WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Авторефераты по темам  >>  Разные специальности - [часть 1]  [часть 2]

Cистема поддержки принятия решений для организации взаимодействия скорой медицинской помощи и поликлинических служб

Автореферат кандидатской диссертации

 

                                На правах рукописи

 

 

 

Прилуцкая Ирина Евгеньевна

 

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ОРГАНИЗАЦИИ ВЗАИМОДЕЙСТВИЯ СКОРОЙ МЕДИЦИНСКОЙ ПОМОЩИ И ПОЛИКЛИНИЧЕСКИХ СЛУЖБ

 

специальность 05.13.10 – Управление в социальных и экономических системах

 

 

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата технических наук

 

 

Курск - 2006

 


Работа выполнена в ГОУ ВПО «Курский государственный технический университет» на кафедре «Комплексная защита информационных систем »

Научный руководитель:                                    доктор технических наук, профессор

Лопин В.Н.

Официальные оппоненты:                                доктор технических наук, профессор

В.М.Довгаль

кандидат  технических наук

Леонов Е.И.

Ведущая организация:                                       ГУП НИИ Новых медицинских

технологий  г. Тула

Защита диссертации состоится «28» декабря 2006 г.  в 14 часов на заседании диссертационного совета Д212.105.02 при Курском государственном техническом университете по адресу: 305040, Курск, ул. 50 лет Октября, 94 (конференц-зал).

С диссертацией можно ознакомиться в библиотеке Курского государственного технического университета.

Автореферат разослан «___» ноября 2006 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу: 305040, Курск, ул. 50 лет Октября, 94, Курск ГТУ, ученому секретарю диссертационного совета Д212.105.02

Ученый секретарь диссертационного совета

кандидат технических наук, доцент                 ______________Е.А. Титенко


ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы.

Эффективное функционирование современных медицинских служб и информационно-аналитических систем для них характеризуется  комплексом требований к повышению качества оказания медицинской помощи, увеличению объемов анализируемой медицинской информации об экстренных и неотложных вызовах, необходимостью оперативной и достоверной обработки больших массивов разноформатных данных. Одним из путей выполнения комплекса таких противоречивых требований является организация cсоответствующего взаимодействия между медицинскими службами, прежде всего между станцией скорой медицинской помощи (ССМП) и  амбулаторно-поликлиническими службами (АПС).

В настоящее время в системе здравоохранения проходит реформа, использующая передовые методы ситуационного управления для повышения значимости принятия решений по  индивидуальному  пациенту, оценки их последствий и выработке на их основе рациональных текущих рекомендаций врачебно-управленческому персоналу ССМП и АПС. В настоящее время ССМП и АПС в большинстве случаев функционируют самостоятельно, а решения принимаются обособленно, вследствие чего отсутствует скоординированная подготовка управленческих решений. Выходом из данной ситуации  является разработка систем поддержки принятия решений (СППР), которая использует разнообразные методы принятия решений на основе согласованных данных, а также современные информационные технологии для их реализации, прежде всего технологии экспертных систем и нейронных сетей. Подобные ССПР будут призваны обеспечить в качестве оперативной накапливаемую информацию об обращаемости заявок жителей города по территориальным признакам, что приведет к рациональному перераспределению важнейших ресурсов в функционировании ССМП и АПС и повысит как качество оказания помощи, так и эффективность работы служб.

Проведенный анализ известных подходов к синтезу медицинских СППР показал, что в рамках большинства из них невозможно создать одновременно компактные, легко модифицируемые и обучаемые системы принятия решений. Кроме того, задача организации взаимодействия ССМП и АПС в существующих медицинских СППР и АСУ различного назначения не рассматривалась как самостоятельная.

Устранение этого объективного противоречия возможно путем создания систем поддержки принятия управленческих решений по организации взаимодействия между медицинскими службами.

Вопросы разработки и эффективного использования информационных систем в здравоохранении рассматривались в работах таких авторов, как С.А. Мартынчик,  В.Г. Запорожченко,  И.В. Ушаков,  О.П. Маркова,  В.М. Донин и др. Однако, вопросы организации взаимодействия различных медицинских служб на основе информационных систем скорой помощи и поликлинических служб, практически не рассматривались.

Научно-техническая задача состоит в повышении уровня обоснованности управленческих решений при организации взаимодействия скорой медицинской помощи и поликлинических служб, обеспечивающих сокращение частоты обращаемости в службы скорой медицинской помощи. 

Целью диссертационной работы является  разработка методов, алгоритмов и программного обеспечения  системы поддержки принятия решений для повышения качества медицинской помощи.

Задачами диссертации являются:

1. Анализ современных подходов по созданию систем информационной поддержки принятия решений в системе скорой медицинской помощи и амбулаторно-поликлинических служб (АПС).

2. Разработка метода и математических моделей поддержки принятия решений на основе продукционных и нейросетевых технологий для  АСУ ССМП и АПС.

3. Разработка структурно-функциональной организации АСУ ССМП и нейросетевой подсистемы поддержки решений.

4. Разработка алгоритмического и программного обеспечения системы поддержки принятия решений для ССМП.

 Объектом  исследования являются процессы взаимодействия станции скорой медицинской помощи и амбулаторно-поликлинических служб.

Предмет исследования – метод и алгоритмы информационной поддержки принятия решений по координации функционирования скорой медицинской помощи и поликлинических  служб.

 Методы исследования базируются на основных положениях теории моделирования экономических, социальных, медицинских систем, теории вероятностей и математической статистики, теории принятия решений, теории управления организационно-техническими системами, теории проектирования баз данных, теории нейронных сетей, теории алгоритмов и теории  практического программирования.

Научная новизна работы состоит в следующем:

1. Разработан метод и процедура поддержки принятия управленческих решений на основе продукционной базы знаний и технологии ситуационного управления, отличающийся возможностью визуализации медицинской ситуации и обеспечивающий высокую оперативность принятия управленческого решения.

2. Разработана структурно-функциональная организация нейросетевой подсистемы поддержки принятия решений для АПС на основе оперативной информации АСУ ССМП.

3. Разработан  алгоритм поддержки принятия решений на основе нейросетевого консилиума, позволяющий повышать качество поддержки принимаемых решений за счет модификаций обучающей базы.

Практическая значимость Разработанные методы и  алгоритмические средства позволили:

1. Разработать программный комплекс «Поликлиника», обеспечивающий необходимый уровень поддержки управленческих решений по координации взаимодействия ССМП и АПС и решений по индивидуальному управлению пациентом.

2. Повысить оперативность получения необходимой статистической информации по вызовам на ССМП различными  медицинскими структурами за счет внедрения программного комплекса «Поликлиника».

3. Сократить обращаемость населения за неотложной медицинской помощью на ССМП, путем обоснованного перераспределения этих обращений на АПС, и повысив тем самым качество медицинской помощи.

Результаты функционирования программного комплекса «Поликлиника» апробированные в условиях г. Курска  показали, что он может быть рекомендован для внедрения системы поддержки принятия решений для малых и средних регионов с населением от 10 тысяч человек.

Основные положения, выносимые на защиту:

1. Метод поддержки принятия управленческих решений на основе продукционной базы знаний и технологии ситуационного управления, отличающийся возможностью визуализации ситуаций для лица принимающего решение (ЛПР), и обеспечивающий высокую оперативность принятия управленческого решения.

2. Структурно-функциональная организация нейросетевой подсистемы поддержки принятия решений для АПС на основе данных обращаемости населения по территориальному признаку на ССМП.

3. Алгоритм поддержки принятия решений на основе нейросетевого консилиума, который позволяет получать обоснованные решения по индивидуальному управлению пациентами для АПС и расширяет базу обучения, обеспечивая повышение качества оказания медицинской помощи и обоснованное сокращение обращений населения за неотложной медицинской помощью на ССМП.

Апробация работы. Основные результаты работы докладывались  на   IV  специализированной конференции «Информационные технологии в медицине »  (г. Москва 2002г.), на Международной научно-технической конференции «Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий» (г. Москва, 2002 г.), на V специализированной конференции «Информационные технологии в медицине» (г. Москва 2003г.), на IX Международной научно-технической конференции «Медико-экономические информационные технологии» (г. Москва, 2006 г.).

Внедрение результатов исследования. Результаты исследования использованы в практической деятельности станции скорой медицинской помощи  и амбулаторно-поликлинических служб г. Курска, а также в учебном процессе Курского государственного технического университета на кафедре «Биомедицинская инженерия»

Публикации.

Основные результаты диссертационной работы опубликованы в 9 научных работах, в том числе 2 - по перечню центральных рецензируемых журналов и изданий, рекомендуемых ВАК Министерства образования и науки РФ. Получено авторское свидетельство об официальной регистрации программы для ЭВМ.

Личный вклад автора. В работах, опубликованных в соавторстве, лично соискателем предложены: [3] разработана структурно-функциональная организация нейросетевой системы поддержки принятия решений, в [5,7] проведена разработка алгоритмов и программного обеспечения, на основе которых осуществлен анализ компьютеризации контроля обращаемости на ССМП, в [6] разработан алгоритм системы поддержки принятия решений врачей АПС, в [8,9] проанализированы современные подходы к системам поддержки принятия решений медицинскими службами.

Структура и объем работы.

Диссертация состоит из введения, трех глав, заключения и списка литературы, включающего  85 источников. Работа изложена  на  145 страницах, включает 16 таблиц и 31 рисунок.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы. Сформулированы цель исследования, решаемые для ее достижения задачи, научная новизна, практическая ценность, защищаемые положения.

В первом разделе проводится анализ структурно-функциональных организаций медицинских СППР и АСУ в современной системе здравоохранения.

Рассмотрена и формализована структура региональной системы здравоохранения и выделено место станции скорой медицинской помощи, в которой выявлена исторически сложившаяся  специфика ее организации. Перечислены основные проблемы - общие, системные и присущие только скорой помощи. Подчеркнута необходимость решения проблемы взаимодействия ССМП с другими организациями здравоохранения, особенно амбулаторно-поликлиническими. Как одно из наиболее эффективных направлений решения перечисленных проблем выделен процесс информатизации здравоохранения, в частности - внедрение автоматизированных систем управления. Дан краткий обзор существующих в настоящее время АСУ, используемых на ССМП, определены основные функциональные блоки,  решаемые задачи.

Сделан вывод об отсутствии в существующих АСУ ССМП подсистем поддержки принятия управленческих и решений по индивидуальному управлению пациентом, учитывающих координацию в функционировании ССМП и АПС. В этой связи были рассмотрены основные принципы, на которых базируются современные системы поддержки принятия решений.

Отмечены особенности управленческих решений в здравоохранении, определяющие решения управленческого характера  и решений по индивидуальному управлению пациентом. В данной работе под решением по индивидуальному управлению пациентом понимается одно из возможных альтернативных решений со стороны амбулаторно-поликлинической службы по оказанию конкретной медицинской или социальной помощи больному. Учитывая специфику таких решений, связанную с возможностью их формализации были выбраны в качестве основных – модель поддержки принятия решения, основанная на продукционной модели знаний и модель принятия решений, базирующаяся на нейросетевых технологиях. 

Предложено использовать в качестве инструментальной базы для поддержки принятия управленческих решений  аппарат, который базируется на продукционных технологиях, а для решений по индивидуальному управлению пациентом, отличающихся сложностью формализации, применить нейросетевые технологии.

Разработана концептуальная модель АСУ ССМП (рис.1), которая содержит уровни поддержки принятия управленческих решений  для ССМП и АПС.

Во втором разделе  в соответствии с принятой концептуальной моделью разработана структурно-функциональная организация АСУ ССМП, которая включает в себя системы поддержки принятия управленческих решений ССМП и АПС. Последняя включает в себя  подсистему поддержки принятия решений по индивидуальному управлению пациентом и подсистему поддержки принятия решений по организации АПС. На рисунке 2 представлена

структурно-функциональная организация АСУ ССМП.

Рис.1 Концептуальная модель АСУ ССМП

Рис. 2 Структурно-функциональная организация АСУ ССМП

 Система поддержки принятия управленческих решений  реализуется на уровне автоматизированного рабочего места (АРМ 1) руководящего звена  ССМП. Система поддержки принятия управленческих решений  и подсистема поддержки принятия управленческих решений по организации АПС базируются на разработанном методе, основанном на применении продукционной базы знаний и технологии ситуационного управления. На основе метода разработана процедура принятия решений, содержащая три базовых этапа: подготовка пакетов выходных форм, создания пакетов стандартных отчетов на базе выходных форм, поддержки принятия решений, заключающейся в обработке коллизий при оценке конкретной ситуации.

Выходные формы (многомерные таблично заданные сведения) включают различные интегрированные данные статистического характера о вызовах на ССМП и являются, как правило, избыточными. Эти выходные формы сложны для визуального восприятия и не позволяют ЛПР объективно оценивать ситуации и принимать адекватные решения по конкретной ситуации.

Пакет выходных форм представляется множеством

Form = (f1,...,fn),                                                                                         (1)

где fi – i-ая выходная форма определенного типа.

Этап создания пакетов стандартных отчетов на основе выходных форм обеспечивает представление ЛПР информации, используемой в виде, удобном для восприятия и оценки конкретной ситуации. Стандартный отчет имеет ситуационную направленность и позволяет ЛПР осуществлять оценку ситуации с использованием множества ситуационных коллизий. Пакет стандартных отчетов представляется множеством

М={(mi):Form > mi},                                                                              (2)

где mi –i  стандартный отчет.

Для формализации отклонений стандартных отчетов от нормы  введены понятия: ситуационная коллизия k  и множество ситуационных коллизий K.

Под ситуационной коллизией k понимается адекватно воспринимаемое ЛПР отклонение ситуации от  фиксированной нормы. Под множеством ситуационных коллизий K=(k1,...,kt)  понимается полный аргументированный набор коллизий, используемых в оценке ситуаций.

На этапе формирования поддержки принятия решений используется в качестве входной информации пакет стандартных отчетов, подготовленный и рассчитанный на предыдущем этапе. Этот этап реализуется на уровне АРМ руководящего звена экспертной системы поддержки принятия решений. В основе процессов поддержки принятия решений используется продукционная модель знаний с правилами-продукциями вида:  Rel={if  (условие) then (заключение)}.

Для последующей обработки данных вводится в рассмотрение множество R* = (r1,...,rs) состоящее из s альтернативных решений ri, предлагаемых системой для устранения коллизий множества K. Продукционная  модель знаний PR в рассматриваемой системе поддержки принятия решений определяется выражением:

PR = {(K,R*,Rel):Rel=if ( K*j ) then (rj )}                                 (3)

где  K*j I K .

Таким образом, математическая модель системы поддержки принятия решений на основе продукционной базы знаний и ситуационного подхода может быть представлена в виде:

< M, K, {(K,R*,Rel):Rel=if ( K*j ) then (rj )} >                         (4)

Система поддержки принятия решений для руководящего звена амбулаторно-поликлинических служб представлена подсистемой поддержки принятия управленческих решений по организации АПС (ПУРО) и подсистемой поддержки  принятия решений по индивидуальному управлению пациентом (ПРИУП) и реализуется на уровне автоматизированного рабочего места (АРМ2).

Подсистема поддержки принятия управленческих решений (ПУРО) базируется на ранее рассмотренных методах, основанных на применении продукционной базы знаний и технологии  ситуационного управления. Для ее использования требуются специальные выходные формы F2, подготовка которых осуществляется  разработанным программным комплексом «Поликлиника» (ПКП).

Для ПКП была разработана структурная схема, алгоритмы и соответствующее программное обеспечение, предназначенное для создания пакета выходных форм F2. Обобщенная информация необходимая для принятия управленческих решений представляется в виде диаграмм, схем, графиков. Созданный программный продукт обеспечивает необходимую информационную поддержку принятия управленческих решений для ССМП и АПС, а так же поддержку  принятия  решений по индивидуальному управлению пациентом. Для последнего, используется методика поддержки принятия управленческих решений на основе изучения количества заявок на ССМП по терапевтическим участкам, а также методика поддержки принятия управленческих решений по коррекции действий участкового врача.

В третьем разделе осуществлена разработка структурно-функциональной организации нейросетевой подсистемы поддержки принятия решений для амбулаторно-поликлинических служб на основе оперативной информации автоматизированной системы управления ССМП.  В ряде случаев возникают ситуации, когда наблюдаются серии последовательных во времени вызовов на ССМП со стороны отдельных больных. Очевидно, что это в значительной мере связано с недостаточно эффективной работой соответствующих территориальных амбулаторно-поликлинических служб. Мониторинг подобных ситуаций и своевременное принятие решений по лечению таких больных  амбулаторно-поликлиническими службами  позволит повысить эффективность работы как ССМП, так и поликлиник. Данные, получаемые при мониторинге вызовов сводятся к i временным последовательностям информационных блоков фиксированного формата, определяемого кортежем:

SD =(pol,vozr,(povi,dzi,vpi):i=1,...,k)D                                                    (5)

где pol – код пола больного; vozr – код возраста больного; povi – код повода вызова больным ССМП  на временном интервале  i; dzi – код диагноза поставленного врачом ССМП на временном интервале i; vpi – код вида помощи оказанной врачом ССМП на временном интервале i; i - номер временного интервала.

В общем случае анализ входного кортежа   SD  позволяет принять решение R по оказанию медицинской помощи конкретному больному D консилиумом специалистов амбулаторно-поликлинической службы и без поддержки принятия решений со стороны нейросетевой подсистемы. В этом случае  принятие решения по  больному D консилиумом специалистов можно представить моделью:

R=f (SD, T)                                                                                                  (6)

где T – тезаурус консилиума, позволяющий принять решение.

Вводится в рассмотрение поддержка принятия решения R*, обеспечиваемая нейросетевой подсистемой поддержки принятия решений.  В данном случае R*=(r1,...,rn) является непустым множеством, где ri, i=1,...n одно из альтернативных решений, сопоставляемых с классами. В этом случае можно записать выражение:

R*=f*(SD, B)                                                                                     (7)

где B - база объективных данных, используемая для обучений нейросетей, SD- входной кортеж.

База B интерпретируется как исходная обучающая база, полученная на основе предшествующего опыта или на основе знаний экспертов. Функция f* (.), является математическим описанием нейросети после обучения. Множество R*=(r1,...,rn), определяющее альтернативные решения ri, является информационной поддержкой принятия решения R. Номенклатура альтернативных решений представляется как диспансеризация, эффективная медикаментозная терапия,  направление в стационар, направление в социальную службу, консультация специалиста, созыв консилиума врачей.

Таким образом, математическую модель принятия решений с использованием нейросетевого подхода можно представить в виде:

R=f (f*( SD, B), T*)                                                                                      (8)

где T* - тезаурус консилиума специалистов, использующих поддержку R* для принятия решения R.

Из анализа модели (8) можно сделать вывод о том, что принятие решения R при использования системы поддержки принятия решений требует в общем случае меньше интеллектуальных трудозатрат консилиума специалистов.

Структурно-функциональная организация подсистемы представлена на рисунке 3.

Рис.3  Структурно-функциональная организация нейросетевой подсистемы поддержки принятия решений

где: NET- нейросетевой процессорный модуль; БО - база обучения; БВ –вспомогательная база данных; ПКП – программный комплекс «Поликлиника»; КБ – контингент пациентов; АПС – амбулаторно-поликлинические службы.

Общий алгоритм функционирования нейросетевой подсистемы поддержки принятия решений состоит в следующем:

Из внешней среды, определяемой КБ, поступают вызова на ПКП. Программный комплекс «Поликлиника» (ПКП) обрабатывает каждый поступающий вызов на принадлежность его к конкретной поликлинике и конкретному участку. Если один и тот же пациент обращается за помощью на ССМП  больше чем фиксированное колличество раз за заданный временной интервал, то данные по всем вызовам этого пациента заносятся во вспомогательную базу хронических больных БВ. Из этой базы данные поступают в обученный нейросетевой процессорный модуль NET для соответствующей обработки. В результате обработки нейросетевой модуль NET генерирует R*- множество альтернативных решений для последующей выработки конкретного решения консилиумом специалистов АПС. При последующих обращениях этого пациента на ССМП его вызова фиксируются и проверяются  по частоте обращений за выбранный временной интервал. Если частота таких обращений сократилась (принятое решение эффективное), то кортеж по данному пациенту из вспомогательной базы БВ переносится в обучающую базу БО. Если частота таких обращений не сократилась (принятое решение неэффективное), то кортеж по данному пациенту направляется в амбулаторно-поликлиническую службу для принятия решения R (без использования модуля NET). Таким образом, происходит обновление обучающей базы БО за счет добавления в нее картежей, соответствующих эффективным решениям.

Разработан и представлен на уровне блок-схемы детализированный алгоритм поддержки принятия решений, учитывающий процедуры формирования базы обучения и вспомогательной базы.  

Выполнен синтез нейросетевого модуля NET, определяющего нейросетевой консилиум. В качестве компонентов консилиума NETj рассматривается нейронная сеть слоистой архитектуры.

Для проверки корректности работы основного блока разработанного алгоритма проведено тестирование модуля NET.  Для выработки нейросетями коллективного решения был создан и обучен консилиум из пяти нейросетей (NET1, NET2, NET3, NET4, NET5) на обучающей выборке объемом 270 примеров. Использование консилиума связано с тем обстоятельством, что нейронные сети в процессе обучения используют датчик случайных чисел и приобретают индивидуальность – «мнения» сетей в общем случае могут различаться. Качество обучения консилиума оценивалось результатами тестирования  нейросетей на 30 примерах, не входящих в обучающую выборку

Тестирование показало, что обученный консилиум нейросетей обладает достаточно высоким уровнем достоверности распознавания классов решений, что является основой корректной работы алгоритма поддержки принятия решений. В таблице 1 приведены результаты.

 Таблица 1

Достоверность распознавания классов решений

Нейросети

консилиума

Классы

1

2

3

4

5

6

NET1

1

0,8

0,8

1

0,8

1

NET2

1

1

0,8

1

0,8

1

NET3

1

1

0,8

0,8

1

1

NET4

1

1

0,8

1

0,8

1

NET5

1

1

1

1

0,8

1

Консилиум

1

0,96

0,84

0,96

0,84

1

где: класс 1- диспансеризация; класс 2-эффективная медикаментозная терапия; класс 3-направление в стационар; класс 4-направление в социальную службу; класс 5- консультация специалиста; класс 6 - созыв консилиума.

На рисунке 4 отображена графическая зависимость достоверности распознавания классов решений по тестирующей выборке консилиумом.  

классы

 
 

 

Рис. 4  Графическая зависимость достоверности распознавания  классов решений консилиумом

где: класс 1- диспансеризация; класс 2-эффективная медикаментозная терапия; класс 3-направление в стационар; класс 4-направление в социальную службу; класс 5- консультация специалиста; класс 6 - созыв консилиума.

На рисунке 4 отображена графическая зависимость достоверности распознавания классов решений по тестирующей выборке консилиумом.  

классы

 
 

 

Рис. 4  Графическая зависимость достоверности распознавания  классов решений консилиумом

Из проведенного тестирования следует, что предлагаемый нейросетевой подход поддержки принятия решений обеспечивает высокий (от 0,84) уровень достоверности распознавания возможных классов решений  и создает объективную предпосылку для эффективной обработки медицинской  информации.

Рассмотренная структурно-функциональная организация  нейросетевой подсистемы поддержки принятия решений (НСППР) позволяет в процессе работы системы повышать уровень обоснованности принятия решений за счет добавления в исходную обучающую выборку кортежей, накопленных эффективных решений АПС.

На основе нейросетевого пакета NeuroPro 0.25, используемого при моделировании работы системы, были получены математические описания обученных нейросетей консилиума NET. Найденные математические описания  нейросетей могут быть использованы для создания аппаратно-программных систем поддержки принятия решений, а также для аналитического исследования специалистами данной предметной области соответствующих причинно-следственных связей.

Управленческий эффект определяется уровнем качества лечения конкретного больного с использованием современных инновационных технологий при оказании медицинской помощи, в том числе переносе обращаемости со скорой помощи на поликлиники без ухудшения данного показателя, и повышения качества  медицинского обслуживания, т.к. оказание медицинской помощи участковыми врачами  является более результативным. С этой целью в данной разработанной системе автоматически подготавливается для медицинского персонала АПС конкретная выходная информация по желаемому виду медицинской помощи для конкретного пациента.

В ходе экспериментальной проверки была выявлена обратно пропорциональная зависимость между количеством посещений участковыми врачами пациентов на дому и  количеством неотложных вызовов на ССМП, а именно: при увеличении посещений участковыми врачами своих территориальных участков происходит снижение обращения населения на этих же участках за неотложной помощью на станцию ССМП.

На рисунке 5 показаны фактические и теоретические зависимости  обращаемости населения за неотложной медицинской помощью на ССМП во время работы поликлиник. Они иллюстрируют динамику снижения обращаемости населения  и согласуются с теоретическими результатами работы. Фактическая зависимость получена на основании средних значений обращаемости населения за ССМП во время работы поликлиник на тыс. населения, а теоретическая - на средних величинах, которые формируют регрессию. На рисунке 6 показана динамика роста посещений участковых врачей на дом как фактически, так и теоретически. Фактическая зависимость, полученная на основании средних значений посещений участковых врачей на тыс. населения, а теоретическая построена на средних величинах, которые формируют регрессию.


Рис. 5 Обращаемость населения за неотложной медицинской помощью на ССМП во время работы поликлиник

Рис. 6 Среднее количество посещений участковых врачей на дом

Экономический эффект от внедрения ПКП, который рассмотрен в диссертационной работе за пять лет функционирования на ССМП г.Курска составил 368452  руб.  Затраты по внедрению и сопровождению программного комплекса «Поликлиника» составили 28454 руб. Таким образом, эффективность внедрения программного комплекса «Поликлиника» равна  12,9.

Этот  достаточно высокий показатель позволяет сделать вывод о социально-экономической эффективности внедрения и эксплуатации ПКП, входящего в состав частью в АСУ ССМП.

В заключении содержатся основные результаты работы.

В приложениях приведены алгоритмы, листинги программ и математические описания обученного нейросетевого консилиума.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В ходе решения поставленной в диссертационной работе научно-технической задачи были получены следующие результаты.

1. Разработана структурно-функциональная организация АСУ ССМП, в которой определено место  нейросетевой подсистемы принятия решений. Отличительной особенностью данной организации является возможность поддержки принятия как самостоятельных решений для ССМП и  для АПС, так и скоординированных решений этих служб, используя обращаемость населения на ССМП.

2. Разработан метод поддержки принятия управленческих решений на     основе продукционной базы знаний и технологии ситуационного управления, который отличается возможностью получения наглядной аналитической информации, характеризующей конкретную ситуацию и обеспечивающей выбор решений из адекватных альтернатив.

3. Разработана структурно-функциональная организация нейросетевой подсистемы поддержки принятия решений для АПС на основе оперативной информации АСУ ССМП.

4. Разработан алгоритм поддержки принятия решений на основе нейросетевого консилиума, который позволяет получать обоснованные решения по индивидуальному управлению пациентом  для АПС, расширять базу обучения, повышая уровень обоснованности принимаемых решений (вероятность правильного распознавания классов решений не менее 0,84), с целью повышения качества оказания медицинской помощи в целом.

5. Разработан программный комплекс «Поликлиника», обеспечивающий необходимую информационную поддержку  принятия решений  для организации взаимодействия ССМП и АПС. В результате его внедрения на ССМП г. Курска за период 2000-2005 гг. произошло сокращение неотложных вызовов на 12,6% за счет обоснованного перераспределения этих обращений на АПС, что отразилось на повышении качества медицинской помощи, оперативности получаемой информации и принятии управленческих решений.  Получен экономический эффект в размере 368452 руб.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1.Прилуцкая, И.Е. О структуре программного комплекса «Поликлиника» [Текст] /И.Е.Прилуцкая // Вестник новых медицинских технологий. 2006. № 1 С.144.

2.Прилуцкая, И.Е. Система сбора и обработки на основе программного комплекса «Поликлиника» [Текст] / И.Е.Прилуцкая // Медико-экологические информационные технологии – 2006: матер. IX Междунар. науч.-техн. конф. Курск, 2006. С.14.

3.Лопин, В.Н. О нейросетевом подходе поддержки принятия решений амбулаторно-поликлиническими службами [Текст]  /В.Н.Лопин, И.Е.Прилуцкая

// Вестник новых медицинских технологий. 2006. № 2 С.160.

4.Автоматизированная система управления координацией взаимодействия станций скорой медицинской помощи [Текст]: свидетельство об официальной регистрации для ЭВМ №2006612758 / Прилуцкая И.Е.;   правообладатель ГОУ ВПО «Курск. гос. техн. ун-т» (RU). № 2006611182; заявл. 10.04.06; зарег.04.08.06.

5. Иконникова, И. Е. Компьютеризация контроля обращаемости в скорую медицинскую помощь на территориальном уровне [Текст]  / И.Е.Иконникова  [и др.] //Современные технологии управления в практическом здравоохранении в рыночных условиях: матер. регион. конф. Курск, 2000. С.77-78.

6. Иконникова, И.Е. Поиск путей управления здравоохранением через определение количества вызовов СМП по данным ЭВМ на терапевтических участках семи поликлиник города Курска за 1988 г. [Текст] / И.Е.Иконникова  // Актуальные проблемы медицинской науки и фармации: сб. науч. тр. Курск, 2000. С.418-420.

7. Иконникова, И.Е. К вопросу о целесообразности использования компьютерных технологий контроля обращаемости в станцию скорой и неотложной помощи для уменьшения ее на терапевтических участках поликлиник города за 1998-1999 гг. [Текст] / И.Е.Иконникова  [и др.]  // Скорая помощь- 2001: матер. II-го Рос. науч. форума 2001. С.48.

8. Иконникова, И.Е. Использование компьютерных технологий для контроля обращаемости населения на станцию скорой и неотложной медицинской помощи с целью уменьшения ее на терапевтических участках поликлиник города [Текст] / И.Е.Иконникова //Сб. науч. тр. всерос. конф.  Скорой медицинской помощи Екатеринбург, 2001. С.22.

9. Иконникова, И.Е. К вопросам о целесообразности использования компьютерных технологий обращаемости в станцию скорой и неотложной помощи для уменьшения ее на терапевтических участках поликлиник города за 1988-1999 г.г. [Текст] /И.Е.Иконникова  //Актуальные проблемы медицины и фармации: сб. науч. тр. Курск, 2001.С.398-400.  

Соискатель                                                                                                Прилуцкая И.Е..

ИД №06430 от 10.12.01

Подписано к печати __________________. Формат 60х84 1/16.

Печатных листов      1,0     . Тираж 100 экз. Заказ ________.

Курский государственный технический университет.

305040, г. Курск, ул. 50 лет Октября, 94.

           
 
Авторефераты по темам  >>  Разные специальности - [часть 1]  [часть 2]



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.