Abstract
Aim. In healthcare field there exist different types of uncertainty due to medical error generated by human and technologies. In general the crisp value generate loss of precision and inaccuracy about result and therefore the available data is not sufficient to assessed clinical process up to desired degree of accuracy. Therefore fuzzy set theory play as an important and advance role in accuracy of results in healthcare related problems. Methods. Here for more accuracy of result, we use functional fuzzy numbers in this paper. This study uses a new fuzzy fault tree analysis for patient safety risk modelling in healthcare. In this paper we will use level (λ, ρ) interval-valued triangular fuzzy number, their functional, t-norm operation and centre of gravity defuzzification method to evaluate fuzzy failure probability and estimate reliability of system. The effectiveness of these methods is illustrated by an example related to healthcare problems and then we analyse the result obtained with the other existing techniques. Tanaka et al.’s approach has been used to give the rank of basic events of the considered problems. Also, we use functional of fuzzy numbers to analyse the change in fuzzy failure probability. Results. The paper examines the application of the failure tree, t-norm and functional fuzzy numbers in the context of interval-valued triangular fuzzy numbers. The research examined two types of healthcare-specific problems and the corresponding defuzzification techniques for the purpose of reliability analysis using the existing methods. The authors concluded that t-norm is not associated with significant accumulation and identified how a functional fuzzy number affects reliability. Similarly, using the V index method, the least critical events were found for each system.
Highlights
Чэнь [6] предложил новый, более быстрый метод анализа надежности нечетких систем с использованием арифметических операций с нечеткими числами
Нечеткость можно наблюдать во многих сферах жизни, включая машиностроение, медицину, производство и др
Раджеш Данвал привел пример клинических методов и дерева отказов с вероятностью отказов для базовых событий, чтобы найти точное значение вероятности отказа для событий с целью повышения надежности системы
Summary
В классической или традиционной теории множеств элемент либо принадлежит множеству, либо нет, то есть ответом на вопрос о принадлежности любого элемента множеству является «да» или «нет», а не «более» или «менее». Теория нечетких множеств [25] содержит фактор неопределенности, то есть описывает степень принадлежности любого элемента множеству. Хайман и Джонсон [10] провели FTA отказов медицинских систем оповещения о состоянии пациента. Аналогичным образом Роша применил нечеткую логику к нервной системе [20,21]. Адласснинг и Коларц применили нечеткую логику в автоматизированной системе диагностики заболеваний в области ревматологии, известной как CADIAG-2 [2]. Аналогичным образом Лесмо, Саитта и Торассо разработали систему обучения продукционным правилам для принятия медицинских решений [13]. Автоматизированная система обучения основана на теории нечетких множеств и работает с лингвистическими переменными. Еще одним примером нечеткой системы является нечеткая консультативная система в области офтальмологии, разработанная Огунтаде [17]. Что нечеткая логика широко представлена в медицинских системах, a модель выводов на базе нечеткой логики разработана и успешно испытана
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
