CC BY
25
ОРИГИНАЛЬНАЯ СТАТЬЯ
DOI: 10.21045/1811-0185-2021-7-11-24 УДК: [311.2:614.21:658](048.8)
ИСПОЛЬЗОВАНИЕ МЕТОДОВ МОДЕЛИРОВАНИЯ ДЛЯ РЕШЕНИЯ ЗАДАЧ УПРАВЛЕНИЯ МЕДИЦИНСКОЙ ОРГАНИЗАЦИЕЙ. ОБЗОР РОССИЙСКИХ НАУЧНЫХ ПУБЛИКАЦИЙ
С.Б. Чолояна, А.К. Екимовь, Е.Н. Байгазинас, Н.С. Молодцов^ Е.А. Калинина6 : , А.А. Поснов'
а, ь, с, f ГАУЗ «Детская областная клиническая больница»; d ФГБОУ ВО «Оренбургский государственный медицинский университет» Министерства здравоохранения Российской Федерации; e ГАУЗ «Городская больница 5».
a https://orcid.org/0000-0003-3003-372X; ь https://orcid.org/0000-0001 -7235-6266; c https://orcid.org/0000-0002-8043-4452; d https://orcid.org/0000-0001 -8621-2810; e https://orcid.org/0000-0001-5633-4008; f https://orcid.org/0000-0002-1642-9333
И Автор для корреспонденции: Калинина Е.А.
АННОТАЦИЯ
С целью решения таких задач, как улучшение качества оказания медицинских услуг, повышение эффективности функционирования медицинских организаций применяется математическое моделирование. Математическая модель способна выявить все достоинства и недостатки каждого полученного с помощью модели способа достижения поставленной цели, а также оценить объем ресурсов, необходимых для ее достижения.
Цель исследования - описание по научным публикациям российских авторов сложившегося состояния в применении математических моделей для решения задач управления в медицине, здравоохранении и медицинских организациях. Материалы и методы. Было проанализировано при помощи контент-анализа 355 публикаций (статей и книг), опубликованных за период с 2000 по 2020 годы, авторы которых решали задачи нахождения управленческого решения на основе моделирования. Все 355 публикаций были измерены при помощи 21 бинарной шкалы. Обработка данных для статьи проводилась с помощью программного пакета STATISTICA 12.0 (компания StatSoft).
Результаты. В ходе исследования было установлено, что наблюдается рост числа публикаций, в которых для решения задачи управления здравоохранением использовалась математическая модель. Наиболее часто модели строились на основе нейронных сетей. Значительная доля публикаций (13,9%) посвящена моделям, основанным на аналитических уравнениях (неравенствах). Чаще всего математические модели разрабатывались для диагностики заболеваний, относящихся к классам «Болезни системы кровообращения» (30,1%) и «Болезни мочеполовой системы» (21,7%). За анализируемый период в 91 научном журнале были опубликованы статьи на темы использования математических моделей для решения задач управления в здравоохранении и медицине, но лишь в 5 журналах («Врач и информационные технологии», «Известия Юго-Западного государственного университета», «Менеджер здравоохранения», «Системный анализ и управление в биомедицинских системах», «Математическое моделирование») было опубликовано 15 и более статей на указанные темы.
Выводы. Таким образом, использование математических моделей для решения задач управления здравоохранением и медицинскими организациями является важным инструментом повышения эффективности управления, качества медицинского обслуживания и эффективности работы медицинских организаций. Метод нейронных сетей является наиболее перспективным математическим методом для решения задач управления медицинскими организациями.
Ключевые слова: математическое моделирование, управление здравоохранения, нейронные сети, прогнозирование заболеваемости.
Для цитирования: Чолоян С.Б., Екимов А.К., Байгазина Е.Н., Молодцов Н.С, Калинина Е.А., Поснов А.А. Использование методов моделирования для решения задач управления медицинской организацией. Обзор российских научных публикаций // Менеджер здравоохранения. 2021; 7:11-24. DOI: 10.21045/1811-0185-2021-6-11-24
© Чолоян С.Б., Екимов А.К., Байгазина Е.Н., Молодцов Н.С, Калинина Е.А., Поснов А.А, 2021 г.
•КС
№7 Manager /Менеджер
2021 Zdravoochranania / здравоохранения
ORIGINAL ARTICLE
USING MODELING METHODS TO SOLVE THE PROBLEMS OF MANAGING A MEDiCAL ORGANiZATiON. REViEW OF RUSSIAN SCIENTIFIC PUBLICATIONS
S.B. Choloyana, A.K. Ekimovb, E.N. Baigazinac, N.S. Molodtsovd, E.A. Kalininae , A.A. Posnovf
a, b, c, f Children's Regional Clinical Hospital; d Orenburg State Medical University; e City Hospital № 5
a https://orcid.org/0000-0003-3003-372X; b https://orcid.org/0000-0001-7235-6266; c https://orcid.org/0000-0002-8043-4452; d https://orcid.org/0000-0001-8621-2810; e https://orcid.org/0000-0001-5633-4008; f https://orcid.org/0000-0002-1642-9333
H Corresponding author: Kalinina E.A.
ABSTRACT
In order to solve such problems as improving the quality of medical services, improving the efficiency of the functioning of medical organizations, mathematical modeling is used. The mathematical model is able to identify all the advantages and disadvantages of each method obtained using the model to achieve the goal, as well as to estimate the amount of resources needed to achieve it. The purpose of the study is to describe the current state of application of mathematical models for solving management problems in medicine, healthcare and medical organizations based on scientific publications of Russian authors.
Materials and methods. It was analyzed using content analysis of 355 publications (articles and books) published in the period from 2000 to 2020, the authors of which solved the problems of finding a management solution based on modeling. All 355 publications were measured using 21 binary scales. Data processing for the article was carried out using the software package STATISTICA 12.0 (StatSoft company).
Results. In the course of the study, it was found that there is an increase in the number of publications in which a mathematical model was used to solve the problem of health management. Most often, models were built on the basis of neural networks. A significant proportion of publications (13,9%) are devoted to models based on analytical equations (inequalities). Most often, mathematical models were developed for the diagnosis of diseases belonging to the classes «Diseases of the circulatory system» (30,1%) and «Diseases of the genitourinary system» (21,7%). During the analyzed period, 91 scientific journals published articles on the use of mathematical models for solving management problems in healthcare and medicine, but only in 5 journals («Doctor and Information Technologies», «Izvestiya Yugo-Zapadnogo Gosudarstvennogo Universiteta», «Health Manager», «System Analysis and Management in Biomedical systems», «Mathematical Modeling») 15 or more articles on these topics were published.
Findings. Thus, the use of mathematical models for solving problems of health care management and medical organizations is an important tool for improving the efficiency of management, the quality of medical care and the efficiency of medical organizations. The neural network method is the most promising mathematical method for solving problems of managing medical organizations.
Keywords: mathematical modeling, health management, neural networks, disease prediction.
For citation: Choloyan S.B., Ekimov A.K., Baigazina E.N., Molodtsov N.S., Kalinina E.A., Posnov A.A. The Use of Modeling methods for solving problems of Medical organization management. Review of Russian scientific publications // Manager Zdravoohranenia. 2021; 7: 11-24. DOI: 10.21045/1811-0185-2021-7-11-24.
Улучшение качества оказания медицинских услуг, повышение эффективности функционирования медицинских организаций (МО) являются главными задачами в совершенствовании системы здравоохранения. Важным инструментом в решении указанных задач является математическое моделирование. Оцифровка данных, имеющихся в МО,
Менеджер
здравоохранения /
Manager №7
ZdrevoochrBnenÍB 202 1
построение и развитие информационных систем МО, дают новые исключительные возможности для решения задач управления с помощью математических моделей. Использование моделирования для решения задач управления имеет безусловные преимущества перед другими методами, поскольку нахождение с помощью модели наилучшего решения задачи управления не требует материальных затрат для виртуального достижения цели. При этом модель в состоянии выявить все достоинства и недостатки каждого полученного с помощью модели способа достижения поставленной цели, а также оценить объем ресурсов, необходимых для ее достижения. Поскольку любая математическая модель, используемая для решения задачи управления, требует для своего использования оцифрованных данных, то авторы математической модели должны хорошо знать особенности измерительных шкал, в которых получены «оцифрованные данные», а также уметь выделять информативные признаки.
Цель исследования - описание по научным публикациям российских авторов сложившегося состояния в применении математических моделей для решения задач управления в медицине, здравоохранении и МО. Кроме того, в ходе исследования анализировались публикации, в которых изучались приемы формализации (оцифровки) медицинских данных, выделения информативных признаков, на базе которых строились математические модели, используемые для решения задач управления.
В силу специфики применения математических моделей для решения задач управления в МО и здравоохранении, некоторые существенные вопросы моделирования в анализируемых публикациях остаются вне текста данной статьи. При этом незнание особенностей использования математических моделей может привести к нежелательным эффектам, которые возникнут при использовании найденного с помощью модели решения задачи управления. Одним из таких вопросов, который очень часто остается за пределами внимания авторов статьи, но который является одним из главных при использовании метода математического моделирования, - это вопрос адекватности полученной модели. Очень редко в статьях, где модель использовалась для решения некоторой практической задачи, было упоминание о том, что фактические данные, при использовании которых была получена модель, и модельные данные, которые генерировала модель, имеют хорошее согласование на основе некоторого непараметрического критерия.
Новым в использовании моделей для решения задач управления является понимание того, что чем менее жестким является использование данных, на основе которых строится модель, чем менее директивным является условие нахождения решения с помощью модели, тем более адекватной является полученная модель в плане ее возможности решать реальные задачи управления. Форсайт Р. отмечает: «Решение проблем в реальной жизни всегда требует учета неопределенностей» [1]. Именно в силу указанных причин, во многих статьях решение задач моделирования проводится с использованием терминов «нечеткая логика», «нечеткая среда», «нечеткие множества», «нечеткие решающие правила» и др. Следует отметить, что сама задача выделения репрезентативной выборки публикаций для достижения целей, поставленных в статье, относится к задачам с нечеткой средой и нечеткими решающим правилами. Имеется огромное число публикаций, в которых строятся математические модели для описания некоторого явления. Также большое число публикаций посвящено построению математических моделей для задач из области медицины и организации здравоохранения. Несколько меньше (но тоже достаточно много) публикаций посвящено построению математических моделей, с помощью которых решались задачи управления системой здравоохранения или управления МО. Поэтому выделить репрезентативное множество научных работ, в которых методы моделирования применялись бы для решения задач управления в системе здравоохранения или МО, достаточно сложно. При выделении публикаций, на основе которых оценивалось сложившееся состояние в применении математических моделей для решения задач управления в медицине и здравоохранении, использовался принцип: чем ближе решение, полученное в публикации, к использованию в практике лицами, не имеющими математического образования, тем более вероятно, что публикация будет включена в репрезентативное множество научных работ. Если в статье рассматривались вопросы построения измерительных шкал или особенности выделения информативных признаков, тем более вероятно, что статья будет включена в репрезентативное множество научных работ. Особо следует отметить выбор публикаций, в которых рассматривались модели заболеваемости болезнями, распространяемыми воздушно-капельным путем. Если рассмотреть соотношение таких публикаций и публикаций, посвященных моделям болезней, оцениваемых в других классах МКБ, то их соотношение будет примерно
с
#хс
№7 Мападег
2021 2с1гв^/оос1-1гвпеп1а
/Менеджер
здравоохранения
таким же, как и соотношение количества случаев заболевания органов дыхания (Класс МКБ 10) и количества случаев заболевания других классов МКБ. Количество случаев заболеваний класса МКБ 10 на порядок больше количества заболеваний других классов МКБ. В силу указанной особенности для рассмотрения моделей, описывающих заболеваемость по классу МКБ 10, было взято ограниченное число публикаций. При анализе математических методов в понятие «математический метод» включались математические объекты, которые математическим методом не являются, но их использование приводило авторов статьи к определенным результатам. Примером такого математического объекта, который математическим методом не является можно назвать использование «бета-распределения» [2]. Поэтому далее в статье понятие «математический метод» во многих случаях должно пониматься как «математический инструмент».
Было проанализировано 355 публикаций (статей и книг), опубликованных в период 2000-2020 годы, авторы которых решали задачи нахождения управленческого решения на основе моделирования. При анализе публикаций использовался прием контент-анализа [3]. Если в публикации, посвященной решению какой-либо задачи управления, находилась информация об использовании определенного математического инструмента (в смысле указанном выше), то этот факт рассматривался далее как атрибут анализируемой публикации. При этом публикация получала значение «1» в бинарной измерительной шкале, соответствующей анализируемому математическому инструменту. Все математические инструменты измерялись с помощью 18 бинарных шкал (таблица 1). Дополнительно к указанным бинарным шкалам были добавлены три бинарных шкалы, измеряющие статью: фамилии авторов публикации, место работы авторов публикации, название журнала (издательства), где была опубликована (издана) публикация. Таким образом, все 355 публикаций были измерены при помощи 21 бинарной шкалы. Также для оценки публикации использовались две количественных шкалы (шкалы частот), характеризующие публикацию по количеству цитирований и по количеству просмотров публикации. Обработка данных для статьи проводилась с помощью программного пакета STATISTICA 12.0 (компания StatSoft) [4].
Из таблицы 1 можно установить, что наиболее часто в публикациях анализировались условия, в которых «работает» модель. В 82 статьях (23,7%) отмечалось, что при построении модели
использовалась нечеткая логика, нечеткие множества значений признаков, нечеткие решающие правила при формулировке вывода, на основе которого математическая модель давала решение задачи управления [5]. Наиболее часто модели строились на основе нейронных сетей. В 50 статьях (14,5%) для решения задачи управления с помощью математической модели использовался математический аппарат нейронных сетей. Использование нейронных сетей для построения моделей обусловлено такими свойствами нейронных сетей, как практически безграничные возможности в поиске сочетаний сигналов на входе (входных параметров признаков), при которых имеется высокий процент совпадения множества значений входных параметров модели со значениями на выходе модели. Нейронные сети позволяют использовать нечеткую логику и нечеткие данные для построения нейронной модели путем выбора и настройки соответствующей функции принадлежности [6]. Значительная доля публикаций (13,9%) посвящена моделям, основанным на аналитических уравнениях (неравенствах). Модели на основе аналитических уравнений (неравенств) или дифференциальных уравнений используют свойство непрерывности какого-либо параметра анализируемой системы. Достаточно часто моделируется работа (в виде компьютерной программы) системы кровообращения при тех или иных заболеваниях [7], которая дает возможность учитывать при выборе терапии основной патологический процесс, сопутствующие ему осложнения, компенсаторные, защитные и гомеостатические реакции организма, а также их составляющие, вносимые лечением. В таблице 1 еще можно оценить динамику публикаций (на протяжении двух отрезков времени: 2000-2010 годы и 2011-2020 годы), в которых описывались выделенные модели на основе анализируемых математических инструментов. Прежде всего, следует отметить рост (в 1,7 раза) количества публикаций, в которых для решения задачи управления использовалась математическая модель. В анализируемом множестве публикаций в первом отрезке времени (2000-2010 годы) было опубликовано 126 работ и во втором отрезке времени (2011-2020 годы) - 220 работ. Из групп публикаций, общее число которых за анализируемый период превышало 20, за анализируемые отрезки времени доля публикаций возросла по темам построения моделей на основе нейронных сетей на 0,3% (с 14,3% до 14,5%) и линейных уравнений (неравенств) на 0,6% (с 13,5% до 14,1%). Снизилась доля публикаций, в которых
Менеджер
здравоохранения /
Manager №7
ZdrevoochreneniB 2021
Таблица 1
Группы математических инструментов (бинарных измерительных шкал), по которым группировались публикации
Математические инструменты, анализируемые в публикациях (бинарные шкалы) Количество публикаций по анализируемой тематике Доля публикаций по анализируемой тематике (%)
Всего 20002010 г 20112020 г Всего 20002010 г 20112020 г
Публикации о моделях, основанных на нейронных сетях, их особенностях и искусственном интеллекте 50 18 32 14,5 14,3 14,5
Публикации о нечеткой логике, нечеткой среде, нечетких множествах, нечетких решающих правилах, о мягких вычислениях. Публикации о выборе информативных признаков 82 30 52 23,7 23,8 23,6
Имитационное моделирование, стохастическое моделирование, численные методы моделирования 24 10 14 6,9 7,9 6,4
Системы поддержки принятия решений (СППР), экспертные системы 36 14 22 10,4 11,1 10,0
Системы массового обслуживания (СМО) 5 4 1 1,4 3,2 0,5
Распознавание образов 4 3 1,2 0,8 1,4
Публикации, в которых объекты оцениваются на основе распределений вероятностей, формуле Байеса, критерия Вальда 10 4 6 2,9 3,2 2,7
Публикации, в которых для оценки близости признаков используется корреляционный анализ 8 1 7 2,3 0,8 3,2
Публикации, в которых переходы объектов по выделенным состояниям оцениваются на основе цепей Маркова или сетей Петри 6 4 2 1,7 3,2 0,9
Публикации, в которых свойства пространства признаков и пространства объектов оцениваются методами факторного анализа или с помощью многомерного шкалирования 10 1 9 2,9 0,8 '
Публикации, в которых объекты группируются с помощью кластерного анализа 4 0 4 1,2 0,0 1,8
Публикации, в которых значения свойств объектов оцениваются на основе регрессионного анализа 19 7 12 5,5 5,6 5,5
Публикации, в которых правило разделения объектов на группы находится с помощью дискриминантного анализа 3 2 1 0,9 1,6 0,5
Публикации, в которых правило разделения объектов на группы находится с помощью деревьев классификации 5 3 2 1,4 2,4 0,9
Публикации, в которых моделирование поведения проектируемой или анализируемой системы проводится с помощью диаграммы деятельности языка UML 1 0 1 0,3 0,0 0,5
Публикации, в которых моделирование изменений значений признаков системы оценивается методами временных рядов 27 10 17 7,8 7,9 7,7
Публикации, в которых моделируется управление запасами 4 0 4 1,2 0,0 1,8
Публикации, в которых модель системы есть линейные уравнения (неравенства) или дифференциальные уравнения 48 17 31 13,9 13,5 14,1
Всего 346 126 220 100,0 100,0 100,0
с
#хс
Примечание. В 9 публикациях выделенных инструментов обнаружено не было. Указанные публикации в таблице 1 не отражены.
№ 7 Мападег
2021 2с1гв^/оос1-1гвпеп1а
/Менеджер
здравоохранения
Таблица 2
типы задач управления, которые решались с помощью моделей
Количество публикаций Доля публикаций (%)
Тип задачи управления Весь период 20002010 г 20112020 г Весь период 20002010 г 20112020 г
Задачи диагностики 143 48 95 40,3% 44,0% 38,6%
Управление здравоохранением 67 17 50 18,9% 15,6% 20,3%
Прогнозирование заболеваемости 17 6 11 4,8% 5,5% 4,5%
Управление МО 35 7 28 9,9% 6,4% 11,4%
Прогноз исхода лечения 21 7 14 5,9% 6,4% 5,7%
Моделирование процесса диспансеризации, профилактики 3 1 2 0,8% 0,9% 0,8%
Исследовательская задача 45 17 28 12,7% 15,6% 11,4%
В публикации описываются общие вопросы управления с помощью моделей 24 6 18 6,8% 5,5% 7,3%
Всего 355 109 246 100,0% 100,0% 100,0%
анализировались нечеткие условия моделирования на -0,2% (с 23,8% до 23,6%). Снизилась доля публикаций, по темам построения моделей с использованием имитационного моделирования на -1,6% (с 7,9% до 6,4%), доля публикаций о моделях на основе временных рядов на -0,2% (с 7,9% до 7,7%). Также снизилась доля публикаций, в которых анализировались системы поддержки принятия решений на -1,1% (с 11,1% до 10,0%).
Все задачи управления можно группировать по типам задач управления, для решения которых строилась математическая модель (таблица 2).
Из таблицы 2 можно установить, что в четырех из десяти публикаций (40,3%) построенная математическая модель использовалась для диагностики заболеваний [8]. В 18,9% публикаций построенная модель использовалась для решения определенной задачи управления здравоохранением [9]. К задачам управления здравоохранением также можно отнести публикации, в которых построенная модель прогнозировала заболеваемость в регионе [10]. В 9,9% публикаций построенные модели использовались для решения задач управления МО [11]. Доля публикаций, в которых построенные модели использовались для прогнозирования исхода лечения, составили 5,9% [12]. К разделу исследовательских задач (их доля 12,7%) были отнесены публикации, в которых построенная модель не давала решения конкретной задачи управления, но позволяла установить важные особенности моделируемого явления в здравоохранении или медицине. Примером такой публикации служит статья (13). В 6,8% публикаций рассматривались общие вопросы управления
с помощью моделей [14]. Из таблицы 2 также можно установить, что возросла доля публикаций, в которых построенные модели использовались для решения задач управления МО с 6,4% (в 2000-2010 гг.) до 11,4% (в 2011-2020 гг.) и для решения задач управления на уровне региональной системы здравоохранения с 22,1% (в 2000-2010 гг.) до 24,8% (в 2011-2020 гг.). (К задачам управления здравоохранением были отнесены задачи прогнозирования заболеваемости). В таблице 2 отмечено, что в 143 публикациях построенные модели использовались для диагностики заболеваний. В таблице 3 приведены данные о том, для диагностики каких классов болезней использовались построенные математические модели.
Из таблицы 3 можно установить, что более всего математических моделей разрабатывалось для диагностики заболеваний, относящихся к классам «Болезни системы кровообращения» (30,1%) [15] и «Болезни мочеполовой системы» (21,7%) [16]. При этом доля публикаций, в которых модель использовалась для диагностики болезней системы кровообращения возросла с 20,8% (в 2000-2010 гг.) до 34,7% (в 2011-2020 гг.). Также возрос интерес к моделированию прогнозов болезней органов пищеварения с 6,3% (в 2000-2010 гг.) до 11,6% (в 2011-2020 гг.).
Существует еще один подход к оценке характеристик работ, посвященных применению математических моделей для решения задач управления. Данный подход совершенно не зависит от выборки анализируемых публикаций. В Национальной библиографической базе данных Российский индекс научного цитирования (РИНЦ) наряду
Менеджер
здравоохранения /
Мапедег № 7
гсЛ^адлэос/и-алегна 2021
Болезни (по классам мкБ), для диагностики которых были построены математические модели
Таблица 3
Количество публикаций Доля публикаций (%)
Задача управления Весь период 20002010 г 20112020 г Весь период 20002010 г 20112020 г
Инфекционные болезни 6 3 3 4,2% 6,3% 3,2%
Новообразования 3 3 0 2,1% 6,3% 0,0%
Болезни крови 1 0 1 0,7% 0,0% 1,1%
Болезни эндокринной системы 2 1 1 1,4% 2,1% 1,1%
Психические расстройства 2 1 1 1,4% 2,1% 1,1%
Болезни нервной системы 7 6 1 4,9% 12,5% 1,1%
Болезни глаза 7 3 4 4,9% 6,3% 4,2%
Болезни системы кровообращения 43 10 33 30,1% 20,8% 34,7%
Болезни органов дыхания 8 2 6 5,6% 4,2% 6,3%
Болезни органов пищеварения 14 3 11 9,8% 6,3% 11,6%
Болезни кожи 8 3 5 5,6% 6,3% 5,3%
Болезни костно-мышечной системы 5 2 3 3,5% 4,2% 3,2%
Болезни мочеполовой системы 31 10 21 21,7% 20,8% 22,1%
Беременность, роды 5 1 4 3,5% 2,1% 4,2%
Травмы, отравления 1 0 1 0,7% 0,0% 1,1%
Всего 143 48 95 100,0% 100,0% 100,0%
с объективным показателем научной значимости каждой публикации в виде числа цитирований научной работы другими авторами, также для оценки научной статьи имеются альтметрики - оценки уровня внимания к тематике научной работы и результатам, изложенным в ней. Среди имеющихся альтметрик можно выбрать число просмотров
публикации. Указанный показатель отражает «потенциальный интерес читателей» к тематике и результатам, изложенным в статье, поскольку это интерес, который может быть выражен читателем статьи далее, после осмысления результатов статьи. В таблице 4 приведены статистические показатели среднего значения и ошибки среднего
Таблица 4
оценки публикаций анализируемых типов задач управления на основе статистики оценок количества цитирования, количества просмотров и количества скачиваний статей
Количество публикаций с указанной тематикой Среднее (М±т)
Тип задач моделирования Количество цитирований Количество просмотров
Задачи диагностики 143 9,8±2,2 30,3±2,9
Управление здравоохранением 84 8,0±2,3 41,4±7,5
Управление МО 35 13,4±9,3 35,8±6,4
Прогноз исхода лечения 21 3,0±1,3 25,9±3,5
Моделирование процесса диспансеризации, профилактики 3 2,7±2,7 26,7±26,7
Исследовательская задача 45 19,9±10,1 50,4±24,6
В публикации описываются общие вопросы управления с помощью моделей 24 0,9±0,6 2,9±2,1
Примечание. Группы публикаций «Управление здравоохранением» и «Прогнозирование заболеваемости» объединены.
№ 7 Мападег
2021 2с1гв^/оос1-1гвпеп1а
/Менеджер
здравоохранения
значения (М±т) количества цитирования и количества просмотров публикаций.
Можно предположить, что статистики оценок количества цитирования и количества просмотров статей отличаются тем, что оценки количества цитирования отражают четкое понимание цитируемыми авторами назначения моделей, изложенных в цитируемой публикации, в то время как показатели количества просмотров характеризуют «потенциальный» интерес исследователей, который, по их предположению, может быть реализован позднее. В таблице 5, которая, по сути, является продолжением таблицы 4, показана динамика оценок статей, посвященных анализируемым типам задач моделирования.
Таблица 5 позволяет оценить статьи по степени значимости и степени приоритетности изложенного материала статьи в решении типов задач управления, которая имеется в настоящее время. Чем больше цитирований имеется для выделенного типа задач, тем интенсивнее разрабатываются задачи управления выделенного типа в анализируемый период. Наиболее интенсивно разрабатываются модели, решающие задачи по управлению МО (13,4±9,3 цитирований) и задачи диагностики (9,8±2,2 цитирований). Вместе с тем из таблицы 5 можно установить, что в настоящее время имеется недостаток хорошо формализованных задач управления. Именно поэтому ссылок на исследовательские задачи достаточно много (19,9±10,1 цитирований). Информация, содержащаяся в таблице 5, позволяет сделать прогноз на увеличение доли некоторых задач управления. Из таблицы 5, в частности, можно
установить, что среднее количество цитирований статей с задачами управления МО в 2000-2010 годы составляло 4,2±0,9, а в 2011-2020 году оно возросло до 15,3+11,3. Такая же тенденция наблюдается для задач управления здравоохранением. Среднее количество цитирований статей с задачами управления здравоохранением в 2000-2010 годы составляло 3,7+1,2, а в 2011-2020 году оно возросло до 9,7±3,2. При этом, несмотря на то, что, как отмечено ранее, в целом ссылок на исследовательские задачи достаточно много (19,9+10,1 цитирований), динамика количества ссылок начинает падать. Среднее количество цитирований статей исследовательскими задачами в 2000-2010 годы составляло 28,1+20,3, а в 2011-2020 году оно снизилось до 15,9+11,6. Как отмечалось выше, количество просмотров научной публикации выражает потенциальный интерес к тематике моделирования, который может быть реализован позднее. Количество просмотров публикаций по тематике использования математических моделей для управления здравоохранением возрос с 35,2+8,1 просмотров в 2000-2010 году, до 43,8+9,9 просмотров в 2011-2020 году. Количество просмотров публикаций по тематике использования математических моделей для управления МО снизилось с 52,8+25,3 просмотров в 2000-2010 году, до 32,3+5,8 просмотров в 2011-2020 году.
Определенную оценку состояния математического моделирования в решении задач управления может дать анализ публикаций по научным подразделениям, ученые которых создавали описанные выше математические модели. Научные подразделения далее
Таблица 5
оценки публикаций анализируемых типов задач управления на основе статистики оценок количества цитирования и количества просмотров статей
Количество публикаций по данному типу задач 2000- 2010 г 2011- 2020 г
Тип задач моделирования 20002010 г 20112020 г Количество цитирований (М±т) Количество просмотров (М±т) Количество цитирований (М±т) Количество просмотров (М±т)
Задачи диагностики 48 95 12,1+4,7 33,0+6,0 8,7+2,5 29,2+3,3
Управление здравоохранением 23 61 3,7+1,2 35,2+8,1 9,7+3,2 43,8+9,9
Управление МО 6 29 4,2+0,9 52,8+25,3 15,3+11,3 32,3+5,8
Прогноз исхода лечения 7 14 0,7+0,2 24,0+4,7 4,1+1,9 26,8+4,7
Моделирование процесса диспансеризации, профилактики 1 2 8 80 0 0
Исследовательская задача 17 28 28,1+20,3 96,3+67,8 15,9+11,6 26,0+7,1
В публикации описываются общие вопросы управления 6 18 0 0 1,2+0,8 3,8+2,8
с помощью моделей
Менеджер
здравоохранения /
Мападег № 7
гсЛ^адлэос/и-алегна 2021
называются как «ВУЗы страны». Однако среди организаций, сотрудники которых разрабатывают темы математического моделирования, есть организации, основной целью деятельности которых не является учебная и научная деятельность. Примером могут служить ООО «К-Скай» (г. Петрозаводск) или ГАУЗ «Детская городская клиническая больница» (г. Оренбург). Однако далее будем использовать термин «ВУЗы». Авторами 355 проанализированных научных публикаций по теме разработки математических моделей для решения задач управления было 545 человек из различных ВУЗов страны. В таблице 6 приведено распределение количества публикаций
на тему использования математических моделей для решения задач управления, опубликованных сотрудниками ВУЗа.
Более всего было 48,8% ВУЗов, из которых только один сотрудник опубликовал работу на тему использования математических моделей для решения задач управления. Достаточно много ВУЗов (40,3%), сотрудники которых опубликовали 2-3 статьи на тему использования математических моделей для решения задач управления. Среди всех ВУЗов можно выделить те, сотрудники которых сделали более 10 публикаций [17-21] на тему моделирования (таблица 7).
Таблица 6
распределение количества публикаций сотрудниками вуза, в которых разрабатывались математические модели для решения задач управления
Количество авторов из ВУЗа Процент ВУЗов с указанным числом авторов
1 48,8%
2 28,6%
3 11,7%
4 4,2%
5 1,4%
6 1,4%
7 0,7%
8 0,7%
9 0,7%
11 0,4%
12 0,4%
15 0,4%
19 0,4%
71 0,4%
Таблица 7
вузы, сотрудники которых в анализируемой выборке научных публикаций являлись авторами (соавторами) более 10 публикаций на тему использования математических моделей для решения задач управления
ВУЗ, сотрудники которого были авторами/соавторами более 10 работ по использованию математических моделей для решения задач управления в здравоохранении Количество авторов/соавторов
Юго-Западный государственный университет (Курск) 71
Первый Московский государственный медицинский университет им. И.М. Сеченова (Москва) 19
Ростовский государственный экономический университет (РИНХ) (Ростов-на-Дону) 15
Московский государственный университет им. М.В. Ломоносова (Москва) 12
Красноярский государственный медицинский университет им. проф. В.Ф. Войно-Ясенецкого (Красноярск) 11
№ 7 Мападег /Менеджер
2021 2с1гв\/оосЬгвпвп1в / здравоохранения
В таблице 8 выделены авторы, которые имели 10 и более публикаций [22-24] на тему использования математических моделей для решения задач управления.
В таблице 9 приведено распределение всех публикаций по числу авторов (соавторов), принимавших участие в подготовке публикации.
Из таблицы 9 можно установить, что в подготовке публикаций, в которых рассматривались вопросы разработки, применения и особенностей использования моделей для решения задач управления принимало участие до 10 человек, однако чаще всего (46,8%) авторами публикации были 1-2 человека. Большую роль в развитии математического моделирования для решения задач управления как важного направления повышения качества медицинского
обслуживания и эффективности работы медицинских организаций играют научные журналы. В таблице 10 приводятся данные распределения журналов по количеству опубликованных в журнале статей на тему использования математических моделей для решения задач управления (из анализируемой репрезентативной выборки статей).
Из таблицы 10 можно установить, что из 91 журнала, которые публиковали статьи на темы использования математических моделей для решения задач управления в здравоохранении и медицине, имеется 5 журналов, которые опубликовали 15 и более статей на указанные темы. Такими журналами являются «Врач и информационные технологии» (39 статей), «Известия Юго-Западного государственного университета» (19 статей), «Менеджер здравоохранения»
Таблица 8
Авторы, которые в анализируемой выборке имели 10 и более публикаций на тему использования математических моделей для решения задач управления
к#
J Авторы Количество публикаций, в которых был автором/соавтором ВУЗ
э Кореневский Н.А. 48 Юго-Западный государственный университет (Курск)
Серегин С.П. 28 Юго-Западный государственный университет (Курск)
Долженков С.Д. 12 Юго-Западный государственный университет (Курск)
Петров И.Б. 11 Московский физико-технический институт (национальный исследовательский университет) (Долгопрудный)
Стародубцева Л.В. 11 Юго-Западный государственный университет (Курск)
Петров С.В. 11 Юго-Западный государственный университет (Курск)
Коцарь А.Г. 10 Юго-Западный государственный университет (Курск)
Хрипина И.И. 10 Юго-Западный государственный университет (Курск)
Таблица 9
распределение статей по количеству авторов (соавторов), принимавших участие в ее подготовке
Количество авторов публикации Количество публикаций с указанным числом авторов Доля публикаций с указанным числом авторов (%)
1 83 23,4%
2 83 23,4%
3 75 21,1%
4 65 18,3%
5 26 7,3%
6 11 3,1%
7 7 2,0%
9 3 0,8%
10 2 0,6%
Всего 355 100,0%
Менеджер
здравоохранения /
Manager № 7
ZdrevoochreneniB 2021
Таблица 10
распределение журналов по количеству опубликованных в журнале статей на тему использования математических моделей для решения задач управления
(из репрезентативной выборки статей)
Количество статей в журнале Число журналов с указанным числом статей Доля журналов с указанным числом статей
1 47 51,6%
2 3 3,3%
3 18 19,8%
4 5 5,5%
5 2 2,2%
6 3 3,3%
7 1 1,1%
8 1 1,1%
10 1 1,1%
11 1 1,1%
14 4 4,4%
15 1 1,1%
17 1 1,1%
18 1 1,1%
19 1 1,1%
39 1 1,1%
Всего 91 100,0%
(18 статей), «Системный анализ и управление в биомедицинских системах» (17 статей) и «Математическое моделирование» (15 статей).
Выводы
1. Использование математических моделей для решения задач управления здравоохранением и МО является важным инструментом повышения эффективности управления, качества медицинского обслуживания и эффективности работы медицинских организаций.
2. Наблюдается рост публикаций по разработке математических моделей для решения задач управления здравоохранением и МО.
3. Имеется необходимость активизировать работу научных подразделений страны по созданию новых математических моделей для решения задач управления задачами МО.
4. Модели, использующие нечеткую логику и нечеткие данные, способны решать сложные задачи управления МО.
5. Наиболее перспективным математическим методом для создания новых математических моделей, используемых для решения задач управления МО, является метод нейронных сетей.
1. Форсайт Р. Экспертные системы. Принцип работы и примеры. Москва: Радио и связь, 1987. - 221 с.
2. Жукова О.В., Конышкина Т.М., Федосеев В.Б. Моделирование клинической эффективности лекарственных препаратов с использованием бета-распределения (на примере антибиотикотерапии острого обструктивного бронхита у детей). Антибиотики и химиотерапия. 2017; 62 (11-12): 39-42.
3. Зотова Л.Э., Краева М.Ю. Социально-психологическая диагностика окружающей среды: учебное пособие для высших учебных заведений. Москва: Издательский дом Академии Естествознания, 2016. -162 с.
№ 7 Мападег
2021 2с1гв^/оос1-1гвпеп1а
/Менеджер
здравоохранения
4. Боровиков В.П. Популярное введение в современный анализ данных в системе STATISTICA. Москва: Горячая линия. Телеком, 2013. - 288 с.
5. Серегин С.П., Кореневский H.A., Коцарь А.Г., Петров С.В., Долженков С.Д., Холименко И.М. и др. Математические модели на основе технологии синтеза гибридных нечетких решающих правил при ведении больных с мочекаменной болезнью. Медико-экологические информационные технологии 2018. Сборник научных статей по материалам XXI Международной научно-технической конференции. 2018; 166-174.
6. Кореневский H.A., Серебровкий В.И., Коптева H.A., Говорухина Т.Н. Прогнозирование и диагностика заболеваний, вызываемых вредными производственными и экологическими факторами на основе гетерогенных нечетких моделей. Курск: Издательство Курской государственной сельскохозяйственной академии, 2012. - 231 с.
7. Бокерия Л.А., Лищук В.А., Газизова Д.Ш., Горбач A.A., Сазыкина Л.В., Сокольская Н.О. Математическая модель регуляции сердечно-сосудистой системы, ориентированная на интенсивную терапию в кардиохирургии. // Клиническая физиология кровообращения. 2007; 3: 5-18.
8. Ефремов М.А., Кореневский Н.А., Родионов О.В., Филист С.А. Прогнозирование возникновения, ранняя и дифференциальная диагностика остеохондрозов поясничного отдела позвоночника на основе нечеткой логики принятия решений. // Системный анализ и управление в биомедицинских системах. 2006; 5 (4): 939-942.
9. Соколов Е.В., Самойлов Д.И. Экономико-математическая модель управления финансовым результатом работы структурных подразделений и поликлиники в целом. // Экономика и управление: проблемы, решения. 2015; 2 (8): 22-32.
10. Белецкая С.Ю., Коровин В.Н., Родионов О.В. Разработка прогностических моделей развития заболеваемости детей в городском административном районе на основе нейросетевых технологий. // Вестник Воронежского государственного технического университета. 2010; 6 (12): 201-205.
11. Чолоян С.Б., Павловская О.Г., Екимов А.К., Трикоменас Н.Н., Шеенкова М.В., Байгазина Е.Н. Современные подходы к построению эффективной модели профилактической работы с детьми. // Менеджер здравоохранения. 2020; 7: 17-26.
12. Долженков С.Д., Кореневский Н.А., Емельянов С.Г., Мешковский Д.В. Нечеткое прогнозирование послеоперационных осложнений у больных после трансуретральной резекции доброкачественной гиперплазии предстательной железы и выбор рациональных схем лечения. // Системный анализ и управление в биомедицинских системах. 2008; 7 (2): 294-298.
13. Шовин В.А. Факторное моделирование артериальной гипертензии на базе метода Верле. Междисциплинарные исследования в области математического моделирования и информатики. Материалы 7-й научно-практической Internet-конференции. 2016; 190-198.
14. Хубаев Г.Н., Щербаков С.М., Рванцов Ю.А. Инструментарий интеграции визуального и имитационного моделирования. // Вестник Донского государственного технического университета. 2011; 11 (7/58): 1035-1045.
15. Усков В.М., Усков М.В. Применение нейронного моделирования в диагностике и лечении осложнений инфаркта миокарда. // Вестник новых медицинских технологий. 2006; 13 (2): 18-20.
16. Кореневский Н.А., Сипливый Г.В., Родионов Д.С., Говорухина Т.Н., Дмитриева В.В. Математические модели дифференциальной диагностики форм пиелонефрита для экспертных систем врачей-урологов. // Медицинская техника. 2019; 6 (318): 48-50.
17. Лазурина Л.П., Кореневский Н.А., Шехине М.Т., Гаврилов И.Л. Нечеткие математические модели прогнозирования и диагностики заболеваний желудочно-кишечного тракта по микроэлементному статусу. Курск: Закрытое акционерное общество «Университетская книга», 2020. - 141 с.
18. Вартанян Э.А., Заргарова А.Э., Шестаков Г.С., Нечаев B.C. Разработка структурно-функциональной модели мониторинга состояния репродуктивного здоровья женщин с диагнозом привычное невынашивание. // Социальные аспекты здоровья населения. 2018; 6 (64): 10.
19. Щербаков С.М., Теплякова Е.Д., Румянцев С.А., Василенок А.В. Имитационное моделирование в задачах управления медицинской организацией амбулаторного типа. // Социальные аспекты здоровья населения. 2017; 56 (4).
20. Абакумов М.В., Ашметков И.В., Есикова Н.Б., Кошелев В.Б., Мухин С.И., Соснин Н.В. И др. Методика математического моделирования сердечно-сосудистой системы. // Математическое моделирование. 2000; 12 (2): 106-117.
21. Курбанисмаилов Р.Б., Наркевич А.Н., Виноградов К.А., Кобаненко В.О. Прогнозирование неблагоприятных исходов беременности и родов по данным перинатального мониторинга в Красноярском крае. // Современные проблемы здравоохранения и медицинской статистики. 2019; 4: 221-234.
22. Петров И.Б. Математическое моделирование в медицине и биологии на основе моделей механики сплошных сред. Труды МФТИ. 2009; 1 (1): 5-16.
23. Поляков А.В., Родионова С.Н., Корук Н.Л., Стародубцева Л.В. Диагностика ранних стадий когнитивных нарушений внимания на основе гибридных нечетких решающих правил. // Моделирование, оптимизация, информационные технологии. 2019; 7 (4).
24. Кореневский Н.А., Быков A.B., Хрипина И.И., Пархоменко С.А., Гривачев Е.А. Использование технологии мягких вычислений для ведения больных с хроническими облитерирующими заболеваниями артерий нижних конечностей. Физика и радиоэлектроника в медицине и экологии. Труды XIII Международной научной конференции с научной молодежной школой имени И.Н. Спиридонова. 2018; 336-338.
Менеджер
здравоохранения /
Manager № 7
ZdrevoochreneniB 202 1
REFERENCES
1. Foresight R. Expert systems. How it works and examples. Moskva: Radio i svyaz, 1987. - 221 p.
2. Zhukova O. V, Konyshkina T.M., Fedoseev V.B. Modeling of the clinical effectiveness of drugs using betadistribution (on the example of antibiotic therapy of acute obstructive bronchitis in children). Antibiotiki i himioterapiya. 2017; 62 (11-12): P. 39-42.
3. Zotova L.E., Kraeva M.Yu. Socio-psychological diagnostics of the environment: a textbook for higher educational institutions. Moskva: Izdatel'skij dom Akademii Estestvoznaniya, 2016. - 162 p.
4. Borovikov V.P. Popular introduction to modern data analysis in the STATISTICA system. Moskva: Goryachaya liniya. Telekom, 2013. 288 p.
5. Seregin S.P., Korenevsky N.A., Kotsar A.G., Petrov S. V, Dolzhenkov S.D., Kholimenko I.M. et al. Mathematical models based on the technology of synthesis of hybrid fuzzy decision rules in the management of patients with urolithiasis. Mediko-ekologicheskie informacionnye tekhnologii 2018. Sbornik nauchnyh statej po materialam XXI Mezhdunarodnoj nauchno-tekhnicheskoj konferencii. 2018; P. 166-174.
6. Korenevsky N.A., Serebrovsky V.I, Kopteva N.A., Govorukhina T.N. Forecasting and diagnostics of diseases caused by harmful industrial and environmental factors on the basis of heterogeneous fuzzy models. Kursk: Izdatel'stvo Kurskoj gosudarstvennoj sel'skohozyajstvennoj akademii, 2012. - 231 p.
7. Bokeria L.A., Lischuk V.A, Gazizova D.Sh, Gorbach A.A., Sazykina L.V, Sokolskaya N.O. Mathematical model of regulation of the cardiovascular system, focused on intensive therapy in cardiac surgery. // Klinicheskaya fiziologiya krovoobrashcheniya. 2007; 3: P. 5-18.
8. Efremov M.A., Korenevsky N.A., Rodionov O.V., Filist S.A. Prediction of occurrence, early and differential diagnosis of osteochondrosis of the lumbar spine on the basis of fuzzy decision-making logic. // Sistemnyj analiz i upravlenie v biomedicinskih sistemah. 2006; 5 (4): P. 939-942.
9. Sokolov E.V., Samoilov D.¡. Economic and mathematical model of financial result management of structural divisions and polyclinics as a whole. // Ekonomika i upravlenie: problemy, resheniya. 2015; 2 (8): P. 22-32.
10. Beletskaya S. Yu, Korovin V.N, Rodionov O.V. Development of prognostic models for the development of morbidity in children in the urban administrative district based on neural network technologies. // Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta. 2010; 6 (12): P. 201-205.
11. Choloyan S.B., Pavlovskaya O.G, Ekimov A.K., Trikomenas N.N., Sheenkova M.V, Baigazina E.N. Modern approaches to building an effective model of preventive work with children. // Menedzher zdravoohraneniya. 2020; 7: P. 17-26.
12. Dolzhenkov S.D., Korenevsky N.A., Emelyanov S.G., Meshkovsky D.V. Fuzzy prediction of postoperative complications in patients after transurethral resection of benign prostatic hyperplasia and the choice of rational treatment regimens. // Sistemnyj analiz i upravlenie v biomedicinskih sistemah. 2008; 7 (2): P. 294-298.
13. Shovin V.A. Factor modeling of arterial hypertension based on the Werle method. Mezhdisciplinarnye issledovaniya v oblasti matematicheskogo modelirovaniya i informatiki. Materialy 7-j nauchno-prakticheskoj Internet-konferencii. 2016; P. 190-198.
14. Khubaev G.N., Shcherbakov S.M., Rvantsov Yu.A. Tools for integrating visual and simulation modeling. // Vestnik Donskogo gosudarstvennogo tekhnicheskogo universiteta. 2011; 11 (7/58): P 1035-1045.
15. Uskov V.M., Uskov M.V. Application of neural modeling in the diagnosis and treatment of complications of myocardial infarction. // Vestnik novyh medicinskih tekhnologij. 2006; 13 (2): P. 18-20.
16. Korenevsky N.A., Syplivy G.V, Rodionov D.S., Govorukhina T.N, Dmitrieva V.V. Mathematical models of differential diagnosis of pyelonephritis forms for expert systems of urologists. // Medicinskaya tekhnika. 2019; 6 (318): P. 48-50.
17. Lazurina L.P., Korenevsky N.A., Shekhine M.T, Gavrilov ¡.L. Fuzzy mathematical models for predicting and diagnosing diseases of the gastrointestinal tract by trace element status. Kursk: Zakrytoe akcionernoe obshchestvo «Universitetskaya kniga», 2020. - 141 p.
18. Vartanyan E.A., Zargarova A.E, Shestakov G.S., Nechaev VS. Development of a structural and functional model for monitoring the state of reproductive health of women diagnosed with habitual miscarriage. // Social'nye aspekty zdorov'ya naseleniya. 2018; 6 (64): P. 10.
19. Shcherbakov S.M., Teplyakova E.D., Rumyantsev S.A., Vasilenok A.V. Simulation modeling in problems of management of an outpatient medical organization. // Social'nye aspekty zdorov'ya naseleniya. 2017; 56 (4).
20. Abakumov M.V., Ashmetkov I.V, Esikova N.B., Koshelev V.B, Mukhin S.I, Sosnin N.V. et al. Methods of mathematical modeling of the cardiovascular system. // Matematicheskoe modelirovanie. 2000; 12 (2): P. 106-117.
21. Kurbanismailov R.B., Narkevich A.N., Vinogradov K.A., Kobanenko V.O. Forecasting of unfavorable outcomes of pregnancy and childbirth according to perinatal monitoring data in the Krasnoyarsk Territory. // Sovremennye problemy zdravoohraneniya i medicinskoj statistiki. 2019; 4: P. 221-234.
22. Petrov I.B. Mathematical modeling in medicine and biology based on models of continuum mechanics. Trudy MFTI. 2009; 1 (1): P. 5-16.
23. Polyakov A.V., Rodionova S.N, Koruk N.L., Starodubtseva L.V. Diagnostics of early stages of cognitive attention disorders based on hybrid fuzzy decision rules. // Modelirovanie, optimizaciya, informacionnye tekhnologii. 2019; 7 (4).
•КС
№ 7 Manager
2021 Zdravoochranania
/Менеджер
здравоохранения
24. Korenevsky N.A., Bykov A.V., Khripina I.I., Parkhomenko S.A., Grivachev E.A. The use of soft computing technology for the management of patients with chronic obliterating diseases of the arteries of the lower extremities. Fizika i radioelektronika v medicine i ekologii. Trudy XIII Mezhdunarodnoj nauchnoj konferencii s nauchnoj molodezhnoj shkoloj imeni I.N. Spiridonova. 2018; P. 336-338.
ИНФОРМАЦИЯ ОБ АВТОРАХ / ABOUT THE AUTHORS
Чолоян Салим Бахшоевич - д-р мед. наук, главный врач ГАУЗ «Детская областная клиническая больница», г. Оренбург, Россия.
Salim B. Choloyan - D.Sc. (Medicine), Head of the Regional Children's Clinical Hospital, Orenburg, Russia. E-mail: sb433@mail.ru
Екимов Александр Кузьмич - программист отдела АСУ, ГАУЗ «Детская областная клиническая больница», г. Оренбург, Россия.
Aleksandr K. Ekimov - programmer of the Automated Control System Department, Regional Children's Clinical Hospital,
Orenburg, Russia.
E-mail: ekimov_ak@mail.ru
Байгазина Елена Николаевна - программист отдела АСУ, ГАУЗ «Детская областная клиническая больница», г. Оренбург, Россия.
Elena N. Bajgazina - programmer of the Automated Control System Department, Regional Children's Clinical Hospital,
Orenburg, Russia.
E-mail: elena311075@maii.ru
Молодцов Никита Сергеевич - главный врач ГАУЗ «Городская больница 5», г. Орск, Россия. Nikita S. Molodcov - Head of the City Hospital № 5, Orsk, Russia. E-mail: nsmolodtsov@mail.ru
Калинина Екатерина Алексеевна - канд. мед. наук, доцент кафедры общественного здоровья и здравоохранения № 1, ФГБОУ ВО «Оренбургский государственный медицинский университет» Министерства здравоохранения Российской Федерации, г. Оренбург, Россия.
Ekaterina A. Kalinina - C. Sc. (Medicine), Associate Professor of the Department of Public Health and Public Health № 1, Orenburg State Medical University, Orenburg, Russia. E-mail: kalina1957@yandex.ru
Поснов Алексей Алексеевич - заведующий приемным отделением, ГАУЗ «Детская областная клиническая больница», г. Оренбург, Россия.
Aleksej A. Posnov - Head of the hospital's emergency department Regional Children's Clinical Hospital, Orenburg, Russia. E-mail: a.a.posnov@mail.ru
Здравоохранение-2021
МИНЗДРАВ России Позволил ПАЦИЕНТАМ ИСПОЛЬЗОВАТЬ ПРИОБРЕТЕННЫЕ ФОНДАМИ ПРЕПАРАТЫ В СТАЦИОНАРАХ
Минздрав России внес изменения в Правила ОМС, допустив использование медорганизациями лекарств, предоставленных пациентом или иной организацией, действующей в его интересах, из иных источников финансирования. Приказ № 696н от 01.07.2021 опубликован на портале publication.pravo.gov.ru.
Изменения коснулись приказов министерства № 108н и № 231н, из обоих документов исключены слова «и/или использование медицинской организацией лекарственных препаратов, предоставленных пациентом или иной организацией, действующей в интересах пациента, из иных источников финансирования (за исключением оказания медицинской помощи в амбулаторных условиях) ».
Внесенные изменения позволят пациентам использовать в стационарах личные препараты, а также лекарства, переданные благотворительными фондами. Ранее медорганизациям грозили штрафы за использование средств помимо аптеки учреждений.
Источник: publication.pravo.gov.ru.
