Содержание к диссертации
Введение
1. Пути повышения эффективности управления медицинским обслуживанием населения 12
1.1. Направления развития систем управления системой здравоохранения на основе эколого-медицинского мониторинга 12
1.2. Информационная поддержка принятия управленческих решений в системе здравоохранения на основе ГИС-технологий 24
1.3. Цель и задачи исследования 38
2. Методы формирования эколого-медицинского мониторинга 40
2.1. Принципы и алгоритмы организации и информационного обеспечения экологического мониторинга 40
2.2. Визуализация информации состояния территориально распределенной системой медицинского обслуживания населения региона 49
2.3. Динамика и прогнозирование развития заболеваемости в регионе 57
Выводы второй главы 69
3. Методы исследования среды проживания и оценки риска заболеваемости в территориально распределенной системе медицинского обслуживания населения региона 70
3.1. Классификация территориальных единиц региона на основе кластерного и дискриминатного анализа по данным статистической информации 70
3.2. Оценка среды проживания населения по территориальным единицам региона 79
3.3. Оценка риска заболеваемости по территориальным единицам поликлинического региона 87
4. Методика управления территориально распределенной системой здравоохранения, формирование эколого-медицинского мониторинга региона,результаты апробации и внедрения 95
4.1. Структурная схема управления процессом принятия решений на основе ГИС-технологий 95
4.2. Формирование эколого-медицинского мониторинга с учетоматологий региона 111
Заключение 141
Список литературы 143
Приложение 153
- Информационная поддержка принятия управленческих решений в системе здравоохранения на основе ГИС-технологий
- Визуализация информации состояния территориально распределенной системой медицинского обслуживания населения региона
- Оценка среды проживания населения по территориальным единицам региона
- Формирование эколого-медицинского мониторинга с учетоматологий региона
Информационная поддержка принятия управленческих решений в системе здравоохранения на основе ГИС-технологий
Создание компьютерной процедуры поддержки принятия решений поможет учреждениям здравоохранения и образования принимать решения, которые ранее принимались исходя лишь из субъективных представлений лиц, прини-мающих решения (ЛПР), и не основывались на использовании математического аппарата и современной компьютерной техники. Принятие решения в большинстве случаев заключается в генерации возможных альтернатив решений, их оценке и выборе лучшей альтернативы [86]. Альтернативы являются неотъемлемой частью проблемы принятия решений. Следовательно, для существования самой задачи принятия решений необходимо иметь хотя бы две альтернативы. Альтернативы бывают зависимыми и независимыми. Независимыми называются те альтернативы, любые действия с которыми (удаление из рассмотрения, выделение в качестве лучшей и т. п.) не оказывают влияния на качество других альтернатив. Зависимыми являются те альтернативы, действия над которыми оказывают влияние на качество других альтернатив. Кроме того альтернативы могут быть заранее заданными, или появляющимися после выработки правила принятия решения, или конструируемыми в процессе принятия решения. Под процедурой принятия решения понимается задача, содержащая следующие элементы (рис. 1.3): ситуация, в рамках которой решается задача, альтернативные варианты решений и оценка их последствий, а также объективные и субъективные внешние факторы. Одним из общих условий принятия решений в реальной ситуации является недостаточность информации, связанная либо с ее отсутствием, либо с неполнотой, недостоверностью, а также наличием неопределенностей различного рода - определяемых нечеткостью задания различных параметров или случайным характером их изменения.
Поэтому принятие решений связано либо с уменьшением недостаточности информации, либо с продолжением исследования в этих условиях. Недостаточность информации остается, если затраты на ее уменьшение велики, или мал временной интервал необходимый для принятия решения, или не хватает знаний для устранения неопределенности, а также вследствие неадекватности разработанной модели объекта или методов обработки информации. Наиболее перспективным направлением в области разработки процедур поддержки принятия решений для нужд социальной сферы является разработка систем поддержки принятия решений, ориентированных не на автоматизацию функций ЛПР, а на предоставления ему помощи в поиске оптимального решения. При реализации обобщенной схемы принятия решений (рис. 1.2) у ЛПР возникает потребность на разных этапах принятия решения обращаться к результатам процедур экспертного оценивания (например, при формировании исходного множества альтернатив, оценке последствий решений и их полезности). Проведение экспертных оценок является достаточно дорогостоящей процедурой, которая занимает много времени, что не позволяет ЛПР принимать решения в режиме реального времени. Применение модифицированной схемы компьютерной поддержки принятия решений в задачах здравоохранения и образования с использованием геоинформационных технологий позволяет уменьшить неопределенность принятия решений, исключить во многих случаях проведение экспертного оценивания, повысить уровень информированности ЛПР за счет применения многовариантного подхода к обработке данных: статистического анализа, математико-картографического моделирования, прогнозирования значений информативных параметров на основе данных мониторинга, применения визуализации для графического обоснования принимаемых решений.
Схема модифицированной процедуры компьютерной поддержки принятия решений представлена на рис. 1.4 [37]. Будем определять некоторую ситуацию как множество состояний Fj. Каждое состояние описывается уровнем заболеваемости по одной из рассматриваемых нозологических форм: F = [Fl,F2,...,FJ, j5 где Fj - показатели уровня заболеваемости по рассматриваемым нозологическим формам. Для образовательной системы Fj показатель, характеризующий учебный процесс. Решением в данной ситуации является оценка медико-экологической или образовательной ситуации в районах и выявление района (или группе районов) в которых эта ситуация наиболее неблагоприятна. Следовательно, исходным множеством альтернативных решений Е является все множество районов области, по каждому из которых ведется оценка медико-экологической или образовательной ситуации и возможно выделение ресурса. Ресурс предлагается рассматривать как вектор управляемых параметров. Введены обозначения: R -финансы, расходные материалы; К - количественный и качественный кадровый состав ЛПУ или ОУ; D - профильность отделений ЛПУ или ОУ, С - повышение квалификации специалистов различных сфер деятельности, М - плановые мероприятия, целевые программы. Вариант решения Et будет представлять собой вектор управляемых параметров с коэффициентами, определяющими интенсивность использования составляющих ресурса: Et = Щ, Kt, Д., Ci, Mt} 5 і = l,L , где L - количество рассматриваемых территориальных единиц.
Следующим этапом работы подсистемы поддержки принятия решений является формирование матрицы решений и выбор критериев решений. При выборе критерия принятия решения учитывается наличие ограничивающих факторов, случайность изменения внешних параметров, влияющих на состояние системы, количество предстоящих реализаций решения, учет риска. В работе использованы аддитивный и мультипликативный критерии. После выбора критерия осуществляется расчет матрицы решения и выбор наилучшей альтернативы по результатам расчета. Распределение между составными частями ресурса осуществляется ЛПР на основе собственного опыта и существующих возможностей или с привлечением экспертов. На основании дополнительной информации полученной при анализе данных решение корректируется ЛПР и оформляется в виде пакета нормативных документов: приказов, инструкций, рекомендаций и т.д. Современные ГИС представляют собой новый тип интегрированных информационных систем, которые, с одной стороны, включают методы обработки данных многих ранее существующих автоматизированных систем, а, с другой стороны - обладают спецификой в организации и обработке данных. Практически это определяет ГИС как многоцелевые, многоаспектные системы, что обуславливает перспективность их применения во многих областях человеческой деятельности. Современная ГИС рассчитана не просто на обработку данных, а
Визуализация информации состояния территориально распределенной системой медицинского обслуживания населения региона
До 50-70 % медицинских данных являются носителями как описательной, так и пространственной информации. В географических информационных системах (ГИС) информационный слой (медицинские, социальные, экономические, экологические и другие данные) рассматриваются как один из образов карты - ее самый верхний слой относительно цифровых покрытий [14]. Программно-аппаратный комплекс, использующий компоненты ГИС, позволяет оптимально реализовать проекты для медицинских приложений, связанные с принятием решений, проведением медико-экологических мониторин-гов, прогнозированием различных ситуаций, а также интеграцией задач анализа обработки и интерпретации потоков неоднородных медицинских данных с визуализацией оценок медико-экологических показателей. Для принятия адекватных управленческих решений необходимо наглядное представление информации, отражающей не только результаты статистических исследований, но и их пространственную привязку к реальной местности, выделение буферных зон, соответствующих заданным критериям выбора корректировку динамически изменяемых графических образов [47, 48].
Одним из оптимальных вариантов решения подобных задач является применение геоинформационных технологий. Информационная среда ГИС поддерживается объектом Vtab (виртуальной таблицей), состоящим из одного или нескольких физических табличных источников dbf-формата, таблиц INFO, данных из серверов БД Oracle, Infomix и др., текстовых файлов, библиотечных слоев, растровых изображений, фотоснимков. Состав аппаратного комплекса ГИС зависит от объема используемой информации и ограничений, накладываемых программным обеспечением и периферийными устройствами (рис. 2.4). Геоинформционная система представляет собой расширение баз данных для координатно привязанной информации и обеспечивает [47, 48]: 1) двустороннюю связь между картографическими объектами и записями табличной базы данных; 2) управление визуализацией объектов; 3) работу с точечными, линейными и площадными объектами; 4) возможность создания буферных зон вокруг объектов; 5) возможность выполнения оверлейных операций, в т.ч. с наложением азличных площадных объектов; 6) поддержку топологических взаимоотношений между объектами и проверку с их помощью геометрической корректности карты (замкнутость площадных объектов, связанность, прилегание); 7) работу с топографической поверхностью; 8) поддержку нескольких картографических проекций; 9) геометрические измерения на карте (длина, периметр, площадь); 10) ввод карт и их редактирование; 11) получение высококачественных твердых копий на различных видах устройств вывода; 12) создание собственной символогии (новые типы маркерных знаков, типов линий, типов штриховок); 13) создание дополнительных элементов оформления карты (надписи, рамки, легенды); 14) решение транспортных задач (определение кратчайшего пути на графе и т.п.); 15) решение задач распределения ресурсов. ГИС представляют современные средства интеграции статистического анализа и математического моделирования со средствами управления базами данных пространственной информации, реализованные для платформ Microsoft Windows, Apple Macintosh. Реальные данные, необходимые для решения любой задачи, всегда бывают дороги, недоступны, часто недостоверны, разнотипны и неполны.
Значительный объем исследовательской статистической информации, поступающей по каналам различного уровня (ведомственные, муниципальные и федеральные организации, районные учреждения, городские фонды, различные министерства), требует, с одной стороны, унифицированной структуризации и стандартизации информационных показателей, с другой стороны - использования современных технологий сбора, предварительной автоматизированной обработки данных, создания гибкой информационной модели медицинского кадастра, использования компьютерных информационных сетей. Например, реализация медицинского приложения в ArcView связана с созданием проекта, который служит «контейнером» для набора компонент: таблиц, видов (интерактивных карт), диаграмм, макетов (выходных форм) и др. Информационная среда поддерживается объектом Vtab (виртуальная таблица), состоящим из одного или нескольких физических табличных источников dbf-формата (dBASE), данных из серверов ВД ORACLE, INFORMIX и др., таблиц INFO, текстовых файлов с разделителями.
Таким образом, исходные медицинские данные формируются в реляционных таблицах. В общем случае, источниками данных для ArcView являются таблицы описательных данных, таблицы событий, библиотечные слои, покрытия, файлы растрового изображения. Для работы с таблицами предоставляются следующие функции: - организация запросов для измененных значений таблицы; - объединение (join) и связывание (link) двух таблиц по общему полю (ArcView сохраняет описание соединений между таблицами, а не сами данные, что позволяет отображать динамически изменяющуюся информацию); - расчет значений полей; организация связи с базами данных (SQL Connect); - ведение БД (создание, хранение, модификация, сортировка записей) и др.
Оценка среды проживания населения по территориальным единицам региона
Одним из важных аспектов эффективной работы региональной системы здравоохранения является научная поддержка и обоснование 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 прогноз медицинских и экологических показателей, которые используются при решении задач, связанных с принятием управленческих решений, направленных на нормализацию медико-экологической ситуации в регионе [90]. Оценка риска для здоровья человека, который обуславливается 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 банков данных (БД), разработки концептуальной модели исследуемой предметной области, определяющей перечень необходимых показателей и структуру информационных потоков с указанием взаимосвязей между ними.
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 данные по заболеваемости населения по исследуемым нозологическим формам. На основе отобранных экологических показателей формируется индекс комфортности проживания для каждой территориальной единицы (далее - индекс комфортности) (рис. 3.3). 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, соци Формируется медицинский KtM 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 каждой из рассматриваемых нозологических показателей за интересующий временной интервал, а затем осуществляется свертка [39,46]: единиц, Г - рассматриваемый временной интервал (Гл/ - составляет 5 лет, Тэ - 4 года, а Г5 - 3 года ), J, L и G - количество рассматриваемых нозологических форм, экологических показателей, а также признаки здравоохранения соответственно. В связи с тем, что различные нозологические формы имеют различное значение по их степени важности в формулу (3.9) водятся весовые коэффициенты, учитывающие значимость каждой нозологической формы. На рис. 3.4 представлена структура общей заболеваемости по Воронежской области. Исходя из представленной информации, весовые коэффициенты по каждой нозологии будут соответствовать удельному весу каждого заболевания в структуре общей заболеваемости. Весовые коэффициенты по каждой нозологии представлены в табл. 3.5.
Пересчитанные индексы комфортности по территориальным единицам Воронежской области, а также результаты ранжирования районов региона по различным критериям (Я,Е,/?,П) представлены в табл. 3.6. Результат ранжирования показывает, что при применении разных методов свертки особых расхождений в результатах исследования не наблюдается. На рис. 3.5 представлена структура общего индекса комфортности по районам области с учетом его составляющих. В результате геоинформационного моделирования полученных значений частных и общего числа индекса комфортности с использованием пакета ArcView были получены балльные оценки комфортности проживания в районах Воронежской области. Проведенное исследование позволило оценить интегральный показатель общей заболеваемости и выявить группы районов с низкой, средней и повышенной комфортностью проживания относительно медико-экологического состояния региона (Воронежской
Формирование эколого-медицинского мониторинга с учетоматологий региона
Для большинства районов Воронежской области, как и для России в целом, становится актуальной и социально-значимой проблема увеличения количества женщин с нарушением репродуктивной функции. Среди множества патогенных факторов, влияющих на снижение генеративной функции женщины, важное место занимает негативное воздействие экологических факторов риска: возрастание объема техногенных атмосферных загрязнений; снижение показателей качества наземных и подземных водоносных путей; ионизирующая радиация и другие. Реализация задачи гинекологического мониторинга по заболеваемости женщин репродуктивного возраста в районах Воронежской области и получение достоверных оценок прогноза уровня заболеваемости требует предварительной обработки значительного объема неоднородной статистической информации (атрибутивных данных), формируемых за определенный временной интервал. Возникновение корреляционной связи между медико-экологическими показателями обусловлено: 1) причинной зависимостью результативного признака от факторного признака; 2) следствиями общей причины; 3) взаимосвязью признаков, каждый из которых есть и следствие, и причина. Проведение корреляционно-регрессионного анализа позволяет учесть межфакторные связи: 1) прямое влияние фактора на результативный признак; 2) косвенное влияние фактора через его влияние на другие факторы; 3) влияние всех факторов на результативный признак. Задачи, решаемые корреляционно-регрессионным анализом: 1) выделение важнейших факторов; 2) прогнозирование возможных значений результативного признака при задаваемых значениях факторных признаков; 3) подготовка данных для решения оптимизационных задач. В многофакторной системе базой является матрица оценок парных коэффициентов корреляции. На основе этой матрицы вычисляется коэффициент і множественной детерминации R y(xl,...xk), который интерпретируется как % вариации результативного признака, объясняемый за счет вариации входящих в уравнение факторов. В работе исследовалось влияние факторов окружающей среды на заболеваемость в районах Воронежской области. Все районы Воронежской области были разбиты на две группы: промышленные и сельскохозяйственные районы. К промышленным районам Воронежской области относятся следующие 11 районов: Аннинский, Борисоглебский, Калачеевский, Лискинский,
Острогожский, Россошанский, Семилукский, Подгоренский, Эртильский, Павловский, Бутурлиновский. Факторы окружающей среды представлены в пяти группах: 1) промышленные выбросы в атмосферу; 2) транспортная густота; 3) авиа- и агрохимобработка почв; 4) климатические данные; 5) состав почв. Оценки коэффициентов корреляции между медицинскими и экологическими показателями для первой группы районов даны в табл. 4.3-4.6. Результаты корреляционного анализа по выявлению статистической согласованности между медицинскими и экологическими показателями по сельскохозяйственным районам ВО даны в табл. 4.7. Обозначения: Ry - оценка коэффициента корреляции (q 0,05); Rjj - значение коэффициента детерминации (в процентах). На рис. 4.4 изображена схема влияния внешних факторов на заболеваемость эндометриозом: Xi - авиахимобработка с целью защиты от сельскохозяйственных вредителей; Х2 - внесение органических удобрений; Х3 - среднее валовое содержание в почвах титана; Х4 - среднее валовое содержание в почвах ванадия; Х5 - промышленные выбросы в атмосферу окиси углерода СО; Были вычислены коэффициенты множественной корреляции: Rzx,x8=0,63;
Построена линейная модель зависимости заболеваемости эндометриозом от экологических факторов состояния среды. Общий вид модели: В результате проведения регрессионного анализа были получены следующие оценки коэффициентов: Значимость коэффициентов уравнения проверялось по критерию Стью-дента при уровне значимости Р = 0,05 и N = 20: Значимыми оказались коэффициенты E и D. Для полученной модели значение коэффициента множественной корреляции RM = 0,9569. Коэффициент Фишера для оценки адекватности линейной модели F = 16.297. Расчет проводился на базе пакета рас. Statistica 3.0. Аналогичным образом было проведено исследование влияния внешних факторов состояния окружающей среды на заболеваемость эндометриозом в промышленных районах (табл. 4.8) и на заболеваемость НМЦ (табл. (4.9)-(4.10)). Для полученной модели значение коэффициента множественной корреляции RM=0,885. Коэффициент Фишера для оценки адекватности линейной модели FPac=10.93.
Помимо проблемы деторождаемости и бесплодия в регионе значительный удельный вес имеют заболевания эндокринной системы. Самая ранняя из всех заболеваний инвалидность, высокая смертность после сердечно-сосудистой патологии и злокачественных образований определили сахарный диабет в качестве первых приоритетов национальных систем здравоохранения всех без исключения стран мира. Сахарный диабет характеризуется быстрым ростом заболеваемости. В середине 90-х годов ежегодный прирост больных составлял 5-7 %, а по прогнозу каждые 12-15 лет число больных сахарным диабетом будет удваиваться, и к 2010 г. их будет насчитываться до 239,4 млн. человек. Оптимизация процесса оказания медицинской помощи больным с узловыми заболеваниями щитовидной железы является актуальной для Воронежской области и обусловлена диагностическими и лечебными моментами. Заболеваемость регистрируется в основном по обращаемости и не в полной мере отражает ее истинный характер. Не разработаны критерии идентификации территорий риска по раку щитовидной железы, что позволило бы планировать приоритетные мероприятия профилактического, диагностического и организационного плана. В результате проведенного статистического анализа по следующим нозологическим формам: тиреотоксикоз, сахарный диабет (1 и 2 типа), ожирение, было выявлено, что наиболее распространенным среди населения Воронежской области является заболеваемость сахарным диабетом, в частности второго типа. Такая же ситуация складывается по городу Воронежу и по отдельным районам [40]. В результате проведенного анализа динамики различных нозологических форм эндокринной системы были получены цепные коэффициенты роста Tnt=Yt 100/Yt-i, базисный прирост T6=Yt 100/Y0 и средний коэффициент роста за последние пять лет Tt = t 1-...r Сведения о приросте по нозологических форм приведены в табл. 4.11, а тенденция заболеваемости тиреотоксикозом по
Воронежу и области на рис. 4.6. По полученным результатам можно сделать вывод, что по заболеваниям тиреотоксикозом и сахарным диабетом первого типа тенденция на протяжении пяти последних лет носит отрицательных характер, т.е. наметился спад уровня заболеваний по данным видам нозологии как по области, так и по городу Воро нежу. Например, уровень заболеваемости тиреотоксикозом по области за пять лет снизился на 24,75 %, а по городу Воронежу на 31,08 %. Показатели по са харному диабету первого типа уменьшились на 17,42 и 35 , 17 % соответствен но для области и г. Воронежа. Для заболевания ожирением свойственна противоположная ситуация: так, данный показатель по области за последние пять лет увеличился по области на 68,27 %, то же самое характерно и для го рода Воронежа, и тенденция к росту сохраняется на протяжении всего периода времени и носит устойчивый характер, о чем свидетельствуют цепные темпы приростов (10,58 - 31,00 % в год). Тенденция по общему сахарному диабету носит устойчивый характер: для области незначительное увеличение на 1,5 % за 5 лет, а для Воронежа наоборот - снижение показателя на 6,23 %. Такая же ситуация характерна и для сахарного диабета второго типа. Полученные результаты показали перспективность и актуальность исследований и необходимость дальнейшего исследования - построения прогнозных оценок уровня заболеваемости как в целом по Воронежской области, так и по отдельным районам. Выбор метода прогнозирования зависел от длины исследуемого ряда, наличия или отсутствия сезонных эффектов. Для получения прогнозных оценок методами прямого прогнозирования использовалась экстраполяция временного ряда по тренду [37, 90]. В качестве основной модели ряда рассматривается его представление в виде полинома невысокой степени, коэффициенты которого медленно меняются со временем: y(t) = ax(t) + (l-a)y(t-l), а - параметр сглаживания. Начальное значение тренда зависит от его типа: для экспоненциального
