Mathematical Model for Assessing the Performance Characteristics of Medical Information and Measuring Systems

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The work is devoted to the development of a mathematical model for the evaluation of non-stationary performance characteristics of medical information-measuring systems used in medicine to assess the condition of patients in critical health and life situations. The model is a unilinear mass service system with a finite queue, Poisson input flow and impatient requests, adequately describing the functioning of real-time medical systems including under conditions of equipment malfunctions and failures. The paper presents a system of Kolmogorov differential equations describing the mass service system under study, as well as its solution based on the method of probability transformation matrix. Expressions for finding the probabilities of the system states at an arbitrary moment of time are obtained, as well as non-stationary characteristics of the system performance, such as loss probability, throughput, and transient time. The results of numerical calculations are presented for a system with a buffer size equal to two packets at different ratios of the intensity of leaving impatient requests from the queue and service intensity.

About the authors

Artur G. Dvoretsky

MIREA – Russian Technological University

Author for correspondence.
Email: dvoretsky@sumirea.ru
ORCID iD: 0009-0001-5437-1371

postgraduate student, Department of Industrial Programming, Institute of Advanced Technologies and Industrial Programming

Russian Federation, Moscow

Konstantin A. Vytovtov

Institute of Management Problems named after V.A. Trapeznikov Russian Academy of Sciences

Email: vytovtov_konstan@mail.ru
ORCID iD: 0000-0002-0359-9317
Scopus Author ID: 6603298537
ResearcherId: HKN-7218-2023

Dr. Sci. (Eng.), Professor; leading researcher, Laboratory No. 69

Russian Federation, Moscow

Elizaveta A. Barabanova

Institute of Management Problems named after V.A. Trapeznikov Russian Academy of Sciences

Email: elizavetaalexb@yandex.ru
ORCID iD: 0000-0003-4372-2946
Scopus Author ID: 56367430200
ResearcherId: F-1095-2017

Dr. Sci. (Eng.), Professor; leading researcher, Laboratory No. 69

Russian Federation, Moscow

References

  1. Monakov D.M., Altunin D.V. Medical information systems: modern realities and prospects. Russian Journal of Telemedicine and Electronic Health. 2022. No. 8 (4). Pp. 46–53. (In Rus.). doi: 10.29188/2712-9217-2022-8-4-46-53.
  2. Oppedizano M.G.L., Artyukh L.Yu. The role of medical information systems in the organization of the healthcare system. FORCIPE. 2022. No. 4. (In Rus.)
  3. Bogdanova A.V., Blum V.S. Medical information system for early detection of defects in the provision of medical care. UECS. 2016. No. 12 (94). (In Rus.)
  4. Ansokova M.A., Rozanov I.A., Marchenkova L.A. Modern approaches to the use of digital technologies for rehabilitation and remote monitoring of patients with post-COVID syndrome. Bulletin of Restorative Medicine. 2023. No. 1. (In Rus.)
  5. Namazova-Baranova L.S., Suvorov R.E., Smirnov I.V. et al. Patient risk management based on remote health monitoring technologies: State of the field and prospects. Bulletin of the Russian Academy of Medical Sciences. 2015. No. 1. (In Rus.)
  6. Kalid N., Zaidan A.A., Zaidan B.B. et al. Based on real time remote health monitoring systems: A new approach for prioritization “Large Scales Data” patients with chronic heart diseases using body sensors and communication technology. J. Med. Syst. 2018. No. 42. P. 69. doi: 10.1007/s10916-018-0916-7.
  7. Zakharov A.I., Zagainov A.I. Implementation of a software package for calculating fractal parameters of complex systems. Intelligent Technologies in Transport. 2015. No. 2. (In Rus.)
  8. Eremushkin M.A., Knyazeva T.A., Malakhova E.V., Makarova O.G. Application of technology for remote monitoring of patients’ health in medical rehabilitation programs. Bulletin of Restorative Medicine. 2022. No. 6. (In Rus.)
  9. Vytovtov K.A., Barabanova E.A. Transient mode of operation of an optical switch with duplication of switching elements in an information-measuring system with traffic surges. Sensors and Systems. 2023. No. 6 (272). Pp. 34–39. (In Rus.)
  10. Osipov G.S. Queuing systems with limited waiting duration. Bulletin of Science and Practice. 2016. No. 12 (13). (In Rus.)
  11. Rubino G. Transient analysis of Markovian queueing systems: A survey with focus on closed forms and uniformization. In: Queueing theory 2: Advanced trends. Wiley-ISTE, 2021. Pp. 269–307.
  12. Kovalev I.A., Satin Ya.A., Zeifman A.I. Estimates of the speed of convergence and stability for one class of non-stationary Markov models of systems with impatient clients. Systems and Means of Information. 2022. Vol. 32. Issue 4. Pp. 21–31. (In Rus.)
  13. Matalytsky M.A., Kopat D.Y. Analysis in transient mode of a network with impatient positive and negative requests of various types. Bulletin of Tomsk State Unuversity. Management, Computing and Information Science. 2018. No. 42. (In Rus.)
  14. Ryzhikov Y.I., Ulanov A.V. Calculation of a hyper-exponential servicing system m/n 2/n-n 2 with requests impatient in the queue. Bulletin of Tomsk State Unuversity. Management, Computing and Information Science. 2014. No. 2 (27). (In Rus.)
  15. Ryzhikov Yu.I., Ulanov A.V. Simulation of queuing systems with impatient customers. In: Processing of 6th Russian conference “Simulation. Theory and Practice”. Kazan, 2013. Pp. 339–342. (In Rus.)
  16. Vishnevsky V., Vytovtov K., Barabanova E., Semenova O. Transient Behavior of the MAP/M/1/N. Queuing System Mathematics. 2021. No. 9. P. 2559. doi: 10.3390/math9202559.
  17. Vytovtov K.A., Barabanova E.A. Analytical method for analyzing inhomogeneous continuous Markov processes with piecewise constant transition intensities. Automation and Telemechanics. 2021. No. 12. Pp. 90–104. (In Rus.). doi: 10.31857/S0005231021120060. EDN: LLBBAY.
  18. Barabanova E.A., Vytovtov K.A. Analytical method for studying the behavior of a queuing system with abruptly changing information flows. Physical Foundations of Instrument Making. 2021. Vol. 10. No. 1 (39). Pp. 36–47. (In Rus.). doi: 10.25210/jfop-2101-036047. EDN: SWSDTE.
  19. Busarev M.I., Kirpichnikov A.P., Flax D.B. Single-channel queuing system with a limited average residence time of a request in the system as a whole. Bulletin of the Kazan Technological University. 2011. No. 22. (In Rus.)
  20. Barabanova E., Vytovtov K., Vishnevsky V., Khafizov I. Analysis of functioning photonic switches in next-generation networks using queueing theory and simulation modeling. Communications in Computer and Information Science. 2023. Vol. 1748. Pp. 356–369. (In Rus.)

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».