Новости
12.04.2024
Поздравляем с Днём космонавтики!
08.03.2024
Поздравляем с Международным Женским Днем!
23.02.2024
Поздравляем с Днем Защитника Отечества!
Оплата онлайн
При оплате онлайн будет
удержана комиссия 3,5-5,5%








Способ оплаты:

С банковской карты (3,5%)
Сбербанк онлайн (3,5%)
Со счета в Яндекс.Деньгах (5,5%)
Наличными через терминал (3,5%)

ИНФОРМАЦИОННАЯ МОДЕЛЬ АВТОМАТИЗИРОВАННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПЛАНИРОВАНИЯ ПОТРЕБНОСТИ В ПЕРВИЧНОЙ

Авторы:
Город:
Москва
ВУЗ:
Дата:
20 ноября 2016г.

Проведенное    исследование    показало,    что    в    процессе    среднесрочного    и долгосрочного    планирования    объемов     первичной    медико-санитарной помощи необходимо обязательно учитывать влияние возрастно-половых особенностей населения, типа территории и динамические процессы, недоучет которых может привести к существенным диспропорциям между планируемым и реально востребованным объемом медицинской помощи [1].

Однако использование информационных технологий может позволить осуществлять более точное планирование. Во-первых, можно использовать повозрастной анализ с шагом 5 лет, данные для которого имеются в соответствующих статистических данных по территории. Использование информационных технологий может позволить также использовать повозрастной анализ и с еще большей детализацией, однако это невозможно из-за отсутствия таких данных на уровне региона. Во-вторых, использование информационных технологий позволяет создать экспертную систему планирования объемов первичной медико-санитарной помощи. Данная экспертная система позволит, используя актуальные сведения о заболеваемости и обращаемости планировать необходимые объемы первичной медико-санитарной помощи для территорий различных типов.

Первый вопрос, который необходимо решить при создании такой экспертной системы - построение информационной модели.

Для рассматриваемой экспертной системы оптимальным будет включить следующих участников информационного взаимодействия:

·        Орган управления здравоохранения (на территории Тверской области – это Министерство Здравоохранения Тверской области);

·        Медицинский информационно-аналитический центр;

 ·        Медицинские организации.

 При этом, орган управления здравоохранением области (а на территории Тверской области – это Министерство Здравоохранения Тверской области - http://minzdravtver.ru/ )является потребителем результатов работы рассматриваемой экспертной системы, т.е. показатели, которые будут рассчитываться данной экспертной системой важны и нужны именно  Министерству Здравоохранения.

Медицинский информационный аналитический центр в данной информационной модели рассматривается как поставщик сведений отчетности, которые являются исходными данными для дальнейших расчетов, т.е. образуют базу данных создаваемой экспертной системы. Кроме того, оптимальным будет, если данная экспертная система будет работать на мощностях Центра Обработки Данных (ЦОДа) медицинского информационно-аналитического центра. Причем, следует отметить, что, безусловно, самым удобным режимом работы будет on-line получение содержание базы данных экспертной системы из работающего регионального фрагмента единой государственной информационной системы здравоохранения (концепция создания единой государственной системы в сфере здравоохранения (ЕГИСЗ) утверждена приказом Минздравсоцразвития № 364 от 28 апреля 2011 года).

 Медицинские организации в данной модели рассматриваются как поставщики исходных данных. Следует отметить, что предоставление медицинскими организациями исходных данных в данной модели происходит автоматически при их работе в региональном сегменте ЕГИСЗ.

В случае создания данной экспертной системы мы предлагаем использовать правила продукций, в формате «Если – То» в качестве способа представления данных. В структуре правил продукции мы предлагаем использовать три уровня иерархии.

На верхнем (первом) уровне иерархии, мы классифицируем рассматриваемую территорию по типу населения. Причем, для территорий с преимущественно городским типом населения мы осуществляем также классификацию на подтипы по уровню заболеваемости. Причем в рамках системы должно быть алгоритмически реализовано разделение на диапазоны по данному признаку в соответствии с классическим алгоритмом.

На следующем (втором) уровне иерархии, мы классифицируем население по полу: на мужчин и женщин.

На третьем уровне иерархии внутри выделенных на первом и втором уровне групп мы осуществляем классификацию по возрасту.

Далее для отклассифицированных таким образом групп мы осуществляем определение планируемого объема первичной медико-санитарной помощи на основании имеющихся в базе данных системы сведений, полученных из ЕГИСЗ, на основании разработанных нами алгоритмов.

Исходя из имеющихся для выделенных возрастных групп данных по обращениям, а также по обращениям с профилактической целью и наличного населения в базе знаний системы рассчитываются:

·        Обращаемость на 1000 населения для каждой возрастной группы




На основании полученных данных, которые должны рассчитываться в базе знаний системы автоматически, становится возможным рассчитать планируемый объем первичной медико-санитарной помощи как без учета обращений с профилактической целью:


В рассматриваемой экспертной системе, при представлении знаний в виде правил продукций в качестве алгоритма для логического вывода используется «прямая цепочка рассуждений» (связана с рассуждениями, ведущимися от данных к гипотезам).

Модуль извлечения знаний в данной системе не нужен, т.к. необходимы алгоритмы уже построены в ходе проведенного нами ранее специализированного исследования.

Механизм объяснений в данной системе предлагаем построить по типу ретроспективного рассуждения. Данный механизм будет объяснять, как система достигла текущего состояния путем предъявления цепочки правил, приведших к данному заключению.



Список литературы

 

 

1.      Берсенева Е.А., Лалабекова М.В., Черкасов С.Н., Мешков Д.О. Актуальные вопросы создания автоматизированной системы расчета объемов первичной медико-санитарной помощи в Тверской области. // Вестник современной клинической медицины. – 2016. – Том 9. – Выпуск 4. – С. 15-20.