Главная    Реклама  

  MedLinks.ru - Вся медицина в Интернет

Логин    Пароль   
Поиск   
  
     
 

Основные разделы

· Разделы медицины
· Библиотека
· Книги и руководства
· Рефераты
· Доски объявлений
· Психологические тесты
· Мнение МедРунета
· Биржа труда
· Почтовые рассылки
· Популярное

· Медицинские сайты
· Зарубежная медицина
· Реестр специалистов
· Медучреждения

· Новости медицины
· Новости сервера
· Пресс-релизы
· Медицинские события

· Быстрый поиск
· Расширенный поиск

· Вопросы доктору
· Гостевая книга
· Чат

· Рекламные услуги
· Публикации
· Экспорт информации
· Для медицинских сайтов


Рекламa
 

Статистика


Статьи / Доказательная медици | Опубликовано 20-10-2009
Размер шрифта: 12px | 16px | 20px

Доказательная медицина
Данная информация предназначена для специалистов в области здравоохранения и фармацевтики. Пациенты не должны использовать эту информацию в качестве медицинских советов или рекомендаций.


Об одной особенности принятия решения врачом

А.П. Хускивадзе

Аннотация

В статье рассматриваются задачи принятия решения врачом при малых и репрезентативных выборках результатов обследования больного. Изыскивается общий способ решения этих задач.

Статья представляет интерес как для врачей-практиков, так для медиков-исследователей, а также и для специалистов, работающих в областях прогнозирования и принятия решения.

Все права на материалы статьи защищены, и эти материалы не могут быть использованы без письменного разрешения владельца авторских прав и Федеральной службы по интеллектуальной собственности, патентам и товарным знакам РФ.

Ключевые слова: принятие решения, прогнозирование, врач-практик, малая выборка, репрезентативная выборка.

Постановка задачи

В настоящее время при лечении конкретного больного, как правило, оперируют фактическими данными

Bj1 = {bjλ1 ; λ = 1..Nj1; 1≤ Nj1 ≤ 5 }; j = 1..N , (1)

где

bjλ1 - – количество замеров величины yj Î Y;

Y – генеральная совокупность первичных показателей состояния больного.

И в подавляющем большинстве случаях состояние больных улучшаются. Следовательно, эти данные содержат информацию, достаточную для принятия правильного решения с вероятностью, близкой 1.

Возникает вопрос: можно ли извлекать эту информацию? И, если да, то как?

Чтобы ответить на эти вопросы, в первую очередь, следует выяснить, чем различие между задачей, стоящей перед врачом – практиком и задачей, стоящей перед медиком – ученым?

Задача прогнозирования состояния здоровья человека

При решении задачи прогнозирования состояния типичного представителя (ТП) однородной группы больных с целью получения обобщенных научных выводов, необходимо знание совокупностей данных

Bj1(G); j = 1..N (2)

и

Bj0(G); j = 1..N (3),

где совокупность данных (2) служит объективной характеристикой изучаемого состояния ТП, а совокупность (3) является объективной характеристикой возможного нормального состояния ТП.

На практике вместо совокупностей (2) и (3), оперируют данными

Bj1 = {bjλ1 ; λ = 1..Nj1}; j = 1..N

и (4)

Bj0 = {bjλ0 ; λ = 1..Nj9}; j = 1..N,

где

Bj1 - совокупность фактических результатов обследования части больных, служащая репрезентативной выборкой от Bj1(G)с доверительной вероятностью

P = P0 ≥ 0.95; (5)

Bj0 - совокупность фактических результатов обследования части здоровых людей, служащая репрезентативной выборкой от Bj0(G) с доверительной вероятностью P = P0 ≥ 0.95.

В далее мы будем полагать, что выполняются следующие два условия [2 ]

Условие 1

Каждая выборка

B = Bj 0 + Bj 1

представляет собой результаты равноточных и взаимно независимых измерений величины

yj Î Y.

Условие 2

Систематические ошибки измерения величины yj Î Y отсутствуют, а случайные ошибки ее измерения описываются нормальным законом распределения вероятностей

Обозначим

и Sj 1 = ; j = 1..N

и (6)

djk = Sjk и tjk= tj(P, (Njk – 1)); k = 0,1,

где

tjk - критическое значение критерия Стьюдента при степени свободы (Njk – 1).

Из репрезентативности выборок (4) следует, что

ç Μj k - Μj k(G) ç < dj k tj k; k = 0,1, (7)

где

Μj k(G) – генеральное среднее арифметическое величины Μj k.

Зависимость (7) имеет смысл в том случае, когда

dj k tj k > 0; k = 0,1

Отсюда и из (5) и (6) следует, что

1<< Nj k < ∞; k = 0,1 (8)

Таким образом, решая задача прогнозирования, всегда должны оперировать выборками данных, для которых выполняются условия (7) и (8).

Проблема учета особенностей организма индивида

Пусть, Δj(П) – абсолютная погрешность измерительного прибора величины yj Î Y,

где

Y – генеральная совокупность первичных показателей состояния больного.

По мере усовершенствования техники измерения величина Δj(П) становится все меньше и меньше. Тем не менее, можно полагать, что

Δj(П) > 0

Ясно, что величина yj Î Y наиболее точно может быть измерена в единицах Δj(П).

Вообще

│Δj(O) - Δj(П)│≥ 0; j = 1..N, (9)

где

Δj(O) – единица измерения величины yj Î Y, фактически используемая при определении состояния здоровья данного больного.

Пусть

Mj1(O) и Sj 1(O); j = j0; j0= 1..N

- значения

Mj1 и Sj 1; j = j0; j0= 1..N ,

установленные в результате измерения величины yj Î Y в единицах Δj(O):

Mj1(O) = Mj1 и Sj1(O) = Sj1 при Δj(O) = Δj(П) ; j = 1..N (10)

Пусть

Mj1(O,G) и Sj 1(O,G); j = 1..N (11)

являются значениями

Mj1(O) и Sj 1(O); j = 1..N

такими, что имеют место

Mj1(O) = Mj1(O,G) и Sj1(O) = Sj1(O,G) при Δj(O) = 0 ; j = 1..N (12)

В чем сходство и различие между величинами Mj1(O,G) и Mj1(G)?

Величина Mj1(G), как генеральная среднее арифметическая, является объективной характеристикой фактического состояния типичного больного (ТП) изучаемой однородной группы больных, Для этой величины всегда имеет место: Δj(G) = 0,

где

Δj(G) – абсолютная ошибка измерения Mj1(G).

Для величины Mj1(O,G), в отличие от Mj1(G), на практике, как правило, имеет место

Δj(O) > 0; j = 1..N (13)

Поэтому, вместо (12), в общем случае должно выполняться условие

Mj1(O) Î Aj(О,G); j = 1..N , (14)

где

Aj(O,G) = (Mj1(O,G) - Δj(O) , Mj1(O,G) + Δj(O)); j = 1..N (15)

Если условие (14) выполняется, то можно сказать, что у больного измерение величины yj Î Y произведено корректно. В противном случае, измерение будет выполнено некорректно.

Из (14) и (15) имеем

Mj1(O,G)Î Aj(O) ; j = 1..N , (16)

где

Aj(O) = (Mj1(O) - Δj(O) , Mj1(O) + Δj(O)); j = 1..N (17)

Таким образом, если мы будем знать

Mj1(O) и Δj(O) ,

то с точностью Δj(O) ≥ 0 можно установить и величину Mj1(O,G).

Итак, величина Mj1(G) всегда измеряется с точностью Δj(G) = 0, а величина Mj1(О,G) измеряется с точностью Δj(O) ≥ 0.

При этом, если данный больной является ТП изучаемой однородной группы больных, то имеет место

Mj1(O,G) = Mj1(G) при Δj(O) = Δj(G) = 0

и (18)

Δj(O) >│Mj1(O,G) - Mj1(G)│> 0 при Δj(O) > 0

Во всех других случаях имеет место

Δj(Н,G) >│Mj1(O,G) - Mj1(G)│≥ Δj(O) > 0, (19)

где

Δj(Н,G) – значение величины yj Î Y такое, что имеет место

Aj(Н,G) = (Mj1(G) - Δj(Н,G) , Mj1(G) + Δj(Н,G)); j = 1..N

Об области Aj(Н,G) говорят, что она является областью неразличимости значений величины

yj Î Y для изучаемой однородной группы больных.

О величине Δj(Н,G) можно говорить, что она является единицей измерения величины

yj Î Y для изучаемой однородной группы больных.

Возникает вопрос: какую из величин Mj1(O,G) и Mj1(G) следует отдать предпочтение?

В природе двух неразличимых друг от друга людей не бывают. Даже братья-близнецы в чем-то друг от друга различаются. Поэтому и говорят: каждый человек имеет свою неповторимую индивидуальность.

Различие индивидуальностей друг от друга обусловлено многими и многими факторами.

Обозначим всю совокупность факторов, способствовавших формированию личности данного больного через L(O).

Положим, что существует человек, представляющий собой ТП изучаемой однородной группы больных. Совокупность факторов, способствовавшая формирование личности этого человека, обозначим через L(ТП).

Если данный больной является ТП изучаемой однородной группы больных, то L(O). = L(ТП) и, следовательно, имеет место (18). Во всех других случаях L(O). ¹ L(ТП) и, следовательно, выполняется условие (19).

Величина Mj1(O,G) получена вследствие существования данного больного в среде L(O). Следовательно, мы поступим правильно, если при лечении этого больного отдадим предпочтение величине Mj1(O,G). В этом случае мы допустим меньшую ошибку при принятия решения.

Величина Mj1(G) получена вследствие существования типичного больного в среде L(ТП). Следовательно, мы поступим правильно, если при решении задачи прогнозирования отдадим предпочтение величине Mj1(G).

Итак, при лечении конкретного больного следует взять в качестве ориентира величину Mj1(O,G), а при решении задачи прогнозирования в качестве ориентира следует взять величину Mj1(G).

Пусть

Mj(Z); Sj (Z); Mj(Z,G) и Sj (Z,G); j = 1..N

являются значениями

Mj1(O); Sj 1(O,G); Mj1(O,G) и Sj 1(O,G); j = 1..N

такими, что если человек находится в нормальном состоянии, то

Mj1(O) = Mj(Z); Sj1(O) = Sj1(Z,); Mj1(O,G) = Mj(Z,G) и Sj1(O) = Sj1(Z, ,G)

при Δj(O) = 0; j = 1..N

О величине Mj(Z,G) говорят, что она является объективной точечной индивидуальной нормой человека, а Mj(Z) является оценкой Mj(Z,G).

Согласно (12) величина Mj(Z,G) является одним из возможных значением Mj1(O,G). Следовательно, величиной Mj1(O,G), как и величиной Mj(Z,G), человек характеризуется как индивидуальность. В этом и состоит преимущество ориентирования при лечении конкретного больного на величину Mj1(O,G), а не на величину Mj(G).

Для определения величины Mj1(O,G), согласно (16) и (17), необходимо и достаточно, чтобы выполнялось условие

ç Μj 1(O) - Μj 1(O,G) ç < Δj(O); j = 1..N (20)

Если это условие выполняется, то можно написать, что: Μj 1(O,G) » Μj 1(O) .

Как видно, при лечении конкретного больного достаточно знание данных

Mj1(O) и Δj(O); j = 1..N

и совершенно не требуется знание данных

Μj 1(G); j = 1..N

Следовательно, нет необходимости выполнения условия

ç Μj 1 - Μj 1(G) ç < dj 1 tj 1; j = 1..N (21)

Однако остается необходимость выполнения условия

ç Μj 0 - Μj 0(G) ç < dj 0 tj 0; j = 1..N (22)

Дело в том, что величины

Μj 0(G) ; j = 1..N

служат объективными характеристиками возможного нормального состояния данного больного.

Следовательно, для их установления, как ожидаемых - прогнозируемых - величин, необходимо решение задачи прогнозирования. Но условие (22), как было показано выше, может выполняться только в том случае, когда

Nj 0 >> 1; j = 1..N

Точнее, должно иметь место

Nj 0 ≥ Nj min; j = 1..N ,

где

Nj min - значение Nj 0 при котором выборка Bj0 является репрезентативной с доверительной вероятностью P = P0 ≥ 0.

В отличие от (22), условие (16), согласно (17), может выполняться как в том случае, когда

Nj 1 = 1; j = 1..N ,

так и в том случае, когда

Nj 1 > 1; j = 1..N .

Здесь важно лишь то, что величина Mj1(O) была получена по результатам измерения величины

yj Î Y с точностью Δj(O ).

В итоге, при лечении конкретного больного можно оперировать совокупностями данных, для которых имеют место

Nj 1 ≥ 1 и Nj 0 >>1; j = 1..N

Особенности принятия решения по единичным результатам обследования

состояния здоровья человека

В настоящее время при лечении конкретного больного, как правило, оперируют фактическими данными (1). И в подавляющем большинстве случаях состояние больных улучшаются. Следовательно, эти данные, как указывалось выше, содержать информацию, достаточную для принятия правильного решения с вероятностью, близкой 1.

Как это информация из совокупности (1) извлекается?

Вообще величины

yj Î Y и yi Î Y; j,i = 1..N ; j ¹ i (23)

имеют различные размерности и, следовательно, как сами они, так их общепринятые единицы измерения

Δj(П) и Δi(П) ; j,i = 1..N ; j ¹ i , (24)

являются между собой несопоставимыми.

Следовательно, величины

Μj k и Μi k; k = 0,1; j,i = 1..N ; j ¹ i , (25)

тоже являются между собой несопоставимыми.

Врач, оперируя фактическими данными, для которых имеет место (1), как указывалось выше, подавляющее большинство случаев, принимает обоснованное решение. Это ему удается сделать благодаря тому, что данные фактического состояния больного (25) он каким-то образом все же сопоставляет как между собой, так и с данными возможного нормального состояния этого больного. Именно этим путем врачу и удается компенсировать недостающие, с точки зрения математической статистики, данные.

Пусть, имеет место

ç Μj 0 - Μj 0(G) ç < Δj 0 , (26)

где

Δj 0 = dj 0 tj 0 (27)

Тогда с доверительной вероятностью P = P0 утверждают, что

Μj 0 = Μj 0(G)

Тем самым, по сути дела, все значения величины yj Î Y, принадлежащие открытой области

j 0(G) - Δj 0 , Μj 0(G) + Δj 0 ),

рассматривают, как практически друг от друга неразличимые. Вместе с тем в закрытой области

Aj0(G) = [Μj 0(G) - Δj 0 , Μj 0(G) + Δj 0 ]

друг от друга различают три значения величины yj Î Y. Ими являются значения

yj = Μj 0(G) - Δj 0, yj = Μj 0(G) и yj = Μj 0(G) + Δj 0

Таким образом, при заданной доверительной вероятности P = P0 в области Aj0(G) величина yj Î Y фактически измеряют не с точностью Δj (П), а с точностью Δj 0. В итоге, в области Aj0(G) величина yj Î Y наиболее точно можно измерить в единицах Δj 0 ≥ Δj (П).

Вообще имеет место

Aj0(G) ÍÍ Aj,

где

Aj – область задания величины yj Î Y.

Если выполняется условие (26) и, следовательно, yjÎ Aj0(G), то, согласно (7), величина yj Î Y находится в пределах области общепринятой статистической нормы. А если условие (26) не выполняется, то имеет место

yj Î (Aj - Aj0(G))

В этом случае говорят, что величина yj Î Y находится вне области общепринятой статистической нормы.

В том случае, когда величина yj Î Y находится вне области общепринятой статистической нормы, возникает необходимость проверки условия

çΜj1 - Μj1(G) ç < Δj1 , (28)

где

Δj1 = dj1 tj1 (29)

Если условие (28) выполняется, то с доверительной вероятностью P = P0 можно утверждать, что

Μj1 = Μj1(G)

Обозначим

Aj1(G) = [Μj1(G) - Δj1 , Μj1(G) + Δj1 ]

В области Aj1(G) величина yj Î Y наиболее точно можно измерить в единицах Δj 1.

Вообще

│Δj 0 - Δj 1│≥ 0

Обозначим

(30)

Пусть

τj* = τ(P, Nj0 + Nj1 – 2) (31)

- критическое значение критерия Стьюдента при заданной доверительной вероятности P и степени свободы Nj0 + Nj1 – 2.

Для сопоставления между собой величин

Μj 1 и Μj 0; j = j0; j0 = 1..N ,

оперируют следующими противоположными неравенствами [1]:

ç Mj1 - Mj0 ç < d j*τj* (32)

и

ç Mj1 - Mj0 ç ≥ d j*τj*, (33)

где

d j*τj* > 0 (34)

При этом, если имеет место (32), то вероятностью P утверждают, что справедлива гипотеза:

yj = Mj1 = Mj0.

А это означает что, в открытой области

Aj* = (Μj 0 - Δj * , Μj 0 + Δj *)

при заданной вероятности P = P0 все значения величины yj Î Y являются практически друг от друга неразличимыми, где

Δj * = d j*τj* (35)

В месте с тем, в закрытой области

Aj* = [Μj 0 - Δj * , Μj 0 + Δj * ]

при заданной вероятности P = P0 друг от друга различают следующие три значения величины

yj Î Y:

yj = Μj 0 - Δj *, yj = Μj 0 и yj = Μj 0 + Δj *

В итоге, в области Ajk(G) ( k = 0,1) величина yj Î Y фактически измеряется в единицах Δjk , а в области Aj* в единицах Δj *.

Обозначим

Δjmax = max{ Δj0, Δj1, Δj *} (36)

Если бы запись (36) была бы корректной, то величину yj Î Y можно было измерить в единицах Δjmax. И тогда в области

Aj0(G)ЩAj1(G)ЩAj*

все значения величины yj Î Y, как измеренные в одних и тех же единицах, были бы между собой сопоставимыми.

В действительности, однако, запись (36) не является корректной.

В самом деле, величины Δj0 и Δj1, согласно (6), (27) и (29) определяются с одним и тем же способом. Благодаря этому имеет место

Δj1 = Δj0 при Sj1 = Sj0 и Nj1 = Nj0

и, следовательно, вообще

│Δj1 - Δj0 │≥ 0

Что касается величине Δj *, то способ ее определения, согласно (30), (31) и (35), отличается от способа определения величин Δj1 и Δj0. По этой причине имеет место

Δjk ¹ Δj * при Sj1 = Sj0 и Nj1 = Nj0; k = 0,1

В итоге, запись

│Δjk - Δj* │≥ 0

не является корректной. Следовательно, не является корректной и запись (36).

Обозначим

d Kj = SjK и tKj = t(P, 2(NjK -1)) ; K = 0,1 (37)

Можно проверить, что

d 1j t1j = d 0j t0j = d j*τj* при d j1 tj1 = d j0 tj0 > 0

d 1j tj < d j*τj* при 0 < d j1 tj1 < d j0 tj0 (38)

d 0j t0j < d j*τj* при d j1 tj1 > d j1 tj1 > 0

Как видно, величины

Δkj и Δ j* ; k = 0,1

являются между собой сопоставимыми,

где

Δkj = d kj tkj

Обозначим

d j = d 1j и tj = t1j при d 1j t1j £ d j*τj*

и (39)

d j = d j* и τj = τj* при d 1j t1j > d j*τj*

Согласно (38) и (39) имеет место

0 < d j τj ≤ d 0j t0j ≤ d j*τj* (40)

и, следовательно,

Aj(G) Í Aj(0,G) Í Aj*(G), (41)

где

Aj(G) = [Μj 0(G) - d j τj , Μj 0(G) + d j τj ]

Aj(0,G) = [Μj 0(G) - d 0j t0j , Μj 0(G) + d 0j t0j ]

Aj*(G) = [Μj 0(G) - d j*τj* , Μj 0(G) + d j*τj* ]

О множестве Aj(G) говорят, что оно является областью индивидуальной нормы величины

yj Î Y для организма данного человека и пишут:

Mj(Z,G)Î Aj(G) (42)

Как видно, область индивидуальной нормы является подобластью как области с корректированной статистической нормой Aj(0,G), так и области Aj*(G).

В итоге, согласно (41) и (42), имеет место

Mj(Z,G)Î Aj(G) Í Aj(0,G) Í Aj*(G), (43)

т.е. точечная индивидуальная норма является общей точкой всех областей: Aj(G), Aj(0,G) и Aj*(G).

Согласно (40) имеет место

ç Mj1 - Mj0 ç < d j τj Þ ç Mj1 - Mj0 ç < d j*τj* , (44)

Если

ç Mj1 - Mj0 ç < d j τj; j = j0; j0 =1..N, (45)

то, согласно (44),

ç Mj1 - Mj0 ç < d j*τj*; j = j0; j0 =1..N (46)

и, следовательно, с вероятностью P можно утверждать, что: Mj1 = Mj0.

Говорят, что функциональная часть организма человека, характеризуемая величиной yj Î Y, находится в нормальном состоянии в широком смысле, если выполняется условие (45). А если выполняется условие (46), то говорят, что она находится в нормальном состоянии в обычном смысле.

Обозначим

a j = (47)

Величины

a j; j =1..N,

как видно, являются безразмерными и, следовательно, между собой сопоставимыми.

Обозначим

a = max{a j, j =1..N} (48)

и

Δj = a MZj (49)

Согласно (47), (48) и (49) имеет место

Δj ≥ d j tj ; j = 1..N

Следовательно

ç Mi1 – Mj0 ç ≥ Δi Þ ç Mj1 - Mj0 ç ≥ d j tj для всех j = 1..N (50)

В том случае, когда существует хоть одно i = i0 такое, что

ç Mi1 – Mj0 ç ≥ Δi; i = i0; i0 = 1..N, (51)

согласно (50), будет иметь место

ç Mj1 - Mj0 ç ≥ d j tj для всех j = 1..N (52)

и, следовательно, не выполнится ни одно условие

ç Mj1 - Mj0 ç < d j tj ; j = j0 ; j0 = 1..N

Таким образом, выполнение условия (51) достаточно, для того чтобы ни одна функциональная часть организма человека не находила в нормальном состоянии в широком смысле.

Каждая совокупность величин

Mj1, Mj0 , d j и tj ; j = j0 ; j0 = 1..N

служит характеристикой состояния вполне определенной, а именно j –ой функциональной части организма. Вместе с тем, выполнение условия (51), как только что было показано, приводит к тому, что ни одна функциональная часть организма человека не будет находиться в нормальном состоянии. Это можно объяснить, положив, что каждая величина Δj содержит в себе сведения о состоянии всех функциональных частей организма, т.е она является характеристикой всего организма.

При этом, согласно (37), (39), (47), (48) и (49), имеет место

Δj = Δj (P) > 0

Следовательно, выполняется условие

P ≤ Pmax < 1,

где

Pmax – максимально возможное значение величины P для организма данного человека.

Определение

Пусть, Δj(O,G) – значение Δj такое, что

Δj = Δj(O,G) при P = Pmax

Тогда и только тогда говорят, что величина Δj(O,G) является объективной системной единицей измерения величины yj Î Y в организме данного человека.

О величине Δj говорят, что она является оценкой Δj(O,G) и пишут [3, 4]:

Δj = Δj(O); j = 1..N (53)

Для величины Δj(O), согласно (49) и (53), имеет место

Δj(О) = Δj(О,P)

Следовательно, величина Δj(O), так и величина P, является субъективной характеристикой организма человека. О ней можно говорить, что она является субъективной системной единицей измерения величины yj Î Y в организме данного человека.

Установление величин

Δj(О); j = 1..N (54)

и, в конечном счете, величин

Mj(О); j = 1..N, (55)

является важнейшим условием для объективного измерения состояния здоровья человека,

где

Mj(О) = round(,1) Δj(О) (56)

Польный алгоритм определения этих величин приведен [5]. Этот алгоритм справедлив как в том случае, когда решение принимается по единичным результатам обследования больного, так и в том случае, когда решается задача прогнозирования.

Литература

1. Ивлева Е.И. Повышение эффективности терапии больных невротическими

расстройствами на основе коррекции вегетативного гомеостаза. Автореф. дис.на соискание ученой степени КМН: 14.00.05 и 14.00.18 – Воронеж. 2001. - 23 с.

2. Большев Л.Н., Смирнов Н,В. Таблицы математической статистики. М.- Наука. Главная редакция физико-математической литературы. – 1983. – 416 с.

3. Естественный глобальный оптимум и вероятностный предел познания истины. Индивидуальная норма человека. http://www.medlinks.ru/article.php?sid=33435 

4. Вероятностный предел познания истины и вопросы математического моделирования живого организма как единого целого. http://www.medlinks.ru/article.php?sid=32701

5. Хускивадзе А.А., Хускивадзе А.П. Способ определения степени переносимости организмом больного с пневмонией активной ортостатической пробы. RU 2008140229 A . Бюл. № 6, 2009




Если вы заметили орфографическую, стилистическую или другую ошибку на этой странице, просто выделите ошибку мышью и нажмите Ctrl+Enter. Выделенный текст будет немедленно отослан редактору


 Мнение МедРунета


Почтовые рассылки сервера Medlinks.ruХотите своевременно узнавать новости медицины и быть в курсе новых поступлений медицинской библиотеки? Подпишитесь на почтовые рассылки сервера Medlinks.ru Почтовые рассылки сервера Medlinks.ru


Реклама

Доказательная медици

Информация по теме
· Все по теме
· Статьи по теме
· Новости по теме
· Советы по теме
· Пресс-релизы
· Книги по теме
· Сайты по теме
· Рефераты по теме
· Дискуссии на форуме
· Медицинские события
· Вакансии и резюме
· Специалисты
· Медучреждения


Новое в разделе
1. Косметика Кристина в Украине
2. Доказательная медицина или Да здравствует коммунизм
3. Лаборатория «ЛабКвест» стала медицинским партнером международного наземного эксперимента SIRIUS
4. Иллюзия здоровья: не все действующие вещества одинаково эффективны при лечении гриппа и ОРВИ
5. Применение отечественного противовирусного препарата с позиций доказательной медицины
6. Третья Российско-японская телеконференция по эндоскопии прошла в Клинической больнице МЕДСИ в Боткин
7. Канадские учёные разрабатывают индекс безопасности водителя при поддержке Essilor
8. Компания Bayer представила современные стандарты разработки в области доказательной фитомедицины на примере препарата Иберогаст
9. О медицине данных и современных технологиях – на Фестивале науки в МГУ
10. Лучшие достижения в пульмонологии, аллергологии и реабилитации - на Научном Совете МЕДСИ


Правила использования и правовая информация | Рекламные услуги | Ваша страница | Обратная связь |





MedLinks.Ru - Медицина в Рунете версия 4.7.19. © Медицинский сайт MedLinks.ru 2000-2022. Все права защищены.
При использовании любых материалов сайта, включая фотографии и тексты, активная ссылка на www.medlinks.ru обязательна.