CC BY
19
COVID-19
© КОЛЛЕКТИВ АВТОРОВ, 2021 УДК 614.2
Орлов С. А.''2,Хальфин Р. А.1, Александрова О. Ю.2, Столбов А. П.1
РЕСУРСНОЕ ОБЕСПЕЧЕНИЕ МЕДИЦИНСКИХ ОРГАНИЗАЦИЙ, ОКАЗЫВАЮЩИХ МЕДИЦИНСКУЮ ПОМОЩЬ В УСЛОВИЯХ КРУГЛОСУТОЧНОГО СТАЦИОНАРА ПРИ НОВОЙ КОРОНАВИРУСНОЙ ИНФЕКЦИИ COVID-19
'ФГАОУ ВО «Первый Московский государственный медицинский университет имени И. М. Сеченова» Минздрава России (Сеченовский
Университет), '09004, г. Москва;
2ФГБНУ «Национальный научно-исследовательский институт общественного здоровья имени Н. А. Семашко» Минобрнауки России, '05064,
г. Москва
На основе использования современных информационно-аналитических систем представлены последовательные этапы анализа и оценки показателей ресурсного обеспечения медицинских организаций и технологического процесса оказания медицинской помощи, в соответствии с которыми могут быть выявлены определенные закономерности течения заболевания в различных половозрастных группах с учетом клинических проявлений и результатов инструментально-диагностических исследований, установлена зависимость результатов и исходов лечения от набора и качества используемых ресурсов медицинских организаций, а также рассчитаны прогнозные показатели деятельности медицинской организации при различных вариантах формирования потоков пациентов, соотнесенных с уровнем госпитализации.
Ключевые слова: ресурсы медицинской организации; коронавирусная инфекция; технологический процесс оказания медицинской помощи; регистр пациентов.
Для цитирования: Орлов С. А., Хальфин Р. А., Александрова О. Ю., Столбов А. П. Ресурсное обеспечение медицинских организаций, оказывающих медицинскую помощь в условиях круглосуточного стационара при новой ко-ронавирусной инфекции COVID-19. Проблемы социальной гигиены, здравоохранения и истории медицины. 2021;29(5):1034—1039. DOI: http://dx.doi.org/10.32687/0869-866X-2021-29-5-1034-1039
Для корреспонденции: Орлов Сергей Александрович, ассистент Высшей школы управления здравоохранением Института лидерства и управления здравоохранением Сеченовского Университета, научный сотрудник ФГБНУ «Национальный научно-исследовательский институт общественного здоровья имени Н. А. Семашко» Минобрнауки России, e-mail: orlovsergio@mail.ru
Orlov S. A.1-2, Khalfin R. A.1, Aleksandrova O. Yu.2, Stolbov A. P.1 THE RESOURCE SUPPORT OF MEDICAL ORGANIZATIONS PROVIDING MEDICAL CARE IN TWENTY-FOUR-HOUR HOSPITAL UNDER NEW CORONA-VIRUS INFECTION COVID-19
1The Federal State Autonomous Educational Institution of Higher Education "The I. M. Sechenov First Moscow State Medical University" (Sechenov University) of the Minzdrav of Russia, 119991, Moscow, Russia;
2N. A. Semashko National Research Institute of Public Health, 105064, Moscow, Russia
The article considers, on the basis of application of modern information analytical systems, the sequential stages of analysis and evaluation of indices of resource support of medical organizations and technological process of medical care provision. The results of the study permit to discover particular patterns of the course of disease in different gender and age groups,in terms of clinical manifestations and results of instrumental and diagnostic tests. The dependence of results and outcomes of treatment on set and quality of resources of medical organizations is established. The prognostic indices of functioning of medical organization under various alternatives of patients' flows organization as associated with hospi-talization level.
Keywords: resources; medical organization; corona-virus infection; technological process; medical care; register of patients.
For citation: Orlov S. A., Khalfin R. A., Aleksandrova O. Yu., Stolbov A. P. The resource support of medical organizations providing medical care in twenty-four-hour hospital under new corona-virus infection COVID-19. Problemi socialnoi gi-gieni, zdravookhranenia i istorii meditsini. 2021;29(5):1034—1039 (In Russ.). DOI: http://dx.doi.org/10.32687/0869-866X-2021-29-5-1034-1039
For correspondence: Orlov S. A., the Assistant of the Higher School of health care management of the Federal State Autonomous Educational Institution of Higher Education "The I. M. Sechenov First Moscow State Medical University" of the Minzdrav of Russia. e-mail: orlovsergio@mail.ru
Conflict of interests. The authors declare absence of conflict of interests. Acknowledgment. The study had no sponsor support
Received 04.04.2021 Accepted 27.06.2021
Современные подходы к анализу деятельности медицинских организаций [1] базируются как на данных федерального статистического наблюдения [2], так и на данных из информационно-аналитических систем (ИАС) [3, 4], федеральных и региональных информационных систем (ИС), в том числе ИС территориальных фондов обязательного медицинского страхования (ОМС) и Росздравнадзора, а также специализированных цифровых сервисов [5, 6]. Степень оперативности принятия управленческих
решений и эффективность проводимых организационных мероприятий напрямую зависят от полноты и достоверности получаемой информации, а также возможностей ее обработки с выявлением определенных статистически значимых закономерностей — трендов и корреляций.
Зачастую сбор, хранение, обработка и использование такой информации затруднительны по причинам: — отсутствия универсального инструмента для агрегации информации (например, регистра
COVID-19
по профилю медицинской помощи; далее — инструмент-агрегатор);
— ручного ввода данных в инструменте-агрегато-ре без формально-логического контроля и обнаружения ошибок при кодировании и вводе информации;
— недостаточности учета отдельных показателей (клинико-лабораторных, инструментально-диагностических, материально-технических, технологических, финансовых и др.), позволяющих в полной мере оценить объект исследования, выявить и измерить тренды и корреляции с использованием соответствующих метрик и критериев (качественных и количественных признаков), описать их математически;
— неполного использования имеющихся сопряженных ИС, являющихся поставщиками данных;
— несогласованности и информационной (семантической) несовместимости при передаче данных из одних ИС в другие (например, из ИС медицинской организации в ИС органа государственной власти субъекта Российской Федерации или с регионального на федеральный уровень).
Однако в ситуациях, требующих экстренной разработки системы информационно-аналитического обеспечения управления без возможности пилотной апробации программных и технических решений, использование подобных инструментов-агре-гаторов является обоснованным и одновременно с этим достаточно простым с точки зрения затрат на реализацию системы.
В качестве типичного инструмента-агрегатора данных рассмотрим Федеральный регистр лиц, больных новой коронавирусной инфекцией СОУГО-19 (далее — Регистр)1, представляющий собой хранилище учетных данных о пациентах и позволяющий проводить оценку эффективности оказания медицинской помощи.
Регистр состоит из федерального и региональных сегментов и включает блоки информации «профиль пациента», «общая медицинская информация», «детализированная информация о диагностике и лечении». Для проведения научных исследований в отношении выявления и измерения трендов, оценки степени влияния отдельных факторов на исходы заболевания, эффективности лекарственной терапии, связи между организацией лечебно-диагностического процесса и результатами лечения в структуре данных модулей целесообразно выделить наиболее значимые показатели: пол, возраст, дополнительные персональные данные (используются в большей степени для идентификации пациентов и обеспечения взаимодействия с ними после оказания
1 Разработан в соответствии с постановлением Правительства Российской Федерации от 31.03.2020 № 373 «Об утверждении Временных правил учета информации в целях предотвращения распространения новой коронавирусной инфекции (COVID-19)».
медицинской помощи), длительность госпитализации (Гд), диагноз при поступлении (Пе№), осложнения основного заболевания (ОЗо), результат рентгенологического исследования (РГИ), диагноз при выписке (Вц,), осложнения при выписке (ОпВ), сопутствующие заболевания (СЗ), вакцинация (грипп, пневмококк) (Вак), инструментально-диагностические исследования (ИДИ), длительность (в днях) пребывания на ИВЛ (ДПивл) и ЭКМО (ДПэкмо), лабораторные исследования (ПЦР, посев на мокроту) (ЛИ), медикаментозное лечение с указанием дозировки и дневного количества (МЛ) и исход лечения (ИЛ).
Вместе с тем перечисленные показатели не являются исчерпывающими и логически должны дополняться данными из других информационных систем (подсистем):
— Федерального реестра медицинских организаций (ФРМО), содержащего сведения о структурных подразделениях медицинской организации: отделении госпитализации пациента (ОГ), отделении перевода (ОП), коечном фонде отделения госпитализации/перевода (КФОг; КФОП), идентификационном номере медицинского изделия (МИ; ИНми) (данные необходимы для оценки эффективности технологического процесса путем сопоставления фактической загруженности с нормативной производительностью, исходя из эксплуатационных характеристик);
— Федерального регистра медицинских работников (ФРМР), содержащого сведения о медицинских работниках, участвующих в оказании медицинской помощи: врачей (ЛВ), идентификаторе их специальности (!Олв) и месте его работы (в конкретном отделении) (ОРлв);
— ИАС территориальных фондов ОМС и страховых медицинских организаций (СМО), содержащих сведения из реестров счетов на оплату медицинской помощи в виде общей суммы (ОМП). По данным реестра счетов может проводиться анализ длительности госпитализации пациентов в сравнении с данными Регистра, а также сопоставление идентификаторов медицинских работников, участвовавших в оказании медицинской помощи, с данными из ФРМР и ФРМО.
Основными системами, которые должны быть поставщиками информации в Регистр, являются медицинские (МИС) и лабораторные (ЛИС) информационные системы. Одной из функций МИС становится возможность оценки продолжительности выполнения лечебно-диагностических процедур (ЛДПп) и организации технологического процесса (ТП) оказания медицинской помощи.
Некоторые ИС, например Единый радиологический информационный сервис (ЕРИС), используемый в работе ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий» Департамента здравоохранения города Москвы [7, 8], объединяют в единую информацион-
ную среду диагностическое оборудование различных производителей, рабочие станции лаборантов и рентгенологов, обеспечивая возможность записи на исследования и последующего доступа к исследованиям пользователям МИС, а также позволяя управлять потоками пациентов, планировать работу отделения лучевой диагностики, контролировать продолжительность проведения исследований и ее соответствие нормативам, выявлять нецелевое и неэффективное использование оборудования. Однако разработка и повсеместное внедрение во всех регионах таких систем в большинстве медицинских организаций государственной системы здравоохранения в настоящее время представляют определенную сложность, прежде всего ввиду значительных финансовых затрат. Организация технологического процесса путем использования инструментов МИС также базируется на анализе и оценке ресурсных возможностей и реализации их производственного потенциала.
Расширенные функциональные возможности ЛИС позволяют дополнять Регистр или иные информационно-аналитические агрегаторы сведениями о результатах исследований биологического материала, в том числе клинического анализа крови (АКК), биохимического анализа крови (АКБ), общего клинического анализа мочи (АМО), иными специфическими данными-маркерами (уровень/концентрация интерлейкинов, титры антител (1^М, ^О)).
Интеграция данных вышеперечисленных ИАС с данными Регистра позволит дополнить его недостающими сведениями, обеспечив их последующее рассмотрение не в качестве отдельных автономно существующих инструментов, а в виде замкнутой цифровой экосистемы по следующим параметрам (цифрами в скобках обозначены потоки данных в виде стрелок на схеме):
— Гд (Регистр) — ОГ (ФРМО) (1) и Гд (Регистр) — ОП (ФРМО) (2). Сопоставление данных параметров позволяет проводить текущую оценку загруженности коечного фонда, планировать госпитализации, сопоставлять данные по идентичным отделениям, разрабатывать нормативы средней длительности пребывания на койке [9] для разных половозрастных групп;
— Гд (Регистр) — КФОг; КФОп (ФРМО) (3). Анализ данных позволяет оценивать достаточность развернутого коечного фонда для текущего уровня госпитализации;
—ИДИ, ДПивл и ДПЖмо (Регистр) — ЛДПд, ТП (МИС) (4) и ИДИ, ДПивл и ДПЖмо, ЛИ (Регистр) — ИНми (ФРМО) (5). Соотнесение указанных параметров позволяет оценивать эффективность использования медицинского оборудования (медицинских изделий), исходя из производственного потенциала, а также разработать внутренние регламенты на одно исследование исходя из планируемого потока пациентов;
—ЛИ (Регистр) — АКК; АКБ; АМО; интерлейки-ны; иммуноглобулины (!£М, %О) (ЛИС) (6).
COVID-19
Анализ дополнительных данных из ЛИС позволяет оценивать правильность выбранной схемы лечения и ее эффективность, появление и редукцию специфических признаков — маркеров заболевания;
— МЛ (Регистр) — ЛДПд, ТП (МИС) (7). Анализ врачебных назначений, коррелирующих в динамике с данными инструментально-диагностических и лабораторных исследований, позволяет моделировать технологический процесс, устанавливая последовательность этапов лечения в зависимости от достигнутых клинических результатов;
—ИДИ, ДПивл и ДПЖмо, ЛИ (Регистр) - ЛВ, Юлв,ОРлв (ФРМР) (8). Сопоставление данных позволяет оценивать фактическую нагрузку на медицинских работников по количеству проводимых ими манипуляций и исследований пациентам, нуждающимся в респираторной поддержке в изучаемом периоде (смена, неделя, месяц);
—ЛДПд, ТП (МИС) — СЗ, Вак (Регистр) (9). Анализ дополнительных данных (при отсутствии возможности сбора анамнеза) из МИС позволит проводить оценку влияния сопутствующих заболеваний [10, 11], факторов риска и вакцинопрофилактики на длительность лечения, выбор методов диагностики и терапии;
—ИДИ (Регистр) — РГИ (Регистр) (10). Сопоставление данных о результатах исследования с фактом проведения исследования позволяет осуществлять внутренний контроль за кратностью врачебных назначений и их обоснованностью;
—ИДИ, ДПивл и ДПЖмо, ЛИ (Регистр) — ВDS (Регистр) (11). Анализ данных позволяет оценивать правильность формулирования клинического диагноза на основе данных инструментально-диагностических исследований;
—ЛДПд, ТП (МИС) — Омп (Реестр счетов СМО) (12). Дополнительные данные о пр одолжи -тельности и кратности выполнения лечебно-диагностических процедур позволяют разрабатывать дифференцированные нормативы финансовых затрат, исходя из фактического количества предоставленных детализированных медицинских услуг, подлежащих возмещению за счет средств ОМС в рамках соответствующей клинико-статистической группы;
—ЛВ, Юлв, ОРлв (ФРМР) — ОМП (Реестр счетов СМО) (13). Соотнесение данных позволяет оценивать количество и объем медицинских услуг, выполненных конкретным медицинским работником, а также осуществлять сквозной контроль за соответствием данных по медицинским работникам, трудоустроенным в медицинской организации, и медицинским работникам, оказывавшим медицинские услуги. При наличии расхождений в данных (меди-
СОУт-19
Схема потоков данных в ИАС для оценки оказания медицинской помощи пациентам с СОУГО-19.
цинский работник не числится в медицинской организации или не участвует в оказании медицинских услуг, но подается в реестр счетов на оплату медицинской помощи) требуется проведение дополнительной медико-экономической экспертизы.
В общем виде схема потоков данных в ИАС для оценки оказания медицинской помощи пациентам с СОУГО-19 представлена на схеме.
В таблице представлены некоторые данные Регистра и сопряженных ИАС, дающие возможность проводить исследования и осуществлять статистическую обработку с выявлением и измерением трендов и корреляций при помощи соответствующих метрик и критериев, а также строить прогнозы по необходимому ресурсному обеспечению медицинских организаций для эффективного оказания медицинской помощи пациентам с СОУГО-19.
Таким образом, результаты анализа зависимости вышеуказанных параметров друг от друга, полученные с использованием существующих ИАС, могут помочь в оценке достаточности ресурсов конкретной медицинской организации для оказания медицинской помощи пациентам с СОУГО-19 на основе анализа их потребления, разработать внутренние регламенты по использованию отдельных ресурсов,
а также определить наиболее эффективные схемы лечения, в том числе с учетом половозрастных особенностей и наличия дополнительных факторов риска и/или сопутствующих заболеваний.
Заключение
Современные ИАС, используемые в здравоохранении, в значительной степени упрощают задачи по анализу показателей деятельности медицинских организаций, а также технологических процессов, возникающих при оказании медицинской помощи. Кроме того, у пользователей ИАС появляется возможность оперативного мониторинга показателей и получения аналитических данных на любом этапе в любой момент времени. Перспективы цифровой трансформации здравоохранения всецело зависят от возможностей масштабного и бесшовного использования всевозможных ИАС для решения стратегических задач управления отраслью.
В настоящее время, несмотря на многообразие ИАС в здравоохранении, в качестве оперативных аналитических инструментов-агрегаторов приоритет отдается специализированным регистрам с функцией ручного ввода информации, не требующим написания унифицированного алгоритма (кода), учитывающего специфику каждой ИАС.
COVID-19
Перечень некоторых изучаемых параметров (признаков), данных из Регистра и сопряженных ИАС, позволяющих осуществлять статистическую обработку с выявлением и измерением трендов и корреляций для анализа и оценки эффективности оказания
медицинской помощи пациентам с COVID-19
№ п/п Необходимые дан-
Предмет анализа ные из Регистра и Пояснение
сопряженных ИАС
1. Зависимость длительности госпитализа- Пол, возраст ции Гд от пола и возраста пациентов
2. Зависимость длительности госпитализа- СЗ ции Гд от наличия сопутствующих заболеваний
3. Зависимость длительности госпитализа- МЛ ции Гд от применения специфических лекарственных препаратов
4.
Нагрузка на врача НЛВ (число пациен- ИДИ, ДПив
тов на одного врача) ОМП
Зависимость длительности Гд и исходов НЛВ лечения ИЛ от нагрузки врача НЛВ
, , ДПэк
Нагрузка на единицу диагностического и ИДИ, ЛИ, ДПив лечебного оборудования ДПэкмо, ИНми
7. Загруженность коечного фонда
Гд, КФо; КФа.
8. Эффективность применения лекарствен- АКК; АКБ; АМО; ин-ных препаратов МЛ для нормализации терлейкины; имму-лабораторных показателей и исхода ле- ноглобулины (^Ы, чения ИЛ ^О)
9. Зависимость продолжительности диа- Пол, возраст гностического исследования ЛДПд от
возраста и пола
10. Зависимость объема финансовых затрат Пол, возраст, ОЗо, на медикаментозное лечение одного па- СЗ
циента ОМП от степени тяжести заболевания, возраста, пола и наличия сопутствующих заболеваний
Позволяет оценить потенциальную загруженность стационара в случае госпитализации лиц определенной группы, прогнозировать маршрутизацию или необходимость увеличения коечной мощности
Оценка влияния сопутствующих заболеваний на длительность госпитализации, ранжирование сопутствующих заболеваний по степени влияния, формирование гипотезы о потенциальных рисках увеличения длительности стационарного лечения у пациентов с COVID-19 и сопутствующими заболеваниями Оценка эффективности схем лечения, использования лекарственных препаратов в различных группах, достижения клинического эффекта, выстраивание логистики на другие этапы оказания медицинской помощи при достижении запланированных результатов лечения
Определение потребности во врачебных кадрах на период мобилизации данных ресурсов, оценка эффективности ведения пациентов от нагрузки на врача Оценка проводится с учетом уровня квалификации врача (стажа работы по специальности, наличия квалификационной категории, ученой степени, наличия профессиональной переподготовки по вопросам оказания медицинской помощи пациентам с COVID-19 и т. д.), применения им эффективных схем лечения, обоснованности врачебных назначений (комбинирование или замена лекарственных препаратов, назначение дополнительных ИДИ) оценки степени сложности ведения пациентов (исходя из клинической картины, уровня поражения органов-мишеней)
Оценка производственного потенциала исходя из фактической загруженности одной единицы медицинского оборудования (медицинского изделия) и длительности оказания медицинской услуги при сложившемся потоке пациентов Оценка необходимости дополнительного коечного фонда, максимальной загруженности от контингента и характеристик госпитализируемых. Управление потоком пациентов в иные медицинские организации, исходя из этапности оказания медицинской помощи
Оценка схем лечения, зависимости дозировок, частоты назначений и лабораторных показателей (маркеров острой фазы заболевания), разработка планов по переводу пациентов на другие этапы оказания медицинской помощи
Определение коэффициента использования медицинского оборудования, разработка внутреннего регламента работы диагностических отделений, исходя из потока пациентов, разработка технологических карт, стандартных операционных процедур
Оценка финансовых затрат по уровню расхода лекарственных препаратов из перечня ЖНВЛП на одного стандартизированного пациента соответствующей половозратной группы с наличием/отсутствием сопутствующих заболеваний. Планирование бюджета медицинской организации на обеспечение медикаментами, оценка достаточности тарифа на оплату законченного случая лечения
Безусловным плюсом таких регистров являются быстрота их разработки и единые требования по ведению для всех заинтересованных сторон. При этом в силу недостаточной проработки ввиду дефицита времени из поля зрения часто выпадают отдельные показатели и критерии, представляющие не только научный, но и практический интерес для перспективного планирования, организации и управления системой здравоохранения.
На примере Федерального регистра лиц, больных новой коронавирусной инфекцией COVID-19, показаны как сильные стороны, позволяющие решать значительное количество управленческих задач, выявлять и анализировать зависимость между различными показателями, на основе которых может осуществляться оперативное планирование ресурсного обеспечения медицинских организаций, так и слабые стороны, связанные с недостаточным учетом отдельных показателей и данных из существующих ИАС, отсутствие которых не дает возможности в полной мере составить объективную картину лечебно-диагностического процесса и реальной потребности в ресурсах здравоохранения, в том числе в
рамках перспективного планирования и разработки нормативов (нагрузки на врачей, нагрузки на медицинское оборудование, финансовых затрат).
Вместе с тем опыт разработки, внедрения и использования подобных регистров дает наглядное представление о первоочередных направлениях цифрового развития, которые позволят на определенном этапе отказаться от ручного ввода данных и дублирования информации в разных информационных системах, перейдя на автоматизированные алгоритмы их сбора и анализа.
Исследование не имело спонсорской поддержки.
Авторы заявляют об отсутствии конфликта интересов.
ЛИТЕРАТУРА
1. Сердюковский С. М. Методические принципы комплексной оценки деятельности медицинских организаций. Проблемы социальной гигиены, здравоохранения и истории медицины. 2019;27(4):476—8.
2. Какорина Е. П. Алгоритмы расчета основных показателей деятельности медицинских организаций: метод. рекомендации. М.: ГЭОТАР-Медиа; 2016. 400 с.
3. Ковалев С. П., Сороколетов П. В., Яшина Е. Р., Гулиев Я. И. Информационный агрегатор для управленческого учета в цифровом здравоохранении. Врач и информационные технологии. 2017;(4):83—94.
COVID-19
4. Гусев А. В. Перспективы дальнейшего развития службы медицинской статистики путем перехода к управлению на основе данных. Врач и информационные технологии. 2018;(2):6—22.
5. Илюшин Г. Я., Лиманский В. И. Построение системы управления потоками пациентов. Системы и средства информатики. 2015;25(1):186—97.
6. Семенов А. В., Шилина Е. В. Подходы к разработке информационного обеспечения управления ресурсами больничных организаций на примере мониторинга использования коечного фонда. Вопросы организации и информатизации здравоохранения. 2019;101(4):29—35.
7. Морозов С. П., Гомболевский В. А., Чернина В. Ю., Бло-хин И. А., Мокиенко О. А., Владзимирский А. В., Белев-ский А. С., Проценко Д. Н., Лысенко М. А., Зайратьянц О. В., Никонов Е. Л. Прогнозирование летальных исходов при COVID-19 по данным компьютерной томографии органов грудной клетки. Туберкулез и болезни легких. 2020;98(6):7—14.
8. Морозов С. П., Чернина В. Ю., Блохин И. А., Гомболев-ский В. А. Прогнозирование исходов при лабораторно верифицированном COVID-19 по данным компьютерной томографии органов грудной клетки: ретроспективный анализ 38 051 пациента. Digital Diagnostics. 2020;1(1):27—36.
9. Rees E. M., Nightingale E. S., Jafari Y., Waterlow N. R., Clifford S. B., Pearson C. A., Group C. W., Jombart T., Procter S. R., Knight G. M. COVID-19 length of hospital stay: a systematic review and data synthesis. BMC Med. 2020 Sep 3;18(1):270. doi: 10.1186/s12916-020-01726-3
10. EjazH., AlsrhaniA., Zafar A., Javed H., Junaid K., Abdalla A. E. , Abosalif K. O. A., Ahmed Z., Younas S. J. COVID-19 and comorbidities: Deleterious impact on infected patients. Infect. Pub. Health. 2020; 13(12): 1833—9. doi: 10.1016/j.jiph.2020.07.014. Epub 2020 Aug 4.
11. Gasmi A., Peana M., Pivina L., Srinath S., Gasmi Benahmed A., Semenova Y., Menzel A., Dadar M., Bj0rklund G. Interrelations between COVID-19 and other disorders. Clin. Immunol. 2021 Mar;224:108651. doi: 10.1016/j.clim.2020.108651. Epub 2020 Dec 14.
Поступила 04.04.2021 Принята в печать 27.06.2021
REFERENCES
1. Serdiukovsky S. M. The methodological principles of comprehensive evaluation of activities of medical organizations. Problemy sot-sial'noy gigiyeny, zdravookhraneniya i istorii meditsiny = Problems of social hygiene, public health and history of medicine. 2019;27(4):476—8 (in Russian).
2. Kakorina E. P. Algorithms for calculating the main indicators of the activities of medical organizations: method. recommendations [Al-goritmy rascheta osnovnykh pokazateley deyatelnosti meditsinskikh organizatsiy: metod. rekomendatsii]. Moscow: GEOTAR-Media; 2016. 400 p. (in Russian).
3. Kovalev S. P., Sorokoletov P. V., Yashina E. R., Guliev Ya. I. The information aggregator for management and accounting in digital Health Care. Vrach i informatsionnyye tekhnologii = Information technologies for the physician. 2017;(4):83—94 (in Russian).
4. Gusev A. V. Prospects for the further development of the medical statistics service throughthe transition to management based on data. Vrach i informatsionnyye tekhnologii = Information technologies for the physician. 2018;(2):6—22 (in Russian).
5. Ilushin G. Ya., Limansky V. I. Creation of patient flows control system. Sistemy i sredstva informatiki = Systems and means of informatics. 2015;25(1):186—97 (in Russian).
6. Semenov A. V., Shylina E. V. Approaches to information support development of hospital resource management on example of hospital beds use monitoring. Voprosy organizatsii i informatizatsii zdravookhraneniya = Healthcare organization and information issues. 2019;101(4):29—35 (in Russian).
7. Morozov S. P., Gombolevskiy V. A., Chernina V. Yu., Blokhin I. A., Mokienko O. A., Vladzimirskiy A. V., Belevskiy A. S., Protsen-ko D. N., Lysenko M. A., Zayratyants O. V., Nikonov E. L. Prediction of lethal outcomes in COVID-19 cases based on the results chest computed tomography. Tuberkulez i bolezni legkikh = Tuberculosis and lung diseases. 2020;98(6):7—14 (in Russian).
8. Morozov S. P., Chernina V. Yu., Blokhin I. A., Gombolevskiy V. A. Chest computed tomography for outcome prediction in laboratory-confirmed COVID-19: a retrospective analysis of 38,051 cases. Digital Diagnostics. 2020;1(1):27—36 (in Russian).
9. Rees E. M., Nightingale E. S., Jafari Y., Waterlow N. R., Clifford S. B., Pearson C. A., Group C. W., Jombart T., Procter S. R., Knight G. M. COVID-19 length of hospital stay: a systematic review and data synthesis. BMC Med. 2020 Sep 3;18(1):270. doi: 10.1186/s12916-020-01726-3
10. EjazH., AlsrhaniA., Zafar A., Javed H., Junaid K., Abdalla A. E., Abosalif K. O. A., Ahmed Z., Younas S. J. COVID-19 and comor-bidities: Deleterious impact on infected patients. Infect. Pub. Health. 2020; 13(12): 1833—9. doi: 10.1016/j.jiph.2020.07.014. Epub 2020 Aug 4.
11. Gasmi A., Peana M., Pivina L., Srinath S., Gasmi Benahmed A., Semenova Y., Menzel A., Dadar M., Bjorklund G. Interrelations between COVID-19 and other disorders. Clin. Immunol. 2021 Mar;224:108651. doi: 10.1016/j.clim.2020.108651. Epub 2020 Dec 14.
