DOI: https://doi.org/10.31071/kit2021.17.11

Опис-посилання

ISSN 1812-7231(print), ISSN 2786-5800 (Online) Klin. inform. telemed. Volume 16, Issue 17, 2021, Pages 118-126

Автор(и)

Ж. В. Сотнікова-Мелешкіна, О. В. Мартиненко

Установа(ви)

Харківський національний університет імені В. Н. Каразіна, Україна

Назва статті

Нечітка логіка для оцінки та прогнозування рівня фізичного розвитку школярів

Анотація (резюме)

Вступ. Вважається актуальним і важливим інкорпорування наявних на сьогоднішній день нормативних показників фізичного розвитку дітей шкільного віку в єдину методику, що дозволяє інтегрально оцінити кожен з них, результати в цілому та відстежувати індивідуальну динаміку розвитку дитини.

Мета. Використання методу нечіткої логіки для оцінки фізичного розвитку школярів та прогнозування його рівня і динамічних змін.

Матеріали та методи. У дослідженні прийняли участь 1302 дитини молодшого шкільного віку (від 7 до 10 років, у т. ч. 704 хлопці та 598 дівчат). Дослідження фізичного розвитку проводилось за показниками довжини, маси тіла та окружності грудної клітки з подальшою оцінкою за шкалами регресії. Індивідуальний ступінь приналежності окремих критеріїв фізичного розвитку та усієї сукупності показників в цілому визначались за математичною моделлю нечіткого логічного судження про стан фізичного розвитку дитини.

Результати. На підставі довільно вибраних записів спостережень за фізичним розвитком дітей шкільного віку упродовж календарного року було продемонстровано роботу запропонованого алгоритму та інтерпретацію результатів нечіткої логіки. Встановлено, що при гармонійному фізичному розвиткові та нормативних (у межах ± 1σ) показниках маси, довжини тіла, окружності грудної клітки за шкалами регресії аналіз нечіткої логіки визначав відповідність дійсності тверджень щодо вказаних параметрів на 21–76%, 57–95% та 20–44% відповідно. За їх окремим та інтегральним аналізом було надано рекомендації щодо оптимізації рівня фізичної активності та харчування як основних керованих чинників.

Висновки. Використання методу нечіткої логіки надає змогу визначати ступінь відповідності критеріїв фізичного розвитку та спрямованість їх динамічних змін, що у подальшому може бути використано як критерій ефективності коригуючих заходів щодо гармонізації статури дитини та профілактики ожиріння.

Ключові слова

нечітка логіка, фізичний розвиток, школярі, учні молодшого шкільного віку.

Список літератури

1. Apouey B. H. Child physical development in the UK: the imprint of time and socioeconomic status. Public Health, 2016, vol. 141, pp. 255-263. doi:10.1016/j.puhe.2016.09.004.

2. Egan B., Gage H., Williams P., Brands B., Gyorei E., Lopez-Robles J.-C., Campoy C., Decsi T., Koletzko B., Raats M. The effect of diet on the physical and mental development of children: views of parents and teachers in four European countries. British Journal of Nutrition, 2019, vol. 122 (s1), pp. 31-39. doi:10.1017/S000711451500032X.

3. Murasko J. E. Associations between household income, height, and BMI in contemporary US schoolchildren. Econ Hum Biol, 2013, Mar, vol. 11 (2), pp. 185-196. doi:10.1016/j.ehb.2011.09.001.

4. Petraviciene I., Grazuleviciene R., Andrusaityte S., Dedele A., Nieuwenhuijsen M. J. Impact of the social and tatural environment on preschool-age children weight. Int J Environ Res Public Health, 2018, vol. 15 (3), E449. doi:10.3390/ijerph15030449.

5. Zhang Y., Wang H., Wang X., Liu M., Wang Y., Wang Y., Zhou H. The association between urbanization and child height: a multilevel study in China. BMC Public Health, 2019, May 14, vol. 19 (1), p. 569. doi:10.1186/s12889-019-6921-z.

6. Aggarwal B., Jain V. Obesity in children: Definition, etiology and approach. Indian J Pediatr, 2018, vol. 85 (6), pp. 463-471. doi:10.1007/s12098-017-2531-x.

7. Федоренко В. І., Кіцула Л. М. Динаміка фізичного розвитку 6- річних дітей м. Львова. Environment & Health, 2017, № 2, cc. 14–19. URL: http://nbuv.gov.ua/UJRN/dtz_2017_2_13.

8. Apouey B. H. Child physical development in the UK: the im-print of time and socioeconomic status. Public Health, 2016, vol. 141, pp. 255-263. doi:0.1016/j.puhe.2016.09.004.

9. Москвяк Н. В. Особливості морфологічного розвитку європейських школярів на початковому етапі навчання. Environment & Health, 2017, № 1, cc. 46–49.

10. Kuhle S., Ashley-Martin J., Maguire B., Hamilton D. C. Percentile curves for skin fold thickness for Canadian children and youth. Peer J, 2016, Jul 21, vol. 4, e2247. doi: 10.7717/peerj.2247.

11. Про затвердження Критеріїв оцінки фізичного розвитку дітей шкільного віку. Наказ МОЗ України №802, від 13.09.2013. URL: http://search.ligazakon.ua/l_doc2.nsf/link1/RE24226.html.

12. Скринінг-оцінка фізичного розвитку дітей 6–17 років за індексом Вервека. Інформаційний лист про нововведення в системі охорони здоров’я, 2012, № 55, 4 с.

13. Abdulrazzaq Y. M., Nagelkerke N., Moussa M. A. UAE population reference standard charts for body mass index and skinfold thickness, at ages 0-18 years. Int J Food Sci Nutr, 2011, vol. 62 (7), pp. 692–702. doi:10.3109/09637486.2011.567978.

14. BMI-for-age (5–19 years). Available from: https://www.who. int/tools/growth-reference-data-for-5to19-years/indica-tors/bmi-for-age.

15. Ribeiro E. A., Leal D. B., de Assis M. A. Diagnostic accuracy of anthropometric indices in predicting excess body fat among seven to ten-year-old children. Rev Bras Epidemiol, 2014, vol. 17 (1), pp. 243-254. https://www.ncbi.nlm.nih. gov/pubmed/24896796.

16. Tomaszewski P., Z˙mijewski P., Milde K., Sienkiewicz-Dianzenza E. Weight-height relationships and central obesity in 7-year-old to 10-year-old Polish urban children: a comparison of different BMI and WHtR standards. J Physiol Anthropol, 2015, vol. 34, 34. doi:10.1186/s40101-015-0073-3.

17. Platonova A., Podrigalo L., Iermakov S., Cieslicka M., Muszki eta R. Evaluation of physical development in Ukrainian city pupils during 35 year — monitoring period (1974–2009). Coll. Antropol, 2018, vol. 42 (1), pp. 7–12.

18. Boeyer M. E., Middleton K. M., Duren D. L., Leary E. V. Estimating peak height velocity in individuals: a comparison of statistical methods. Annals of Human Biology, 2020, vol. 47, Issue 5. pp. 434-445. doi:10.1080/03014460.2020.1763458.

19. Chen Li-K., Wang G., Bennett W. L., Ji Y., Pearson C., Ra-dovick S., Wang X. Trajectory of Body Mass Index from Ages 2 to 7 Years and Age at Peak Height Velocity in Boys and Girls. J Pediatr, 2021, Mar, vol. 230, pp. 221-229. e5. doi: 10.1016/j.jpeds.2020.11.047.

20. Cole T. J. Optimal design for longitudinal studies to estimate pubertal height growth in individuals. Ann Hum Biol, 2018, Jun, vol. 45 (4), pp. 314-320. doi: 10.1080/03014460.2018.1453948.

21. Simpkin A. J, Sayers A., Gilthorpe M. S., Heron J., Tilling K. Modelling height in adolescence: a comparison of methods for estimating the age at peak height velocity. Ann Hum Biol, 2017, Dec, vol. 44 (8), pp. 715-722. doi: 10.1080/03014460.2017.1391877.

22. Ziauddeen N., Wilding S., Roderick P. J., Macklon N. S., Smith D., Chase D., Alwan N. A. Predicting the risk of childhood overweight and obesity at 4-5 years using population-level pregnancy and early-life healthcare data. BMC Med, 2020, May 11, vol. 18 (1), pp. 105. doi:10.1186/s12916-020-01568-z.

23. Welten M., Wijga A. H., Hamoen M., Gehring U., Koppelman G. H., Twisk J. W. R., Raat H., Heymans M. W., de Kroon M. L. A. Dynamic prediction model to identify young children at high risk of future overweight: Development and internal validation in a cohort study. Pediatr Obes, 2020, Sep, vol. 15 (9): e12647. doi:10.1111/ijpo.12647.

24. Dogan I. An Overview of Soft Computing. Procedia Computer Science, 2016, vol. 102, pp. 34-38. doi:10.1016/j.procs.2016.09.366.

25. Yanase J., Triantaphyllou E. A Systematic Survey of Computer-Aided Diagnosis in Medicine: Past and Present Developments. Expert Systems with Applications, 2019, vol. 138, 112821. doi:10.1016/j.eswa.2019.112821.

26. Drescher U. The Fuzzy Kinetics Index: an indicator conflating cardiorespiratory kinetics during dynamic exercise. Eur J Appl Physiol, 2021, May, vol. 121 (5), pp. 1349–1357. doi:10.1007/s00421-021-04611-w.

27. Incekara C. O. Post-COVID-19 ergonomic school furniture design under fuzzy logic. Work, 2021, vol. 69 (4), pp. 1197–1208. doi:10.3233/WOR-210652.

28. Vlamou E., Papadopoulos B. Fuzzy logic systems and medical applications. AIMS Neurosci, 2019, Oct 22, vol. 6 (4), pp. 266–272. doi:10.3934/Neuroscience.2019.4.266.

29. Thukral S., Rana V. Versatility of fuzzy logic in chronic diseases: A review. Med Hypotheses, 2019, Jan, vol. 122, pp. 150–156. doi:10.1016/j.mehy.2018.11.017.

30. Ahmadi H., Gholamzadeh M., Shahmoradi L., Nilashi M., Rashvand P. Diseases diagnosis using fuzzy logic methods: A systematic and meta-analysis review. Comput Methods Programs Biomed, 2018, Jul, vol. 161, pp. 145–172. doi: 10.1016/j.cmpb.2018.04.013.

31. Al-Dmour J. A., Sagahyroon A., Al-Ali A. R., Abusnana S. A fuzzy logic-based warning system for patients classification. Health Informatics J, 2019, Sep, vol. 25 (3), pp. 1004–1024. doi:10.1177/1460458217735674.

32. Amezquita-Sanchez J. P., MammonevN., Morabito F. C., Adeli H. A New dispersion entropy and fuzzy logic system methodology for automated classification of dementia stages using electroencephalograms. Clin Neurol Neurosurg, 2021, Feb, vol. 201, pp. 106446. doi:10.1016/j.clineuro.2020.106446.

33. Korkmaz H., Canayaz E., Akar S. B., Altikardes Z. A. Fuzzy logic based risk assessment system giving individualized advice for metabolic syndrome and fatal cardiovascular diseases. Technol Health Care, 2019, vol. 27 (S1), pp. 59–66. doi:10.3233/THC-199007.

Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2021_17/011.pdf