Данная выпускная работа посвящена исследованию влияния точности результатов клинических медицинских анализов на точность выводов, получаемых при их обработке. По итогам работы показано, что инструментальные погрешности исходных медицинских данных существенно влияют на конечные результаты и недооценка их неточности может приводить к принятию необоснованных решений. Было выполнено всестороннее исследование на важном практическом примере уточнения классификации заболеваний диабетического спектра по результатам клинических анализов, демонстрирующая необходимость учета точности тех средств измерений, что были задействованы при их проведении. Сделаны выводы о значимости оснований, подкрепляющих принятую современную систему типов диабета. В работе подробно описана методология выполнения исследований, направленных на изучение влияния точности результатов клинических медицинских анализов на степень обоснованности принимаемой классификации подтипов заболевания. Выполнены численные расчеты с целью апробировать разработанную методологию на практическом примере. Реализация созданных программных средств была выполнена в пакете математического моделирования Matlab и системе для статистической обработки данных IBM SPSS Statistics.

This master’s graduate work studies the impact the clinical medical tests’ uncertainty on the accuracy of the conclusions made based on data processing. The obtained results show that the instrumental errors of the source medical data significantly affect the final decisions. A comprehensive study was carried out on an important practical example of clarifying the classification of diabetic spectrum diseases based on the results of clinical analyses. Its' results demonstrate the need to consider the accuracy of those measuring instruments involved in their conduct. The work describes in detail the methodology of performing studies of the impact of the clinical medical analyses results' accuracy on the validity of the accepted classification of the disease's subtypes. Numerical calculations were performed to test the developed methodology on a practical example. The implementation of the created software was carried out in the mathematical modeling package Matlab and the system for statistical data processing IBM SPSS Statistics.