W artykule omówiono wybrane współczesne metody wyznaczania podstawowych jednostek geomorfologicznych w oparciu o analizy morfometryczne numerycznego modelu rzeźby terenu. Przedstawiono także metody klasyfikowania danych wielocechowych oraz pokazano możliwość ich wykorzystania w kartografii i geomorfologii. Szczególną uwagę zwrócono na możliwość zastosowania sieci neuronowych, a zwłaszcza uczonych w trybie ,,bez nauczyciela" sieci Kohonena jako narzędzia nienadzorowanej klasyfikacji i uogólniania danych przestrzennych. Istnieje wiele klasycznych kryteriów i wskaźników morfometrycznych stosowanych do klasyfikacji typologicznej form powierzchni terenu takich jak nachylenie zboczy, deniwelacje lokalne, wskaźnik krętości, wskaźnik zwartości/rozczłonkowania itp. W przeprowadzonych badaniach zastosowano zestaw prostych kryteriów morfometrycznych, stosując do ich analizy sieci neuronowe Kohonena. Uzyskane wyniki wskazują, iż sztuczne sieci neuronowe uczone w trybie ,,bez nauczyciela" mogą być wykorzystywane jako narzędzie nienadzorowanej klasyfikacji wielocechowych danych przestrzennych. Zastosowanie algorytmu Kohonena do analizy rzeźby terenu (reprezentowanej przez NMT) umożliwia wydzielenie podstawowych struktur geomorfologicznych. Dla uzyskanych wyników istotny jest nie tylko dobór danych wejściowych (wskaźników morfometrycznych), lecz także rozmiar warstwy wyjściowej sieci Kohonena. Zastosowanie mniejszej liczby neuronów w tej warstwie pozwala na większy stopień uogólnienia wyników i zwiększenie rozmiarów wydzielonych jednostek terenowych. Istotny wpływ na przebieg iteracyjnego procesu klasyfikacji ma także liczba epok obliczeniowych. Użycie zbyt malej liczby iteracji powoduje ,,niedouczenie" sieci neuronowej i w konsekwencji uzyskanie obrazu struktur niespójnych przestrzennie. Interesujące jest także wykorzystanie zaproponowanych algorytmów do generalizacji numerycznego modelu rzeźby terenu. Porównanie uzyskanych wyników z generalizacją manualną lub uśrednieniem modelu podstawowego prowadzi do wniosku, że algorytm Kohonena może być wykorzystywany jako alternatywna metoda uogólniania modelu rzeźby

Pelvic venous disorder (PeVD) is a prevalent chronic condition characterized by the presence of varicose veins in the pelvis, leading to the development of chronic pelvic pain. Despite the growing interest in assessing quality of life in PeVD, well-designed and validated disease-specific questionnaires are missing. The objective of this study was a linguistic and clinical validation of the Symptom Questionnaire (SQ) in a cohort of Polish females with pelvic vein incompetence. The Polish version of SQ was developed using a standardized validation process that involved a back-and- forth translation protocol.
A total of 58 female patients diagnosed with pelvic varicose veins, representing diverse educational back-grounds, participated in the study. Multiple issues were observed during linguistic validation, primarily originating from disparities between the Polish and British healthcare systems, as well as differing levels of sexual health education of those two populations. Cronbach α was calculated separately for each part of the questionnaire with results exceeded 0.6 for each section. Test-retest analysis indicated most Pearson correlation coefficients surpassing 0.70. The absolute agreement consistency between pretest and post- test measures, evaluated using the Intra Class Correlation (ICC), exceeded 0.8 in three sections and 0.7 in the remaining three sections.
However, the clinical validation failed due to the lack of standardized score calculation proposed by the authors of the questionnaire and inaccurately assigned values in the answer key for five questions. Consequently, the practical utility of SQ in daily clinical settings remains uncertain, highlighting the urgent need for the development of a new, user-friendly questionnaire specifically tailored to assess the quality of life in individuals with PeVD.