров и метаанализов (PRISMA) 2009 блок-схема. НЛП, обработка естественного языка.

Процесс сбора данных

Мы разработали инструмент сбора данных со следующими полями данных: отдел соответствующих авторов, страна исследования, цель исследования, источник данных, запрошенная обратная связь, период времени, метод извлечения информации, обработка данных, классификаторы ML, подход к анализу текста, программное обеспечение, производительность, основные выводы и ограничения. Два рецензента (MK и PA) независимо завершили сбор данных и встретились, чтобы сравнить результаты, а расхождения были устранены третьим рецензентом (EM).

Синтез данных

Из-за гетерогенного характера исследований наиболее подходящим было сочтено описательное обобщение. Формальная оценка качества не проводилась, поскольку для статей НЛП не установлены соответствующие стандарты отчетности. Вместо этого мы сообщаем показатели качества, руководствуясь элементами, о которых сообщалось в предыдущих систематических обзорах, ориентированных на НЛП.43–46 Мы включили информацию, связанную с целью исследования, корпусом (например, источник данных и количество используемые показатели и показатели производительности). Два рецензента (МК и ПА) независимо друг от друга оценивали показатели качества в каждом исследовании, разногласия в оценке разрешались путем обсуждения с третьим рецензентом (ЭМ). Каппа Коэна была рассчитана между экспертами. В рассмотренных исследованиях мы оценили методологию НЛП и обоснование ее использования. Ключевые подходы НЛП были обобщены на основе анализа текста, включающего либо классификацию текста, либо тематическое моделирование в зависимости от доступного корпуса, и была проведена оценка того, выполнялся ли анализ тональности с использованием существующего или сделанного на заказ программного обеспечения.

Показатели производительности

Чтобы понять, насколько хорошо работает алгоритм автоматизированного машинного обучения, существует ряд статистических значений, которые помогают определить его производительность с заданными данными. , то есть истинные положительные результаты / (истинные положительные результаты + ложные отрицательные результаты)), точность (отношение правильно спрогнозированных положительных наблюдений к общему количеству спрогнозированных положительных наблюдений) и F-показателем, который описывает общую производительность, представляя гармоническое среднее значение точности и отзыва. .43 K-кратная перекрестная проверка — это метод оценки прогностических моделей путем разделения исходной выборки на обучающую выборку для обучения модели и тестовую выборку для ее оценки. Это гарантирует, что результаты не являются случайными, и, следовательно, обеспечивает достоверность работы алгоритмов. Мы просматриваем все зарегистрированные показатели производительности в каждом из включенных исследований, чтобы лучше понять, как данные и подход ML могут влиять на производительность.

Результаты

Характеристики исследования

Год публикации варьировался от 2012 до 2020, при этом почти 80% (15/19) статей были опубликованы за последние 5 лет. Цель исследования 19 статей была одинаковой в том, что они применяли методы языкового анализа к отзывам пациентов об опыте в произвольном тексте для извлечения информации, которая включала темы или темы и настроения. Обратная связь была либо запрошена24 47–50, либо не запрошена.6 26–28 32 34 51–58 Шесть исследований были проведены в Великобритании,26–28 48 4955 два из Испании,58 из которых один включал обзоры на голландском языке54, а остальные были проведены в США6, 24 32 34 47 50 52 53 56 57 из которых один51 рассматривал обзоры на китайском языке, переведенные на английский язык. Авторы всех исследований, кроме одного47, были из отдела информатики здравоохранения.

Источник данных

Большинство (15 из 19) отзывов, использованных для языкового анализа, были получены из сайтов социальных сетей, таких как Twitter28, 52 Facebook6 и специализированных форумов по вопросам здравоохранения, например, NHS Choices,26 27 55 Yelp, 56 57 RateMDs,32 34 53 Haodf,51 Masquemedicos,54 58 Zorgkaart Nederland. 54 RateMDs и Yelp — это американские платформы, которые предоставляют информацию, обзоры и рейтинги по всему, начиная от чистоты в больницах и медицинских центрах до медицинских знаний, а также пациентам возможность поделиться личным опытом лечения. NHS Choices — это британская платформа, которая позволяет пациентам, лицам, осуществляющим уход, и друзьям комментировать свой опыт лечения, полученного в любом учреждении NHS. Haodf, Masquemedicos и Zorgkaart Nederland — это платформы, которые объединяют опыт пациентов на китайском, испанском и голландском языках соответственно. В пяти исследованиях использовался свободный текст из структурированных опросов пациентов; Press Ganey,24 50 предоставленных поставщиком (HCAHPS и комментарии),47 сделанный на заказ опрос об опыте рака с комментариями в произвольном тексте,48 опрос об опыте пациентов с онкологическими заболеваниями.49Первоначальный набор данных с точки зрения количества обзоров, собранных для проведения языкового анализа, значительно варьировался от 734 обзоров58 до 773 279 обзоров51. Там, где это было предоставлено, количество слов, символов или предложений в обзорах варьировалось. В таблице 1 представлен обзор длины комментариев, представленных в виде диапазона, среднего значения или медианы.

Таблица 1

Объем комментариев в пяти из 19 исследований, расположенных в порядке убывания общего количества комментариев

Программное обеспечение

Наиболее распространенной средой кодирования, иногда используемой в комбинации, была Python (n=5)24 49 50 52 53, за которой следовала R (n=3),26 48 55 Waikato Environment for Knowledge Analysis (n=2), 27 34 Машинное обучение для Language Toolkit (n=2),53 56 RapidMiner (n=2),6 58 и C++ (n=1).54

Подход к языковому анализу

В исследованиях использовались различные подходы к разработке своего языка методология анализа. Двумя наиболее распространенными подходами были обучение с учителем (n=9)6, 27, 28, 34, 47, 48, 50, 52, 54 и обучение без учителя (n=6)24, 26 51, 53 55, 56 с последующей комбинацией, т. е. 3),32 57 58 на основе правил (n=1)49поиск по словарю (n=1)54 (рис. 2). Анализ тональности в сочетании с анализом текста проводился в 10 исследованиях24, 26 28 32 47–49 52 53 57, только анализ тональности проводился в четырех6 28 50 54 и только анализ текста в четырех исследованиях.51 55 56 58 Мы опишем детали из двух подходов, анализа настроений и анализа текста, которые включали классификацию текста и моделирование темы, классифицируемые как контролируемое и неконтролируемое обучение соответственно.

Рисунок 2

Наиболее распространенные подходы, используемые для анализа данных об опыте пациентов в произвольном тексте, выявленных в систематическом обзоре.

Обучение под наблюдением

Ручная классификация по темам или настроениям выполнялась в тех исследованиях, в которых использовался подход под наблюдением. Наиболее распространенным подходом была ручная классификация подмножества комментариев в качестве обучающей выборки. Процент от общего количества комментариев, используемых для ручной классификации, варьировался в каждом исследовании, как и количество оценщиков. Настроения обычно выражались как положительные, отрицательные и нейтральные. Пять исследований не проводили ручную классификацию и использовали существующее программное обеспечение для проведения анализа тональности, то есть TheySayLtd,28 TextBlob,52 SentiWordNet,57 DICTION,53 Keras.50 Мы разделили контролируемый подход на основе анализа тональности (таблица 2A) и текста. классификация (таблица 2B), где мы документируем процент от общего числа комментариев, классифицированных вручную по категориям тональности и темам для классификации текстов, количество оценщиков, включая соглашение между оценщиками, и классификаторы, используемые для машинного обучения. Кроме того, там, где сообщается, мы также выделяем конфигурацию, используемую на этапах обработки данных. Машина опорных векторов (SVM) была наиболее часто используемым классификатором (n = 6), за которым следовал наивный байесовский метод (NB) (n = 5).

Таблица 2A

Исследования, в которых проводился анализ настроений с использованием контролируемого подхода, включая количество оценщиков и связанное с ними согласие между оценщиками, выраженное в виде каппа Коэна (κ), классификаторы и конфигурацию, примененные там, где сообщалось. Исследования представлены в хронологическом порядке.

Таблица 2B

Исследования, в которых выполнялась классификация текста с использованием контролируемого подхода, включая количество оценщиков и связанное с ними согласие между оценщиками, выраженное в виде каппа Коэна (κ), классификаторы и конфигурации, примененные там, где они указаны. Исследования представлены в хронологическом порядке

Неконтролируемое обучение

Тематическое моделирование — это подход, который автоматически определяет темы в заданном комментарии. В семи исследованиях24, 26, 32, 51, 53, 55, 56 использовался этот подход, и в большинстве исследований (n=6)24, 26, 51, 53, 55, 56 использовалось латентное распределение Дирихле (LDA). В одном исследовании32 использовалась вариация факторного LDA, однако это был подход с частичным наблюдением, поскольку он включал некоторое ручное кодирование. LDA — это генеративная модель текста, которая предполагает, что слова в документе отражают смесь скрытых тем (каждое слово связано с одной темой). Чтобы результат был понятным, необходимо выбрать количество тем, а в таблице 3 показано изменение тем, определенных при использовании LDA.

Таблица 3

Количество тем, расположенных в порядке убывания, определяемое в каждом исследовании с использованием латентного распределения Дирихле как типа подхода к обучению без учителя 53 56 57 В оставшихся 12 исследованиях сообщалось об одном или нескольких показателях оценки, таких как точность, чувствительность, полнота, специфичность, прецизионность, F-мера. Чем выше оценка F1, тем лучше, где 0 — наихудший возможный результат, а единица — наилучший. В исследованиях, в которых использовался контролируемый подход, SVM и NB были предпочтительным классификатором, поскольку он давал лучшие результаты по сравнению с другим классификатором, продемонстрированным оценкой F1 с анализом настроений и классификацией текста. В таблице 4 продемонстрирована мера производительности, представленная как F-мера или точность наиболее эффективных классификаторов для анализа тональности и текста с использованием только контролируемого подхода, а также перекрестная проверка в k-кратном порядке, о которой сообщалось в 12 исследованиях, из которых только в пяти исследованиях сообщалось о многократном повторении. Проверка.

Таблица 4

Показатели производительности в исследованиях с использованием контролируемого обучения (анализ тональности и классификация текста). SVM и NB были предпочтительными классификаторами, поскольку они давали лучшие результаты, продемонстрированные оценкой F1. Только в пяти исследованиях сообщалось о многократной валидации

Показатели качества

Межэкспертное согласие (каппа Коэна) было рассчитано как 0,91, что свидетельствует о почти идеальном согласии. Индивидуальная оценка с описанием по каждому домену подробно описана в таблице 5. В частности, ясность формулировки цели исследования и наличие информации, связанной с набором данных, количество проанализированных комментариев. извлечение информации и обработка данных, адекватное описание методологии НЛП и метрик оценки. Все исследования имели как минимум четыре из семи показателей качества. Двенадцать исследований рассматривали все семь показателей качества6, 24, 26, 27, 34, 48–50, 52, 54, 55, 58, а три исследования касались только четырех.28 47 57

Таблица 5

Оценка исследований и показателей эффективности

Обсуждение

В этом систематическом обзоре мы выявили 19 исследований, в которых оценивались различные подходы НЛП и МО для анализа данных об опыте пациентов в произвольном формате. Большинство исследований касалось документов, написанных на английском языке, возможно, потому, что платформы для выражения эмоций, мнений или комментариев по вопросам здоровья в основном ориентированы на англоязычных пользователей. et al 51 и Jimenez-Zafra et al 54 перевели на английский язык комментарии, изначально написанные на китайском и испанском языках соответственно. Точный и автоматический анализ затруднен из-за субъективности, сложности и креативности используемого языка, а при переводе на другой язык эти тонкости могут быть утеряны. Тип используемых данных обратной связи с пациентами и выбор алгоритма машинного обучения могут повлиять на результаты языкового анализа и классификации. Мы показываем, как в исследованиях использовались различные подходы машинного обучения.

Двумя наиболее распространенными подходами были контролируемое и неконтролируемое обучение для анализа текста и настроений. Вкратце, анализ текста идентифицирует тему, упомянутую в данном комментарии, тогда как анализ настроений идентифицирует передаваемые эмоции. Из этих двух подходов наиболее распространенным является контролируемое обучение, включающее ручную классификацию подмножества данных по темам24, 27, 34, 48, 52 и настроению. «золотой стандарт» для анализа комментариев с произвольным текстом, и в настоящее время это единственный способ гарантировать, что все соответствующие комментарии закодированы и проанализированы. Это. Исследования, в которых использовался контролируемый подход в этом обзоре, продемонстрировали, что в ручном кодировании участвовало по крайней мере два независимых рецензента, однако не было согласованности в процентах от общего числа закодированных комментариев, в том, как данные были разделены на обучающую и тестовую выборку, и использована k-кратная перекрестная проверка. В контролируемом обучении наиболее распространенным классификатором был SVM, за которым следовал NB. SVM и NB широко используются для классификации документов, которые неизменно обеспечивают хорошую эффективность классификации.

НЛП имеет проблемы с обработкой зашумленных данных, что снижает общую точность.18 59 Предварительная обработка текстовых данных — это первый и важный шаг в обработке текста, который, как было доказано, повышает производительность моделей классификации текста. Цель предварительной обработки — стандартизировать текст.59 Мы отметили, что предварительная обработка различалась в исследованиях, включенных в этот обзор. В дополнение к стандартным этапам предварительной обработки, то есть преобразованию в нижний регистр, поиску корней, устранению стоп-слов, Alemi и др. 34 использовали правило разреженности и получение информации, Greaves et al 27 использовали получение информации и априорную полярность, а Bahja et al 26 использовали только правило разреженности. Plaza-del-Arco et al. 58 использовали комбинацию стопора и стеммера и обнаружили, что точность была наилучшей (87,88%) при использовании только стеммера, однако F-мера была наилучшей (71,35%), когда ни стеммер, ни стопор не использовались. применяемый. Однако, несмотря на эти этапы предварительной обработки, не удалось достичь консенсуса в отношении предпочтительного метода классификации контролируемого машинного обучения для использования для классификации тональности или текста в области отзывов пациентов.

Наиболее интересным открытием в этом обзоре было то, что использованный подход машинного обучения соответствовал источнику данных. Выбор подхода основан на показателях производительности результатов алгоритма, которые зависят от трех факторов.21 Во-первых, выявление закономерностей зависит от качества доступных данных. При классификации текста или анализе настроений разнообразие комментариев влияет на точность машинного прогноза. Большее разнообразие снижает способность алгоритма машинного обучения точно классифицировать комментарии.6 Во-вторых, каждый алгоритм машинного обучения управляется различными последовательными наборами правил для классификации семантических или синтаксических отношений в заданном тексте, и некоторые алгоритмы могут лучше подходить для одних наборов данных, чем для других. . В-третьих, чем больше используемые обучающие наборы, тем выше точность алгоритмов при выявлении похожих комментариев в более широком наборе данных, но для обеспечения ресурсоэффективности метода необходимы компромиссы со временем и кодированием человеком. 21 Мы обнаружили, что комментарии извлекаются из социальных сетей обычно анализировались с использованием подхода без учителя36 32 51 53 55 56 , а комментарии в произвольном тексте в структурированных опросах анализировались с использованием подхода с учителем6 27 28 34 47 48 50 52 54

В литературе мало данных о статистических свойствах минимального размера текста, необходимого для проведения языкового анализа, в основном из-за сложности понимания естественного языка, а также содержания и контекста корпуса текстов.6 Исследования, в которых сообщалось о размере текста демонстрируют, что среднее количество символов составляло около 40 слов. Область отзывов пациентов из структурированных опросов, дополняющих текст, кажется фиксированной по своей природе, что делает эти данные привлекательными для обучения с учителем. полезно для комментариев о медицинском обслуживании, и поэтому можно предугадывать значение различных фраз и автоматически классифицировать комментарии.34 Rastegar-Mojarad et al 57 также отметили, что небольшой (25%) набор словарных запасов охватывает большую часть (92%) содержания комментариев их пациентов, что согласуется с исследованием60, посвященным потребительскому словарю здоровья, используемому потребителями и медицинскими работниками. Это говорит о том, что пациенты используют определенный словарный запас, выражая свой опыт в комментариях с произвольным текстом.

Общая сфера отзывов пациентов — это система здравоохранения,31 и это исследование показало, что содержание обзоров, как правило, сосредоточено на небольшом наборе аспектов, связанных с этим, о чем свидетельствуют темы, использованные для классификации текстов в исследованиях.24 27 34 48, 52 Напротив, исследования26, 32, 51, 53, 55, 56, в которых проводилось тематическое моделирование, исходили из того, что отзывы пациентов содержат множество различных тем. Тематическое моделирование может быть полезно для оценки того, насколько близки результаты к тому, что люди со знанием предметной области определили темами, и если этот неконтролируемый подход находит новые темы, не идентифицированные людьми.49LDA использовался для извлечения ряда тем из обзоров с произвольным текстом по мере их появления в данных без каких-либо предварительных предположений о том, что волнует пациентов. Темы, выявленные в шести исследованиях с использованием LDA, не породили никаких новых тем, что согласуется с ранее сделанным выводом о том, что в отчетах о здравоохранении потребителей ограничен словарный запас. Этот вывод был поддержан Doing-Harris и др. ,24 которые показали, что результаты их тематического моделирования повторяют результаты тематической классификации, демонстрируя, что при тематическом моделировании не было обнаружено никаких неожиданных тем.

При использовании LDA следует учитывать и другие факторы. LDA в основном основан на частоте совпадения слов в похожих темах.51 Темы, обнаруженные с помощью LDA, могут не соответствовать истинным темам в данных, а короткие документы, такие как комментарии в произвольном виде, могут привести к снижению производительности LDA. 49 В дополнение к коротким комментариям исследования в этом обзоре также показывают, что большинство комментариев в социальных сетях, как правило, положительные, в отличие от негативных отзывов, которые длиннее, но реже. Вагланд et al 48 обнаружили, что содержание положительных комментариев обычно было гораздо менее конкретным, чем содержание отрицательных комментариев. Поэтому неконтролируемый подход к коротким положительным отзывам может не выявить новые темы, а низкая частота отрицательных отзывов также может не выделить новые темы. Чтобы смягчить это, можно использовать контролируемый подход для определения подкатегорий для негативных отзывов.48

Выбор количества тем для модели LDA также влияет на качество выходных данных.25 56 Если тем слишком мало, их содержание дает представление только об очень общих шаблонах в тексте, которые не очень полезны. С другой стороны, слишком много тем затрудняет поиск общих тем с многочисленными темами. Тематическая модель LDA с оптимальным количеством тем должна демонстрировать значимые шаблоны, не создавая много незначительных тем. Количество тем, выявленных в рассмотренных исследованиях26, 32, 51, 53, 55, 56, было непостоянным и колебалось от 6 до 60, что свидетельствует о том, что определение оптимального количества является сложной задачей. На эффективность моделей LDA влияет семантическая согласованность (скорость, с которой наиболее распространенные слова по теме встречаются вместе в одних и тех же обзорах) и эксклюзивность (скорость, с которой наиболее распространенные термины являются эксклюзивными для отдельных тем). Оба показателя являются полезным ориентиром при выборе модели55, однако из шести исследований, в которых использовалась LDA, только в одном исследовании55 сообщалось о показателях эффективности LDA.

Анализ тональности обычно проводился с использованием контролируемого подхода (n=8).6 24 26 27 34 47 48 54 Несмотря на предварительную классификацию, понимание того, о чем конкретно говорят как негативные, так и позитивные комментарии, все же требует прочтения комментариев. НЛП делает этот процесс эффективным, определяя тенденции в комментариях по настроению. Этот обзор выявил, что наиболее распространенным подходом к классификации настроений было отнесение комментария к одной категории, то есть к положительному или отрицательному. Однако это подразумевает, что с документом должна быть связана полярность, что не всегда так. Это не позволяет уловить смешанные чувства или нейтральные чувства, которые могли бы дать полезную информацию об опыте пациента. Наваб et al 50 продемонстрировали, что разделение смешанных настроений на предложения выявило различные настроения. Таким образом, хотя процент смешанных или нейтральных настроений низок по сравнению с общим набором данных, анализ комментариев в рамках этих смешанных и нейтральных настроений может предоставить полезную информацию, и поэтому его не следует отбрасывать.

Greaves et al 27 и Bahja et al 26 использовали соответствующий звездный рейтинг в данных NHS Choices для непосредственного обучения инструмента настроений. В этом подходе можно использовать неявное представление о том, что если пациент говорит, что порекомендовал бы больницу на основе звездного рейтинга, он подразумевает положительное отношение и, наоборот, если не отрицательное отношение, поэтому автоматически извлекается номинальная категоризация. Эта автоматическая классификация устраняет необходимость в ручной классификации и устраняет потенциальную предвзятость при назначении комментариев рецензентом, но она делает предположение, что звездные рейтинги коррелируют с настроением. Это подтверждает Kowalski,55 который продемонстрировал интуитивную взаимосвязь между значениями тем и звездным рейтингом в проанализированном наборе данных NHS Choices. Напротив, Алеми et al 34 обнаружили, что настроение в комментариях от RateMDs не отражается в общем рейтинге, например, 6% пациентов, давших наивысший общий рейтинг, по-прежнему включали жалобу в свои комментарии, а 33% пациентов, давших самый низкий общий рейтинг включены похвалы. Это говорит о том, что настроение не всегда может коррелировать со звездным рейтингом, и поэтому исследователи должны признать, что подход, используемый для классификации, может иметь последствия для достоверности.

Что касается анализа настроений в наборе данных Twitter, Greaves et al 28 не обнаружили никаких ассоциаций при сравнении данных Twitter с обычными показателями, такими как опыт пациентов, Hawkins et al 52 не обнаружили корреляции между настроениями в Twitter и оценкой HCAHPS, что позволяет предположить, что для понимания качества следует осторожно относиться к настроениям в Twitter. Таким образом, хотя звездные рейтинги могут быть информативными и соответствовать количественным показателям качества, они могут быть недостаточно подробными, чтобы помочь оценить качество обслуживания исключительно на основе звездного рейтинга без учета текстового содержания.53

Исследования в этом обзоре показывают, что NLP и ML стали важными инструментами для обработки неструктурированных текстовых данных об опыте пациентов и создания структурированных выходных данных. Тем не менее, большая часть работы была проделана по извлечению информации из социальных сетей.6 26–28 32 34 51–58 Организации здравоохранения выразили обеспокоенность по поводу точности или комментариев, высказанных в социальных сетях,61 из-за чего политики неохотно одобряют описательную информацию в качестве законный инструмент. Несмотря на то, что большинство администраторов удаляют вредоносные сообщения вручную, любой может оставить комментарий на сайте и намеренно исказить оценку медицинских услуг потенциальными пациентами. Валидность и надежность НЛП еще более ограничиваются тем фактом, что большинство пациентов не публикуют отзывы в Интернете. Kowalski55 обнаружил, что службы здравоохранения в Англии получили менее 20 отзывов за период в три с половиной года. Для ограниченного объема данных НЛП может оказаться не очень целесообразным, а при меньшем количестве комментариев результаты могут быть не такими плодотворными, а необработанных данных может не хватить для выявления конкретной закономерности50. Кроме того, рейтинг, размещенный в социальных сетях обзоры не корректируются с учетом характеристик пользователя или медицинского риска, в то время как результаты структурированного опроса корректируются с учетом состава пациентов.6

Ограничения

Мы сосредоточились на показателях качества включенных статей, а не на оценке качества исследований, поскольку соответствующие формальные стандарты для статей НЛП еще не установлены. Из-за разнородного характера исследований и различных подходов, используемых в отношении предварительной обработки, ручной классификации и эффективности классификаторов, делать какие-либо сравнительные заявления сложно.

Заключение

Исследования в этом обзоре показывают, что НЛП и машинное обучение стали важными инструментами для обработки неструктурированных данных об опыте пациентов в виде произвольного текста. И контролируемый, и неконтролируемый подходы играют свою роль в языковом анализе в зависимости от источника данных. Обучение с учителем занимает много времени из-за необходимости ручного кодирования и полезно при анализе комментариев в произвольном тексте, обычно встречающихся в структурированных опросах. Поскольку объем комментариев, размещаемых в социальных сетях, продолжает расти, ручная классификация для обучения с учителем может оказаться неосуществимой из-за нехватки времени, и тематическое моделирование может быть удовлетворительным подходом. Чтобы гарантировать, что голос каждого пациента будет услышан, организации здравоохранения должны реагировать и формировать свою стратегию языкового анализа в соответствии с различными платформами обратной связи с пациентами.

Благодарности

Мы благодарим Жаклин Казинс (Jacqueline Cousins) (заведующая библиотекой и библиотекарь по связям в Имперском колледже Лондона) за помощь в улучшении состава условий поиска и процедурных аспектов стратегии поиска.

Ссылки

1. ↵
   1. Дарзи А

   . Высококачественная помощь для всех: окончательный отчет NHS по обзору следующего этапа, Департамент здравоохранения, 2008 г. Доступно: www.dh.gov.uk/en/Publicationsandstatistics/Publications/PublicationsPolicyAndGuidance/DH_085825

2. ↵
   1. Coulter AFR,
   2. Cornwell J

   . Измерения опыта пациентов в больнице: цель, методы и использование. Kings Fund, 2009.

3. ↵
   1. Coulter A

   . Что пациенты и общественность хотят от первичной медико-санитарной помощи? BMJ 2005;331:1199–201.doi:10.1136/bmj.331.7526.1199pmid:http://www.ncbi.nlm.nih.gov/pubmed/16293845

4. ↵

   20028

5. Клири PD

. Опыт пациентов с больничным уходом в пяти странах. Health Aff 2001;20:244–52.doi:10.1377/hlthaff.20.3.244pmid:http://www.ncbi.nlm.nih.gov/pubmed/11585173

↵

NHS

. Тест друзей и семьи. Publication Gateway Ref, 2014.

1. ↵
   1. Huppertz JW,
   2. Otto P

   . Прогнозирование оценок HCAHPS на страницах больниц в социальных сетях: анализ настроений. Health Care Manage Rev 2018;43:359–67.doi:10.1097/HMR.0000000000000154pmid:http://www.ncbi.nlm.nih.gov/pubmed/28225448

7 ↵

, Greaves

2. Ramirez-Cano D,
3. Millett C, et al

. Использование облачного опыта пациентов: использование социальных сетей для выявления некачественной медицинской помощи. BMJ Qual Saf 2013;22:251–5. doi:10.1136/bmjqs-2012-001527pmid:http://www.ncbi.nlm.nih.gov/pubmed/23349387

↵

1. Лопес А.,
2. Детц А.,
3. Ратанавонгса Н. и др.

. Что пациенты говорят о своих врачах в сети: качественный контент-анализ. J Gen Intern Med 2012;27:685–92.doi:10.1007/s11606-011-1958-4pmid:http://www.ncbi.nlm.nih.gov/pubmed/22215270

↵

2 Тригг Л

. Мнения пациентов о поставщиках медицинских услуг для поддержки выбора и улучшения качества. J Health Serv Res Policy 2011;16:102–7.doi:10.1258/jhsrp.2010.010010pmid:http://www.ncbi.nlm.nih.gov/pubmed/20870690

↵

2 Cognetta-

Rieke C,
1. Guney S

. Аналитические выводы из рассказов пациентов: следующий шаг к лучшему опыту пациентов. J Patient Exp 2014;1:20–2.doi:10.1177/237437431400100105pmid:http://www.ncbi.nlm.nih.gov/pubmed/28725797

↵

G 90,0028

Корнуэлл Дж.

. Переосмысление политических подходов к измерению и улучшению качества обслуживания пациентов. J Health Serv Res Policy 2013;18:67–9.doi:10.1177/1355819612473583

↵

1. Ipsos-MORI

7

7. Обратная связь с пациентами в режиме реального времени: информация, в которой нуждаются и которую ценят пациенты, исследовательский отчет, подготовленный для Управления стратегического здравоохранения Уэст-Мидлендса, 2008 г.0028

. Соответствие аналитики больших данных и здравоохранения: систематический обзор. Int J Med Inform, , 2018; Yim W-W,

Yetisgen M,

Harris WP, et al

. Обработка естественного языка в онкологии: обзор. JAMA Oncol 2016;2:797–804.doi:10.1001/jamaoncol.2016.0213pmid:http://www.ncbi.nlm.nih.gov/pubmed/27124593

↵

1. Fleuren WWM,
2. Alkema W

. Применение интеллектуального анализа текста в биомедицинской области. Methods 2015;74:97–106.doi:10.1016/j.ymeth.2015.01.015pmid:http://www.ncbi.nlm.nih.gov/pubmed/25641519

↵

1. Wang Yang,

2. Ван Л.,
3. Растегар-Моджарад М. и др.

. Приложения для извлечения клинической информации: обзор литературы. Ж Биомед Информ 2018;77:34–49.doi:10.1016/j.jbi.2017.11.011pmid:http://www.ncbi.nlm.nih.gov/pubmed/2

96

↵

1. Гиббонс28 C,
2. Ричардс С.,
3. Вальдерас Дж. М. и др.

. Алгоритмы контролируемого машинного обучения могут классифицировать отзывы о работе врачей в открытом тексте с точностью человеческого уровня. J Med Internet Res 2017;19:e65. doi:10.2196/jmir.6533pmid:http://www.ncbi.nlm.nih.gov/pubmed/28298265

↵

1. Чоудхури Г.Г.,
2. Кронин Б.

. Обработка естественного языка. Ann Rev Info Sci Tech 2002; 37: 51–89.doi: 10.1002/aris.1440370103

↵

1. Hotho A,
2. Nurnber A,
3. PAASS A,
7977879778787878787878787878787878

7

. Краткий обзор интеллектуального анализа текста. Ldv Forum 2005; 20:19–62.

↵

1. Фельдман Р.,
2. Сэнгер Дж.

. Справочник по интеллектуальному анализу текста: передовые подходы к анализу неструктурированных данных. Издательство Кембриджского университета, 2007.

↵

1. Коллингвуд Л.,
2. Уилкерсон Дж.

. Компромиссы в точности и эффективности контролируемых методов обучения. J Inf Technol 2012;9:298–318.doi:10.1080/19331681.2012.669191

↵

1. Alloghani M,
2. Al-Jumeily D,
3. Mustafina J

. Систематический обзор контролируемых и неконтролируемых алгоритмов машинного обучения для науки о данных. В: Контролируемое и неконтролируемое обучение для науки о данных. Спрингер, Чам, 2020.

↵

1. Коциантис С.Б.

. Контролируемое машинное обучение: обзор методов классификации. Informatica 2007; 31: 249–68.

↵

1. Доинг-Харрис К.,
2. Мовери Д.Л.,
3. Дэниелс С. и др.

. Понимание удовлетворенности пациентов полученными медицинскими услугами: подход к обработке естественного языка. AMIA Annu Symp Proc 2016;2016:524–33.pmid:http://www.ncbi.nlm.nih.gov/pubmed/28269848

↵

1. ДНК Блей,
2. Джордан М

. Скрытое распределение Дирихле. J Mach Learn Res 2003; 3: 993–1022.

↵

1. Bahja MLM

. Выявление опыта пациентов из онлайн-ресурсов с помощью анализа настроений и тематического моделирования. Association for Computing Machinery 2016;6.doi:10.1145/3006299.3006335

↵

1. Гривз Ф.,
2. Рамирес-Кано Д.,
3. Миллет С. и др.

. Использование анализа настроений для сбора информации о впечатлениях пациентов от комментариев в свободном тексте, размещенных в Интернете. J Med Internet Res 2013;15:e239. doi:10.2196/jmir.2721pmid:http://www.ncbi.nlm.nih.gov/pubmed/24184993

↵

1. Greaves F,
2. Laverty AA,
3. Cano DR, et al

. Твиты о качестве больниц: исследование смешанных методов. BMJ Qual Saf 2014;23:838–46.doi:10.1136/bmjqs-2014-002875pmid:http://www.ncbi.nlm.nih.gov/pubmed/24748372

↵ 20 Лю 20

. Анализ настроений и добыча мнений. 5. Сан -Рафаэль, Калифорния: Morgan & Claypool Publishers, 2012: 1–167.doi: 10.2200/S00416ED1V01Y201204HLT016

↵

1. PANG B,
2. LEA LLIAL LI

997. Сбор мнений и анализ настроений. FNT в информационном поиске 2008;2:1–135.doi:10.1561/1500000011

↵

1. Smith P

. Сентиментальный анализ отзывов пациентов. Университет Бирмингема, 2015 г.

↵

1. Уоллес, Британская Колумбия,
2. Пол М.Дж.,
3. Саркар У, и др.

. Масштабный количественный анализ скрытых факторов и настроений в онлайн-отзывах врачей. J Am Med Inform Assoc 2014;21:1098–103.doi:10.1136/amiajnl-2014-002711pmid:http://www.ncbi.nlm.nih.gov/pubmed/24

9

↵

1. Гохил С.,
2. Вуйк С.,
3. Дарзи А.

. Анализ настроений в твитах о здравоохранении: обзор используемых методов. JMIR Надзор за общественным здравоохранением 2018;4:e43. doi: 10.2196/publichealth.5789pmid: http: //www.ncbi.nlm.nih.gov/pubmed/29685871

↵

1. Alemi F,
2. Tori M,
   2
   • etemi F,
   • Tori M,
   • etemi F,
   • . . Возможность проведения опросов удовлетворенности в режиме реального времени посредством автоматизированного анализа неструктурированных комментариев и настроений пациентов. Qual Manag Health Care 2012; 21:9–19.
   • Марш С.,
   • О’Хара Дж. и др.

. The Patient Feedback Response Framework — Понимание того, почему персоналу британских больниц трудно добиться улучшений на основе отзывов пациентов: качественное исследование. Soc Sci Med 2017;178:19–27.doi:10.1016/j.socscimed.2017.02.005pmid:http://www.ncbi.nlm.nih.gov/pubmed/28189820

↵

1. Сила информации

. Предоставление всей территории США контроля над информацией о здоровье и уходе, в которой мы нуждаемся. Лондон: Департамент здравоохранения, 2012 г.

↵

1. Griffiths A,
2. Leaver MP

. Мудрость пациентов: прогнозирование качества медицинской помощи с использованием агрегированных отзывов пациентов. BMJ Qual Saf 2018;27:110–8.doi:10.1136/bmjqs-2017-006847pmid:http://www.ncbi.nlm.nih.gov/pubmed/28971881

↵

1. Гиббонс С,
2. Гривз F

. Протянуть руку помощи: может ли машинное обучение помочь персоналу больницы лучше использовать отзывы пациентов? BMJ Qual Saf 2018; 27: 93–5.

Гривз Ф,

Бейтс Д.В.

. Роль социальных сетей в отношении опыта и вовлеченности пациентов. BMJ Qual Saf 2017; 26: 845–8.

. Что важно: руководство по использованию отзывов пациентов для преобразования услуг, 2009 г.

↵

1. Фрэнсис Р.

. Отчет о публичном расследовании Фонда NHS в Среднем Стаффордшире, 2013 г.

↵

1. Moher D,
2. Либерати А,
3. Тецлафф Дж. и др.

. Предпочтительные элементы отчетности для систематических обзоров и метаанализов: заявление PRISMA. PLoS Med 2009;6:e1000097. doi:10.1371/journal.pmed.1000097pmid:http://www.ncbi.nlm.nih.gov/pubmed/19621072

↵

1. Pons E,
2. Braun LMM, ^{7 Hunet Minkal 8 900}

. Обработка естественного языка в радиологии: систематический обзор. Радиология 2016; 279:329–43.doi:10.1148/radiol.16142770pmid:http://www.ncbi.nlm.nih.gov/pubmed/27089187

↵

1. Мишра 90 R, ⁸
2. Фишман М. и др.

. Обобщение текста в области биомедицины: систематический обзор недавних исследований. J Biomed Inform 2014;52:457–67.doi:10.1016/j.jbi.2014.06.009pmid:http://www.ncbi.nlm.nih.gov/pubmed/25016293

↵

2

2 С,

Koleck TA,

Bourne PE и др.

. Систематический обзор обработки естественного языка и анализа текста симптомов из электронных текстовых данных, созданных пациентами. Int J Med Inform 2019;125:37–46.doi:10.1016/j.ijmedinf.2019.02.008pmid:http://www.ncbi.nlm.nih.gov/pubmed/309

↵

44 Koleck TA,

Dreisbach C,

Bourne PE и др.

. Обработка естественного языка симптомов, задокументированных в текстовых описаниях электронных медицинских карт: систематический обзор. J Am Med Inform Assoc 2019;26:364–79.doi:10.1093/jamia/ocy173pmid:http://www.ncbi.nlm.nih.gov/pubmed/30726935

↵

1. , MenezME
2. Шейкер Дж.,
3. Лоулер С.М. и др.

. Отрицательные отзывы пациентов после тотального эндопротезирования плечевого сустава. J Bone Joint Surg Am 2019;101:330–7.doi:10.2106/JBJS.18.00695pmid:http://www.ncbi.nlm.nih.gov/pubmed/30801372

↵ R

2

2 Wagland ,

Речио-Сауседо А,

Саймон М и др.

. Разработка и тестирование метода анализа текста для анализа комментариев пациентов об их опыте лечения колоректального рака. BMJ Qual Saf 2016; 25: 604–14.

Ткач Д.,

Антао Л. и др.

. Автоматизированный анализ комментариев с произвольным текстом и представлений на панели инструментов в опросах об опыте пациентов: совместное исследование с использованием нескольких методов. медицинские услуги и исследования доставки. Саутгемптон (Великобритания), 2019 г..

↵

1. Наваб К.,
2. Рэмси Г.,
3. Шрайбер Р.

. Обработка естественного языка для извлечения значимой информации из отзывов пациентов. Appl Clin Inform 2020;11:242–52.doi:10.1055/s-0040-1708049pmid:http://www.ncbi.nlm.nih.gov/pubmed/32236917

↵

2

Чжан К.

. Голос китайских потребителей медицинских услуг: метод анализа текста для веб-обзоров врачей. J Med Internet Res 2016;18:e108. doi: 10.2196/jmir. 4430pmid: http: //www.ncbi.nlm.nih.gov/pubmed/27165558

↵

1. Hakkins JB,
2. BROUNSTEIN JS.
4. ...9004 99999999999999999999999999999999999999999999999999999999999999999999999999999999999999.
17. . . Измерение воспринимаемого пациентами качества обслуживания в больницах США с помощью Twitter. BMJ Qual Saf 2016;25:404–13.doi:10.1136/bmjqs-2015-004309pmid:http://www.ncbi.nlm.nih.gov/pubmed/26464518

18. Джеймс TL, 2 9064,
19. Вилласис Кальдерон ED,
20. Кук Д.Ф.

. Изучение восприятия пациентами качества медицинских услуг посредством анализа неструктурированных отзывов. Expert Syst Appl 2017;71:479–92.doi:10.1016/j.eswa.2016.11.004

↵

1. Jimenez-Zafra SM M-VM,
2. Maks I,
3. Izquierdo R

. Анализ удовлетворенности пациентов в голландских и испанских онлайн-обзорах 2017; 58: 101–108.

↵

1. Ковальски Р.

. Письменные отзывы пациентов как ресурс для управления общественным здравоохранением в Англии. Procportia Comput Sci 2017; 113: 545–50.doi: 10.1016/j.procs.2017.08.275

↵

1. Ranard BL,
2. Werner RM,
3. 7,
4. Werner RM,
5. 7. . Обзоры Yelp о стационарном лечении могут дополнять и информировать традиционные опросы пациентов об опыте лечения. Health Aff 2016;35:697–705.doi:10.1377/hlthaff.2015.1030pmid:http://www.ncbi.nlm.nih.gov/pubmed/27044971

6. ↵
   2. Ye Z,
   3. Wall D и др.

   . Сбор и анализ опыта пациентов в области здравоохранения из социальных сетей. JMIR Res Protoc 2015;4:e78. doi:10.2196/resprot. 3433pmid:http://www.ncbi.nlm.nih.gov/pubmed/26137885

7. ↵
   1. Plaza-del-Arco F M-VT,
   2. Хименес-Зафра С.М.,
   3. Молина-Гонсалес Д

   . COPOS: свод мнений пациентов на испанском языке. Применение методов анализа настроений. Procesamiento del Lenguaje Natural 2016; 57:83–90.

8. ↵
   1. Хадди Э,
   2. Лю Х,
   3. Ши Ю,
   4. Сяохуэй Л,
   5. Юн С
   2 . Роль предварительной обработки текста в анализе настроений. Procedia Comput Sci 2013;17:26–32.doi:10.1016/j.procs.2013.05.005

9. ↵
   1. Zeng QT,
   2. Tse T
   72 9. Изучение и развитие потребительских словарей здоровья. J Am Med Inform Assoc 2006;13:24–9.doi:10.1197/jamia.M1761pmid:http://www.ncbi.nlm.nih.gov/pubmed/16221948

10. ↵
    070art 8 M

    . Улучшат ли сайты рейтинга врачей качество лечения? нет. BMJ 2009;338:b1033. doi:10.1136/bmj.b1033pmid:http://www.ncbi.nlm.nih.gov/pubmed/19293224

Сноски

• Авторы MK, JS и EM внесли свой вклад в концепцию и дизайн работы. MK и PA внесли свой вклад в поиск по базе данных. MK, PA и EM участвовали в полнотекстовом просмотре. MK, PA, KF, JS и EM внесли свой вклад в анализ и интерпретацию данных.

• Финансирование Эта работа поддерживается Имперским исследовательским центром по безопасности пациентов Национального института исследований в области здравоохранения (NIHR). Инфраструктурную поддержку оказал Имперский биомедицинский исследовательский центр NIHR.

• Заявление об ограничении ответственности Спонсор(ы) исследования не участвовали в его разработке; в сборе, анализе и интерпретации данных; при написании отчета; и в решении представить статью для публикации. Кроме того, исследователи были независимы от спонсоров, и все авторы имели полный доступ ко всем данным, включенным в это исследование, и могут взять на себя ответственность за целостность данных и точность анализа данных.

• Конкурирующие интересы Не заявлено.

• Согласие пациента на публикацию Не требуется.

• Происхождение и рецензирование Не введен в эксплуатацию; рецензируется внешними экспертами.

• Заявление о доступности данных Обмен данными неприменим, поскольку наборы данных не созданы и/или не проанализированы для этого исследования.

Прочитать полный текст или скачать PDF:

Подписаться

Войти под своим именем пользователя и паролем

Для личных счетов ИЛИ менеджеров счетов организаций

Имя пользователя *

Пароль *

Забыли данные для входа? Зарегистрировать новую учетную запись?

Забыли имя пользователя или пароль?

Криосферные науки | Изображение недели — Демистификация климатических обратных связей в полярных регионах

Блоги ЕГУ » Подразделения » Науки о криосфере » Изображение недели — Демистификация климатических обратных связей в полярных регионах

Дэвид Докье 6 июля 2018 г. Выделенная статья, Изображение недели, Постоянный автор

Рисунок 1: Основные климатические обратные связи, действующие в полярных регионах. Знаки плюс/минус означают, что отзывы положительные/отрицательные. Желтые и красные стрелки показывают потоки солнечного коротковолнового и инфракрасного излучения соответственно. Оранжевые стрелки показывают обмен потоками между различными компонентами климатической системы (океан, атмосфера, лед) для нескольких обратных связей. TOA относится к «верхней части атмосферы» [Источник: рис. 1 от Goosse et al. (2018)].

За последние десятилетия Арктика нагревалась в два раза быстрее, чем весь земной шар. Это более сильное потепление, называемое «арктическим усилением», особенно происходит в Арктике, потому что лед, океан и атмосфера сильно взаимодействуют, иногда усиливая потепление, иногда уменьшая его. Эти взаимодействия называются «обратной связью» и проиллюстрированы в нашем «Изображении недели». Давайте посмотрим, почему эти отзывы важны, как мы можем их измерить и каковы их последствия.

---

Климатические обратные связи в полярных регионах

Когда дело доходит до науки о климате, обратные связи встречаются очень часто. Климатическая обратная связь — это процесс, который либо усиливает, либо ослабляет эффект первоначального возмущения в климатической системе.

Если начальное возмущение, например потепление региона, усиливается этим процессом, мы говорим о «положительной обратной связи». Положительную обратную связь можно рассматривать как «порочный круг», поскольку она ведет к постоянному усилению возмущения. Наиболее заметной положительной обратной связью в Арктике является «обратная связь лед-альбедо»: по мере того, как поверхность нагревается, лед тает, обнажая более темные поверхности для солнечного света, которые поглощают больше тепла, что приводит к еще большему таянию льда вокруг.

Наоборот, если начальное возмущение гасится процессом, мы говорим об «отрицательной обратной связи». Примером отрицательной обратной связи является «обратная связь производства-уноса льда». Зимой, когда образуется морской лед, соль выбрасывается в океан. В результате верхний слой океана уплотняется и начинает тонуть. Когда поверхностная вода опускается, она оставляет место для более теплой воды внизу, чтобы подняться на поверхность. Эта более теплая поверхность океана препятствует образованию нового морского льда.

Основные обратные связи климата в полярных регионах связаны с атмосферой, океаном и морским льдом. Они представлены в нашем Образе недели. Знаки плюс и минус на этом рисунке означают, что обратные связи положительные и отрицательные соответственно.

 

Как мы можем измерить эти отзывы?

Все климатические обратные связи, изображенные в нашем «Образе недели», далеки от полного понимания и обычно измеряются различными методами. Вот почему новое исследование (из которого взято наше изображение недели) предлагает общую основу для их количественной оценки.

В этой структуре коэффициент обратной связи представляет собой соотношение между изменениями, вызванными только обратной связью, и реакцией всей системы, включая все обратные связи. Он положительный для положительной обратной связи и отрицательный для отрицательной обратной связи. Чтобы вычислить этот коэффициент обратной связи, нам нужно определить:

1. возмущение
2. опорная переменная, участвующая в контуре обратной связи
3. полная система, включающая все отзывы
4. система отсчета, в которой рассматриваемая обратная связь не работает.

 

Если мы возьмем пример «обратной связи образование-унос льда» (пояснено выше):

1. возмущение составляет заданное количество образования морского льда
2. опорная переменная толщина морского льда
3. полная система морской лед и океанская толща с процессом уноса
4. система отсчета морской лед и океанская толща без уноса.

 

Фактор обратной связи, связанный с «обратной связью образования и уноса льда», представляет собой соотношение между изменениями толщины льда, обусловленными только обратной связью, и общими изменениями толщины льда после заданного объема образования льда. Поскольку это отрицательная обратная связь, связанный с ней фактор обратной связи является отрицательным. Как показано на рис. 2, этот коэффициент обратной связи становится еще более отрицательным, т. е. сила обратной связи увеличивается с увеличением производства льда. Поэтому эта обратная связь сильно нелинейна, что характерно для обратных связей в полярных регионах.

Рис. 2: Фактор обратной связи, связанный с обратной связью между производством и уносом льда, в зависимости от производства льда. Он рассчитан на основе профилей средней температуры и солености в море Уэддела за январь-февраль 1990-2005 гг. [Источник: рис. 5 от Goosse et al. (2018)].

Преимущество этой структуры в том, что вы можете применить ее ко всем отзывам, присутствующим в нашем изображении недели. Следовательно, их эффекты можно вычислить аналогичным образом, что упрощает сравнение.

 

Уменьшение неопределенностей в прогнозах моделей

Учет всех этих климатических обратных связей затруднен, поскольку они включают несколько компонентов климатической системы и взаимодействия между ними. Следовательно, их искажение (или отсутствие представления) является одним из источников ошибок в модельных прогнозах, т. е. прогонах климатических моделей до 2100 г. и далее. Таким образом, обратные связи с климатом являются одним из объяснений того, почему модели в значительной степени расходятся во мнениях, когда речь идет о прогнозировании глобальной температуры и эволюции морского льда.

Это означает, что если мы хотим лучше предсказать, что произойдет в полярных регионах, мы должны лучше измерить, что обратные связи делают в действительности, и лучше представить их в климатических моделях.

Что касается моделирования, основная проблема заключается в том, что для понимания климатических процессов обратные связи часто описываются качественно, а многие модели не могут дать количественную оценку этих обратных связей. Таким образом, существует четкая мотивация использовать общую структуру, представленную в этом исследовании, для расчета климатических обратных связей в моделях.

Однако, в дополнение к улучшению модельных проекций, выявление критических климатических обратных связей, действующих в полярных регионах, также позволяет лучше ориентировать наблюдательные кампании, такие как Год полярных прогнозов (YOPP) и Многодисциплинарная дрейфующая обсерватория для изучения Арктики. Климат (MOSAiC).

 

Ссылки

• Goosse, H. et al. (2018). Количественная оценка климатических обратных связей в полярных регионах. Nature Communications, doi: 10.1038/s41467-018-04173-0.
• Питан, Ф. и Т. Мауритсен (2014). В современных моделях климата в арктическом усилении преобладают температурные обратные связи. Nature Geoscience, doi: 10.1038/NGEO2071.
• Изображение недели: эффект потепления от таяния арктических морских льдов
• Изображение недели – Арктические изменения в условиях потепления климата
  

Под редакцией Софи Бергер и Клары Бургард

---

Дэвид Докье является научным сотрудником с докторской степенью в Институте Земли и жизни Католического университета Лувена (UCL) в Бельгии.