Файл: Научное обоснование совершенствования разработки информационных систем сбора и анализа показателей здоровья населения и деятельности системы здравоохранения.docx

ВУЗ: Не указан

Категория: Реферат

Дисциплина: Не указана

Добавлен: 24.10.2023

Просмотров: 353

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ОБЗОР ЛИТЕРАТУРЫ

ПРОГРАММА, МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЯ Настоящая работа представляет собой комплексное исследование, посвященное научному обоснованию совершенствования разработки информационных систем сбора и анализа показателей здоровья населения и деятельности системы здравоохранения.Теоретическую и методологическую основу настоящего диссертационного исследования составили научные труды отечественных и зарубежных специалистов по проблемам информатизации и цифровизации здравоохранения, в том числе в системе организации медицинской помощи и деятельности медицинских организаций, результаты фундаментальных и прикладных исследований по разработке методологических и методических подходов к оптимизации деятельности медицинских организаций, нормативно-правовые акты, официальные статистические данные и материалы. Программа и основные этапы исследования. С целью организации и проведения исследования были обоснованы методические и методологические подходы, разработан поэтапный план и программа исследований, методика сбора и обработки материала, алгоритм и дизайн проведения исследования. Исследование выполнялось в течение 2019-2021 гг. Интегрированный и комплексный характер настоящего исследования и сформулированные автором цель и задачи определили предмет и объекты исследования, единицы наблюдения и позволили сформировать Программу исследования (Таблица 1).Объектами исследования являлись: медицинская документация в части клинического диагноза; автоматизированные информационные системы, реализующие автоматизированную поддержку кодирования по МКБ-10; действующая система организации оказания и оценки качества медицинской помощи при заболеваниях внутренних органов. Предметом исследования являлись: особенности русскоязычных текстов медицинской документации в части клинического диагноза; качество медицинской документации в части клинического диагноза; проблемы использования методов математической лингвистики в целях лексического анализа клинического диагноза; проблемы внедрения автоматизированных информационных систем, реализующих анализ качества медицинской документации в части клинического диагноза с использованием лексического анализа; современное состояние организации оказания и оценки качества медицинской помощи при патологии внутрениних органов, нормативная правовая база, методы обеспечения качества медицинской помощи пациентам с заболеваниями внутренних органов. Единицами наблюдения являлись (в зависимости от решаемых задач) научная публикация, нормативный правовой документ, случай оказания медицинской помощи пациенту с патологией внутренних органов, медицинская карта амбулаторного больного, медицинская карта стационарного стационарного больного, карта вызова скорой помощи, протокол внутреннего контроля качества и безопасности медицинской деятельности, экспертное заключение (протокол оценки качества медицинской помощи) по результатам экспертизы качества медицинской помощи.В исследовании использованы методология и методы: системный подход и системный анализ, библиосемантический метод, организационно-правовой анализ, социологического исследования (анкетирование), методы математической статистики, функциональная декомпозиция, лексический анализ, объектно-ориентированная и алгоритмическая декомпозиции, объектно-ориентированное программирование, анализ и синтез, абстрагирование, математическое моделирование, логический, метод вывода на основе аналогии, метод формализации.Системный подход и системный анализ использовался практически на всех этапах исследования. Библиосемантический – для изучения данных литературы по теме исследования. Статистические методы использованы при обработке случаев наблюдения. Для автоматизации статистической обработки использовали статистический пакет Statistica for Windows (version 10.0).Минимальный объем выборки определялся с помощью номограмм Алтмана для мощности 95% и двустороннего уровня значимости 0,01.Для определения нормальности распределения значений переменных показателей в выборках нами использованы критерии Колмогорова-Смирнова и Шапиро-Уилка.Случаи сгруппированы в единый массив. Поэтапно производилась оценка результатов: сначала производилось выявление нарушения при оказании медицинской помощи, затем – оценка влияния нарушения на исход.Во всех случаях отсутствовало нормальное распределение, поэтому достоверность различий между группами определялась с помощью критериев Хи – квадрат и Манна-Уитни-Вилкоксона. Оценка значимости влияния нарушения при оказании медицинской помощи на формирование исхода производилась с помощью диагностического коэффициента (ДК) по методу А. Вальда:ДК(x1) = 10 * lg (P (x1 / A) / P (x2 / B)),где ДК(x1) – диагностический коэффициент, P(x1/A) – вероятность признака в подгруппе A, P(x2/B) – вероятность признака в подгруппе B.Впоследствии производился расчет информативности нарушений при оказании медицинской помощи – проведения медицинской услуги соответствующего стандарта медицинской помощи – по методу С. Кульбака:I(x1) = K * (P (x1 / A) + P(x2 / B)), гдеK = 0,5 * ДК(x1) * (1 – (2 / (1 + 100,1 * ДК))).Для объективизации экспертной оценки случаев оказания медицинской помощи с несколькими нарушениями использовался показатель накопленной информативности нарушений при оказании медицинской помощи, представляющий собой алгебраическую сумму информативности каждого из выявленных нарушений. В результате для каждого конкретного случая мы имели два ключевых показателя: накопленная информативность и исход (за период наблюдения), отражающие степень влияния выявленных нарушений на исход. Для объективизации влияния нарушений на исход к рассчитанным показателям накопленной информативности мы применили числовые ориентиры, отражающие вероятность благоприятного и неблагоприятного исхода. Для этого использовался метод бинарной логистической регрессии, так как он позволяет исследовать зависимость имеющих два возможных значения (благоприятный и неблагоприятный исход) от независимых переменных (наличия либо отсутствия нарушений при оказании медицинской помощи). С его помощью рассчитывалась вероятность формирования неблагоприятного исхода:f(y) = 1 / (1 + e-y), гдеy = F (x1,+ x2,+ … + xn),где f(y) – вероятность формирования неблагоприятного исхода, e – основание натуральных логарифмов

ПРИМЕНЕНИЕ ЛЕКСИЧЕСКОГО АНАЛИЗА В АВТОМАТИЗИРОВАННОЙ СИСТЕМЕ ПОДДЕРЖКИ КОДИРОВАНИЯ ПО МКБ-10

Технологические решения, положенные в основу реализации лексического анализа в автоматизированной системе поддержки кодирования по МКБ-10

Функциональная декомпозиция системы лексического анализа при автоматизированной поддержке кодирования

Создание промышленного прототипа

Опытная эксплуатация созданного промышленного прототипа

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ОПРЕДЕЛЕНИЯ СТЕПЕНИ ВЛИЯНИЯ НАРУШЕНИЙ НА ИСХОД ЗАБОЛЕВАНИЯ ДЛЯ РАЗЛИЧНЫХ НОЗОЛОГИЧЕСКИХ ФОРМ

Создание исследовательского прототипа автоматизированной информационной системы мониторинга вспомогательных процессов в медицинской организации

ЗАКЛЮЧЕНИЕ

ВЫВОДЫ

СПИСОК СОКРАЩЕНИЙ

Приложение 1

Приложение 2


Отдельно следует остановиться на проверке пункта 19 на верное указание последовательности диагнозов. Алгоритм является уникальным. Выполняется на основании накопленного реестра типовых ошибок заполнения. На основании реестра созданы правила перестановки ошибочных последовательностей строк. Алгоритм находит соответствие и выполняет указанную перестановку — меняет строки местами в пределах одного пункта либо переносит из 19.I в 19.II. Алгоритм приведен на рис.11.



Рисунок 11 - Принципиальная схема проверки на последовательность диагнозов.

Полный набор правил является весьма объёмным, фрагмент приводится в таблице 3:

Таблица 3.

Фрагмент созданных правил

Тип перестановки

А (начало)

А (окон чание)

Б (начало)

Б (оконч ание)

В (начало)

В (окон чание)

1201 (а -> 19.II, б -> а, в -> б)

I27.9

I27.9

I21

I22.9







1201 (а -> 19.II, б -> а, в -> б)

I27.9

I27.9

I60.0

I64.9







1201 (а -> 19.II, б -> а, в -> б)

I27.9

I27.9

I67.8

I67.9







1201 (а -> 19.II, б -> а, в -> б)

I27.9

I27.9

I80

I80.9









      1. Алгоритмы поддержки заполнения

Алгоритм поддержки заполнения представляет собой алгоритм работы со справочником МКБ при формулировании клинического диагноза. Алгоритм является уникальным. В основе данного алгоритма лежит представление о том, что
клиническая формулировка диагноза имеет иерархическую, а не линейную структуру. Данное представление также отражено в томе №3 МКБ-10. Иерархическая структура, заданная в нём, перенесена в соответствующие справочники. Кроме того, выполнен пословный лексический разбор терминов. Таким образом обработано более 55 000 записей, являющихся элементами клинического диагноза. Часть из них непосредственно кодируют диагноз, часть являются промежуточными элементами. В ряде случаев элемент может одновременно и кодировать диагноз, и являться промежуточным элементом. На рис. 12. приводится алгоритм формулировки клинического диагноза.



Рисунок 12 - Алгоритм формулировки клинического диагноза.

Нами выполнен лексический анализ всех используемых в т.3 МКБ терминов. Для понимания дальнейшего изложения на рис. 13. приведен пример структуры клинического диагноза «аборт», с указанием возможных вариантов кодирования.



Рисунок 13 - Структура клинического диагноза «Аборт».
Приведем пример структуры, используемой для построения вариантов кодирования:
Абсцесс

– брюшно-тазовый К65.0

– бульбоуретральной железы N34.0

– века Н00.0

– верхней челюсти, верхнечелюстной К10.2

– – синуса (хронический) J32.0

– верхних дыхательных путей J39.8

– вилочковой железы Е32.1

– виска L02.0

– височной области L02.0

– височно-клиновидной области G06.0

– влагалища (стенки) (см. также Вагинит) N76.0

– влагалищной оболочки яичка N49.1

– влагалищно-прямокишечный (см. также Вагинит) N76.0

– внутрибрюшинный (см. также Абсцесс брюшины) К65.0

– внутриглазничный Н05.0

– внутрипозвоночный G06.1

– внутритонзиллярный J36

– внутричерепной G06.0

– волосистой части головы (любой части) L02.8

– вульвовагинальной железы N75.1



– вульвы N76.4

– – осложняющий беременность O23.5

– – послеродовой О86.1

– гайморовой полости (хронический) (см. также Синусит верхнечелюстной) J32.0

– гипофиза (железы) Е23.6

– глаза Н44.0

– глазницы, глазничный Н05.0

– глотки J39.1

– гнойный НКДР L02.9

– голени L02.4

– головного мозга (любой части) G06.0

– – амебный (с абсцессом любой другой локализации) A06.6† G07✳

– – гонококковый A54.8† G07✳

– – кистозный G06.0

– – отогенный G06.0

– – туберкулезный А17.8† G07✳

– – феомикотический (хромомикотический) B43.1† G07✳

– головы НКДР L02.8

– голосовой складки [связки] J38.3

– гонорейный НКДР (см. также Гонококковая инфекция) А54.1

– горла J39.1

– гортани J38.7

– грудной клетки J86.9

– – со свищом J86.0

– – стенки L02.2

– губы К13.0

На рис.14 приводится пример разбора формулировки «влияние на плод или новорожденного». Все используемые термины внесены в справочник и классифицированы. Отслеживается вхождение термина в другие формулировки, использование которых может привести к регистрации других кодов МКБ. На рис.15 приводится пример классифицированного термина и перечень ссылок на другие формулировки.





Рисунок 14 - Примеры лексического разбора.



Рисунок 15 - Участие в других формулировках.

Основным сценарием работы созданного алгоритма является последовательный ввод клинической формулировки диагноза от «ведущего» термина, при котором система на каждом шаге уточнения ограничивает возможности выбора только присутствующими в томе №3 МКБ-10 вариантами. На рис.16 приведен пример работы алгоритма.



Рисунок 16 - Пример работы алгоритма.


      1. Алгоритмы контроля сроков наступления событий

В группу алгоритмов контроля сроков наступления событий объединены алгоритмы по проверке хронологии событий. Например, выполняется проверка «Период в строке Г> Период в строке В> Период в строке Б> Период в строке А». Цель работы такого алгоритма — недопущение нарушении хронологии событий. Для всех строк допускается установка периода «неизвестно».

    1. 1   2   3   4   5   6   7   8   9   10   ...   15

Опытная эксплуатация созданного промышленного прототипа


В период 2020 года нами была проведена опытная эксплуатация промышленного прототипа модуля лексического анализа в рамках системы автоматизированного кодирования.

В ходе опытной эксплуатации в медицинской организации – базе исследования (Клинический госпиталь федерального казенного учреждения здравоохранения «Медико-санитарная часть Министерства внутренних дел Российской Федерации по г. Москве») были выполнены следующие мероприятия:

  • На мощностях пилотного учреждения развёрнута система;

  • Проведена оценка производительности и надёжности системы;

  • Проведена оценка возможности интеграции в существующую ИТ-инфраструктуру, прежде всего с целью обеспечения возможности работы на местах врачей-статистиков. С учётом специфики учреждения принято решения об осуществлении доступа к системе с отдельных рабочих мест;

  • Проведена оценка возможности интеграции с существующей медицинской информационной системой, с целью обеспечения автоматического транспорта данных. Принято решение о ручном вводе с целью обеспечения сохранности персональных данных;

  • Загружено более 1000 клинических диагнозов;

  • Отработаны алгоритмы проверок и поддержки ввода, описанные ранее;

  • По результатам эксплуатации произведены доработки пользовательского интерфейса;

  • Оценена производительность работы специалиста, осуществляющего кодирование. Среднее количество кодируемых случаев составило 5 в день. Это позволит сформировать оценку количества специалистов, требуемых для эффективного использования системы;

  • Выполнено тестирование механизма ввода клинического диагноза, осуществляющего автоматический подбор кодов МКБ на основе расчёта близости формулировок т.3 к клиническому диагнозу, указанному в истории болезни. Механизм признан перспективным, но требующим дальнейшей доработки;

  • Выполнена оценка соответствия клинических формулировок для загруженных ранее диагнозов. Средний процент соответствия составил 58%.

По результатам тестирования принято решение о признании прототипа перспективным и применимым, но требующем доработки как в части методик работы, так и в части содержания справочников, используемых для поддержки кодирования. Данные доработки проводились в течение первой половины 2021 года на базе исследования. В настоящее время имеется доработанный промышленный прототип, развернутый на базе исследования.