2) определение неизвестных уровней ряда динамики, лежащих в его пределах
3) замену выбросов на значения ряда динамики, близкие к среднему
4) результат применения метода наименьших квадратов
Экстраполяция в медицинской кибернетике — это оценка неизвестных значений временного ряда за пределами интервала, в котором уже накоплены наблюдения. Она используется для прогнозирования будущих уровней показателя: заболеваемости, частоты сердечных сокращений, потребности в лекарственных средствах, числа обращений за медицинской помощью. Расчёт выполняют на основании выявленной закономерности ряда — тренда, сезонности, цикличности или их сочетания.
Принципиально важно отличать экстраполяцию от интерполяции: последняя восстанавливает пропущенное значение между известными точками. Метод наименьших квадратов может применяться для оценки параметров трендовой модели, однако сам по себе является способом подбора модели, а не определением экстраполяции. Замена выбросов относится к предварительной обработке данных и направлена на снижение влияния аномальных наблюдений; она не определяет значения ряда за пределами исходного периода.
| Подход | Расположение оцениваемых значений | Основная задача | Пример в медицине |
|---|---|---|---|
| Экстраполяция | За пределами наблюдаемого временного интервала | Прогнозирование будущих или ретроспективно неизвестных уровней | Прогноз числа случаев гриппа на следующий месяц |
| Интерполяция | Внутри интервала между известными наблюдениями | Восстановление пропущенного промежуточного значения | Оценка отсутствующего измерения артериального давления между двумя визитами |
| Сглаживание | В пределах имеющегося ряда | Снижение случайных колебаний и выявление основной тенденции | Выделение тренда частоты пульса на фоне кратковременных вариаций |
| Метод наименьших квадратов | Применяется к известным данным | Оценка параметров уравнения тренда с минимизацией суммы квадратов ошибок | Подбор линейной модели изменения уровня глюкозы во времени |
| Коррекция выбросов | Отдельные аномальные точки внутри ряда | Выявление и замена или исключение ошибочных наблюдений | Обработка артефакта датчика сатурации при потере контакта с пациентом |
| Валидация прогноза | На отложенном фрагменте временного ряда | Проверка точности модели до её клинического применения | Сравнение прогнозируемой и фактической госпитальной нагрузки |
Надёжность экстраполяции зависит от устойчивости выявленной закономерности и длины прогнозного горизонта: чем дальше прогноз выходит за пределы наблюдений, тем выше неопределённость. В практических системах следует учитывать доверительные или прогностические интервалы, а также возможные изменения внешних условий. Клинически значимый прогноз должен проходить проверку на независимых данных и регулярно пересматриваться при изменении структуры временного ряда.