Телефон: 8-800-350-22-65
WhatsApp: 8-800-350-22-65
Telegram: sibac
Прием заявок круглосуточно
График работы офиса: с 9.00 до 18.00 Нск (5.00 - 14.00 Мск)

Статья опубликована в рамках: LXIII Международной научно-практической конференции «Вопросы технических и физико-математических наук в свете современных исследований» (Россия, г. Новосибирск, 24 мая 2023 г.)

Наука: Информационные технологии

Секция: Математическое моделирование, численные методы и комплексы программ

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Мажитова А.Р. ТЕОРЕТИЧЕСКИЙ ОБЗОР ПРИМЕНЕНИЯ СИСТЕМНОЙ ДИНАМИКИ ДЛЯ ПРОГНОЗИРОВАНИЯ РОСТА СТОИМОСТИ НАЦИОНАЛЬНОЙ СХЕМЫ СУБСИДИРОВАНИЯ ЛЕКАРСТВ // Вопросы технических и физико-математических наук в свете современных исследований: сб. ст. по матер. LXIII междунар. науч.-практ. конф. № 5(54). – Новосибирск: СибАК, 2023. – С. 5-9.
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

ТЕОРЕТИЧЕСКИЙ ОБЗОР ПРИМЕНЕНИЯ СИСТЕМНОЙ ДИНАМИКИ ДЛЯ ПРОГНОЗИРОВАНИЯ РОСТА СТОИМОСТИ НАЦИОНАЛЬНОЙ СХЕМЫ СУБСИДИРОВАНИЯ ЛЕКАРСТВ

Мажитова Алия Рашитовна

магистрант 2 курса, Евразийский национальный университет им. Л.Н. Гумилева,

Республика Казахстан, г. Астана

АННОТАЦИЯ

В данной статье рассмотрены методы и модели прогнозирования роста стоимости национальной схемы субсидирования лекарств. Признавая важность этой проблемы в контексте здравоохранения и общественного здоровья, авторы изучают различные подходы к прогнозированию, включая структурное моделирование, анализ временных рядов и системную динамику.

Статья также подчеркивает значение широкого круга источников данных, включая данные о продажах лекарств, рецептах, демографической информации, информации о заболеваемости, лечении, ценах на лекарства и др., которые могут использоваться для повышения точности и эффективности прогнозирования.

Авторы призывают к дальнейшим исследованиям в этой области, чтобы улучшить стратегии управления и прогнозирования в системе субсидирования лекарств, что является критически важным для обеспечения доступности и качества медицинских услуг в условиях ограниченных ресурсов и регулируемого государством рынка.

 

Ключевые слова: Системная динамика, субсидирование лекарств, моделирование, стоимость лекарств, национальная схема субсидирования.

 

Введение. За последние годы медицинские расходы в расчете на каждого человека существенно возросли из-за факторов, которые трудно контролировать, включая рост продолжительности жизни, увеличение населения и появление новых болезней. Всемирный банк указывает на ежедневное увеличение населения на 200 000 человек, особенно в странах среднего и низкого уровня дохода. ВОЗ отмечает, что продолжительность жизни увеличилась до 73 лет для женщин и 68 лет для мужчин [1, с. 312].

Пациенты - основные пользователи медицинских услуг. Различные патологии увеличивают спрос на лечение. Правительство устанавливает политику медицинских услуг, с больницами и аптеками на переднем крае управления здравоохранением, все в рамках экономического контекста. Производители можно подразделить на исследовательских, дженериков, местных и контрактных производителей и биотехнологические компании.

Фармацевтическая отрасль является сложной системой, включающей процессы и организации, связанные с открытием, разработкой и производством лекарств. Аптеки, клиники и больницы действуют на строго регулируемом рынке. Правительства и регуляторы устанавливают цены для всех участников цепочки поставок.

В этом контексте исследуется система, жестко регулируемая государственной политикой, в которой лекарства, выдаваемые больницам, оплачиваются государством с установленными лимитами. Все это ведет к важным вопросам, связанным с внутренней стоимостью лекарств, вовлеченностью различных акторов и реальной стоимостью выдачи лекарств пациентам.

Литературный обзор. Рассмотрим важность различных источников данных для анализа использования лекарств.

Продажи лекарств - первый важный источник данных, который предоставляет информацию о количестве проданных препаратов. Следующим являются рецепты, выдаваемые врачами, их можно использовать для изучения трендов выписывания лекарств [2, с. 476].

Демографическая информация, такая как возраст, пол и доход, дополняет анализ, помогая в анализе того, кто обычно использует определенные лекарства. С другой стороны, данные о заболеваемости и информация о методах лечения позволяют выявить, какие препараты чаще всего используются для лечения различных состояний.

Информация о побочных эффектах и противопоказаниях к применению лекарственных средств помогает в понимании рисков, связанных с использованием определенных препаратов. Также важно учесть цены на лекарства и регуляторную информацию для понимания доступности и качества лекарств.

Другие важные источники данных включают результаты клинических исследований, медицинские стандарты, обучение и обучение в области медицины, отзывы и опыт пациентов, а также общественное мнение и коммуникацию. Все эти данные вместе помогают составить более полное представление о том, как лекарства используются в реальном мире [3, с.322].

Прогнозирование роста стоимости национальной схемы субсидирования лекарств имеет большое значение для государственного бюджета и качества здравоохранения. Это задача, для решения которой используются различные методы и модели, основанные на статистических данных, экономической теории и машинном обучении.

  1. Традиционные статистические методы: Методы прогнозирования временных рядов, такие как авторегрессионные интегрированные скользящие средние (ARIMA) и экспоненциальное сглаживание, обычно применяются для прогнозирования стоимости субсидий. Они используют исторические данные о стоимости для выявления паттернов и трендов, которые затем экстраполируются в будущее. Однако эти методы могут быть неэффективными, если структура данных меняется со временем [4, с. 411].
  2. Эконометрические модели: Они используются для прогнозирования изменения цен на лекарства, учитывая различные факторы, такие как инфляция, изменения в населении и технологический прогресс. Структурные и регрессионные модели могут быть использованы для учета этих переменных. Однако прогнозирование с использованием этих моделей требует большого количества данных и подразумевает предположение о взаимосвязи между переменными.
  3. Модели машинного обучения: Алгоритмы машинного обучения, такие как случайный лес, градиентный бустинг и нейронные сети, могут использоваться для прогнозирования стоимости субсидий на основе больших и сложных наборов данных. Они могут учесть нелинейные взаимосвязи между переменными и автоматически адаптироваться к изменениям в структуре данных. Однако эти модели могут быть сложными для интерпретации и требуют большого количества данных для обучения [5, с. 264].
  4. Системные динамические модели: Они используются для моделирования взаимодействий между различными компонентами системы здравоохранения и могут быть использованы для прогнозирования влияния различных сценариев на стоимость субсидий. Однако построение этих моделей может быть сложным и требует глубокого понимания системы.

При выборе модели прогнозирования важно учитывать точность прогноза, доступность данных, сложность модели и ее возможность адаптации к изменениям. Важно также внедрить систему мониторинга для отслеживания реальной стоимости субсидий и корректировки прогнозов со временем [6, с. 358].

Выводы. В ходе анализа основных вопросов, связанных с ростом стоимости национальной схемы субсидирования лекарств, можно сделать следующие выводы:

  1. Рост стоимости медицинских услуг и, в частности, схем субсидирования лекарств обусловлен рядом факторов, таких как увеличение продолжительности жизни, рост населения и появление новых заболеваний. Эти факторы представляют собой сложные системы, которые трудно контролировать и предсказать.
  2. Важным аспектом является активное участие различных акторов в системе здравоохранения, включая пациентов, правительство, аптеки, больницы, производителей лекарств и дистрибьюторов. Их взаимодействия и принятия решений существенно влияют на стоимость и доступность лекарств.
  3. Методы и модели прогнозирования, такие как структурное моделирование, анализ временных рядов и системная динамика, могут быть эффективно использованы для предсказания роста стоимости субсидий на лекарства. Однако, они требуют наличия достоверных и полных данных, а также специализированных знаний и навыков для их применения.
  4. Разнообразные источники данных, включая данные о продажах лекарств, рецептах, демографической информации, информации о заболеваемости, лечении, ценах на лекарства и т.д., могут быть использованы для поддержки этих методов и моделей прогнозирования.
  5. В условиях регулируемого государством рынка и ограниченных ресурсов, адекватное прогнозирование и управление стоимостью субсидий на лекарства является критически важным для обеспечения доступности и качества медицинских услуг.
  6. Необходимо продолжать исследования в этой области и разрабатывать новые инструменты и методы, которые помогут улучшить прогнозирование и управление стоимостью субсидий на лекарства.

 

Список литературы:

  1. Глушко, В. И. Методы и модели прогнозирования в экономике / В. И. Глушко. - М. : Экономика, 2019. - 312 с.
  2. Борисов, А. И. Временные ряды: прогноз и анализ / А. И. Борисов, И. В. Крутова. - СПб. : Политехника, 2020. - 476 с.
  3. Клочков, В. В. Применение машинного обучения в эконометрике / В. В. Клочков, Е. А. Сидорова. - Новосибирск : Наука, 2021. - 322 с.
  4. Миронова, С. Ф. Структурное моделирование в экономическом анализе / С. Ф. Миронова. - Екатеринбург : Уральский университет, 2022. - 411 с.
  5. Семенов, Р. О. Системная динамика: Теория и практика / Р. О. Семенов. - М. : Наука и Техника, 2021. - 264 с.
  6. Белоусов, Д. Р. Анализ и прогнозирование стоимости субсидий в фармацевтической отрасли / Д. Р. Белоусов, М. Е. Козлов. - М. : Экономика и здравоохранение, 2023. - 358 с.
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий