Методы формализации информации для принятия решений при управлении поликлиническим регионом Текст научной статьи по специальности «Экономика и бизнес»

УДК 681.3

МЕТОДЫ ФОРМАЛИЗАЦИИ ИНФОРМАЦИИ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ПОЛИКЛИНИЧЕСКИМ РЕГИОНОМ

Е.Л. Заславский, Е.Н. Коровин, О.В. Родионов, Н.Г. Сапожникова, А.В. Фролова

В статье рассматриваются методы оценки комфортности проживания населения, риска заболеваемости и обращаемости населения в амбулаторно-поликлиническом регионе

Ключевые слова: управление, поликлинический регион

При управлении амбулаторно-

поликлиническим регионом необходимо учитывать комфортность проживания, экологическое состояние окружающей среды, риск заболеваемости, динамику и тенденции развития заболеваемости и уровень обращаемости населения по сезонности по каждой территориальной единице для принятия опережающих лечебно-профилактических мероприятий на основе целевой программы с учетом ресурсного обеспечения [1, 2].

Комфортность проживания населения на административной территории является комплексным показателем, включающим в себя уровень заболеваемости и экологические оценки. Если показатели заболеваемости ежегодно определяются в системе медстатистики, то экологические показатели по территориям региона в большинстве случаев отсутствуют. Поэтому в условиях неполной априорной информации появляется информация, получаемая от экспертов. При этом для обработки экспертной информации применяется метод априорного ранжирования, так как отсутствуют количественные показатели комфортности проживания.

Метод априорного ранжирования, использующий экспертную информацию и не требующий, в отличие от дисперсионного анализа и метода случайного баланса, постановки эксперимента на объекте. Метод априорного ранжирования позволяет объективно оценить субъективное мнение специалистов (экспертов), так как при большом числе факторов мнения экспертов о степени влияния того или иного фактора могут расходиться [3].

В результате ранжирования переменных по степени убывания или возрастания их влияния каждой переменной присваивается определенный ранг. Для большей наглядности полученные результаты представляются на гистограмме ранжирования. Если распределение неравномерное и убывание влияния пере-

Заславский Евгений Леонидович - ВГТУ, канд. техн. наук, доцент, тел. (4732) 46-76-99

Коровин Евгений Николаевич - ВГТУ, д-р техн. наук, профессор, тел. (4732) 46-76-99

Родионов Олег Валерьевич - ВГТУ, д-р техн. наук, профессор, тел. (4732) 46-76-99

Сапожникова Наталия Георгиевна - Елецкая ЦРБ, д-р мед. наук, тел. (4732) 46-76-99

Фролова Алла Владимировна - ВГТУ, канд. техн. наук, доцент, тел. (4732) 46-76-99

менных немонотонное, можно произвести выделение наиболее существенных переменных (факторов) [3].

Например, для оценки комфортности проживания населения административного района (Елецкого района) по его территориальным единицам при сборе априорной информации, основанной на опыте, интуиции и знании специалистов (врачей-экспертов), семи экспертам (т=7), имеющим стаж практической работы в системе здравоохранения района от 3 до 45 лет, было предложено заполнить анкеты, в которых необходимо было оценить комфортность проживания по 13 территориальным единицам муниципального района (врачебным участкам ЦРБ) (п=13) в зависимости от уровня комфортности проживания по степени ее убывания. В результате ранжирования эксперт присваивал определенные ранги территориальным единицам для оценки их комфортности. По совокупности мнений экспертов была сформирована матрица ранжирования.

По результатам априорного ранжирования было получено значение коэффициента конкордации W=0,705, а затем определена величина %2рас = 59,22 для оценки значимости коэффициента конкордации. Так как расчетное значение критерия Пирсона %2рас = 59,22 оказалось больше критического (табличного) %2кр = 21,026 при числе степеней свободы f = п-1 = 12 и уровне значимости q = 5 %, то гипотеза о согласованности экспертов была принята, а по обобщенной сумме рангов были определены ранги территориальных единиц, а результаты ранжирования представлены на гистограмме (рис. 1).

Так как распределение (рис. 1) неравномерное, то разделим все территориальные единицы на 3 группы.

К группе I отнесем наиболее благополучные по комфорту проживания участки (территориальные единицы муниципального района): Ключ жизни; М. Боевский, Федоровский; Н. Воргольский; Архангельский; Волчанский; Елецкий.

К группе II (средняя комфортность проживания) относятся участки: Воронецкий; Колосовский, Черкасский; Пищулинский; Б. Извальский.

К группе III (с низким уровнем комфортности) отнесены следующие участки: Голиковский, Сокольский; Лавский и Казацкий.

Так как эксперты, естественно, связывали в своих оценках комфортность проживания с уровнем заболеваемости, то имеет место сравнить полученные результаты ранжирования с данными медицин

ской статистики, которые показали достаточно высокую корреляцию (Я = 0,67).

^ау

90.00

80.00

70.00

60.00

50.00

40.00

30.00

20.00 10,00

0,0 0

34,5037,50

25,50 26,50

34,00

15,00

II

54,50

55,00 56,00

59,50

III

84,00

88,00

71,50

4 9 12 3 7 2 1 11 6 5 13 8 10

Рис. 1. Гистограмма ранжирования

Одним из важных аспектов эффективной работы региональной системы здравоохранения является научная поддержками обоснования методов прогнозирования развития медико-экологической ситуации. Проводимые, в последнее время исследования показали важность изучения взаимодействия между медицинскими и экологическими показателями, реализуемого методами статистического анализа. Результатом таких исследований является выделение и оценка экологических факторов риска, построение моделей, описывающих динамику уровней заболеваемости. Полученные модели позволяют делать прогнозные оценки медицинских и экологических показателей, которые используются при решении задач, связанных с принятием управленческих решений, направленных на нормализацию медико-

экологической ситуации в регионе.

Оценка риска здоровья человека, который обусловливается загрязнением окружающей среды, является в настоящее время одной из важнейших медико-экологических проблем, решение которой потребовало создания информационного фонда медико-экологического мониторинга в виде автоматизированных БД, разработки концептуальной модели исследуемой предметной области, определяющей перечень необходимых показателей и структуру информационных потоков с указанием взаимосвязей между ними [4].

При исследовании статистического взаимодействия показателей техногенного прессинга на окружающую среду и уровня заболеваемости населения региона необходимо преобразовать данные медико -экологического мониторинга с целью выделения интересующих нас наиболее информативных групп показателей. Преобразование осуществляется в несколько этапов. На первом этапе выделяются дан-

ные по заболеваемости населения по исследуемым нозологическим формам. На основе отобранных экологических показателей формируется индекс комфортности проживания для каждой территориальной единицы (рис. 2). Его структура расширяется за счет добавления медицинских показателей (как показателей уровня заболеваемости, так и организационных показателей здравоохранения). Затем возможно добавление дополнительных показателей комфортности проживания (экономических, социальных и т.д.). Кроме этого, структура индекса комфортности может включать различный временной интервал [1, 4].

Для сравнения показателей, измеряемых в разных шкалах, производится их нормировка [4]:

* Норм = (^ - X )/а . (1)

Формируется медицинский КМ и экологический к? индексы комфортности территориальных

единиц региона, интерпретируемые как интегральные оценки медико-экологической ситуации относительно выбранных временного интервала и нозологических форм. Формирование индексов комфортности осуществляется по каждому из рассматриваемых нозологических показателей за интересующий временной интервал, а затем осуществляется свертка:

КМ =ТТКМ / л,

7 =1 1=1

К? =ТТкЦ / ьт

(2)

(3)

где I = 1,1; 7 = 1,./; £ = 1, Т; I = 1, Ь, I - количество территориальных единиц (районов); Т - рассматриваемый временной интервал; I и Ь - количество рас-

I

1=1 г=\

сматриваемых нозологических форм и экологических показателей соответственно.

Фрагмент исследования (2), (3) по территориальным единицам района представлен в табл. 1.

Рис. 2. Структура индекса комфортности проживания

Таблица 1

Номер района км к Э

1 0,32 0,55

2 0,85 0,64

32 0,39 0,68

Проведенное исследование дает возможность оценить интегральный показатель общей заболеваемости и позволяет выявить группы районов с низкой, средней и повышенной комфортностью проживания относительно медико-экологического состояния региона.

Формирование оптимального плана работы амбулаторно-поликлинического учреждения предполагает учет множества факторов, характеризующих как текущее состояние обслуживания населения, так и прогнозы его развития. С этой целью предлагается использование уровней «риска» заболеваемости. Уровень риска представляет собой экспертную оценку вероятности заболевания на различных участках обслуживаемой медицинским учреждением территории.

Методика формирования оптимального плана состоит из трех этапов: определения уровней риска и проведение экспертного анализа заболеваемости на участках с последующей обработкой полученных данных методом априорного ранжирования, построения критерия оптимизации, решения оптими-

зационной модели с целью получения оптимального плана работы [5].

Применение указанной выше методики к организации работы амбулаторно-поликлинического учреждения, обслуживающего несколько участков Елецкого района Липецкой области выявило ряд особенностей, требующих её модификации:

неоднородность структуры населения одного участка, приводящая к различной структуре заболеваемости в разных социальных группах;

близкая по структуре заболеваемость в разных участках среди лиц одной социальной группы;

относительно низкий охват населения специализированным медицинским обслуживанием.

Для учета указанных особенностей было предложено применять методику для каждой группы населения с последующей агрегацией оптимальных планов.

Для построения модели требовались следующие статистические показатели: количество врачебных участков, количество основных групп заболеваний, распределение уровней риска по каждой

группе заболеваний по каждому участку, обращаемость населения.

Район, обслуживаемый медицинским учреждением, разбит на 9 участков. По результатам экспертного оценивания было выделено 4 основные группы заболеваний: заболевания бронхо-легочной системы, сердечно-сосудистой системы, желудочнокишечного тракта и заболевания костно-мышечной системы, составляющие основную массу первично выявленной заболеваемости взрослого населения. После этого было проведено экспертное оценивание уровней риска заболеваемости по каждой группе заболеваний по всем участкам. Результат экспертного оценивания был обработан методом априорного ранжирования, после чего были рассчитаны весовые коэффициенты Ру (табл. 2-5).

Календарный период для оптимизации плана был выбран равным одному году. Обращаемость населения по указанным видам медицинского об-

служивания за прошлый календарный период представлена в табл. 6.

Нормы времени на медицинское обслуживание составляют ti = t2 = t3 = U = 0,2 ч. Гарантированный фонд времени Т для участков равен: участок I -4095 ч, участок 2 - 1365 ч, участок 3 - 1365 ч, участок 4-1365 ч, участок 5 - 1365 ч, участок 6- 1365 ч, участок 7- 1365 ч, участок 8- 1365 ч, участок 9 -6825 ч.

Полученные данные использовались для построения оптимизационной модели. Полученная оптимизационная задача размерностью 9 х 4 была решена с использованием инструмента поиска решений, входящего в состав электронной таблицы Microsoft Excel 2000. В результате решения был получен оптимальный годовой план работы, представленный в табл. 7.

Ранги уровней риска и высокие коэффициенты по первому виду заболеваний

Таблица 2

Номера участков

l 2 3 4 5 6 7 8 9

ri 29 40 29 35 11 68 36 62 50

ßl 0.08 0.11 0.08 0.10 0.03 0.19 0.10 0.17 0.14

Таблица 3

Ранги уровней риска и высокие коэффициенты по второму виду заболеваний________________

Номера участков

1 2 3 4 5 6 7 8 9

Г2 53 17 16 33 48 8 57 43 38

ß2 0,31 0,09 0,08 0,17 0,25 0,04 0,15 0,21 0,19

Таблица 4

Ранги уровней риска и высокие коэффициенты по третьему виду заболеваний________________

Номера участков

1 2 3 4 5 6 8 7 9

Г3 44 61 16 25 15 40 40 70 49

ß3 0,12 0,17 0,04 0,07 0,04 0,11 0,11 0,20 0,14

Таблица 5

Ранги уровней риска и высокие коэффициенты по четвертому виду заболеваний________________

Номера участков

1 2 3 4 5 6 7 8 9

Г4 56 56 14 55 29 48 32 20 50

ß4 0,16 0,15 0,04 0,15 0,08 0,13 0,09 0,06 0,14

Таблица 6

Обращаемость населения по различным видам медицинского обслуживания

Показатель Номера участков

1 2 3 4 5 6 7 8 9

Х1 651 274 89 272 253 60 309 44 2824

Х2 427 362 33 164 110 40 320 26 1540

Хэ 106 44 34 61 87 16 89 35 659

Х4 197 57 12 80 73 13 62 9 1913

Таблица 7

Прогнозирование обращаемости населения по различным видам _________________медицинского обслуживания_______________________________________

Показатель Номера участков

1 2 3 4 5 6 7 8 9

* хх 770 370 121 195 230 97 362 63 2554

* Х2 427 362 33 164 110 40 320 26 1540

* Х3 106 44 34 61 87 16 89 35 659

* Х4 197 57 12 80 73 13 62 9 1913

На основе полученных данных проводится планирование мероприятий по снижению заболеваемости на различных участках с учетом изменения экологической обстановки и социальных условий на врачебных участках, улучшения диспансерной профилактической работы.

В современных условиях лечебнопрофилактические учреждения (поликлиники, врачебные участки) полностью или частично функционируют на компенсационной основе в условиях рыночных отношений, что требует гибкого изменения их структуры. Следовательно, надо располагать оценками обращаемости населения за медицинской помощью, а для оценки сезонности обращения тенденцией изменения и формирования модели текущих приоритетов видов обслуживания привлекать методы прогнозирования ситуации на основе ретроспективной информации о динамике обращаемости.

Для решения оценки сезонной стабильности используется микродинамика обращаемости в течение года по месяцам, которая отражает сезонный характер (рис. 3).

В том случае, если сезонные изменения по годам имеют стабильный характер, то в соответствии

Количество

лиц

с усредненной за несколько лет динамической характеристикой можно регулировать пропускную способность по любому виду медицинского обслуживания.

Для оценки стабильности предлагается использовать полиномиальные прогностические модели

х I (/) = ф(а0,а1за2, /), (4)

где х1 - интенсивность обращения (количество лиц в месяц) по 1-му виду обслуживания; 1- номер месяца; ф(-) - функциональная зависимость от 1, выраженная

аналитически; а 0, а15 а 2 - параметры функции ф.

Определение параметров (4) по динамической характеристике типа (рис. 3) целесообразно осуществлять методом экспоненциального сглаживания. При этом строится одна из двух прогностических моделей:

линейная

Д = а0 + а^ (5)

или квадратичная

Д = а 0 + ахХ + а 2 /2. (6)

Для линейной и квадратичной модели вычисляются дисперсии ошибки предсказания: линейная модель

Д(Д) = ^ 7) [1 + 6в + 5Р1 + 2/(1 + 3р)т + 2у1т1 ]),(7)

квадратичная модель

П(Л) = (2у + 3/ + 3/ т2)Б(є).

(8)

где у - постоянная сглаживания, 0 < у < 1; р = 1 - у; т - количество интервалов от последнего наблюдаемого значения Д до предсказываемого значения Д+т (предлагается принимать 1 = 8, 1 + т = 12, т = 4); Б(е) -величина дисперсии шума. В зависимости от того, для какой модели значение Б (Д) минимально, та модель используется в качестве прогностической.

Прогностическая модель (5) или (6) строится по двум соседним годам и определяется по формулам (7) и (8), Б1 - для первого года и Б2 - для второго года.

Сравнение дисперсий осуществляется по критерию Фишера для числа степеней свободы (1 + т -1). Расчетное число критерия

А(Д)

¥р Ъ2(Л)

(9)

По числу степеней свободы для уровня значимости q из таблицы определяется Б табл. Если < Б табл., будем считать, что сезонные изменения интенсивности обращения являются стабильными, и их можно использовать для формирования рациональной структуры поликлиники. В противном случае необходимо выбрать рациональный запас по пропускной способности, компенсирующий сезонный характер по годам.

Помимо сезонной стабильности необходимо прогнозировать тенденции изменения макродина-мических характеристик обращаемости населения по 1-му виду медицинского обслуживания. Макродинамика медицинской системы проявляется в суммарных значениях показателей. В данном случае сглаживание сезонных колебаний происходит при суммировании по кварталам. На рис. 4 показано изменение количества лиц декретированной группы,

прошедших медицинский осмотр врачами специалистами, по кварталам [6].

Для выявления тенденции изменения обращаемости в сторону увеличения или уменьшения на основании квартальных данных по интенсивностям Д. (?), г = 1,1 будем использовать линейную прогностическую модель (5), поскольку коэффициент а1 характеризует степень изменения Д (?) .

Полученные оценки тенденции изменения обращаемости а1г, г = 1,1 используются при формировании модели приоритетов видов обслуживания.

Априорное ранжирование видов медицинского обслуживания на основе экспертной информации позволяет нам получить ранговые оценки

bi, г = 1,1. Формализованная экспертная информация должна быть верифицирована и скорректирована в соответствии с текущими статистическими данными и оценками тенденции изменения обращаемости а1г, г = 1,1.

С этой целью используем аддитивный обобщенный показатель приведенного дохода поликлинического учреждения, функционирующего на компенсационной основе [1]:

И(і) = 1а гёгЛг (0

(10)

где а1. = 1,1 - весовые коэффициенты, характеризующие приоритетность видов медицинского об-

I

служивания, 0 <а < 1,= 1; 4 - средний

1=1

удельный доход от обслуживания одного пациента. Определение весовых коэффициентов осуществляется на основе ранговых оценок bi, г = 1, I:

Ь г

а = -

(11)

і=1

1=1

Количество

лиц

Для показателя (10) строится линейная прогностическая модель (5) и вычисляется коэффициент

а1 . Если этот коэффициент отрицательный, то требуется существенная реструктуризация медицинского учреждения. В случае а1 > 0 имеется возможность скорректировать весовые коэффициенты (11), полученные в модели приоритетов на основе экспертной информации. По ранговым

оценкам Ь1 вычисляются скорректированные оценки значимости видов медицинского обслуживания С1 :

Сг = Ь + 5а\ац , (12)

где е - нормализующий коэффициент, который подбирается эмпирически. Величины (12) используются для определения скорректированных значений

сі

I сі

(13)

Весовые коэффициенты (13) используются для последующего рационального выбора управленческих решений по гибкому изменению структуры медицинского обслуживания в поликлинике.

Структурная схема определения оценок функционирования поликлиники по прогностическим моделям и их использования для принятия управленческих решений показана на рис. 5.

Данные, полученные в результате анализа и прогнозирования, далее используются в процедуре распределения ресурсов как между структурными подразделениями ЛПУ, так и в системе здравоохранения муниципального района.

а, =

і=1

Рис. 5. Структурная схема прогнозирования обращаемости населения

Литература

1. Федорков Е.Д. Моделирование и оптимизация дуальных динамических объектов в медицине. Воронеж: Изд-во ВГТУ, 1997. 112 с.

2. Дмитренко М.А., Сапожникова Н.Г., Шамардина Е.Н. Управление медицинским обслуживанием населения в современных условиях // Высокие технологии в технике, медицине, экономике и образовании: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2007. С. 142-144.

3. Фролов М.В. Интеллектуализация процессов диагностики и рационального лечения в гинекологии. Воронеж: ВГТУ, 2009. 149 с.

4. Оценка комфортности проживания и участков риска заболеваемости / Е.Н. Коровин, О.В. Ро-

дионов, Н.Г. Сапожникова, А.В. Фролова // Интеллектуальные информационные системы: труды Все-рос. конф. Воронеж, 2002. С. 30-31.

5. Подорожко С.Л., Сапожникова Н.Г., Фролов В.Н. Метод оценки и прогнозирования обращаемости населения в лечебно-профилактические учреждения // Управление в социальных и экономических системах: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2001. Ч.1. С. 10-15.

6. Заславский Е.Л., Сапожникова Н.Г., Фролов М.В. Прогнозирование объема обслуживания территориального медицинского учреждения поликлинического типа // Интеллектуальные информационные системы: труды Всерос. конф. Воронеж,2002. С. 4-5.

Воронежский государственный технический университет Елецкая центральная районная больница

METHODS OF FORMALIZATION OF THE INFORMATION FOR DECISION-MAKING AT MANAGEMENT OF POLYCLINIC REGION

E.L. Zaslavsky, E.N. Korovin, O.V. Rodionov, N.G. Sapozhnikova, A.V. Frolova

In clause methods of an estimation of comfort of residing of the population, risk of desease and visits the population in out-patient-polyclinic region are considered

Key words: management, polyclinic region