и информационные
технологии
>
М.А. ТАРАНИК,
аспирант кафедры оптимизации систем управления Института кибернетики ФГБОУ ВПО «Национальный исследовательский Томский политехнический университет»; Томский государственный архитектурно-строительный университет, г. Томск, Россия, taranik@tpu.ru Г.Д. КОПАНИЦА,
к.т.н., доцент ТГАСУ, инженер-исследователь кафедры информатики и проектирования систем Института кибернетики ФГБОУ ВПО «Национальный исследовательский Томский политехнический университет», г. Томск, Россия, georgy.kopanitsa@gmail.com.
АНАЛИЗ ПРОЦЕССОВ КОНТРОЛЯ ПРЕДОСТАВЛЕНИЯ МЕДИЦИНСКОЙ ПОМОЩИ В РАМКАХ ПРОГРАММЫ ОБЯЗАТЕЛЬНОГО МЕДИЦИНСКОГО СТРАХОВАНИЯ
_л\
УДК 005
Тараник М. А., Копаница Г.Д. Анализ процессов контроля предоставления медицинской помощи в рамках программы обязательного медицинского страхования (ФГБОУ ВПО «Национальный исследовательский Томский политехнический университет», г. Томск, Россия)
Аннотация. Актуальность работы обусловлена необходимостью выявления проблем и выработки эффективных решений для медицинских организаций на этапе контроля отчетной медицинской документации с целью прогнозирования получения денежных средств по программе обязательного медицинского страхования. Цель работы: используя средства аппарата системного анализа, представить формальную модель исследуемого процесса с целью дальнейшего выявления проблем. Методы исследования: методы системного анализа, в частности применяются диаграммы IDEF0, а также диаграммы деятельности (activity diagram), для оценки согласованности медицинских экспертов используется каппа Коэна. Результаты: на основе нормативных документов, а также опыте экспертов представлено развернутое описание процесса «контроль объемов, сроков, качества и условий предоставления медицинской помощи медицинскими организациями», проводимого страховой медицинской организацией. Определены входные, выходные параметры, а также элементы управления и исполнения процесса. Ключевые слова: системный анализ, интеллектуальные информационные системы!, обязательное медицинское страхование, нечеткая логика, анализ прецедентов.
UDC 005
Taranik M.A., Kopanitsa G.D. Analysis of the process of medical service in the scope of compulsory health insurance program (Tomsk Polytechnic University, Tomsk, Russia; Tomsk State University for Architecture and Building, Tomsk, Russia)
Abstract. The relevance of the presented paper deals with the necessity of determining problems and effective solutions for medical organizations on the stage of medical documentation reports control purposely for forecasting the average of financial resources that can be obtained in the scope of compulsory health insurance program. The aim of the study: for the purpose of further issues definition present formal model of the analyzed process using a set of system analysis methods. The methods: System analysis methods, especially IDEF0 diagrams and activity diagrams, for estimation of medical expert's agreement Cohen's kappa was used. The results: Based on the specification documents and expert's experience the spread description on the process «the control of volume, duration, quality and conditions of medical service assignment by medical organizations» conducted by medical insurance organization was presented. Inputs, outputs, elements of management and executives were determined. As a result of decomposition, subprocesess were presented within activity diagrams. Conclusions: The obtained results of research allows to conclude that there is a set of problems which appear when medical organizations send reports for getting financial resources for clinical service realization in the scope of compulsory health insurance program. On the grounds of determined problems, we can conclude that it is necessary to develop an intellectual information system for estimating clinical records concerning getting financial resources for clinical service. In respect that human factor influence on the main stages of the analyzed process, we propose to use fuzzy logic as an inference engine. The self-learning function of the system will provide case-based reasoning. Keywords: system analysis, intellectual information systems, medical insurance, fuzzy logic, case-based reasoning.
М.А. Тараник, Г.Д. Копаница, 2015 г.
Введение
Применение информационных средств анализа бизнес-процессов во многом способствует их объективному представлению и пониманию. Такой анализ является незаменимым при проектировании автоматизированных программных средств, которые позволили бы повысить эффективность функционирования исследуемого процесса. В настоящем исследовании данный подход применен к системе медицинского страхования. Особенностью российской политики в области социального страхования является система контрагентов, состоящая из территориальных фондов обязательного медицинского страхования (ОМС), основного контролирующего органа — Федерального фонда (ФФ) ОМС, медицинских организаций (МО), предоставляющих медицинские услуги населению в рамках программы ОМС, а также страховых медицинских организаций (СМО), производящих оплату медицинских услуг МО. В свою очередь МО подразделяются на фондодержателей (МО-фондодержатели), которые имеют прикрепленных пациентов, а также исполнителей (МО-исполнители). МО-исполнители оказывают внешние медицинские услуги пациентам по направлению (форма 057/У-04) от фондодержателя. Для получения денежных средств за оказанные медицинские услуги по программе ОМС как МО-фондодержатель, так и МО-исполнитель обязаны ежемесячно предоставлять СМО необходимую отчетную документацию — реестр счетов, содержащий персонифицированные сведения о пролеченных больных и об оказанной им медицинской помощи. По окончании необходимых проверок СМО производит оплату за оказанные медицинские услуги из средств бюджета фонда ОМС. Однако существуют также и факторы, влияющие на размер денежных выплат. Среди таких факторов наиболее важную роль играет перечень оснований для отказа в оплате медицинской помощи по результатам контро-
www.idmz.ru ,_
гол 5, № г 1
Ч)
ля объемов, сроков, качества и условий предоставления медицинской помощи по ОМС [1]. Таким образом, для МО, которые являются участниками программы ОМС, вопрос получения денежных средств за предоставленные медицинские услуги имеет особый приоритет. В настоящей статье проводится анализ процесса контроля объемов, сроков, качества и условий предоставления медицинской помощи, проводимый СМО, на примере реестра счетов МО-исполнителя.
Методы
При решении задач анализа бизнес-процессов наиболее подходящим инструментарием является аппарат системного анализа [2, 3], предоставляющий целую систему методов исследования. Так, в настоящей работе применяется методология IDEF0 [4], которая является одной из самых известных и широко используемых методологий моделирования [2]. Применяя данную методологию, были построены модели исследуемого бизнес-процесса в виде иерархических диаграмм с определенными входными, выходными параметрами, а также сущности управления и исполнения процесса. Полученные на этапе декомпозиции подпроцессы были представлены с использованием UML-диа-грамм, а именно, диаграмм деятельности (activity diagram) [5]. Такое представление позволяет более детально представить последовательность выполняемых в подпроцессе действий, а также учесть логические компоненты.
Для более детального описания процесса экспертизы качества медицинской помощи и выявления в этом процессе персонифицированных и нечеткости экспертных знаний были выбраны 10 случаев лечения для независимой оценки двумя экспертами. Были выявлены и задокументированы разногласия между экспертами. Также был произведен расчет каппы Коэна [6] для оценки уровня разногласий.
и информационные
технологии
Федеральный Закон № 326
Приказ №230 ФФОМС
от 1 декабря 2010 г.
Стандарты медицинской помощи
Реестр счетов
Истории болезней
Контроль объемов, сроков, качества и условий предоставления медицинской помощи медицинскими организациями
Акт медико-экономического контроля
Акт медико-экономической _экспертизы_
Акт экспертизы качества медицинской помощи
Специалист страховой медицинской организации
Врач-эксперт со стажем работы по специальности не менее 5 лет
Аккредитова н н ы й
врач-эксперт со стажем работы по специальности не менее 10 лет
Рис. 1. Уровень АО процесса контроля объемов, сроков, качества и условий предоставления медицинской помощи медицинскими организациями
Результаты
Результатом анализа исследуемого бизнес-процесса является его формальное описание с применением диаграмм деятельности, а также диаграмм ЮЕР0 в терминах естественного языка. Использование диаграмм деятельности позволяет декомпозировать подпроцессы, выявленные на этапе построения моделей в нотации ЮЕР0, тем самым повысить точность их описания. Начальным пунктом исследования процесса «контроля объемов, сроков, качества и условий предоставления медицинской помощи медицинскими организациями» [7] стало построение уровня А0 диаграммы ЮЕР0 (рис. 1), что позволило определить входные, выходные параметры процеса, а также обозначить его исполнителей и элементы, отвечающие за управление.
Входными параметрами процесса являются реестр счетов, формируемый МО-исполнителем для получения денежных средств за указанные медицинские услуги, а также часть историй болезни по случаям оказания медицинской помощи, коррелирующих с данными поданного реестра. В качестве выходных
параметров определены акты медико-экономического контроля, медико-экономической экспертизы, а также экспертизы качества медицинской помощи. Акты формируются по окончании проведения каждого из этапов исследуемого процесса. Управлением являются такие нормативные документы, как Федеральный закон № 326 «Об обязательном медицинском страховании» [7], Приказ № 230 ФФОМС от 1 декабря 2010 г., а также федеральные и региональные стандарты медицинской помощи. Реализацию процесса обеспечивают следующие лица: специалист страховой медицинской организации, врач-эксперт со стажем работы по специальности не менее 5 лет, а также аккредитованный врач-эксперт со стажем работы по специальности не менее 10 лет.
Проводя декомпозицию уровня А0 исследуемого процесса посредсвом перехода и построения уровня А1, мы получим следующую диаграмму, представленную на рис. 2.
Основной исследуемый процесс состоит из трех подпроцессов: медико-экономический контроль, медико-экономическая экспертиза,
201 5, Na 2
Федеральный Закон № 326
Приказ № 230 ФФОМС от 1 декабря 2010 г.
Стандарты медицинской помощи
Рис. 2. Уровень А1 процесса контроля объемов, сроков, качества и условий предоставления медицинской помощи медицинскими организациями
экспертиза качества медицинской помощи. Все подпроцессы являются последовательными, а выходные данные являются входными для последующего процесса.
При реализации процесса «контроля объемов, сроков, качества и условий предоставления медицинской помощи медицинскими организациями» сначала выполняется этап медико-экономического контроля (МЭК), состоящий из четырех итераций, представленных на рис. 3.
Данный этап осуществляется при помощи автоматизированного программного обеспечения (ПО) под контролем специалиста страховой медицинской организации. Алгоритм ПО проводит проверку сформированного МО отчетного реестра счетов по следующим позициям:
• проверка на обязательность заполнения полей;
• проверка на соответствие справочникам;
• проверка на соответствие с эталонными таблицами;
• проверка с помощью составных Б01--запросов.
Наличие несоответствий является предпосылкой обоснованного отказа в стопроцентной выплате денежных средств МО по текущему реестру. В результате формируется акт медико-экономического контроля, в котором отражены найденные нарушения и замечания, а сам реестр возвращается в МО. Этап МЭК проводится по текущему реестру до тех пор, пока МО не предоставит на проверку реестр без нарушений. Для дальнейшего этапа медико-экономической экспертизы (МЭЭ) отбирается часть историй болезни, с которыми работает эксперт страховой организации. Диаграмма деятельности данного этапа представлена на рис. 4.
и информационные
технологии
Соответствует
Формирование акта медико-экономического контроля
Рис. 3. Диаграмма деятельности этапа проведения медико-экономического контроля
Рис. 4. Диаграмма деятельности этапа проведения медико-экономической экспертизы
201 5, Na 2
Рис. 5. Диаграмма деятельности этапа проведения экспертизы качества
медицинской помощи
На данном этапе эксперт осуществляет проверку отобранных у МО историй болезни на наличие дефектов оформления медицинской документации. Среди таких нарушений наиболее часто встречаются: отсутствие листа назначений, температурного листа, отсутствие флюорографии. Отсутствие данных документов при плановой госпитализации пациента является нарушением. Также эксперт осуществляет проверку на наличие нарушений в оформлении и предъявлении на оплату счетов и реестров счетов. При выявлении нарушений следует обоснованный отказ в выплате денежных средств на сумму, установленную в п. 8 Приказа ФФОМС № 230 от 01.12.2010. По окончании этапа МЭЭ формируется соответствующий акт, а проверяемые истории болезни передаются аккредитованному врачу-эксперту со стажем работы по специальности не менее 10 лет для проведения экспертизы качества медицинской помощи (рис. 5).
Врач-эксперт на данном этапе осуществляет проверку историй болезни на наличие дефектов медицинской помощи, а также нарушений при оказании медицинской помощи, руководствуясь федеральными и региональными стандартами медицинской помощи, а также личным опытом. Так, например, отсутствие листа назначений и температурного листа при плановой госпитализации пациента является невыполнением необходимых лечебно-диагностических мероприятий, не повлиявших на здоровье. Также, основываясь на личном опыте врача-эксперта, даются комментарии и пояснения по выявленным нарушениям. Зафиксированные нарушения отражаются в акте экспертизы качества медицинской помощи, а сумма выплаты МО уменьшается в соответствии с п. 8 Приказа № 230 ФФОМС от 01.12.2010.
Актуальность прогнозирования определяет актуальность разработки информационной системы, способной реализовать алгоритм
и информационные
технологии
Таблица 1
Анализ исполнителей этапов проверки исследуемого процесса
Этап проверки Условие проверки Исполнитель
Проверка на обязательность заполнения полей Заполнены/ Не заполнены Программа (Специалист СМО)
Проверка на соответствие справочникам Соответствует/ Не соответствует Программа (Специалист СМО)
Проверка на соответствие эталонным таблицам Соответствует/ Не соответствует Программа (Специалист СМО)
Проверка с помощью составных SQL запросов Соответствует/ Не соответствует Программа (Специалист СМО)
Проверка наличия дефектов оформления первичной документации Присутствуют/ Отсутствуют Врач-эксперт СМО
Проверка наличия нарушений в оформлении и представлении на оплату счетов и реестров счетов Присутствуют/ Отсутствуют Врач-эксперт СМО
Проверка наличия дефектов медицинской помощи/ нарушений при оказании медицинской помощи Присутствуют/ Отсутствуют Аккредитованный врач-эксперт
оценки историй болезни МО-исполнителя на предмет получения денежных средств за оказанные медицинские услуги в рамках программы ОМС, принимая за основу процесс контроля объемов, сроков, качества и условий предоставления медицинской помощи. Проводя анализ исполнителей (табл. 1) на каждом из этапов исследуемого процесса, можно сделать вывод о влиянии человеческого фактора на трех основных итерациях.
Наличие человеческого фактора при проведении контроля, а также сложности формального описания исследуемой предметной области является предпосылкой возникновения нечеткости и неопределенности. Для более точного определения наличия неопределенности воспользуемся индексом каппы Коэна [6], который обозначает меру согласованности двух оценщиков, классифицирующих п объектов по б категориям. Индекс рассчитывается по следующей формуле:
Pr(a) - Pr(e) k 1 - Pr(e)
где Pr(a) =
наблюдаемая согласован-
%=1 nii
ность между экспертами А и Б, а Pr(a) =
— ожидаемая вероятность случайной согласованности. Если к > 0,75, то согласованность считается высокой, если 0,4 < к <0,75, то хорошей, иначе плохой. В качестве примера приведем вариант экспертизы двух врачей-экспертов десяти историй болезни. Каждый из экспертов провел ЭКМП следующих клинических ситуаций, представленных в табл. 2.
При проведении экспертизы специалистам необходимо сделать заключение по каждой клинической ситуации на предмет назначения уменьшения суммы выплаты при обнаружении нарушений либо неприменения экономических санкций к МО и дать рекомендации на выплату полной денежной суммы. Базис расхождений мнений экспертов по клиническим ситуациями заключается в том, что специалисты руководствуются не только стандартами оказания медицинской помощи, но и личным опытом. Разъяснения экспертов
n
201 5, Na 2
Таблица 2
Описание клинических ситуаций и действий медицинского персонала
Тромбофлебит
Кровотечение желудочно-кишечного тракта
6 Острый калькулезный холецистит
Пациент был направлен на медико-социальную экспертизу (МСЭ) Пациент был госпитализирован по направлению из поликлиники без необходимого набора анализов. В условиях стационара был проведен полный необходимый перечень исследований. Плановая операция прошла спешно, пациент выписан
Был произведен забор анализа крови. Пациент был направлен на дальнейшие консультации специалистов
Пациенту назначено консервативное лечение без проведения Эзофагогастродуоденоскопии (ЭГДС)
Поступившему экстренному пациенту не было оказано срочное оперативное вмешательство. Пациент был помещен в стационар
7 Киста передней поверхности шеи
8 Дефект передней грудной стенки
9 Постлучевой фиброз левой молочной железы Пациенты были обследованы в условиях стационара, а также успешно прооперированы и выписаны
10 Нейропатия правого плечевого 10 сплетения
Таблица 3
Разъяснения экспертов по клиническим ситуациям
Разъяснения экспертов
Эксперт А: В истории болезни (ИБ) отсутствуют мероприятия непрерывной консервативной терапии (сосудистой терапии), наличие которой необходимо при данном диагнозе. Вывод: невыполнение необходимых лечебно-диагностических мероприятий (ЛДМ), не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт Б: Отсутствуют мероприятия непрерывной консервативной терапии наличие которой необходимо при данном диагнозе. Результаты допплерографии носят формальный характер. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт А: В ИБ отсутствует заключение ангиохирурга. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю
Эксперт Б: При диагнозе патологии нижних конечностей с действиями медицинских специалистов согласен. Вывод: согласие эксперта. Результат: Выплата полной денежной суммы по данному случаю.
Эксперт А: Несмотря на нарушения плановой госпитализации, тактика медицинской помощи верна. Пациент находился в отдаленном районе, действия медицинского персонала оправданы. Вывод: согласие эксперта. Результат: Выплата полной денежной суммы по данному случаю. Эксперт Б: Отсутствие проведенных в поликлинике исследований означают нарушение порядка плановой госпитализации пациента. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю.
>
и информационные
технологии
10
Таблица 3, окончание
Разъяснения экспертов
Эксперт А: При диагнозе тромбофлебит необходимо ультразвуковое исследование (УЗИ), которое не было оказано. Причиной является отсутствие прибора УЗИ и специалиста. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье, которые были обоснованы отсутствием оборудования. Результат: Выплата полной денежной суммы по данному случаю. Эксперт Б: В истории болезни отсутствуют результаты УЗИ. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт А: В ИБ нет результатов ЭГДС, что не позволяет определить верную тактику лечение. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт Б: Отсутствуют результаты ЭГДС. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт А: Помещенному в стационар пациенту была оказана консервативная помощь, позволившая купировать процесс. Признаки острого деструктивного холецистита отсутствуют. Вывод: согласие эксперта. Результат: Выплата полной денежной суммы по данному случаю. Эксперт Б: В проведении экстренного оперативного вмешательства не было необходимости. Консервативная терапия привела к уменьшению в размере желчного пузыря, отсутствию слоистости стенки, а также приведению лейкоцитов в норму. Вывод: согласие эксперта. Результат: Выплата полной денежной суммы по данному случаю.
Эксперт А: Отсутствует обязательная флюорография. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт Б: Нет флюорографии, что для плановой госпитализации является обязательным. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт А: Отсутствие листа назначений, также температурного листа. Вывод: дефект оформления медицинской документации, препятствующий экспертизе. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт Б: Нет листа назначений, также температурного листа. Вывод: дефект оформления медицинской документации, препятствующий экспертизе. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт А: Отсутствует обязательная флюорография. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт Б: Нет обязательной флюорографии. Вывод: невыполнение необходимых ЛДМ, не повлиявших на здоровье. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт А: Отсутствие листа назначений, также температурного листа. Вывод: дефект оформления медицинской документации, препятствующий экспертизе. Результат: Уменьшение суммы оплаты по данному случаю.
Эксперт Б: Нет листа назначений, также температурного листа. Вывод: дефект оформления медицинской документации, препятствующий экспертизе. Результат: Уменьшение суммы оплаты по данному случаю.
по клиническим ситуациям представлены в табл. 3.
Таким образом, мнения обоих экспертов совпали по семи историям болезни, к которым необходимо применить финансовые
санкции в виде уменьшения суммы оплаты. Среди клинических случаев, по которым можно производить выплату в полном объеме, оба эксперта сошлись лишь в одном случае. Расхождения экспертов возникли в слу-
SOI 5, Na S
Таблица 4
Общие результаты оценок экспертов
Эксперт Б
+ -
Эксперт А +
-
чаях 2-4. Поместим полученные результаты в табл. 4, в которой обозначим «+» — уменьшение суммы выплаты, то есть наличие санкций, а «-» — их отсутствие, то есть выплата в полном объеме.
Рассчитаем параметр согласованности: Pr(a) = (6 + 1) - 10 = 0,7. Эксперт А определил 7 клинических случаев, по которым необходимо уменьшить конечную сумму выплаты, а по 3 случаям из 10 — осуществить полную выплату. Таким образом, его решения распределились в процентном соотношении 70 и 30%. При 8 одобренных случаях, для которых необходимы экономические санкции, определенные экспертом Б, всего 2 случая заслуживают выплаты полной стоимости денежных средств. Итог эксперта Б: 80 и 20%. Таким образом, ожидаемая вероятность случайной согласованности: Pr(e) = (0,7 х 0,8) + (0,3 х 0,2) = = 0,62. Следовательно, коэффициент каппы Коэна равен:
0,7-0,62 k 1 - 0,62 0,21
Данный показатель обосновывает низкую согласованность между двумя экспертами в вышеприведенном примере и дополнительно подтверждает наличие неопределенности.
Следовательно, возникает необходимость использования соответствующих математических аппаратов в алгоритме проектируемой системы. Эффективная реализация достоверного логического вывода в таких условиях может быть реализована с применением нечеткой логики [10], которая активно применяется в создании средств искусственного
интеллекта для решения клинических задач [11,12-16] Данная технология позволит не только достаточно точно формализовать как медицинские знания экспертов, так и входные данные для работы системы, но и определить соответствующие вероятностные коэффициенты логического вывода. Однако, помимо реализации эффективного логического вывода в условиях неопределенности, необходимо также учитывать ранее накопленный опыт. Одной из таких технологий является case-based reasoning (cbr) [17-21]. Использование данной технологии в совокупности с нечеткой логикой может позволить с большей вероятностью точно осуществлять прогнозирование историй болезни на предмет выплаты денежных средств. Таким образом, появляется необходимость формирования базы прецедентов результирующих параметров системы при соответствующих входных. Автоматизация пополнения такой базы обеспечит реализацию процесса самообучаемости системы. Более того, анализ базы прецедентов может быть использован для динамического формирования коэффициентов, применяемых на этапе нечеткого логического вывода, что позволит сделать систему более адаптированной и повысить ее эффективность.
Рассуждение
Полученные результаты исследования предоставляют развернутое описание процесса контроля объемов, сроков, качества и условий предоставления медицинской помощи, проводимого СМО. Среди слабых сторон данного процесса можно отметить высокое
>
и информационные
технологии
число его итераций, которые в совокупности характеризуются временными затратами на обработку информации различными специалистами. Более того, выявление незаполненных и несоответствующих справочникам полей реестра на этапе МЭК регламентирует не только стопроцентный отказ в выплате денежных средств по всему реестру, но также и отправление поданного на проверку реестра назад МО-исполнителю для его корректировки. Подобным образом данная процедура повторяется до момента предоставления на проверку безошибочно заполненного реестра счетов, что напрямую также отрицательно отражается на времени наступления момента получения денежных средств за предоставленные медицинские услуги. Другим немаловажным фактором являются наличие штрафных санкций и отказ в выплате денежных средств на последующих этапах контроля, которые могут значительно уменьшить конечную сумму выплаты. Таким образом, принимая во внимание вышеуказанные факторы, сдерживающие время и размер выплат, вопрос получения МО-исполнителем денежных средств за оказанные медицинские услуги по программе ОМС нуждается не только в постоянном контроле и оценке со стороны руководителей МО, но также и в прогнозировании. Прогнозирование позволит обеспечить как принятие новых управленческих решений, так и совершать корректирующие
действия при оказании дальнейших медицинских услуг и ведении историй болезни. Более того, прогнозирование выплат обеспечит дифференцируемую оценку действиям сотрудников МО, а также предупредит клинические ошибки.
Заключение
Представленное в настоящей статье исследование процесса «контроля объемов, сроков, качества и условий предоставления медицинской помощи медицинскими организациями» с применением методов аппарата системного анализа позволяет сделать выводы о необходимости реализации интеллекутальной информационной системы (ИИС) оценки историй болезни на предмет получения денежных средств за оказанные медицинские услуги в рамках программы ОМС. Необходимость принятия решений в условиях неопределенности, обоснованной наличием влияния человеческого фактора, обуславливает использование нечеткой логики в качестве метода логического вывода будующей системы. Наряду с применением эффективного логического вывода, использование опыта на основе прецедентов позволит эффективно повысить качество вывода для принятия управленческих решений. Реализация такой ИИС, содержащей в своей основе комбинированный метод, позволит производить оценку вероятности получения денежных средств до формирования реестра счетов.
ЛИТЕРАТУРА
1. Приказ ФФОМС №230 «Об утверждении Порядка организации и проведения контроля объемов, сроков, качества и условий предоставления медицинской помощи по обязательному медицинскому страхованию» от 1 декабря 2010 года
2. Силич В.А., Силич М.П. Теория систем и системный анализ: учеб пособие. — Томск: Томский политехнический университет, 2010. — 281 с.
3. Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа: Учеб. 2-е изд., доп. — Томск: Изд-во НТЛ, 1997. — 396 с.
4. Методология ЮЕР0. Стандарт. Русская версия. — М.: Метатехнология, 1993. — 107 с.
I/IT и экономика здравоохранения www.idmz.ru ._
soi 5, Na s ''
5. Буч Г. Язык UML. Руководство пользователя: Пер. с англ. /Ред. Г. Буч, Д. Рамбо, А. Джекобсон. - М.: ДМК, 2000. - 432 с.
6. Cohen'skappa [Электронный ресурс]. — Условия доступа: http://en.wikipe-dia.org/wiki/Cohen%27s_kappa (дата обращения: 15.05.2015).
7. Федеральный закон № 326 «Об обязательном медицинском страховании в Российской Федерации» от 29 ноября 2010 года.
8. Федеральный закон № 323 «Об основах охраны здоровья граждан в Российской Федерации» от 21 ноября 2011 года.
9. Приложение № 5 к Регламенту проведения предварительного медико-экономического контроля реестров счетов на оплату медицинской помощи, представляемых в электронном виде, утвержденному Приказом ТФОМС Томской области от 13.11.2013 №265.
10. ZadehL.A. Fuzzy Sets//Information and Control. — 1965. — № 8. — P. 338-353.
11. Тараник M, Копаница Г. Анализ задач и методов построения интеллектуальных медицинских систем//Врач и информационные технологии. — 2014. — №3. — С. 6-12.
12. Anooj P. Clinical decision support system: Risk level prediction of heart disease using weighted fuzzy rules//Journal of King Saud University — Computer and Information Science. — 2012. — №24. — P. 27-40.
13. Samuel O., Omisore M, Ojokoh B. A web based decision support system driven by fuzzy logic for the diagnosis of typhoid fever//Expert Systems with Applications. — 2013. — №40. — P. 4164-4171.
14. Castanho M, Hernandes F, Re A., Rautenberg S., Billis A. Fuzzy expert system for predicting pathological stage of prostate cancer//Expert Systems with Applications. — 2013. — №40. — P. 466-470.
15. Pal D, Mandana K, Pal S. [etc.]. Fuzzy expert system approach for coronary artery disease screening using clinical parameters//Knowledge-Based Systems. — 2012. — № 36. — P. 162-174.
16. Castillo O., Melin P., Ramirez E, Soria J. Hybrid intelligent system for cardiac arrhythmia classification with Fuzzy K-Nearest Neighbors and neural networks combined with a fuzzy system//Expert Systems with Applications. — 2012. — №39. — P. 2947-2955.
17. Haghighi P., Burstein F, Zaslavsky A., Arbon P. Development and evaluation of ontology for intelligent decision support in medical emergency management for mass gatherings//Decision Support Systems. — 2013. — №54. — P. 1192-1204.
18. Bequm S, Barua S, Ahmed M.U. Physiological sensor signals classification for healthcare using sensor data fusion and case-based reasoning//Sensors. — 2014. — № 14. — P. 11770-11785.
19. Gonzalez C, Lopez D.M., Blobel B. Case-based reasoning in intelligent Health Decision Support Systems//pHealth 2013: Studies in Health Technology and Informatics. — № 189. — P. 44-49.
20. Sharaf-EI-Deen D.A., Moawad I.F., Khalifa M.E. A new hybrid case-based reasoning approach for medical diagnosis system//Journal of Medical Systems. — 2014. — № 38 (9).
21. EI-Sappagh S.H., EI-Masri S., Elmogy M. [etc.]. An ontological case base engineering methodology for diabetes management//Journal of Medical Systems. — 2014. — № 38 (8).