stringtranslate.com

Потенциально все парные рейтинги всех возможных альтернатив

Потенциально все попарные ранжирования всех возможных альтернатив ( PAPRIKA ) — это метод многокритериального принятия решений (MCDM) или совместного анализа , [1] [2] [3] , реализованный программным обеспечением для принятия решений и продуктами совместного анализа 1000minds и MeenyMo. [4] [5] [6]

Метод PAPRIKA основан на выражении пользователями своих предпочтений относительно относительной важности критериев или атрибутов, представляющих интерес для принимаемого решения или выбора, путем попарного сравнения (ранжирования) альтернатив.

В приложениях MCDM PAPRIKA используется лицами, принимающими решения, для определения весов критериев для принимаемого решения, представляющих их относительную важность. В зависимости от приложения эти веса используются для ранжирования, приоритизации или выбора между альтернативами.

В приложениях совместного анализа PAPRIKA используется с потребителями или другими заинтересованными сторонами для оценки «частичных полезностей» (т. е. весов), представляющих относительную важность атрибутов, характеризующих продукты или другие объекты интереса (т. е. моделирование выбора , совместный анализ и дискретный выбор ). [2] [3]

Приложения

Метод PAPRIKA реализован с помощью программного обеспечения для принятия решений и продуктов совместного анализа 1000minds и MeenyMo. [4] [5] [6]

Примеры областей, в которых этот метод используется для многокритериального принятия решений или совместного анализа, включают (см. также приложения 1000minds ):

Аддитивные многоатрибутивные модели стоимости

Метод PAPRIKA применяется конкретно к аддитивным многоатрибутивным моделям ценности с категориями производительности [69] – также известным как «баллы», «скоринг», «подсчет баллов» или «линейные» системы или модели. Следующие объяснения в основном изложены в терминах принятия решений по нескольким критериям. Аналогичные объяснения в терминах совместного анализа возможны, но здесь не представлены.

Как следует из названия, аддитивные многоатрибутивные модели стоимости с категориями производительности (далее именуемые просто «модели стоимости») состоят из нескольких критериев (или «атрибутов») с двумя или более категориями производительности (или «уровнями») в каждом критерии, которые объединяются аддитивно .

Каждая категория в каждом критерии оценивается в определенное количество баллов, которое призвано отражать как относительную важность («вес») критерия, так и степень его достижения. Для каждой рассматриваемой альтернативы балльные значения суммируются по всем критериям, чтобы получить общую оценку – следовательно, это модели аддитивной ценности – с помощью которых альтернативы приоритизируются или ранжируются (или иным образом классифицируются) относительно друг друга.

Таким образом, модель значений (или «система баллов») — это просто график критериев (и категорий) и значений баллов для рассматриваемой проблемы принятия решения; для примера см. Таблицу 1 в подразделе ниже. Это представление «системы баллов» эквивалентно более традиционному подходу, включающему нормализованные веса критериев и «функции значений по одному критерию» для представления относительной важности критериев и объединения значений в целом (см. модель взвешенной суммы ). Представление системы невзвешенных баллов проще в использовании и помогает информировать объяснение метода PAPRIKA ниже.

Пример применения системы баллов

Примером применения системы баллов является ранжирование кандидатов, претендующих на вакансию.

Представьте, что «Мартье», «Мишель» и «Полиен» — три кандидата на должность, которых нужно ранжировать с использованием модели ценностей в Таблице 1 ниже. Предположим, что они оцениваются по пяти критериям (см. Таблицу 1) следующим образом:

Таблица 1: Пример модели ценности (система баллов) для ранжирования кандидатов на работу

Суммирование баллов в Таблице 1, соответствующих описаниям Маартье, Мишель и Паулин, дает их общие баллы:

Очевидно, что у Паулен самый высокий общий балл. Следовательно, согласно модели ценностей (и тому, как оценивались Маартье, Мишель и Паулен), Паулен является лучшим кандидатом на эту работу. (Хотя, очевидно, что по сравнению с другими кандидатами, которые потенциально могли бы подать заявку, Паулен не так хорош, как лучший гипотетически возможный кандидат, который набрал бы «идеальные» 40 + 10 + 27 + 10 + 13 = 100 баллов.)

В общих чертах, указав критерии и категории для данной модели стоимости, задача состоит в том, чтобы вывести балльные значения, которые точно отражают относительную важность критериев и категорий для лица, принимающего решения. Выведение действительных и надежных балльных значений, возможно, является самой сложной задачей при создании модели стоимости. Метод PAPRIKA делает это на основе предпочтений лиц, принимающих решения, выраженных с помощью парных ранжирований альтернатив.

Обзор метода ПАПРИКА

Как упоминалось в начале статьи, PAPRIKA — это (частичная) аббревиатура от « Potentially All Pairwise Ran Kings of all possible Alternatives » . Следующее объяснение должно прояснить происхождение этого названия.

Метод PAPRIKA относится к моделям ценности для ранжирования конкретных альтернатив, известных лицам, принимающим решения (например, как в примере с кандидатами на работу выше), а также к моделям для ранжирования потенциально всех гипотетически возможных альтернатив в пуле, который меняется с течением времени (например, пациенты, обращающиеся за медицинской помощью). Следующее объяснение сосредоточено на этом втором типе применения, поскольку оно является более общим.

PAPRIKA основана на фундаментальном принципе, согласно которому общий рейтинг всех возможных альтернатив, представляемых заданной моделью ценности, т. е. всех возможных комбинаций категорий по критериям, определяется, когда известны все попарные рейтинги альтернатив по отношению друг к другу (и при условии, что рейтинги являются согласованными).

(В качестве аналогии предположим, что вы хотите ранжировать всех жителей определенного города от самого молодого до самого старого. Если бы вы знали, как каждый человек попарно ранжируется относительно всех остальных с учетом их возраста, т. е. для каждой возможной пары людей вы определяли, кто из двух людей моложе или что они одного возраста, то вы могли бы составить общий рейтинг населения города от самого молодого до самого старого.)

Однако, в зависимости от количества критериев и категорий, включенных в модель стоимости, количество парных ранжирований всех возможных альтернатив потенциально составляет миллионы или даже миллиарды. Конечно, многие из этих парных ранжирований автоматически разрешаются, поскольку одна альтернатива в паре имеет более высокую категорию по крайней мере для одного критерия и ни одна не ниже по другим критериям, чем другая альтернатива — это известно как «доминируемые пары».

Но это все еще оставляет потенциально миллионы или миллиарды « недоминируемых пар» — пар альтернатив, где одна имеет более высоко оцененную категорию по крайней мере для одного критерия и более низко оцененную категорию по крайней мере для одного другого критерия, чем другая альтернатива — и, следовательно, требуется суждение для попарного ранжирования альтернатив. Ссылаясь на пример ранжирования кандидатов на работу в предыдущем разделе, примером недоминируемой пары (кандидатов) будет случай, когда один человек в паре, скажем, высокообразован , но неопытен , тогда как другой человек необразован , но очень опытен , и, следовательно, требуется суждение для попарного ранжирования этой (недоминируемой) пары.

Для n возможных альтернатив существует n ( n −1)/2 парных ранжирований. Например, для модели ценности с восемью критериями и четырьмя категориями в каждом критерии, и, следовательно, 4 8 = 65 536 возможных альтернатив, существует 65 536 x 65 535 / 2 = 2 147 450 880 парных ранжирований. Даже после исключения 99 934 464 доминируемых пар, все еще остается 2 047 516 416 недоминируемых пар, которые нужно ранжировать. [1] Очевидно, что выполнение любого количества парных ранжирований, близкого к этому — более двух миллиардов! — невозможно без специального метода.

Метод PAPRIKA решает эту проблему «невозможности», гарантируя, что количество парных ранжирований, которые необходимо выполнить лицам, принимающим решения, сведено к минимуму, т. е. составляет лишь небольшую часть потенциально миллионов или миллиардов недоминируемых пар, так что нагрузка на лиц, принимающих решения, минимизирована, а метод является осуществимым. PAPRIKA сводит к минимуму количество парных ранжирований, выполняемых лицами, принимающими решения, для каждой недоминируемой пары, явно ранжированной лицами, принимающими решения, идентифицируя (и устраняя) все недоминируемые пары, неявно ранжированные как следствия этой и других явно ранжированных пар. Основой эффективности метода является применение свойства транзитивности аддитивных моделей значений , как показано в простой демонстрации ниже.

Метод PAPRIKA начинается с того, что лицо, принимающее решение, попарно ранжирует недоминируемые пары, определенные всего по двум критериям за раз (где, по сути, все категории других критериев попарно идентичны). Опять же, ссылаясь на пример ранжирования кандидатов на работу, примером такого вопроса попарного ранжирования является: «Кого бы вы предпочли нанять, кого-то с плохим образованием , но у него или у нее есть 5 лет или более опыта , или другого человека с отличным образованием , но у него или у нее менее 2 лет опыта , при прочих равных условиях?» (см. Рисунок 1).

Рисунок 1: Пример вопроса с парным ранжированием (скриншот с 1000minds )

Пример вопроса попарного ранжирования для метода принятия решений PAPRIKA

Каждый раз, когда лицо, принимающее решение, ранжирует пару (например, как в примере выше), все недоминируемые пары, неявно ранжированные как следствия, определяются и отбрасываются. После завершения ранжирования недоминируемых пар, определенных только по двум критериям за раз, за ​​этим следуют, если лицо, принимающее решение, решает продолжить (он может остановиться в любой момент), пары с последовательно большим количеством критериев (т. е. три критерия, затем четыре, затем пять и т. д.), пока потенциально все недоминируемые пары не будут ранжированы.

Таким образом, Потенциально Все Парные Ранжирования всех возможных Альтернатив ( отсюда и аббревиатура PAPRIKA ) определяются как: (1) доминируемые пары (данные), или (2) недоминируемые пары , явно ранжированные лицом , принимающим решения, или (3) недоминируемые пары , неявно ранжированные как следствия. Из явно ранжированных пар значения точек (веса) получаются с помощью линейного программирования; хотя возможны множественные решения линейной программы, все полученные значения точек воспроизводят один и тот же общий рейтинг альтернатив.

Моделирование использования PAPRIKA показывает, что если лицо, принимающее решение, останавливается после ранжирования недоминируемых пар, определенных всего по двум критериям за раз, то итоговый общий рейтинг всех возможных альтернатив очень сильно коррелирует с «истинным» общим рейтингом лица, принимающего решение, полученным, если бы были ранжированы все недоминируемые пары (включающие более двух критериев). [1]

Таким образом, для большинства практических целей лицам, принимающим решения, вряд ли понадобится ранжировать пары, определенные по более чем двум критериям, тем самым снижая нагрузку на лиц, принимающих решения. Например, для модели стоимости, упомянутой выше, требуется приблизительно 95 явных парных ранжирований с восемью критериями и четырьмя категориями каждая (и 2 047 516 416 недоминируемых пар для ранжирования); 25 парных ранжирований для модели с пятью критериями и тремя категориями каждая; и так далее. [1] Реальные приложения PAPRIKA, упомянутые ранее, предполагают, что лица, принимающие решения, могут комфортно ранжировать более 50 и по крайней мере до 100 пар, причем относительно быстро, и что этого достаточно для большинства приложений.

Теоретические предпосылки

Ближайшим теоретическим предшественником метода PAPRIKA является анализ парных компромиссов [70] , предшественник адаптивного совместного анализа в маркетинговых исследованиях . [71] Как и метод PAPRIKA, анализ парных компромиссов основан на идее, что недоминируемые пары, которые явно ранжируются лицом, принимающим решения, могут использоваться для неявного ранжирования других недоминируемых пар. Однако анализ парных компромиссов был заброшен в конце 1970-х годов, поскольку в нем отсутствовал метод для систематической идентификации неявно ранжированных пар.

Также был предложен метод ЗАПРОС (от русского «Закрытая процедура вблизи референтных ситуаций»); [72] однако, в отношении попарного ранжирования всех недоминируемых пар, определенных по двум критериям, «неэффективно пытаться получить полную информацию». [73] Как объясняется в настоящей статье, метод ПАПРИКА ​​преодолевает эту проблему эффективности.

Простая демонстрация метода ПАПРИКА

Метод PAPRIKA можно легко продемонстрировать на простом примере определения балльных значений (весов) по критериям для модели стоимости всего с тремя критериями, обозначенными как «a», «b» и «c», и двумя категориями в каждом критерии — «1» и «2», где 2 — категория с более высоким рейтингом. [1]

Шестибалльные значения этой модели ценностей (по два для каждого критерия) могут быть представлены переменными a1, a2, b1, b2, c1, c2 (a2 > a1, b2 > b1, c2 > c1), а восемь возможных альтернатив (2 3 = 8) — упорядоченными тройками категорий по критериям (abc): 222, 221, 212, 122, 211, 121, 112, 111. Эти восемь альтернатив и уравнения их общих баллов, полученные простым сложением переменных, соответствующих балльным значениям (которые пока неизвестны: их предстоит определить с помощью демонстрируемого здесь метода), перечислены в таблице 2.

Недоминируемые пары представлены как «221 против (против) 212» или, в терминах уравнений общей оценки, как «a2 + b2 + c1 против a2 + b1 + c2» и т. д. [Напомним, как объяснялось ранее, «недоминируемая пара» — это пара альтернатив, где одна характеризуется более высокоранговой категорией по крайней мере по одному критерию и более низкоранговой категорией по крайней мере по одному другому критерию, чем другая альтернатива, и, следовательно, для попарного ранжирования альтернатив требуется суждение. Наоборот, альтернативы в «доминируемой паре» (например, 121 против 111 – что соответствует a1 + b2 + c1 против a1 + b1 + c1) изначально попарно ранжируются, поскольку одна из них имеет более высокую категорию по крайней мере по одному критерию и ни одна не имеет более низкой категории по другим критериям (и независимо от значений баллов, учитывая, что a2 > a1, b2 > b1 и c2 > c1, попарное ранжирование всегда будет одинаковым).]

«Оценка» этой модели включает определение значений шестизначных переменных (a1, a2, b1, b2, c1, c2) таким образом, чтобы было реализовано предпочтительное для лица, принимающего решение, ранжирование восьми альтернатив.

Для многих читателей эта простая модель ценностей, возможно, может быть сделана более конкретной, если рассмотреть пример, который, вероятно, знаком большинству людей: модель ранжирования кандидатов на работу, состоящая из трех критериев (например) (a) образование , (b) опыт и (c) рекомендации , каждый из которых имеет две категории «производительности»: (1) плохо или (2) хорошо . (Это упрощенная версия иллюстративной модели ценностей в Таблице 1 ранее в статье.)

Соответственно, каждая из восьми возможных альтернатив этой модели может рассматриваться как «тип» (или профиль) кандидата, который может когда-либо, гипотетически, подать заявку. Например, «222» обозначает кандидата, который хорош по всем трем критериям; «221» — это кандидат, который хорош по образованию и опыту , но плох по рекомендациям ; «212» — третий, который хорош по образованию , плох по опыту и хорош по рекомендациям ; и т. д.

Наконец, что касается недоминируемых пар, то 221 против 212, например, представляет кандидата 221, у которого хороший опыт и плохие рекомендации , тогда как 212 имеет противоположные характеристики (и у обоих хорошее образование ). Таким образом, какой из кандидатов лучше, в конечном итоге, зависит от предпочтений лица, принимающего решение, в отношении относительной важности опыта по сравнению с рекомендациями .

Таблица 2: Восемь возможных альтернатив и уравнения их общей оценки

Определение недоминируемых пар

Первый шаг метода PAPRIKA — идентификация недоминируемых пар. При наличии всего восьми альтернатив это можно сделать, попарно сравнивая их все друг с другом и отбрасывая доминируемые пары.

Этот простой подход может быть представлен матрицей на рисунке 2, где восемь возможных альтернатив (выделены жирным шрифтом) перечислены внизу слева и также вдоль верха. Каждая альтернатива слева попарно сравнивается с каждой альтернативой вдоль верха относительно того, какая из двух альтернатив имеет более высокий рейтинг (т. е. в данном примере, какой кандидат более желателен для работы). Ячейки со шляпами (^) обозначают доминируемые пары (где не требуется суждение), а пустые ячейки являются либо центральной диагональю (каждая альтернатива попарно ранжируется сама по себе), либо инверсией непустых ячеек, содержащих недоминируемые пары (где требуется суждение).

Рисунок 2: Недоминируемые пары, выявленные путем попарного сравнения восьми возможных альтернатив (выделены жирным шрифтом)

Рисунок 2 отмечает : ^ обозначает доминируемые пары. Недоминируемые пары обозначены римскими цифрами; три со звездочками являются дубликатами пар (i)-(iii).

Как показано на рисунке 2, существует девять недоминируемых пар (обозначенных римскими цифрами). Однако три пары являются дубликатами после того, как любые переменные, общие для пары, «отменяются» (например, пара *i является дубликатом пары i и т. д.). Таким образом, существует шесть уникальных недоминируемых пар (без звездочек на рисунке 2, и перечисленных ниже).

Сокращение переменных, общее для недоминируемых пар, можно проиллюстрировать следующим образом. Например, при сравнении альтернатив 121 и 112 a1 можно вычесть из обеих сторон a1 + b2 + c1 против a1 + b1 + c2. Аналогично, при сравнении 221 и 212 a2 можно вычесть из обеих сторон a2 + b2 + c1 против a2 + b1 + c2. Для обеих пар это оставляет одну и ту же «сокращенную» форму: b2 + c1 против b1 + c2.

Формально эти вычитания отражают свойство независимости «совместного фактора» моделей аддитивной ценности: [74] ранжирование недоминируемых пар (в неотмененной форме) не зависит от их связанных ранжирований по одному или нескольким критериям. Нотациями недоминируемые пары в их отмененных формах, например b2 + c1 против b1 + c2, также могут быть представлены как _21 против _12 – т.е. где «_» обозначает идентичные категории для идентифицированного критерия.

Подводя итог, вот шесть недоминируемых пар для модели ценности:

(i) b2 + c1 против b1 + c2
(ii) a2 + c1 против a1 + c2
(iii) a2 + b1 против a1 + b2
(iv) a2 + b2 + c1 против a1 + b1 + c2
(v) a2 + b1 + c2 против a1 + b2 + c1
(vi) a1 + b2 + c2 против a2 + b1 + c1

Задача состоит в том, чтобы попарно ранжировать эти шесть недоминируемых пар, при этом от лица, принимающего решение, требуется выполнить как можно меньше парных ранжирований (тем самым минимизируя нагрузку на лицо, принимающее решение).

Ранжирование недоминируемых пар и выявление неявно ранжированных пар

Недоминируемые пары всего с двумя критериями по своей сути наименее когнитивно сложны для лица, принимающего решение, для парного ранжирования относительно пар с большим количеством критериев. Таким образом, произвольно начиная здесь с пары (i) b2 + c1 против b1 + c2, лицо, принимающее решение, спрашивает: «Какую альтернативу вы предпочитаете, _21 или _12 (т. е. учитывая, что они идентичны по критерию a), или вам безразлично между ними?» Другими словами, этот выбор между кандидатом с хорошим опытом и плохими рекомендациями и другим с плохим опытом и хорошими рекомендациями , все остальное то же самое.

Предположим, что лицо, принимающее решение, отвечает: «Я предпочитаю _21 вместо _12» (т. е. хороший опыт и плохие рекомендации предпочтительнее плохого опыта и хороших рекомендаций ). Это предпочтение можно представить как '_21 ≻ _12', что соответствует, с точки зрения уравнений общей оценки, b2 + c1 > b1 + c2 [где ≻ и '~' (используются далее) обозначают строгое предпочтение и безразличие соответственно, что соответствует обычным отношениям '>' и '=' для уравнений общей оценки].

Центральным элементом метода PAPRIKA является идентификация всех недоминируемых пар, неявно ранжированных как следствия явно ранжированных пар. Таким образом, при условии a2 > a1 (т. е. хорошее образование ≻ плохое образование ), ясно, что (i) b2 + c1 > b1 + c2 (как указано выше) подразумевает, что пара (iv) (см. рисунок 2) ранжируется как a2 + b2 + c1 > a1 + b1 + c2. Этот результат отражает свойство транзитивности ( аддитивных ) моделей ценностей. В частности, 221 ≻ 121 (по доминированию) и 121 ≻ 112 (т. е. пара i _21 ≻ _12, как указано выше) подразумевает (iv) 221 ≻ 112; эквивалентно, 212 ≻ 112 и 221 ≻ 212 подразумевает 221 ≻ 112.

Далее, в соответствии с парой (ii) a2 + c1 против a1 + c2, предположим, что лицу, принимающему решение, задают вопрос: «Какую альтернативу вы предпочитаете, 1_2 или 2_1 (при условии, что они идентичны по критерию b), или вам безразлично, какой из них выбрать?» Другими словами, это выбор между кандидатом с плохим образованием и хорошими рекомендациями и другим кандидатом с хорошим образованием и плохими рекомендациями , при прочих равных условиях.

Предположим, что лицо, принимающее решение, отвечает: «Я предпочитаю 1_2 2_1» (т.е. плохое образование и хорошие рекомендации предпочтительнее хорошего образования и плохих рекомендаций ). Это предпочтение соответствует a1 + c2 > a2 + c1. Также, учитывая b2 > b1 ( хороший опыт ≻ плохой опыт ), это предпочтение/неравенство подразумевает, что пара (vi) ранжируется как a1 + b2 + c2 > a2 + b1 + c1.

Более того, две явно ранжированные пары (i) b2 + c1 > b1 + c2 и (ii) a1 + c2 > a2 + c1 подразумевают, что пара (iii) ранжируется как a1 + b2 > a2 + b1. Этот результат можно легко увидеть, сложив соответствующие стороны неравенств для пар (i) и (ii) и отменив общие переменные. Опять же, этот результат отражает свойство транзитивности: (i) 121 ≻ 112 и (ii) 112 ≻ 211 влечет (iii) 121 ≻ 211; эквивалентно, 122 ≻ 221 и 221 ≻ 212 влечет 122 ≻ 212.

В результате двух явных парных сравнений – т.е. явно выполненных лицом, принимающим решения – пять из шести недоминируемых пар были ранжированы. Лицо, принимающее решения, может прекратить ранжирование, когда захочет (до того, как будут ранжированы все недоминируемые пары), но предположим, что оно продолжает и ранжирует оставшуюся пару (v) как a2 + b1 + c2 > a1 + b2 + c1 (т.е. в ответ на аналогичный вопрос двум, изложенным выше).

Таким образом, все шесть недоминируемых пар были ранжированы в результате того, что лицо, принимающее решение, явно ранжировало только три:

(i) b2 + c1 > b1 + c2
(ii) а1 + с2 > а2 + с1
(v) a2 + b1 + c2 > a1 + b2 + c1

Общий рейтинг альтернатив и балльные значения

Поскольку три парных ранжирования, приведенных выше, согласованы и известны все n ( n −1)/2 = 28 парных ранжирований ( n = 8) для этой простой модели ценности, определяется полный общий ранжирование всех восьми возможных альтернатив (с 1-й по 8-ю): 222, 122, 221, 212, 121, 112, 211, 111.

Одновременное решение трех неравенств выше (i, ii, v) при условии a2 > a1, b2 > b1 и c2 > c1 дает значения баллов (т. е. «систему баллов»), отражающую относительную важность критериев для лица, принимающего решения. Например, одно решение: a1 = 0, a2 = 2, b1 = 0, b2 = 4, c1 = 0 и c2 = 3 (или нормализовано так, что «лучшая» альтернатива, 222, набирает 100 баллов: a1 = 0, a2 = 22,2, b1 = 0, b2 = 44,4, c1 = 0 и c2 = 33,3).

Таким образом, в контексте примера модели ценностей для ранжирования кандидатов на работу, наиболее важным критерием оказывается ( хороший ) опыт (b, 4 балла), за которым следуют рекомендации (c, 3 балла) и, наименее важным, образование (a, 2 балла). Хотя возможны множественные решения трех неравенств, все полученные значения баллов воспроизводят тот же общий рейтинг альтернатив, который перечислен выше и воспроизведен здесь с их общими баллами:

1-й 222: 2 + 4 + 3 = 9 баллов (или 22,2 + 44,4 + 33,3 = 100 баллов нормализовано) – т.е. общий балл, полученный путем сложения значений баллов, указанных выше.
2-й 122: 0 + 4 + 3 = 7 баллов (или 0 + 44,4 + 33,3 = 77,8 баллов нормализовано)
3-й 221: 2 + 4 + 0 = 6 баллов (или 22,2 + 44,4 + 0 = 66,7 баллов нормализовано)
4-й 212: 2 + 0 + 3 = 5 баллов (или 22,2 + 0 + 33,3 = 55,6 баллов нормализовано)
5-й 121: 0 + 4 + 0 = 4 балла (или 0 + 44,4 + 0 = 44,4 балла нормализовано)
6-й 112: 0 + 0 + 3 = 3 балла (или 0 + 0 + 33,3 = 33,3 балла нормализовано)
7-й 211: 2 + 0 + 0 = 2 балла (или 22,2 + 0 + 0 = 22,2 балла нормализовано)
8-й 111: 0 + 0 + 0 = 0 баллов (или 0 + 0 + 0 = 0 баллов нормализовано)

Дополнительные соображения

Во-первых, лицо, принимающее решение, может отказаться явно ранжировать любую данную недоминируемую пару (тем самым исключая ее) на том основании, что по крайней мере одна из рассматриваемых альтернатив соответствует невозможной комбинации категорий по критериям. Кроме того, если лицо, принимающее решение, не может решить, как явно ранжировать данную пару, оно может пропустить ее — и пара в конечном итоге может быть неявно ранжирована как следствие других явно ранжированных пар (через транзитивность).

Во-вторых, для того, чтобы все недоминируемые пары были ранжированы, лицу, принимающему решение, обычно требуется выполнить меньше парных ранжирований, если некоторые указывают на безразличие, а не на строгое предпочтение. Например, если лицо, принимающее решение, ранжировало пару (i) выше как _21~_12 (т. е. безразличие) вместо _21 ≻ _12 (как выше), то ему нужно было бы ранжировать только одну пару больше, а не две (т. е. всего две явно ранжированные пары в общей сложности). В целом, безразлично ранжированные пары генерируют больше следствий относительно неявно ранжированных пар, чем строго ранжированные пары.

Наконец, порядок, в котором лицо, принимающее решение, ранжирует недоминируемые пары, влияет на количество требуемых ранжирований. Например, если бы лицо, принимающее решение, ранжировало пару (iii) перед парами (i) и (ii), то легко показать, что все три должны были бы быть явно ранжированы, как и пара (v) (т.е. четыре явно ранжированные пары в общей сложности). Однако определение оптимального порядка проблематично, поскольку оно зависит от самих ранжирований, которые заранее неизвестны.

Применение PAPRIKA к «более крупным» моделям стоимости

Конечно, большинство реальных моделей ценностей имеют больше критериев и категорий, чем простой пример выше, что означает, что они имеют гораздо больше недоминируемых пар. Например, модель ценностей, упомянутая ранее с восемью критериями и четырьмя категориями в каждом критерии (и 4 8 = 65 536 возможных альтернатив), имеет в общей сложности 2 047 516 416 недоминируемых пар (аналогично девяти, указанным на рисунке 2), из которых, за исключением реплик, 402 100 560 являются уникальными (аналогично шести в примере выше). [1] (Как упоминалось ранее, для модели такого размера лицо, принимающее решения, должно явно ранжировать приблизительно 95 пар, определенных по двум критериям одновременно, что, скорее всего, будет удобно большинству лиц, принимающих решения.)

Для таких моделей реальных ценностей простой подход парных сравнений для идентификации недоминируемых пар, использованный в предыдущем подразделе (представленном на рисунке 2), крайне непрактичен. Аналогично, идентификация всех пар, неявно ранжированных как следствия явно ранжированных пар, становится все более неразрешимой по мере увеличения числа критериев и категорий. Таким образом, метод PAPRIKA опирается на вычислительно эффективные процессы для идентификации уникальных недоминируемых пар и неявно ранжированных пар соответственно. Подробности этих процессов выходят за рамки этой статьи, но доступны в другом месте [1], и, как упоминалось ранее, метод PAPRIKA реализован программными продуктами для принятия решений 1000minds и MeenyMo. [4] [5] [6]

Смотрите также

Ссылки

  1. ^ abcdefg Хансен, Пол; Омблер, Франц (2008). «Новый метод оценки аддитивных многоатрибутивных моделей ценности с использованием парных ранжирований альтернатив». Журнал многокритериального анализа решений . 15 (3–4): 87–107. doi :10.1002/mcda.428.
  2. ^ abc Смит, К. Ф.; Феннесси, П. Ф. (2011). «Использование совместного анализа для определения относительной важности конкретных признаков в качестве критериев отбора для улучшения многолетних пастбищных видов в Австралии». Crop and Pasture Science . 62 (4): 355–65. doi :10.1071/CP10320.
  3. ^ abc Isma', Salim Al; ili, NA; Li, Mengxiang; Shen, Jun; He, Qiang (2016). «Моделирование принятия решений об использовании облачных вычислений для предприятий малого и среднего бизнеса: совместный анализ». International Journal of Web and Grid Services . 12 (3): 296. doi :10.1504/ijwgs.2016.079157.
  4. ^ abc Weistroffer, H. Roland; Li, Yan (2016). "Multiple Criteria Decision Analysis Software". Анализ решений по нескольким критериям . Международная серия по исследованию операций и науке управления. Том 233. С. 1301–1341. doi :10.1007/978-1-4939-3094-4_29. ISBN 978-1-4939-3093-7.
  5. ^ abc Олесон, С. (2016), «Обзор программного обеспечения для анализа решений», OR/MS Today , т. 43, № 5
  6. ^ abc Amoyal, J. (2018), «Обзор программного обеспечения для анализа решений», OR/MS Today , т. 45, № 5, doi : 10.1287/orms.2018.05.13, S2CID  642562
  7. ^ Хансен, Пол; Хендри, Элисон; Наден, Рэй; Омблер, Франц; Стюарт, Ральф (2012). «Новый процесс создания систем баллов для определения приоритетности пациентов при выборе плановых медицинских услуг». Клиническое управление . 17 (3): 200–209. doi :10.1108/14777271211251318.
  8. ^ Тейлор, Уильям Дж.; Лейкинг, Джордж (2010). «Цена за деньги — переосмысление проблемы в терминах динамической приоритетности доступа». Инвалидность и реабилитация . 32 (12): 1020–1027. doi :10.3109/09638281003775535. PMID  20380596. S2CID  30265587.
  9. ^ Гвинн-Джонс, Дэвид П.; Иосуа, Элла Э.; Стаут, Кирстен М. (1 мая 2016 г.). «Нормирование тотальной эндопротезации тазобедренного и коленного суставов с использованием шкалы Новозеландской ортопедической ассоциации: эффективность и сравнение с оценками, полученными от пациентов». Журнал артропластики . 31 (5): 957–962. doi :10.1016/j.arth.2015.11.022. ISSN  0883-5403. PMID  26944014.
  10. ^ Фицджеральд, Аврил; Спэди, Барбара Коннер; ДеКостер, Кэролин; Наден, Рэй; Хоукер, Джиллиан А .; Нозуорти, Томас (октябрь 2009 г.). «Надежность и валидность шкалы приоритетного направления к врачу-ревматологу WCWL» (PDF) . Артрит и ревматизм . 60 (Приложение 10): 54. doi :10.1002/art.27423. PMID  21162114.
  11. ^ Фицджеральд, Аврил; де Костер, Кэролин; Макмиллан, Стюарт; Наден, Рэй; Армстронг, Фрейзер; Барбер, Элисон; Каннинг, Лес; Коннер-Спади, Барбара; Хоукер, Джиллиан ; Лакайль, Диана; Лейн, Кэролин; Мошер, Диана; Рэнкин, Джим; Шолтер, Далтон; Нозеворти, Том (2011). «Относительная срочность направления от первичной медицинской помощи к ревматологам: оценка приоритетности направления». Arthritis Care & Research . 63 (2): 231–239. doi :10.1002/acr.20366. ISSN  2151-464X. PMID  20890984. S2CID  205221379.
  12. ^ Уайт, Дуглас; Соланки, Камал; Куинси, Вики; Минетт, Эндрю; Тэм, Гордон; Дуб, Алан; Наден, Рэй (2015). «Разработка многомерной системы дополнительных баллов для определения доступа к ревматологическим услугам». Журнал клинической ревматологии . 21 (5): 239–243. doi :10.1097/RHU.00000000000000274. ISSN  1076-1608. PMID  26203827. S2CID  32974482.
  13. ^ Нозеворти, Т.; Де Костер, К.; Наден, Р. (2009). Инструменты установления приоритетов для улучшения доступа к медицинским специалистам (PDF) . 6-я ежегодная международная встреча по оценке медицинских технологий. Анналы, Медицинская академия, Сингапур . Том 38. Сингапур. стр. S78. Архивировано из оригинала (PDF) 3 марта 2016 г.
  14. ^ Голан, Офра; Хансен, Пол; Каплан, Гиора; Тал, Орна (2011). «Приоритизация технологий здравоохранения: какие критерии для приоритизации новых технологий и каков их относительный вес?». Политика здравоохранения . 102 (2–3): 126–35. doi :10.1016/j.healthpol.2010.10.012. PMID  21071107.
  15. ^ Голан, Офра Г.; Хансен, Пол (2012). «Какие медицинские технологии следует финансировать? Структура приоритетов, основанная исключительно на соотношении цены и качества». Израильский журнал исследований политики здравоохранения . 1 (1): 44. doi : 10.1186/2045-4015-1-44 . PMC 3541977. PMID  23181391 . 
  16. ^ Шмуэли, Амир (30 апреля 2017 г.). «Соответствуют ли предпочтения Израильского комитета по корзине интересам эффективности интересам израильских политиков в области здравоохранения?». Израильский журнал исследований политики здравоохранения . 6 (1): 20. doi : 10.1186/s13584-017-0145-4 . PMC 5410368. PMID  28469840 . 
  17. ^ Шмуэли, Амир; Голан, Офра; Паолуччи, Франческо; Менцакис, Эммануил (1 апреля 2017 г.). «Вопросы эффективности и справедливости в предпочтениях лиц, определяющих политику в области здравоохранения в Израиле». Израильский журнал исследований политики здравоохранения . 6 (1): 18. doi : 10.1186/s13584-017-0142-7 . PMC 5376275. PMID  28373904 . 
  18. ^ Салливан, Труди; Хансен, Пол (1 апреля 2017 г.). «Определение критериев и весов для приоритетизации медицинских технологий на основе предпочтений населения в целом: пилотное исследование в Новой Зеландии». Value in Health . 20 (4): 679–686. doi : 10.1016/j.jval.2016.12.008 . ISSN  1098-3015. PMID  28408011.
  19. ^ Мартелли, Николас; Хансен, Пол; ван ден Бринк, Элен; Будар, Орели; Кордонье, Анн-Лора; Дево, Капуцин; Пино, Джудит; Проньон, Патрис; Борже, Изабель (1 февраля 2016 г.). «Сочетание многокритериального анализа решений и оценки технологий мини-здравоохранения: инструмент поддержки принятия решений о финансировании медицинских устройств в условиях университетской больницы». Журнал биомедицинской информатики . 59 : 201–208. дои : 10.1016/j.jbi.2015.12.002 . ПМИД  26705065.
  20. ^ Ласорса, И.; Абис, Г.; Подда, Б.; Аккардо, А. (2015). «Многокритериальный анализ решений для перепроектирования итальянской клинической инженерной службы в соответствии с конкретными потребностями и требованиями регулирования». Всемирный конгресс по медицинской физике и биомедицинской инженерии, 7–12 июня 2015 г., Торонто, Канада . Труды IFMBE. Том 51. С. 1562–1565. doi :10.1007/978-3-319-19387-8_380. ISBN 978-3-319-19386-1.
  21. ^ Алетаха, Дэниел; Неоги, Тухина; Силман, Алан Дж.; Фуновиц, Юлия; Фелсон, Дэвид Т.; Бингхэм, Клифтон О.; Бирнбаум, Нил С.; Бурместер, Герд Р.; Байкерк, Вивиан П.; Коэн, Марк Д.; Комб, Бернард; Костенбадер, Карен Х.; Дугадос, Максим; Эмери, Пол; Ферраччоли, Джанфранко; Хейзс, Джоанна М.В.; Хоббс, Кэтрин; Хейзинга, Том У.Дж.; Кавано, Артур; Кей, Джонатан; Квин, Торе К.; Лэнг, Тимоти; Миз, Филип; Менар, Анри А.; Морленд, Ларри В.; Наден, Раймонд Л.; Пинкус, Теодор; Смолен, Йозеф С.; Станиславска-Бернат, Ева; Симмонс, Дебора; Так, Пол П.; Апчерч, Кэтрин С.; Венцовский, Йиржи; Вольф, Фредерик; Хоукер, Джиллиан (2010). «Критерии классификации ревматоидного артрита 2010 года: совместная инициатива Американского колледжа ревматологии и Европейской лиги против ревматизма» ". Артрит и ревматизм . 62 (9): 2569–2581. doi : 10.1002/art.27584 . hdl :2027.42/78045. ISSN  0004-3591. PMID  20872595. S2CID  23564760.
  22. ^ Неоги, Тухина; Алетаха, Дэниел; Силман, Алан Дж.; Наден, Раймонд Л.; Фелсон, Дэвид Т.; Аггарвал, Рохит; Бингхэм, Клифтон О.; Бирнбаум, Нил С.; Бурместер, Герд Р.; Байкерк, Вивиан П.; Коэн, Марк Д.; Комб, Бернард; Костенбадер, Карен Х.; Дугадос, Максим; Эмери, Пол; Ферраччоли, Джанфранко; Хейзс, Джоанна М.В.; Хоббс, Кэтрин; Хейзинга, Том У.Дж.; Кавано, Артур; Кей, Джонатан; Ханна, Динеш; Квин, Торе К.; Лэнг, Тимоти; Ляо, Кэтрин; Миз, Филип; Менар, Анри А.; Морленд, Ларри В.; Наир, Радж; Пинкус, Теодор (2010). «Критерии классификации ревматоидного артрита Американской коллегии ревматологов/Европейской лиги против ревматизма 2010 года: методологический отчет фазы 2». Артрит и ревматизм . 62 (9): 2582–2591. doi :10.1002/art. 27580. PMC 3077961. PMID  20872596 . 
  23. ^ Алетаха, Дэниел (2015), «Классификация ревматоидного артрита», в Эмери, Пол (ред.), Атлас ревматоидного артрита , т. 1, Springer Healthcare, стр. 3–21, doi :10.1007/978-1-907673-91-7_1, ISBN 978-1-907673-90-0
  24. ^ Ван Ден Хуген, Ф.; Ханна, Д.; Франсен, Дж.; Джонсон, СР; Барон, М.; Тиндаль, А.; Матуччи-Чериник, М.; Наден, Р.П.; Медсгер, Т.А.; Каррейра, ЧП; Римекастен, Г.; Клементс, П.Дж.; Дентон, CP; Дистлер, О.; Алланор, Ю.; Ферст, Делавэр; Габриэлли, А.; Мэйс, доктор медицины; Ван Лаар, JM; Зейболд, младший; Чиряк, Л.; Стин, В.Д.; Инанк, М.; Коваль-Белецка, О.; Мюллер-Ладнер, У.; Валентини, Дж.; Вил, диджей; Вонк, MC; Уокер, ЮА; и др. (2013). «Критерии классификации системной склеродермии 2013 года: совместная инициатива Американского колледжа ревматологии/Европейской лиги против ревматизма». Артрит и ревматизм . 65 (11): 2737–2747. doi :10.1002/art.38098. PMC 3930146. PMID  24122180 . 
  25. ^ Ван Ден Хуген, Ф.; Ханна, Д.; Франсен, Дж.; Джонсон, СР; Барон, М.; Тиндаль, А.; Матуччи-Чериник, М.; Наден, Р.П.; Медсгер, Т.А.; Каррейра, ЧП; Римекастен, Г.; Клементс, П.Дж.; Дентон, CP; Дистлер, О.; Алланор, Ю.; Ферст, Делавэр; Габриэлли, А.; Мэйс, доктор медицины; Ван Лаар, JM; Зейболд, младший; Чиряк, Л.; Стин, В.Д.; Инанк, М.; Коваль-Белецка, О.; Мюллер-Ладнер, Ю.; Валентини, Дж.; Вил, диджей; Вонк, MC; Уокер, ЮА; и др. (2013). «Критерии классификации системной склеродермии 2013 года: совместная инициатива Американского колледжа ревматологии/Европейской лиги против ревматизма». Анналы ревматических заболеваний . 72 (11): 1747–55. doi : 10.1136/annrheumdis-2013-204424. hdl : 2027.42 /100304. PMC 3930146. PMID 24092682.  S2CID 44940902  . 
  26. ^ Джонсон, SR; Наден, Р.П.; Франсен, Дж.; Ван Ден Хуген, Ф.; Поуп, Дж. Э.; Барон, М.; Тиндаль, А.; Матуччи-Чериник, М.; Дентон, CP; Дистлер, О.; Габриэлли, А.; Ван Лаар, JM; Мэйс, М.; Стин, В.; Зейболд, младший; Клементс, П.; Медсгер, Т.А.; Каррейра, ЧП; Римекастен, Г.; Чанг, Л.; Фесслер, Б.Дж.; Меркель, Пенсильвания; Сильвер, Р.; Варга, Дж.; Алланор, Ю.; Мюллер-Ладнер, Ю.; Вонк, MC; Уокер, ЮА; Каппелли, С.; Ханна, Д. (2014). «Методы многокритериального анализа решений с помощью 1000Minds для разработки критериев классификации системного склероза». Журнал клинической эпидемиологии . 67 (6): 706–14. doi :10.1016/j.jclinepi.2013.12.009. PMC 4134523. PMID 24721558  . 
  27. ^ Поуп, Джанет Э.; Джонсон, Синдху Р. (2015). «Новые критерии классификации системного склероза (склеродермии)». Клиники ревматических заболеваний Северной Америки . 41 (3): 383–398. doi :10.1016/j.rdc.2015.04.003. ISSN  0889-857X. PMID  26210125.
  28. ^ Джонсон, Синдху Р. (2015). «Новые рекомендации ACR EULAR по классификации системной склероза». Current Rheumatology Reports . 17 (5): 32. doi :10.1007/s11926-015-0506-3. ISSN  1523-3774. PMID  25874345. S2CID  19695361.
  29. ^ Neogi, Tuhina; Jansen, Tim L. Th. A.; Dalbeth, Nicola ; Fransen, Jaap; Schumacher, H. Ralph; Berendsen, Dianne; Brown, Melanie; Choi, Hyon; Edwards, N. Lawrence; Janssens, Hein JEM; Lioté, Frédéric; Naden, Raymond P.; Nuki, George; Ogdie, Alexis; Perez-Ruiz, Fernando; Saag, Kenneth; Singh, Jasvinder A.; Sundy, John S.; Tausche, Anne-Kathrin; Vaquez-Mellado, Janitzia; Yarows, Steven A.; Taylor, William J. (2015). «Критерии классификации подагры 2015 года: совместная инициатива Американского колледжа ревматологии/Европейской лиги против ревматизма». Артрит и ревматология . 67 (10): 2557–2568. doi :10.1002/art.39254. ISSN  2326-5191. PMC 4566153. PMID 26352873  . 
  30. ^ Варгас-Сантос, Ана Беатрис; Тейлор, Уильям Дж.; Неоги, Тухина (24 июня 2016 г.). «Критерии классификации подагры: обновление и последствия». Current Rheumatology Reports . 18 (7): 46. doi :10.1007/s11926-016-0594-8. PMC 4981244. PMID  27342957 . 
  31. ^ Хаар, Нинке М. тер; Аннинк, Ким В.; Аль-Маюф, Сулейман М.; Амарян, Гаяне; Антон, Хорди; Бэррон, Кэрил С.; Бенселер, Сюзанна М.; Броган, Пол А.; Кантарини, Лука; Катталини, Марко; Кочино, Алексис-Вирджил; Бенедетти, Фабрицио Де; Дедеоглу, Фатма; Иисус, Адриана А. Де; Альбериги, Орнелла Делла Каса; Демиркая, Эркан; Долезалова, Павла; Даррант, Карен Л.; Фабио, Джованна; Галлицци, Ромина; Гольдбах-Манский, Рафаэла; Хачулла, Эрик; Хентген, Вероника; Херлин, Троэльс; Хофер, Михаэль; Хоффман, Хэл М.; Инсалако, Антонелла; Янссон, Аннетт Ф.; Каллинич, Тильманн; Коне-По, Изабель; Козлова, Анна; Кюммерле-Дешнер, Жасмин Б.; Лахманн, Хелен Дж.; Лаксер, Рональд М.; Мартини, Альберто; Нильсен, Сьюзен; Никишина, Ирина; Омбрелло, Аманда К.; Озен, Сеза; Пападопулу-Алатаки, Ефимия; Картье, Пьер; Риганте, Донато; Руссо, Рикардо; Саймон, Анна; Трачана, Мария; Узиэль, Йосеф; Равелли, Анджело; Гатторно, Марко; Френкель, Йост (1 мая 2017 г.). «Разработка индекса повреждения аутовоспалительными заболеваниями (ADDI)». Анналы ревматических болезней . 76 (5): 821–830. doi : 10.1136/annrheumdis-2016-210092. ISSN 0003-4967  . PMC 4597180. PMID  27811147. 
  32. ^ Кюммерле-Дешнер, Жасмин Б.; Озен, Сеза; Тиррелл, Паскаль Н.; Коне-Паут, Изабель; Гольдбах-Манский, Рафаэла; Лахманн, Хелен; Бланк, Норберт; Хоффман, Хэл М.; Вайсбарт-Ридель, Элизабет; Хьюгл, Борис; Каллинич, Тильманн; Гатторно, Марко; Гюль, Ахмет; Хаар, Нинке Тер; Освальд, Марлен; Дедеоглу, Фатма; Кантарини, Лука; Бенселер, Сюзанна М. (1 июня 2017 г.). «Диагностические критерии криопирин-ассоциированного периодического синдрома (CAPS)». Анналы ревматических болезней . 76 (6): 942–947. doi : 10.1136/annrheumdis-2016-209686. hdl : 11365/997711 . ISSN  0003-4967. PMID  27707729. S2CID  23147525.
  33. ^ де Лотур, Хью; Тейлор, Уильям Дж.; Адебахо, Аде; Альтен, Рике; Бургос-Варгас, Рубен; Чепмен, Питер; Чимино, Марко А.; да Роча Кастелар Пиньейру, Жеральдо; Дэй, Рик; Харрольд, Лесли Р.; Хелливелл, Филип; Янссен, Маттейс; Керр, Гейл; Кавано, Артур; Ханна, Динеш; Ханна, Пуджа П.; Линь, Чингцай; Лутреноо, Воравит; Маккарти, Джеральдин; Васкес-Мелладо, Джаниция; Микульс, Тед Р.; Неоги, Тухина; Огди, Алексис; Перес-Руис, Фернандо; Шлезингер, Наоми; Ральф Шумахер, Х.; Скире, Карло А.; Сингх, Джасвиндер А.; Сивера, Франциска; Слот, Оле; Стэмп, Лиза К.; Тауше, Энн-Катрин; Теркельтауб, Роберт; Улиг, Тилль; ван де Лаар, Март; Уайт, Дуглас; Яманака, Хисаши; Цзэн, Сюэцзюнь; Далбет, Никола ( Май 2016 г.). «Разработка предварительных критериев ремиссии подагры с использованием Delphi и консенсусных упражнений 1000Minds». Arthritis Care & Research . 68 (5): 667–672. doi : 10.1002/acr.22741 . hdl : 2027.42/134851 . PMID  26414176 . S2CID  13512657.
  34. ^ Райдер, Лиза Г.; Аггарвал, Рохит; Писторио, Анджела; Баят, Настаран; Эрман, Брайан; Фельдман, Брайан М.; Хубер, Адам М.; Симаз, Роландо; Каттика, Рубен Дж.; Оливейра, Шейла Кнупп де; Линдсли, Кэрол Б.; Пилкингтон, Кларисса А.; Пунаро, Мэрилинн; Равелли, Анджело; Рид, Энн М.; Роустер-Стивенс, Келли; Ройен-Керхоф, Аннет ван; Дресслер, Фрэнк; Магальяйнс, Клаудия Саад; Константин, Тамаш; Дэвидсон, Джойс Э.; Магнуссон, Бо; Руссо, Рикардо; Вилла, Лука; Ринальди, Мариангела; Рокетт, Ховард; Лахенбрух, Питер А.; Миллер, Фредерик В.; Венцовский, Иржи; Руперто, Николино (1 мая 2017 г.). «Критерии Американской коллегии ревматологов/Европейской лиги против ревматизма 2016 г. для минимального, умеренного и значительного клинического ответа при ювенильном дерматомиозите». Annals of the Rheumatic Diseases . 76 (5): 782–791. doi : 10.1136/annrheumdis-2017-211401. ISSN  0003-4967. PMC 5517365. PMID  28385804 . 
  35. ^ Avila, ML; Brandão, LR; Williams, S.; Montoya, MI; Stinson, J.; Kiss, A.; Feldman, BM (декабрь 2016 г.). «Разработка CAPTSure — нового индекса для оценки посттромботического синдрома у детей». Журнал тромбоза и гемостаза . 14 (12): 2376–2385. doi : 10.1111/jth.13530 . PMID  27709837. S2CID  3451087.
  36. ^ Арингер, М.; Дёрнер, Т.; Лейхтен, Н.; Джонсон, СР. (31 мая 2016 г.). «К новым критериям системной красной волчанки — точка зрения». Lupus . 25 (8): 805–811. doi : 10.1177/0961203316644338 . PMID  27252256. S2CID  2719174.
  37. ^ Шибоски, Кэролайн Х.; Шибоски, Стивен К.; Серор, Рафаэль; Крисвелл, Линдси А.; Лабетуль, Марк; Литман, Томас М.; Расмуссен, Астрид; Скофилд, Хэл; Виталий, Клаудио; Боуман, Саймон Дж.; Мариетт, Ксавье; Группа, Международная рабочая группа по критериям синдрома Шегрена (1 января 2017 г.). "Критерии классификации Американского колледжа ревматологии/Европейской лиги против ревматизма 2016 г. для первичного синдрома Шегрена". Annals of the Rheumatic Diseases . 76 (1): 9–16. doi :10.1136/annrheumdis-2016-210571. ISSN  0003-4967. PMID  27789466. S2CID  25716098. {{cite journal}}: |last12=имеет общее название ( помощь )
  38. ^ Шибоски, Кэролайн Х.; Шибоски, Стивен К.; Серор, Рафаэль; Крисвелл, Линдси А.; Лабетуль, Марк; Литман, Томас М.; Расмуссен, Астрид; Скофилд, Хэл; Виталий, Клаудио; Боуман, Саймон Дж.; Мариетт, Ксавье (январь 2017 г.). «Критерии классификации Американского колледжа ревматологии/Европейской лиги против ревматизма 2016 г. для первичного синдрома Шегрена: консенсус и методология, основанная на данных, с участием трех международных когорт пациентов». Артрит и ревматология . 69 (1): 35–45. doi :10.1002/art.39859. PMC 5650478. PMID  27785888 . 
  39. ^ Милославский, Эли М.; Наден, Рэй П.; Бийлсма, Йоханнес В.Дж.; Броган, Пол А.; Браун, Э. Шервуд; Брунетта, Пол; Бутгерайт, Фрэнк; Чхве, Хён К.; ДиКэр, Жан-Франсуа; Гельфанд, Джеффри М.; Хини, Лиам Г.; Лайтстоун, Лиз; Лу, На; Мюррелл, Диди Ф.; Петри, Мишель; Розенбаум, Джеймс Т.; Сааг, Кеннет С.; Уровиц, Мюррей Б.; Уинтроп, Кевин Л.; Стоун, Джон Х. (1 марта 2017 г.). «Разработка индекса токсичности глюкокортикоидов (GTI) с использованием многокритериального анализа решений» (PDF) . Анналы ревматических болезней . 76 (3): 543–546. doi : 10.1136/annrheumdis-2016-210002. hdl : 10044/1/39268. ISSN  0003-4967. PMID  27474764. S2CID  206852414.
  40. ^ Пинто, Дэниел; Данилович, Маргарет К.; Хансен, Пол; Финн, Дэниел Дж.; Чанг, Роуленд В.; Холл, Джейн Л.; Хайнеманн, Аллен В.; Бокенхольт, Ульф (1 июня 2017 г.). «Качественная разработка эксперимента с дискретным выбором для вмешательств физической активности с целью улучшения остеоартрита колена». Архивы физической медицины и реабилитации . 98 (6): 1210–1216.e1. doi :10.1016/j.apmr.2016.11.024. ISSN  0003-9993. PMID  28034720.
  41. ^ Гриффин, ДР; Дикенсон, Э.Дж.; О'Доннелл, Дж.; Агрикола, Р.; Аван, Т.; Бек, М.; Клохизи, JC; Дейкстра, HP; Фалви, Э.; Гимпель, М.; Хинман, Р.С.; Хёльмих, П.; Кассарджян А.; Мартин, HD; Мартин, Р.; Мэзер, Р.К.; Филиппон, MJ; Рейман, член парламента; Такла, А.; Торборг, К.; Уокер, С.; Вейр, А.; Беннелл, КЛ (1 октября 2016 г.). «Уорикское соглашение по синдрому бедренно-ацетабулярного импинджмента (синдром FAI): заявление международного консенсуса». Br J Sports Med . 50 (19): 1169–1176. doi : 10.1136/bjsports-2016-096743 . ISSN  0306-3674. PMID  27629403. S2CID  1017216.
  42. ^ Аггарвал, Рохит; Райдер, Лиза Г.; Руперто, Николино; Баят, Настаран; Эрман, Брайан; Фельдман, Брайан М.; Оддис, Честер В.; Амато, Энтони А.; Чиной, Гектор; Купер, Роберт Г.; Дастмалчи, Марьям; Фиорентино, Дэвид; Айзенберг, Дэвид; Кац, Джеймс Д.; Маммен, Эндрю; Виссер, Марианна де; Иттерберг, Стивен Р.; Лундберг, Ингрид Э.; Чунг, Лоринда; Данко, Каталин; Торре, Игнасио Гарсиа-Де ла; Сон, Ён Ук; Вилла, Лука; Ринальди, Мариангела; Рокетт, Ховард; Лахенбрух, Питер А.; Миллер, Фредерик В.; Венцовский, Иржи (1 мая 2017 г.). «Критерии Американской коллегии ревматологов/Европейской лиги против ревматизма 2016 года для минимального, умеренного и значительного клинического ответа при дерматомиозите и полимиозите у взрослых». Annals of the Rheumatic Diseases . 76 (5): 792–801. doi :10.1136/annrheumdis-2017 -211400. ISSN  0003-4967. PMC 5496443. PMID  28385805 . 
  43. ^ Райдер, Лиза Г.; Аггарвал, Рохит; Писторио, Анджела; Баят, Настаран; Эрман, Брайан; Фельдман, Брайан М.; Хубер, Адам М.; Симаз, Роландо; Каттика, Рубен Дж.; де Оливейра, Шейла Кнупп; Линдсли, Кэрол Б.; Пилкингтон, Кларисса А.; Пунаро, Мэрилинн; Равелли, Анджело; Рид, Энн М.; Роустер-Стивенс, Келли; ван Ройен-Керкхоф, Аннет; Дресслер, Фрэнк; Магальяйнс, Клаудия Саад; Константин, Тамаш; Дэвидсон, Джойс Э.; Магнуссон, Бо; Руссо, Рикардо; Вилла, Лука; Ринальди, Мариангела; Рокетт, Ховард; Лахенбрух, Питер А.; Миллер, Фредерик В.; Венцовский, Иржи; Руперто, Николино (май 2017 г.). «Критерии Американской коллегии ревматологов/Европейской лиги против ревматизма 2016 г. для минимального, умеренного и значительного клинического ответа при ювенильном дерматомиозите: Международная группа по оценке миозита и клиническим исследованиям/Paediatric Rheumatology Inter». Артрит и ревматология . 69 (5): 911–923. doi :10.1002/art.40060. PMC 5577002 . PMID  28382778. 
  44. ^ Такконелли, Эвелина; Каррара, Елена; Саволди, Алессия; Харбарт, Стефан; Мендельсон, Марк; Монне, Доминик Л; Пульчини, Селин; Кальметер, Гуннар; Клютманс, Ян; Кармели, Иегуда; Уэллетт, Марк; Аутерсон, Кевин ; Патель, Жан; Кавалери, Марко; Кокс, Эдвард М; Хаученс, Крис Р.; Грейсон, М. Линдси; Хансен, Пол; Сингх, Налини; Тойретцбахер, Урсула; Магрини, Никола; Абодерин, Аарон Оладипо; Аль-Абри, Сейф Салем; Аванг Джалил, Нордия; Бензонана, Нур; Бхаттачарья, Санджай; Бринк, Адриан Джон; Буркерт, Франческо Роберт; Автомобили, Отто; и др. (2017). «Открытие, исследование и разработка новых антибиотиков: список приоритетов ВОЗ по антибиотикоустойчивым бактериям и туберкулезу». The Lancet Infectious Diseases . 18 (3): 318–327. doi :10.1016/S1473-3099(17)30753- 3. PMID  29276051.
  45. ^ Wijland, Roel; Hansen, Paul; Gardezi, Fatima (15 марта 2016 г.). «Мобильное подталкивание: вовлечение молодежи в банковские приложения». Журнал маркетинга финансовых услуг . 21 (1): 51–63. doi :10.1057/fsm.2016.1. S2CID  167856107.
  46. ^ Ли, Пуй Йи; Ласк, Карен; Мироса, Миранда ; Ой, Индравати (2015). «Сегментация китайского потребительского рынка фруктовых соков на основе приоритетов атрибутов». Качество пищевых продуктов и предпочтения . 46 : 1–8. doi : 10.1016/j.foodqual.2015.06.016. hdl : 10523/10826. ISSN  0950-3293.
  47. ^ Бойд, Филип; Лоу, Клифф; Дони, Скотт (2011). «Атлас изменения климата для океана» (PDF) . Океанография . 24 (2): 13–6. doi :10.5670/oceanog.2011.42.
  48. ^ Чхун, Софал; Торснес, Пол; Моллер, Хенрик (2013). «Предпочтения по управлению прибрежными морскими экосистемами: эксперимент по выбору в Новой Зеландии». Ресурсы . 2 (3): 406–438. doi : 10.3390/resources2030406 .
  49. ^ Чхун, Софал; Кахуи, Виктория; Моллер, Хенрик; Торснес, Пол (2015). «Продвижение морской политики к экосистемному управлению путем выявления общественных предпочтений». Экономика морских ресурсов . 30 (3): 261–275. doi : 10.1086/681052. hdl : 10523/7118. ISSN  0738-1360. S2CID  154046715.
  50. ^ Графф, П.; Макинтайр, С. (2014). «Использование экологических атрибутов в качестве критериев для выбора видов растений в трех сценариях восстановления». Austral Ecology . 39 (8): 907–917. doi :10.1111/aec.12156. hdl : 11336/4243 .
  51. ^ Crozier, GKD; Schulte-Hostedde, AI (2014). «На пути к улучшению этики экологических исследований». Science and Engineering Ethics . 21 (3): 577–94. doi :10.1007/s11948-014-9558-4. PMC 4430594. PMID  24903671 . 
  52. ^ de Olde, Evelien M.; Moller, Henrik; Marchand, Fleur; McDowell, Richard W.; MacLeod, Catriona J.; Sautier, Marion; Halloy, Stephan; Barber, Andrew; Benge, Jayson; Bockstaller, Christian; Bokkers, Eddie AM; de Boer, Imke JM; Legun, Katharine A.; Le Quellec, Isabelle; Merfield, Charles; Oudshoorn, Frank W.; Reid, John; Schader, Christian; Szymanski, Erika; Sørensen, Claus AG; Whitehead, Jay; Manhire, Jon (11 мая 2016 г.). «Когда эксперты не согласны: необходимость переосмыслить выбор индикаторов для оценки устойчивости сельского хозяйства». Окружающая среда , развитие и устойчивость . 19 (4): 1327–1342. doi : 10.1007/s10668-016-9803-x. hdl : 10523/7113. S2CID  62803197.
  53. ^ Бирн, Т. Дж.; Амер, П. Р.; Феннесси, П. Ф.; Хансен, П.; Уикхэм, Б. В. (2011). «Подход на основе предпочтений к выведению целей разведения: Применительно к разведению овец». Animal . 6 (5): 778–88. doi : 10.1017/S1751731111002060 . PMID  22558925. S2CID  206336898.
  54. ^ Нильсен, Х. М.; Амер, П. Р.; Бирн, Т. Дж. (2013). «Подходы к формулированию практических целей селекции для систем животноводства». Acta Agriculturae Scandinavica, Раздел A. 64 ( 1): 2–12. doi :10.1080/09064702.2013.827237. ISSN  0906-4702. S2CID  84895619.
  55. ^ Мартин-Колладо, Д.; Бирн, Т.Дж.; Амер, ПР.; Сантос, Б.Ф.С.; Аксфорд, М.; Прайс, Дж.Э. (2015). «Анализ неоднородности предпочтений фермеров в отношении улучшений характеристик молочных коров с использованием типологий фермеров». Журнал молочной науки . 98 (6): 4148–61. doi : 10.3168/jds.2014-9194 . ISSN  0022-0302. PMID  25864048.
  56. ^ Slagboom, M.; Kargo, M.; Edwards, D.; Sørensen, AC; Thomasen, JR; Hjortø, L. (2 июля 2016 г.). «Характеристики стада влияют на предпочтения фермеров в отношении улучшения характеристик у коров датской красной и датской джерсейской пород» (PDF) . Acta Agriculturae Scandinavica, Раздел A. 66 ( 3): 177–182. doi :10.1080/09064702.2016.1277550. ISSN  0906-4702. S2CID  53575561.
  57. ^ Slagboom, M.; Kargo, M.; Edwards, D.; Sørensen, AC; Thomasen, JR; Hjortø, L. (1 декабря 2016 г.). «Органические фермеры, занимающиеся молочным хозяйством, уделяют больше внимания производственным признакам, чем обычные фермеры». Journal of Dairy Science . 99 (12): 9845–9856. doi : 10.3168/jds.2016-11346 . ISSN  0022-0302. PMID  27692711.
  58. ^ Бирн, Т.Дж.; Сантос, Б.Ф.С.; Амер, П.Р.; Мартин-Колладо, Д.; Прайс, Дж.Э.; Аксфорд, М. (1 октября 2016 г.). «Новые цели разведения и селекционные индексы для молочной промышленности Австралии». Журнал молочной науки . 99 (10): 8146–8167. doi : 10.3168/jds.2015-10747 . ISSN  0022-0302. PMID  27522425.
  59. ^ Смит, К. Ф.; Феннесси, П. Ф. (2014). «Использование совместного анализа для разработки селекционных целей с целью улучшения пастбищных видов для контрастных сред, когда относительные значения отдельных признаков трудно оценить». Исследования устойчивого сельского хозяйства . 3 (2): 44. doi : 10.5539/sar.v3n2p44 .
  60. ^ Смит, К.Ф.; Людеманн, К.; Льюис, К.Д.; Малкольм, Б.; Бэнкс, Р.Г.; Якобс, Дж.Л.; Феннесси, П.Ф.; Спангенберг, Г.К. (2014). «Оценка ценности генетического прироста на многолетних пастбищах с упором на виды умеренного климата». Crop and Pasture Science . 65 (11): 1230. doi :10.1071/CP13384. ISSN  1836-0947. S2CID  84123507.
  61. ^ Кристофферсон, Эндрю (2007), «Выбор жилья в Данидине» (PDF) , Городское планирование, Серия мониторинга районных планов, Исследовательский отчет , том 2007/1
  62. ^ Моура, Филипе; Камбра, Пауло; Гонсалвеш, Александр Б. (2016). «Измерение пешеходной доступности для отдельных пешеходных групп с помощью метода оценки участия: исследование случая в Лиссабоне». Ландшафт и городское планирование . 157 : 282–296. doi :10.1016/j.landurbplan.2016.07.002.
  63. ^ Чанг, Шоу-Ю; Гронвальд, Франк (1 мая 2016 г.). «Многокритериальная оценка методов переработки изношенных шин». Журнал по технологии и управлению твердыми отходами . 42 (2): 145–156. doi :10.5276/JSWTM.2016.145.
  64. ^ Манчини, Адриано; Фронтони, Эмануэле; Зингаретти, Примо (декабрь 2015 г.). «Встроенная мультисенсорная система для безопасной навигации «точка-точка» для пользователей с ограниченными возможностями». Труды IEEE по интеллектуальным транспортным системам . 16 (6): 3543–3555. doi :10.1109/TITS.2015.2489261. S2CID  8231525.
  65. ^ Смит, Кристи (2009), «Выявление предпочтений в денежно-кредитной политике». Архивировано 8 мая 2014 г. в Wayback Machine , серия дискуссионных документов Резервного банка Новой Зеландии , DP2009/01;
  66. ^ Ау, Джоуи; Коулман, Эндрю; Салливан, Труди (2015). Практический подход к разработке политики, основанной на благосостоянии: чего хотят новозеландцы от своей политики пенсионного дохода?. Рабочие документы. Том WP 15/14. Казначейство Новой Зеландии. ISBN 978-0-478-43678-5. Архивировано из оригинала 5 марта 2018 года.
  67. ^ Хансен, П.; Кергозу, Н.; Ноулз, С.; Торснес, П. (2014). «Развивающиеся страны в нужде: какие характеристики больше всего привлекают людей при пожертвовании денег?» (PDF) . Журнал исследований развития . 50 (11): 1494–1509. doi : 10.1080/00220388.2014.925542. hdl : 10523/4276. S2CID  154738603.
  68. ^ Каннингем, Гарри; Ноулз, Стивен; Хансен, Пол (12 марта 2017 г.). «Двусторонняя иностранная помощь: насколько важна эффективность помощи для людей при выборе стран для поддержки?». Applied Economics Letters . 24 (5): 306–310. doi : 10.1080/13504851.2016.1184372. hdl : 10523/6393. ISSN  1350-4851. S2CID  29778171.
  69. ^ Белтон, В. и Стюарт, Т.Дж., Многокритериальный анализ решений: комплексный подход , Kluwer: Бостон, 2002, стр. 166–168.
  70. ^ Джонсон, Ричард М. (1976). «За пределами совместного измерения: метод парного анализа компромиссов». Достижения в области исследований потребителей . 3 : 353–8.
  71. ^ Грин, П.Е.; Кригер, А.М.; Винд, И. (2001). «Тридцать лет совместного анализа: размышления и перспективы». Интерфейсы . 31 (3_supplement): S56. CiteSeerX 10.1.1.130.2548 . doi :10.1287/inte.31.3s.56.9676. 
  72. ^ Ларичев, О.И.; Мошкович, Х.М. (1995). «ЗАПРОС-ЛМ – Метод и система упорядочения многоатрибутных альтернатив». Европейский журнал операционных исследований . 82 (3): 503–521. doi :10.1016/0377-2217(93)E0143-L.
  73. ^ Мошкович, Хелен М; Мечитов, Александр И; Олсон, Дэвид Л (2002). «Порядковые суждения в многоатрибутивном анализе решений». Европейский журнал операционных исследований . 137 (3): 625–641. doi :10.1016/S0377-2217(01)00106-0.
  74. ^ Кранц, Д. Х. (1972). «Структуры измерения и психологические законы». Science . 175 (4029): 1427–35. Bibcode :1972Sci...175.1427K. doi :10.1126/science.175.4029.1427. PMID  17842276. S2CID  29113793.