Научный архив: статьи

Преждевременные роды относятся к большим акушерским синдромам. Всемирная организация здравоохранения констатирует устойчивую тенденцию к росту данного показателя на протяжении последних двух десятилетий. Продолжение исследований факторов риска преждевременных родов представляется научно значимым, поскольку их параметры могут варьироваться под воздействием множества факторов, включая социально-экономические условия, климатогеографические особенности, этническую принадлежность и генетику, а также динамику инфекционной заболеваемости и доступность специализированной помощи.

Цель – определение значимых факторов риска прерывания беременности в современных условиях у пациенток с угрожающими преждевременными родами, проживающих в Ивановской области.

Материал и методы. Проспективное исследование проведено на базе акушерского стационара ФГБУ «Ив НИИ МиД имени В. Н. Городкова» Минздрава России в 2023–2024 гг. Обследовано 219 женщин с клиническими признаками угрожающих преждевременных родов в сроках гестации от 220 до 370 недель. В зависимости от исхода беременности пациентки были разделены на две подгруппы: 145 женщин, у которых произошли своевременные роды и 74 пациентки с преждевременными родами. Проанализированы исходы беременности у всех включённых в исследование женщин. Программа исследования предусматривала оценку следующих параметров: социально-экономический статус, состояние здоровья, антропометрические характеристики, особенности течения настоящей беременности и родов.

Результаты и обсуждение. Проведенный сравнительный анализ клинических данных у беременных с угрожающими преждевременными родами в зависимости от исхода беременности выявил 15 статистически значимых ФР ПР.

Заключение. Выявлены факторы риска реализации преждевременных родов у женщин Ивановской области с угрожающими преждевременными родами в современных условиях. Врачам акушерских стационаров для формирования группы риска прерывания беременности у пациенток с угрожающими преждевременными родами предлагается учитывать следующие факторы риска: материальные проблемы как причину семейных конфликтов, наличие плацентарной недостаточности во время настоящей беременности, отсутствие информированности о необходимости прегравидарной подготовки, среднемесячный доход менее прожиточного минимума, задержку роста плода во время настоящей беременности, затруднение в самооценке своего здоровья, вагинит в анамнезе, преэклампсию, угрожающий аборт и предлежание плаценты во время настоящей беременности, отсутствие получения социального пособия, вибрацию на рабочем месте, отсутствие общности интересов в супружеской паре, аборты в анамнезе, недостаточное употребление свежих овощей.

В статье рассматривается задача прогнозирования скорости человека с использованием нейросетевых технологий и компьютерного зрения для минимизации запаздывания в системах управления беговыми платформами, приводящего к риску для здоровья пользователя. Для ее решения разработан бесстрессовый алгоритм, включающий прогнозирование положения и скорости пользователя на беговой платформе, включающий процедуру расчета скорости беговой платформы на основе анализа положения и характера движения пользователя, схему сбора и обработки данных для обучения нейросетевых методов, процедуру определения необходимого количества прогнозируемых кадров для устранения запаздывания. Научная новизна исследования состоит в разработке алгоритма управления беговыми платформами, объединяющего технологии компьютерного зрения для распознавания модели тела пользователя платформы, нейронные сети и методы машинного обучения для определения итоговой скорости человека на основе объединения данных о положении человека в кадре, текущей и прогнозируемой скорости человека. Предложенный алгоритм реализован с использованием библиотек Python, проведена его апробация в ходе экспериментальных исследований при анализе предшествующих 10 и 15 кадров для прогнозирования 10 и 15 следующих кадров. В результате сравнения алгоритмов машинного обучения (линейная регрессия, дерево решений, случайный лес, многослойные, сверточные и рекуррентные нейронные сети) при различных величинах длин анализируемых и прогнозируемых кадров наилучшую точность при прогнозировании положения показал алгоритм RandomForestRegressor, а при определении текущей скорости - плотные многослойные нейронные сети. Проведены экспериментальные исследования по применению разработанного алгоритма и моделей для определения скорости человека (при прогнозе в диапазоне 10-15 кадров получена точность более 90%), а также по их интеграции в систему управления беговой платформой. Испытания показали работоспособность предложенного подхода и корректность работы системы в реальных условиях. Разработанный алгоритм позволяет не использовать чувствительные к помехам датчики, требующие закрепления на теле человека, а прогнозировать действия пользователя за счет анализа всех точек тела человека для снижения запаздывания в различных человеко-машинных системах.