ОБЗОР МЕТОДИК ОЦЕНКИ УРОВНЯ РЕГИОНАЛЬНОГО ЗДРАВООХРАНЕНИЯ РФ НА ОСНОВЕ БОЛЬШИХ ДАННЫХ

REVIEW OF METHODS FOR ASSESSING THE LEVEL OF REGIONAL HEALTH CARE IN THE RUSSIAN FEDERATION BASED ON BIG DATA

Anastasia Efanova

student, Department of Information Systems and Digital Technologies, Orel State University named after I.S. Turgenev,

Russia, Orel

Mikhail Palyga

student, Department of Information Systems and Digital Technologies, Orel State University named after I.S. Turgenev,

Russia, Orel

Olga A. Savina

scientific advisor, Doctor of Economics, Professor of the Department of Information Systems and Digital Technologies, Orel State University named after I.S. Turgenev,

Russia, Orel

АННОТАЦИЯ

В данной статье рассматриваются методы анализа уровня здравоохранения по регионам РФ. Сформулирована проблема, ее актуальность, цель и практическая значимость исследования. Проведен обзор существующих методов, применяемых для оценки уровня регионального здравоохранения и других демографических показателей. Обосновано использование технологии больших данных в условиях информатизации практически всех сфер общественной деятельности.

ABSTRACT

This article discusses the methods of analyzing the level of health care in the regions of the Russian Federation. The problem, its relevance, purpose and practical significance of the study are formulated. The review of the existing methods used to assess the level of regional health and other demographic indicators is carried out. The use of big data technology in the conditions of informatization of almost all spheres of public activity is justified.

Ключевые слова: статистика, оценка, анализ, большие данные, региональный уровень здравоохранения, методики анализа.

Keywords: statistics, assessment, analysis, big data, regional level of health care, methods of analysis.

Введение

В настоящее время наблюдается тенденция ухудшения здоровья населения России. Основными факторами влияния являются: неблагоприятная экологическая ситуация в регионах, отрицательный экономический рост, снижение социально-психологического статуса населения [8]. Не секрет, что сейчас показатель здоровья населения играет огромную роль в условиях принятия внутриполитических решений, и напрямую зависит от следующих параметров: доступность первичной медицинской помощи, лекарственного обеспечения, финансирования здравоохранения в целом и в отельных регионах в частности, уровень младенческой смертности, средняя продолжительность жизни и другие (по данным ВОЗ[9]).

Актуальность проблемы оценки уровня регионального здравоохранения определяется рядом факторов, таких как недостаточное финансирование муниципальных медицинских учреждений и заметная динамика ухудшения здоровья населения России [8].

При проведении сравнительного анализа регионального уровня здравоохранения необходимо обрабатывать большие объемы данных. Для того, чтобы объективно оценить некоторые показатели, необходимо использовать современные аналитические методы обработки информации, обеспечивающие принятие научно обоснованных решений, направленных на улучшение деятельности медицинских учреждений региональной системы здравоохранения.

Целью исследования является обзор основных методик оценки показателей здравоохранения на основе технологии больших данных.

Практическая значимость исследования заключается в проведении сравнительного анализа уровня регионального здравоохранения, позволяющего выявить наиболее значимые показатели, влияющие на здоровье населения. В дальнейшем возможно создание рекомендаций на основе результатов проведенного анализа, а также предложение комплексного подхода к оценке деятельности региональных медицинских учреждений.

Обзор технологий BIG DATA

Термин «большие данные» используют для описания огромного по размеру и экспоненциально увеличивающегося со временем набора данных. Такой объем трудно хранить, исследовать и преобразовывать с помощью обычных инструментов управления.

Согласно Gartner [4], «большие данные - это объемные, скоростные и разнообразные информационные активы, требующие экономически эффективных инновационных форм обработки информации для более глубокого понимания и принятия решений».

Термин Big Data относится к наборам данных, размер которых  превосходит возможности типичных баз данных по хранению, управлению и анализу информации. В настоящее время множество компаний следят за развитием технологий Big Data. На рисунке представлен прогнозируемый темп роста объемов информации к 2025 году.

Рисунок 1. Прогнозируемый график роста объемов данных в мире к 2025 году по данным компании Seagate [7]

Выделяют следующие особенности применения технологии Big Data:

1. Высокая производительность при работе с данными большого объема и различного состава;
2. Работа с распределенной информацией, которая часто обновляется;
3. Выявление полезных знаний из простого набора данных, которое может привести к увеличению прибыли компании;
4. Наглядность визуализации данных, зависимостей, тенденций.

Технологии Big Data применяются в различных сферах деятельности для повышения эффективности работы компании, увеличения прибыли, создания новых конкурентоспособных продуктов.

В медицине и здравоохранении генерируется огромное количество данных различного типа (изображения, текст/числа) каждый день. С ростом популярности технологии Big Data увеличивается и количество подходов к интеллектуальному анализу данных для последующего получения полезной информации. Таким образом, для анализа данных о здоровье населения обычно используют следующие методы [5]:

1. Классификация. Классификация - это процесс организации данных по категориям для их наиболее эффективного и результативного использования. Широкое применение классификация нашла в сфере анализа медицинских данных.
2. Кластеризация. Кластеризация - это задача группировки множества объектов таким образом, чтобы объекты в одном кластере были более похожи друг на друга, чем объекты в других кластерах. Методы кластеризации широко используются для исследовательского анализа данных, включая сегментацию пациентов, обнаружение данных о выбросах и  прогнозирование заболеваний.
3. Регрессионный анализ. Регрессионный анализ широко используется в анализе данных здравоохранения для оценки взаимосвязей между переменными или свойствами. Основные вопросы исследования включают трендовые особенности последовательностей данных, прогнозирование данных и взаимосвязи между данными.
4. Ассоциативные правила. Интеллектуальный анализ ассоциативных правил направлен на обнаружение связей между элементами в больших базах данных и обычно представляет собой двухэтапный процесс, в котором на первом этапе обнаруживаются наиболее частые наборы элементов, а на втором этапе ассоциативные правила выводятся из частых наборов элементов с использованием некоторых мер заинтересованности.

Методики исследования

В России сейчас, как и во всем мире, не существует принятой методики оценки уровня здравоохранения. Это касается и отдельных элементов системы, и самой системы в целом. Основные популярные методики, применяемые во многих странах, предложены Всемирной организацией здравоохранения, Организацией Объединенных Наций и Всемирного банка.

Существует также ряд отечественных авторских методик, которые успешно применяются при оценке эффективности регионального здравоохранения. [6]

Рассмотрим основные подходы, которые используются при измерении качества здравоохранения [9].

Для оценки уровня общественного здоровья ВОЗ рекомендует опираться на следующие показатели: доступность первичной медицинской помощи, лекарственных средств, уровень финансирования здравоохранения, показатель младенческой смерти, средней продолжительности жизни и другие. При анализе используются и качественные, и количественные характеристики, такие как число койко-мест в больницах, количество медицинского персонала. Например, в своей работе по анализу качества медицинского облуживания в Европе A. Kleine [10] проводит ранжирование 32 стран, используя следующие показатели: количество высшего медицинского персонала на 1000 человек, количество среднего медицинского персонала на 1000 человек, число койко-мест в больницах на 1000 человек, а также уровень младенческой смертности.

Некоторые ученые (Т. Славова, Т.В. Жгун, В.С. Глушанко, М.В. Алферова) в качестве показателей качества здравоохранения используют: продолжительность жизни мужчин и женщин [11], процент младенческой смертности, коэффициент естественного прироста на 1000 человек [3], стандартизированные показатели смертности, общая заболеваемость, уровень обеспечения лекарственными средствами [1] и другие.

В своей работе Е.А. Федорова, Л.И. Черникова и О.Ю. Рогов [9] для сопоставления качества здравоохранения и затрат бюджета на здравоохранения, а также уровень заработной платы медицинских работников используют кластерный анализ. Выбор количества кластеров производился на основании вычисляемых дисперсионных критериев Калинского-Харабаша (непараметрические критерии и критерии для расстояний типа «вне» и «внутри»).

При изучении проблемы оценки деятельности медицинских учреждений используются различные логические и сравнительные методы, факторный анализ, математическая статистика и теория управления с применением технологий больших данных [8]. Выделяют несколько групп методов для исследования демографии и статистики здоровья населения [2].

Статистические методы считаются основными при исследовании демографических процессов населения и используются для изучения массовых демографических явлений, где имеет место так называемый «закон больших чисел». Одним из самых важных этапов в анализе данных при помощи статистического метода является сбор и оценка исходной информации. Полученные в ходе наблюдения числовые данные могут быть неоднородны, содержать выбросы, пропущенные значения и т.п., поэтому, прежде всего, необходимо провести соответствующие действия по обработке и анализу таких данных. При измерении интенсивности демографических процессов используют специальные коэффициенты – отношение количества произошедших событий к общей численности населения, где такие события произошли. Наибольшее распространение при анализе статистики населения получили индексный метод и методы стандартизации демографических показателей: прямой, обратный и косвенный (выбираются в зависимости от характера исходных данных).

Существуют и другие, специфические методы исследования – так называемые демографо-статистические методы: метод реального поколения, метод условного (гипотетического) поколения.

Также при исследовании статистики населения по различным параметрам применяют математические методы (например, демографические таблицы, которые служат для анализа интенсивности различных демографических событий).

Такие методы, как социологические, графоаналитические и табличные, достаточно часто применяются при анализе статистики населения и служат для получения дополнительных данных о различных аспектах демографической ситуации региона.

Картографические методы обычно используются при анализе пространственного размещения и воспроизводства населения для более наглядного отображения и сравнения различных демографических процессов.

Заключение

Таким образом, проведя обзор основных методик, применяемых при анализе статистики населения, можно сделать следующий вывод: для того, чтобы наилучшим образом выявить взаимосвязь между различными параметрами здоровья и демографии населения, а также для проведения сравнительного анализа уровня регионального здравоохранения, следует использовать статистические методы (индексный или методы стандартизации демографических показателей). При помощи технологии больших данных можно исследовать огромное количество неоднородной информации, которая часто используется в медицине и при управлении в сфере здравоохранения. Кластерный анализ, наряду с картографическими методами, позволяет визуализировать состояние отдельных регионов по заданным показателям, проанализировать взаимосвязь параметров, обнаружить аномалии и спрогнозировать возможную тенденцию.

Список литературы:

1. Глушанко В.С., Алферова М.В. Эффективность белорусской модели здравоохранения и лекарственного обеспечения населения // Вестник фармации. – 2016. – №2. – С. 20 – 29.
2. Долбик-Воробей Т.А., Воробьева О.Д. Статистика населения и демография: учебник. М.: КНОРУС, 2018. — 314 с.
3. Жгун Т.В. Построение интегральной характеристики качества жизни субъектов Российской Федерации с помощью метода главных компонент // Экономические и социальные перемены: факты, тенденции, прогноз. – 2017. – Т. 10. Вып. 2. – С. 214 – 235.
4. Иванов П.Д., Вампилова В.Ж. Технологии Big Data и их применение на современном промышленном предприятии // Инженерный журнал: наука и инновации. – 2014. – № 8. [электронный ресурс] – Режим доступа. – URL: http://engjournal.ru/catalog/it/asu/1228.html (дата обращения 21.02.2021)
5. Леонов С.А. Руководство по анализу деятельности учреждений здравоохранения муниципального уровня. М.: ЦНИИОИЗ, 2008. – С.97.
6. Лобкова Е.В., Петриченко А.С., Управление эффективностью региональной системы здравоохранения // Региональная экономика: теория и практика. – 2018. – Т. 16, №2. [электронный ресурс] – Режим доступа. – URL: https://doi.org/10.24891/re.16.2.274 (дата обращения 22.02.2021)
7. Марц Н., Уоррен Д. Большие данные. Принципы и практика построения масштабируемых систем обработки данных в реальном времени. М.: Вильямс, 2016. – 292 c.
8. Прасолов Н.Б. Методы анализа и оценки деятельности медицинских учреждений региональной системы здравоохранения: Автореф. дис. канд. экон. наук. – Воронеж, 2003. – 18 с.
9. Фёдорова Е.А., Черникова Л.И., Рогов О.Ю. Оценка качества здравоохранения в регионах РФ // Региональная экономика: теория и практика. – 2017. – Т. 15, № 11. – С. 2070 – 2093.
10. Kleine A., Dellnitz A., Rödder W. Sensitivity Analysis of BCC Efficiency in DEA with Application to European Health Services // Operations Research Proceedings 2013. Springer. – 2013. – [электронный ресурс] Режим доступа. – URL: https://link.springer.com/chapter/10.1007/978-3-319-07001-8_33 (дата обращения 17.02.2021)
11. Slavova T. A Rank Order and Efficiency Evaluation of the EU Regions in Social Framework. Empirica. – 2008. – № 35. [электронный ресурс] – Режим доступа. – URL: https://doi.org/10.1007/s10663-008-9074-3 (дата обращения 18.02.2021)