Параметрические данные человека: Безопасность машин. Размеры тела человека. Часть 3. Антропометрические данные – РТС-тендер

Содержание

Безопасность машин. Размеры тела человека. Часть 3. Антропометрические данные – РТС-тендер


ГОСТ Р ЕН 547-3-2009

Группа Г81



ОКС 13.110
ОКП 31 0000, 33 0000,
34 0000, 36 0000,
38 0000, 41 0000,
45 0000, 47 0000,
49 0000, 51 0000,
52 0000, 58 0000

Дата введения 2011-01-01


Цели и принципы стандартизации в Российской Федерации установлены Федеральным законом от 27 декабря 2002 г. N 184-ФЗ «О техническом регулировании», а правила применения национальных стандартов Российской Федерации — ГОСТ Р 1.0-2004 «Стандартизация в Российской Федерации. Основные положения»

Сведения о стандарте

1 ПОДГОТОВЛЕН Экспериментальным Научно-исследовательским институтом металлорежущих станков (ОАО «ЭНИМС») на основе собственного аутентичного перевода на русский язык стандарта, указанного в пункте 4

2 ВНЕСЕН Техническим комитетом по стандартизации ТК 70 «Станки»

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 14 декабря 2009 г. N 766-ст

4 Настоящий стандарт идентичен европейскому стандарту ЕН 547-3:1997* «Безопасность машин. Размеры тела человека. Часть 3: Антропометрические данные» (EN 547-3:1997 «Safety of machinery — Human body measurement — Part 3: Anthropometric data»).
________________
* Доступ к международным и зарубежным документам, упомянутым здесь и далее по тексту, можно получить, перейдя по ссылке. — Примечание изготовителя базы данных.

При применении настоящего стандарта рекомендуется использовать вместо ссылочных международных (региональных) стандартов соответствующие им национальные стандарты Российской Федерации, сведения о которых приведены в дополнительном приложении ДА

5 ВВЕДЕН ВПЕРВЫЕ


Информация об изменениях к настоящему стандарту публикуется в ежегодно издаваемом информационном указателе «Национальные стандарты», а текст изменений и поправок — в ежемесячно издаваемых информационных указателях «Национальные стандарты». В случае пересмотра (замены) или отмены настоящего стандарта соответствующее уведомление будет опубликовано в ежемесячно издаваемом указателе «Национальные стандарты». Соответствующая информация, уведомление и тексты размещаются также в информационной системе общего пользования — на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет


Настоящий стандарт был разработан как гармонизированный с европейским стандартом ЕН 547-3: 1996 и соответствует основным требованиям безопасности Директив Европейского Союза и связанным с ними нормам EFTA.

Настоящий стандарт является стандартом типа В в соответствии с ЕН 292-1:1991 и ЕН 1070:1998.


Основополагающим стандартом, устанавливающим принципы, которыми должен руководствоваться конструктор машины для учета эргономических факторов, является стандарт ЕН 614-1 «Безопасность оборудования — Эргономические принципы конструирования. Часть 1. Термины, определения и общие принципы».

Настоящий стандарт — один из эргономических стандартов по безопасности машин — устанавливает перечень наименований и величин антропометрических данных, которые должен учитывать конструктор при проектировании проемов и отверстий для доступа человека к машине.

Настоящий стандарт содержит информацию, которую изготовитель должен предоставить в распоряжение пользователя.

1 Область применения


В настоящем стандарте приведены размеры тела человека (антропометрические данные), необходимые для расчета размеров проемов и отверстий для доступа человека к машине (см. ЕН 547-1 и ЕН 547-2).

Данные по размерам тела человека выведены на основе статических измерений неодетых людей и не учитывают движения тела, одежду и оснащение, как и условия работы машины и условия окружающей среды.

Данные базируются на современном состоянии антропометрических исследований, проведенных для репрезентативных групп европейского населения, насчитывающих около трех миллионов человек. Учитывались как мужчины, так и женщины.

Размеры тела человека, которые следует применять в ЕН 547-1 и ЕН 547-2, приведены для 5-го, 95-го и 99-го процентиля соответствующих групп европейского населения и обозначены Р5*, Р95* и Р99* соответственно.
_______________
* P5, P95 и P99 — 5-й, 95-й и 99-й процентиль, т.е. величина параметра, ниже которой находятся величины аналогичных параметров соответственно 5%, 95% и 99% ожидаемого контингента пользователей.


Настоящий стандарт применяется к машинам, изготовленным после даты его введения.

2 Нормативные ссылки


В настоящем стандарте использованы датированные и недатированные ссылки* на международные (региональные) стандарты. При датированных ссылках последующие редакции международных (региональных) стандартов или изменения к ним становятся действительными для настоящего стандарта только путем введения изменений к настоящему стандарту или путем подготовки новой редакции настоящего стандарта. При недатированных ссылках действительно последнее издание.
_______________
* Таблицу соответствия национальных (межгосударственных) стандартов международным см. по ссылке. — Примечание изготовителя базы данных.

ЕН 547-1 Безопасность машин. Размеры тела человека. Часть 1. Принципы определения размеров проемов, обеспечивающих доступ человека к машине всем телом (EN 547-1 Safety of machinery. Human body measurement. Part 1: Principles for determining the dimensions required for openings for whole body access into machinery)

EH 547-2 Безопасность машин. Размеры тела человека. Часть 2. Принципы определения размеров отверстий для доступа человека к машине частями тела (EN 547-2 Safety of machinery. Human body measurement. Part 2: Principle for determining the dimensions required for openings for body part access into machinery (machinery component)

EH 614-1 Безопасность оборудования. Эргономические принципы конструирования. Часть 1. Термины, определения и общие принципы (EN 614-1 Safety of machinery. Ergonomic design principles. Part 1: Terminology and general principles)

ИСО 7250-1 Основные антропометрические измерения для технологического проектирования. Часть 1. Определение размеров тела человека и ориентиры для измерения. (ISO 7250-1 Basic human body measurements for technological design. Part 1: Body measurement definitions and landmarks)

3 Общие требования


Размеры тела человека являются основой для расчета минимальных размеров проемов и отверстий для доступа человека к машине. Для определения этих проемов и отверстий следует руководствоваться ЕН 547-1 (для доступа человека всем телом) и ЕН 547-2 (для доступа человека частями тела).

В таблице 1 даны размеры тела человека, необходимые для расчета величины проемов и отверстий доступа на основе данных пропорций тела человека европейского типа.

Приведенные в таблицах 1 и 2 обозначения размеров использованы в ЕН 547-1 и ЕН 547-2.

Для расчета величины проемов и отверстий значения размеров из таблицы 1 следует подставлять в формулы, приведенные в ЕН 547-1 (раздел 4) и ЕН 547-2 (раздел 4).


Таблица 1 — Антропометрические данные, полученные на основе европейских исследований

Обозначение размера

Наименование

Величина, мм


Высота тела человека (рост) (Р95)

1881

Высота тела человека (рост) (Р99)

1944


Высота лодыжки (щиколотки)

96


Ширина тела в локтях (Р95)

545

Ширина тела в локтях (Р99)

576


Ширина кисти с большим пальцем (Р95)

120


Ширина кисти без большого пальца (Р95)

97


Диаметр указательного пальца (Р95)

23


Ширина стопы (Р95)

113


Толщина тела человека (Р95)

342


Размах рук перед рабочим по оси захвата (Р5)

615

Размах рук перед рабочим по оси захвата (Р95)

820

Размах рук перед рабочим по оси захвата (Р99)

845


Толщина кисти в ладони (Р95)

30


Толщина кисти у большого пальца (Р95)

35


Длина бедра (Р95)

687

Длина бедра (Р99)

725


Длина стопы (Р5)

211

Длина стопы (Р95)

285

Длина стопы (Р99)

295


Длина головы от затылка до кончика носа (Р95)

240


Диаметр верхней части руки (выше локтя) (Р95)

121


Диаметр нижней части руки (до локтя) (Р95)

120


Диаметр кулака (Р95)

120


Расстояние досягаемости для всей руки (функциональная длина руки) (Р5)

340


Расстояние досягаемости для руки до локтя (Р5)

170


Расстояние досягаемости руки в сторону (Р5)

495


Длина кисти (Р5)

152


Длина кисти до большого пальца (Р5)

88


Длина указательного пальца (Р5)

59



Таблица 2 — Ссылки на пункты ИСО 7250-1, в которых дано описание антропометрических параметров, приведенных в таблице 1

Обозначение размера

Наименование

Пункт ИСО 7250-1


Высота тела человека (рост)

4. 1.2


Высота лодыжки (щиколотки): постоянное значение 96 мм


Ширина тела в локтях

4.2.10


Ширина кисти с большим пальцем: ширина кисти без большого пальца, умноженная на постоянный множитель 1,25

4.3.3


Ширина кисти без большого пальца

4.3.3


Диаметр указательного пальца

4. 3.5


Ширина стопы

4.3.8


Толщина тела человека

4.1.10


Размах рук перед рабочим по оси захвата


Толщина кисти в ладони: постоянное значение 30 мм


Толщина кисти у большого пальца: постоянное значение 35 мм


Длина бедра

4. 4.7


Длина стопы

4.3.7


Длина головы от затылка до кончика носа: длина головы плюс постоянное значение 30 мм

4.3.9


Диаметр верхней части руки (выше локтя): постоянное значение 121 мм


Диаметр нижней части руки (до локтя): ширина кисти без большого пальца, умноженная на постоянный множитель 1,25

4.3.3


Диаметр кулака: ширина кисти без большого пальца, умноженная на постоянный множитель 1,25

4. 3.3


Расстояние досягаемости для всей руки (функциональная длина руки): длина всей руки минус постоянное значение 275 мм

4.4.2


Расстояние досягаемости для руки до локтя: длина руки до локтя минус постоянное значение 121 мм

4.4.2


Расстояние досягаемости руки в сторону: длина руки минус постоянное значение 120 мм

4.4.2


Длина кисти

4.3.1


Длина кисти до большого пальца: длина кисти, умноженная на постоянный множитель 0,58

4. 3.1


Длина указательного пальца

4.3.4

4 Антропометрические данные

4.1 Размеры тела человека (антропометрические данные по европейским исследованиям)


В таблице 1 приведены антропометрические данные, полученные на основе европейских исследований. Эти данные — результат оценки значений для 5, 95 и 99 процентов совокупной популяции мужчин и женщин.

Каждая из антропометрических величин, приведенных в таблице 1, получена в соответствии с одним из следующих методов:

I. Национальные исследования с общими значениями для мужского и женского населения применительно к значениям 5-го, 95-го и 99-го процентиля соответственно.

II. Национальные исследования с раздельными значениями для мужского и женского населения применительно к значениям 5-го, 95-го и 99-го процентиля соответственно.

Примечание — Несмотря на то, что эти методы статистически не совсем точны, при практическом применении они дают хорошие результаты.


Для 5-го процентиля в качестве европейского размера выбирается самое низкое из определенных подобным образом значений.

Для 95-го и 99-го процентиля выбираются соответствующие наивысшие значения размеров.

4.2 Описание антропометрических данных


Описания большей части использованных в ЕН 547-1 и ЕН 547-2 антропометрических данных в полном объеме приведены в ИСО 7250-1, ссылки на соответствующие пункты которого даны в таблице 2.

Параметры тела человека, описания которых отсутствуют в ИСО 7250-1, образованы из параметров, установленных в ИСО 7250-1, путем прибавления/вычитания определенной величины или умножения на постоянный множитель. Пункт ИСО 7250-1, в котором описан параметр, являющийся исходным для определения такого размера, указан в соответствующей строке таблицы 2.

Таблица 1 содержит ряд так называемых постоянных размеров, разброс величины которых в пределах ожидаемого контингента пользователей минимальный, независимо от процентиля. Эти постоянные размеры и их описания представлены в таблице 2 без ссылок на ИСО 7250-1.

Приложение ДА (справочное). Сведения о соответствии ссылочных международных стандартов национальным стандартам Российской Федерации

Приложение ДА
(справочное)



Таблица ДА.1

Обозначение ссылочного международного стандарта

Степень соответствия

Обозначение и наименование соответствующего национального стандарта

ЕН 547-1

IDT

ГОСТ Р ЕН 547-1-2008 Безопасность машин. Размеры тела человека. Часть 1. Принципы определения размеров проемов, обеспечивающих полный доступ человека к машине

ЕН 547-2

IDT

ГОСТ Р ЕН 547-2-2009 Безопасность машин. Размеры тела человека. Часть 2. Принципы определения размеров проемов для отдельных частей тела человека

ЕН 614-1

IDT

ГОСТ Р ЕН 614-1-2003 Безопасность оборудования. Эргономические принципы конструирования. Часть 1. Термины, определения и общие принципы

ИСО 7250-1

*

* Соответствующий национальный стандарт отсутствует. До его утверждения рекомендуется использовать перевод на русский язык данного международного стандарта, который находится в Федеральном информационном фонде технических регламентов и стандартов.

Примечание — В настоящей таблице использовано следующее условное обозначение степени соответствия стандартов:

— IDT — идентичные стандарты.

Библиография


[1] Словарь современной экономической теории, Макмиллан.

— М., 1997 г.



Электронный текст документа
подготовлен АО «Кодекс» и сверен по:
официальное издание
М.: Стандартинформ, 2011

Эргономика минимальных пространств Текст научной статьи по специальности «Медицинские технологии»

УДК 721.012.2:331.101.1

КОЛОСОВА ИРИНА ИВАНОВНА, доцент,

[email protected] com

ШКИРО ЕЛЕНА АЛЕКСАНДРОВНА, магистр,

Elena. [email protected] com

Томский государственный архитектурно-строительный университет, 634003, г. Томск, пл. Соляная, 2

ЭРГОНОМИКА МИНИМАЛЬНЫХ ПРОСТРАНСТВ

Рассматриваются теоретический и практический опыт проектирования «капсул» с учетом требований эргономики.

Проанализированы антропометрические данные человека, влияющие на организацию минимальных пространств. Выведены пространственные модели человека, учет которых необходим при проектировании объектов с минимальными габаритами. С помощью полученных моделей проанализированы существующие примеры использования «капсульной» системы в различных областях архитектурнодизайнерского проектирования, направленного на удовлетворение потребностей человека в аналогичных пространствах, на их соответствие полученным данным.

Ключевые слова: архитектура, эргономика, «капсульная» система.

KOLOSOVA, IRINA IVANOVNA, Cand. of arch. sc., assoc. prof., [email protected] com

SHKIRO, ELENA ALEKSANDROVNA, graduate student,

Elena. [email protected] com

Tomsk State University of Architecture and Building,

2 Solyanaya sq. , Tomsk, 634003, Russia

ERGONOMICS OF MINIMAL SPACES

The theoretical and practical experience in designing the «capsules» taking into account ergonomic requirements is considered in the article. The influence of anthropometric data on the organizational structure of the minimal spaces is analysed. Person’s spatial models which are essential in design of minimal spaces are obtained. Using these models, the existing examples of «capsule» system used in various areas of architectural and design engineering aimed at meeting the human needs in similar spaces were analysed.

Keywords: architecture, ergonomics, «capsular» system.

Основным потребителем архитектурного пространства выступает человек. Проектируя объект любой сложности, будь то крупный торговый комплекс, школа, жилой дом или, наоборот, компактный мобильный офис, архитектор всегда должен учитывать тот факт, что это пространство предназначено для кратковременного или длительного пребывания в нем человека. «Человеческий фактор» — главный показатель, который определяет характеристики материальной среды, ее оборудование и предметное наполнение, поэтому процесс проектирования базируется на учете большого числа требований, норм и правил (СНиПы). Сделать пространство комфортным для его обитателя возможно, если принять во внимание не только грамотную организацию функциональных процессов, логику конструктивного решения, но и, в первую очередь, физиоло-

© И.И. Колосова, Е.А. Шкиро, 2011

гические потребности и физические возможности человека в различных областях его жизнедеятельности.

При проектировании минимальных пространств, в частности объектов «капсульной»1 системы, решение этой задачи становится более сложным, поскольку необходимо, чтобы оно отвечало не только всем заданным параметрам, но и было оптимальным по пространственным характеристикам и максимально комфортным, удобным и безопасным по эксплуатационным качествам. Задача решается, если проектирование базируется на данных эргономического исследования. Такой путь должен стать основополагающим при проектировании объектов с минимальными габаритами.

Целью данного исследования становится выявление и всесторонний анализ основных факторов, оказывающих влияние на выбор габаритов и формы капсулы, изучение антропометрических данных человека и определение на их основе минимальных комфортных габаритов личного пространства человека, в нашем случае рабочего места. Выведение оптимальных характеристик человеческого тела в пространстве позволит определить минимальные габариты рабочего пространства, которые необходимо учитывать при проектировании, и сравнить параметры существующих объектов «капсульной» системы проектирования с полученными в ходе исследования данными. Созданная в результате пространственная модель человека становится основным критерием, меньше которого проектирование не должно вестись.

Исследованием определен перечень требований, которые непосредственно влияют на проектирование и которые в обязательном порядке необходимо учитывать: данные эргономики человеческого тела, его комфортные зоны, а также антропометрические параметры.

Антропометрические параметры.2 Поскольку антропометрические показатели определяют соответствие размеров изделия к форме тела человека, к распределению массы его тела, учитывают размеры головы и кисти руки, то необходимо осуществить правильный выбор габаритов (пространственных характеристик) конструкции «капсулы» относительно анатомических особенностей человеческого тела. При этом учитываются не только собственно анатомические особенности, но и возможность движения с учетом рабочего положения, положения стоя, во время активного использования оборудования капсулы.

Среди антропометрических характеристик различают классические и эргономические размеры человеческого тела, а среди последних — статические и динамические. Данное разделение условно, потому что все антропометрические характеристики определяются в статике, при неизменной позе обследуемого. При проектировании пользуются эргономическими размерами, которые определяются при различных положениях тела человека, условно имитирующих его рабочие позы.

Капсульная» система — это система проектирования минимального пространства, основанная на концепции теории метаболизма.

2 Антропометрические параметры — основные физические показатели человека (рост, вес, окружность грудной клетки, размеры конечностей, отдельных частей туловища и другие показатели человеческого тела).

Статические антропометрические признаки определяются при неизменном положении человека. Они делятся на размеры отдельных частей тела и общие габариты, т. е. наибольшие размеры в разных позах человека. Динамические антропометрические признаки, т. е. размеры, определяемые при перемещении тела в пространстве, характеризуются угловыми и линейными перемещениями (углы вращения в суставах, линейные изменения длины руки при ее перемещении вверх, в сторону и т. д.).

Статические антропометрические характеристики необходимы для определения общих размеров рабочего места, расположения и габаритов сиденья. Динамические антропометрические характеристики используются для назначения и определения зон досягаемости при различных положениях тела человека с учётом амплитуды рабочих движений систем управления (рычаги, педали и т. п.). Некоторые динамические антропометрические характеристики связаны с углами вращения в суставах (амплитуды рабочих движений).

Динамическими антропометрическими характеристиками являются зоны видимости и досягаемости, причем эти зоны могут определяться при неизменном положении головы или при её поворотах и наклонах.

Помимо статических и динамических антропометрических характеристик, можно выделить так называемые габаритные характеристики. К ним относятся наибольшие наружные размеры в продольном, поперечном и переднезаднем направлениях, а также массовые (весовые) характеристики. Габаритные характеристики используют при расчете максимального и минимального пространства, занимаемого телом человека, при определении размеров и конфигурации проходов, люков, аварийных выходов.

На рис. 1 отражены основные антропометрические параметры взрослого человека (мужчины). Данные сгруппированы по трём перцентилям3: верхнее значение — 95-й перцентиль, среднее — 50-й перцентиль, нижнее — 5-й перцентиль [1]. Это соответствует пространственной модели человека с максимальными габаритами, вписанными в прямоугольную призму с размерами 1905x495x270 мм при условии, что он русский мужчина.

Эргономика4 рабочего места. Определение минимальных и максимальных комфортных габаритов человеческого тела в рабочем положении основывается на анализе системных закономерностей взаимодействия человека с техническими средствами, с предметным миром в процессе трудовой и других видов деятельности.

Комфорт офиса складывается из эргономики грамотно организованного рабочего места с учетом требований эргономики и рационального планирования офисного пространства в целом. Основа последнего — деление на рабочие зоны так, чтобы каждый сотрудник работал максимально эффективно и индивидуально, и в команде.

3 Перцентиль — это сотая доля объема измеренной совокупности, выраженная в процентах, которой соответствует определенное значение признака.

4 Эргономика — научная дисциплина, комплексно изучающая функциональные возможности человека в трудовых и бытовых процессах, выявляющая закономерности создания оптимальных условий высокоэффективной жизнедеятельности и высокопроизводительного труда.

495

450

Рис.1 Антропометрические параметры человека 5

Удобство офисной обстановки оказывает решающее влияние на работоспособность любого коллектива. Если человек в течение рабочего дня не успевает выполнить всё намеченное — это не всегда означает, что он плохой сотрудник: причиной этого может стать неудобное рабочее место, которое вызывает у него быстрое утомление, а также вынуждает тратить время и энергию на лишние действия.

Конструкция рабочего пространства должна обеспечивать быстроту, безопасность, простоту и экономичность технического обслуживания в нормальных и аварийных условиях, полностью отвечать функциональным требованиям и предполагаемым условиям эксплуатации. При этом она должна быть такой, чтобы эксплуатацию, техническое обслуживание или ремонт оборудования рабочего места мог производить персонал, имеющий минимальную подготовку [3].

В нашем случае речь идет о пространстве капсулы, где рабочее место рассчитано на одного человека. Из большого числа видов рабочих мест авторами выделены наиболее оптимальные конфигурации рабочих столов, использование которых применимо для минимальных пространств с максимальным функциональным оснащением. Результат анализа оптимальных габаритов и форм рабочего места представлен в табл. 1. Расстояние от уровня пола до рабочей поверхности стола во всех случаях принято 700-750 мм.

Эргономика шейного отдела позвоночника. Научные исследования показывают, что приблизительно 70-80 % человеческой энергии расходуется на поддержание массы тела в пространстве и движение массы тела через пространство.

5 Рунге В.Ф., Манусевич Ю.П. Эргономика в дизайне среды [1].

Таблица 1

Анализ рабочего места

В качестве механизма выживания люди обладают врожденным желанием сохранять энергию. Наименьшее количество энергии расходуется, когда масса тела поддерживается в уравновешенном положении на базе своей опоры (рис. 2). Структурами механической опоры для поддержания положения головы в пространстве в подвижном или неподвижном состоянии являются: спинной позвоночник и диски, сеть связок, хрящей и суставных сумок, а также многочисленные пары уравновешивающих друг друга мышц спереди, сзади и по обеим сторонам тела.

Для тех, кто работает сидя, оптимальное положение головы — по центру по средней линии тела, если смотреть либо спереди назад, либо с боковой плоскости или с легким наклоном вперед около четырех градусов. Голова человека весит от 4 до 7 кг (пропорционально общей массе тела). Если голова удерживается за пределами нейтрального положения, сила, воздействующая на позвоночник, увеличивается на порядок при отклонении на каждый сантиметр от центра.

На рис. 3, справа, показано оптимальное нейтральное положение головы и максимальное нейтральное положение головы, 20° вперед. Небольшой наклон головы назад на 4° (относительно положения 0°) также находится в пределах нейтрального диапазона, однако оно не рекомендуется.

Рис. 2. Варианты рабочего положения головы Рис. 3. Оптимальное нейтральное положение

В целом, небольшое сгибание шеи более приемлемо, чем ее вытягивание; однако специалисты, как правило, рекомендуют, чтобы и степень сгибания шеи, и время, в течение которого шея согнута, были ограниченны.

Нейтральное положение головы относительно естественного направления взгляда и рекомендуемого расстояния от глаз до экрана компьютера, без которого трудно представить рабочее пространство. Фокусирование на близких объектах может вызывать напряжение глаз (показано на рис. 4). Чтобы сосредоточиться на близких объектах, экстраокулярные мышцы поворачивают глазные яблоки внутрь, и ресничные мышцы работают, образуя линзу.

Установка монитора на минимальном расстоянии обзора и на соответствующей высоте относительно глаз пользователя является эффективной в устранении и визуального, и скелетно-мышечного дискомфорта для пользователей компьютеров.

головы

Рис. 4. Нейтральное положение головы относительно естественного направления взгляда

Рис. 5 отражает формулу, доказывающую природу эргономической проблемы с портативными компьютерами. Современные исследования и технические стандарты рекомендуют, чтобы высота монитора определялась высотой уровня глаз; верхняя часть экрана должна располагаться не выше уровня глаз, а центр экрана должен находиться примерно на 15-30° ниже уровня глаз пользователя. Простым способом оценки угла между уровнем глаз и центром экрана является измерение расстояния между глазами и экраном, а затем — расстояния ниже горизонтального уровня глаз до центра экрана. Расстояние до центра экрана ниже уровня глаз должно составлять примерно половину расстояния обзора.

Решением данной проблемы становится применение крепления-подставки для персонального компьютера с возможностью регулирования высоты в диапазоне 12,5 см и возможностью наклона (рис. 6).

Рис. 5. Неэргономичное соотношение угла зре- Рис. 6. Эргономичное соотношение угла зрения с монитором ПК ния с монитором ПК

Эргономическое уравнение. о1хоп — американская компания, занимающаяся разработкой и созданием эргономичных решений для компьютерной техники.

бочего места необходимо выполнить требования «эргономического уравнения», которое состоит из 3 компонентов. Это «нейтральная поза», «свободное движение», «время на отдых» (рис. 7).

«Нейтральная поза» — это поза, которая требует меньше всего расхода энергии и создает наименьшее количество структурного напряжения и связанной с ним усталости. Кроме того, нейтральная поза помогает сохранять нормальный изгиб вперед шейного отдела позвоночника.

«Свободное движение» — это движение, которое работает над поддержанием тела в равновесии с самим собой и с окружением. Это относится к движениям человеческого тела, которые возникают непреднамеренно, но с важной целью: предотвращать напряжение и усталость.

«Время на отдых» — это период отдыха, компенсирующий периоды ограниченных или повторяющихся действий.

На первом этапе необходимо обустроить рабочее место для оптимального взаимодействия с нейтральной позой тела человека. Целью второго этапа является обеспечение не требующего усилий свободного движения, необходимого телу человека для поддержания баланса и предотвращения образования токсинов, проистекающего из статической позы. И на третьем этапе необходимо организовать рабочее пространство так, чтобы человек имел минимальное, но достаточное пространство для выполнения элементарных упражнений для восстановления сил и расслабления мышц тела.

Этап 1. «Нейтральная поза»

1. Голова непосредственно над плечами, без отклонения вперед или назад.

2. Глаза приблизительно на расстоянии вытянутой руки от экрана. Взгляд сидящего человека должен быть направлен примерно в центральную точку экрана, то есть на 15-30° ниже горизонтали.

3. Шея расслаблена, подбородок подтянут, не выпячен вперед.

4. Плечи опущены вниз, грудная клетка свободна и расправлена.

5. Спина прямая или слегка отклонена назад. Должен сохраняться небольшой естественный изгиб нижней части спины с помощью подушки.

6. Локти расслаблены, под углом примерно от 90 до 120°.

7. Руки опираются на подлокотники кресла или подушки — особенно важно для руки, работающей с мышью.

8. Кисти рук, запястья расслаблены и находятся в естественном положении, без сгибания вверх или вниз, пальцы слегка согнуты и имеют опору.

9. Колени немного ниже уровня бедер с промежутком шириной в 2-3 пальца между задней частью ноги и стулом.

10. Ступни должны ровно стоять на полу — не скрещивайте ноги или лодыжки. Желательно, по возможности, чередовать сидячую позу с работой в положении стоя, чтобы уменьшить нагрузку от сидения на позвоночник.

Этап 2. «Свободное движение»

A. Экран. По возможности, снабдить ноутбук дополнительным дисплеем для обеспечения оптимальной эргономической высоты. Подставка для экрана должна иметь возможность регулировки наклона, поворота и высоты. Размер разборчивого текста = 12 пт. при минимальном расстоянии от глаз 50 см (правило 007).

B. Док-станция. Добавляет удобство функции «plug and play» для портативных компьютеров, избавляя от необходимости отсоединять электрошнуры и дополнительные кабели каждый раз при перемещении портативного компьютера.

C. Функциональное крепление. Крепление для ноутбука должно регулироваться для установки оптимальной высоты, наклона и поворота экрана.

D. Клавиатура и мышь. Желательно укомплектовать ноутбук дополнительной клавиатурой и мышью, расположенными на уровне согнутого локтя, так чтобы задняя часть клавиатуры была отклонена назад под углом 5°. При слабом освещении свет должен быть направлен непосредственно на клавиатуру, чтобы не напрягать зрение.

E. Стул. Должен обеспечивать соответствующую опору для поясницы (спины) и рук; сиденье должно отвечать минимальным нормам по ширине и длине и быть слегка наклонено вперед для облегчения правильного положения коленей.

F. Подставка для ног. Используется в случае, если ноги не касаются пола.

Этап 3. «Время для восстановления сил»

Расчёт оптимальных параметров рабочего места. Форма и функциональные размеры всей предметной среды, ее объемно-пространственных структур неразрывно связаны с размерами и пропорциями тела человека. При расчете параметров рабочих мест автор использовал базы отсчета, которые соотносятся с антропометрическими данными, характеристиками человека [2].

При расчёте были учтены как статические, так и динамические антропометрические признаки. Для расчета компоновочных параметров рабочих мест взяты следующие нулевые точки положения тела в пространстве:

В положении стоя:

— на плоскости пола или горизонтальной плоскости, параллельной полу;

— на фронтальной плоскости, параллельной переднему краю оборудования;

«7

— на срединно-сагиттальной плоскости.

В положении сидя:

— на плоскости пола, сиденья или горизонтальной плоскости, параллельной полу;

— на фронтальной плоскости, касательной к наиболее выступающим точкам спины.

Конечными точками измерения являются те элементы оборудования, которые работающий человек может свободно, без напряжения достать, не меняя положения тела и позы.

Далее приводятся таблицы с оптимальными параметрами рабочего места в положении сидя с оптимальными размерами сиденья и положении стоя, полученными в ходе исследования (табл. 2-4).

(Расчет выполнен на основе исследования В.Ф. Рунге, Ю.П. Манусевич, опубликованного в книге «Эргономика в дизайне среды», табл. 8, 9).

Таблица 2

Расчёт параметров рабочего места в положении сидя

Параметр рабочего места База отсчёта Антропометрический признак для расчёта параметра Габариты, мм

Жен. Муж.

Высота рабочей поверхности Пол или другая опорная поверхность для стоп Высота сиденья дельтовидная левая — локтевая правая высота подколенного угла над полом плюс 270-280 мм высота локтя над сидением 835 889

Глубина рабочей поверхности Передний край оборудования Передняя досягаемость руки минус переднезадний диаметр тела 487 543

Высота пространства для ног Пол или другая опорная поверхность для стоп Удвоенная высота бедра над сиденьем плюс высота подколенной ямки над полом 730 781

Глубина пространства для ног Передний край оборудования Спинка сидения — конечная точка стопы минус переднезадний диаметр тела 516 602

Ширина рабочей поверхности8 Срединносагиттальная плоскость тела Размах рук 1578 1727

Размах рук, согнутых в локтях 1167 1283

Дельтовидная левая — локтевая правая 560 608

7 Срединно-сагиттальная плоскость — это плоскость, проходящая вдоль срединной линии тела человека, разделяющая его на две симметричные половины (правые-левые половины).

8 Антропометрический признак выбирается в зависимости от типа рабочего места.

Окончание табл. 2

Параметр рабочего места База отсчёта Антропометрический признак для расчёта параметра Габариты, мм

Жен. Муж.

Дельтовидная левая -пальцевидная правая 1001 1092

Межлоктевой диаметр 443 488

Ширина пространства для ног Срединносагиттальная плоскость тела Наибольшая ширина таза с учётом мягких тканей 431 403

Досягаемость для рук по ширине максимальная, средняя, мини-мальная9 Срединносагиттальная плоскость тела Размах рук 793,5 863,5

Размах рук, согнутых в локтях 583,5 641,5

Межлоктевой диаметр 215,5 244

Таблица 3

Расчёт параметров рабочего места в положении стоя

Параметры рабочего места База отсчета Антропометрический признак для расчета параметра Габариты, мм

Жен. Муж.

Высота рабочей поверхности Пол или другая опорная поверхность для стоп Высота локтя над полом + 100 мм 1062 1145

Глубина рабочей поверхности Передний край оборудования Передняя досягаемость рук минус наибольший переднезадний диаметр тела 487 543

Высота пространства для ног Пол или любая другая опорная поверхность для стоп Высота нижнеберцовой точки над полом 130 120

Глубина пространства для стоп Передненижний край рабочей поверхности 2/3 длины стопы 183,3 213,3

Досягаемость для рук по глубине в горизонтальной плоскости Передний край оборудования Передняя досягаемость для рук минус наибольший переднезадний диаметр тела 487 543

Граница максимальной досягаемости (на уровне плечевого пояса) Передний край оборудования Передняя досягаемость для рук минус наибольший переднезадний диаметр тела 487 543

9Значения всех антропометрических признаков разделить пополам

Окончание табл. 3

Параметры рабочего места База отсчета Антропометрический признак для расчета параметра Габариты, мм

Жен. Муж.

Граница минимальной досягаемости (на уровне локтя) Передний край оборудования Локтевая-пальцевая минус 1/2 наибольшего переднезаднего диаметра тела 298 336,5

Досягаемость рук в верхней зоне Пол или другая опорная поверхность стола От высоты плеча над полом до вертикальной досягаемости для руки 1866 2001

В средней, оптимальной зоне От высоты плеча над полом до высоты локтя над полом 296 323

В нижней зоне От высоты локтя над полом до лучевой точки над полом 255 270

Таблица 4

Расчет параметров сиденья

Параметр сиденья База отсчета Антропометрический признак Габариты, мм

Жен. Муж.

Высота поверхности сиденья регулируемая Пол или другая опорная поверхность для стоп Высота подколенного угла над полом 410-540 480-570

Общая высота спинки Поверхность сиденья Высота плеч над сиденьем 607 647

Высота опорной поверхности спинки Поверхность сиденья Расстояние от линии талии до линии плеч плюс 140 мм 510 540

Высота подлокотников Поверхность сиденья Высота локтя над сиденьем 222 229

Высота подголовника над сиденьем Поверхность сиденья Высота верхушечной точки над сиденьем 900 951

Высота опорной поверхности подголовника Поверхность сиденья Высота верхушечной точки над сиденьем минус высота шейной точки над сиденьем 690 716

В результате исследования получена объёмно-пространственная модель взрослого русского мужчины с оптимальными минимальными габаритами максимально комфортных зон личного пространства в положении сидя (рис. 8, а) и в положении стоя (рис. 9).

Рис. 8. Модель взрослого русского мужчины [1]:

а — в положении сидя с оптимальными минимальными габаритами максимально комфортных зон; б — в положении стоя с оптимальными минимальными габаритами максимально комфортных зон; в — в положении лёжа с оптимальными минимальными габаритами максимально комфортных зон

Полученные модели ориентированы на максимальный комфорт человека при эксплуатации капсул. В частности, за размер в вертикальной плоскости взят полный рост человека с поднятыми руками и возможность входа в капсулу без наклона туловища, за размер в горизонтальной плоскости — рост человека без вытягивания рук за головой. В среднем это соответствует размерам человека с вытянутыми в обе стороны руками в положении сидя.

На основе полученных данных проведен выборочный анализ функциональных пространств существующих объектов «капсульной» системы проектирования и их эргономики на соответствие полученным результатам (табл. 5).

Рис. 9. Объёмно-пространственная модель человека с оптимальными минимальными габаритами максимально комфортных зон личного пространства

Таблица 5

Всасываемость модели человека в капсулы

Название объекта/ габариты капсулы (ёхкх!) Форма Размещение в капсуле человека

капсулы 3Б-модель план разрез

Жилое пространство

Башня «Нака-гин» 2,5х4х2,5 м

«Сферы свободного духа»

0 2,7 м; 3 м

Я

«Микро»-коттедж

2,6х2,6х2,6 м

І

Окончание табл. 5

Название объекта/ габариты капсулы (ёхкх!) Форма Размещение в капсуле человека

капсулы 3Б-модель план разрез

Отели, гостиницы

Офисы, рабочие пространства

Результаты исследования и данные табл. 5 позволили сделать ряд выводов.

При проектировании минимальных пространств необходимо учитывать антропометрические данные человека, отвечающие за его физиологический и психологический комфорт. В нашем случае это положение лежа с размерами 1905 мм в горизонтальной и 1092 мм в вертикальной плоскостях, положение стоя с размерами 1727 мм в горизонтальной и 2001 мм в вертикальной плоскостях, положение сидя с размерами 1727 мм в горизонтальной и 1828 мм в вертикальной плоскостях.

Для капсул, предусматривающих наличие спального места, степень комфорта определяется тремя антропометрическими моделями человека -в положении лёжа, сидя и стоя.

Для капсул офисного типа основополагающими являются 2 антропометрические модели человека — в положении сидя и в положении стоя. При этом отправной точкой для оборудования рабочего пространства капсулы является учёт анатомических особенностей организма, в частности тех отделов позвоночника, которые несут максимальную нагрузку в процессе рабочего дня.

Форма капсулы напрямую не зависит от её функционального назначения и определяется комплексом требований как анатомических и антропометрических, так и психологических.

Минимальные габариты внутреннего пространства капсулы (без учета конструктивного решения) при любой её форме должны соответствовать антропометрической модели человека в положении стоя, так как она «перекрывает» (включает) две другие.

Из многообразия форм капсул всем требованиям наиболее полно отвечают куб и его разновидности. Пространство куба позволяет максимально рационально разместить техническое оснащение капсулы и обеспечивает комфорт пребывания и безопасность человека при эксплуатации объекта. В этом случае пространственные характеристики имеют параметры 2001x1727x1534 мм, а организация рабочего места и передвижение субъекта, при минимальных габаритах объекта, не представляют сложности для комфорта субъекта.

Немаловажным является и тот факт, что форма куба более привычна в восприятии пространства для большей части людей.

Сферическая форма капсул позволяет осуществить более насыщенное техническое оснащение и разместить оборудование таким образом, что минимизирует энергетические затраты человека. При этом сферическая форма ограничивает свободу передвижения в плоскости пола и в отдельных случаях создает психологический дискомфорт для потребителя, привыкшего к традиционному пространству, имеющему прямоугольные очертания.

Форма капсулы может быть любой, если её пространственные характеристики не ориентированы на максимальную минимизацию внутреннего пространства, а допускают большую свободу как в передвижениях антропометрической модели человека в положении стоя, так и в техническом оснащении. Другое дело, что в этом случае капсула, как объект с минимальными габаритами, перестает быть таковой.

Библиографический список

1. Рунге, В. Ф. Эргономика в дизайне среды / В.Ф. Рунге, Ю.П. Манусевич. — М. : Архитек-тура-С, 2005. — С. 328.

2. Мироненко, В.П. Эргономические принципы архитектурного проектирования (теоретико-методологический аспект) / В.П. Мироненко. — Харьков : Основа, 1997. — С. 128.

3. Зинченко, В. Эргономические основы организации труда / В. о1хоп-гш8 ia.ru/ergonomics/ergonomica_laptop1 .Йт1 (дата обращения -1.07.2011 г.).

Исследование соответствия наилучшего стиля плавания пловцов их антропометрическим данным

Актуальность

Оптимальный стиль плавания спортсменов связан с их антропометрическими данными. Важной задачей тренера является выявление наиболее одарённых спортсменов и подбор для каждого из них оптимального способа плавания, даже если спортсмен в течение длительного времени тренируется в определённом стиле, который не соответствует его антропометрическим данным. Актуальным считается вопрос выбора стиля плавания во время этапа взросления, так как в этот период активно происходят антропометрические изменения пловца.

Цель

Проверить совпадение антропометрических данных спортсменов с их основным стилем плавания и при необходимости сделать предложения по корректировке выбранного стиля плавания.

Задачи

1. Выбрать наиболее значимые антропометрические данные для каждого стиля плавания.

2. Провести измерения антропометрических данных у пловцов.

3. Разработать систему оценивания соответствия показателям наилучшего стиля.

4. Определить самый эффективный стиль плавания для каждого спортсмена.

Оснащение и оборудование, использованное в работе

• Мерная лента

Описание работы

В исследовании приняли участие спортсменки 2002–2003 годов рождения. У всех участников путём анкетирования выяснили стиль, который они используют в плавании, и антропометрические данные: рост, вес, обхваты плеча в покое, плеча в напряжении, запястья, лодыжки, голени, бедра, груди, талии и колена.

Для определения наилучшего стиля плавания в таблицу были внесены антропометрические данные всех изучаемых спортсменок. Из литературных источников взяты нормативы по каждому стилю плавания для конкретной возрастной группы. На основании полученных данных найдены отклонения в процентах, которые были рассчитаны по формуле:

Отклонение, % = (X1 * 100% / Х2) — 100%, где Х1 – индивидуальный показатель, Х2 – норма этого показателя для данного стиля.

С учётом того, что обхват запястья и лодыжки у всех стилей плавания практически одинаков и не влияет на выбор стиля, данные показатели не учитывались в работе.

На следующем этапе определены наиболее значимые антропометрические данные для каждого стиля. Разработана система оценивания соответствия показателям наилучшего стиля в баллах. Если при расчёте отклонений спортсменка набирала от 0 до 4 %, это считалось нормой и расценивалось как 0 баллов. Если набирала 5 % и больше, это считалось отклонением и расценивалось как 1 балл. Чем больше баллов было начислено, тем больше вероятность того, что изначально выбранный стиль был неправильно определён.

Пример расчёта отклонения, %

Результаты

У пяти спортсменок антропометрические данные соответствуют выбранному ими стилю плавания. Две спортсменки имели отклонения по антропометрическим данным от рекомендуемой нормы, поэтому им было предложено заменить стиль плавания.

Сравнение антропометрических данных спортсмена и данных, необходимых для определённого стиля плавания

Выводы

1. В подростковом возрасте не у всех спортсменок совпадают антропометрические данные с их основным стилем плавания.

2. Стиль плавания следует подбирать в зависимости от индивидуальных особенностей каждого спортсмена.

3. В процессе взросления стиль плавания может изменяться.

Перспективы использования результатов работы

Полученные результаты можно использовать при корректировке стилей плавания в связи с возрастными изменениями спортсменов.

Мнение автора

«Я считаю, что моя работа поможет тренерам оценить выбранный стиль плавания спортсменов, скорректировать его в случае необходимости и помочь достичь высоких результатов.

Конференция «Старт в медицину» – это отличная  возможность для учеников, чтобы проявить свои творческие навыки, познакомиться с медициной во всех её областях, заявить о своём исследовании. Благодаря конференции приобретаешь опыт работы с различными программами, учишься организации времени и всего рабочего процесса»

Сбербанк собрал биометрические данные миллиона людей

«Мы собираем биометрию вовсю», – рассказал предправления Сбербанка Герман Греф. По его словам, в биометрической базе Сбербанка находятся уже «миллионы» образцов биометрических данных клиентов (точную цифру он не назвал).

Система Сбербанка «в значительно более продвинутой стадии», чем государственная Единая биометрическая система (ЕБС), которую создают ЦБ и «Ростелеком», уверен Греф: в ЕБС сейчас «значительно меньше» образцов. К октябрю биометрию в ЕБС сдало около 2000 человек, говорил представитель «Ростелекома».

Отрыв Сбербанка в биометрической гонке отчасти можно объяснить агрессивными продажами. С января, если биометрических данных нет в системе, обслуживание клиентов будет начинаться с их сдачи, заявил на днях супруге редактора «Ведомостей» менеджер отделения Сбербанка (она передала банку слепок голоса и изображение лица). Это же заявил корреспонденту «Ведомостей» менеджер другого отделения банка. Представитель Сбербанка заверил, что у сотрудников нет KPI по сбору биометрии, а «обслуживание клиентов, не желающих регистрировать биометрические данные, будет проходить привычным образом», но объяснить поведение сотрудников не смог.

ЕБС заработала в конце июня. Она позволит россиянам, сдавшим биометрию в одном банке, удаленно открывать счета, брать кредиты или делать переводы в любом другом. По закону собирать данные в ЕБС обязаны все банки: в 20% отделений – к концу 2018 г. и во всех – к концу следующего.

Греф уверяет, что Сбербанк «вовсю собирает» биометрию и для ЕБС. На вопрос, чем объясняется колоссальный разрыв числа образцов в системе Сбербанка и ЕБС, его представитель ответить не смог. В четверг банк сообщил, что закончил пилотную стадию и начинает сбор данных для государственной системы.

Активно собирать данные в свою систему Сбербанк начал намного раньше, осенью. В своем приложении он анонсировал скорое начало распознавания по лицу в банкоматах, мобильном банке и офисах.

С помощью своей биометрической системы Сбербанк планирует оказывать услуги и сторонним организациям, рассказал Греф на прямой линии с сотрудниками банка. Один из них спросил, смогут ли клиенты Сбербанка подтверждать учетную запись в ПФР, налоговой инспекции, ГИБДД через «Сбербанк онлайн». «Это уже сделано. Называется у нас «Сбер ID», – ответил Греф, добавив, что «Сбер ID» используется в сервисах не только банка, но и партнеров. «Сбер ID» будет работать через биометрическую систему, но не государственную, а ту, которую создает Сбербанк, уточнил Греф: «Сбер ID» в середине 2019 г. будет доступен для всех партнеров Сбербанка, любой клиент-юрлицо сможет подключиться к этой системе.

Быстрое наполнение системы Сбербанка вызывает опасения, говорил менеджер банка из топ-10. По его словам, сложно будет мотивировать людей, однажды сдавших данные Сбербанку, передать их еще раз – теперь для ЕБС, а на нее многие банки возлагают надежды, они вложили в нее много ресурсов.

Количество точек, где клиенты могут сдать данные в ЕБС, пока не так велико, объясняет «постепенность» наполнения базы Елена Медведева из «Хоум кредита». Влияет и то, продолжает она, что пока не так много продуктов и услуг, которые банки предоставляют клиентам с удаленной идентификацией. Спрос на эту услугу есть и будет расти, говорит первый вице-президент Газпромбанка Елена Новоселова. ЕБС будет наполняться быстрее, если с ее помощью можно будет получать не только банковские услуги – например, замену прав, получение документов и выписок без личного визита в МФЦ, каршеринг, перечисляет она.

«Почта банк» не считает, что системы банков помешают ЕБС. Многие банки используют свои биометрические платформы, говорит член правления «Почта банка» Святослав Емельянов, они помогают лучше распознавать клиентов и повысить безопасность: например, предотвратить выдачу кредита или чужого вклада мошенникам. Внутренние платформы банков имеют другие цели по сравнению с ЕБС, с помощью которой человек, не являющийся клиентом банка, может открыть в нем счет, подчеркивает он. По закону удаленно открыть счет можно только с помощью ЕБС и «частные» платформы банков не подходят, заключил он.

Представитель ЦБ на вопросы «Ведомостей» не ответил.

Антропометрические особенности этнических киргизов разных возрастных групп | Сакибаев

1. Акыева Н. К., Евлахова Л. А., Сарханидзе Г. Р., Балесков Е. А. Анатомо-антропометрические показатели физического статуса у мужчин юношеского возраста. Системный анализ и управление в биомедицинских системах. 2015; 14(1): 87–90.

2. Никитюк Б. А., Мороз В. М., Никитюк Д. Б. Теория и практика интегративной антропологии. Киев-Винница: Здоровь’я; 1998; 303.

3. Никитюк Б. А., Чтецов В. П. Морфология человека. М.: изд-во МГУ; 1983; 344.

4. Никитюк Д. Б., Алексеева Н. Т., Миннибаев Т. Ш., Клочкова С. В. Алиментарно-зависимая патология и конституциональный подход: перспективы использования и результаты. Журнал анатомии и гистопатологии. 2014; 3 (1): 16–19.

5. Петрова П. Г. Гурьева А. Б., Алексеева В. А., Борисова Н. В., Климова Т. М., Бурцева Т. Е. Антропометрическая характеристика коренного и пришлого женского населения Якутии. Вестник Северо-Восточного федерального университета им. М.К. Аммосова. Серия: Медицинские науки. 2018; 1(10): 34–41.

6. Старчик Д. А. Морфологические и конституциональные особенности сердца с учетом антропометрического статуса и физического развития женщин зрелого и пожилого возраста: автореф. докт. дисс. М.; 2017. 43.

7. Тутельян В. А., Никитюк Д. Б., Клочкова С. В., Алексеева Н. Т., Расулова М. А., Погонченкова И. В., Рожкова Е. А., Старчик Д. А., Бурляева Е. А., Выборнов В. Д., Баландин М. Ю., Сорокин А. А., Выборная К. В. , Лавриненко С. В. Использование метода комплексной антропометрии в спортивной и клинической практике: метод. рекомендации. М.: Спорт; 2018; 64.

8. Hanson L. L. M., Westerlung H., Goldberg M., Zins M., Vahtera J., Stenholm S., Hulvej Rod N., Steptoe A., Kivimaki M.Work stress, anthropometry, lung function, blood pressure, and bloodbased biomarkers: a cross-sectional study of 43,593 French men and women. Sci Rep. 2017; 7(1): 9282. doi: 10.1038/s41598-017-07508-x.

9. Manousaki D., Deal C., Allanson J., Wolf L.Characterization of facial; phenotypes of children with congenital hypopituitarizm and their parents: a matched case-control study. American Journal of Medical Genetics. 2015; 167(7): 1525–1533.

10. Muhardi L., van der Beek E. M., AbrahamseBerkeyveld M. , Acton D. Differences in the anthropometry of Asian children and its role in metabolic health in later life: a narrative review. Obesity Research and Clinical Practice. 2016; 10(6): 53–63.

11. Ribelro B. V. S., Mendoca R. G., Oliveira L. L., Martins-Filho P. R. S., Moura N. P. R., Tanajura D. M., Lima G. S. Anthropometry and lifestyle of children and adolescent in Inland of Northeastern Brazil. Revista Brasilieira de Crescimento e Desenvolvimento Humano. 2017; 27(2): 140–147.

12. Sands D., Umlawska W., Zielinska A. A crosssectional study of growth, nutritional atatus and body proportions in children and adolescents at a medical center specializing in the treatment of cystic fibrosis in Poland. Archives of Medical Science. 2015; 11(1): 155–163.

О рисках распространения «обезличенных» данных

Бесплатное антивирусное ПО чешского производства Avast и AVG годами отслеживало все действия пользователя, как выяснилось в 2019 году. Собранные данные включают в себя всё, что люди искали и нажимали, от страниц в LinkedIn до поиска на PornHub и покупок на Amazon. Затем данные отправлялись в дочернюю компанию Avast, которая продавала информацию. Avast оправдывалась тем, что данные были обезличены.

У профессионалов эти объяснения сочувствия не вызвали. Mozilla немедленно запретила расширения браузера Firefox от Avast и AVG, Google также запретил эти расширения для браузера Chrome.

Между тем национальные законы о защите данных не рассматривают обезличенные данные как персональные. Это, возможно, упущение: «обезличивание» не избавляет обладателя персональных данных (ПД) от риска утратить сетевую анонимность.

Из истории обезличивания данных

В 1790 году состоялась первая общенациональная перепись населения США, она потребовалась для пропорционального распределения между штатами 435 мест в палате представителей Конгресса. Следующие полвека переписи населения, а они проводились каждые 10 лет, не уделяли никакого внимания вопросам защиты ПД. Но при переписи 1850 года собирались сведения о домовладениях, налогообложении, религии граждан и т.п. Статистику об уровне доходов стали использовать для изучения потребительского спроса, выбора мест для строительства магазинов, организации общественных работ для безработных. Это порождало риски, связанные с неправомерным использованием ПД, и начиная с 1850 года из публикуемой информации статистического бюро США ПД стали удалять.

Быстро выяснилось, что чем больше ограничений накладывается на информацию, содержащуюся в наборах данных, тем меньше остаётся областей, где можно применить полученные сведения. Возникла идея «обезличивать» данные, т.е. модифицировать их определённым образом, так, чтобы затруднить или сделать невозможным выяснение личности гражданина, к кому относится запись.

Для обезличивания данных с помощью компьютеров в 60-х годах применялись (и применяются) такие методы, как округление чисел, добавление случайных отклонений в реальную выборку, агрегация родственных данных с общими признаками, публикация производных вместо оригинальных данных (например, полученных путём вычитания или сложения) и др.

Однако есть ряд исследований, которые показывают, что обезличивание собираемой информации — это далеко не гарантия защиты от т.н. ре-идентификации, то есть раскрытия личности человека по данным, имеющимся в обезличенном наборе. Сбор ПД, как бы их не обезличивали, всё равно несёт потенциальную угрозу для пользователей. Особенно серьёзной эта угроза становится в случае объединения наборов информации, полученных из разных источников.

Объединение наборов данных

Считать, что личная информация, будучи «обезличенной», находится в безопасности, будет ошибкой. Главный риск заключается в том, что набор данных из одного источника легко связать с другим через поле, которое присутствует в обоих наборах.

Исследование, проведённое в MIT (Массачусетский технологический институт) в 2018 году, показало, что для того, чтобы с вероятностью 95% деанонимизировать человека в Сингапуре, достаточно 11 недель накапливать два набора данных «низкой плотности»: 1) отметок об использовании мобильного устройства в поездках на общественном транспорте (такими данными располагают сотовые операторы) и 2) данных о поездках в общественном транспорте с фиксацией времени (эти данные собирает служба общественного транспорта).

Термин «низкая плотность» означает, что фиксируются далеко не каждая поездка и далеко не каждое наблюдение за использованием смартфона. Если взять пользователей, имеющих от 30 до 49 записей о поездках и около 1000 записей их мобильного оператора, вероятность успешной идентификации составляет около 90%.

В случае объединения двух наборов данных с третьим – метками GPS, которые регулярно собираются приложениями для смартфонов, идентификация человека с вероятностью 95% возможна менее чем за неделю наблюдений.

Это значит, что у типичного абонента сети сотовой связи, пользующегося общественным транспортом, и подвергающегося хотя и нечастым, но регулярным наблюдениям, нет шансов сохранить анонимность.

Студенты Инженерной школы и прикладных наук Гарвардского университета в 2020 году создали программный продукт, анализирующий большие массивы наборов пользовательских данных, которые размещены в открытом доступе либо попали в открытый доступ в результате небрежности, взлома или другого рода утечек. Для работы программа использует информацию, объединенную из 959 наборов данных, начиная с 2015 года, таких, как сведения из бюро кредитных историй Experian, социальной сети LinkedIn, генеалогического сервиса MyHeritage и других ресурсов, включая порносайты. Получив на входе e-mail, имя, никнейм человека или их сочетание, программа, выявив единственное совпадение по одному из исходных данных, с высокой вероятностью способна идентифицировать человека.

В 2016 году немецкие журналисты совместно со специалистами на основании обезличенного набора данных, содержащего историю просмотров сайтов (9 миллиардов записей) 3 миллионов граждан Германии, идентифицировали политиков, раскрыв их медицинскую информацию и сексуальные предпочтения.

Подобных примеров множество.

Исследование Imperial College London

Эксперты по контролю за раскрытием статистической информации и некоторые компании оспаривают опасность, утверждают, что, поскольку всегда остаётся вероятность ошибочной идентификации на основе наборов обезличенных данных, для жертвы деанонимизации всегда возможно и «веское правдоподобное отрицание». Некоторые эксперты считают даже, что таким образом можно аргументировать соответствие систем обработки обезличенных данных строгому европейскому регламенту (GDPR).

Однако в исследовании 2019 года учёные Imperial College London (Имперский колледж Лондона) представили модель машинного обучения, которая способна правильно идентифицировать 99,98% американцев в любом обезличенном наборе данных, используя не более 15 демографических атрибутов (таких, как дата рождения, пол, раса, возраст, семейное положение, количество детей и пр.).

Результаты исследования показывают, что «обезличивание» открытых наборов данных несёт практические риски, и что «веское правдоподобное отрицание» не спасёт жертву деанонимизации.

Для иллюстрации исследователи приводят пример: страховая компания организует конкурс по прогнозированию раковых заболеваний с помощью искусственного интеллекта (ИИ) и публикует ограниченный набор обезличенных данных (выборка составляет 1 тысячу записей из 100 тысяч застрахованных) о людях с подтверждёнными диагнозами. Что, если работодатель увидит в этом наборе запись о неизлечимо больном человеке, данные которого (дата рождения, пол, место проживания, антропометрические данные и пр.) полностью совпадают с данными одного из его работников? В этом случае аргумент страховой компании «это просто совпадение, ваш знакомый может быть любым из 99 тысяч здоровых людей, не попавших в выборку», никому не поможет – последствия равны тому, что страховая компания выдала медицинскую тайну.

О распространении данных из ГИС

Государственные органы используют в своей деятельности в том числе персональные данные, обрабатываемые в государственных информационных системах (ГИС). Эти данные защищены – ввод в действие ГИС осуществляется только после проведения аттестации ГИС на соответствие требованиям по защите информации, проводимой в соответствии с положениями ряда документов, включая ГОСТы. Аттестация ГИС может проводиться только организацией – лицензиатом ФСТЭК России.

В настоящее время в РФ реализуется ряд программ в области развития искусственного интеллекта. В рабочей группе «Искусственный интеллект» АНО «Цифровая экономика» эксперты обсуждают порядок, предусматривающий предоставление федеральными органами исполнительной власти и государственными внебюджетными фондами в рамках программ цифровой трансформации доступа к обезличенным наборам данных для обучения ИИ-систем.

После обезличивания и передачи наборов данных широкому кругу лиц их обработка и хранение могут осуществляться без соблюдения требований, предъявляемых к ГИС. Фактически полученные наборы обезличенных данных из ГИС различных государственных органов не будут отличаться от данных, полученных из других источников. Это вызовет риски применения к полученным данным методов деанонимизации.

Выводы

Существует ряд исследований и значительное количество примеров, подтверждающих возможность идентификации человека по набору обезличенных данных, особенно в случае объединения информации из нескольких источников. Достоверность и простота идентификации значительно возрастают с увеличением количества источников данных и расширения атрибутов (полей данных) в записях каждого набора данных.

Вследствие этого распространение обезличенных данных, в том числе из ГИС, несёт неиллюзорные риски деанонимизации таких данных третьими лицами и дальнейшего использования их в противоправных целях: публикации чувствительной информации в открытых источниках, вмешательства в личную жизнь, компрометации публичных лиц, шантажа, а также преступлений в финансовой и компьютерной сферах с использованием методов социальной инженерии.

Надёжные методы обезличивания ПД, возможно, существуют. Но их существование пока не доказано. Напротив, методы деанонимизации обезличенных наборов ПД разработаны и с успехом применяются на практике.

Курс по параметрическому проектированию для архитекторов в Школе МАРШ в Москве

Современному архитектору, желающему раскрыть свой творческий потенциал, не обойтись без выстраивания диалога между двумя областями: проектированием, учитывающим архитектурный контекст, природные условия, экономику и конструктивные особенности, и материалом с его физическими свойствами и технологией производства.

Внедрив в практику параметрическое проектирование, архитектор может существенно повысить уникальность и функциональность своих решений, работая с обычными конструктивными элементами: фасадами, стенами, перекрытиями и перегородками.

Современные техники параметрического проектирования позволяют создавать итерационный цикл проектирования. В процессе проектирования архитектор изучает свойства материала, возможности и ограничения технологических процессов. Полученные данные и концепции переносятся в параметрическую модель, в которой развиваются дизайн-решения. В ходе разработки проектные гипотезы уточняются с помощью производства фрагмента фасада в реальном материале и масштабе.

Такой процесс позволяет подойти к материалу и производству не только как к инструменту воплощения идеи, но и как к источнику вдохновения, объективизации идей и создания внутренних глубоких связей между материальным, эстетическим и функциональным. Курс направлен на то, чтобы участники прошли через все этапы проектирования и научились воплощать проект с помощью параметрического инструментария.

Курс предназначен для молодых архитекторов, студентов старших курсов архитектурных и инженерных вузов, инженеров, конструкторов, промышленных дизайнеров, специалистов по цифровому производству. Участие в курсе предполагает знакомство на базовом уровне с программой Grasshopper и Rhino.

Освоить полный цикл архитектурного проектирования с помощью параметрических методов — от идеи до материального мокапа в реальном масштабе. Слушатели научатся исследовать свойства строительных материалов и с помощью программы Grasshopper создавать цифровую модель конструкции на базе выявленных свойств, а также других параметров, среди которых габариты, вес элемента, его стоимость и эстетические характеристики. Познакомившись с технологией производства строительных изделий, участники курса смогут воплотить свой замысел на одном из строящихся жилых комплексов. 

Обучение проходит в смешанном формате (онлайн и офлайн), что открывает возможность присоединиться к курсу из любой точки мира. Наибольший эффект студенты получат от полного курса – лекций, практических занятий и консультаций в онлайн-режиме и недельного интенсива, в ходе которого им предстоит работать с материалами и оборудованием в мастерских школы МАРШ. Если же возможности приехать на интенсив нет, то можно выбрать «облегченный» вариант, сочетающий теорию и практику в удаленном режиме.

The Hub | Parametric Human Project

Подход системной инженерии на основе данных к системной биологии, позволяющий использовать открытые агрегированные данные о людях для рынков цифрового моделирования и симуляции человека. Некоммерческая организация Global TECH, координирующая координацию, междисциплинарное сотрудничество и автоматизацию сбора информации о человеческих системах , организация и моделирование.Проблемы для решения Глобальные затраты на здравоохранение растут быстрее, чем общий экономический рост. Мы надеемся нанять около 30 исследователей, разработчиков и специалистов по эксплуатации в 3 региональных офисах в MaRS Discovery District — Торонто, Канада, ИТ-университет — Копенгаген, Дания и США.Наше решение Ускорение прогресса медицинских технологий за счет технологических инноваций Электронная наука — цифровая трансформация традиционных исследований — краудсорсинговые исследования Человеческие исследования Единая системная платформа для универсальных приложений цифрового моделирования и симуляции человека на основе данных Как это работает Закрытые человеческие данные для открытых человеческих данных путем агрегирования Глобальный вклад и потребление в исследования После реализации бизнес-модель ожидается в виде моделей подписки на API для рынков цифрового моделирования человека и региональных легальных некоммерческих организаций: Канада и Дания (ЕС).США в процессе. Азия является частью видения. Проблемы Сложные проблемы человеческих систем, включающие сложные взаимодействия между элементами в различных пространственных и временных масштабах, и в биологии человека многие свойства этих элементов неизвестны. Онтологии для структурирования больших данных человека для интеллектуального анализа данных, машины. Обучение и искусственный интеллект «Связь» между онтологиями и моделированием Сбор человеческих данных — национальные, культурные, правовые, технические барьеры — безопасность на основе дизайна Требуется поставщик стратегических приложений для разработки ценностного предложения, финансирования и развития MVP. Сеть стратегических ресурсов 5 лет и 30 долларов США. M Vision Наше видение — это платформа eScience для сбора и обработки человеческих данных, которая поддерживает Precision Health Миссия Миссия Parametric Human Project — дать возможность исследованиям и разработкам опередить традиционные методы в качестве ключевого фактора Precision Health

Создание вероятностного атласа анатомии человека

ПАРАМЕТРИЧЕСКИЙ ПРОЕКТ ЧЕЛОВЕКА: СОЗДАНИЕ ВЕРОЯТНОСТНОГО АТЛАСА АНАТОМИИ ЧЕЛОВЕКА

1 Джереми П.M. Mogk, 2John E. Lloyd, 1Jacobo Bibliowicz, 3Anne M. Agur, 2Sidney Fels и 1Azam Khan

1 Группа исследований окружающей среды и эргономики, Autodesk, Inc., 2Dept. электротехники и вычислительной техники, Университет

Британская Колумбия, 3ept. хирургии, Отделение анатомии, Университет Торонто

e-mail: [email protected], web: parameterrichuman.org

РЕЗЮМЕ

Parametric Human Project (PHP) — это академический и

промышленный исследовательский консорциум в области цифрового моделирования человека.

Ее видение и миссия — создать усовершенствованную управляемую данными вероятностную цифровую модель

анатомии человека, а до

расширить наши знания о человеческих вариациях. Непосредственной задачей

является создание многомасштабной параметрической модели анатомии опорно-двигательного аппарата человека

, чтобы облегчить биомеханическое

и эргономическое моделирование, а также медицинские исследования и образование

. В настоящее время хранилище в основном состоит из

растущей коллекции сканированных изображений костей с высоким разрешением.Поверхность

объединение этих данных облака точек позволило выполнить начальную

оценку методов идентификации и параметризации ориентиров

. Данные по мышечно-сухожильным аппаратам, оцифрованные во время вскрытия трупа

, привели к созданию цифрового атласа анатомии предплечья с одним образцом

. Консорциум

активно ищет новых партнеров.

ВВЕДЕНИЕ

Использование биомеханических моделей становится все более распространенным

в биомедицинских и промышленных исследованиях.Моделирование теперь часто

играет центральную роль в процессах принятия решений, связанных с клинической практикой и здоровьем —

(например, ортопедическая хирургия, реабилитация),

, а также в проектировании безопасности и проектировании. Тем не менее, мы

полагаем, что точность и истинная полезность современных человеческих биомеханических моделей

ограничены несколькими факторами. Во-первых,

необходимы модели, управляемые данными. Слишком часто модели

состоят из абстракций идеализированной и прототипической анатомии

.В конечном счете, мы мало знаем о том, что значит

быть «репрезентативным» или нормальным. Только путем сбора

и агрегирования больших объемов данных от

человек мы сможем продвинуться к точной количественной оценке прототипной анатомии

и способов человеческой изменчивости,

, как это происходит в человеческом мозге [ 1]. Во-вторых,

необходимо для создания моделей с разными уровнями разрешения.

Доступ к агрегированным данным с высоким разрешением позволит генерировать модели

и параметризовать их в различных масштабах

, но гарантирует, что все составные части

могут быть сопоставлены с одним и тем же совокупным набором данных. В-третьих, существует совместная инфраструктура

, позволяющая исследователям обмениваться моделями [2, 3],

, но не для обмена и накопления данных, необходимых для разработки агрегированной модели

анатомии человека.

Мы создали Parametric Human Project для

, чтобы удовлетворить вышеупомянутые потребности. Поддерживая сеть

сотрудников, мы планируем создать полный статистический атлас анатомии человека

. Статистический характер

будет определять и количественно определять различия в морфологии внутри и

между отдельными особями. Это будет включать статистические формы

моделей для описания трехмерной геометрии и топологии костей,

мышц (например.g., объем и структуру волокон) и сухожилий. Во время

также будут включены статистические описания атрибутов, таких как плотность кости

и свойства ткани. Согласно принципу

, такой атлас позволит профессионалам в области здравоохранения,

исследователям и инженерам определить и построить любого человека

, который проживает в виртуальной популяции, будь то

для визуализации или моделирования и моделирования.

МЕТОДЫ

Создание статистически обоснованной параметрической модели человека

состоит из четырех основных подпроектов, сфокусированных на i) сборе данных

, ii) построении сетки и регистрации поверхности (или объема),

iii) идентификации ориентиров и iv) параметризация.В настоящее время

сосредоточены на геометрии костей и мышц,

включая архитектуру мышечных волокон и структуру сухожилий.

Используя FARO Laser ScanArm® (точность 0,035 мм;

FARO Technologies, Inc., Lake Mary, FL), были отсканированы полные

скелетов для получения геометрии кости в виде облаков точек

. В дальнейшем эти данные будут зарегистрированы с помощью

компьютерных томографических снимков соответствующих костей.

Геометрия мышц и сухожилий была получена в ходе вскрытия трупа

. Отдельные пучки мышечных волокон были оцифрованы на месте

по всему объему мышц

(от поверхностного до глубокого) с использованием MicroScribeTM 3DX Digitizer

(точность 0,3 мм; Immersion Corp., Сан-Хосе, Калифорния). Каждые

внешних сухожилий были оцифрованы, а также периметр

и поверхность апоневрозов. Мы намерены дополнить данные о пучках волокон

такими методами, как визуализация тензора диффузии

.Все данные были закодированы с использованием имеющейся информации об образце

(т.е. возраст, пол). Данным для каждой кости также был присвоен уникальный анатомический идентификатор

из онтологической структуры

Основополагающей модели анатомии [4].

Геометрия поверхности для каждой кости была сгенерирована как объемная сетка

на основе данных облака точек. Геометрия поверхности

для каждой мышцы атласа с одним образцом была

, выведенная из данных пучка волокон с использованием метода построения сетки

[5].Апоневрозы были реконструированы в виде поверхностных

сеток, а сухожилия воссозданы по постепенно оцифрованным периметрам

. В дальнейшем поверхности мышц и сухожилий

будут в основном получены путем сегментации

Параметрических и непараметрических тестов для сравнения двух или более групп

Статистика: параметрические и непараметрические тесты

Этот раздел охватывает:

  • Выбор теста
  • Параметрические испытания
  • Непараметрические испытания

Выбор теста

С точки зрения выбора статистического теста наиболее важным вопросом является «Какова основная гипотеза исследования?» В некоторых случаях гипотеза отсутствует; следователь просто хочет «посмотреть, что там есть».Например, в исследовании распространенности нет гипотезы для проверки, а размер исследования определяется тем, насколько точно исследователь хочет определить распространенность. Если нет гипотезы, значит, нет статистической проверки. Важно решить a priori , какие гипотезы являются подтверждающими (т. Е. Проверяют некоторую предполагаемую взаимосвязь), а какие являются исследовательскими (предполагаются данными). Ни одно исследование не может подтвердить целую серию гипотез. Разумный план — резко ограничить количество подтверждающих гипотез.Хотя можно использовать статистические тесты для гипотез, предложенных данными, значения P следует использовать только в качестве рекомендаций, а результаты рассматривать как предварительные до тех пор, пока не будут подтверждены последующими исследованиями. Полезным руководством является использование поправки Бонферрони, которая просто утверждает, что если проверяется n независимых гипотез, следует использовать уровень значимости 0,05 / n . Таким образом, если бы было две независимые гипотезы, результат был бы признан значимым, только если P <0.025. Обратите внимание, что, поскольку тесты редко бывают независимыми, это очень консервативная процедура - то есть такая, которая вряд ли отклонит нулевую гипотезу. Затем следователь должен спросить: "Независимы ли данные?" Это может быть трудно решить, но, как правило, результаты одного и того же человека или от совпадающих лиц не являются независимыми. Таким образом, результаты перекрестного исследования или исследования случай-контроль, в котором контрольная группа сопоставлялась со случаями по возрасту, полу и социальному классу, не являются независимыми.

  • Анализ должен отражать дизайн, поэтому за согласованным дизайном должен следовать согласованный анализ.
  • Результаты, измеренные с течением времени, требуют особого внимания. Одна из наиболее частых ошибок в статистическом анализе — рассматривать коррелированные переменные, как если бы они были
    независимыми. Например, предположим, что мы изучаем лечение язв на ногах, при котором у некоторых людей были язвы на каждой ноге. У нас может быть 20 субъектов с
    30 язвами, но количество независимых единиц информации равно 20, потому что на состояние язв на каждой ноге у одного человека может влиять состояние
    здоровья человека и анализ, который рассматривал язвы как независимые. наблюдения были бы неверными.Для правильного анализа смешанных парных и непарных данных
    проконсультируйтесь со статистиком.

Следующий вопрос: «Какие типы данных измеряются?» Используемый тест должен определяться данными. Выбор теста для сопоставленных или парных данных описан в таблице 1, а для независимых данных — в таблице 2.

Таблица 1 Выбор статистического теста из парных или согласованных наблюдений

Полезно определить входные и конечные переменные.Например, в клиническом исследовании входной переменной является тип лечения — номинальная переменная — и результатом может быть некоторая клиническая мера, возможно, нормально распределенная. Необходимым испытанием будет t -тест (Таблица 2). Однако, если входная переменная является непрерывной, скажем, клинической оценкой, и результат номинальный, скажем, вылечен или не излечен, логистическая регрессия является необходимым анализом. Тест t в этом случае может помочь, но не даст нам того, что нам нужно, а именно вероятности излечения для данного значения клинической оценки.В качестве другого примера предположим, что у нас есть перекрестное исследование, в котором мы спрашиваем случайную выборку людей, считают ли они, что их терапевт хорошо работает, по пятибалльной шкале, и мы хотим выяснить, имеют ли женщины более высокое мнение. врачей общей практики, чем у мужчин. Входная переменная — пол, которая является номинальной. Переменной результата является пятибалльная порядковая шкала. Мнение каждого человека не зависит от мнения других, поэтому у нас есть независимые данные. Из таблицы 2 следует использовать критерий χ 2 для определения тренда или U-критерий Манна-Уитни с поправкой на связи (N.B. ничья возникает, когда два или более значения совпадают, поэтому нет строго возрастающего порядка рангов — в этом случае можно усреднить ранги для связанных значений). Обратите внимание, однако, что если одни люди пользуются услугами врача общей практики, а другие нет, то данные не являются независимыми и требуется более сложный анализ. Обратите внимание, что эти таблицы следует рассматривать только как руководство, и каждый случай следует рассматривать по существу.

Таблица 2 Выбор статистического критерия для независимых наблюдений

a Если данные подвергаются цензуре. b Тест Крускала-Уоллиса используется для сравнения порядковых или ненормальных переменных для более чем двух групп и является обобщением U-критерия Манна-Уитни. c Дисперсионный анализ — это общий метод, и одна версия (односторонний дисперсионный анализ) используется для сравнения нормально распределенных переменных для более чем двух групп и является параметрическим эквивалентом теста Краскала-Уоллиста. d Если конечная переменная является зависимой переменной, то при условии, что остатки (различия между наблюдаемыми значениями и предсказанными ответами регрессии) правдоподобны. Нормально распределены, тогда распределение независимой переменной не имеет значения. e Существует ряд более продвинутых методов, таких как регрессия Пуассона, для работы с такими ситуациями. Однако они требуют определенных допущений, и часто бывает проще либо разделить переменную результата на дихотомию, либо рассматривать ее как непрерывную.

Параметрические тесты — это тесты, которые делают предположения о параметрах распределения генеральной совокупности, из которого берется выборка. Часто это предположение, что данные о населении распределены нормально. Непараметрические тесты не требуют распределения и, как таковые, могут использоваться для переменных, отличных от нормальных.В таблице 3 показан непараметрический эквивалент ряда параметрических тестов.

Таблица 3 Параметрические и непараметрические тесты для сравнения двух или более групп

Непараметрические тесты действительны как для данных с нестандартным распределением, так и с данными с нормальным распределением, так почему бы не использовать их постоянно?

Было бы разумно использовать непараметрические тесты во всех случаях, что избавит от необходимости проверять нормальность.Однако параметрические тесты предпочтительнее по следующим причинам:

1. Нас редко интересует только критерий значимости; мы хотели бы сказать кое-что о популяции, из которой были взяты образцы, и это лучше всего сделать с помощью
оценок параметров и доверительных интервалов.

2. Трудно выполнять гибкое моделирование с помощью непараметрических тестов, например, с учетом смешивающих факторов с использованием множественной регрессии.

3. Параметрические тесты обычно обладают большей статистической мощностью, чем их непараметрические эквиваленты.Другими словами, более вероятно, что существенные различия будут обнаружены, если
они действительно существуют.

Сравнивают ли медианы непараметрические тесты?

Принято считать, что U-критерий Манна-Уитни на самом деле является тестом на различия в медианах. Тем не менее, две группы могут иметь одинаковую медианную величину и все же иметь значимый U-критерий Манна-Уитни. Рассмотрим следующие данные для двух групп по 100 наблюдений в каждой. Группа 1: 98 (0), 1, 2; Группа 2: 51 (0), 1, 48 (2).Медиана в обоих случаях равна 0, но по критерию Манна-Уитни P <0,0001. Только если мы готовы сделать дополнительное предположение, что разница в двух группах - это просто сдвиг в местоположении (то есть, распределение данных в одной группе просто сдвигается на фиксированную величину от другой), мы можем сказать, что тест - это проверка разницы в медианах. Однако, если группы имеют одинаковое распределение, то изменение местоположения сдвинет медианы и средние значения на ту же величину, и поэтому разница в медианах будет такой же, как и разница в средних.Таким образом, U-критерий Манна-Уитни также является тестом на разницу средних значений. Как U-критерий Манна-Уитни связан с тестом t ? Если бы кто-то должен был ввести ранги данных, а не сами данные, в программу двухвыборочного теста t , полученное значение P было бы очень близко к значению, полученному с помощью U-критерия Манна-Уитни.

Номер ссылки

  • Кэмпбелл MJ и Swinscow TDV. Статистика на Square One 11-е изд. Wiley-Blackwell: BMJ Books 2009.

© MJ Campbell 2016, S Shantikumar 2016

Анализы параметрического и непараметрического сканирования генома для определения человеческой руки

Генетика человеческой руки является очень обсуждаемой темой, и было предложено несколько моделей для объяснения сложной эпидемиологии леворукости. Несмотря на это, несколько генетических моделей предполагают, что леворукость является моногенным признаком с неменделирующим типом наследования, и, насколько нам известно, ни одна генетическая модель не предполагала, что леворукость является истинным QTL.Следовательно, мы приняли стандартный двухточечный параметрический подход к анализу взаимосвязей. Клар предложил модель одного гена, которая может объяснить и предсказать эпидемиологические данные. 10 Модель Клара, насколько нам известно, является наиболее редукционистской моделью и, следовательно, может быть легко использована в исследованиях анализа связей.

Можно утверждать, что модель Клара, которая использовалась в этом проекте, неправильная или неполная, что может дать ложные результаты. Однако было высказано предположение, что двухточечный анализ с простой генетической моделью с пониженной пенетрантностью может выявить сцепление для признака со сложным типом наследования. 21 Уменьшенная пенетрантность делает модель достаточно устойчивой для обнаружения сцепления и имитирует эффект нескольких локусов. 21 Кроме того, высокая частота генов, указанная в модели Клара, делает модель более устойчивой, поскольку позволяет родителям передавать любой гаплотип, если они гомозиготны по локусу признака. 22 Таким образом, можно сделать вывод, что, хотя модель Клара может быть неправильной, характеристики модели позволяют использовать ее в расчетах сцепления.

Были определены четыре различных региона с показателем LOD выше 1. Хромосома 10q26 показала наиболее многообещающие результаты, так как было получено двухточечное значение LOD 2,02, несколько маркеров достигли положительных значений LOD, а непараметрический анализ привел к значению NPL 2,16 ( P -значение 0,02). Полученное значение близко к значению 2,2, которое представляет собой предполагаемую оценку LOD, которая может представлять слабую, но реальную связь. 23 Кроме того, максимальное значение LOD было получено при фракции рекомбинации 0.05, что указывает на то, что при дальнейшем точном отображении может быть получено более высокое значение LOD. Однако двухточечный анализ с маркерами, расположенными на 5 сМ от D10S587, привел к более низким показателям LOD. Эти результаты можно объяснить двумя возможностями.

Более низкие оценки LOD, полученные с помощью точного сопоставления, могут указывать на ошибку типа I (ложноположительный результат). Однако также возможно, что существует только очень слабое сцепление между локусом в непосредственной близости от D10S587, а не на расстоянии 5 сМ, и леворукостью в подмножестве анализируемых семейств.Если связь существует только в подмножестве выборочной когорты, можно было бы ожидать более низкие аддитивные оценки LOD из-за эффекта несвязанных семейств. Однако тогда потребуется гораздо большая выборка для получения достаточной мощности для идентификации локусов леворукости.

Многоточечный анализ обычно используется для увеличения показателей мощности и уровня детализации. Однако использование многоточечного анализа, когда точная генетическая модель неизвестна, проблематично, поскольку это может дать ложноотрицательные результаты из-за увеличения скорости рекомбинации из-за неправильной атрибуции сегрегации аллеля болезни. 22 Поскольку двухточечный анализ гораздо более устойчив к ошибкам в спецификации, чем многоточечный анализ, многоточечный анализ не использовался.

В нескольких отчетах рассматривается участие Х-хромосомы в определении ручности. 24,25 Анализ ассоциации между общим аллелем маркеров на Х-хромосоме и снижением вариативности навыков рук у братьев-левшей привел к оценке LOD 2,8 для маркера DXS990. 25 При этом сканировании генома не было получено никаких положительных оценок LOD для DXS990, что не дает доказательств наличия локуса на X-хромосоме.Анализ QTL с использованием относительного мастерства рук в качестве фенотипа выявил предполагаемый QTL на хромосоме 2p11.2 между маркерами D2S2333 и D2S2216. 26 Совсем недавно этот QTL был подтвержден 27 в подгруппе братьев-левшей из ранее собранной выборки. 25 Однако мы не нашли свидетельств этого QTL в этом сканировании генома.

Учитывая количество возможностей, представленных в нашей выборке, характеристики модели Клара, результаты NPL и устойчивость двухточечного анализа к ошибочной спецификации модели, мы можем предположить, что если бы моногенные модели были правильными, это было бы возможно. чтобы обнаружить этот единственный локус.Следовательно, генетический фон левши позволяет нам сделать вывод, что левизна — это действительно сложная черта, которая определяется взаимодействием нескольких различных взаимодействующих локусов. Дальнейший независимый анализ с использованием больших выборок необходим для подтверждения результатов этого исследования и выявления новых локусов человеческой руки.

Проверка допущений параметрических линейных моделей: необходимость интеллектуального анализа биологических данных в таких дисциплинах, как генетика человека | Биодата Майнинг

Все методы науки о данных основаны на определенных допущениях, которые используются для того, чтобы их выводы были достоверными.Некоторые предположения влияют на тестирование статистической значимости, а некоторые влияют на сами модели. Например, фундаментальное предположение линейной регрессии состоит в том, что взаимосвязь между независимыми и зависимыми переменными является аддитивной, так что увеличение одной единицы приводит к увеличению единицы другой с некоторой ошибкой, которую можно смоделировать с использованием нормального распределения. Наличие нелинейной связи между переменными нарушает это предположение и может привести к неточным выводам.Мы продемонстрируем это здесь на простом примере из генетики человека, а затем закончим некоторыми размышлениями о роли интеллектуального анализа биологических данных в выявлении нелинейных отношений между переменными.

Один из центральных вопросов генетики человека — это степень, в которой вариации количественного признака, такого как уровень холестерина или кровяное давление, обусловлены вариациями в последовательности ДНК. Наследственность — это один из показателей, который используется для оценки относительного вклада генетической и негенетической (окружающей среды) изменчивости в изменчивость признака.Наследуемость варьируется от нуля до единицы, значение единицы указывает на то, что все вариации признака связаны с генетической изменчивостью. На самом деле, мы никогда не видим такой высокой наследственности, потому что почти все биологические признаки имеют один или несколько компонентов окружающей среды и обычно измеряются с некоторой ошибкой. Оценки наследуемости, которые учитывают все различные типы генетических эффектов, называются наследуемостью в широком смысле (BSH). Аддитивные генетические эффекты исторически привлекали наибольшее внимание, потому что они полезны для разведения животных и могут быть оценены по корреляции признака между парами родственников.Примером аддитивной генетической модели может быть количественный признак, который имеет средние значения 10, 10,5 и 11 для генотипов AA , AG и GG , соответственно, в одной точке последовательности ДНК. В этом примере аллель G увеличивает среднее значение на половину единицы для каждой унаследованной копии. Двойная корреляция признаков среди пар братьев и сестер является оценкой наследуемости из-за аддитивных генетических эффектов и называется узкой наследуемостью (NSH).Здесь используется двойная корреляция, потому что братья и сестры в среднем разделяют только половину своих генов. У кузенов в среднем 12,5% общих генов, и, таким образом, NSH оценивается из корреляции признаков, умноженной на восемь.

Чтобы проиллюстрировать NSH, мы представляем следующие результаты моделирования с использованием генетической модели, представленной выше. Здесь средние генотипические значения составляют 10, 10,5 и 11. Мы предполагаем, что общая дисперсия признака составляет 0,3. Мы предполагаем, что аллели ( A и G ) имеют равную частоту 0.5 в популяции и предположим, что частота генотипов составляет 0,25 ( AA ), 0,5 ( AG ) и 0,25 ( GG ), что соответствует ожиданиям Харди-Вайнберга. Сначала мы смоделировали одну вариацию последовательности ДНК у 5000 неродственных родителей, используя эти частоты генотипов. Затем мы смоделировали двух детей, взяв по два аллеля от каждого родителя с вероятностью 0,5. Затем мы смоделировали фенотипы для каждого родителя и каждого брата или сестры из нормального распределения со средними значениями и дисперсией, как описано выше для аддитивной генетической модели.На рис. 1а показана диаграмма разброса отношений между признаками для каждой пары братьев и сестер. Также показана линия регрессии по методу наименьших квадратов с наклоном и корреляцией приблизительно 0,30. Используя эту корреляцию, мы можем оценить NSH этого признака как 0,60. В качестве проверки мы также можем использовать линейную модель для оценки компонента дисперсии вариации последовательности ДНК у неродственных родителей. Здесь мы закодировали генотипы AA , AG и GG как 0, 1 и 2, чтобы мы могли оценить компонент аддитивной генетической дисперсии.Отношение аддитивной дисперсии к общей дисперсии признака является оценкой NSH. Здесь это равно 0,60, что в точности соответствует наследуемости, оцененной на основе корреляции признаков в парах сибсов. Мы подтвердили это, оценив NSH по симулированным сводным братьям и сестрам и двоюродным братьям и сестрам. Мы показали, что NSH для этой аддитивной генетической модели падает вдвое, а затем снова вдвое, поскольку генетическое родство относительных пар падает вдвое (рис. 1d). Линейная связь между корреляцией признаков и генетическим родством относительных пар, используемых для каждой оценки, многими рассматривается как отличительный признак аддитивной генетической модели признака.

Рис. 1

На верхних панелях показаны отношения признаков между парами сибсов, смоделированными с использованием моделей аддитивного ( a ), эпистаза ( b ) и аддитивного плюс эпистаза ( c ). Наименьшие квадраты соответствуют линиям регрессии и коэффициент корреляции показаны для каждой из них. На нижних панелях показана взаимосвязь между корреляциями признаков, оцененными по парам братьев, сестер, сводных братьев и сестер, и двоюродных братьев, построенные против ожидаемого их генетического родства. Панели d f соответствуют генетическим моделям, обозначенным в a c .Обратите внимание, что линейные тренды в c и f присутствуют, несмотря на то, что более 60% наследственности обусловлено эпистазом как нелинейным генетическим эффектом

Любое различие между BSH и NSH происходит из-за других типов генетических эффектов, таких как Отклонение признака означает преобладание аллеля в локусе или эпистаз (взаимодействие ген-ген) между локусами. Эпистаз влияет на вариацию признаков через неаддитивные взаимодействия между двумя или более вариациями последовательности ДНК.Какое влияние оказывает эпистаз на относительные парные корреляции и оценки NSH? Чтобы ответить на этот вопрос, мы провели аналогичное моделирование с использованием модели эпистаза, так что средние значения признаков зависят от комбинаций генотипов из двух различных вариаций последовательности ДНК. Для первого генетического варианта мы предполагаем, что аллели ( A и G ) имеют равные частоты 0,5 и частоты генотипов 0,25 ( AA ), 0,5 ( AG ) и 0,25 ( GG ).Для второго генетического варианта мы предполагаем, что аллели ( T и C ) имеют равные частоты 0,5 и частоты генотипов 0,25 ( TT ), 0,5 ( TC ) и 0,25 ( CC ). Мы также предполагаем, что эти два генетических варианта находятся на разных хромосомах и, следовательно, не связаны, поэтому локусы не коррелированы (то есть нет неравновесия по сцеплению). Мы использовали модель XOR (логическая функция исключающего ИЛИ) для эффекта эпистаза, так что среднее значение признака равно 10, если генотип в первом генетическом варианте равен AG ИЛИ генотип во втором генетическом варианте равен TC , но НЕ оба.В противном случае среднее значение признака равно 11. Это создает такую ​​закономерность среди генотипических средств, что необходимы оба генетических варианта вместе с нелинейной моделью, чтобы полностью учесть генетический компонент дисперсии признака. Мы предположили здесь ту же дисперсию признака 0,3 и смоделировали родителей и относительные пары, как описано выше. На рисунке 1b показана диаграмма разброса отношений между признаками для каждой пары братьев и сестер. Обратите внимание на мультимодальный характер диаграммы рассеяния, связанный с наличием двух разных средних значений для комбинаций генотипов.Это крайняя модель для иллюстративных целей, и никто, возможно, никогда не увидит подобную закономерность для реального биологического признака, учитывая все другие задействованные генетические факторы и факторы окружающей среды. Это будет проиллюстрировано на следующей модели ниже. Также показана линия регрессии по методу наименьших квадратов с наклоном и корреляцией приблизительно 0,05. Используя эту корреляцию, мы можем оценить NSH этого признака как 0,10. Интересно, что оценки NSH падают до нуля у полукровок и кузенов (рис. 1e). Это согласуется с анализом компонентов дисперсии у родителей, который оценивает компонент аддитивной дисперсии как нулевой, что предполагает отсутствие аддитивного компонента генетической дисперсии, как можно было бы ожидать от этой чисто эпистатической модели.Небольшая корреляция 0,05 у братьев и сестер объясняется немного увеличенной вероятностью того, что они имеют одинаковый генотип в обоих генетических вариантах, что дает одинаковые генотипические средние 10 или 11. Это создает немного больше субъектов в нижнем левом квадранте и верхнем правом квадранте давая линии регрессии наименьших квадратов слегка положительный наклон (монозиготные близнецы будут все в нижнем левом и верхнем правом квадрантах). Этот небольшой линейный узор полностью исчезает у сводных братьев и сестер.Кодирование комбинаций генотипов как 0 для тех, у кого среднее значение 10 и 1 для тех, у кого среднее значение 11, дает компонент эпистатической дисперсии 0,25. Поскольку мы знаем, что это генеративная модель, мы можем разделить ее на выборочную дисперсию признака 0,34, получив BSH 0,73. Таким образом, почти 75% вариации признака происходит из-за неаддитивного взаимодействия между двумя вариациями последовательности ДНК. Очень мало, если вообще что-либо из этой наследственности, учитывается при оценке NSH. Таким образом, как и ожидалось, относительные парные корреляции мало говорят нам о генетических эффектах, связанных с этим типом эпистаза.

Интересно отметить, что многие биологические черты демонстрируют линейную взаимосвязь в относительных парах, которая линейно увеличивается с увеличением генетического родства. Что это говорит нам о природе генетических эффектов, лежащих в основе вариации признака? Означают ли наблюдаемые линейные отношения, что генетические эффекты являются только аддитивными, за исключением неаддитивных эффектов, таких как эффекты эпистаза? Чтобы ответить на этот вопрос, мы объединили вышеупомянутые симуляции таким образом, что признак из аддитивного моделирования был добавлен к признаку из моделирования эпистаза, давая новый признак.Мы провели такой же анализ наследуемости, как описано выше. На рисунке 1c показана диаграмма разброса отношений между признаками для каждой из пар братьев и сестер. Также показана линия регрессии по методу наименьших квадратов с наклоном и корреляцией приблизительно 0,13, что дает оценку NSH, равную 0,26. Интересно отметить, что диаграмма рассеяния для этого признака намного больше похожа на диаграмму, показанную на рис. 1а. Единственная видимая разница в том, что корреляция не такая сильная. Таким образом, добавление эффекта эпистаза снижает общую корреляцию, но сохраняет линейный тренд.Оценка NSH от полусибсов составляет 0,14, в то время как двоюродные братья дают оценку 0,06. Таким образом, как и в случае чисто аддитивной генетической модели, мы видим линейное увеличение корреляции признаков и NSH с увеличением генетического родства (рис. 1f). Анализ компонентов дисперсии дает аддитивный компонент 0,12 и компонент эпистаза 0,24 для общего генетического компонента 0,36. Разделение аддитивного компонента на общую дисперсию 0,55 дает NSH 0,22. Разделение общей генетической составляющей на дисперсию признаков дает BSH, равный 0.65. Таким образом, на компонент эпистаза генетической модели приходится вдвое больше наследуемости, чем на аддитивный.

Результаты этого последнего моделирования показывают, что неаддитивные генетические эффекты могут быть скрыты или похоронены в, казалось бы, линейных отношениях, тем самым нарушая фундаментальное предположение о параметрической линейной регрессии. Это явление наблюдалось ранее [1]. Узкая наследуемость порядка 0,2–0,5 обычно наблюдается для широкого спектра количественных признаков человека, причем оценки BSH часто выше, что свидетельствует о неаддитивности.Например, van Dongen et al. [2] оценили NSH для ряда метаболических признаков у тысяч дизиготных близнецов, которые имеют половину их генетического материала, и сравнили это с BSH, оцененным для монозиготных близнецов, которые имеют общий генетический материал. Разница между этими оценками связана с неаддитивными генетическими эффектами, такими как доминирование и эпистаз. Некоторые черты характера имели довольно большие различия. Например, триглицериды имеют NSH 0,33 и BSH 0,59. Точно так же систолическое артериальное давление показывает оценки NSH и BSH равными 0.37 и 0,60 соответственно. Они очень похожи на оценки, полученные при моделировании. Сходные различия между BSH и NSH по метаболическим признакам наблюдались на моделях мышей [3]. Должны быть дополнительные генетические эффекты, способствующие изменчивости этих признаков. Однако нельзя исключать, что эпистаз и, возможно, эффекты доминирования вносят вклад в вариацию черт, как было продемонстрировано здесь и было указано ранее [4]. Этот простой пример подчеркивает важность предположений и необходимость в методах интеллектуального анализа биологических данных на основе машинного обучения и искусственного интеллекта, которые делают меньше предположений о характере конструируемых моделей.В самом деле, использование методов науки о данных, таких как машинное обучение и искусственный интеллект, увеличивается по мере того, как генетические исследования сложных признаков переходят от документирования простых аддитивных отношений к охвату сложности генотипа и соотношению картирования фенотипа, которое может включать нелинейные генетические эффекты, такие как как эпистаз.

Ссылки

  1. 1.

    Хуанг В., Ричардс С., Карбон М.А., Чжу Д., Анхольт Р.Р., Эйролес Дж.Ф., Дункан Л., Джордан К.В., Лоуренс Ф., Магвайр М.М., Уорнер С.Б., Бланкенбург К., Хан Й., Джавид М., Джаясилан Дж., Джангиани С.Н., Музни Д., Онгери Ф., Пералес Л., Ву Ю.К., Чжан Й., Цзоу Х, Стоун Е.А., Гиббс Р.А., Маккей Т.Ф.Эпистаз доминирует в генетической архитектуре количественных признаков дрозофилы. Proc Natl Acad Sci U S. A. 2012; 109: 15553–9.

    CAS Статья Google Scholar

  2. 2.

    van Dongen J, Willemsen G, Chen WM, de Geus EJ, Boomsma DI. Наследственность признаков метаболического синдрома в большой популяции. J Lipid Res. 2013; 54: 2914–23.

    Артикул Google Scholar

  3. 3.

    Беннетт Б.Дж., Дэвис Р.С., Сивелек М., Ороско Л., Ву Дж., Ци Х, Пан С., Паккард Р.Р., Эскин Е., Ян М., Кирхгесснер Т., Ван З., Ли Х, Грегори Дж. К., Хазен С.Л. , Гаргалович П.С., Лусис А.Я.Генетическая архитектура атеросклероза у мышей: анализ системной генетики распространенных инбредных линий. PLoS Genet. 2015; 11: e1005711.

    Артикул Google Scholar

  4. 4.

    Маккей Т. Эпистаз и количественные признаки: использование модельных организмов для изучения взаимодействия генов. Nat Rev Genet. 2014; 15: 22–33.

    CAS Статья Google Scholar

Скачать ссылки

Информация об авторе

Принадлежности

  1. Департамент биостатистики и эпидемиологии, Институт биомедицинской информатики, Медицинская школа Перельмана, Университет Пенсильвании, Филадельфия, Пенсильвания, 19104-6021, США

    .Мур

  2. Центр генетики человека и Департамент генетики и биохимии, Университет Клемсона, 114 Gregor Mendel Circle, Greenwood, SC, 29646, USA

    Trudy FC Mackay

  3. Департамент эпидемиологии и биостатистики, Case-Western Reserve University, 10900 Euclid Avenue, Кливленд, Огайо, 44106, США

    Скотт М. Уильямс

Авторы
  1. Джейсон Х. Мур
  2. Trudy FC Mackay
  3. Скотт М.Williams

Автор, ответственный за переписку

Переписка на Джейсон Х. Мур.

Декларации этики

Примечание издателя

Springer Nature сохраняет нейтралитет в отношении юрисдикционных претензий на опубликованных картах и ​​институциональной принадлежности.

Права и разрешения

Открытый доступ Эта статья распространяется на условиях Creative Commons Attribution 4.0 Международная лицензия (http://creativecommons.org/licenses/by/4.0/), которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе, при условии, что вы укажете соответствующую ссылку на первоначального автора (авторов) и источник, предоставьте ссылку на лицензию Creative Commons и укажите, были ли внесены изменения. Отказ Creative Commons Public Domain Dedication (http://creativecommons.org/publicdomain/zero/1.0/) распространяется на данные, представленные в этой статье, если не указано иное.

Перепечатки и разрешения

Об этой статье

Цитируйте эту статью

Moore, J.Х., Маккей, T.F.C. И Уильямс, С. Проверка допущений параметрических линейных моделей: необходимость интеллектуального анализа биологических данных в таких дисциплинах, как генетика человека. BioData Mining 12, 6 (2019). https://doi.org/10.1186/s13040-019-0194-z

Ссылка для скачивания

SPM — Статистическое параметрическое отображение

Введение

Статистическое параметрическое отображение относится к построению и оценке пространственно расширенных статистические процессы, используемые для проверки гипотез о данных функциональной визуализации.Эти идеи были реализованы в бесплатном программном обеспечении с открытым исходным кодом , который называется SPM .

Программный пакет SPM был разработан для анализ последовательностей данных изображений мозга . Последовательности могут быть сериями изображений из разные когорты или временные ряды от одного и того же предмета. Текущая версия предназначена для анализа fMRI , PET , SPECT , EEG и MEG .

Начало работы

Лучшая отправная точка — прочитать вводную статью о SPM . Затем вы можете Загрузить последнюю версию программного обеспечения и набор данных для анализа. Пошаговые инструкции для этого анализа: доступно в Руководстве SPM .

Если вы новичок в визуализации, возможно, вам подойдет набор данных ФМРТ эпохи. Наборы данных предоставляются с инструкции о том, как использовать SPM для их анализа.Поэтому в этих руководствах даются практические инструкции о том, как реализовать различные методологии. Наши методы описаны в книгах, технических отчетах и ​​журналах. статьи, которые доступны в нашей онлайн-библиографии . Эта группа документация по году, категории, автору и ключевому слову.

Если вам нужна помощь по определенной теме, вы можете найти соответствующие статьи в онлайн-библиографии. Кроме того, вы можете выполнять поиск на страницах SPM, используя средство поиска, которое появляется вверху каждой страницы.Также просмотрите и выполните поиск в SPM WikiBook и, пожалуйста, не стесняйтесь отредактируйте его, если можете. Если вы все еще не можете найти то, что вам нужно, вы можете отправить электронное письмо в список рассылки SPM , который дает вам доступ к нашему сообществу экспертов.

Вам также следует знать о многих курсах по SPM. Если в вашем страны в этом году, то в Лондоне всегда есть ежегодные короткие курсы. Наконец, как только вы освоите SPM, вы могут узнать о различных расширениях , предоставляемых экспертами в более широком сообществе.

Удачи!

История

Пакет SPM и соответствующая теория изначально были разработаны Карла Фристона за рутинный статистический анализ данных функциональной нейровизуализации из Позитронно-эмиссионная томография (ПЭТ) в медицинском Исследовательский совет Циклотронный блок. Это программное обеспечение, известное теперь как SPM classic , стало доступным для появившееся в 1991 г. сообщество функциональной визуализации для содействия сотрудничеству и общей схеме анализа в лаборатории.

SPM’94 была первой крупной версией программного обеспечения SPM. SPM’94 был написан в первую очередь Карлом. Friston летом 1994 года при неоценимой концептуальной и технической помощи Джона Эшбернера, Джона Хизера, Эндрю Холмса и Жана-Батиста Полина. SPM’95, SPM’96, SPM’99, SPM2, SPM5, SPM8 и SPM12 основаны на SPM’94, и представляют собой текущие теоретические достижения и технические усовершенствования.

Подробнее о SPM история

Борьба с торговлей людьми | Параметрическое портфолио

Вызов

Современное рабство — это печальная реальность, о которой многие в инвестиционном сообществе и широкой общественности только начинают узнавать.Даже в продуктах социально ответственного инвестирования торговля людьми не так широко рассматривается и не учитывается, как другие проблемы социальной справедливости. Таким образом, инвесторы, стремящиеся решить эту проблему, обычно сталкиваются с ограниченными возможностями инвестирования, если вообще имеют их.

Управление Организации Объединенных Наций по наркотикам и преступности определяет торговлю людьми как вербовку путем угрозы, применения силы или других форм принуждения и обмана с целью эксплуатации. Торговля людьми затрагивает каждую страну мира в качестве пункта отправления, транзита или назначения.Хотя он может принимать разные формы, принудительный труд является одним из наиболее распространенных и наиболее актуальным для портфельных вложений инвесторов.

Хотя ни одна из публичных компаний не поддерживает торговлю людьми намеренно, они могут стать замешанными из-за ненадлежащего надзора за своими цепочками поставок. Чтобы бороться с этим, компании должны сохранять бдительность в отношении политики и практики найма своих поставщиков, чтобы избегать и препятствовать возникновению таких условий на рабочем месте. Однако постоянная оценка цепочек поставок для тысяч глобальных компаний — задача не из легких.


Параметрическое решение

Parametric обратился к одному из наших поставщиков данных с существующим исследованием противоречий в области трудовых отношений и прав человека. Этот поставщик помог нам создать уникальный набор данных, который идентифицирует недавние случаи использования детского и принудительного труда в прямых операциях, а также в корпоративных цепочках поставок.

Исследование проводится многоязычной командой из 24 человек, которая ежедневно отслеживает более 9300 компаний, выявляя корпоративные разногласия и оценивая серьезность и распространенность каждого случая, которые затем соответствующим образом отмечаются.

Комментировать

Ваш адрес email не будет опубликован. Обязательные поля помечены *