natszdravНациональное здравоохранениеNational Health Care (Russia)2713-069X2713-0703Federal State Autonomous Educational Institution of Higher Education I.M. Sechenov First Moscow State Medical University of the Ministry of Health of the Russian Federation (Sechenov University)10.47093/2713-069X.2025.6.3.20-30natszdrav-505Research ArticleИНФОРМАТИЗАЦИЯ ЗДРАВООХРАНЕНИЯINFORMATIZATION OF HEALTHCAREУправление здравоохранением на основе анализа первичных данныхHealthcare management based on primary data analysishttps://orcid.org/0009-0005-2025-3157КотоваЕ. Г.KotovaE. G.

Котова Евгения Григорьевна – канд. мед. наук, заместитель министра здравоохранения Российской Федерации 

пер. Рахмановский, д. 3, г. Москва, 127994 

Evgeniya G. Kotova – Cand. of Sci. (Medicine), Deputy Minister of Health of the Russian Federation 

Rakhmanovsky Lane, 3, Moscow, 127994 

https://orcid.org/0000-0002-3288-4926ПапановаЕ. К.PapanovaE. K.

Папанова Елена Константиновна – канд. соц. наук, руководитель отдела демографического анализа и репродуктивного здоровья  

ул. Добролюбова, д. 11, г. Москва, 127254 

Elena K. Papanova – Cand. of Sci. (Sociology), Head of the Department of Demographic Analysis and Reproductive Health 

Dobrolyubova str., 11, Moscow, 127254 

e.papanova@mednet.ruМинистерство здравоохранения Российской ФедерацииРоссияMinistry of Health of the Russian FederationRussian FederationФГБУ «Центральный научно-исследовательский институт организации и информатизации здравоохранения» Министерства здравоохранения Российской ФедерацииРоссияRussian Research Institute of HealthRussian Federation202515102025632030Copyright © Котова Е.Г., Папанова Е.К., 20252025Котова Е.Г., Папанова Е.К.Kotova E.G., Papanova E.K.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.natszdrav.ru/jour/article/view/505

Для управления здравоохранением необходимо обеспечение процесса принятия организационных решений. Министерством здравоохранения Российской Федерации в период COVID-19 была отработана система еженедельных аналитических отчетов о смертности населения. Результаты этого мониторинга являются основой принятия управленческих решений по совершенствованию организации медицинской помощи. Цель. Создание модели анализа смертности для применения в целях управления здравоохранением на основе первичных данных. Материалы и методы. Источник данных о зарегистрированных умерших за период с 2019 по 2023 г. – данные Федерального реестра медицинских документов о смерти единой государственной информационной системы в сфере здравоохранения (ФРМДС ЕГИСЗ), Федеральной службы государственной статистики и Федерального регистра лиц, больных COVID-19. Обработка и визуализация данных произведены с помощью программы Microsoft Excel, PowerPoint и на автоматической основе на базе ЕГИСЗ. Результаты. Результаты еженедельной оперативной обработки данных ФРМДС ЕГИСЗ соотносятся с оперативными данными о смертности, опубликованными Росстатом. Используемый подход позволяет максимально охватить учтенный в первичных данных о смертности вклад острых инфекционных заболеваний, а показатели летальности пациентов отражают качество оказания медицинской помощи. На основе выбранных показателей разработана методика расчета интегрального индекса, который отражает уровень риска, связанного с ростом смертности от COVID-19. Заключение. Существующие информационные системы и отработанные подходы к анализу данных позволяют повышать эффективность управления здравоохранением, при этом набор показателей и периодичность их расчета могут быть адаптированы к запросам организаторов здравоохранения.

For healthcare management purposes, it is important to have up-to-date operational data on mortality. A system of weekly analytical reports on population mortality was developed by the Ministry of Health of the Russian Federation during the COVID-19 period. The results of this monitoring formed the basis for making management decisions to improve the organization of medical care. Aim. Develop a mortality analysis model for use in health care management based on population mortality data. Materials and methods. The source of data on registered deaths for the period from 2019 to 2023 is the Federal Register of Medical Death Certificates of the Unified State Information System in the Healthcare Sector (FRMDC EGISZ), the Federal State Statistics Service, and the Federal Register of COVID-19 Patients. Data processing and visualization were performed using Microsoft Excel, PowerPoint and automatically based on the EGISZ. Results. The results of the weekly data of the FRMDC EGISZ are compared with the monthly mortality data published by Rosstat. The approach used allows maximum coverage of the contribution of acute infectious diseases, and patient mortality rates reflect the quality of medical care. Based on the selected indicators, an integral index is calculated that reflects the level of risk associated with COVID-19. Conclusion. Existing information systems and proven approaches to data analysis make it possible to improve the efficiency of management, while the set of indicators and the frequency of their calculation can be adapted to the needs of healthcare management.

мониторинг смертностиуправление здравоохранениемпервичные данныепандемия COVID-19mortality monitoringhealth managementprimary dataCOVID-19 pandemicReferencesCozzoli N., Salvatore F.P., Faccilongo N., Milone M. How can big data analytics be used for healthcare organization management? Literary framework and future research from a systematic review. BMC Health Serv Res. 2022; 22: 809. https://doi.org/10.1186/s12913-022-08167-z. PMID: 35733192Cozzoli N., Salvatore F.P., Faccilongo N., Milone M. How can big data analytics be used for healthcare organization management? Literary framework and future research from a systematic review. BMC Health Serv Res. 2022; 22: 809. https://doi.org/10.1186/s12913-022-08167-z. PMID: 35733192Wang Y., Hajli N. Exploring the path to big data analytics success in healthcare. J Bus Res. 2017; 70: 287–299. https://doi.org/10.1016/j.jbusres.2016.08.002Wang Y., Hajli N. Exploring the path to big data analytics success in healthcare. J Bus Res. 2017; 70: 287–299. https://doi.org/10.1016/j.jbusres.2016.08.002Vandoros S. Excess mortality during the Covid-19 pandemic: Early evidence from England and Wales. Soc Sci Med. 2020; 258: 113101. https://doi.org/10.1016/j.socscimed.2020.113101. PMID: 32521411Vandoros S. Excess mortality during the Covid-19 pandemic: Early evidence from England and Wales. Soc Sci Med. 2020; 258: 113101. https://doi.org/10.1016/j.socscimed.2020.113101. PMID: 32521411Beaney T., Clarke J.M., Jain V., et al. Excess mortality: the gold standard in measuring the impact of COVID-19 worldwide? Journal of the Royal Society of Medicine. 2020; 113(9): 329–334. https://doi.org/10.1177/0141076820956802. PMID: 32910871Beaney T., Clarke J.M., Jain V., et al. Excess mortality: the gold standard in measuring the impact of COVID-19 worldwide? Journal of the Royal Society of Medicine. 2020; 113(9): 329–334. https://doi.org/10.1177/0141076820956802. PMID: 32910871Schumacher A.E., Kyu H.H., Aali A., et al. Global age-sex-specifi c mortality, life expectancy, and population estimates in 204 countries and territories and 811 subnational locations, 1950–2021, and the impact of the COVID-19 pandemic: a comprehensive demographic analysis for the Global Burden of Disease Study 2021. The Lancet. 2024; 403(10440): 1989–2056. https://doi.org/10.1016/S0140-6736(24)00476-8. PMID: 38484753Schumacher A.E., Kyu H.H., Aali A., et al. Global age-sex-specifi c mortality, life expectancy, and population estimates in 204 countries and territories and 811 subnational locations, 1950–2021, and the impact of the COVID-19 pandemic: a comprehensive demographic analysis for the Global Burden of Disease Study 2021. The Lancet. 2024; 403(10440): 1989–2056. https://doi.org/10.1016/S0140-6736(24)00476-8. PMID: 38484753Timonin S., Klimkin I., Shkolnikov V.M., et al. Excess mortality in Russia and its regions compared to high income countries: An analysis of monthly series of 2020. SSM – Population Health. 2022; 17: 101006. https://doi.org/10.1016/j.ssmph.2021.101006. PMID: 35005187Timonin S., Klimkin I., Shkolnikov V.M., et al. Excess mortality in Russia and its regions compared to high income countries: An analysis of monthly series of 2020. SSM – Population Health. 2022; 17: 101006. https://doi.org/10.1016/j.ssmph.2021.101006. PMID: 35005187Scherbov S., Gietel-Basten S., Ediev D., et al. COVID-19 and excess mortality in Russia: Regional estimates of life expectancy losses in 2020 and excess deaths in 2021. PLoS ONE. 2022; 17(11): e0275967. https://doi.org/10.1371/journal.pone.0275967. PMID: 36322565Scherbov S., Gietel-Basten S., Ediev D., et al. COVID-19 and excess mortality in Russia: Regional estimates of life expectancy losses in 2020 and excess deaths in 2021. PLoS ONE. 2022; 17(11): e0275967. https://doi.org/10.1371/journal.pone.0275967. PMID: 36322565

The authors declare that there are no conflicts of interest present.